低风险稳健策略：BTC套利策略

更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。

币安零手续费带来的机会

从7月8日的20点开始，币安推出了BTC现货交易零手续费的优惠活动，不论是Maker还是Taker都不收取手续费。此次活动包括了交易量最大的BTC/USDT和BTC/BUSD。

BTC现货对零费率，对量化交易来说是一个极大的利好，最直接的影响就是套利的成本。以币安本所的现货和USDT本位合约套利为例，在原先的手续费基础上，单次交易需要扣除至少千分之2到千分之3的手续费，而现在只需要U本位合约端的手续费即可。以最普通用户为例，BNB抵扣后的USDT合约手续费仅为万分之3.6，也就是说，对于BTC现货和U本位合约之间的套利交易，总共只需要万分之7.2的手续费了。

策略逻辑与回测结果

那么，我们是否可以利用这样低廉的手续费来争取更多套利的机会？答案是肯定的。

以一个最简单的策略思路为例，我们知道，BTC现货和BTC合约的价格是形影不离，长期趋同的，但是在短期，由于不同市场交易者带来供需的变化，会产生暂时的偏离现象，也就是BTC现货可能高于BTC合约，也可能低于BTC合约，以一周的BTC合约现货溢价率为例，最高达到了6.5%，而最低是-8.7%，仅一周的价差波动，来回最大就到了15%以上。因此，在手续费极低的情况下，价差波动将产生大量的有利可图套利机会。

于是，我们形成了一个简暴的策略逻辑：

当USDT本位BTC合约价格超过BTCUSDT现货价格一定百分比，同时做多现货、做空U本位合约；

当SDT本位BTC合约价格低于BTCUSDT现货价格一定百分比，同时平仓套利对。

由于资金费率的机制，BTC合约溢价最终会回归，因此这个策略逻辑可以说几乎是无风险的。

对于这个逻辑，我们用从2020年1月到2022年6月的BTCUSDT现货，以及BTCU本位合约的1分钟数据进行回测。需要提醒的是，实际交易机会会比回测更多，因为回测我们采用的是1分钟的收盘价进行测试，而实盘可以使用tick级别数据进行信号的触发，交易频率会更高。

我们回测了两组参数，一组保守、一组激进。保守组参数假设U本位合约溢价0.2%进场，折价0.1%出场，并且每笔交易支付0.1%的手续费，得到下图回测结果。扣除交易成本后年化收益率在20%以上，交易胜率90%以上，回撤极小。

激进组参数假设U本位合约溢价0.1%进场，折价0.05%出场，每笔0.15%的预期利润已经足以让我们在低手续费率环境下盈利了。激进组参数扣除交易成本后年化收益率在25%以上，交易胜率90%以上，同样几乎没有回撤。

全自动实盘交易系统

几乎无风险的策略逻辑 + 胜率极高几乎不回撤的回测结果，我们趁热打铁开发了BTC低费率下套利的全自动实盘交易系统，该交易系统包括以下功能：

1 实现了和回测完全一致的交易逻辑，7*24小时全自动交易。

2 提高资金利用率：USDT本位合约资金与现货合约资金的灵活划转，资金效率最大化

3 风控模块：USDT本位合约爆仓的风控逻辑、套利对单腿的风控处理

4 增加对资金费率的过滤：USDT本位合约负资金费率不触发开仓，降低交易成本

5 对极端情形（交易所把网线、API失去响应等）的容错机制

我们提供数据 + 回测代码 + 实盘交易系统

往期干货分享推荐阅读

通过深度学习股价截面数据分析和预测股票价格

Omega System Trading and Development Club内部分享策略Easylanguage源码

一个真实数据集的完整机器学习解决方案（下）

一个真实数据集的完整机器学习解决方案（上）

如何使用交易开拓者（TB）开发数字货币策略

股指期货高频数据机器学习预测

如何使用TradingView（TV）回测数字货币交易策略

如何投资股票型基金？什么时间买？买什么？

【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略

AMA指标原作者Perry Kaufman 100+套交易策略源码分享

【数量技术宅 | 期权系列分享】期权策略的“独孤九剑”

【数量技术宅|金融数据系列分享】套利策略的价差序列计算，恐怕没有你想的那么简单

【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略

如何获取免费的数字货币历史数据

【数量技术宅|量化投资策略系列分享】多周期共振交易策略

【数量技术宅|金融数据分析系列分享】为什么中证500（IC）是最适合长期做多的指数

商品现货数据不好拿？商品季节性难跟踪？一键解决没烦恼的Python爬虫分享

【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品

【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略

【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫