网站制作 文案如何引流推广
数量技术宅团队在CSDN学院推出了量化投资系列课程
欢迎有兴趣系统学习量化投资的同学，点击下方链接报名：
量化投资速成营（入门课程）
Python股票量化投资
Python期货量化投资
Python数字货币量化投资
C++语言CTP期货交易系统开发
数字货币JavaScript语言量化交易系统开发
期货市场的价格发现
期货市场对现货市场具有重要的领先作用。期货市场的价格发现功能能够提前反映市场的供求关系和未来预期，为现货市场提供价格参考；期货市场的交易行为可以通过影响现货市场的供求关系，进而影响现货价格；期货市场的价格变化可以传递市场信息，引导现货市场参与者调整自己的生产、经营和投资决策。
数字永续合约与期货的关系
数字货币的永续合约与期货存在不少相同点：
交易机制：两者都允许投资者使用杠杆进行交易。通过缴纳一定比例的保证金，投资者可以控制远大于保证金金额的合约价值，从而放大潜在的收益或损失。都支持双向交易。投资者既可以看涨（做多），买入合约等待价格上涨后卖出获利；也可以看跌（做空），卖出合约等待价格下跌后买入平仓获利。
价格波动影响：价格波动的影响因素类似。都受到市场供求关系、宏观经济形势、行业发展动态、政策法规变化以及投资者情绪等多种因素的影响。例如，当市场对某种数字货币的需求突然增加时，其永续合约价格会上涨，同样，相关期货合约在类似的供需变化下价格也会波动。
风险控制措施：都有相似的风险控制手段。如设置止损和止盈机制，帮助投资者控制损失和锁定利润。当市场价格达到预设的止损价位时，系统会自动平仓以限制损失；当价格达到止盈价位时，则自动平仓实现盈利。此外，还都存在强制平仓的风险，当投资者的保证金不足时，可能会被强制平仓以避免进一步的损失。
市场参与者类型：参与者群体有一定相似性。都吸引了包括套期保值者、投机者和套利者等不同类型的参与者。套期保值者利用合约来对冲现货市场的风险；投机者则通过预测价格波动来获取利润；套利者通过发现不同市场或合约之间的价格差异进行套利操作。
永续合约是否存在领先作用
鉴于数字货币永续合约在交易机制、价格影响因素等特征层面，与传统期货存在诸多相似之处，由此衍生出一个值得深入探究的问题：传统期货所具备的价格发现功能，在永续合约中是否同样存在并发挥作用？为解答这一问题，我们精心构建了严谨的策略，并运用历史数据进行回溯测试，旨在通过实证分析对该问题予以验证。
数据准备
我们将首先从Binance的FTP服务器获取历史交易数据。在币种选择上，我们筛选出市场成交活跃度较高的三个交易对，分别为BTCUSDT、ETHUSDT和SOLUSDT，并下载其相关历史数据。下载完成后，进入数据清洗环节，我们会将原始的、以月度为单位存储的数据进行整合，统一合并至一个数据集中，从而完成数据的初步整理工作。此外，为了能够测试不同时间频率下的数据表现，我们准备了日线周期的数据集以满足后续的分析需求。
策略回测
本次回测策略主要依托Binance平台的永续合约与现货日线和30分钟线数据，基于基差率构建交易决策体系并开展回测分析，具体逻辑如下：
1. 数据整合：将永续合约数据与现货数据进行合并，生成统一的DataFrame（命名为merged_df），以便后续集中分析处理。
2. 阈值设定：确定两个关键阈值，分别为上阈值n1与下阈值n2，这两个阈值作为触发交易信号的重要依据。
3. 基差率计算：计算基差率（jcrate），其计算公式为jcrate = 永续合约收盘价 / 现货收盘价 - 1 。基差率这一指标能够精准反映永续合约与现货价格之间的相对差异，为交易决策提供核心参考。
4. 回测交易逻辑
开仓逻辑：当投资组合中的目标仓位为0时，若基差率大于上阈值（jcrate > n1），则对相应币种执行做多操作，即调整仓位为position = 1；若基差率小于负的上阈值（jcrate < -n1），则执行做空操作，将仓位调整为position = -1。
平仓逻辑：当仓位处于1（即做多状态）时，若基差率小于下阈值（jcrate < n2），则对该币种实施平仓操作，将仓位归零（position = 0）；当仓位为 -1（即做空状态）时，若基差率大于负的下阈值（jcrate > -n2），同样对该币种进行平仓操作，使仓位恢复为0 。
资金记录：在每一次交易操作完成后，将账户的资金状态记录至capital_history列表中，以此记录整个回测过程中资金的动态变化情况。
回测绩效
我们先行选用最为常规的参数设置，将n1取值设定为0，n2取值设定为0。在此种参数设定下，对应的交易策略为：当基差率大于0时，执行平空单并开多单的操作；当基差率小于0时，则执行平多单并开空单的操作。基于上述设定开展测试，最终获得的回测结果如下：
以及n1=0.0002, n2=-0.0001：
通过对测试结果的细致观察可以发现，即便对参数进行了调整，使得该策略的交易频率产生了变化，但整体回测曲线的走向并未出现根本性的改变。这一测试结果清晰地表明，我们或许需要对信号的运用方式进行重新考量，采用与初始设定相反的操作策略。具体而言，当基差率处于较低水平时，执行做多操作；当基差率处于较高水平时，则执行做空操作。
为了验证这一反向操作策略的有效性，我们再次选取n1 = 0、n2 = 0这组参数进行测试。此次反向测试的结果与第一次测试所呈现的图形完全相反，并且与我们事先预期的情况高度吻合，充分验证了该反向操作策略在当前测试条件下的合理性与可行性。
多币种策略回测
在上述单币种的测试过程中，无论采用何种参数组合进行测试，其结果均与我们的理论预期背道而驰。按照理论，合约价格对现货价格的领先性本应具有正向指导意义，但在实际测试中，这一领先性却意外地成为了反向指标。此外，单纯基于数据进行的反向交易测试结果虽然较为不错，但未能与我们所期望的市场逻辑相契合，使得此次测试结果的可信度大打折扣。
鉴于此前单币种测试结果不尽如人意，我们决定进一步优化思路。在数据准备环节，我们下载了BTCUSDT、ETHUSDT和SOLUSDT这三个活跃币种的历史现货数据与合约数据。基于这些数据，我们不禁思考：能否利用这三个币种的基差率构建组合信号，进而尝试对这些币种的组合进行择时交易呢？为此，我们设计了如下多币种策略逻辑：
首先，按照上一个策略中所采用的计算方式，分别计算 BTCUSDT、ETHUSDT、SOLUSDT 这三个币种的永续合约相对于现货的溢价率。具体的交易策略如下：
1. 当这三个币种的永续合约溢价率同时大于设定的阈值 n1 时，执行策略，以等权重的方式做多这三个币种。
2. 一旦这三个币种的永续合约溢价率中，任意一个小于设定的阈值 n2 ，则立即将所有多头仓位全部平仓。
3. 当这三个币种的永续合约溢价率同时小于设定的阈值 (-1)×n1 时，执行策略，以等权重的方式做空这三个币种。
- 若这三个币种的永续合约溢价率中，任意一个大于设定的阈值 (-1)×n2 ，则迅速将所有空头仓位全部平仓。
和前一个策略一样，我们还是先用最简单的阈值，n1=0 n2=0进行测试，得到如下结果
可以看到，借助 BTCUSDT、ETHUSDT、SOLUSDT 这三个币种永续合约溢价率所共同给出的信号，我们至少得到了与理论逻辑相符的价格变动方向。也就是说，合约溢价率对这三个币种的价格走势具备一定的领先指示作用。只不过这种领先作用在 2020 年至 2022 年期间表现得较为显著，而在近两年来，其指示效果却不尽如人意。
我们进一步对参数进行了调整，将 n1 设置为 0.0005，n2 设置为 -0.0004。考虑到当前采用的是 BTCUSDT、ETHUSDT、SOLUSDT 这三个币种的组合信号，为了防止信号出现的频率过低，参数取值不宜过大，此番所取参数数值较为适宜。
这组参数（n1=0.0005，n2=-0.0004）表现尚可，即便是在近两年信号表现不佳的行情下，也能够实现不亏损的良好效果。此外，我们还对其他一些参数组合进行了测试，测试结果所呈现出的规律与上述图形所反映的情况基本相似，为避免赘述，在此便不再对这些测试结果一一展开阐述。
此前在数据准备环节中曾提及，我们还准备了时间粒度为 30 分钟的数据。接下来，我们将把数据切换为 30 分钟周期，参数仍选取最基础的n1=0 n2=0，同时保持其他回测条件均不变，在此基础上开展测试工作。
综合上述分析结果，即便提升了策略计算信号的颗粒度，基础信号的强度也并未随之增强。为了促进相关领域的研究与探索，我们毫无保留地将本文所使用的数据和代码公之于众，期望能为大家提供助力。希望大家能在这些已有研究的基础上，深入挖掘更多有价值的信息，同时也热忱欢迎大家积极交流，共同进步。