¿ES BITCOIN UN JUEGO UTILIZADO EN NASDAQ? Investigación econométrica con Python | de Lachezar Haralampiev, MSc | enero, 2023
Investigar la relación entre Bitcoin y el Nasdaq 100, específicamente correlación, regresión y cointegración.
¡Hola queridos lectores!
Gracias por ser parte de mi comunidad, los últimos días recordé una frase que encontré en algún lugar del verano de 2022, especialmente que Bitcoin es una jugada influyente en el Nasdaq. Entonces, ¿por qué no explorar la idea e investigar un poco sobre el tema? ?
TCuando pienso en este trabajo, lo primero que me viene a la mente es el tiempo. Específicamente, me gustaría comparar manzanas con manzanas. En el caso de esta revisión, eso significa que debo asegurarme de comparar los precios de Nasdaq y Bitcoin durante el horario de apertura del mercado de EE. UU. Entonces, la primera y más importante parte es recopilar datos intradía con una frecuencia de 1 minuto de 9:30 a. m. a 4:00 p. m. EST.
Una vez que se recopilan los datos, podemos pasar a la investigación en sí, específicamente examinaré la correlación y la regresión de los rendimientos. Si Bitcoin es realmente un juego apalancado en el Nasdaq, ¡esperaría un coeficiente significativo de la regresión OLS y un coeficiente superior a 1!
He preparado los datos para este proyecto y puedes descargarlos desde el siguiente enlace. Para Nasdaq uso QQQ ETF como proxy y para Bitcoin uso BTCUSD.
- Descargue datos y edite las marcas de tiempo de Bitcoin a través de la combinación.
- Agrega datos a un nivel diario.
- Calcule las devoluciones de registro tanto para Bitcoin como para Nasdaq.
- Realizar análisis de correlación y regresión.
⚠️ Chicos, si quieren tener un tutorial detallado, personalizado y en profundidad sobre la estrategia de sentimiento de Twitter con Python, pueden ver mi video a continuación. ⚠️
Descarguemos los paquetes necesarios para todo el proyecto.
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.api as sm
plt.style.use('ggplot')data_folder = 'E:/data_folder'
1. Descarga de datos de precios de 1 minuto de Nasdaq y Bitcoin.
qqq_df = pd.read_csv(os.path.join(data_folder, 'qqq_1min_data.csv'))btc_df = pd.read_csv(os.path.join(data_folder, 'btc_1min_data.csv'))
btc_df
2. Filtre el marco de datos de Bitcoin para que coincida con la sesión de negociación intradía de EE. UU. y el horario de lunes a viernes.
btc_df = qqq_df[[]].merge(btc_df, right_index=True, left_index=True)btc_df
En este paso, hacemos una unión interna usando un índice qqq_df y btc_df dejando así solo las filas donde los índices coinciden exactamente. Sin embargo, para tal enfoque, debemos asegurarnos de que ambos marcos de datos tengan exactamente la misma zona horaria; en este caso, me aseguré de que ambos índices estuvieran en la zona horaria UTC al preparar los datos.
⚠️??¡MIS NOTICIAS DE INVESTIGACIÓN DE STOCK GRATIS! ??⚠️
3. Únase a ambos DataFrames como Diario.
qqq_daily = qqq_df.groupby(pd.Grouper(freq='1D'))\
.agg({'open':'first',
'low':'min',
'high':'max',
'close':'last',
'volume':'sum'}).dropna()btc_daily = qqq_df[[]].merge(btc_df,
right_index=True,
left_index=True)\
.groupby(pd.Grouper(freq='1D'))\
.agg({'open':'first',
'low':'min',
'high':'max',
'close':'last',
'volume':'sum'}).dropna()
En este paso, sumamos los precios a nivel diario, utilizando el primer precio para la apertura, el primer precio del día, el precio mínimo del día, el precio máximo para el máximo, el último precio para y para . el volumen es la suma del volumen del día.
4. Visualice la correlación móvil de 30 días entre Nasdaq y Bitcoin.
(qqq_daily['close'].rolling(30).corr(btc_daily['close'])).plot(figsize=(16,4))plt.title('30-Day Rolling Correlation Just Gone Back Into Positive Territory', fontsize=20)
plt.ylabel('Correlation Coefficient')
plt.show()
Podemos concluir que la correlación entre Bitcoin y Nasdaq se ha vuelto negativa en los últimos 2 meses, pero ahora está nuevamente en territorio positivo. Que podría ser una señal
5. Calcule los rendimientos logarítmicos y ajuste un modelo de mínimos cuadrados ordinarios, luego analice el coeficiente y la varianza explicados por R-Square.
Y = ((np.log(btc_daily['close'])-np.log(btc_daily['close'].shift(1)))).rename('btc_log_ret')[1:]X = ((np.log(qqq_daily['close'])-np.log(qqq_daily['close'].shift(1)))).rename('nasdaq_log_ret')[1:]
X = sm.add_constant(X)
results = sm.OLS(Y,X).fit()
results.summary()
Según los resultados de nuestro modelo OLS, podemos concluir que, de hecho, existe una correlación significativa entre los rendimientos de Nasdaq y Bitcoin durante el horario de mercado abierto de EE. UU. La estadística t es 11,65, que está muy por encima del 1 % de importancia, además el coeficiente es 1,17, lo que significa que se espera que un movimiento del 1 % en Nasdaq genere un 1,17 % en Bitcoin. Además, el R-cuadrado muestra que los rendimientos de Nasdaq explican el 35,3% de la variación en los rendimientos de Bitcoin.
6. Agregue una variable de control ficticia para un bloqueo de FTX en el próximo mes para capturar los efectos residuales de un bloqueo potencial.
start_date = pd.to_datetime('2022-11-11')end_date = start_date+pd.DateOffset(30)
index = pd.date_range(start_date, end_date)
ftx_crash_dummy = pd.Series(1, index=index, name='ftx_crash_dummy')
X = X.merge(ftx_crash_dummy, left_index=True, right_index=True, how='left').replace(np.nan, 0)
results = sm.OLS(Y,X).fit()
results.summary()
Podemos ver que la caída de FTX no tuvo efecto en la correlación entre Nasdaq y Bitcoin, lo que nuevamente confirma la tesis de que Bitcoin se usa en Nasdaq.
En este artículo, investigamos si Bitcoin es una jugada usada en el Nasdaq y confirmamos que efectivamente lo es, especialmente durante el período que hemos estado estudiando durante el último año. ¡Y podemos concluir que SÍ Bitcoin es una jugada en Nasdaq!
Tenga en cuenta que el estudio solo se centra en los datos durante la apertura del mercado de EE. UU., ¡así que de 9:30 am a 4:00 pm EST!
¡Espero que este artículo haya sido útil! Avíseme si tiene alguna pregunta o desea obtener más información sobre cualquiera de los temas tratados.
¿Qué opinas sobre el comercio algorítmico?
¿Actualmente está operando usando bots o pensando en ello o investigándolo?
Me encantaría escuchar sus pensamientos y experiencias en los comentarios a continuación.
