回报率29%! 大神用情感分析建立一个比特币交易算法, 原来交易玩的是心理战
做者 | Marc Howard程序员
编译 | Guoxi
数据库
出品 | 区块链大本营（blockchain_camp）
app
玩过股票的人都知道，股票市场的波动受各类因素的共同影响，有着很强的随机性，很难预测。而新兴的加密货币市场与股票市场有着很大的差异，更加难以预测。
区块链
因为传统方法行不通，国外网友 Marc Howard 另辟蹊径，经过分析大众对加密货币的情感来预测加密货币市场的波动。在 90 天的实验周期里这种方法得到了 29% 的投资回报率，他是怎么作到的？测试
让咱们一块儿来看看。优化
我刚开始接触加密货币时，有一些问题困扰着我：网站
咱们真的能够预测比特币的价格么？人工智能
谷歌趋势服务所公开的数据是否能从某种程度上反映比特币大体的涨跌趋势？加密
咱们可否创建一个预测市场动向的可靠交易模型？spa
当时，我给本身定下了一个看起来高不可攀的目标，就是试图理解加密货币这个变化无常且看似没法预测的市场。
固然了，我这并非蚍蜉撼树。加密货币市场充满了魅力，让许多交易员都沉醉其中。有许多交易员经过技术分析的手段试图揭开加密货币市场神秘的面纱，而有一些交易员则是耍小聪明，照搬股票市场上的基本分析理论。
然而结果并不乐观，没有哪一种神奇的交易模型总能打败市场这只“看不见的手”。从原理上来讲，有太多的因素可能会形成加密货币市场的波动，这个市场有着很强的随机性，即便那些最好的基于人工智能的交易模型也不能保证连续获利。
而我另辟蹊径，从另外一个角度入手创建交易模型。这个交易模型很是简单，在这篇文章中我会以最明晰的方式展示个人思路。
须要说明的是，个人交易模型仍是一个正在开发中的半成品，虽然在模拟实验中它展示出了强大的预测能力，但它毫不是万无一失的，若是使用个人交易模型请自行承担风险。
打败”看不见的手“的交易模型
根据个人设想，这个交易模型应该是比特币价格的相对一致性指标，我也在不断测试并修正这个交易模型。
在此次长达 90 天的模拟实验中，我“买入”了价值 10 万美圆的比特币，经过交易模型作出的买入/卖出决策，最终的投资回报率高达 29%。
不过，做为一次模拟实验，这里的利润中并无扣除实际交易时须要付给加密货币交易所的手续费，这巨额的手续费让我急切地盼望去中心化加密货币交易所的普及。
交易模型的灵感来自于 Willy Woo 的工做，Willy 第一个提出使用谷歌趋势服务的数据来预测比特币价格的走向。我在他工做的基础上作出了一些改进，具体的方法以下。
首先，经过谷歌趋势服务查询最近 90 天里 “比特币兑换美圆价格”和“购买比特币”的搜索趋势：
7 月 7 日到 10 月 4 日这 90 天时间里，“比特币兑换美圆价格”和“购买比特币”的搜索趋势
其次，我注意到，当“比特币兑换美圆价格”与“购买比特币”的搜索量比率低于 3：1 时（准确地说是后者与前者的比率大于 35％ ），次日的比特币收盘价格（ close price ）就会上涨。
若是这个比率大于 3：1 时（准确地说是后者与前者的比率小于 35％ ），好比说达到了 4:1 或 5:1 ，那么这就是一个要卖出的信号，由于次日比特币收盘价格会降低。
接下来，我对比特币先后两天收盘价价格差超过 80 美圆的状况进行了进一步的测试，在这些测试中，搜索量的比率与价格波动表现出了极大的相关性。
这里的 80 美圆是我人为给定的一个值，这个值在实验中取得了很不错的效果。实验期间的比特币价格以及交易模型给出的买入/卖出策略以下所示：
实验期间的比特币价格以及交易模型给出的买入/卖出策略截图
根据上图，能够看出：
BTC USD（比特币兑换美圆价格）：谷歌趋势服务给出的当日搜索量数据。
Buy Bitcoin（购买比特币）：谷歌趋势服务给出的当日搜索量数据。
Price（比特币价格）：加密货币排名网站 Coin Market Cap 给出的比特币当日收盘价。
Excel 表格中的 E 列：“购买比特币”与“比特币兑换美圆价格”的搜索量比率。
Excel 表格中的 F 列：交易模型给出的买入/卖出决策。例如，针对单元格 F19 ，决策的公式是：F19 = if（AND（E19> 35％，G19> 80），“买入”，“卖出”），即当同时知足当日“购买比特币”与“比特币兑换美圆价格”的搜索量比率（ E19 ）大于 35% ，当天比特币收盘价与前一天差值（ G19 ）大于 80 美圆时买入，不然就卖出。也就是说， Excel 表格中 E 这一列数据大于 35% 且 G 这一列数据大于 80 就是买入的信号。
Excel 表格中的 G 列：比特币收盘价与前一天的差值。
Excel 表格中的 H 列：假定在 2018 年 7 月 7 日（第一次购买）价值 10 万美圆的比特币，期间按照该交易模型给出的买入/卖出策略进行交易，当日持有的比特币总价值。
交易模型结果的优化
按照上述的交易策略，在 90 天的实验周期内，理论上个人资产从 10 万美圆增加到了 128,839 美圆，几乎实现了 29％ 的投资回报率。不过上面我也提到了，这并非一个最优的模型，我还能够从几个方面作出优化。
“比率大于 35％ ”和“差额大于 80 美圆”这样的判别准则看起来十分随意，由于这只是我在有限的 90 天数据集中找出的规律。是否有其余的决策标准能够产生更好的买入/卖出决策？
当比特币价格水平维持在 6000 到 8000 美圆时，这个交易模型能够给出很好的决策。
在分析了过去一两年的交易信息后，我对交易模型作出了一些改进，我将决策规则细化并作成了表格，表格的纵轴为“购买比特币”与“比特币兑换美圆价格”的搜索量比率，数值从 1：3 到 1：5 不等。
考虑到比特币价格波动较大，“ 80 美圆”这个指标并不总能奏效，所以我将这个指标转换为差价与当日比特币价格的比值，并将其列在表格的横轴，在这种状况下，一个可能最优的交易模型就是，在同时知足“购买比特币”与“比特币兑换美圆价格”的搜索量比率为 1：2.86（即 0.35 ） 且价格波动的比率为 0.014543229 时买入。
改进后的表格看起来这个样：
改进后交易模型的决策规则
后续规划
除此以外，这个交易模型还有很大的优化空间。
首先我想进行一些测试，经过研究过去的交易数据找到可以最大化利润的最佳指标，这须要对过去的价格和搜索量比率进行回归测试。
个人设想是不一样的价格水平上存在着相同的最佳指标，Good Luck！
报名 | EOS智能合约与数据库开发
16岁保送北大、麻省理工博士、
EOS黑客松全球总决赛前三名
5月8日晚，精彩技术公开课与您不见不散！
推荐阅读：
猛戳"阅读原文"有惊喜哟
老铁在看了吗？?