Прошло уже больше года с того момента, как криптовалютный рынок «выстрелил» во второй раз, и десятки, а может быть, сотни цифровых активов продемонстрировали рост на 1000 и более процентов. За 2017 годом последовала трехмесячная коррекция, и многие криптоинвесторы задумались над тем, как усовершенствовать свою инвестиционную стратегию. Мощный откат рыночной капитализации вниз продемонстрировал, что метод «купи и держи», актуальный во второй половине 2017 года, сейчас может сыграть против инвестора.
В связи с этим эксперты и аналитики начали еще активнее экспериментировать с различными методами анализа. Классические технический и фундаментальный анализ, хоть и считаются рабочими методиками, подходящими для любого рынка, устраивают далеко не каждого трейдера и инвестора. В качестве альтернативы в 2018 году начинает набирать популярность анализ объективных статистических данных по каждой криптовалюте (количество пользователей, подписчиков, листинг в криптобиржах, динамика предыдущего изменения цены и т. д.).
На основе этих данных, систематизированных в таблице, строятся корреляционные модели, и определяется зависимость цены (капитализации) криптоактива от различных параметров.
Упрощенно система работает следующим образом. Анализируется конкретный параметр (например, количество подписчиков топового Телеграм-канала криптовалюты). Чем больше криптовалют участвуют в сравнении, тем более объективные данные будут получены.
Например, у криптовалюты N при капитализации $100 млрд 50 000 подписчиков в Телеграм, а у криптовалюты M при капитализации $200 млрд 90 000 подписчиков.
Далее, показатели усредняются, выводится общий параметр капитализации, например, для 1000 подписчиков. После получения этого параметра можно прогнозировать рост или падения капитализации каждой конкретной криптовалюты, зная количество подписчиков ее Телеграм-канала в данный момент, и расхождение отношения этого количества к цене со среднестатистическим.
Однако количество подписчиков в Telegram, Reddit или Twitter – это лишь один из возможных параметров, причем далеко не факт, что его анализ дает наиболее объективную информацию. Делая ставку только на один параметр, эксперт попадает в зависимость от него. Если по факту эти данные окажутся незначительными для рынка, то весь прогноз будет бесполезен. Именно поэтому наиболее эффективной техникой построения торговых алгоритмов на основе статистики является многокритериальный анализ. Он предполагает учет десятков параметров при выявлении зависимостей.
Даниель Чен, основатель проекта OpenToken и эксперт компании Andreessen Horowitz, занялся разработкой собственного алгоритма анализа статистических данных для выявления их корреляции с рыночной капитализацией криптовалюты.
Алгоритм на основе CRV Crypto Research
Разработав собственный код, Чен продемонстрировал его работы на основе таблицы CRV Crypto Research, в которой представлена постоянно обновляющаяся статистика по 51 крупнейшей мировой криптовалюте.
Выглядит она следующим образом:
Стоит отметить, что сам Чен считает эту таблицу не лучшим источником информации из-за соотношения количества строк к количеству столбцов (51 к 21). По мнению Чена, это соотношения должно быть минимум 10:1.
Далее, для каждого параметра определяется значение корреляции с рыночной капитализацией:
Значения справа – это коэффициенты детерминации, или корреляционные коэффициенты, возведенные в квадрат. Как правило, именно детерминацию рассматривают в качестве основного показателя.
Квадрат R в первой строке равен 0.138249, на графике это будет выглядеть следующим образом:
Этот параметр далек от оптимального, так как лучший коэффициент корреляции – это 1. Ближе всего к этому значению параметр «Число пользователей Reddit и Рыночная капитализация», равный 0,81.
Для того чтобы снизить неоднородность показаний, можно упорядочить данные по логарифмической шкале. После этого параметры будут выглядеть следующим образом:
Теперь данные выглядят более близкими и упорядоченными, однако логарифмирование повлияло на некоторые показатели. В частности, квадрат R для «Число пользователей Reddit и Рыночная капитализация» снизился с 0.81 до 0.36.
Дополнительно Чен предлагает провести проверку статистических гипотез. Чтобы еще больше не углубляться в специфические формулировки и расчеты, сразу выведем полученные значение и определим, что они демонстрируют:
Общая оценка коэффициентов показывает, что капитализация криптовалют больше всего зависит от популярности цифрового актива. Однако эти данные получены по уже собранной статистике. Не совсем понятно, как на основе этого составлять прогноз.
Для оценки динамики изменения капитализации было решено провести последний экспресс-тест изменения соотношения капитализации и количества подписчиков за определенный период. После того как были удалены резко отклоняющиеся значения, мы получили следующую зависимость:
Это означает, что за определенный период по мере роста числа подписчиков страницы криптовалюты в Reddit ее капитализация падала!
В данном случае часть оценочного периода попала на зиму 2018 года, когда весь криптовалютный рынок вошел в глубокую коррекцию. Однако наша статистическая система должна учитывать все факторы, и не поддаваться их влиянию – иначе она не будет считаться универсальной.
Полученные в результате этого небольшого эксперимента данные позволяют понять следующее:
- Система, построенная на анализе статистики, не учитывает внешние факторы, и может выдавать неверные или противоречивые прогнозы в периоды сильной волатильности.
- Зачастую данные, которые кажутся наиболее важными, на практике не оказывают никакого влияния на изменение капитализации.
- Поиск корреляции между отдельными параметрами – это лишь малая составляющая количественного анализа. Для получения максимально объективных данных необходимы огромные объемы статистических данных.
Я смогла оценить возможности высокого плеча 1к1000 при переходе на платформу NPBFX. Самое ценное сводится к тому, что нужен меньший залог. В процессе обучения я четко усвоила правило: не хочешь сливать депозиты - контролируй риски, а не прибыль. У...