شمعدان های پیشرفته برای یادگیری ماشین (II): میله های حجم و دلار

در این مقاله ما یاد خواهیم گرفت که چگونه میله های حجم و دلار را بسازیم و بررسی خواهیم کرد که چه مزایایی را در رابطه با شمعدان های سنتی مبتنی بر زمان و میله های تیک ارائه می دهند. سرانجام ، ما دو مورد از ویژگی های آماری آنها - همبستگی و عادی بودن بازده - را در یک مجموعه داده بزرگ از 16 جفت معاملات cryptocurrency تجزیه و تحلیل خواهیم کرد

معرفی

در یک پست قبلی ، ما یاد گرفتیم که چگونه می توان میله های کنه را ساخت و توانایی خاص آنها را در تنظیم نرخ نمونه برداری بر اساس فعالیت بالاتر یا پایین تر در بازار ارزیابی کردیم. مشابه میله های کنه ، حجم و میله های دلار همچنین همگام سازی نرخ نمونه برداری را با فعالیت بازار امکان پذیر می کند ، اما هر یک از آنها مفهوم فعالیت را به روشی متفاوت درک می کنند. در مورد میله های کنه ، فعالیت بازار به عنوان تعداد معاملات در مبادله تعریف می شود. میله های حجم فعالیت را به عنوان تعداد دارایی های معامله شده در مبادله تعریف می کنند - به عنوان مثال ، تعداد بیت کوین های رد و بدل شده. برای میله های دلار ، فعالیت به عنوان ارزش فیات رد و بدل تعریف می شود - به عنوان مثال ، هر بار که 1000 دلار در دارایی ها رد و بدل می شود ، نمونه ای از یک نوار نمونه بگیرید - که می تواند به دلار اندازه گیری شود بلکه در یورو ، ین ها و غیره نیز اندازه گیری می شود.

بنابراین ، هر نوع نوار به روشی متفاوت با فعالیت بازار می فهمد و هماهنگ می شود و این درک دیفرانسیل مزایا و معایب آن را به همراه می آورد. بیایید در آنها حفر کنیم.

مزایا و مضرات میله های کنه ، حجم و دلار

با استفاده از میله های تیک ، ما راهی پیدا کردیم که تاریخچه تجارت یک مبادله را اسکن کنیم و نمونه های بیشتری را به سادگی در هنگام معاملات بیشتر در مبادله انجام دهیم. در حالی که یک همبستگی قوی بین تعداد معاملات قرار داده شده و ورود اطلاعات ممکن است وجود داشته باشد ، این همبستگی تضمین نمی شود. به عنوان مثال ، یک الگوریتم یا معامله گر خوب آشنا ممکن است به طور خودکار سفارشات بسیار کوچک و تکراری را برای تأثیرگذاری بر احساسات بازار (با تبدیل تاریخ تجارت "سبز") ، برای پنهان کردن مقدار کل حجم (همچنین به عنوان Iceberg به ترتیب) یا یابه سادگی برای از بین بردن سایر رباتهای تجاری با جعل ورود اطلاعات.

یک راه حل بالقوه برای این سناریو استفاده از میله های حجم است. میله های حجم به دنباله یا تعداد معاملات اهمیت نمی دهند ، آنها فقط به حجم کل این معاملات اهمیت می دهند. برای آنها ، ورود اطلاعات افزایش یافته است که بین کاربران Exchange معامله می شود. به این ترتیب ، میله های حجم قادر به تفسیرهای گمراه کننده از تعداد معامله هایی هستند که با هزینه از دست دادن هرگونه اطلاعاتی که می تواند در دنباله واقعی معاملات پنهان باشد ، انجام می شود.

یکی دیگر از ویژگی های جالب در مورد میله های حجم ، که ممکن است آشکار به نظر برسد اما توجه به آن مهم است ، این است که اطلاعات حجم بازار ذاتاً روی نوار کدگذاری می شود: هر نوار حجم یک سطل از یک جلد از پیش تعریف شده است. باز هم ، این ممکن است آشکار به نظر برسد ، اما برای مدت طولانی و هنوز هم امروزه بسیاری از محققان در فضای مالی سرنخ هایی در مورد چگونگی درج اطلاعات حجم در مدل های پیش بینی کننده خود دارند. میله های حجم اطلاعات حجم خارج از جعبه.

اکنون ، مشکل میله های حجم این است که حجم رد و بدل شده ممکن است با ارزش واقعی دارایی که در حال رد و بدل است ، ارتباط داشته باشد. به عنوان مثال ، با 10،000 دلار می توانید در اوایل سال 2017 حدود 10 بیت کوین خریداری کنید ، اما تا پایان سال 2017 فقط می توانید نیمی از بیت کوین را با آن خریداری کنید. این نوسانات گسترده مقدار زیرین قدرت میله های حجم را تا حد زیادی تضعیف می کند زیرا اندازه حجم که در برخی از زمان ها مرتبط است ممکن است در آینده ای نزدیک به دلیل تجدید ارزیابی دارایی مرتبط نباشد. راهی برای تصحیح این نوسانات ، به جای شمارش تعداد دارایی های رد و بدل شده (میله های حجم) ، شمارش مقدار ارزش فیات مبادله شده (میله های دلار) ، که اتفاق می افتد برای جفت BTC-USD است ، اما می تواندهمچنین برای جفت Eth-Eur و غیره در یورو باشید.

حجم ساختمان و میله های دلار

به این دلیل که ما نقاط قوت و ضعف هر نوع نوار را دیده ایم ، بیایید ببینیم که چگونه می توانیم واقعاً آنها را بسازیم.

در اینجا یک اجرای سریع پایتون برای ساخت میله های حجم وجود دارد:

شمع های مبتنی بر حجم و دلار شبیه به میله های کنه هستند به این معنا که ، در حالی که درست است که در مقایسه با آنهایی که مبتنی بر زمان هارمونیک هستند ، هر زمان که تغییر در بازار وجود داشته باشد ، هرج و مرج و همپوشانی به نظر می رسند ، هر زمان که تغییر در بازار وجود داشته باشد ، کار خود را به خوبی انجام می دهندفعالیت.

تجزیه و تحلیل آماری میله های حجم

اکنون L ET به خصوصیات آماری آنها نگاه می کند. ما با انجام تست همبستگی خودکار پیرسون و تست دوربین واتسون به دنبال همبستگی سریال بازده خواهیم بود. سرانجام ، ما همچنین با انجام تست های Jarque-Bera و Shapiro-Wilk به عادی بودن نتایج خواهیم پرداخت. برای کسب اطلاعات بیشتر در مورد این تست های آماری به مقاله قدیمی در مورد میله های تیک مراجعه کنید.

در مورد میله های حجم ، ما در مورد 16 جفت معاملات و برای 7 اندازه حجم (با عنوان Tier1 تا Tier7) نتایج را نشان خواهیم داد. بر خلاف میله های کنه ، اندازه حجم از cryptocurrency خاص است زیرا آنها به عوامل مختلفی مانند کل سکه در گردش ، مقدار دارایی اساسی و غیره بستگی دارند. روشی که ما اندازه حجم را برای هر cryptocurrency انتخاب کردیم با محاسبه میانگین حجم رد و بدل شده در هرروز و سپس با تقسیم میانگین حجم روزانه با همان نسبت های 5min ، 15min ، 30min ، 1h ، 4h ، 12h با 1D مطابقت دارد و به نزدیکترین 10 گرد شده است. در اینجا حجم انتخاب شده به طور خودکار در هر جفت cryptocurrency وجود دارد:

نتایج مطابق با آنچه ما با میله های کنه دیدیم. میله های حجم در مقایسه با شمعدان های مبتنی بر زمان (شکل 2 و 3) همبستگی کمی کمتری نشان می دهند و فرضیه تهی از نرمال بودن در بیشتر موارد در هر دو آزمایش نرمال رد می شود (شکل 4) بنابراین ما اطمینان داریم که بازده ها دنبال نمی شوندتوزیع گاوسی.

تجزیه و تحلیل آماری میله های دلار

ما آزمایشات قبلی را برای همبستگی و عادی بودن بازده ها تکرار خواهیم کرد. در مورد میله های دلار ، اندازه نوار دلار (بیان شده در $) مانند جدول بعدی تعریف می شود:

نتایج ، برخلاف آنچه که ما برای میله های تیک و حجم دیده ایم این است که میله های دلار در واقع از نظر همبستگی در مقایسه با شمعدان های مبتنی بر زمان ، پیشرفت کمی را نشان می دهند. ما می توانیم یک واریانس همبستگی کمی پایین تر در بین ارزهای مختلف رمزنگاری مشاهده کنیم اما تفاوت های کمی به طور متوسط مشاهده می شود. سرانجام ، عادی بودن بازده دوباره به طور گسترده ای رد می شود.

تجزیه و تحلیل تنوع قیمت داخل شمع

ما گفته ایم که نمونه برداری از میله های تیک ، حجم و دلار با فعالیت Markret سازگار است و به ما امکان می دهد تا در دوره های فعالیت بالا بیشتر نمونه برداری کنیم و در دوره فعالیت کم نمونه ای کمتر نمونه کنیم. در نهایت ، این ملک باید در میزان تغییر قیمت در یک شمع واحد منعکس شود. ایده این است که نمونه شمعدان های مبتنی بر زمان در فواصل زمانی ثابت بدون در نظر گرفتن فعالیت بازار در حالی که میله های جایگزین با فعالیت بازار هماهنگ می شوند. بنابراین ، شهودی به نظر می رسد که شمعدان های مبتنی بر زمان باید هر دو شمع با تغییر قیمت کمی (دوره های نمونه برداری) و شمع هایی با تغییر قیمت بالا (دوره های زیر نمونه برداری) داشته باشند ، در حالی که میله های جایگزین باید تعادل بیشتری داشته باشند.

با این حال ، ما به عنوان فعالیت بازار چه چیزی را درک می کنیم؟آیا یک بازار می تواند بسیار فعال باشد و قیمت آن به پهلو حرکت کند؟پاسخ این است که بله ، در حالی که به طور کلی بین فعالیت بالای بازار و تغییر قیمت زیاد همبستگی وجود دارد ، این رابطه تضمین نمی شود. به عنوان مثال ، مواردی وجود دارد که FUD بالا (ترس ، عدم اطمینان و تردید) می تواند باعث افزایش حجم بزرگی شود اما تغییر قیمت کمی دارد. همچنین تجارت شستشو در بازارهای رمزنگاری غیر معمول نیست. این حرکات شامل تجارت خود است (خریدار و فروشنده همان شخص هستند) ، که مجدداً با تغییر قیمت کم ، سنبله های بزرگی از حجم را تحریک می کند.

برای روشن کردن این موضوع ، اجازه دهید به توزیع تغییرات قیمت داخل شمع برای هر یک از نوع میله ها بپردازیم. تنوع قیمت داخل شمع به این صورت محاسبه شده است:

ما می توانیم ببینیم که توزیع کاندلستیک های زمانی نسبت به 0 آواره شده است و دم بلند در سمت راست دارد ، در حالی که توزیع های دیگر به طور موثری در دوره های تغییر قیمت بالا نمونه بیشتری دارند.

فرکانس نوار روزانه

در نتیجه پایان مقاله ، من می خواهم به فرکانس روزمره میله ها و اینکه چگونه قیمت دارایی معامله شده و فعالیت موجود در بازار بر نرخ نمونه برداری تأثیر می گذارد. بیایید نتایج را ببینیم:

می توانیم ببینیم که شمعدان های مبتنی بر زمان با همان نرخ (24 میله در روز) نمونه برداری می شوند و نرخ نمونه برداری میله های جایگزین با توجه به تغییرات در قیمت بیت کوین (نشان داده شده به رنگ خاکستری) متفاوت است.

جالب اینجاست که در بین میله های جایگزین ، به نظر می رسد که فرکانس نمونه گیری میله های حجم پایدارترین در تمام تاریخ BTC-USD باقی مانده است-فقط در صورتی که همه زمانه سال 2017 را در بر بگیریم ، در غیر این صورت میله های دلار یا کنه پایدارتر به نظر می رسد. یکی دیگر از ویژگی های من این است که شمع های دلار ، که قرار است پایدارتر باشند ، زیرا آنها برای قیمت واقعی دارایی "صحیح" هستند ، به نظر می رسد در تمام مدت سال 2017 از کنترل خارج می شوند. من گمان می کنم که دلیل این امر است. میله های دلار در تصحیح بازپرداختهای دارایی در حجم کم و بیش پایدار به خوبی کار می کنند. با این حال ، اگر این واقعیت را ترکیب کنید که قیمت دارایی 10 بار یا بیشتر ضرب می شود و حجم کل ، به جای کاهش به دلیل هزینه بالای دارایی ، همچنان در حال افزایش است ، پس از آن با شرایطی روبرو می شوید که نمونه گیری نوار دلار به سادگی منفجر می شود.

چه چیزی یاد گرفته ایم؟

• میله های حجم محدودیت میله های تیک را در مورد چندین تجارت با اندازه کم و سفارشات کوه یخ تنها با تمرکز بر کل مقدار دارایی رد و بدل شده ، مورد محدودیت قرار می دهند.
• میله های دلار ارزش فیات رد و بدل شده را اندازه گیری می کند ، که در حالت ایده آل برای ارزش نوسان یک دارایی مانند ارزهای رمزنگاری شده تصحیح می کند.
• هر دو میله حجم و دلار در هنگام افزایش فعالیت در بازار نمونه های بیشتری را نشان می دهند و با کاهش فعالیت ، نمونه ای کمتر می شوند.
• میله های حجم به طور کلی همبستگی سریال پایین تر از شمعدان های سنتی مبتنی بر زمان را نشان می دهند.
• به نظر نمی رسد که میله های دلار همبستگی سریال کمتری داشته باشند. با این حال ، به خاطر داشته باشید که به نظر می رسد تعداد میله های دلار در طول همه زمان ها منفجر می شود ، به این معنی که بیشتر میله های دلار احتمالاً از یک دوره بسیار کوتاه ناشی می شوند و بنابراین ممکن است میانگین همبستگی متوسط به دلیل نزدیک "بیشتر باشد"مجاورت "میله ها.
• هر دو بازده حجم و نوار دلار از توزیع گاوسی پیروی نمی کنند.
• به نظر می رسد توزیع تنوع داخل گاو از شمعدان های سنتی به سمت صفر جابجا شده و یک دم بلند را نشان می دهد ، که این امر ناتوانی آنها در تطبیق نمونه برداری با فعالیت بازار را تأیید می کند. از طرف دیگر ، میله های تیک ، حجم و دلار توزیع های درون شمع متعادل تر و به سمت راست آواره شده اند.
• به نظر می رسد میزان نمونه برداری میله های حجم پس از شمعدان های مبتنی بر زمان بر اساس زمان پایدارترین است.
• به نظر می رسد نرخ نمونه برداری میله های دلار در حباب ها با حجم قابل توجهی منفجر می شود.

با تشکر از خواندن! در قسمت بعدی ما در مورد یکی از جالب ترین انواع میله ها صحبت خواهیم کرد: میله های عدم تعادل. این میله ها بر اساس عدم تعادل مشاهده شده در دنباله معاملات نمونه برداری می شوند و نمونه خوبی از میله های محور اطلاعات هستند.