ক্রিপ্টোতে পরিসংখ্যানগত আরবিট্রেজ — জোড়া ট্রেডিং এবং মিন রিভার্সন

পরিসংখ্যানগত আরবিট্রেজ সাময়িক ভারসাম্যহীনতা থেকে লাভ করে। যখন দুটি সম্পদ যা সাধারণত একসাথে চলে আলাদা হয়ে যায়, তখন একজন স্ট্যাট আরব ট্রেডার খারাপ পারফর্মকারীটি কিনে এবং ভাল পারফর্মকারীটি শর্ট করে, কনভারজেন্সের উপর বাজি ধরে। ক্রিপ্টোতে এটি বিশেষভাবে শক্তিশালী কারণ সম্পদগুলি সম্পর্কিত কিন্তু পুরোপুরি নয়, লাভজনক সুযোগ তৈরি করে।

উদাহরণ: BTC এবং ETH এর সম্পর্ক 0.85। যখন ETH 1 ঘন্টার মধ্যে BTC থেকে 3% খারাপ পারফর্ম করে (অস্বাভাবিক), তখন একজন স্ট্যাট আরব ট্রেডার BTC শর্ট করে এবং ETH লং করে। ঐতিহাসিকভাবে, তারা 4-8 ঘন্টার মধ্যে কনভার্জ করে, ~1-1.5% লাভ লক করে।

জোড়া ট্রেডিং বেসিক

জোড়া নির্বাচন

সব জোড়া কাজ করে না। আপনার প্রয়োজন:

পাইথন — জোড়া নির্বাচন
ইম্পোর্ট পান্ডাস as pd
থেকে scipy.stats ইম্পোর্ট pearsonr
def find_cointegrated_pairs(symbols, data):
candidates = []
জন্য i, sym1 এ enumerate(symbols):
জন্য sym2 এ symbols[i+1:]:
# সম্পর্ক গণনা করুন
corr, p_value = pearsonr(data[sym1], data[sym2])
যদি corr > 0.75:
# কোইন্টিগ্রেশন পরীক্ষা করুন (Engle-Granger টেস্ট)
residuals = data[sym1] - (data[sym2] * corr)
adf_stat = adf_test(residuals) # স্থিরতা
যদি adf_stat < 0.05: # স্থির
candidates.append((sym1, sym2, corr))
রিটার্ন candidates

কোইন্টিগ্রেশন বিশ্লেষণ

কোইন্টিগ্রেশন কি?

দুটি নন-স্টেশনারি সিরিজ কোইন্টিগ্রেটেড হয় যদি তাদের লিনিয়ার কম্বিনেশন স্টেশনারি হয়। সহজ কথায়: তারা সময়ের সাথে সাথে একসাথে চলে, এবং সেই সম্পর্ক থেকে বিচ্যুতি শেষ পর্যন্ত ফিরে আসে।

BTC এবং ETH এর জন্য:

হেজ রেশিও খুঁজে বের করা

সাধারণ লিস্ট স্কোয়ার রিগ্রেশন ব্যবহার করে সর্বোত্তম রেশিও খুঁজে বের করুন:

পাইথন — হেজ রেশিও গণনা
থেকে sklearn.linear_model ইম্পোর্ট LinearRegression
def get_hedge_ratio(price1, price2):
# রিগ্রেস price1 on price2 to find beta (হেজ রেশিও)
X = price2.reshape(-1, 1)
y = price1
model = LinearRegression().fit(X, y)
hedge_ratio = model.coef_[0]
intercept = model.intercept_
রিটার্ন hedge_ratio, intercept
# স্প্রেড = price1 - (hedge_ratio × price2) + intercept
beta, alpha = get_hedge_ratio(btc_prices, eth_prices)
spread = btc - (beta * eth)

মিন রিভার্সন স্ট্র্যাটেজি

Z-Scores ব্যবহার করে

স্প্রেডকে স্ট্যান্ডার্ডাইজ করুন এক্সট্রিম সনাক্ত করতে। যখন z-score > 2, স্প্রেড অস্বাভাবিকভাবে প্রশস্ত (ট্রেড সুযোগ):

পাইথন — মিন রিভার্সন ট্রেডিং
def mean_reversion_signal(spread, lookback=20):
# রোলিং মিন এবং স্ট্যান্ডার্ড ডেভিয়েশন গণনা করুন
mean = spread.rolling(window=lookback).mean()
std = spread.rolling(window=lookback).std()
# Z-score: গড় থেকে কত স্ট্যান্ডার্ড ডেভিয়েশন
z_score = (spread - mean) / std
# ট্রেডিং সিগন্যাল
যদি z_score[-1] > 2.0:
রিটার্ন "LONG_SPREAD" # স্প্রেড খুব প্রশস্ত, খারাপ পারফর্মকারী কিনুন
elif z_score[-1] < -2.0:
রিটার্ন "SHORT_SPREAD" # স্প্রেড খুব টাইট, খারাপ পারফর্মকারী শর্ট করুন
else:
রিটার্ন "NEUTRAL"

এক্সিট রুলস

স্প্রেড গড়ে ফিরে এলে বন্ধ করুন (z-score → 0) বা ক্ষেত্রের থ্রেশহোল্ড (z-score রিভার্সালে স্টপ করুন):

পাইথন — এক্সিট লজিক
def check_exit(entry_z_score, current_z_score, entry_price):
# লাভ নিন: স্প্রেড গড়ের অর্ধেক ফিরে এসেছে
যদি abs(current_z_score) < abs(entry_z_score) * 0.5:
রিটার্ন "EXIT", "profit_target"
# Stop loss: z-score moved in wrong direction by >1
if (entry_z_score > 0 and current_z_score < entry_z_score + 1.0):
return "EXIT", "stop_loss"
elif (entry_z_score < 0 and current_z_score > entry_z_score - 1.0):
return "EXIT", "stop_loss"
return "HOLD", None

ব্যাকটেস্টিং স্ট্যাট আরব স্ট্র্যাটেজিস

স্ট্যাট আরবের মূল মেট্রিক্স:

পাইথন — ব্যাকটেস্ট পেয়ারস স্ট্র্যাটেজি
def backtest_pairs_strategy(price1, price2, hedge_ratio):
spread = price1 - (hedge_ratio * price2)
mean = spread.rolling(20).mean()
std = spread.rolling(20).std()
z_score = (spread - mean) / std
trades = []
position = None
for i in range(len(z_score)):
if position is None:
if z_score[i] > 2.0:
position = {"entry": spread[i], "z_entry": z_score[i], "idx": i}
অন্যথায়:
exit_reason = check_exit(position["z_entry"], z_score[i], spread[i])[1]
যদি exit_reason:
pnl = position["entry"] - spread[i]
trades.append({"pnl": pnl, "reason": exit_reason})
position = None
return pd.DataFrame(trades)

Smart Money Intelligence যোগ করা

Smart Money নিশ্চিতকরণ দিয়ে ট্রেড ফিল্টার করে পেয়ার ট্রেডিং উন্নত করুন:

Python — ফিল্টার করা পেয়ার স্ট্র্যাটেজি
def smart_money_pairs_strategy(symbol1, symbol2, z_score):
# পেয়ার-লেভেল Smart Money নিশ্চিতকরণ চেক করুন
sm1 = get_smart_money_signal(symbol1)
sm2 = get_smart_money_signal(symbol2)
# যদি একটি HIGH বুলিশ এবং অন্যটি HIGH বিয়ারিশ হয় = শক্তিশালী ডাইভারজেন্স
# স্প্রেড ট্রেড করার জন্য উপযুক্ত সময়
divergence_score = abs(sm1["composite"] - sm2["composite"])
যদি z_score > 2.0 এবং divergence_score > 0.3 এবং sm1["confidence"] != "VETO":
return "TRADE" # উচ্চ আত্মবিশ্বাস সংকেত
অন্যথায়:
return "SKIP" # অ্যালাইনমেন্টের জন্য অপেক্ষা করুন

Smart Money পেয়ার সংকেত দিয়ে স্ট্যাট আর্ব সুপারচার্জ করুন

হোয়েল কনসেনসাস এবং ডেরিভেটিভস ডেটা দিয়ে মিন রিভারশন ট্রেড ফিল্টার করুন। আমাদের API পেয়ার ডাইভারজেন্সের বৈধতা 62% নির্ভুলতা উন্নতির সাথে নিশ্চিত করে।

পেয়ার ট্রেডিং শুরু করুন →