如何选币与确定对应策略研究

可达鸭研究02丨选品种与确定对应策略初探

最近可达鸭社群开立后，很多小伙伴私信我，问了很多关于策略和组合，以及MC回测和实盘平台设置等等问题。我筛选一些有价值的话题进行了初步的研究。第一篇中我们分享了关于联储加降息与BTC价格周期事件驱动型策略的研究分析。今天我们来看一下关于选择品种与对应策略的问题

在国内期货市场中，黑色系是众多CTA量化的利润源泉，其中一点重要的是，这个板块内同涨同跌，相关性极高。而开发的策略在这一板块也具有很高的普适性。究其原因，从数学上就是价格走势相关性高，从基本上说就是同一产业链。

我们从上述的观点背景出发，今天来研究一下各个币种的相关性，用于确定对应策略类型。废话不多说，我们开始~

准备流程如下：

1、数据以及处理数据

2、相关性矩阵图

3、高频周期进一步测试

4、CTA策略回测验证

数据以及处理数据

我们读入各个币种的日线数据，当然这块你也可以自行写成os.walk的for循环读取，我这里是一个一个读取，然后merge的方法，如下图所示：

随后，我们通过上述方法，将BTC,BNB,ETH,ETC,EOS,XRP,BCH,LTC,BNB,DOGE等币种进行数据处理和merge。此处需要注意，我是用的merge参数中的On是按照candle_begin_time为依据的，所以会导致按照币种最短的时间开始。

相关性矩阵图

我进行了如下币种数据的resample和merge，随后将这些数据进行相关性矩阵热力图可视化输出，如下图所示：

因为部分币种，例如：OP ,FIL, SOL等时间过短，在这里我就不截图放出来了。通过相关性可视化，我们可以看到，大部分品种（有主流和非主流）相关性都很高，除了EOS以外。

我们先来做一下小推论：

1、通过日线相关性矩阵图，我们可以看出EOS与各个主流币种相关性,整体呈现相关性较低的特征表现。而其他品种平均相关性最低也是0.77+。

2、通过相关性我们可以初步推断：

（1）EOS并不适合大部分主流币的策略类型（不信的可以去尝试，都不用费尽心机去写策略回测）

（2）EOS具有对冲组合的功效

（3）其他类似品种和逻辑也可以暂定推论

3、可以变换N小时周期，重复上述数据结果变化，强化日线数据结论。

4、可以将市场上所有可交易品种进行上述计算，对于组合和选品种有异曲同工之妙。

随着上述品种越来越多，我们将品种相关性矩阵简化，分别对各个品种求得与其他品种的平均相关性。如下图所示：

我们得到对应平均相关性，虽然这种方法并不严谨，但却不失为一种高效率的估算模式。

高频周期进一步测试

首先对数据进行合并处理，如下图所示：

第二步我们进行1小时高频周期的相关系数矩阵可视化，如下图所示：

通过图形定性可以看到，EOS依然是整体相关性较低的币种。其次我们发现，BCH与BTC和ETH的相关性降低了很多。由日线的0.71，0.6变为小时线的0.65，0.57。

下面我们来看一下品种相关性矩阵简化，分别对各个品种求得与其他品种的平均相关性。如下图所示：

从小时周期来看，得到对应平均相关性，这与日线的结果不谋而合，也就是说不论是小时还是日线，他们的平均相关性都是一致的。

总结：

1、凡是相关性在0.7以上的，这些品种都大概率，一定程度较为适应普适性的CTA策略。只不过是细节和阶段性的好坏而已，总体趋向一样。

2、不用浪费时间去算了，我通过KD00和KD01策略的测试，发现与上诉结果是一致的，只有EOS是亏的，其他的都是盈利的。

3、此方法可以推广到所有的小币种，这样你直接就知道，库存策略中兼容哪些品种。直接针对性的回测调参，加载策略实盘即可。

4、预测性，相关性不是因果性，并不能得出来某个币涨跌，导致哪个币涨跌。但是随着币种时间长短的差异性，通过相关性数据，我们可以一定概率对上市时间短，相关性高的品种波动率和趋势度进行预测。因为相关性摆在那里，这个高的相关性，自然而然分布特征也有一定的相关性，这是顺其自然的。（懂的都懂）