# 加密貨幣數據分析
## 芝加哥商業交易所-大戶持倉
### 介紹
[芝加哥商業交易所(CME)](https://www.cmegroup.com/markets/cryptocurrencies.html) 可以查詢比特幣期貨數據，透過 [商品期貨交易委員會(CFTC)](https://www.cmegroup.com/tools-information/quikstrike/commitment-of-traders.html) 可以清楚了解 CME 紀錄的各種型態的交易者其持倉報告：
先在圖表的左上角找到 SELECT PRODUCT 選單下拉，選擇：
Cryptocurrency $\to$ Indexes $\to$ Bitcoin(BTC)
這張圖表記錄著各種型態的交易者包含：Dealer, Assert Manager, Leveraged ...，其中我們要關注的是 Largest Traders。
點選左側的 Supplemental $\to$ Largest Traders。
可以看到大戶的持倉報告如上圖。
每週統計一次，觀察到近一個月來多方部位 (Long) 持續增加，是否意味著大戶在這段時間內不斷地抄底呢，後續會有一波行情嗎？
我們來把歷史數據爬取下來回測一下。
### 爬蟲
CFTC 與 CME 並沒有提供 API 方便我們直接抓取歷史數據(其實是 CME 要付費)。
幸運的是，[Nasdaq](https://data.nasdaq.com/) 交易所也有追蹤 CME 的期貨數據，且 Nasdaq 有提供 API 方便我們抓取。
參考：[Commitment of Traders - BITCOIN (CME)](https://data.nasdaq.com/data/CFTC/133741_F_ALL_CR-concentration-ratios-bitcoin-cme-futures-only-133741)
點選右側 Libraries $\to$ Python，可以得到程式碼：
```python
quandl.get("CFTC/133741_F_ALL_CR")
```
當然運行程式碼之前，需安裝套件：
```python
!pip install quandl
```
於是就可以輕鬆的將大戶持倉數據抓取下來：
```python
import quandl
large = quandl.get("CFTC/133741_F_ALL_CR")
large
```
其中 `CFTC/133741_F_ALL_CR` 為取得 CME 前四大帳戶的多空比代號。
表中可以觀察到 Index 是時間，從 `2018-04-10` 開始記錄，算蠻久的，做回測應該足夠。
Columns 分別是 `Largest 4 Longs; Gross` 與 `Largest 4 Shorts; Gross`，字面上推測應該是前 4 大作多與做空的帳戶，單位是佔 CME 記錄的 [Open Interest](https://en.wikipedia.org/wiki/Open_interest) 百分比。將數列畫出來：
```python
large['Largest 4 Longs; Gross'].plot(figsize=[20,10], ylabel='Position(%)', legend=True)
large['Largest 4 Shorts; Gross'].plot(figsize=[20,10], legend=True)
```
可以觀察到長期以來，空方的部位都是大於多方的。
將多空消長的情況與價格一起繪製來觀察：
```python
ohlcv = quandl.get("BCHAIN/MKPRU")
ohlcv.reindex(large.index).plot(legend=True)
delta = (large['Largest 4 Shorts; Gross']-large['Largest 4 Longs; Gross']).rename('Delta', axis=1)
delta.plot(figsize=[20,10], legend=True, secondary_y=True)
```
上圖將空方與多方的差值 **Delta**`(Delta = Shorts - Longs)` 與價格一起繪製。
可以看到，當 Delta 低於某個值(或急遽下降)，看得出來是價格的低點，大戶似乎正在抄底。
因此可以製作一個策略：當 Delta 低於某個值時買入，當 Shorts 值大於某個值時賣出。經過最佳化。
:::info
Delta 低於 5.5 進場做多， Shorts 大於 71.5 出場，可得最佳報酬
:::
將進出場訊號繪製如下：
其中的方波從 0 到 1 表示買入訊號，從 1 到 0 表示賣出訊號，可以看到進出次數非常少。優點是適於長期持有且無法長時間關注市場的投資者，缺點是失去 2021 年大牛市的許多坡段獲利。
考慮到更頻繁且有效的籌碼面策略，實作了下述的資金費率策略。
## 資金費率
### 介紹
各大期貨交易所設計一套機制稱為**資金費率** **(Funding Rate)**，用來防止合約價格與現貨價格差距過大。通常每 8 小時結算一次資金費率，若這區間內的合約價格大於現貨價格，則資金費率為正，多方須支付空方資金費率。反之資金費率為負，空方支付多方資金費率。
參考：[幣安合約資金費率簡介](https://www.binance.com/zh-TW/support/faq/360033525031)
常見的計算公式為：
```Position x TWAP((Perp_Price - Index_Price) / Index_Price) / 3```
其中：
:::info
```Position```：倉位大小
```TWAP```：[時間加權平均價格](https://zhuanlan.zhihu.com/p/165240689)
```Perp_Price```：永續合約價格
```Index_Price```：現貨價格
:::
由於 FTX 交易所是每小時結算一次資金費率，公式需修改成：
```Position x TWAP((Perp_Price - Index_Price) / Index_Price) / 24```
參考：[Funding](https://help.ftx.com/hc/en-us/articles/360027946571-Funding)
方便的是各大期貨交易所有提供 API 讓我們直接爬取資金費率數據，不需要分別爬取合約與現貨的價格再自己計算。因此可以透過觀察資金費率的變化，得知市場的情緒。
### 爬蟲
透過 FTX 提供的 REST API，撰寫爬取資金費率的程式碼可以參考：
[Bitcoin Market Analyze](https://colab.research.google.com/drive/1AfGz9UTLxyrXARnha6cwudtGmOs6QYwS?usp=sharing) 內的**抓取 FTX 交易所，資金費率歷史數據**
### 分析
下圖是 FTX 交易所的資金費率在 2019 年 9 月大跌時的情形，橘色是 BTC 價格，藍色是資金費率。可以看出大跌時，資金費率驟降且普遍為負數，市場情緒恐慌，是入場抄底的時機。
10 月底的急升也出現了資金費率飆高的情形，可做逃頂的依據。
資金費率在 2020 年初持續維持在高檔，亦可作為逃頂的參考。來到 2020 年 3 月的大跌，資金費率驟降，可做進場抄底的參考。
今年 4 月中和 5 月中的大跌之前，資金費率也出現急速飆高的情況，適合出場。5 月中的大跌之後，可以參考相對低點的資金費率進場抄底。
因此就以 BTC 在 FTX 交易所的資金費率為範例，設計一個進出場的策略：
:::info
* 若 FTX 的資金費率低於某個值，表示市場情緒恐慌，進場抄底。
* 若 FTX 的資金費率高於某個值，表示市場情緒貪婪，逃頂出場。
:::
透過開源的模組進行歷史數據回測與最佳化，得出結果為：
:::success
* 若 FTX 的資金費率低於 -0.015，表示市場情緒恐慌，進場抄底。
* 若 FTX 的資金費率高於 0.065，表示市場情緒貪婪，逃頂出場。
這裡的值是原始數據乘以 1000
:::
使用訊號圖表示如下：
其中方波由 -1 轉為 +1 為買入訊號，由 +1 轉為 -1 為賣出訊號。
可以看出其實交易次數不多，尤其在今年 5 月大跌之後買入，一直持有到 11 月才出場。
績效圖如下：
橘色是這個策略的績效，藍色是比特幣走勢。是一個不錯的打贏大盤的策略。
這裡只參考 FTX 交易所的數據，之後可以納入 Binance 以及 Bybit 這些較有規模的期貨交易所的數據一同參考，期待做出更精準的策略。
## Glassnode 鏈上數據
### 介紹
[Glassnode](https://studio.glassnode.com/dashboards/btc-core-on-chain) 鏈上數據 (On-chain data)，提供了大量的加密貨幣在區塊鏈的活動情況，包含活躍地址 (Active address)，交易數量 (Transaction count)，比特幣算力 (Hash rate)，持有者盈虧 (holder realized/unrealized profit/loss)，以及各交易所的合約持倉量 (Open interest)。可以說是分析加密貨幣**基本面**的資料來源。
這小節將介紹 Glassnode 提供的指標：[SOPR](https://academy.glassnode.com/indicators/sopr/sopr-spent-output-profit-ratio) (Spend Output Profit Ratio)。使用 Python 將數據爬取下來繪製成時間序列，並透過長短期的移動平均 (Moving average) 消長製作進出場策略。
### 爬蟲
利用 Glassnode 提供的 [API](https://docs.glassnode.com/basic-api/api)，撰寫 Python script 將欲取得的資料爬取下來：
```python
import json
def get_glassnode_help(url, api_key, index, asset='BTC', res='24h', currency='native'):
p = dict()
p['a'] = asset
p['i'] = res
p['c'] = currency
p['api_key'] = api_key
r = requests.get(url, params=p)
try:
r.raise_for_status()
except Exception as e:
print(e)
print(r.text)
try:
df = pd.DataFrame(json.loads(r.text))
df = df.set_index('t')
df.index = pd.to_datetime(df.index, unit='s')
df = df.sort_index()
s = df.v
s.name = '_'.join(url.split('/')[-2:])
return s
except Exception as e:
print(e)
def get_glassnode(url, api_key, index, asset='BTC', res='24h', currency='native'):
ret = get_glassnode_help(url, api_key, index, asset, res, currency)
ret.index = ret.index + datetime.timedelta(days=1)
ret.index = ret.index.tz_localize(timezone.utc)
ret = ret.reindex(index, method='ffill').ffill()
return ret.astype(float)
```
這裡將 SOPR 的 url 代入，觀察的幣種為 BTC，時匡為 4h：
```python
api_key = 'c2792d3c-6ccd-4bda-a09e-69964bade0f4'
url = 'https://api.glassnode.com/v1/metrics/indicators/sopr'
sopr = get_glassnode(url, api_key, index=ohlcv.index, asset='BTC')
# 前一章節的爬蟲，爬取 BTC 在 幣安的價格並繪製
ohlcv['close'].plot(legend=True)
sopr.plot(figsize=[20, 10], secondary_y=True, legend=True)
```
上圖可以觀察到，SOPR 的值在 1 附近上下震盪。根據 SOPR 計算公式：
$$SOPR = \dfrac{Price_{spend}}{Price_{create}}$$
當 SOPR 大於 1 時，表示這時間賣出比特幣都是賺錢的，反之則是賠錢。若長期在 1 以上且越來越高，可以預期後市看漲。反之若長期在 1 以下且越來越低，則後市看壞。
### 分析
考慮一個進出策略，以 SOPR 的長短期移動平均的交叉為依據：
:::success
若短期移動平均上穿長期移動平均，則進場
$$SMA_{fast} > SMA_{slow}$$
若短期移動平均下穿長期移動平均，則出場
$$SMA_{fast} < SMA_{slow}$$
:::
經過最佳化，短期移動平均以 **84** 根 k 棒的收盤價計算，長期移動平均以 **92** 根 k 棒的收盤價計算，每 4 小時繪製一根 k 棒。且以 [ASOPR](https://academy.glassnode.com/indicators/sopr/asopr-adjusted-sopr) (Adjusted Spend Output Profit Ratio) 取代原本的 SOPR，繪製進出場訊號圖如下：
看起來進出非常頻繁，績效如何呢？
橘色是使用策略的回報，藍色是 BTC 走勢，看起來是有擊敗大盤的，不過回擋也相當巨大。
希望進場條件更加嚴苛，因此考慮加上 SOPR 的值大於 1，觀察進出場訊號：
看起來進出場次數減少，績效如下：
看起來更勝於前者的策略。
以上的程式碼整理在 Google Colab：
[Bitcoin Data Analyze](https://colab.research.google.com/drive/1AfGz9UTLxyrXARnha6cwudtGmOs6QYwS?usp=sharing)
Sign in with Wallet
Connect another wallet