比特币成交量价格指标 - 分位数回归的应用

摘要：本文采用分位数回归等方法构建比特币量价指标，并简要描述其应用场景。 更深入地了解比特币市场可以为监管者提供更多参考。

人们分析比特币的交易量和价格变化的目的是预测其未来价格。 虽然我们认为比特币下一时刻的价格难以预测，但通过其量价关系，我们还是可以获取一些信息，对其在特定时刻的价格做出粗略的估计。

1. 量价关系的一个特例

在分析量价关系时，有一种特殊情况——量很大，但价格变化不大。 对于一般的震荡市场，这种价格平衡提供了三个可能是正确的信息：

1、多空主力存在分歧，认为这个价格是当前底部或顶部；

2、多头和空头主力愿意为此价格投入的资金量；

3. 要打破这种平衡比特币开盘时间和收盘时间，多头或空头头寸应该投入比这更多的资金。

二、指标原理

出现这种特殊情况后，多空双方都完成了第一轮的博弈，“弹药”耗尽后，可能会进行下一轮的评估、测试和博弈，这一般都需要时间，所以两轮更有可能的是，他们之间会隔一段时间。 这就好比某个地方发生地震后，变形的岩石通过破裂迅速释放出积聚的弹性势能，一般要过很长时间才能发生下一次类似震级的地震。

因此，比特币可能会围绕这个价格短暂的小幅波动，这个价格是下一时刻的大概价格。 不过，这种情况只能说明下一刻价格剧烈变动的可能性很小，但这种可能性还是存在的。 因此比特币开盘时间和收盘时间，在此基础上建立的量价指标主要作为辅助指标使用，实际操作时必须与其他指标结合使用。 一起使用。

需要注意的是，“成交量很大，但价格变化不大”的情况，可能体现在一个K柱上，也可能体现在连续的几个K柱上——多头和空头经过长时间的博弈，价格波动较大，但最终价格变化仍然很小（连续K列第一个的开盘价接近最后一个的收盘价），当指标实现时，这两种情况都应该是充分考虑。

那么，多少交易量和多小的价格变化可以纳入指标的判断中呢？ 在市场清淡或火爆时，这个标准应该有所不同，应结合近期一般成交量和价格变化情况灵活设定。 为此，我们使用分位数回归。

3.分位数回归简介[1]-[4]

经典回归的思想是根据解释变量估计因变量的均值。 当回归假设成立时，这种方法有效； 当出现非标准情况时它会失败。 一些数据无法满足两个关键假设——正态性假设和方差齐性假设。 这正是分位数回归可以处理的，因为它放宽了这些假设。 此外，分位数回归为研究人员提供了一个新的视角（经典回归无法提供）来研究解释变量对因变量分布的位置、规模和形状的影响。

分位数回归的想法起源于 1760 年，一位旅行学者和克罗地亚基督徒 Rudjer Josip Boscovich - 他拥有许多头衔：物理学家、天文学家、外交官、哲学家、诗人和数学家 - 来到伦敦讲授他半生不熟的中值回归方法。

Cairnke 和 Bassett（1978）提出了一种比中值回归模型更通用的模型——分位数回归模型（QRM）。

4. 比特币交易量和价格指标——使用分位数回归

1.构建“K列汇总数据”

总结几家主流现货交易所的每分钟K柱数据（本文暂时使用Binance、Gemini、Huobi、OKEx）。 其中，每个K柱的开盘价、收盘价、最高价和最低价是这些交易所同时K柱对应值的平均值，每个K柱的成交量K 柱是这些交易所同时成交量的总和。 这样就构建了初步反映市场整体情况的K柱数据。

这里只使用最近的 120 K 列数据。

2、剔除成交量小的K柱

本量价指标指标值来源于上述“K柱汇总数据”。 由于我们考虑的是“成交量大，价格变化不大”的情况，所以在筛选指标值时，应该排除成交量小的K线，只保留成交量大的K线。

例如，如果当前每个K柱的交易量在20-1000个币之间，那么显然大部分交易量在20-50个币的K柱都可以排除，指标值不应该由它产生。

3、构建“量价差”数据

为了使用分数回归，我们需要在K列汇总数据中构建“量价差”数据。

每根K线的成交量数据按上述计算，而价差数据为该K线收盘价减去开盘价的绝对值。

如果“成交量很大，但价格变化不大”出现在连续的几个K柱上，那么“价差”就是连续K柱中第一个的开盘价与之间差值的绝对值最后 1 个柱的收盘价。

4.利用“量价差”数据进行分位数回归

图1

对于分位数回归的结果，我们只选择最近的一个，这样可能会对后续行情产生影响。

上图显示了某个分位数回归的结果。 为了观察方便，我们只绘制第0.05分位数、第0.25分位数、第0.5分位数和第0.75分位数的回归线。

一般情况下，成交量越大，价格波动越大的概率越大，与之对应的点（数据）会更频繁地出现在图表的右上角。 而图表右下方的点（如果有的话）在整体数据中价格波动较小，交易量较大——分位数回归起到了这样的过滤作用。

0.05分位数回归线以下成交量较大的数据用红点表示为指标值。 意思是在最近最多120K的柱子中，有一个点（数据）的交易量足够大，价格变化足够小。 是占总数据不到5%的数据之一。

上图所示的指标值实际上是根据2021年10月30日北京时间03:59-04:01的3个连续K线形成的。这3个K线的总成交量为523.5个币，但只造成了约3.4美元的价格波动。 这显示了这 3 分钟期间多头和空头之间的博弈，开盘价为 62392.47 美元，收盘价为 62389.04 美元。 此后各K柱成交量均维持在低位，比特币价格在62300-62500美元附近小幅震荡。 该指标值的情况可以直观地画出如下：

图 2

让我们再举一个例子。 下图显示的指标值是根据 4 个 K 线形成的，总成交量为 1646.6 个币，但仅引起了约 14.7 美元的价格波动。 此后，各K柱的成交量一直保持在较低水平。 接下来的12分钟，价格在$61,000-61,200美元附近小幅震荡。 距离指标值所指示的大额成交越远，价格出现较大变动的可能性就越大。

图 3

5.本量价指标的应用

图 4

上图所示较为剧烈的行情波动发生在2021年11月4日北京时间2:00（UTC时间18:00）。 某交易所比特币永续合约价格波动近2000美元。 当时，4 家贸易公司 交易所的现货总交易量约为 2682.6 个币。 虽然这可以理解为市场对美联储此时公布11月货币政策委员会决定的影响——美联储在维持政策利率不变的情况下，一如市场预期正式启动了缩表进程。 减少 150 亿美元的债券购买步伐，但在没有相关消息的情况下，这样的举动并不少见。 在类似的市场中，交易指令将难以按预期价格执行，下单、开仓、平仓均存在巨大的不可控风险。 因此，对于重要的策略，我们期望能够在相对稳定的市场中执行。

但是，如果本文描述的量价指数有指数值，则表示存在“成交量大，但价格变化不大”的情况。 价格暂时达到供需平衡状态，提供了一个可以对价格进行简单粗略估计的阶段——此时成交量会下降，相应价格附近的波动较小，行情稳定. 但随着时间的推移，市场平衡的影响会逐渐减弱，因此指标所揭示的信息具有时效性。

比特币的行情大部分时间是比较稳定的，如果这个量价指标有一个指标值，那么以后大概率是一个稳定的行情。 这有几个优点。 例如，在这样的市场中进行上述的下单、建仓、平仓等操作，可以规避价格剧烈变动带来的风险。 同时，在稳定的市场中，交易订单也可以顺利的被交易所执行，避免了交易所在极端行情下超负荷运行而无法执行订单的风险。 另外，主力也可以由此得知市场平衡量，可以尝试加大投入进行试探，从而打破当前平衡，使价格向一定方向发展。

6.总结

本文讨论“交易量大，价格变化不大”的情况，采用分位数回归等方法构建比特币量价指标。 当然，还有其他的“智能”解决方案可以用来构建这个指标，但分位数回归简单易懂，计算速度快，优势明显。

需要再次强调的是，虽然量价指标有时会有指标值，但下一时刻价格仍有剧烈变动的可能，因此在实际操作中应作为辅助，与其他指标配合使用。

参考

[1] 郝令新，丹尼尔·Q·奈曼． 分位数回归模型。 肖东亮，译． 上海：上海人民出版社，2017. 1-40

[2] 朱文． 基于分位数回归技术的证券市场风险溢出效应研究。 浙江工商大学硕士学位论文, 2018. 16

[3] 裴瑶． 分位数回归及其应用。 华中师范大学硕士学位论文, 2014. 6-11

[4] 李昌银． 不可忽略缺失数据下加权复合分位数回归模型的统计推断。 武汉大学硕士学位论文, 2019. 4