مارکت‌میکر کریپتو

زیرساخت داده و الگوریتم بازارسازی در بازار رمزارز، در مسیر یک میز بازارسازی خودکار.

در حال توسعه
  • Rust
  • C#
  • رمزارز
  • بازارسازی
  • زیرساخت داده
  • یادگیری ماشین
  • گستره ۲۲ رمزارز، ۱۶ صرافی

    بازارهای نقدی و آتی، در سطح تک‌تک معامله‌ها و سفارش‌ها.

  • دامنه‌ی کار ۶۰ ترابایت

    داده‌ی خام یک سال کامل برای هر رمزارز.

  • درستی داده ۳۷۶ میلیون معامله

    در یک نمونه‌ی یک‌ماهه از ۱۲۶ بازار از نو ساخته شد، بدون هیچ اختلافی با منبع.

  • فناوری ۲ زبان، ۲ نقش
    Rustگردآوری، ذخیره‌سازی و هسته
    C#نمودار

معرفی

بازار رمزارز هرگز تعطیل نمی‌شود و در یک جا هم نیست. هر رمزارز هم‌زمان در ده‌ها صرافی معامله می‌شود و در هر کدام، کسی باید همیشه آماده‌ی خرید و فروش باشد. این طرفِ همیشه‌حاضر بازارساز است: اندکی ارزان‌تر می‌خرد، اندکی گران‌تر می‌فروشد و نیازی ندارد جهت قیمت را بداند. خطرش این است که درست پیش از یک حرکت بزرگ، در سمت نادرست معامله کرده باشد؛ و در بازاری که میان چند صرافی پخش است، آن حرکت اغلب از جای دیگری آغاز می‌شود.

ما پیش از نوشتن الگوریتم، کل این بازار را ثبت کرده‌ایم و ثبت می‌کنیم.

پروژه‌ی مارکت‌میکر کریپتو بازار ۲۲ رمزارز پرمعامله را در ۱۶ صرافی جهانی، در سطح تک‌تک معامله‌ها و سفارش‌ها، گرد می‌آورد. دامنه‌ی کار یک سال کامل برای هر رمزارز است، یعنی ۶۰ ترابایت داده‌ی خام. مقصد ما یک میز بازارسازی خودکار است که سرمایه را با الگوریتمی اداره می‌کند که روی همین تاریخچه آموخته و آزموده شده است.

از داخل پلتفرم

این‌ها تصویرهای واقعی از پلتفرم پروژه‌اند، نه طرح. هر سه نما یک بازار را نشان می‌دهند: قرارداد دائمی BTCUSDT در بایننس، ۲۹ روز از سپتامبر ۲۰۲۶، با کندل‌های ۱۵ دقیقه‌ای که از معاملات بایگانی‌شده ساخته شده‌اند. برای بزرگ‌تر دیدن، روی تصویر بزنید.

BTCUSDT · binance perpetual · M15 · Bar-Band
کندل‌های ۱۵ دقیقه‌ای BTCUSDT با نوار دور هر کندل کندل‌های ۱۵ دقیقه‌ای BTCUSDT با پنل حجم و پنل کندل‌های دلتا نمودار خطی قیمت BTCUSDT با پنل دلتای تجمعی

کندل‌های ۱۵ دقیقه‌ای در نمای Bar-Band: هر کندل همراه با نوار سایه‌دار دور آن.

همان کندل‌ها، و زیر آن دو پنل: حجم هر کندل و کندل‌های دلتا (Δ candles).

قیمت به شکل خط، و زیر آن دلتای تجمعی به شکل کندل (Cum Δ bars).

رویکرد

نخست بازار را کامل و درست ثبت می‌کنیم، سپس آن را از نو می‌سازیم، و الگوریتم را در بازسازی همان بازار می‌آموزیم و می‌سنجیم. کار در سه مرحله پیش می‌رود:

  1. از بازار به بایگانی

    یک خط خودکار، داده‌ی بازارهای نقدی و آتی هر ۱۶ صرافی را روز به روز دریافت، فشرده، راستی‌آزمایی و ذخیره می‌کند. حاصل، بایگانی یکدستی است که هر فایل آن با منبع سنجیده شده است. این مرحله ساخته شده و شبانه‌روز در حال کار است.

  2. از بایگانی به تصویر کامل بازار

    پلتفرم ما هر روزِ بازار را همان‌گونه که رخ داده از نو می‌سازد و روی نمودار نشان می‌دهد. بخش معاملات آن ساخته و آزموده شده است. بازسازی دفتر سفارش، یعنی فهرست سفارش‌های منتظر در هر لحظه، گام بعدی خواهد بود.

  3. از تصویر بازار به الگوریتم و اجرای آزموده

    الگوریتم بازارسازی با یادگیری ماشین و تحلیل آماری از همین داده خواهد آموخت که سفارش کجا گذاشته شود، از کدام معامله پرهیز شود و چه زمانی باید کنار کشید. آزمون آن در یک شبیه‌ساز اجرا انجام خواهد شد که رفتار خودِ صرافی را بازسازی می‌کند. معیار داوری، نتیجه‌ی مالی خالص پس از کسر همه‌ی هزینه‌ها خواهد بود.

در کنار بازارسازی، معامله‌ی کوتاه‌مدت: الگوریتم دومی که با حرکت‌های کوتاهِ قیمت همراه می‌شود روی همین زیرساخت و همین شبیه‌ساز ساخته خواهد شد. هر دو به یک دانش تکیه دارند: تشخیص اینکه کدام حرکت ادامه می‌یابد. بازارساز با این دانش کنار می‌کشد و معامله‌گر کوتاه‌مدت با آن وارد می‌شود.

آنچه برجسته است

  • خطی که بدون ناظر کار می‌کند.

    گردآوری ده‌ها ترابایت داده از ۱۶ منبع، اگر به مراقبت انسان وابسته باشد، با اولین قطعی شبانه متوقف می‌شود. خط ما از قطعی شبکه، خطای منبع و پرشدن دیسک خودش برمی‌گردد و فقط چیزی را کنار می‌گذارد که خودبه‌خود درست نمی‌شود. این رفتار در برابر بیش از ۵۰ سناریوی خرابی آزموده شده است.

  • داده‌ای که درستی‌اش اثبات شده است.

    الگوریتمی که روی داده‌ی ناقص آموخته باشد، خطای داده را به‌جای الگوی بازار یاد می‌گیرد. هر فایل ما پیش از ذخیره با سه سنجش مستقل با منبع مقایسه می‌شود؛ در یک نمونه‌ی یک‌ماهه، ۳۷۶ میلیون معامله از ۱۲۶ بازار از نو ساخته شد و هیچ اختلافی با منبع نداشت. هر جا خودِ منبع کسری دارد، با نام ثبت و پیگیری می‌شود و پنهان نمی‌ماند.

  • کمتر از نصف حجم، بدون ازدست‌رفتن یک رقم.

    نگهداری و جابه‌جایی ده‌ها ترابایت داده هزینه‌ی پیوسته دارد. قالب ذخیره‌سازی ما همان داده را در کمتر از نصف حجمِ فشرده‌ی منبع نگه می‌دارد و فایل اصلی بایت به بایت از آن بازمی‌گردد. هزینه‌ی ذخیره و زمان انتقال به همین نسبت کم می‌شود.

  • تصویر کل بازار، نه یک صرافی و نه یک رمزارز.

    قیمت در یک صرافی ساخته نمی‌شود و بازارسازی که فقط صرافی خودش را می‌بیند، حرکت را زمانی می‌فهمد که به او رسیده است. ما هر ۱۶ صرافی را با یک قالب و یک ساعت کنار هم داریم. الگوریتم می‌تواند از رابطه‌ی میان بازارها بیاموزد، نه فقط از یکی.

  • بازسازی‌ای که آینده را نمی‌داند.

    بسیاری از آزمون‌ها ناخواسته از خبری استفاده می‌کنند که در آن لحظه هنوز نرسیده بود. برای هر معامله دو زمان ثبت شده است: لحظه‌ی وقوع در صرافی و لحظه‌ی رسیدن خبر. پلتفرم در هر لحظه فقط همان را نشان می‌دهد که آن روز دیدنی بود، و خروجی آن با هر تعداد پردازنده یکسان است.

  • شبیه‌سازی که نتیجه‌اش در اجرا هم برقرار بماند.

    بسیاری از راهبردها روی کاغذ سودآورند و در عمل نه، چون آزمونشان فرض می‌کند سفارش بی‌درنگ و با قیمت تابلو انجام می‌شود. در شبیه‌ساز ما سفارش با تأخیر به صرافی خواهد رسید، در صف نوبت خواهد گرفت و تکه‌تکه پر خواهد شد یا پشت صف خواهد ماند. الگوریتم در طیفی از سرعت و کارمزد آزموده خواهد شد تا پیش از هر تعهد مالی روشن باشد طرح در کدام شرایط توجیه دارد.

مسیر پیش رو

  1. انجام‌شده

    خط خودکار گردآوری، قالب ذخیره‌سازی، پنل دریافت داده و بخش معاملات پلتفرم ساخته و روی داده‌ی واقعی آزموده شده‌اند.

  2. امروز

    امروز خط گردآوری رمزارزها را یکی پس از دیگری می‌گیرد و ما بخش‌های بعدی پلتفرم را می‌سازیم.

  3. پس از آن

    پس از آن بازسازی دفتر سفارش، شبیه‌ساز اجرا، و ساخت و آزمون الگوریتم بازارسازی و سپس الگوریتم معامله‌ی کوتاه‌مدت خواهد آمد.

  4. گام پایانی

    گام پایانی، اتصال به داده‌ی زنده، دوره‌ای آزمایشی با سرمایه‌ی محدود و بازارسازی با سرمایه‌ی واقعی روی سروری در مجاورت موتور صرافی است.

فناوری

خط گردآوری، قالب ذخیره‌سازی و هسته‌ی پلتفرم با راست و نمودار با سی‌شارپ نوشته شده است. پردازش موازی است: ۳۷۶ میلیون معامله‌ی یک ماه در کمتر از سه دقیقه ساخته و خودآزمایی می‌شود. هیچ نسخه‌ای منتشر نمی‌شود مگر پس از یک اجرای کامل و بی‌خطا از ابتدا تا انتها.