关注公众号
加密货币是新出现的概念，但它的快速的发展已经得到市场广泛的接受。许多对冲基金和资产管理公司已开始将加密货币相关资产纳入其投资组合和交易策略。学术界在研究加密货币交易方面也付出了相当大的努力。本文旨在对加密货币交易的研究进行一个全面的综述，即任何旨在促进和建立加密货币交易策略的研究。
来源：
Author(s): Fan Fang, Carmine Ventre, Michail Basios, Hoiliong Kong, Leslie Kanthan, Lingbo Li, David Martinez-Regoband, Fan Wu
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取得了长足的进步，人们的兴趣和活动也有了显著的上升[103]。从图1中，我们观察到，自2018年以来，超过85%的论文已经发表，证明了加密货币交易作为金融交易的一个新研究领域的出现。
根据加密货币交易这些文献分布在六个不同方面：
加密货币交易软件系统（即实时交易系统、海龟交易系统、套利交易系统）；
系统交易，包括技术分析、配对交易和其他系统交易方法；
新型交易技术，包括计量经济学方法、机器学习技术和其他较新的交易方法；
投资组合和加密货币资产，包括共生加密货币和加密资产投资组合研究；
市场状况研究，包括泡沫[106]或崩溃分析和极端情况；
其他杂项加密货币交易研究。
在这项调查中，我们的目的是汇编这些领域中最相关的研究，并提取一组描述性指标，这些指标可以给出这一领域的成熟度研究水平的想法。
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。Kyriazis等人[166]调查了加密货币市场的效率和有利可图的交易机会。Ahamad等人[4]和Sharma等人[221]对加密货币进行了简要的调查。Ujan等人[191]简要介绍了加密货币系统。Ignasi等人[186]对比特币文献进行了文献计量分析。这些工作成果集中在加密货币的特定领域，包括加密货币和加密货币市场介绍、加密货币系统/平台、比特币文献综述等。但据我们所知，之前没有任何人提供过一个全面的调查，特别是集中在加密货币交易方面。
综上所述，本文做出了以下贡献：
定义。本文对加密货币交易进行了定义，并将其分为：加密货币市场、加密货币交易模型和加密货币交易策略。这项调查的核心内容是加密货币的交易策略，而我们涵盖了它的所有方面。
多学科调查。本文对126篇加密货币交易论文进行了全面调查，涉及金融经济学、人工智能和计算机科学等不同学科。有些论文可能涉及多个方面，并将针对每个类别进行调查。
分析。本文分析了加密货币交易文献的研究分布、数据集和趋势。
视野。本文指出了加密货币交易面临的挑战和未来的研究方向，旨在促进进一步的研究。
图2描述了论文结构，它由所采用的评审模式决定。有关这方面的更多详细信息，请参阅第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
区块链是一个经济交易的数字账本，不仅可以用来记录金融交易，还可以记录任何具有内在价值的对象。[232]. 区块链最简单的形式是一系列带有时间戳的不可变数据记录，由不属于任何单一实体的一组机器管理。这些数据块中的每一个都受到加密原理的保护，并在一个链中相互联结（参见图3中的工作流）。
像比特币这样的加密货币是在对等网络结构上制造的。每个对等方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，一个交易，上面写着“A向B支付X比特币”，由A使用其私钥签名。签名后，该事务将在网络上广播。当对等节点发现一个新的交易事务时，它会检查以确保签名有效。如果验证是有效的，那么该区块将被添加到链中。
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；只有矿工才能确认交易。矿工向区块链添加区块；他们检索前一个区块中的交易，并将其与前一个区块的哈希相结合以获得其哈希，然后将派生的哈希存储到当前区块中。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。矿工确认事务后，每个节点必须将其添加到其数据库中。用外行的话说，它已经成为区块链的一部分，矿工们从事这项工作是为了获得加密货币代币，比如比特币。与区块链不同，加密货币与使用基于分布式账本技术的代币有关。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。区块链是一种驱动加密货币的平台，是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，实现了价值和信息的传递。加密货币是这些网络中用来传递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作为资源或实用工具发挥作用。在其他情况下，它们被用来数字化资产的价值。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. 加密货币市场简介
2.2.1. 什么是加密货币？
加密货币是一种去中心化分散的交换媒介，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获得去中心、透明和不可变[187]等特性。在上面，我们讨论了区块链技术是如何应用于加密货币的。
一般来说，加密货币的安全性是建立在密码学的基础上的，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]。椭圆曲线密码是一种依靠数学来保证交易安全的公钥密码。当有人试图用暴力来绕过上述加密方案时，他们每秒钟尝试2500亿种可能性时，需要宇宙年龄的十分之一才能找到一个值匹配[118]。就其作为货币的用途而言，加密货币与货币具有相同的属性。它的供给是可控的。大多数加密货币限制代币的供应。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。所有加密货币通过区块链中编码的时间表控制代币供应。
加密货币最重要的特征之一是没有金融中介机构[125]。没有“中间人”会降低交易者的交易成本。相比之下，如果一家银行的数据库遭到黑客攻击或损坏，该银行将完全依靠其备份来恢复任何丢失或受损的信息。有了加密货币，即使部分网络遭到破坏，其余部分仍能正确验证交易。加密货币还有一个重要特点，即不受任何中央机构的控制[217]：区块链的去中心分散性质确保了加密货币理论上不受政府控制和干预。
截至2019年12月20日，共有4950种加密货币和20325种加密货币市场；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]。总市值的计算方法是将所有加密货币的美元市值相加。从图中，我们可以观察到加密货币如何在2017年经历指数增长，并在2018年初经历一个巨大的泡沫破灭。但近年来，加密货币出现了企稳迹象。
有三种主流加密货币：比特币（BTC）、以太坊（ETH）和莱特币（LTC）。比特币诞生于2009年，获得了巨大的人气。2008年10月31日，一个人或一群化名为Satoshi Nakamoto的个人发布了比特币白皮书，并将其描述为：“一种纯粹的对等电子现金版本，无需经过交易对手即可通过网络将一方支付给另一方，以太坊由Vitalik Buterin于2015年推出，是一个特殊的区块链，自带有一个名为Ether（交易所中的ETH符号）的代币令牌。以太坊的一个非常重要的特性是能够在以太坊区块链上创建新的代币。以太坊网络于2015年7月30日上线，并预采了7200万个以太坊。Litecoin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，但它使用了不同的哈希算法。Litecoin使用内存密集型的工作证明算法Scrypt。
图5显示了加密货币总市值的百分比；比特币和以太坊占据了总市值的绝大部分（2020年1月8日收集的数据）。
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）是一种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，通常将买卖价差作为服务佣金，或作为配对平台，只需收取费用。
表1显示了根据“nomics”网站[199]编制的按数量排列的顶级或经典加密货币交易所。芝加哥商业交易所（CME）、芝加哥期权交易所（CBOE）以及BAKKT（由纽约证券交易所支持）都是受监管的加密货币交易所。法币数据也来自“经济学”网站[199]。监管机构和上市交易所支持的货币从官方网站或博客上收集。
2.3. 加密货币交易
2.3.1. 定义
首先给出了加密货币交易的定义。定义1。加密货币交易是以盈利为目的买卖加密货币的行为。
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）”（双方之间的合同，通常称为“买方”和“卖方”，规定买方将在头寸结束时向卖方支付自己与“通过交易所买卖加密货币”之间的差额。加密货币交易中的交易策略是由投资者制定的一种算法，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。加密货币的波动性通常可能会吸引投机性兴趣和投资者。日内价格的快速波动可以为交易者提供巨大的赚钱机会，但也包含了更多的风险。
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分散的市场。与传统买卖股票和大宗商品不同，加密货币市场不是在一个地点进行实物交易。加密货币交易可以发生在个人之间，在世界各地的不同场所，只要能连接上网。
近乎匿名。使用加密货币购买商品和服务是在网上进行的，不需要公开自己的身份。随着对身份盗窃和隐私的日益关注，加密货币可以为用户提供一些隐私方面的优势。不同的交易所有特定的“了解你的客户”（Know Your Customer，KYC）衡量标准，用于识别用户或客户[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对等交易。加密货币最大的好处之一是不需要金融机构中介。如上所述，这可以降低交易成本。此外，这个特性可能会吸引那些不信任传统系统的用户。在这种情况下，场外（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。一些加密货币可以给持有者带来其他好处，包括有限的所有权和投票权。加密货币还可能包括实物资产（如艺术品或房地产）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，它们都依赖于可量化的信息，这些信息可以根据历史数据进行回溯测试，以验证它们的性能。近年来，第三种交易策略，我们称之为量化策略，受到越来越多的关注。这种交易策略与技术交易策略类似，因为它使用交易所的交易活动信息来做出买入或卖出决策。量化交易者用量化的数据建立交易策略，主要是从价格、成交量、技术指标或比率中提取，利用市场的低效，由交易软件自动执行。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，大多数交易员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，接受和执行交易指令[50]。加密货币交易系统是一套预先编制了原则的程序，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，下面将介绍这些策略。有几种商用的加密货币交易系统，例如Capfolio、3Commas、CCXT、Freqtrade和Ctubio。通过这些加密货币交易系统，投资者可以从专业的第三方咨询公司和快捷的客户服务中获得专业的交易策略支持、公平透明。
3.2. 系统交易
系统交易是定义交易目标、风险控制和规则的一种方式。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。本文将系统性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，以便进行有利可图的交易。价格和成交量图表总结了市场参与者在交易所进行的所有交易活动，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收益，这对加密货币交易员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，它考虑了两种利差略有不同的类似资产。如果价差扩大，做空高股，买入低股。当价差再次缩小到某个平衡值时，就会产生利润[94]。本节所展示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
加密货币的新兴交易策略包括基于计量经济学和机器学习技术的策略。
3.3.1. 加密货币计量经济学
计量经济学方法运用统计和经济理论相结合的方法来估计经济变量并预测其价值[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精确的模型[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分类的预测[64]。波动率的预测可以用来判断加密货币的价格波动，这对加密货币相关衍生品的定价也有价值[147]。
在使用计量经济学研究加密货币交易时，研究人员对时间序列数据应用统计模型，如广义自回归条件异方差（GARCH）和BEKK（以Baba、Engle、Kraft和Kroner的名字命名，1995[96]）模型来评估加密货币的波动[55]。线性统计模型是一种评估价格与解释变量之间线性关系的方法[196]。当存在多个解释变量时，我们可以用多个线性模型来模拟解释变量（独立变量）和反应变量（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滑动平均（ARMA）模型[69]。
3.3.2. 机器学习技术
机器学习是开发比特币和其他加密货币交易策略的有效工具[185]，因为它可以推断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。我们可以将输入分为若干组特征，例如，基于经济指标（如国内生产总值指标、利率等）、社会指标（谷歌趋势、推特等）、技术指标（价格、成交量等）和其他季节性指标（时间、星期几等）的特征。目标函数定义了用于判断机器学习模型是否已经学习到当前任务的适应度准则。典型的预测模型试图预测数字（如价格）或分类（如趋势）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）来训练，将其中的模式归纳为看不见（样本外）的数据，以（近似）实现目标函数定义的目标。显然，就交易而言，我们的目标是从市场指标中推断出交易信号，这些指标有助于预测资产未来的回报。
泛化误差是机器学习在实际应用中普遍存在的问题，在金融应用中具有极其重要的意义。在我们实际使用模型进行预测之前，我们需要使用统计方法（如交叉验证）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：有监督学习、无监督学习和强化学习。有监督学习用于从有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输入和预期输出。通常，这些预期输出是由主管生成的，代表模型的预期行为。交易中使用最多的标签来自于样本中的未来资产回报。无监督学习试图从未标记的训练数据中推断结构，它可以用于探索性数据分析中发现隐藏的模式或根据任何预定义的相似性度量对数据进行分组。强化学习利用经过训练的软件代理来最大化效用函数，该函数定义了他们的目标；这足够灵活，允许代理用短期回报来交换未来的回报。在金融部门，一些交易挑战可以表示为一种博弈，在这种博弈中，代理人的目标是在期末实现收益最大化。
机器学习在加密货币交易研究中的应用包含了数据源理解和机器学习模型研究之间的联系。进一步的具体例子将在后面一节中给出。
3.4. 投资组合研究
投资组合理论提倡投资多样化，通过战略性地配置资产，在给定的风险水平下实现收益最大化。著名的均值-方差优化就是这种方法的一个突出例子[182]。有一些常见的方法来建立一个加密资产的多元化投资组合。第一种方法是跨市场多样化，即在加密货币市场的投资组合中混合各种各样的投资。第二种方法是考虑行业生态细分市场，即避免在任何一个类别上投资过多资金。加密货币市场投资组合的多元化投资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. 市场状况研究
对于加密货币来说，市场状况研究显得尤为重要。金融泡沫是指资产价格的大幅上涨，而其内在价值没有发生变化[48]。许多专家指出，2017年加密货币价格增长了900%，出现了加密货币泡沫。2018年，比特币面临价值暴跌。这种显著的波动促使研究人员研究加密货币交易中的泡沫和极端情况。
4. 论文收集与报告模式
本节介绍了我们论文收集的范围和方法、基本分析和调查的结构。
4.1. 调查范围
本文采用自下而上的方法研究加密货币交易，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改进计算机科学技术。
在更高的层次上，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。这些技术对交易信号的产生非常有用。在上述预测模型的下一个层次上，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。泡沫和极端情况是加密货币交易中的热门话题，因为如上所述，这些市场已显示出高度的波动性（而在崩溃后波动性下降）。投资组合和加密货币资产管理是控制风险的有效方法。在风险管理研究中，我们将这两个领域归为一组。本次调查的其他论文包括定价规则、动态市场分析、监管含义等主题。表2显示了本次调查中加密货币交易的一般范围。
由于加密货币交易中的许多交易策略和方法都与股票交易密切相关，一些研究者将后者的研究成果移植或使用到前者。在进行这项研究时，我们只考虑那些研究集中在加密货币市场或这些市场和其他金融市场交易比较的论文。
具体而言，我们在收集与加密货币交易相关的文件时采用以下标准：
1 本文介绍或讨论了加密货币交易的一般概念或加密货币交易的相关方面。
2 本文提出了一种方法，研究或框架，目标是优化效率或准确性的加密货币交易。
3 本文比较了加密货币交易的不同方法和观点。
这里所说的“加密货币交易”是指表2中所列并在上面讨论过的术语之一。
风投网 www.fengtoup2p.com是中国最自由最权威最客观的投资理财平台、网贷第三方论坛
风投网论坛提供风投,风险投资,网络理财,投资理财,股票配资,理财平台,金融投资,网贷论坛,数字货币、金融理财,金融投资,金融交易平台, 互联网理财,办信用卡,信用卡申请,申请信用卡,理财返利,网贷,网贷超市,撸口子,贷款口子,下款口子,最新口子,贷款超市,保本保息,保本理财,理财超市,网络贷款,网贷返利,网贷第三方,挖矿,比特币,数字货币,区块链,彩票,抽奖活动,棋牌游戏,博彩,菠菜,网络赚钱,网贷平台,网贷论坛,保险超市,买保险,保险超市,投资返利,理财返利平台,投资返利平台,理财返利,理财超市,投资导购,投资导购,网贷导航,好的理财产品等投资理财产品。为投资理财用户学会钱生钱，为资金用户提供贷款，找投资理财、网络贷款就到风投网投资理财平台\网贷平台。
