分类
加密貨幣

量化交易


HatchQ Demo Day

算法交易的主要类型有: (1) 被动型算法交易,也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外,不会根据市场的状况主动选择交易时机和交易的数量,而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价(目标价与实际成交均价的差)。被动型算法交易最成熟,使用也最为广泛,如在国际市场上使用最多的成交加权平均价格(VWAP)、时间加权平均价格(TWAP)等都属于被动型算法交易。 (2) 主动型算法交易,也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策,判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外,把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易,该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开,分布到若干个时间段内,每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。

量化交易是什麼?最完整的量化交易懶人包

量化交易是什麼

市場先生心得:

我當初大概在投資第2年之後,因為開始寫程式交易,接觸到量化交易的領域。

長期研究下來,我覺得量化交易想要確實執行其實很困難、成本很高 (就說買資料,想認真做量化,一年花上百萬是基本),
但量化的思維方式也帶給我很多成長,讓我養成對各種資訊和數據做驗證的習慣。

我自己目前有1/3的資金是放在完全量化類型的策略上,其他的投資部位,超過一半在做決策之前也都有做過回測與分析,理解它的特性與風險,

我非常認同量化策略的方式,畢竟市場上大多數人都是主觀判斷、甚至不看數據就做決策,這讓做量化的人能擁有很大的優勢。

最後,
我認為做為量化交易者的關鍵競爭力,並不是某天靈機一動做出某一個好策略,
而是能在長期擁有持續做出新策略的能力。

最後市場先生想提醒的是,
做量化的人有時候會陷入對數據的無限上綱,覺得天塌下來也要照數據來執行決策,
這不是壞事,但世上沒有絕對。

無論我有多認同量化分析方式、無論回測績效多漂亮,但我知道量化並不是全能的,它並不能保證在任何情況下都依然有效,
這也是最困難的地方,我們不能輕易打破原則,但卻應該要對原則保有彈性。

我想這就是比較藝術與哲學的地方吧,
畢竟我們是先作為一個投資者、交易者,然後才使用量化的方式做分析,
對做量化的人來說,我認為理解量化的限制非常重要。

最近市場先生開了一堂的「用美股ETF創造穩定現金流」教學課程,
這堂課程會從基礎入門、資料查詢到實際操作,
教你學會建立一個穩定的全球ETF投資組合,目前累積已經有將近1100位同學上課。

加入市場先生FB社團,充實更多理財好知識

如果覺得這篇文章有幫助,
幫我按個讚,分享給更多人看到,謝謝!

我在一个还不错的美资对冲基金,长年累月面试candidate,对于刚毕业的人,基本上都会先花十几分钟和他们分析为什么要来,如果没想好就不要来了,很残酷的,云云,才开始正式面试。有的时候弄得好像我在劝退一样。知乎上应该有一些朋友和我聊过。 这个行业真正适合的是对投资非常感兴趣的人,而不是只对技术和科学感兴趣的人,也不是无所谓随便能赚钱舒服就行的人。对于这些真正喜欢投资的人,让他们去湾区做码农或者国内大厂福报… 阅读全文 ​

我做过半年的股票量化,其实现在想想走了弯路,太复杂了,我用的是level2的数据,量太大,做实时的逐笔分析,数据处理过于复杂,其实只需要使用level1的竞合数据与分时就完全可以了,有时数据太多太具体并没有太多意义,因为任何一个趋势都有双面性,没有绝对好的,只要综合相对胜出的,所以在单一指标上进行极致化追求并不会带来可靠性的明显上升。 但我全是用c自己写的代码,只能在linux上跑,不借助任何第三方公司平台,感觉… 阅读全文 ​

先聊一聊如何入行量化投资,再聊一聊待遇与薪酬。以前提到量化投资,大家可能都会觉得高深奥妙,估计一半以上就读金融专业的同学也会一脸懵逼!现在,量化投资的工作一般集中在 对冲基金 Hedge Fund(国内的公募基金、私募基金)、证券投资投资银行部 (国内的证券公司)的证券自营部门等等。当然还有一些偏向软件工程类的量化投资平台或者软件公司。这种我就不推荐了,因为这种软件机构虽然涉猎量化投资,但本质上就是卖铲子的。… 阅读全文 ​

我的评价是:SOFR一时爽,计算. 有幸参与了LIBOR replacement这一银行业界的大热点(另一大热点可能是Basel III),来从实务方面强答一下,也当作自己的工作总结了。关于LIBOR replacement的背景, @Mercer 的回答已经十分详尽,这里再简单总结一下:1、LIBOR作为一个由报价行(panel bank)拍脑袋报价得出的利率,没有实际的借贷交易作为支撑,2012年Barclays操纵LIBOR的丑闻让LIBOR退出历史舞台变成了一个时间问题。 2、L… 阅读全文 ​

毕业五年,平均每年1mm刀,去年比较好,大概$2mm左右。 本来以为还不错,年初回国,发现国内给到大几千万的……多如牛毛。幻方的老板说去年能随便给个研究员1000万,还是税基本不交的那种,我反正是有点儿嫉妒。 像其他回答里讲的,九坤、幻方、甚至minghong,都能给工作几年的人千万的包,嫉妒嫉妒嫉妒啊。我在美国反正累死累活累出脑瘫了才挣到这个钱,国内随便就给了…… 哎。 阅读全文 ​

马丁格尔策略为什么没有高手用?有啊,用的高手有的是啊。 但你知道这些用过马丁格尔策略的高手都是啥下场吗?全死了。 首先, 马丁格尔策略是一个历史很悠久的赌博策略。 原理也很简单,就是这局输了,下一局就加倍下注,这样不管你输多少局,只要赢一局,就能收回全部本金,还能小赚一笔。 这个策略理论上适用于赌场的大部分项目,骰子、百家乐、轮盘啥的都行。 就拿最简单的骰子举例子好了,大部分情况下,一局骰子开出来,要… 阅读全文 ​

匿了。2022年,伦敦,Quant Dev。得了一个 Cubist 某 PM 的 Offer。 100k GBP + 100k GBP Min Bonus first year | next year 100 k base + PnL cut 冲着pnl cut 去的。 但是考虑再三,没敢去,因为 PM 是刚开始做,就一个人,去了就是唯一的 Dev,感觉风险有点大。拒了。 听说 Cubist 职场氛围不太好。10 billion USD AUM 大概,典型的 PM 模式,PM 要是不行,Dev 也跟着玩蛋。 另外,Cubist 是 Point72 的 Systematic Arm,而 P… 阅读全文 ​

量化交易夯什麼?

量化投資其中一個很大的意義是:利用歷史數據做回測!若將此結果經過大盤比較後,可以得到顯著的成果,那麼這種訊號才是真正重要的。而採用歷史數據還有另外一個優點:避免投資人做出情緒性的選擇,讓投資人能保持客觀,不受到情緒上的影響,這是因為人會傾向忽略不利或矛盾的意見 (行為心理學上稱為確認偏誤 Confirmation bias)。就算投資人不想採用量化交易,也應該盡力避免自身的偏誤,多利用歷史數據及研究報告,有些財務論文中也會使用歷史數據及統計方法驗證某些現象的存在與否,能夠使投資人更加了解資本市場。


Confirmation Bias 確認偏誤。資料來源:The Reflective Educator

量化交易的歷史

量化交易起源於 1970 年代的股票市場,之後迅速發展和普及,尤其是在期貨交易市場中,程式化逐漸成為主流。人為交易中,交易者的情緒波動等因素,越來越成為盈利的障礙,而程式化交易天然而成的精準性、執行率則帶來了優勢。

量化交易與人為交易最大的差別是:模型應用,而最早採用量化方法來分析研究股票漲跌規律的是法國人 Jules Regnault,他認為「頻繁的短線交易終將導致快速破產」,他當初手工統計了數十年的股票及國債數據,從中得知一套規律,並進而延伸出後續的投資公式,這也告訴我們,「市場價格的漲跌背後必然隱藏某些普遍規律」。

而後,美國的 Edward Thorp 利用概率論的凱利公式,透過賭博賺了大筆金錢,並發表了論點:「隨機事件樣本越多,結果的確定性就越高」。之後 Edward Thorp 投入股票權證市場,將數學公式編寫成量化模型,尋求市場定價失常。1969 年他首創全球量化交易對沖基金,經營近 量化交易 30 年,無一年虧損。他深信,只要依靠概率建立起量化模型,依照長期大量的數據計算出合理價格並執行交易,就能夠積小勝成大勝。


左:Jules Regnault,右:Edward Thorp。資料來源:網路

提到量化交易,就不得不提到 James Simons,其實他在交易初期也執著於宏觀經濟面,雖然他很快就意識到可以利用模型化數據,但直到他屏除模型中所有宏觀經濟基本面內容,集中於短線交易,才得到顯著的獲利。其「大獎章基金」在當時的 20 年間,年均淨回報率高達 40–80%,可說是有史以來最成功的量化投資之王。


James Simons。資料來源:網路

量化交易的優點

由於極度依賴數據分析,量化交易策略本身即存在高度的「可度量性」,及其衍生而來的「可驗證性」,這是由於未來數據的不可得,交易員必須仰賴過往的歷史數據做測試,當使用量化交易時,需多次重複歷史回溯測試均能得到一致的結果,如果測試結果是正向的,至少可以說明該量化交易策略在歷史檢驗上具有盈利能力。

而這也會讓交易策略得到強大的「客觀性」,也是大家對於量化交易最普遍的理解,如上述所說,量化交易是使用大數據及程式模型去執行,利用這樣科學化的方式,徹底排除外在干擾訊息的因素,讓數據證明一切,並經由回測驗證其有效性,避免讓投資人因接收到過多訊息干擾,而做出情緒偏誤的決策。

最重要的是,量化交易策略在執行時,會使實際交易行為與過去歷史數據達到「一致性」,因為在建立量化交易策略時,所有的交易規則都已下了精確的定義,並由程式強制執行,這也是絕大部分人為交易策略無法達成的。

量化投資 vs. 人為投資

量化策略的分類

關於量化策略的分類每個人都有不同的見解,但常見的有以下幾類:α 策略、高頻交易、量化 CTA、套利等。

1. α策略:這種策略的特性是回撤和獲益都比較小,但能夠使投資者在大多數的情況下,都保持獲利。其具體想法是找出市場裡最優秀的品種,做多這些品種,然後做空相應多的指數,這樣就鎖定了最優秀的品種帶來的收益,而把指數帶來的波動進行了平抑。
2.高頻交易:這是利用電腦程式處理微觀市場層面的不均衡性,交易次數多、持倉時間短,會在短時間內做高頻率的進出場,每次交易的平均利潤較小,但優點是有較穩定的報酬。 量化交易
3.量化 CTA:量化 CTA 策略可分為兩種:「趨勢追蹤策略」及「均值回復策略」。其中,使用較多的是趨勢追蹤策略,它是利用許多策略模型找出目前的市場趨勢,並依此判斷做多或做空,因此與波動率息息相關,也因此這種策略在趨勢明確或是牛市熊市快速變換時,具有較大的優勢。另一種均值回復策略,是種反趨勢策略,是利用某些保持穩定均值商品,當短期波動使其價格偏離均值時,進場反向操作,即做空被高估的商品,做多被低估的商品。
4.套利:簡單來說,就是利用價差來賺取獲益的方式。套利方式有非常多種,這邊主要介紹兩種套利方式:

(1) 跨交易所套利:這種模式相對容易執行、風險小,但獲益表現很不錯。套利最簡單的思考方式,想像在臺北芭樂一斤 $50,屏東一斤 $30,那麼只要你在屏東買、到臺北賣,一斤就賺了 $20 的差價。這樣的套利想法也可以套用在投資上,而在加密貨幣的投資上,大家給了一個「搬磚」的有趣名字。

(2) 跨品種套利:是指透過統計分析某些相關產品的歷史價格關聯,當發現價差擴大,且認定為非長期性的不穩定狀態時,即透過配對交易的方式進行套利。舉例來說,A、B 商品之間的價差經常性為 $10,且 A>B,當某天發現其價差增為 $15 時,因認定此為不穩定狀態,便買入 B 並賣出等量 A,那麼當其價差回到經常性的 $10 時,即可賺到 $5。但要注意的是,若將此模式套用在沒有存在穩定性的價格關係,其風險會上升許多。

量化交易策略與加密貨幣

1.加密貨幣市場的價格變動快速
2.沒有基本市場面可以預測其價格的變動
3.加密貨幣市場為 24–7 全年無休交易
4.交易所眾多,套利機會長期存在 (據 CoinMarketCap 統計,目前全球交易所有近 300 家)

2011 年之前,由於大眾對加密貨幣的認知普遍不足,量化交易尚未被應用在加密貨幣市場。2011 年起,交易所數量開始增多,有些嗅覺較敏銳的投資者開始利用跨交易所的價差進行套利。而自 2015 年開始,加密貨幣市場急速成長,也經歷了價格的大幅變動,許多看好其長期發展的投資人開始尋求量化交易的機會。

加密貨幣量化交易策略與 Bincentive


HatchQ Demo Day

Bincentive 透過舉辦 HatchQ 加密貨幣交易競賽及其他管道,接觸個人交易專家,並建立緊密關係,上架數支量化交易策略,供會員跟投;另外,Bincentive 也和頂級量化交易對沖基金合作,如:Amber AI、Lucy Labs 等等,推出 Premium Strategies 尊榮專案策略 ,讓會員也能接觸加密對沖基金的策略。


Premium Strategies 尊榮專案策略

Premium Strategies 尊榮專案策略 像是一個資金池,透過智能合約匯集各方投資會員的加密資產,以達到頂尖加密對沖基金的資產門檻,訂閱其設計的尊榮交易策略。在選擇策略後,總投資金額需達到該頂尖對沖基金的軟上限,此時智能合約將會啟動開始進行跟投。但為了方便尊榮會員們的跟投與管理,策略也會有硬上限來保障尊榮會員們權益。

為防止當中途有會員要退出時,影響其他會員的投資合約權益,當尊榮會員們跟投尊榮專案策略的同時,BCNT 代幣也會一起寫入尊榮專案策略智能合約做權益交換 — BCNT 資金池。BCNT 資金池是一個權益轉換與擔保的保證金,當尊榮會員在合約期間內想要終止其智能合約,我們會將尊榮會員的初始投資時當下的等值 BCNT 代幣轉換給尊榮會員,以換取 Bincentive 對其投資金的權益。

結語

本文為 Bincentive 整理及獨立觀點,Bincentive 無須對投資損益負責,投資人應審慎考量各種投資風險。(文章亦由 Bincentive 提供,未經同意請勿轉載。)