作者 | Marc Howard
編譯 | Guoxi
來源 | 區塊鏈大本營（blockchain_camp）
玩過股票的人都知道，股票市場的波動受各種因素的共同影響，有著很強的隨機性，很難預測。而新興的加密貨幣市場與股票市場有著很大的差別，更加難以預測。
由於傳統方法行不通，國外網友 Marc Howard 另闢蹊徑，透過分析大眾對加密貨幣的情感來預測加密貨幣市場的波動。在 90 天的實驗週期裡這種方法獲得了 29% 的投資回報率，他是怎麼做到的？
讓我們一起來看看。
我剛開始接觸加密貨幣時，有一些問題困擾著我：
我們真的可以預測比特幣的價格麼？
谷歌趨勢服務所公開的資料是否能從某種程度上反映比特幣大致的漲跌趨勢？
我們能否建立一個預測市場動向的可靠交易模型？
當時，我給自己定下了一個看起來遙不可及的目標，就是試圖理解加密貨幣這個變化無常且看似無法預測的市場。
當然了，我這並不是不自量力。加密貨幣市場充滿了魅力，讓許多交易員都沉醉其中。有許多交易員透過技術分析的手段試圖揭開加密貨幣市場神秘的面紗，而有一些交易員則是耍小聰明，照搬股票市場上的基本分析理論。
然而結果並不樂觀，沒有哪種神奇的交易模型總能戰勝市場這隻“看不見的手”。從原理上來說，有太多的因素可能會造成加密貨幣市場的波動，這個市場有著很強的隨機性，即使那些最好的基於人工智慧的交易模型也不能保證連續獲利。
而我另闢蹊徑，從另一個角度入手建立交易模型。這個交易模型非常簡單，在這篇文章中我會以最明晰的方式展現我的思路。
需要說明的是，我的交易模型還是一個正在開發中的半成品，雖然在模擬實驗中它展現出了強大的預測能力，但它絕不是萬無一失的，如果使用我的交易模型請自行承擔風險。
戰勝”看不見的手“的交易模型
根據我的設想，這個交易模型應該是比特幣價格的相對一致性指標，我也在不斷測試並修正這個交易模型。
在這次長達 90 天的模擬實驗中，我“買入”了價值 10 萬美元的比特幣，透過交易模型做出的買入/賣出決策，最終的投資回報率高達 29%。
不過，作為一次模擬實驗，這裡的利潤中並沒有扣除實際交易時需要付給加密貨幣交易所的手續費，這鉅額的手續費讓我急切地盼望去中心化加密貨幣交易所的普及。
交易模型的靈感來自於 Willy Woo 的工作，Willy 第一個提出使用谷歌趨勢服務的資料來預測比特幣價格的走向。我在他工作的基礎上做出了一些改進，具體的方法如下。
首先，透過谷歌趨勢服務查詢最近 90 天裡 “比特幣兌換美元價格”和“購買比特幣”的搜尋趨勢：
7 月 7 日到 10 月 4 日這 90 天時間裡，“比特幣兌換美元價格”和“購買比特幣”的搜尋趨勢
其次，我注意到，當“比特幣兌換美元價格”與“購買比特幣”的搜尋量比率低於 3：1 時（準確地說是後者與前者的比率大於 35％ ），第二天的比特幣收盤價格（ close price ）就會上漲。
如果這個比率大於 3：1 時（準確地說是後者與前者的比率小於 35％ ），比如說達到了 4:1 或 5:1 ，那麼這就是一個要賣出的訊號，因為第二天比特幣收盤價格會下降。
接下來，我對比特幣前後兩天收盤價價格差超過 80 美元的情況進行了進一步的測試，在這些測試中，搜尋量的比率與價格波動表現出了極大的相關性。
這裡的 80 美元是我人為給定的一個值，這個值在實驗中取得了很不錯的效果。實驗期間的比特幣價格以及交易模型給出的買入/賣出策略如下所示：
實驗期間的比特幣價格以及交易模型給出的買入/賣出策略截圖
根據上圖，可以看出：
BTC USD（比特幣兌換美元價格）：谷歌趨勢服務給出的當日搜尋量資料。
Buy Bitcoin（購買比特幣）：谷歌趨勢服務給出的當日搜尋量資料。
Price（比特幣價格）：加密貨幣排名網站 Coin Market Cap 給出的比特幣當日收盤價。
Excel 表格中的 E 列：“購買比特幣”與“比特幣兌換美元價格”的搜尋量比率。
Excel 表格中的 F 列：交易模型給出的買入/賣出決策。例如，針對單元格 F19 ，決策的公式是：F19 = if（AND（E19> 35％，G19> 80），“買入”，“賣出”），即當同時滿足當日“購買比特幣”與“比特幣兌換美元價格”的搜尋量比率（ E19 ）大於 35% ，當天比特幣收盤價與前一天差值（ G19 ）大於 80 美元時買入，否則就賣出。也就是說， Excel 表格中 E 這一列資料大於 35% 且 G 這一列資料大於 80 就是買入的訊號。
Excel 表格中的 G 列：比特幣收盤價與前一天的差值。
Excel 表格中的 H 列：假定在 2018 年 7 月 7 日（第一次購買）價值 10 萬美元的比特幣，期間按照該交易模型給出的買入/賣出策略進行交易，當日持有的比特幣總價值。
交易模型結果的最佳化
按照上述的交易策略，在 90 天的實驗週期內，理論上我的資產從 10 萬美元增長到了 128,839 美元，幾乎實現了 29％ 的投資回報率。不過上面我也提到了，這並不是一個最優的模型，我還可以從幾個方面做出最佳化。
“比率大於 35％ ”和“差額大於 80 美元”這樣的判別準則看起來十分隨意，因為這只是我在有限的 90 天資料集中找出的規律。是否有其他的決策標準可以產生更好的買入/賣出決策？
當比特幣價格水平維持在 6000 到 8000 美元時，這個交易模型可以給出很好的決策。
在分析了過去一兩年的交易資訊後，我對交易模型做出了一些改進，我將決策規則細化並做成了表格，表格的縱軸為“購買比特幣”與“比特幣兌換美元價格”的搜尋量比率，數值從 1：3 到 1：5 不等。
考慮到比特幣價格波動較大，“ 80 美元”這個指標並不總能奏效，因此我將這個指標轉換為差價與當日比特幣價格的比值，並將其列在表格的橫軸，在這種情況下，一個可能最優的交易模型就是，在同時滿足“購買比特幣”與“比特幣兌換美元價格”的搜尋量比率為 1：2.86（即 0.35 ） 且價格波動的比率為 0.014543229 時買入。
改進後的表格看起來這個樣：
改進後交易模型的決策規則
後續規劃
除此之外，這個交易模型還有很大的最佳化空間。
首先我想進行一些測試，透過研究過去的交易資料找到能夠最大化利潤的最佳指標，這需要對過去的價格和搜尋量比率進行迴歸測試。
我的設想是不同的價格水平上存在著相同的最佳指標，Good Luck！
