更多精彩內容，歡迎關注公眾號：數量技術宅。想要獲取本期分享的完整策略程式碼，請加技術宅微信：sljsz01
不看廣告看療效，首先我們來看一下我們策略的測試結果，其中，by people numbers是跟隨倉位使用者數，by holding volumes是跟隨倉位持倉數。結果上看都是不錯的。
從收益曲線的角度可以看出，跟隨成熟交易者的倉位進行操作，仍然不失為是一種不錯的間接策略。畢竟如果能夠“站在巨人的肩膀上”，直接從他們的持倉中取得“玄機”，也是一種跟隨性質的策略。
如何跟蹤持倉指標？先清洗資料
持倉資料來源於網際網路，但是美中不足的是，獲取的資料是圖片形式發放，於是我們使用ocr軟體進行識別，識別的效果整體不錯，資料是準確的，但是漢字識別不盡如人意，這對我們後續資料的處理非常不利。
因此我們在進行策略跟蹤之前，必須要先進行資料清洗，把混亂的品種名稱歸一化，以便我們後續對於資料進行測試。
資料整形，指標跟蹤的前提
我們清洗資料之後，各個資料格式基本上做到了均一化。我們要將零碎的資料整合起來，形成一個大表。
同時，我們的另一個大表各個品種的市場當日漲跌幅也讀取進來，我們的目的是讓兩張表合併，方便我們進行指標間計算。
這個計算的結果和處理完畢之後的大表成為了最終測試的前奏。
重要！資料必須是交易日期的前一天
交易中，我們獲取持倉資料的時間往往是在收盤之後，許多策略測試效果很好，而實盤滑鐵盧的原因是因為測試中有了“未來”，現實中交易是不可能預知“未來”的。因此我們測試嚴格檢查測試中的時間對應情況，使用交易日前一天的持倉資料匹配交易日，排除了測試中的“未來”因素，測試結果更可靠，更可信。
一目瞭然，資料視覺化
最後，我們需要把回測的結果進行視覺化，視覺化結果已經展示在文章開頭，資料視覺化實現使用了matpoltlib包，整體策略的收益率情況一目瞭然。
並未終結，後續策略的強化之路
我們的測試是以構建整體組合的方式來呈現，同時各個品種之間的配比是等權的。大家知道，如果對某些表現較好的品種進行提權，對某些表現較差的品種進行降權，甚至剔除，可以提高整個策略組合的表現。同時，也歡迎讀者朋友們聯絡我們，和我們交流，獲取程式碼後也可以繼續改進。
如果你對於自動獲取數字貨幣歷史資料的Python程式碼感興趣，歡迎新增技術宅微信：sljsz01，與我交流
往期乾貨分享推薦閱讀
【數量技術宅|金融資料分析系列分享】為什麼中證500（IC）是最適合長期做多的指數
商品現貨資料不好拿？商品季節性難跟蹤？一鍵解決沒煩惱的Python爬蟲分享
【數量技術宅|金融資料分析系列分享】如何正確抄底商品期貨、大宗商品