หลายท่านคงจำกระแสความเฟื่องฟูของสกุลเงินดิจิทัลในปี 2560 ส่งผลให้ราคาของเหรียญเสมือนต่างๆ พุ่งสูงขึ้นจนไม่สามารถอธิบายได้ เมื่อพิจารณาราคาของสกุลเงินดิจิทัลบางสกุลในอดีตแล้ว มีความผันผวนสูง[1] ดังนั้นสินทรัพย์จึงมีแนวโน้มที่จะผันผวนค่อนข้างบ่อย แน่นอนว่านี่เป็นประโยชน์สำหรับนักลงทุน เนื่องจากการลงทุนระยะสั้นสามารถทำกำไรมหาศาลจากการซื้อขายสินทรัพย์เหล่านี้
พื้นฐานของการซื้อขาย
การซื้อขายสกุลเงินดิจิทัลเกี่ยวข้องกับการแลกเปลี่ยนระหว่างสกุลเงินดิจิทัลและมูลค่าโทเค็น เช่น BTC เป็น USDT USDT คือ Tether ซึ่งเป็นสกุลเงินดิจิทัลที่ใช้บล็อกเชน ซึ่งเหรียญดิจิทัลหมุนเวียนได้รับการสนับสนุนโดยสกุลเงินคำสั่งแบบดั้งเดิมในจำนวนที่เท่ากัน 1 USDT = 1 ดอลลาร์สหรัฐ หากต้องการได้รับผลกำไรในขณะที่การซื้อขายจะต้องเกี่ยวข้องกับการซื้อสินทรัพย์เมื่อมีราคาต่ำและขายในราคาที่สูงกว่า และเพื่อให้ดำเนินการได้อย่างมีประสิทธิภาพและประสิทธิผล เราต้องใช้กลยุทธ์การซื้อขาย สิ่งสำคัญที่ควรทราบคือเมื่อเลือกสินทรัพย์ที่จะซื้อขาย ปริมาณการซื้อขายที่สูงเป็นสิ่งสำคัญ [2] เนื่องจากหมายความว่ามีคนยินดีซื้อขายกับคุณ ดังนั้นคุณจึงสามารถได้รับสถานะที่ต้องการด้วยต้นทุนที่ต่ำ
กลยุทธ์การซื้อขายคือแผนอัลกอริทึมที่มุ่งสร้างผลตอบแทนที่ทำกำไร มีกลยุทธ์มากมายที่สามารถใช้ได้ อย่างไรก็ตาม บทความนี้จะตรวจสอบว่าการกลับตัวเฉลี่ยมีความเหมาะสมหรือไม่ และหากไม่ จะใช้วิธีใดเหมาะสมที่สุด ก่อนที่ฉันจะอธิบายว่าการกลับตัวเฉลี่ยคืออะไร ฉันต้องการสรุปคำจำกัดความที่สำคัญบางประการก่อน ค่าเฉลี่ยคือราคาเฉลี่ยของชุดข้อมูลที่กำหนด และ ส่วนเบี่ยงเบนมาตรฐาน คือระยะห่างของข้อมูลจากค่าเฉลี่ย Mean Reversion คือสมมติฐานที่ว่าราคาของสินทรัพย์จะผันผวนรอบๆ ค่าเฉลี่ย โดยมีแนวโน้มที่จะเคลื่อนไปสู่ราคาเฉลี่ยเมื่อเวลาผ่านไป แนะนำว่าหากราคาอยู่ห่างจากส่วนเบี่ยงเบนมาตรฐานจำนวนหนึ่ง ก็คาดว่าจะกลับสู่ราคาเฉลี่ย ณ จุดนั้น ดังนั้น สินทรัพย์จะถูกซื้อเมื่อต่ำกว่าค่าเฉลี่ย และขายเมื่อสูงกว่าค่าเฉลี่ย ที่ส่วนเบี่ยงเบนมาตรฐานเหล่านี้ [3] ในทางกลับกัน สินทรัพย์อาจหมายถึงการหลีกเลี่ยง ซึ่งบ่งบอกว่าราคายังคงเพิ่มขึ้นหรือลดลง ณ จุดที่คาดว่าจะกลับมาสู่ค่าเฉลี่ย นี่อาจเป็นเพราะปฏิกิริยาที่มากเกินไปหรือความกลัวของนักลงทุนในช่วงเวลาต่างๆ เช่น การเติบโตอย่างรวดเร็ว หรือการเพิ่มขึ้นของนักลงทุนในสินทรัพย์ [4] หากสินทรัพย์มีคุณสมบัติที่หลีกเลี่ยงไม่ได้ กลยุทธ์โมเมนตัมสามารถนำมาใช้เป็นข้อเสนอแนะว่าสินทรัพย์จะเพิ่มขึ้นอย่างต่อเนื่องเป็นระยะเวลานานขึ้นสามารถนำมาใช้เพื่อสร้างผลตอบแทนได้ จากการวิจัยเบื้องหลัง มีหลักฐานที่ชี้ให้เห็นว่าราคาของ bitcoin ไม่ได้หมายถึงการกลับตัว แต่ในความเป็นจริงแล้ว หมายถึงการหลีกเลี่ยง [5] มีหลักฐานว่าในช่วงสงครามโลกครั้งที่สองและภาวะเศรษฐกิจตกต่ำ สินทรัพย์ประสบกับการพลิกกลับของค่าเฉลี่ย อย่างไรก็ตาม มีข้อเสนอแนะว่าหลักฐานของการพลิกกลับของค่าเฉลี่ยนั้นเป็นการพูดเกินจริง เนื่องจากเมื่อคำนึงถึงช่วงเวลาเหล่านี้ไม่ถูกต้อง [6]
ระเบียบวิธี
ฉันตั้งเป้าที่จะทดลองและสร้างแบบจำลองการซื้อขาย BTC และ ETH โดยใช้ Python และไลบรารีทางสถิติต่างๆ ซึ่งเป็น 2 สกุลเงินดิจิทัลที่ได้รับความนิยมและมีปริมาณการซื้อขายสูงที่สุด ข้อมูลที่ได้รับจาก Binance หนึ่งในแพลตฟอร์มการซื้อขายสกุลเงินดิจิตอลที่ใหญ่ที่สุด จะถูกนำมาใช้ในการทดสอบสมมติฐานของฉันในช่วงปี 2017, 2018 และ 2019 ในขั้นต้น การทดสอบ Augmented Dicky-Fuller (ADFT) จะถูกนำมาใช้เพื่อทดสอบการกลับตัวเฉลี่ย . ADFT ทดสอบสมมติฐานว่างว่ามีหน่วยรากอยู่ และสมมติฐานทางเลือกคือไม่มีหน่วยราก แสดงว่าอนุกรมเวลาเป็นแบบคงที่ อนุกรมเวลาจะคงที่หากการเปลี่ยนแปลงของเวลาเพียงครั้งเดียวไม่เปลี่ยนคุณสมบัติทางสถิติของอนุกรมเวลา ซึ่งในกรณีนี้ไม่มีหน่วยรากอยู่ [7] หากค่า P ที่กำหนดโดยการทดสอบต่ำกว่าระดับนัยสำคัญ เราสามารถปฏิเสธสมมติฐานว่างได้ เนื่องจากไม่มีหลักฐานเพียงพอที่จะบ่งชี้ว่ามีหน่วยรากอยู่ การทดสอบนี้สามารถระบุได้อย่างง่ายดายว่าประสบการณ์ชุดข้อมูลหมายถึงการกลับรายการ เนื่องจากอนุกรมเวลาที่คงที่หมายถึงการย้อนกลับ ดังนั้นจึงไม่มีหน่วยราก หากมีหลักฐานที่บ่งชี้ถึงการกลับตัวเฉลี่ย กลยุทธ์ที่ยึดตามหลักการนี้ โดยใช้แนวคิดที่กล่าวถึงข้างต้นจะเหมาะสมอย่างยิ่ง ซื้อสินทรัพย์เมื่อมีค่าเบี่ยงเบนมาตรฐานต่ำกว่าค่าเฉลี่ย และขายสินทรัพย์เมื่อมีค่าสูงกว่าค่าเฉลี่ย
อีกทางหนึ่ง หาก ADFT แสดงให้เห็นว่ามีหลักฐานเพียงพอที่จะยอมรับสมมติฐานว่าง นั่นหมายความว่าสินทรัพย์กำลังประสบปัญหาในการป้องกันคุณสมบัติอย่างหลีกเลี่ยงไม่ได้ หากเป็นกรณีนี้ กลยุทธ์ที่อิงตามหลักการโมเมนตัมจะเหมาะสมที่สุด ทั้งนี้เนื่องจากมีหลักฐานว่าราคาของสินทรัพย์จะยังคงเพิ่มขึ้น/ลดลง แม้ว่าจะเบี่ยงเบนมาตรฐานไปหลายค่าก็ตาม ซึ่งหมายความว่าในช่วงเวลา วัน หรือชั่วโมงที่กำหนด หากราคาของสินทรัพย์สูงกว่าค่าเฉลี่ยถือว่าน่าสนใจสำหรับการซื้อ และเมื่อราคาต่ำกว่าค่าเฉลี่ย จึงไม่น่าสนใจ ดังนั้นควรขาย เนื่องจากเราคาดว่าจะลดลงอีก ณ จุดนี้
การทดสอบข้อมูลจะแบ่งออกเป็นสองกลุ่ม กลุ่มที่ 1 จะเป็นข้อมูลที่เหมาะสมหรือข้อมูลประวัติที่ใช้ในการสร้างกลยุทธ์และปรับให้เข้ากับข้อมูล กลุ่มที่ 2 จะเป็นข้อมูลนอกกลุ่มตัวอย่าง ซึ่งกลยุทธ์จะได้รับการทดสอบเพื่อดูว่าจะให้ผลลัพธ์ที่เป็นบวกหรือลบ ข้อมูลนอกตัวอย่างจะจำลองว่าจะเกิดอะไรขึ้นเมื่อมีการปรับใช้กลยุทธ์ในชีวิตจริง บางครั้งกลยุทธ์อาจ พอดีเกินไป กับข้อมูลในอดีต ซึ่งหมายความว่ากลยุทธ์จะทำงานได้อย่างน่าอัศจรรย์กับข้อมูลในอดีตที่ให้ผลตอบแทนสูง อย่างไรก็ตาม กลยุทธ์ดังกล่าวทำงานได้อย่างสมบูรณ์แบบกับข้อมูลในอดีต จนใช้ไม่ได้กับข้อมูลในอดีตที่ไม่ได้สุ่มตัวอย่างอีกต่อไป ข้อมูล [8]. ข้อมูลที่เหมาะสมหรือข้อมูลประวัติจะใช้เพื่อสร้าง ทดสอบ และเพิ่มประสิทธิภาพกลยุทธ์ เพื่อให้ได้ผลตอบแทนที่ทำกำไร
ในระหว่างการทดสอบข้อมูลให้พอดี ปัจจัยสองประการมีการเปลี่ยนแปลง: ค่าธรรมเนียมคอมมิชชันและหน้าต่างค่าเฉลี่ยแบบต่อเนื่อง เพื่อสร้างตารางจำนวนหนึ่งสำหรับข้อมูลรายวันและรายชั่วโมงสำหรับสกุลเงินดิจิทัลที่กำลังตรวจสอบ การเปลี่ยนแปลงหน้าต่าง Rolling Mean จะเปลี่ยนจำนวนราคาก่อนหน้าที่เราใช้ในการสร้างค่าเฉลี่ยเคลื่อนที่ แพลตฟอร์มการซื้อขายสกุลเงินดิจิตอลที่แตกต่างกันมีค่าธรรมเนียมคอมมิชชันที่แตกต่างกัน ดังนั้นการตรวจสอบผลลัพธ์ในระดับค่าธรรมเนียมที่หลากหลาย จะเป็นการจำลองสถานการณ์ที่สมจริงยิ่งขึ้น ฉันตั้งเป้าที่จะทดลองกับระดับค่าธรรมเนียม (0.01, 0.05, 0.1, 0.5,1%) [9] และกรอบเวลากลิ้ง (2,5,7,10,15,20,24) วันหรือชั่วโมง การระบุพารามิเตอร์ที่มีประสิทธิภาพดีที่สุดบนข้อมูลประวัติ (2017–2017) จากนั้นจะถูกนำมาใช้และพยายามกับข้อมูลนอกตัวอย่าง (2019)
การวิเคราะห์โดยใช้การทดสอบ Augmented Dicky-Fuller
การทดสอบด้วย ADFT กับข้อมูลตั้งแต่ปี 2560 และ 2561 ที่ระดับนัยสำคัญ 1,5 และ 10% ค่า P-value มากกว่าค่าทั้งหมดที่กำหนดในระดับนัยสำคัญ สิ่งนี้ชี้ให้เห็นว่ามีหลักฐานเพียงพอที่จะยอมรับสมมติฐานว่างที่ระบุว่ามีหน่วยราก ดังที่ได้กล่าวไว้ก่อนหน้านี้ การมีอยู่ของหน่วยรูทหมายความว่าข้อมูลไม่ใช่อนุกรมเวลาที่อยู่กับที่ ดังนั้นจึงแนะนำว่าไม่มีพฤติกรรมการย้อนกลับแบบเฉลี่ย สาเหตุน่าจะมาจากจำนวนการพุ่งขึ้นอย่างรวดเร็วในปี 2017 และ 2018 ซึ่งมีสาเหตุมาจากกระแสความนิยมของสกุลเงินดิจิทัล ซึ่งผู้คนจำนวนมากลงทุนในสกุลเงินเพื่อพยายามทำกำไร อย่างไรก็ตาม สิ่งนี้ระบุได้ก็คือราคาของสกุลเงินดิจิทัลมีแนวโน้มที่จะดำเนินต่อไปในทิศทางเดียวกันเมื่อพวกเขาเคลื่อนไหว แทนที่จะกลับไปสู่ค่าเฉลี่ย ด้วยเหตุนี้ การใช้กลยุทธ์ตามโมเมนตัมจึงเหมาะสมกว่า
กลยุทธ์ตามโมเมนตัม
กลยุทธ์ที่อิงตามโมเมนตัมนั้นตั้งอยู่บนสมมติฐานที่ว่าเมื่อราคาของสินทรัพย์เคลื่อนไหวไปในทิศทางใดทิศทางหนึ่ง ราคาก็จะเคลื่อนไหวไปในทิศทางเดียวกันเป็นระยะเวลาหนึ่ง หากราคาของสินทรัพย์สูงกว่าค่าเฉลี่ย เราก็สามารถคาดหวังได้ว่ามันจะสูงขึ้นเรื่อยๆ ดังนั้นเราจะซื้อสินทรัพย์โดยมีเป้าหมายที่จะขายในราคาที่สูงในภายหลัง สิ่งที่ตรงกันข้ามจะเกิดขึ้นหากราคาของสินทรัพย์ต่ำกว่าค่าเฉลี่ย นอกจากนี้ ยังสามารถจำกัดจำนวนโทเค็นในเวลาใดก็ได้ เช่น สูงสุด 5 เพื่อลดความเสี่ยงที่จะเกิดขึ้น ตัวอย่างเช่น หากเรามี 100 โทเค็น สิ่งนี้มีความเสี่ยงสูง เนื่องจากราคาที่ลดลงอย่างกะทันหันอาจทำให้การสูญเสียโดยรวมของเราเพิ่มขึ้นเป็นจำนวนที่มีนัยสำคัญมาก
ที่วงกลมสีเขียว เราจะซื้อสินทรัพย์ และที่วงกลมสีแดง เราจะขายสินทรัพย์ การใช้หลักการนี้ กลยุทธ์นี้จะดำเนินการกับข้อมูลรายชั่วโมงในอดีตระหว่างปี 2560 และ 2561 สำหรับการซื้อขาย BTC เป็น USDT สร้างตารางกำไรและขาดทุนโดยการเปลี่ยนแปลงพารามิเตอร์ของหน้าต่างกลิ้งสำหรับค่าเฉลี่ยเคลื่อนที่ (2, 5, 7, 10, 15, 20, 24 ชั่วโมง) และระดับค่าธรรมเนียมที่แตกต่างกัน (0.01, 0.05, 0.1, 0.5, 1 % ).
ผลลัพธ์
การรันกลยุทธ์เราได้รับตารางด้านล่าง ซึ่งประกอบไปด้วยมูลค่ากำไรและขาดทุน (PNL) สำหรับ BTC/USDT และรันกลยุทธ์เดียวกันกับ ETH/USDT (Ethereum)
จากการวิเคราะห์ทั้งสองตาราง เราจะเห็นว่าผลตอบแทนที่ทำกำไรนั้นเกิดขึ้นอย่างสม่ำเสมอสำหรับสกุลเงินดิจิทัลทั้งสองสกุลที่ระดับค่าธรรมเนียม 0.0001 ถึง 0.001 และด้วยกรอบเวลาค่าเฉลี่ยเคลื่อนที่ที่ 20 หรือ 24 ชั่วโมง อย่างไรก็ตาม เราจะเห็นได้ว่า Ethereum เริ่มทำกำไรได้ที่กรอบเวลาที่ต่ำกว่ามาก ซึ่งก็คือ 5 ชั่วโมง เมื่อเทียบกับ BTC ซึ่งจะทำกำไรได้เฉพาะที่กรอบเวลา 15 ชั่วโมงเท่านั้น กราฟด้านล่างแสดงการเติบโตของกำไร (PNL) ที่ระดับค่าธรรมเนียม 0.0001 และ MA ของ 24 ชั่วโมงสำหรับ bitcoin และ 20 ชั่วโมงสำหรับ Etherum ตามลำดับ
นอกจากนี้ หากเราใช้กลยุทธ์เดียวกันสำหรับ BTC/USDT และ ETH/USDT สำหรับข้อมูล รายวัน ในช่วงปี 2017 และ 2018 เราจะได้ผลลัพธ์ดังต่อไปนี้
จากการวิเคราะห์ทั้งสองตารางนี้ เราจะได้เห็นรูปแบบที่คล้ายกัน สกุลเงินดิจิทัลทั้งสองให้ผลตอบแทนที่มีกำไรที่กรอบค่าเฉลี่ยเคลื่อนที่ 20 หรือ 24 วัน อย่างไรก็ตาม จะได้รับผลกำไรในทุกระดับค่าธรรมเนียม สิ่งสำคัญยิ่งกว่านั้นคือต้องทราบว่า Bitcoin จะสร้างผลกำไรได้ภายในกรอบเวลา 5 วันเท่านั้น อย่างไรก็ตาม Ethereum ก็สามารถทำกำไรได้ทั่วทั้งกระดาน กราฟด้านล่างแสดงการเติบโตของกำไรที่ระดับค่าธรรมเนียม 0.0001 และ MA ของ 24 วันสำหรับ bitcoin และ 20 วันสำหรับ Etherum ตามลำดับ
การวิเคราะห์
ขณะที่วิเคราะห์ข้อมูลที่เหมาะสมระหว่างปี 2017 และ 2018 สำหรับ BTC/USD กรอบเวลาที่มีกำไรมากที่สุดคือกรอบเวลา 24 ชั่วโมง อย่างไรก็ตาม กรอบดังกล่าวจะหยุดทำกำไรที่ค่าธรรมเนียม 0.005 และ 0.01 สำหรับ ETH/USDT กรอบเวลาในอุดมคติคือกรอบเวลา 20 ชั่วโมง แต่ก็หยุดทำกำไรที่ค่าธรรมเนียม 0.005 และ 0.01 เช่นกัน เห็นได้ชัดว่าไม่มีสกุลเงินดิจิทัลใดที่สามารถทำกำไรได้เหนือระดับค่าธรรมเนียมเหล่านี้ ดังนั้นกลยุทธ์ดังกล่าวจึงควรใช้บนแพลตฟอร์มการซื้อขายที่มีค่าธรรมเนียมต่ำ เช่น binance[9]
ตารางด้านบนแสดงผลกำไรของทั้งสองสกุลเงินดิจิทัลในช่วงกรอบเวลาที่ดีที่สุดและระดับค่าธรรมเนียมเมื่อดูประสิทธิภาพในปี 2019 ซึ่งกำลังดำเนินการกับข้อมูลนอกตัวอย่างเพื่อทดสอบว่ากลยุทธ์ที่ทำกับข้อมูลที่เหมาะสมก่อนหน้านี้ (ในอดีต) สามารถ สามารถคาดการณ์ข้อมูลใหม่ได้ นี่เป็นการจำลองสิ่งที่จะเกิดขึ้นหากใช้กลยุทธ์ในชีวิตจริง
สกุลเงินดิจิทัลทั้งสองให้ผลกำไรสูงในระหว่างการทดสอบนอกตัวอย่างของเรา ด้วย bitcoin ที่มีประสิทธิภาพดีกว่า ให้ผลกำไรมากกว่า เมื่อเทียบกับ Ethereum
การดำเนินการเช่นเดียวกันกับสกุลเงินดิจิทัลทั้งสองในข้อมูลนอกตัวอย่างรายวันของเรา ตารางด้านล่างจะแสดงผลกำไรที่กรอบเวลารายวันในอุดมคติสำหรับสกุลเงินดิจิทัลแต่ละรายการตามลำดับ
เมื่อดูจากตาราง กลยุทธ์จำลองว่าในปี 2019 เราจะทำกำไรด้วย Bitcoin โดยใช้ค่าเฉลี่ยเคลื่อนที่ 24 วัน จนถึงระดับค่าธรรมเนียม 0.001 อย่างไรก็ตาม ดูเหมือนว่า Ethereum แม้ว่าจะทำกำไรได้ทั่วทั้งกระดานในช่วงปี 2017 และ 2018 แต่กลยุทธ์ของเราไม่ได้ให้ผลกำไรสูงในช่วงปี 2019
เมื่อเปรียบเทียบทั้ง Bitcoin และ Etherum จากผลลัพธ์และการวิเคราะห์ของเรา การซื้อขายโดยใช้ข้อมูลรายชั่วโมงมากกว่าข้อมูลรายวันจะเหมาะสมอย่างยิ่ง เนื่องจากทั้งคู่ให้ผลกำไรสูง พร้อมทั้งให้หลักฐานที่บ่งชี้ว่าแบบจำลองของเราเหมาะสมอย่างยิ่ง
โดยสรุป หลักฐานทั้งหมดที่รวบรวมได้ชี้ให้เห็นว่า Bitcoin และ Etherum หมายถึงการหลีกเลี่ยง ตามที่ ADFT เน้นไว้ในช่วงปี 2017 และ 2018 ด้วยเหตุนี้ กลยุทธ์โมเมนตัมจึงเหมาะสมกว่าเมื่อพยายามคาดการณ์ว่าจะซื้อและขายสกุลเงินดิจิทัลเมื่อใด โดยรวมแล้ว การจำลองแสดงให้เห็นว่ากลยุทธ์นี้เหมาะสำหรับการทำนายว่าเมื่อใดควรซื้อหรือขายสกุลเงินดิจิทัล เนื่องจากมีหลักฐานมากมายที่แสดงให้เห็นว่าสิ่งนี้สามารถทำกำไรได้
งานในอนาคต
เมื่อพิจารณาถึงการปรับปรุงและปรับใช้สำหรับสถานการณ์อื่นๆ มีปัจจัยต่างๆ ที่สามารถนำมาพิจารณาเพื่อสร้างการจำลองที่ดีขึ้น ในกลยุทธ์ของฉัน ฉันจำกัดจำนวนเหรียญทั้งหมดที่ฉันสามารถมีได้ในช่วงเวลาใดก็ตาม และจำนวนโทเค็นทั้งหมดที่ฉันสามารถขายได้ไว้ที่ 5 เหรียญ สิ่งนี้ทำให้ฉันสามารถลดความเสี่ยงที่จะมีสินทรัพย์มากเกินไปได้หากจำนวนเหรียญอยู่ที่ ถือไว้สูงเกินไป ซึ่งอาจทำให้เกิดการสูญเสียจำนวนมากหากราคาของสินทรัพย์ลดลงอย่างมากด้วยเหตุผลบางประการ ปัจจัยหนึ่งที่ถูกละเลยในกลยุทธ์คือการคลาดเคลื่อน Slippage คือการที่ผู้เข้าร่วมการซื้อขายได้รับราคาดำเนินการที่เป็นเปอร์เซ็นต์สูงหรือต่ำกว่าจำนวนที่ต้องการ ตัวอย่างเช่น ราคาดำเนินการเมื่อซื้อสินทรัพย์อาจสูงกว่าราคาจริง 2% ซึ่งโดยปกติจะเป็นผลมาจากมีคนจำนวนไม่มากที่ทำการซื้อขาย อย่างไรก็ตาม เมื่อฉันเลือกสกุลเงินที่มีปริมาณการซื้อขายสูง ก็สามารถมองข้ามความคลาดเคลื่อนของราคาได้เนื่องจากจะมีขนาดเล็กมาก สมมติฐานนี้ได้รับการสนับสนุนเพิ่มเติมโดยหลักฐานที่นำเสนอโดยบทความทั้งสองนี้ [10] [11] อย่างไรก็ตาม หากสินทรัพย์มีปริมาณการซื้อขายต่ำ Slippage จะเป็นปัจจัยที่ควรนำมาพิจารณาเพื่อให้แน่ใจว่าการจำลองมีความแม่นยำมากขึ้น
อีกปัจจัยหนึ่งที่สามารถตรวจสอบเพิ่มเติมได้คือกรอบเวลาค่าเฉลี่ยเคลื่อนที่ หน้าต่างที่ถูกตรวจสอบคือ: 2,5,7,10,15,20,24 วันหรือชั่วโมง การใช้ช่วงกรอบเวลาที่กว้างขึ้น เช่น 30 วัน และ 90 วัน จะทำให้สามารถรับข้อมูลได้มากขึ้นเพื่อทดสอบผลตอบแทนที่ดีขึ้น
นอกจากนี้ เป็นเรื่องน่าสนใจที่จะทดสอบกลยุทธ์นี้กับสกุลเงินดิจิทัลอื่น ๆ เช่น Ripple (XRP) เพื่อดูว่ามีหลักฐานที่บ่งชี้ว่ากลยุทธ์นี้ใช้งานได้กับสกุลเงินดิจิทัลอื่น ๆ ในตลาดหรือไม่
อ้างอิง
[1](9 สิงหาคม 2559) ปริมาณสามารถทำนายผลตอบแทนและความผันผวนของ Bitcoin ได้หรือไม่? วิธีการเชิงควอนไทล์ https://www.sciencedirect.com/science/article/abs/pii/S0264999317304558
[2] คาร์พอฟฟ์ เจ. (1987) ความสัมพันธ์ระหว่างการเปลี่ยนแปลงราคาและปริมาณการซื้อขาย: แบบสำรวจ วารสารการวิเคราะห์ทางการเงินและเชิงปริมาณ, 22(1), 109–126 ดอย:10.2307/2330874
[3] คำจำกัดความการพลิกกลับเฉลี่ย ตรวจสอบโดย JAMES CHEN อัปเดตเมื่อวันที่ 15 พฤษภาคม 2019 https://www.investopedia.com/terms/m/meanreversion.asp
[4]The Journal of Investing Winter 2009, 18 (4) 57–71 https://joi.pm-research.com/content/18/4/57.abstract
[5]การทดสอบการกลับตัวเฉลี่ยในผลตอบแทน Bitcoin ด้วยการสุ่มแบบ Gibbs-sampling-augmented https://www.sciencedirect.com/science/article/abs/pii/S1544612319306415
[6]แมคควีน จี. (1992) การกลับมาของราคาหุ้นเฉลี่ยแบบ Long-Horizon กลับมาอีกครั้ง วารสารการวิเคราะห์ทางการเงินและเชิงปริมาณ, 27(1), 1–18 ดอย:10.2307/2331295 https://www.cambridge.org/core/journals/journal-of-financial-and-quantitative-analysis/article/longhorizon-meanreverting-stock-prices-revisited/9E5B50277CCDE2451639A1B87E05AAFD
[7] การทดสอบ Augmented Dickey-Fuller ใน Python 20/11/2018 http://www.insightsbot.com/blog/1MH61d/augmented-dickey-fuller-test-in-python
[8] เจ. เคม. ข้อมูล คอมพิวเตอร์ วิทยาศาสตร์ 2547, 44, 1, 1–12 วันที่ตีพิมพ์:2 ธันวาคม 2546 https://pubs.acs.org/doi/abs/10.1021/ci0342472
[9 ]https://www.binance.com/en/fee/schedule
[10]Xie, Anthonyการวิเคราะห์ Slippage ของ Binance Exchange,HodlBlog, 16/11/19, https://www.hodlbot.io/blog/an-analysis-of- การเลื่อนหลุดบนการแลกเปลี่ยน Binance.
[11]เกิดความคลาดเคลื่อนแม้จะมีคำสั่งซื้อขายในตลาดเพียงเล็กน้อย GitHub, 16/11/19, https://github.com/sammchardy/python-binance/issues/142
