浅谈“数字资产量化交易”

笔者从2013年开始接触数字资产(其中最为人所知的数字资产包括比特币、莱特币和以太坊等),从2015年开始应用量化交易策略。文章总结了一些经验分享给各位读者。

首先我们来谈谈量化交易,是指以数学统计和数学建模为基础,利用计算机技术,从海量的历史和当前数据中,发掘出能够大概率带来超额收益的交易方式,避免人工交易过程中由于投资者情绪波动带来的非理性决策导致的负面影响。一个合格的量化交易模型,必须基于有明确的经济含义的趋势判断或者套利原理,进行进一步的系统化和程序化抽象,呈现出来的形式是一套逻辑完备的可执行的交易指令流程和逻辑控制方案。

说到这里,可能大部分人就望而却步了,又是数学又是计算机技术的,还要扯什么经济原理,入门太难了。别急,先放下这些专业知识不管,先给你讲讲量化交易有什么好处,我就不信事半功倍的事情你不喜欢。

简单来讲,量化交易主要有三个特征(好处):

1.纪律性。量化交易要求严格按照既定的逻辑进行投资决策,每个操作都是有数据和模型支持的,这样可以克服人工交易带来的情绪波动、主观臆断、恐惧和侥幸心理。比如一个每五分钟执行一次下单逻辑运算的策略,到第五分钟时,不应该出现模棱两可的情况。

2.系统性。在制定量化交易策略的时候,需要从全方位考虑交易品种、交易频率、投资周期、对冲机制、异常处理、资金容量、市场流动性、冲击成本等一系列策略系统元素,另外,需要从海量的历史数据和实时行情中捕捉到统计上大概率盈利的模型,这整个过程,是一个系统性的工程。

3.及时性。正是因为量化交易的系统性,人脑在处理这些系统元素的速度上,是比不上计算机的。信息技术的使用,使得量化策略的执行在速度上是大大优于手动交易的。比如一些微小的套利机会,计算机可以在毫秒之内捕捉到,并执行完套利逻辑,但是手动交易就无法做到这么快速及时了。

看到这,你可能会心动了,的确是量化交易相对比手工操盘还有很多优势,它在传统金融产品交易中的应用也越来越广泛。不过根据笔者过去的经验,量化交易在数字资产的应用效果更为显著

最近几年随着比特币价格的剧烈波动和区块链概念的大火,以及越来越多的新闻报道,比特币已经越来越被大众熟知,现在可能菜市场的大妈都知道比特币是什么了。国内比较早以火币网为代表的数字资产交易平台也处在发展的上升期,积累了大量的用户。

数字资产由于其易分割性和易携带性,以及天然的T+0、7*24小时不间断交易等机制,特别适合作为量化交易的标的。据统计,在成熟的欧美证券市场中,量化交易已经占据总交易量的70%以上。而在数字资产领域,量化交易才刚刚起步,量化交易量目前只占据该市场交易量的20%左右,尚有大幅提升的空间。另外,几乎所有的交易平台都提供了API编程接口,供量化用户通过程序化手段来查询行情和下单,这也给数字资产量化提供了较为完备的基础。

提到编程,你可能又头大了,说来说去,还是得有编程基础,看上去好麻烦啊,我又没有扎实的计算机编程功底,再说,量化策略我也不懂,学这些太费时间了。

别担心,写程序和学策略并不像你想的那么难,而且国内也有很多量化社区供爱好者讨论各种开发策略经验,比如WeQuant微宽网,只要有心,到处都是资源,建议从Python学起,我就是从Python搞的,很快上手,可以看看廖雪峰的博客啊,看看一些社区的官方教程等。

量化这个东西,主要还是靠自己的兴趣(能赚钱的东西你敢说你不感兴趣?),自己平常的积累(多去各种量化社区和专业网站逛逛),以及一些工具的辅助。相信我,只要稍微付出一点点,躺着赚钱不是梦。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,117评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,963评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,897评论 0 240
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,805评论 0 203
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,208评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,535评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,797评论 2 311
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,493评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,215评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,477评论 2 244
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,988评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,325评论 2 252
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,971评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,055评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,807评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,544评论 2 271
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,455评论 2 266

推荐阅读更多精彩内容