# 트레이딩 전략 3 : 가상화폐 분산투자 + 현금 비중 90%

가상화폐 투자마법 공식 발췌 (전체코드는 아래 파일에 있습니다)

 

투자전략 : 가상화폐 분산투자 + 현금 비중 90%

아주 간단한 전략이다. 투자에 시간을 많이 쓰고 싶지 않은 분께 추친드리는 전략이라고 책에는 적혀 있다. 

 

투자대상 : 아무 가상화폐나 몇 개 선택

투자기간 : 

거래비용 : 0.2%

투자전략

* 선택한 가상화폐에 동일한 금액을 분산투자

 

* 단, 자산의 10%만 가상화폐에 투자 ex) 5개 가상화폐에 투자할 경우 각 화폐에 자산의 2% 투자)

 

* 가상화폐 자산이 총 50% 상승해서 자산 대비 가상화폐 비중이 15%를 넘어서면 일부를 팔아서 다시 현금 90%, 가상화폐 10%로 비중을 맞춤

 

* 가상화폐 자산이 총 33%하락해서 자산대비 가상화폐 비중이 작아지면 가상화폐를 매수해 다시 현금 90%, 가상화폐 10%로 비중을 맞춤

 

가상화폐 자산이 총 50% 상승하면?

		시작일	한 달 후	조정
가상화폐	비트코인	250	700	262.5
	이더리움	250	100	262.5
	리플	250	500	262.5
	비트코인 캐시	250	200	262.5
	합계	1,000	1,500	1,050
	비중	10%	14.28%	10%
현금		9,000	9,000	9,450
총자산		10,000	10,500	ㅌ500

 

반대로, 가상화폐 자산 가격이 총 33% 하락하면?

		시작일	한 달 후	조정
가상화폐	비트코인	250	200	241.67
	이더리움	250	180	241.67
	리플	250	120	241.67
	비트코인 캐시	250	167	241.67
	합계	1,000	667	966.7
	비중	10%	6.9%	10%
현금		9,000	9,000	8,700.3
총자산		10,000	9,667	9,667

 

필요한 데이터를 불러온다

 

import pybithumb
import pandas as pd
import numpy as np

 

각 코인별로 시작일을 구해보자. 최대한 백테스팅 기간을 길게 해야되기 때문에, 데이터가 가장 많이 존재하는 코인을 고르자

 

# ticker를 불러오자
tickers = pybithumb.get_tickers()

start_date_list = [] # 데이터시작일 저장 리스트
end_date_list = [] # 마지막일 저장 리스트

for ticker in tickers:
    df = pybithumb.get_ohlcv(ticker)
    
    start_date_list.append(str(df.index[0]))
    end_date_list.append(str(df.index[-1]))
    
    print(ticker, start_date_list[-1], end_date_list[-1])
    
ticker_df = pd.DataFrame({"tickers" : tickers, "start_date" : start_date_list, "end_date" : end_date_list})

ticker_df

 

책에서는 비트코인, 라이트코인, 리플, 대시를 사용하였다고 한다. 하지만, pybithumb으로는 BTC는 2013년부터 데이터를 가져올 수 있지만, 이더리움(ETH)은 2016, 라이트코인(LTC) 2017년, 리플(XRP)도 2017년부터 데이터를 가져올 수 있다. 

 

 

그러면, 일단 비트코인 하나로만 가지고 해보자. 다른 코인은 충분한 데이터가 없다. 

 

btc_df = pybithumb.get_ohlcv('BTC')

# 처음 시드머니 : 1억
initial_capital = 100000000
btc_count = 0 # 비트코인 개수 
total_capital = 0 # 
investing_weight = 0.1
cash = 0
fee = 0.002
btc_invested = 0# 가상화폐 자산
initial_btc_invested = 0 # 리밸런싱 후 가상화폐 자산 

btc_close_price_list = []
total_capital_list = []

for i in range(len(btc_df)):
    
    yesterday_btc_close = btc_df.iloc[i-1]['close']
    btc_close = btc_df.iloc[i]['close']    
    
    
    # 첫날인 경우 전체 1억에서 10%를 가지고 비트코인을 매수한다
    if i == 0:
        # 현금은 90% 남긴다
        cash = initial_capital * (1 - investing_weight)
        
        # 비트코인에는 10%만 투자한다(수수료비용은 차감한다)
        btc_invested = initial_capital * (investing_weight) * (1 - fee)
        initial_btc_invested = btc_invested
        
        total_capital = cash + initial_btc_invested
        
    # 첫날이 아닌 경우
    else:
        # 비트코인이 오른만큼,  가상화폐 자산(btc_invested)도 상승한다
        btc_invested *= (btc_close / yesterday_btc_close)
        
        # 총금액은 현금과 비트코인 투자한 금액
        total_capital = cash + btc_invested
        
        
        # 만약 가상화폐 자산이 50% 상승했으면, 리밸런싱을 진행한다
        if btc_invested >= initial_btc_invested * 1.5:   
            
            print("rebal1")
            
            # 현금은 90% 남긴다
            cash = total_capital * (1 - investing_weight)
            
            # 비트코인에는 10%만 투자한다(수수료비용은 차감한다)
            btc_invested = total_capital * (investing_weight) * (1 - fee)
            initial_btc_invested = btc_invested
            
            # 총금액은 현금과 비트코인 투자한 금액
            total_capital = cash + btc_invested

            
        # 만약 가상화폐 자산이 33% 하락했으면, 리밸런싱을 진행한다
        elif btc_invested <= initial_btc_invested * 0.77:

            print("rebal2")
            
            # 현금은 90% 남긴다
            cash = total_capital * (1 - investing_weight)
            
            # 비트코인에는 10%만 투자한다(수수료비용은 차감한다)
            btc_invested = total_capital * (investing_weight) * (1 - fee)
            initial_btc_invested = btc_invested
            
            # 총금액은 현금과 비트코인 투자한 금액
            total_capital = cash + btc_invested
        
            
    
    btc_close_price_list.append(btc_close)
    total_capital_list.append(total_capital)
    
    print(btc_close, total_capital)

 

수익률을 확인해보자. 수익률은 전일 pct_change() 함수를 사용하면 쉽게 구할 수 있다. 

 

ror_df = pd.DataFrame({"btc_close" : btc_close_price_list, "total_capital" : total_capital_list}, index = btc_df.index)

ror_df['ror'] = ror_df['total_capital'].pct_change() + 1
ror_df['cum_ror'] = ror_df['ror'].cumprod()

ror_df

 

수익률을 확인해보면 2배정도 올랐다. 엄청나게 안 좋은 결과가 나왔다. Buy & Hold를 했으면 755000원인 비트코인 가격이 57015000원이 되었고, 약 75배정도 올랐다. 

 

 

 

그래프를 그려보면, 그래도 2018년에서 2019년은 선방하는 모습을 보이고, 2020~2021년에 좋은 수익률을 보여준다. 

 

import matplotlib.pyplot as plt

plt.plot(ror_df['cum_ror'])

 

 

 

 

트레이딩 전략 3 가상화폐 분산투자 + 현금 비중 90%.ipynb

0.16MB