数量技术宅团队在CSDN学院推出了量化投资系列课程

欢迎有兴趣系统学习量化投资的同学,点击下方链接报名:

量化投资速成营(入门课程)

Python股票量化投资

Python期货量化投资

Python数字货币量化投资

C++语言CTP期货交易系统开发

数字货币JavaScript语言量化交易系统开发


零手续费带来的机会

从7月8日的20点开始,某安推出了BTC现货交易零手续费的优惠活动,不论是Maker还是Taker都不收取手续费。此次活动包括了交易量最大的BTC/USDT和BTC/BUSD。​​​​​​​

BTC现货对零费率,对量化交易来说是一个极大的利好,最直接的影响就是套利的成本。以币安本所的现货和USDT本位合约套利为例,在原先的手续费基础上,单次交易需要扣除至少千分之2到千分之3的手续费,而现在只需要U本位合约端的手续费即可。以最普通用户为例,BNB抵扣后的USDT合约手续费仅为万分之3.6,也就是说,对于BTC现货和U本位合约之间的套利交易,总共只需要万分之7.2的手续费了。

策略逻辑与回测结果

那么,我们是否可以利用这样低廉的手续费来争取更多套利的机会?答案是肯定的。

以一个最简单的策略思路为例,我们知道,BTC现货和BTC合约的价格是形影不离,长期趋同的,但是在短期,由于不同市场交易者带来供需的变化,会产生暂时的偏离现象,也就是BTC现货可能高于BTC合约,也可能低于BTC合约,以一周的BTC合约现货溢价率为例,最高达到了6.5%,而最低是-8.7%,仅一周的价差波动,来回最大就到了15%以上。因此,在手续费极低的情况下,价差波动将产生大量的有利可图套利机会

于是,我们形成了一个简暴的策略逻辑:

当USDT本位BTC合约价格超过BTCUSDT现货价格一定百分比,同时做多现货、做空U本位合约;

当SDT本位BTC合约价格低于BTCUSDT现货价格一定百分比,同时平仓套利对。

由于资金费率的机制,BTC合约溢价最终会回归,因此这个策略逻辑可以说几乎是无风险的。

对于这个逻辑,我们用从2020年1月到2022年6月的BTCUSDT现货,以及BTCU本位合约的1分钟数据进行回测。需要提醒的是,实际交易机会会比回测更多,因为回测我们采用的是1分钟的收盘价进行测试,而实盘可以使用tick级别数据进行信号的触发,交易频率会更高。

我们回测了两组参数,一组保守、一组激进。保守组参数假设U本位合约溢价0.2%进场,折价0.1%出场,并且每笔交易支付0.1%的手续费,得到下图回测结果。扣除交易成本后年化收益率在20%以上,交易胜率90%以上,回撤极小。

激进组参数假设U本位合约溢价0.1%进场,折价0.05%出场,每笔0.15%的预期利润已经足以让我们在低手续费率环境下盈利了。激进组参数扣除交易成本后年化收益率在25%以上,交易胜率90%以上,同样几乎没有回撤。

全自动实盘交易系统

几乎无风险的策略逻辑 + 胜率极高几乎不回撤的回测结果,全自动实盘交易系统包括以下功能:

1 实现了和回测完全一致的交易逻辑,7*24小时全自动交易。

2 提高资金利用率:USDT本位合约资金与现货合约资金的灵活划转,资金效率最大化

3 风控模块:USDT本位合约爆仓的风控逻辑、套利对单腿的风控处理

4 增加对资金费率的过滤:USDT本位合约负资金费率不触发开仓,降低交易成本

5 对极端情形(交易所把网线、API失去响应等)的容错机制

往期干货分享推荐阅读

数字货币中短线策略(数据+回测+实盘)

量化投资对于数据源、回测、实盘平台的选择

数字货币稳定币对网格做市策略

万物皆可秒——淘宝秒杀Python脚本,扫货618,备战双11!

数字货币资金费策略

数字货币无风险收益率又双叒叕扩大了!

分享一个年化15%以上的无风险套利机会

【数量技术宅|交易系统开发系列分享】网格交易系统开发

通过深度学习股价截面数据分析和预测股票价格

剖析一个数字货币高频策略

数字货币交易信号实时预警推送(含群聊)

Omega System Trading and Development Club内部分享策略Easylanguage源码

量化交易如何选择云服务器,如何在本地远程开发与调试云服务器程序

一个真实数据集的完整机器学习解决方案(下)

一个真实数据集的完整机器学习解决方案(上)

如何使用交易开拓者(TB)开发数字货币策略

股指期货高频数据机器学习预测

如何使用TradingView(TV)回测数字货币交易策略

如何投资股票型基金?什么时间买?买什么?

【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略

AMA指标原作者Perry Kaufman 100+套交易策略源码分享

【 数量技术宅 | 期权系列分享】期权策略的“独孤九剑”

如何获取免费的数字货币历史数据

【数量技术宅|金融数据分析系列分享】套利策略的价差序列计算,恐怕没有你想的那么简单

【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略

【数量技术宅|量化投资策略系列分享】多周期共振交易策略

【数量技术宅|金融数据分析系列分享】为什么中证500(IC)是最适合长期做多的指数

大宗商品现货数据不好拿?商品季节性难跟踪?技术宅带你Python爬虫一键解决没烦恼

【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品

【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略

【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫