手把手教你实现数字货币期现套利
数量技术宅团队在CSDN学院推出了量化投资系列课程
欢迎有兴趣系统学习量化投资的同学，点击下方链接报名：
量化投资速成营（入门课程）
Python股票量化投资
Python期货量化投资
Python数字货币量化投资
C++语言CTP期货交易系统开发
数字货币JavaScript语言量化交易系统开发
3个月9%+的无风险收益，不香吗
我们曾在公众号的文章，为大家分享过通过期现套利赚取数字货币无风险收益的交易原理，以及手工交易的操作步骤，详见我们的历史文章：
而就在今天，随着比特币突破60000美元大关，继续创下历史新高。数字货币合约市场的做多情绪，也被进一步点燃，直观的表现在合约涨幅大于现货涨幅，并且越是远离交割月份的合约，涨幅越大。
合约暴涨，同时带来了期货（合约）相对于现货溢价率的上升，我们通过上一篇文章知道，由于现金交割机制的存在，合约的价格在交割日必定会收敛到现货的价格，也就是说，当前合约相对于现货的溢价率，在合约到期交割时必定将收敛到0，我们通过做多现货、做空合约，就可以稳稳地拿到这部分溢价。
我们再用上一篇文章分享给大家的套利收益率监控程序，来计算一下，各个主流合约的当季、次季合约，目前的溢价率，也就是我们能够拿到的无风险收益率。
我们以ETH的现货、当季合约为例，还剩3个月当季交割合约，期现价差的无风险收益率超过9%！ 而DOT的次季合约，收益率接近15%！有这样的无风险利润，实在是很夸张了！
动手！手工交易的步骤，及潜在的问题
面对这样送上门的无风险收益，我们要做的当然时动手笑纳它。 单边虽好，看错风险也大；期现套利，3个月到期赚9%，稳稳的幸福。可能有些小伙伴迫不及待了。
我们再来讲一下手工交易会遇到的潜在问题，大家在交易的过程中需要注意
第一，从现货成交，到合约对冲，中间需要经过币币到合约的划转，以及合约交易价格、交易量的选择并下单，这个过程中，行情有可能发生剧烈波动，导致合约空头还未成交的情况下，裸露的现货多头头寸发生损失。
第二，如果交易的资金量较大，一次性的下单会造成对市场的冲击，造成额外的建仓成本
第三，手工交易一般只能盯住一到两个币种进行下单，有可能手工下单的币种，不是预期收益最大的币种
第四，在交易过程中由于人为原因，不慎单子方向下反，数量填错，而没有及时发现，会使得本身无风险套利的头寸裸露敞口，受到单方向波动的影响
第五，人工交易平仓需要实时盯盘，如果价差在凌晨收敛，有短暂出场的机会，可能难以捕捉
实现全自动期现套利
由于人工交易会存在着上述问题，那么我们是否可以通过全自动化交易，来最大程度上规避上述问题？答案是肯定的。我们通过接入火币API，使用Python开发了期现套利的自动交易程序，包括四个组成部分：套利机会监控、套利交易建仓、套利持仓平仓、套利持仓的合约移仓。
1.我们通过监控程序，遍历所有挂牌合约的潜在套利组合，计算套利收益率，选择绝对收益、或是年化收益最高的组合进行下单。从下图的交易可以看出，我们在下单过程中，会根据套利收益率的排序，自动切换品种，选择收益率最高的币种进行下单。
2.拆单，降低大资金交易成本。我们对于合约、现货的下单，都会使用拆单算法，分批下单，具体拆分量、单次下单比例可根据参数调整。以下是我们按照10手拆分的单量，对ETH合约进行下单对冲的交易例子。
3.自动计算交易量，做到期现无敞口对冲。我们在执行完整个期现套利的建仓程序后，来看ETH资产栏中的预估强平价以及担保资产率，此时ETH合约的强平价格是1587万多，相对于2000左右的现价，需要涨1000倍左右，显然是一个极其安全的状态。
4.快速划转和对冲。我们在前文中提到，从现货成交，到合约对冲，中间需要经过币币到合约的划转，以及合约交易价格、交易量的选择并下单。手工完成这些步骤，需要一定的时间。通过程序的全自动执行，我们可以在秒级别完成资金划转、合约精确手数的下单对冲，现货下单后的合约头寸都在2秒以内完成，避免行情快速波动对账户的影响。
5.合约到期移仓、平仓。目前的数字货币合约市场，处于远期合约依次高于近期合约的升水市场，这意味着当我们持有对冲的合约临近到期，我们可以将对冲合约头寸继续移仓到更远的月份，继续获取远月溢价的新的无风险收益。我们的移仓程序，同样采用拆单，加marker taker的移仓方式，即近月marker单等待成交，远月taker单覆盖敞口，由于数字货币合约marker 交易手续费低于taker，此举能进一步降低移仓成本。
对于平仓，由于目前远期合约持续升水，我们可以持续获取溢价利润，平仓操作暂时用不到。如果未来数字货币市场转向，合约出现低于现货的情况，我们就可以通过平仓程序，来锁定期现套利的利润，而不需再等待到交割。
分享资料领取方式
如果大家对本次分享自动交易代码感兴趣，欢迎扫码添加小编微信领取，相信正在研究或者想要编写策略的你，看了这些分享，会有更多的收获和启发。
本期代码同步放送在数量技术宅知识星球：量化学院
欢迎加入数量技术宅知识星球：量化学院，知识星球每日更新，内有更多量化干货，等着你来学习。星球学院=公众号全策略+星球独家量化干货+答疑+日更。欢迎订阅量化学院，用一年的时间，做一件让自己感动的事。（下图为部分量化学院更新内容）
往期干货分享推荐阅读
分享一个年化15%以上的无风险套利机会
【数量技术宅|交易系统开发系列分享】网格交易系统开发
通过深度学习股价截面数据分析和预测股票价格
剖析一个数字货币高频策略
数字货币交易信号实时预警推送（含群聊）
Omega System Trading and Development Club内部分享策略Easylanguage源码
量化交易如何选择云服务器，如何在本地远程开发与调试云服务器程序
一个真实数据集的完整机器学习解决方案（下）
一个真实数据集的完整机器学习解决方案（上）
如何使用交易开拓者（TB）开发数字货币策略
股指期货高频数据机器学习预测
如何使用TradingView（TV）回测数字货币交易策略
如何投资股票型基金？什么时间买？买什么？
【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略
AMA指标原作者Perry Kaufman 100+套交易策略源码分享
【 数量技术宅 | 期权系列分享】期权策略的“独孤九剑”
如何获取免费的数字货币历史数据
【数量技术宅|金融数据分析系列分享】套利策略的价差序列计算，恐怕没有你想的那么简单
【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略
【数量技术宅|量化投资策略系列分享】多周期共振交易策略
【数量技术宅|金融数据分析系列分享】为什么中证500（IC）是最适合长期做多的指数
大宗商品现货数据不好拿？商品季节性难跟踪？技术宅带你Python爬虫一键解决没烦恼
【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品
【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略
【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫