选择最相关的市场。
top_10 = df_transpose.corr()['BTC-GBP'].sort_values(ascending=False).keys()[0:20]
打印 (top_10)指数(['BTC-GBP', 'BTC-USD', 'WBTC-USD', 'BTC-EUR', 'BTC-USDT', 'BTC-USDC', 'ADA-USDC', 'ADA-USD' , 'YFI-USD', 'ADA-EUR', 'ADA-GBP', 'OXT-USD', 'ETH-GBP', 'WBTC-BTC', 'ETH-USD', 'ETH-DAI', ' ETH-EUR', 'ETH-USDT', 'ETH-USDC', 'STORJ-USD'], dtype='object')
选择相关性最低的市场。
bottom_10 = df_transpose.corr()['BTC-GBP'].sort_values(ascending=True).keys()[0:20]
打印(底部_10)Index(['MIR-GBP', 'USDT-EUR', 'USDC-EUR', 'ZEC-BTC', 'DAI-USD', 'CRV-BTC', 'ADA-ETH', 'DAI-USDC' , 'UMA-BTC', 'COMP-BTC', 'USDC-GBP', 'MIR-BTC', 'USDT-GBP', 'REP-BTC', 'FIL-BTC', 'ICP-BTC', '寿司-ETH', 'MIR-EUR', 'MIR-USD', 'BAT-ETH'], dtype='object')
我们最感兴趣的是相关性最低的市场。 我认为像 Tether (USDT) 和 USD Coin (USDC) 这样的稳定币出现并不奇怪。 我倾向于删除它们,因为它们的设计应该是稳定的。
df_filtered = df[~df_transpose.keys().str.contains('USD[TC]', regex=True)]
df_filtered_transpose = df_filtered.T
并在没有 USDT 和 USDC 的情况下重新创建我们的底部列表 10。
Index(['MIR-GBP', 'ZEC-BTC', 'DAI-USD', 'CRV-BTC', 'ADA-ETH', 'UMA-BTC', 'COMP-BTC', 'MIR-BTC' , 'REP-BTC', 'FIL-BTC', 'ICP-BTC', 'SUSHI-ETH', 'MIR-EUR', 'MIR-USD', 'BAT-ETH', 'ZEC-USD', ' FORTH-BTC', 'CRV-EUR', 'SUSHI-BTC', 'RLC-BTC'], dtype='object')
总结
所以你有它。 我很想听听你的想法。 我可以在列表中看到 ADA,这在某种程度上是我所期望的。 它不能完全抵抗比特币和以太坊崩盘,但往往受到的影响较小。 我正在交易 ADA-GBP,但根据此 ADA-ETH 是更好的选择。 这里的问题通常是如果比特币崩盘,以太坊也会发生同样的情况。 我倾向于忽略上面的 ETH 选项。
下一步是打开 TradingView.com 并将这些市场与 BTC-GBP 进行比较。
谷歌合作实验室
我已经在上面为您提供了所有代码,但是如果您想要源代码,我已经创建了一个可以在 Google Colab 中轻松运行的笔记本。
- 去 ”https://colab.research.google.com=
- 单击 GitHub 选项卡
- 对于“输入 GitHub URL 或按组织或用户搜索”输入“https://github.com/whittlem/colabnotebooks”然后按回车
- 存储库:“Whittlem/colab笔记本“, 分支: ”主=
- 点击 ”CoinbaseProMarketAnalysis.ipynp=
- 点击 ”运行时”从菜单,然后“运行所有=
祝你好运,我希望你发现这很有用。