加密货币投资方法2.0

加密货币是一个新概念，但其快速发展已被市场广泛接受。许多对冲基金和资产管理公司已开始将与加密货币相关的资产纳入其投资组合和交易策略。学术界也投入了大量精力研究加密货币交易。本文旨在全面概述加密货币交易研究，即任何旨在促进和建立加密货币交易策略的研究。

作为一个新兴市场和研究方向，加密货币和加密货币交易已经走过了漫长的道路，兴趣和活动显着增加 [103]。从图 1 中我们观察到，自 2018 年以来已有超过 85% 的论文发表数字货币交易时间是24小时吗，这表明加密货币交易作为金融交易研究的一个新领域出现了。

这些文献根据加密货币交易分布在六个不同的领域：

在本次调查中，我们旨在汇编这些领域中最相关的研究，并提取一组描述性指标，可以让人们了解该领域研究的成熟度水平。

已经有相关工作讨论或部分调查与加密货币交易相关的文献。[166] 调查了加密货币市场的效率和有利可图的交易机会。艾哈迈德等人。[4] 和夏尔马等人。[221] 对加密货币进行了简要调查。[191] 简要介绍了加密货币系统。[186] 对比特币文献进行了文献计量分析。这些工作产品专注于加密货币的特定领域，包括对加密货币和加密货币市场的介绍、加密货币系统/平台、比特币文献评论等。但据我们所知，之前没有人提供过全面的调查，尤其是关注加密货币交易。

总之，本文做出以下贡献：

图 2 描述了论文结构，它由所采用的审查模式决定。有关这方面的更多详细信息，请参见第 4 节。

2. 加密货币交易

本节介绍加密货币交易。我们将讨论区块链技术、加密货币市场和加密货币交易策略。

2.1. 区块链

2.1.1. 区块链技术介绍

区块链是一种经济交易的数字分类账，不仅可以用来记录金融交易，还可以用来记录任何具有内在价值的对象。[232]。在最简单的形式中，区块链是一系列带有时间戳的不可变数据记录，由一组不属于任何单个实体的机器管理。这些数据块中的每一个都受到加密原理的保护，并在链中相互链接（参见图 3 中的工作流程）。

像比特币这样的加密货币是在点对点网络结构上制作的。每个对等点都有所有交易的完整历史记录，从而记录每个账户的余额。例如，“A 支付 BX 比特币”的交易由 A 使用其私钥签名。一旦签署，交易就会在网络上广播。当对等点看到新交易时，它会检查以确保签名有效。如果验证有效，则该块将被添加到链中。

2.1.2. 从区块链到加密货币

确认是加密货币中的一个关键概念；只有矿工可以确认交易。矿工向区块链添加区块；他们检索前一个块中的交易并将它们与前一个块的散列组合以获得其散列，然后将派生的散列存储到当前块中。区块链中的矿工接受交易，将其标记为合法交易，并通过网络进行广播。矿工确认交易后，每个节点都必须将其添加到其数据库中。通俗地说，它已经成为区块链的一部分，矿工们这样做是为了赚取加密货币代币，比如比特币。与区块链不同，加密货币与基于分布式账本技术的代币的使用相关联。任何涉及购买、销售、投资等的交易都涉及区块链原生代币或子代币。区块链是一个驱动加密货币的平台，一种充当网络分布式账本的技术。网络创造了一种交易手段，可以实现价值和信息的转移。加密货币是这些网络中用于转移价值和支付这些交易的代币。它们可以被认为是区块链上的工具，在某些情况下还可以用作资源或实用程序。在其他情况下，它们用于将资产价值数字化。总之，加密货币是基于区块链技术的生态系统的一部分。加密货币是这些网络中用于转移价值和支付这些交易的代币。它们可以被认为是区块链上的工具，在某些情况下还可以用作资源或实用程序。在其他情况下，它们用于将资产价值数字化。总之，加密货币是基于区块链技术的生态系统的一部分。加密货币是这些网络中用于转移价值和支付这些交易的代币。它们可以被认为是区块链上的工具，在某些情况下还可以用作资源或实用程序。在其他情况下，它们用于将资产价值数字化。总之，加密货币是基于区块链技术的生态系统的一部分。

2.2. 加密货币市场介绍

2.2.1. 什么是加密货币？

加密货币是一种去中心化的去中心化交换媒介，它使用加密功能进行金融交易 [90]。加密货币利用区块链技术来获得去中心化、透明度和不变性等属性[187]。上面，我们讨论了如何将区块链技术应用于加密货币。

一般来说，加密货币的安全性是基于密码学的，既不是人也不是信任[194]。例如，比特币使用一种称为“椭圆曲线”的方法来确保涉及比特币的交易是安全的 [246]。椭圆曲线密码学是一种依靠数学来保护交易的公钥密码学。当有人试图使用蛮力绕过上述加密方案时，他们每秒尝试 2500 亿次可能性，需要宇宙年龄的十分之一才能找到匹配的值 [118]。就其作为货币的用途而言，加密货币具有与货币相同的属性。它的供应是可控的。大多数加密货币限制了代币的供应。比特币，供应量将随着时间的推移而减少，并将在 2140 年左右达到最终数量。

加密货币最重要的特征之一是没有金融中介[125]。没有“中间人”降低了交易者的交易成本。相比之下，如果银行的数据库遭到黑客攻击或损坏，银行将仅依靠其备份来恢复任何丢失或受损的信息。使用加密货币，即使部分网络遭到破坏，其余部分也可以正确验证交易。加密货币的另一个重要特征是它们不受任何中央机构的控制[217]：区块链的去中心化特性确保了加密货币在理论上不受政府控制和干扰。

截至 2019 年 12 月 20 日，共有 4,950 个加密货币和 20,325 个加密货币市场；市值约为 1900 亿美元 [78]。图 4 显示了全球市值和 24 小时交易量的历史数据 [238]。总市值是通过将所有加密货币的美元市值相加来计算的。从图表中，我们可以观察到加密货币在 2017 年经历了指数级增长，并在 2018 年初经历了巨大的泡沫破灭。但近年来，加密货币已经显示出企稳的迹象。

主流的加密货币有三种：比特币（BTC）、以太坊（ETH）和莱特币（LTC）。比特币诞生于 2009 年，并获得了巨大的人气。2008 年 10 月 31 日，化名 Satoshi Nakamoto 的一个人或一群人发表了比特币白皮书，将其描述为：“一种无需经过Vitalik Buterin 于 2015 年推出的以太坊是一个特殊的区块链，有自己的代币，称为 Ether（交易所的 ETH 符号）。一个非常重要的功能是能够在以太坊上创建新代币区块链。以太坊网络于 2015 年 7 月 30 日上线，预挖了 7200 万个 ETH。莱特币是由 Charlie Lee 创建的点对点加密货币。它是根据比特币协议创建的，但它使用不同的散列算法。莱特币使用内存密集型工作量证明算法 Scrypt。

图 5 显示了加密货币总市值的百分比；比特币和以太坊占总市值的绝大部分（数据收集于 2020 年 1 月 8 日）。

2.2.2. 加密货币交易所

加密货币交易所或数字货币交易所 (DCE) 是一项允许客户交易加密货币的业务。加密货币交易所可以是做市商，通常将买卖差价作为其服务的佣金，或作为收费的匹配平台。

表 1 显示了根据“经济学”网站 [199] 编制的按交易量排列的顶级或经典加密货币交易所。芝加哥商品交易所 (CME)、芝加哥期权交易所 (CBOE) 和 BAKKT（由纽约证券交易所支持）都是受监管的加密货币交易所。法定货币数据也来自“经济”网站[199]。监管机构和上市交易所支持的货币来自官方网站或博客。

2.3. 加密货币交易

2.3.1. 定义

首先，给出加密货币交易的定义。定义 1. 加密货币交易是买卖加密货币以获取利润的行为。

加密货币交易的定义可以分为三个方面：交易对象、交易模式和交易策略。加密货币交易的对象是被交易的资产，即“加密货币”。加密货币交易的运作模式取决于加密货币市场的交易手段，可分为“差价交易（CFD）”（一种两方之间的合约，通常称为“买方”和“卖方”支付卖家自己和“通过交易所买卖加密货币”之间的区别。加密货币交易中的交易策略是一种由投资者开发的算法，它定义了一组在加密货币市场上买卖的预定义规则。

2.3.2. 加密货币交易的优势

加密货币交易的好处包括：

剧烈波动。加密货币的波动性往往会吸引投机兴趣和投资者。日内价格快速波动可以为交易者提供绝佳的赚钱机会，但也涉及更多风险。

24小时市场。加密货币市场每周 7 天、每天 24 小时开放交易，因为它是一个去中心化和去中心化的市场。与传统的股票和商品买卖不同，加密货币市场并非在一个地方进行实物交易。只要有互联网连接，加密货币交易就可以在世界各地不同地点的个人之间进行。

几乎是匿名的。使用加密货币购买商品和服务是在线完成的，不需要透露自己的身份。随着对身份盗用和隐私的担忧日益增加，加密货币可以为用户提供一些隐私优势。不同的交易所具有特定的了解您的客户 (KYC) 指标来识别用户或客户 [3]。KYC 在交易所的承诺允许金融机构降低金融风险，同时最大限度地提高钱包所有者的匿名性。

P2P 点对点交易。加密货币的最大好处之一是它们不需要金融机构的中介。如上所述，这降低了交易成本。此外，此功能可能会吸引不信任旧系统的用户。在这种情况下，场外交易 (OTC) 加密货币市场在区块链上提供点对点交易。最著名的加密货币场外交易市场是“LocalBitcoin [176]”。

可编程的“智能”功能。一些加密货币为持有者提供其他好处，包括有限的所有权和投票权。加密货币还可能包括艺术品或房地产等实物资产的部分所有权权益。

3. 加密货币交易策略

加密货币交易策略是本次调查的重点。交易策略有很多种，大致可以分为两大类：技术策略和基本策略。它们的相似之处在于它们都依赖于可根据历史数据进行回测以验证其性能的可量化信息。第三种交易策略，我们称之为量化策略，近年来受到越来越多的关注。这种交易策略类似于技术交易策略，因为它使用来自交易所交易活动的信息来做出买卖决定。量化交易者利用量化数据建立交易策略，主要从价格、交易量、技术指标或比率中提取，并由交易软件利用市场低效率自动执行。加密货币市场不同于传统市场，它有更多的套利机会、更高的波动性和透明度。由于这些特点，大多数交易者和分析师更喜欢在加密货币市场中使用量化交易策略。

3.1. 加密货币交易软件系统

软件交易系统允许国际交易、处理客户账户和信息，以及接受和执行交易订单 [50]。加密货币交换系统是一组预编程原则，允许加密货币之间以及法定货币和加密货币之间的交易。加密货币交易系统旨在克服价格操纵、网络犯罪活动和交易延迟 [21]。在开发加密货币交易系统时，我们必须考虑资本市场、基础资产、投资计划和策略 [190]。策略是有效的加密货币交易系统中最重要的部分，这些将在下面进行描述。有几种商业加密货币交易系统，例如 Capfolio、3Commas、CCXT、Freqtrade 和 Ctubio。通过这些加密货币交易系统，

3.2. 系统事务

系统交易是一种定义交易目标、风险控制和规则的方式。一般来说，系统交易包括高频交易和系统趋势跟踪等较慢的投资类型。本文将系统的加密货币交易分为技术分析、配对交易等。加密货币交易中的技术分析是利用交易数据中的历史模式来帮助交易者评估当前和预测未来的市场状况，以进行有利可图的交易。价格和交易量图表总结了市场参与者在交易所的所有交易活动并影响他们的决策。一些实验表明，使用特定的技术交易规则可以产生超额回报，这对于加密货币交易者和投资者做出最佳交易和投资决策非常有用[116]。配对交易是一种系统化的交易策略，它考虑两种相似的资产，但点差略有不同。如果价差扩大，则做空高位股票并买入低位股票。当价差再次缩小到某个均衡值时，就会产生利润[94]。本节介绍的论文涉及技术指标、配对和知情交易等策略的分析和比较。

3.3. 新兴交易技术

新兴的加密货币交易策略包括基于计量经济学和机器学习技术的交易策略。

3.3.1. 加密计量经济学

计量经济学方法结合使用统计学和经济理论来估计经济变量并预测它们的价值[244]。统计模型使用数学方程对从数据中提取的信息进行编码[152]。在某些情况下，统计建模技术可以快速提供足够准确的模型 [24]。也可以使用其他方法，例如基于情绪的预测和基于长期和短期波动率分类的预测[64]。波动率预测可用于判断加密货币的价格波动，这对于加密货币相关衍生品的定价也很有价值[147]。

在使用计量经济学研究加密货币交易时，研究人员将统计模型应用于时间序列数据，例如广义自回归条件异方差（GARCH）和 BEKK（以 Baba、Engle、Kraft 和 Kroner 命名，1995 [96]）模型来评估加密货币 [55]。线性统计模型是一种评估价格和解释变量之间线性关系的方法[196]。当有多个解释变量时，我们可以使用多个线性模型来模拟解释变量（自变量）和响应变量（因变量）之间的线性关系。时间序列分析中常用的线性统计模型是自回归移动平均 (ARMA) 模型 [69]。

3.3.2. 机器学习技术

机器学习是为比特币和其他加密货币开发交易策略的有效工具 [185]，因为它可以推断出人类通常无法直接观察到的数据关系。从最基本的角度来看，机器学习依赖于两个主要部分的定义：输入特征和目标函数。输入特征（数据源）的定义是基础和技术分析知识发挥作用的地方。我们可以将输入划分为特征组，例如基于经济指标（如GDP指标、利率等）、社会指标（Google Trends、Twitter等）、技术指标（价格、交易量等） .)，以及指标的其他季节性特征（时间、星期几等）。目标函数定义了判断机器学习模型是否学习到当前任务的适应度标准。典型的预测模型试图以数字（如价格）或分类（如趋势）来预测看不见的结果。机器学习模型通过使用历史输入数据（有时称为样本）进行训练，将其中的模式推广到看不见的（样本外）数据，以（大约）实现目标函数定义的目标。显然，在交易方面，我们的目标是从有助于预测资产未来回报的市场指标推断交易信号。机器学习模型通过使用历史输入数据（有时称为样本）进行训练数字货币交易时间是24小时吗，将其中的模式概括为看不见的（样本外）数据，以（大约）实现目标函数定义的目标。显然，在交易方面，我们的目标是从有助于预测资产未来回报的市场指标推断交易信号。机器学习模型通过使用历史输入数据（有时称为样本）进行训练，将其中的模式推广到看不见的（样本外）数据，以（大约）实现目标函数定义的目标。显然，在交易方面，我们的目标是从有助于预测资产未来回报的市场指标推断交易信号。

泛化误差是机器学习在实际应用中的常见问题，在金融应用中具有重要意义。在我们实际使用模型进行预测之前，我们需要使用交叉验证等统计方法来验证模型。在机器学习中，这通常被称为“验证”。使用机器学习技术预测加密货币的过程如图 6 所示。

根据主学习循环的形式，我们可以将机器学习方法分为三类：监督学习、无监督学习和强化学习。监督学习用于从标记的训练数据中导出预测函数。带标签的训练数据意味着每个训练实例都包含一个输入和一个预期输出。通常，这些预期输出由主管生成并代表模型的预期行为。交易中最常用的标签来自样本中的未来资产回报。无监督学习尝试从未标记的训练数据中推断结构，可用于探索性数据分析以发现隐藏模式或根据任何预定义的相似性度量对数据进行分组。强化学习利用训练有素的软件代理来最大化定义其目标的效用函数；这足够灵活，可以让代理用短期奖励换取未来奖励。在金融领域，一些交易挑战可以表示为一种博弈，其中代理人的目标是在期末最大化回报。

机器学习在加密货币交易研究中的应用包括数据源理解和机器学习模型研究之间的联系。下节将给出进一步的具体例子。

3.4. 投资组合研究

投资组合理论主张通过战略性地分配资产以在给定风险水平下最大化回报来实现投资多元化。众所周知的均值方差优化是这种方法的一个突出例子[182]。有一些常见的方法可以构建多元化的加密资产组合。第一种方法是跨市场多元化，即在加密货币市场的投资组合中混合多种投资。第二种方法是考虑行业生态细分，即避免在任何一个类别上投入过多的资金。加密货币市场投资组合的多样化包括跨加密货币的投资组合 [175] 和跨全球市场的投资组合，包括股票和期货 [140]。

3.5. 市场行情研究

对于加密货币，市场研究尤为重要。金融泡沫是资产价格的急剧上涨，而其内在价值没有变化[48]。多位专家指出，2017年加密货币价格上涨900%，出现加密货币泡沫。2018 年，比特币面临价值暴跌。这种显着的波动性促使研究人员研究加密货币交易中的泡沫和极端情况。

4. 论文收集和报告模式

本节介绍我们论文集的范围和方法、基本分析和调查结构。

4.1. 调查范围

本文采用自下而上的方法进行加密货币交易，从系统到风险管理技术。对于基础交易系统，重点是优化交易平台结构和提高计算机科学技术。

在更高层次上，研究人员专注于设计模型来预测加密货币市场的回报或波动。这些技术对于生成交易信号非常有用。在上述预测模型的下一阶段，研究人员讨论了在真实加密货币市场进行交易的技术交易方法。泡沫和极端是加密货币交易中的热门话题，因为如上所述，这些市场表现出高水平的波动性（崩盘后波动性降低）。投资组合和加密货币资产管理是控制风险的有效方式。在风险管理研究中，我们将这两个领域归为一类。本次调查中的其他论文涵盖定价规则、动态市场分析、监管影响等主题。

由于加密货币交易中的许多交易策略和方法与股票交易密切相关，因此一些研究人员将后者的研究成果移植或使用到前者。在进行这项研究时，我们只考虑了专注于加密货币市场或这些市场和其他金融市场的交易比较的论文。

具体来说，我们在收集与加密货币交易相关的文件时使用以下标准：

1 本文介绍或讨论加密货币交易的一般概念或相关方面。

2 本文提出了一种方法、研究或框架，旨在优化加密货币交易的效率或准确性。

3 本文比较了加密货币交易的不同方法和观点。