有关数字货币量化投资行业的文章

来源| HashKey Hub社区

近年来，使用定量投资方法投资数字货币市场是一种常见的模式。数字货币市场波动大，7 * 24小时连续交易，许多价格偏差机会以及市场对交易的需求。它是进行定量交易的天然土壤。许多传统的量化机构已经进入市场，但是受数字货币市场的特征，规模和相应基础设施的限制，具有相对较强的利润可持续性的量化策略的规模仍然很小。

本文比较了所有类的量化投资策略，并将其分为主动和被动类。在活跃类中，趋势策略和波动率策略是两种主要策略。

大多数策略都可以应用于数字货币市场，并且数字货币市场也有其自己独特的套利方法。被动管理和指数增强在传统市场中逐渐兴起，数字货币交易可以从其思想中学到东西。此外，我们简要分类了数字货币量化投资面临的风险和成熟的量化策略所需的风险控制措施，并列出了量化交易平台所需的基础设施和必要的模块。

此外，评估量化团队的实力需要从许多方面入手。战略级别通常是高度机密的。可以从团队背景，结构，风险控制和合规性以及各种指标方面对它进行动态审查。

数字货币量化投资的基础设施尚不完善，纯技术/平台提供商有望获得更好的风险收益率。由于衍生品的持续成熟，市场价值的提高，传统量化团队的涌入以及持续的高波动性，预计数字货币量化投资的前景会更好。

定量投资和数字货币市场投资概述

1.1量化投资的兴起

定量投资的兴起与数学金融的发展密不可分。 1950年代美国经济学家Markowitz建立的均方差模可以说是量化投资的开始。然后在1960年代，包括威廉·夏普（William Sharpe）在内的四人投资于现代基于组合理论（MPT）的资本市场定价模（CAPM），成为衡量财务风险和收益的基本模。另一个值得注意的方向是Fama等人在1960年代提出的有效市场假说，其影响一直持续到今天。此外，Fama和French在1990年代还开发了三因素模，这成为后来的因素分析模的开始。

随着衍生产品的不断发展，在1970年代，美国经济学家布莱克和斯科尔斯建立了期权定价模（BSM模），该模迅速应用于金融市场，以帮助金融衍生产品的快速发展，从而促进了金融业的发展。数学理论向前迈出了一大步。

在1980年代，提出了“金融工程”的概念，形成了一种新的学科形式，并开始广泛地吸收和研究相关成果。 1990年代最重要的发展是金融风险管理的方向。 VaR风险管理模已被广泛使用，并且已被世界各地的金融机构广泛使用。它是最重要的风险衡量矩阵之一。

中国量化投资的历史不长，仅发展了约十年的时间，这与海外量化人才的回流和衍生品市场的启动有关。在过去的十年中，被动投资也与定量基金一起发展。最初，被动投资并不算作量化类别，但是ETF产品的出现需要进行量化，尤其是近年来出现的指数增强或Smart Beta产品。它基于原始指标分解各种影响因素。 ，以及资产的重新分配，需要强大的量化平台支持。

定量投资已成为美国市场上不容忽视的力量。 2018年，量化对冲基金占所有对冲基金的1/3但是，中国公共基金中只有约1％是量化基金，部分股票基金中约有5％是量化类。这也与公共资金的投资限制密切相关。在私募股权行业中，定量私募基金的比例已达到20％，其中股票中立性（31％），CTA趋势（29％）和股票多头和空头（18％）是三种使用最多的类定量策略。

1.2数字货币市场适合定量投资策略

数字货币市场的特征非常适合使用量化策略，因为：

数字货币本身比传统的金融市场产品具有更大的波动性，并且适用于出售波动性的各种定量投资策略。

市场开发相对较早，产品还很初级。例如，期货和期权产品流动性低，定价效力差。错误定价的机会很多。定量投资可以很好地抓住价格偏差的机会。

交易时间长，7 * 24小时的交易不适合人工打标和交易，但更有利于利用量化系统在打标，预警和把握交易机会。

该交易所也有做市需求。数字货币交易对很多，流动性很难匹配。大多数交易所都具有流动性要求，并且它们也使做市商成为交易所生态系统的重要角色。这也是大多数定量团队生存的手段。之一。

基于上述原因，大量具有传统财务优势的量化团队涌入了数字货币市场，带来了成熟的交易概念和系统，并探索了交易机会。可以说，量化交易策略的存在加速了数字货币市场的成熟。

量化策略分类和数字货币市场应用

定量投资也分为主动和被动类。主动追求绝对回报。通过假设各种风险因素，它追求一种可以在任何市场条件下获得超额稳定回报的结构。大多数数字货币的定量投资策略都是基于主动投资。主要是。

被动投资量化策略主要是追求各种指标的相似收益。它要承担广泛市场的系统性风险，还要承担各种类的行业或样式风险，以获得配置回报。近年来，增加了因子分析的指数增强量化策略获得了青睐。这样，交易者可以增加某种风险的敞口，以获得除指数以外的回报。

但是，由于缺乏行业认可指数，数字货币的被动量化投资非常少见，因此也是未来的潜在方向。

2.1主动量化概述

主动量化投资策略基本上分为两种：趋势和波动。因为无论是传统的金融市场还是数字货币市场，市场趋势都可以分为两种类，一种是趋势市场，另一种是波动性市场。其余趋势可以看作是这两种趋势的叠加。量化策略的重要性在于抓住趋势城市中的单边机会，并在动荡的城市中找到不合理的定价机会。

无论采用哪种策略，重要的是要判断它是趋势市场还是波动市场。根据过去几年的统计数据，量化对冲基金在牛市中的表现要比多头基金或多头空头基金的表现差，而在动荡或熊市中，后两者的表现要好于后者。原因是在不同的市场条件下，各种类的收入贡献的比例差异很大，因此这是第一个判断市场条件的方法。

除了考虑趋势和波动性之外，在交易级别，还需要考虑影响成本。定量交易，尤其是高频量化，交易量很大。持续交易对市场本身有影响，也将改变盈利结构。它甚至将直接影响获利能力而成为亏损。订单分析和订单拆除也很重要。算法交易在这方面具有很大的优势，我们将在后面介绍。

2.2主动量化策略

2.2.1趋势策略

趋势判断主要是确定当前的市场类，是上升还是下降，以及哪种目标更适合此类市场。如果判断错误，则风险很高，但是相应的判断也非常有利可图。

定量拣货（货币）

定量计时

定量拣货（货币）

定量股票选择或货币选择是构建一系列目标（多头和空头）组合，无论是股票还是硬币。定量股票选择（货币）有很多类，使用最广泛的是多因素模，其基本原理是分解可能构成主题上升和下降的因素，这也可以说进行因素分析。

也就是说，在构建投资组合时，它不是按主题本身分类（例如，一个行业分配了多少权重），而是按因子，以及对某种类的因子赋予了多少权重。当然，股票和数字货币也有所不同，股票会有更多因素，因为涉及许多基本因素，数字货币的情绪（例如Twitter讨论）或事件驱动的类（减半，重大升级，合作）因素更多，但是关键是找到合适的因素来进行仿真和回测。

容易犯的错误，例如，分配看似重要但实际上并不重要的因素来分配过多的权重，这增加了风险，因此需要测试这些因素的有效性。

股票的常见因素包括：估值，增长（例如净利润的增长率），资本结构（例如外资所有权）和动量。周转率，资金流入，行业轮换等

数字货币的共同因素包括：市场价值，交易量，动量，社交平台（讨论次数，关注量），特殊事件（升级，Coinbase上市等），宏观流动性等。

可以看出，基本投资实际上类似于定量投资。使用定量方法进行基本投资也是一些A股基金经理首选的策略。只要基于数据，就算基础本身也可以计算在内。定量的。其他一些定量选股模包括风格轮换，行业轮换，资本流动等模，有些也可以统一为多因素模，在此不再赘述。

定量计时

定量计时是一种估计趋势的方法。实际上，它也可以算作因素分析。它使用市场方向判断作为主要利润来源，但风险也更大。

定量时机来自相对简单的技术分析手段（例如移动平均线，定量能源等）分析，通常分为趋势时机指标，市场情绪时机指标，多头和空头线指标，市场异常指标，以及一些根据特殊情况而定的指标。指标调整方法（时变夏普比，分形方法等）。

2.2.2波动率策略

波动性策略是尝试不承担系统性风险，无论系统处于上升，下降还是波动性，都希望排除系统风险。例如，著名的Alpha策略是通过衍生产品对冲系统风险beta，而剩下的仅仅是个人股票，债券和货币的回报。波动性策略仍然无法在牛市中跑赢长期基金，而熊市和波动性市场则可以获得超额收益，这是一种长期而稳定的方法。

衍生品套利（期货，期权）

统计套利

数字货币独有的套利

衍生品套利（期货，期权）

这种套利方法可用于衍生产品市场相对发达的产品。对于期货，有两种类的即期套利和跨期套利。例如，在现货市场上购买低价现货，在期货市场上出售高价值期货，以获得价格回报的利润。基本原理是，当期货到达结算日时，价格将返回到现货价格。跨期套利是指不同期限的期货之间的套利交易。可以看出，期货套利是一种市场中立的方法，它要求市场不断波动以产生价格偏差机会。稳定的市场很难产生套利机会。

对于期权而言，情况要比期货复杂得多，因为与目标价格相比，期权的收益结构不是线性的，因此根据不同类的期权组合，可以构建许多复杂类的套利模。结构图给出了非常生动的名称，例如蝴蝶套利，飞行套利，跨式套利，转换套利，垂直套利，水平套利，反向转换套利，双倍限制套利等。目前，数字货币的期权市场仅具有交易所发展了大约两年，交易量仍然相对较小，主要中心化在Deribit和CME等大交易所上。但是，毫无疑问，期权将是一个巨大的潜在市场。

统计套利

统计套利是指通过研究相关投资目标的历史统计规律而发现的长期均衡关系（协整关系）。当一对品种的价值出现一定程度的偏离时，它开始购买向下的偏离。在长期均衡关系恢复后，卖出向上的偏差，甚至仅执行单边操作，就获利了。统计套利的目标范围从最简单的匹配交易（两个目标之间）到一系列目标投资。关键是找到目标之间的协整关系。

例如，对于数字货币市场，有人在以太坊 / 比特币和以太坊 / 比特币之间进行了配对交易，即计算一对数字货币的长期历史平均值，然后购买低估一个，如果可以做空，在衍生品市场卖出，最后回报价值。

数字货币独有的套利

这里介绍的是数字货币的独特套利模，这意味着这种套利机会的存在仅存在于数字货币交易所或数字货币交易对之间。当然，这些模也已出现在其他产品中，例如外汇的三角套利，但是在数字货币交易中有较新的应用程序，它们也包含在数字货币的独特套利模中。

在交叉交易套利的早期，相同的交易对出现在不同的交易所，价格不一致并持续存在。因此，可以在高价交易所上出售它们，并在低价交易所上购买以获利。例如，在两个交易所上列出的数字货币都可以在两侧同时操作。例如，如果交易者在交易所A和btc交易所B上拥有ETH ，并且ETH / btc交易所A的价格高于交易所B上的价格，则您可以在交易所A上卖出ETH以获得btc并在交易B btc其打开btc购买ETH ，这可以避免交易所之间的转移费，然后ETH和btc都实现了同步增长。

在交换多个数字货币对套利需要在交换多个数字货币对，这是相互计价和btc的货币，如btc / USDT， ETH / USDT， ETH / btc三双，在一定的时候，肯定会有前后矛盾。在计算了手续费之后，您可以进行三角套利，卖出更高而买入更低。例如btc / btc = 8000， ETH / USDT = 200， ETH / btc = 0.2542，显然ETH / btc被高估了，那么您可以同时卖出ETH / btc ，然后买入ETH / USDT，因此ETH和btc位置大致保持不变，但是btc的数量增加了。或者，通过购买USDT ETH ，将ETH / btc ，在卖出btc / btc与btc买入ETH之后，赋予btc无限。上述交叉交换套利与交易所内的多种数字货币套利相结合，可以进行交叉交换三角套利，但由于必须考虑转账费用，转账时间和交易机会的连续性等因素，因此较为复杂。交叉交易的三角套利起源于外汇市场，但外汇市场参与者众多，套利机会很少。在早期，数字货币套利交易的机会很多，但由于量化套利的数量在增加，它现在开始减少。

法定货币交易对的套利这是一种结合了外汇和数字货币的三角形或POLOGAN套利模，也就是说，当不同的合法货币交易对（例如btc / JPY， btc / KWR，JPY / KWR，货币和外汇的跨位数套利。但是，这种套利要求交易者拥有多个国家的银行帐户以及法定货币存款和取款渠道。这不是简单的交易策略。还必须考虑合规成本。目前，一些国家也开始追踪数字货币的洗钱和黑市交易。早期，有一个团队在此模上比较擅长，但没有很多人可以继续这样做，并且估计它将来不会成为主流模。

2.3被动量化策略的分类

被动投资（包括指数提升）

资产分配

2.3.1被动投资（包括指数提升）

被动投资实际上是指数投资。在数字货币市场中没有公认的指数。大多数指数是由多家公司编制的，缺乏一致性和认可度。 比特币的市值仍占据60％以上。编制大市场指数仅是根据一定的权重配置前几个数字货币。主要的市场收益主要是比特币的利润。

索引增强是另一个有趣的方向，但目前对于数字货币市场而言并不十分实用。例如，相对收入是一个非常流行的概念，它相对于大指数的收入而言。数字货币没有大盘收益指数，因此意义不大。

我们可以了解到的是，通过一个相对合理的篮子，加上我们的主观判断和因素调整，我们可以获得比比特币更高但比比特币更稳定的组合，然后不断调整头寸以维持收入。稳定性。但这仍然取决于我们想要获得什么样的利益。

指数投资或指数增强仍然是趋势投资。基本逻辑是未来数字货币市场将上升。

2.3.2资产分配

资产分配是近年来出现的一个概念。它主要用于传统的跨资产投资，例如股票，贵金属，期货，固定收益，货币市场基金等，例如等权投资，全天候投资等。

实际上，数字货币可以成为全天候投资的新配置类。例如，它根据增长和通货膨胀将经济周期分为四个象限。每个象限配置有一系列最有利的资产。数字货币可以成为此配置货币包中的一种。部分。但是，由于较高的风险，重量不会太大。

现在，借助量化方法，全天候策略可以根据输入信息自动执行权重分配，这也是一种将基本原理和量化方法结合在一起的定量方法。

2.4算法交易

算法交易也诞生于美国，与金融市场的电子化密不可分。 1970年代，大量的交易所开始改变订单流程，以使用计算机系统进行自动化处理，以便可以通过计算机程序捕获每个交易订单，从而获得交易的时间，价格，数量等。命令。在信息方面，它为算法交易提供了最重要的数据源。算法交易的兴起使得很大一部分市场订单都按照算法执行，并且还大大提高了市场信息传播的效率。

算法交易的核心在于交换订单的拆解分析和对市场状况的有效评估，从而不断调整算法，减少时间成本和冲击成本。算法交易的主要策略都是对订单价格，交易量和成本的分析。通用策略包括TWAP，VWAP，MVWAP，VP，Step，IS和其他常见类。

在中国的资本市场中，算法交易的使用起步较晚，但是电子交易系统非常先进，但是相关的技术研究和市场体系存在一定的滞后性，不利于算法交易的发展，存在一定的局限性在监督下。

算法交易可以是被动的也可以是主动的，也可以是主动和被动的组合。被动算法交易主要是执行已建立算法的内容，其核心是减少影响成本和价格滑落。主动算法交易更加复杂，有必要进一步判断市场情况。除了降低成本，它还在分析订单的过程中逐渐寻找市场机会。您也可以将两者结合起来。

数字货币量化投资风险分类与风险控制措施

3.1风险分类

将量化投资应用于数字货币市场有两种类的风险：

一种类是所有类的投资策略都必须面对的数字货币风险，例如市场风险，尾部事件和流动性风险。

市场风险：数字货币本身的波动既是利润的来源，也是风险的来源。由于缺乏金融基础知识，没有利息，也没有数字货币的预期现金流，因此估值完全由预期和流动性来定价，这比一般金融产品的波动性更大。基于数字货币的衍生产品继续将这种波动放大数倍。目前，大多数期货和期权市场也是基于比特币 ，而一小部分是基于以太坊 。几乎没有其他货币的衍生产品。这是因为风险太大的交易所可能难以管理。

尾巴风险：数字货币市场独有的尾巴风险是由于数字货币当前的基础设施不足而引起的。总而言之，流动性似乎相对较大，但相对去中心化，操纵或影响市场所需的资本数量实际上很小。大的波动很容易耗尽流动性。这归因于基础设施的缺乏，这使得定量交易的数量微不足道。预计这种情况将持续数年，直到新的基础设施逐渐取代现有设施为止。

流动性风险：如上所述，流动性是数字货币的定价来源之一。黄金本身就是一个流动资金池，而比特币也在缓慢地向流动资金池发展。但是，由于其市场价值较小，相对于黄金，它相对容易受到流动性的干扰，并且还具有风险资产的特征。一个典的例子是3.12暴跌，暴跌后迅速反弹，主要原因是流动性，其次是风险偏好。另外，许多数字货币交易对的流动性也不稳定。不同交易所的交易对和货币兑换规则略有不同，极大地干扰了小货币的流动性。

另一种类是量化投资策略所特有的风险，例如量化模设计风险，数据完整性风险，硬件故障和其他市场外黑天鹅风险。模拟合，回测和未来（市场条件的变化）之间的关系，诸如拟合之类的许多风险可以分为两类：

这是经验性的，例如策略不够智能，回测不到位，拟合效果不佳（例如过度拟合），参数有问题以及基本模缺乏证据支持。

这是技术性的，例如缺少足够的数据，硬件支持，API数据接口问题，网络延迟问题等。

3.2风险控制措施

3.2.1战略风险控制

战略主导的多指标风险控制原则

策略模是负责下订单和平仓的一组程序。大多数策略模都包含风险控制模块，例如何时停止亏损以及何时停止战略。

模的这一部分直接负责定量策略师。必须向风险控制部门和其他部门咨询各种指标。

此外，团队基本可以承受的风险有上限。使用多策略模时，单个策略需要分配风险指标，因此该策略模的外部限制更多，可以将其内部化为多个指标。风险控制程序。

高级算法过滤

此外，一些量化团队还建立了独立的算法风险控制，例如使用自然语言处理NLP，关系网络，知识图谱和其他类的技术手段，来发现和概述市场并不明显，但将会有有重大影响的风险。

这等效于在策略和交易部门之外建立基于算法的风险控制监视系统，负责监视总体风险敞口并与策略交易团队进行沟通。

风险控制警告和日志

预警属于一线风险控制，即一般风险预警，预警线和收尾线提示。该日志属于安装后的风险控制，并记录风险事件和风险控制事件以供将来参考，并有助于改进风险控制和策略模。

3.2.2合规风险控制

传统的金融市场（例如A股）将需要下订单数，取消订单数以及下订单和取消订单之间的时间差。可以预料的是，合规的数字货币交易市场未来将有类似的要求，例如可以交易/不交易什么类的数字货币。这需要修改策略模，尤其是高频交易模，以满足监管要求。

3.2.3手动干预风险控制

主要指策略的起止，手动下单，系统紧急制动以及各种类的人为定义的风险控制规则，目的是防止黑天鹅策略的出现，尤其是自动交易的类。从历史上看，例如在2012年，在自动订购系统升级之后，Caaliers Capital提示缺少模块，导致45分钟内发送大量订单，造成4.6亿美元的损失。这种情况需要手动干预。

尽管量化模块非常严格，但是很难避免系统错误，尤其是在许多情况下，包括升级，负责人员的替换，系统的使用期限，缺少开发日志和注释等情况时，错误。这时，有必要赋予高级风险控制和管理人员手动干预甚至启动和停止的功能，并与风险控制和预警模块配合进行干预。

数字货币量化投资基础设施和交易平台

我们认为，定量交易至少需要以下五种类的基础架构：

交易场所：现货交易所，衍生品交易所，场外交易交易所和主要经纪人

交易产品：各种数字货币交易对，数字货币期货，数字货币期权

数字货币管理系统：包括冷热钱包，托管，保险等。

法定货币渠道和资金管理系统

定量交易系统

数据API接口：包括实时交换数据，链上数据和其他宏数据

数据库：历史市场数据库和其他历史数据库

监控系统：捕获市场数据和特殊事件

回测平台和模拟交易平台：策略的历史和实时验证

策略开发平台：您可以开发自己的策略或使用成熟的策略开发平台

多账户管理系统：多账户资金管理，风险权重分配

核心模块：量化策略交易引擎

交易系统：订单发送，执行，交易报告

交易平台的开发步骤：

一个典的量化平台可以分为三个主要模块：1市场数据模块； 2市场数据模块。 2个市场计算模块； 3定量交易模块。下图是一组定量交易平台模块之间的协作过程的示意图。定量交易引擎是核心模块，包括算法描述，监视脚本，第三方库和其他部分，并匹配监视各种类的事件以驱动定量策略的实施。

（请参阅招商证券量化交易系统）

团队量化评估方法和行业格局

定量策略更为隐秘。如何评估和建立定量团队的评估标准是一项非常复杂的任务。定量策略就像食品行业的秘方，它是秘密的，并被该行业加冕为谜。

性能的选择性披露。量化团队的生存线在于领先的量化策略，其披露通常受到限制。市场上出现的定量团队神话也有选择性的披露。例如，尽管数学家西蒙斯（Simmons）建立的奖章基金（内部员工基金）的收益最高，但其他外部投资者的下属基金的表现一般。

有些基金在某一年赚了很多钱，但后来消失在行业中。因此，很少有具有持久基础的基金，无论是定量的还是非定量的。

不要高估团队的背景。基于团队背景的评估也会遇到意外情况。最著名的例子是长期资本管理公司LTCM的倒闭，这是诺贝尔奖级别的量化公司倒闭的先例。

多个指标的协调。查看性能也会有问题。表现是后向的，还有幸存者的偏差。先前的表现并不代表其后的表现。如何评估某些运气成分。

尤其是从外部投资者的角度来看，即使借助代码审核也很难理解单个模块以及每个模块之间的链接特性。此外，最大回撤，夏普比率，Sotino比率和其他风险控制措施等指标也需要注意。

动态评估。因此，量化团队的评估必须首先动态地研究问题，而不仅仅是绩效理论。不同市场中不同策略的收益差异很大，并且存在某些运气成分（或仍然很难用数学方法描述的部分）。

因此，我们需要保持客观和跟踪。每个公司都将声明其风险控制模块已完成，但是直到发生风险事件之前，尚不清楚谁拥有最佳的风险控制。

根据我们对行业的了解，当前最赚钱的数字货币量化投资利润是两种策略：

做市商策略：目前，最强大的数字货币量化交易团队仍来自传统的量化基金。他们的主要策略是做市商策略，该策略是在不同交易所提供流动性并在其他交易所提供完整头寸。 Coer利用现货交易之间的价格差异以及其自身的交易引擎可以立即捕获机会的优势，并且策略量相对较大。

高频交易策略：这种策略的特点是板块容量小，但是收入相对稳定，优秀团队的年化率可以达到30％-40％，但是扩展还需要进一步提高市场价值。整个数字市场。这些团队的起源也是传统量化基金的起源。

其他类的策略或者更具风险性（例如CTA类的策略），或者难以遵循（例如法定货币套利策略），并且很难拥有特别好的持续案例。当前，该行业仍然缺乏成熟，客观和可靠的评估系统，令人高兴的是看到一些同行正在建立，希望看到越来越客观的评估标准。

数字货币行业中量化投资的局限性

6.1工具限制

金融工具是进行定量交易的基础。定量投资与金融工具的丰富程度密切相关。有了更多的金融工具，就有更多的定量方法可供选择。

假设仅在一个现货市场上进行纯粹的定量交易，则只能使用趋势判断类的策略。相反，根本无法判断波动率类的策略。

期货交易所Bitmex在2016年推出了永久期货合约。芝商所和芝加哥期权交易所仅在2017年开通期货，最大的期权交易所Deribit才在2018年成立。现货交易所后来才跟进并加入了期货和期权产品。没有这些交易所和衍生产品，就不能对冲现货风险，也不能对冲期货风险。因此，定量交易需要相应的交易场所和工具。

A股市场，例如在2015年股市灾难后加强对股指期货的监管，例如增加对开仓头寸的限制以及增加对平仓头寸的手续费，导致缺乏最重要的系统性对冲手段风险。

因此，最流行的A股定量投资方法是因子模，它类似于将各种股票的特征归因于各种因素，例如大小，动量，估值，价值，增长因素等，但是在海外很受欢迎套利策略并不多。原因是A股衍生品仍然太少，公开发行也限制做空，因此您只能在做多时选择因子模。

6.2市场规模限制

定量策略的能力是有限的，因为市场本身是有限的。如果量化策略太大，将会扰乱市场并降低交易利润。

例如，在期货或跨期套利的情况下，期货市场中的近期交易通常会比远期交易要好，那么捕获点差的策略必须适应于远期期货的交易。一旦超过此限制，它将在不久的将来成为单方面风险。

此外，数字货币市场的流动性去中心化在各个交易所之间。一方面，它为交叉交易所套利创造了机会，另一方面，它也限制了套利规模。该策略必须同时匹配不同交易所的数量，否则会使套利机会非常稀少。

6.3竞争行为

有效的策略，您可能认识的人越少越好。对于不同的参数选择，相同类的策略也会产生非常不同的效果。在相同的市场机会中，套利者越多，获得的利润就越少。

这不同于在趋势市场中做更多的事情。做更多事情的人越多，他们成功的可能性就越大。套利策略是使用它的人越多，成功的可能性就越低。策略操作的有效时间也受到限制。成功的策略已经运行了很长时间，并且同一行业也将随之效仿，一段时间之后，该策略将失效。因此，没有通用的策略需要不断的发展，而所有的策略都需要成本。当前，在数字货币市场上几乎没有适用的策略，并且很容易被同行模仿。

6.4面对极端市场，各种策略将失败

在极端的市场条件下，策略也会失败。例如，在极端条件下，市场中立策略可能会将中立性转变为单向风险敞口。例如，当期货找不到交易对手来开仓或平仓时，看似中立的策略可能会成为趋势策略。

极端市场可能导致各种价格失败，头寸计算可能会失真。这是很难解决的风险。因此，如何应对数字货币的极端市场状况也是量化策略需要特别关注的地方。

数字货币量化投资前景

本报告初步介绍了量化投资的发展背景和特点，并简要分析了数字资产量化投资的现状。

传统的基础投资是一种更详细的指导原则。其庞大的框架和详细的指标已经相对成熟，需要改变以纳入新兴产业。定量投资策略是一大类投资策略的总和，而不是特定的指导原则。它的各个细分领域都在不断发展，没有定量策略和长期有效的情况。

尽管定量投资策略已形成相对固定的原则，但理论与实际打击之间的差距也很大。它的特点是将不断添加新内容，并淘汰过时的策略和算法，而前沿策略（利润最高的部分）始终是定量团队黑匣子的一部分，并且未知。

另一个值得观察的方向是主观投资和定量投资正在整合过程中，尤其是传统股票投资。

首先，如果市场上有足够的研究人员对某个主题进行评分，则可以通过定量方法对其进行分类，从而将主观评分信号转化为定量信号。

第二个是因素模本身有许多基本因素。当然，甚至可以将研究人员的主观判断添加为一定因素。

实际上，主观投资通常使用定量方法，例如基于各种基本指标的分类和归因，因此它们也在相互学习。将来，这种集成也会在数字货币市场中发生。

前面已经提到了数字货币适合进行定量投资的原因。行业中早期的交叉交换套利就是量化策略期有效性的一个例子。当前，主要原因是所有流动性去中心化在不同的资金池中，因此现货和现货之间的套利将继续存在。

对数字货币产生更大影响的量化策略的未来归因于：

衍生产品（例如期货和期权）将非常庞大，它源于矿工对冲，交易者利润，项目资金管理，金融服务需求等各个方面的主观需求；

数字货币市场的规模仍有很大的提高空间。在某种程度上，将会出现更多类的衍生产品，并且随着它的成熟，基础投资可能会逐渐成为一种主流投资方法，从而进行因素分析。

已经看到，许多传统的量化团队已经进入了数字货币，这为较少的“专业”数字货币的整体量化提供了新的弹药。 fish鱼的破坏将促使量化团队不断提高其水平。

数字资产的高波动性将持续很长时间，并且在其主流化完成之前，收入空间足够大。

综上所述，该行业定量投资的发展，一方面需要不断更新技术，完善交易策略，另一方面还需要行业自然发展的协调。当前的行业数量和各种工具仍不足以支持完善的量化策略，该机构的加入将带来新的量化需求和行业水平的提高。在此阶段，一些专注于定量平台/策略开发的技术服务提供商可能值得关注。

©本文转载自HashKey Hub社区的CoinVoice。 CoinVoice是全球领先的区块链媒体，专注于原创，深入，高质量的区块链内容，并致力于联系全球的区块链创新者。

©往届回顾

©完

有关更多精彩内容，请添加CoinVoice助手微信chuangzhangACE，并邀请您加入区块链交换小组。