我如何利用情绪分析创建比特币交易算法 使回报率达29%

【评论留言】留言+EOS地址 ， 即可获得30key

TL;DR：我创建了一个公式，根据每天的交易所价格数据和谷歌趋势关键词情绪来预测你是否应该购买或出售比特币。该模型在90天内产生了29%的回报，获利28,839美元。

比特币（BTC）价格可以预测到什么程度？如果来自谷歌趋势的公开数据可以帮助预测价格波动呢，会怎么样呢？

换句话说，我们能否可靠地建立一个能够超越市场的公式？我一直都在寻找这些问题的答案。我的目标是试图理解一个高度波动、可怕且看似不可预测的加密货币市场。

有许多交易者发誓要进行技术分析，而其他人则更多地走基本分析路线。事实是，没有任何神奇的交易策略可以始终战胜市场。有太多的变量，即使是最好的基于人工智能的交易算法也无法持续地从中获利。

今天的公式是非常基本的，我的目的是以原始的形式呈现，并征求如何使其更好的反馈。这是一个正在进行中的工作，绝不是万能的，所以请自担使用风险。

事实上，没有什么神奇的交易策略

能永远战胜市场。

公式

我一直在测试我认为是一个相对稳定的BTC价格表现指标的公式。具体来说，我能够以10万美元作为初始投资，模拟出90天内29%的利润。请注意，这并没有考虑到交易所的交易费用，我希望去中心化交易所等解决方案有一天能够消除这些费用。

我的模型受到Willy Woo最初工作的启发，他最初尝试用谷歌趋势数据作为活跃的比特币价格检查的代理。

以下是我使用的过程：

dsfsdfsdf

我在谷歌趋势搜索 "BTC USD" 和 "Buy Bitcoin" 在最近90天内的数据:

我注意到，当当日BTC价格 "收盘 "时，"BTC美元 "与 "买入比特币 "的比例小于~3:1（具体为<35%）时，第二天的收盘价就会上涨。如果超过~3:1的比例（具体>35%）（即4:1或5:1），那么这是一个卖出的信号，因为随后一天的价格会下降。

接下来我测试了当BTC价格差收盘价比前一天的收盘价高出80美元以上时，这使得模式更加一致。80美元是一个任意值，在这个数据集中表现良好。下面是一个截图，是这样的。

BTC USD：每日指标直接来自谷歌趋势。

买入比特币：每日指标直接从谷歌趋势。

价格：当日收盘价，来自Coin Market Cap.

E列："买入比特币"/"BTC美元 "比例。

F列：买入/卖出决策公式。例如这里是F20单元格的公式。
=if(AND(E20>35%,G20>80), "BUY", "SELL")。请注意，"35%"是买入的门槛，同时价格要大于 "80美元"。

G列：与前一天收盘价的比特币价格差。

H列：基于2018年7月7日初始投资10万美元（第一次买入）的运行总量。

模型的结果和下一步行动

所以在90天内，10万美元的投资在我的模型中变成了128,839美元--几乎是29%的回报率。但这远不是一个优化的模型，并且这里有几项我想优化的地方。

">35%"和">80美元 "是基于这个有限的90天数据集中似乎有效的东西，这是相当随意。有没有更好的公式可以产生更好的买/卖信号？

这些变量似乎在给定的6k-8k BTC价格水平下有效。我想测试过去一两年的更多历史数据。该模型将使用一个数组（约3:1-~5:1）比较买入/卖出信号的总收益，而 "80美元 "将改为每日BTC价格的固定百分比，这样就可以考虑到重大的价格暴涨。例如也许最佳模型最终是每日价格波动的0.014543229，比例为3.23-1。

变量输入模型会看起来是这样的：

如果你是数据大师，我们一起探讨

换句话说，我想设置一个测试，以找到最佳的变量插件，使给定数据集的利润最大化。这将涉及针对过去的价格和情绪数据进行回归测试。我的假设是，在不同的价格水平上存在最优变量。

我目前正在测试这个算法的 "v2"，并希望与任何有R或Python技巧的数据大师合作，运行一个完整的回归和目标寻求脚本来优化算法。

欢迎留言评论

—-

编译者/作者：明明很爱你y

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。