背景
在 進一步完善自動化交易系統 - 02 這篇圖文中，向大家詳細介紹了，滿足以下兩個條件下：
- 擁有數字資產：BTC、EOS、USDT、ONE
- BigOne 提供交易對：ONE-USDT、ONE-EOS、ONE-BTC、EOS-BTC、EOS-USDT、BTC-USDT
我們可以構造 3 個三角套利的模型。
第1個：通過 ONE、USDT、EOS 套利
- 以先買入後賣出的方式構造套利路徑：
價格表
- 以先賣出後買入的方式構造套利路徑：
價格表
第2個：通過 ONE、USDT、BTC 套利
- 以先買入後賣出的方式構造套利路徑：
價格表
- 以先賣出後買入的方式構造套利路徑：
價格表
第3個：通過 ONE、BTC、EOS 套利
- 以先買入後賣出的方式構造套利路徑：
價格表
- 以先賣出後買入的方式構造套利路徑：
價格表
以上三個模型盈利條件相同
- 先買入後賣出的方式滿足的盈利條件：
(Q2 × Q3 × 0.999^3) ÷ Q1 > 1.0
- 先賣出後買入的方式滿足的盈利條件：
(P1 × 0.999^3) ÷ (P2 × P3) > 1.0
最近這段時間 BigOne 交易所對平臺幣 ONE 進行了戰略升級，把以前的模式 —— 持有 ONE 就相當於擁有一個礦機，每天按照持有 ONE 的數量佔比，來分配交易所獲得的交易手續費，得到不同種類的數字貨幣，修改為新的模式 —— 建立由 BTC 等數字貨幣構成的 “兌換池”，以 1 ONE = 0.14 USDT（≈ 1 CNY）的價格，從貢獻者手中依據其 “貢獻值” 進行定向兌換並銷燬 ONE。
“貢獻值”主要通過在 BigONE 交易並獲得 VIP 等級（任意等級）來獲取。
交易費率規則：
- 普通用戶：0.1% 交易手續費（扣除成交後收到的資產）；
- 交易費率標準根據您最近 30 天幣幣交易的累計交易量（等值 BTC）確定；
- 每日 01:00:00（ UTC+8 ）自動計算用戶在幣幣交易區近 30 天的累計交易量，並在每日 04:00:00（ UTC+8 ）自動更新手續費等級。
貢獻值
我感覺 BigOne 對平臺幣 ONE 進行升級的主要目的是鼓勵用戶交易，以便增加交易對的深度。
通過交易取得更高的 VIP 等級才能分享到 BigOne 交易手續費的分配。
在這種背景下，如何提升交易的頻率而不虧損手續費就顯得尤為重要了。於是，我買入了一些 EHT，來增加三角套利的路徑。
技術分析
已知條件如下所示：
- 擁有數字資產：BTC、EOS、USDT、ONE、ETH
- BigOne 提供交易對：ONE-USDT、ONE-EOS、ONE-BTC、EOS-BTC、EOS-USDT、BTC-USDT、ETH-USDT、ETH-BTC、ONE-ETH
尋找交易路徑的方法，我們已經在 進一步完善自動化交易系統 - 02 中介紹過了，利用該方法在不增加工作量的情況下，我們增加了四個三角套利的模型。
第1個：通過 ONE、USDT、ETH 套利
- 以先買入後賣出的方式構造套利路徑：
價格表
- 以先賣出後買入的方式構造套利路徑：
價格表
第2個：通過 ONE、ETH、EOS 套利
- 以先買入後賣出的方式構造套利路徑：
價格表
- 以先賣出後買入的方式構造套利路徑：
價格表
第3個：通過 ETH、USDT、BTC 套利
- 以先買入後賣出的方式構造套利路徑：
價格表
- 以先賣出後買入的方式構造套利路徑：
價格表
第4個：通過 ONE、BTC、ETH 套利
- 以先買入後賣出的方式構造套利路徑：
價格表
- 以先賣出後買入的方式構造套利路徑：
價格表
以上四個模型盈利條件相同
- 先買入後賣出的方式滿足的盈利條件：
(Q2 × Q3 × 0.999^3) ÷ Q1 > 1.0
- 先賣出後買入的方式滿足的盈利條件：
(P1 × 0.999^3) ÷ (P2 × P3) > 1.0
總結
我目前是 VIP1 每天可以獲得 10個貢獻值。不知道增加 4個三角套利模型之後能否在微盈利的情況下提升 VIP等級。當然，幣圈的交易所，不像深圳和上海的證券交易所有國家的監管，所以投入的資金量也不會超過自己總資金量的10%，我只把做這個自動化交易系統作為精進自己技能的手段。如果大家感興趣，我們可以一起來藉助一些新的機器學習的方法來尋找套利的模式，一起來玩。
最近非常忙，保定局的項目、滄州局的項目都在加班趕工，空餘的時間需要教小孩學習 Python，只要累不死就往死裡幹，嗚嗚~~~！今天就這樣吧！See You！
相關圖文：
- 資料分享：數學建模資料分享 -- 圖論部分
- 資料分享：數學建模資料分享 -- 神經網絡部分
- 如何利用 C# 實現 K 最鄰近算法？
- 如何利用 C# 實現 K-D Tree 結構？
- 如何利用 C# + KDTree 實現 K 最鄰近算法？
- 如何利用 C# 對神經網絡模型進行抽象？
- 如何利用 C# 實現神經網絡的感知器模型？
- 如何利用 C# 實現 Delta 學習規則？
- 如何利用 C# 實現 誤差反向傳播 學習規則？
- 如何利用 C# 爬取帶 Token 驗證的網站數據？
- 如何利用 C# 向 Access 數據庫插入大量數據？
- 如何利用 C# + Python 破解貓眼電影的反爬蟲機制？
經過8年多的發展，LSGO軟件技術團隊在「地理信息系統」、「數據統計分析」、「計算機視覺」等領域積累了豐富的研發經驗，也建立了人才培養的完備體系，由於自己準備在「量化交易」領域精進技能，如果大家對這個領域感興趣可以與我聯繫，加入我們的量化學習群一起學習探討。
在這個領域我已做了以下積累：
策略部分：
- 數字貨幣 One 的投資價值分析
- 數字資產量化中的跨市場套利策略
- 數字資產量化中的同市場套利策略
- 數字資產量化中的網格交易法
- 我們能否效仿李笑來的投資策略？
- 賺錢是剛需，如何正確的交易股票？
數據部分：
- 如何利用 C# 爬取 One 的交易數據？
- 如何利用 C# 爬取 One 持有者返利數據？
- 如何利用 C# 爬取BigOne交易所的公告？
- 如何利用 C# 爬取Gate.io交易所的公告？
- 如何利用 C# 爬取「財報說」中的股票數據？
自動化交易部分：
- 封裝BigOne API：身份驗證
- 封裝BigOne API：獲取賬戶資產
- 封裝BigOne API：訂單系統
- 封裝BigOne API：網格交易法
- 封裝BigOne API：代碼的重構
- 進一步完善自動化交易系統01
- 進一步完善自動化交易系統02
- 如何開發「股票數據分析軟件」（上）
- 如何開發「股票數據分析軟件」（中）
- 如何開發「股票數據分析軟件」（下）
- 進一步完善「股票數據分析軟件」 - 01
後臺回覆「搜搜搜」，隨機獲取電子資源！
歡迎關注，請掃描二維碼：
