比特儿,比特儿交易所,比特儿海外版 - Gate.io交易所

网站地图焦点

比特儿,比特儿交易所,比特儿海外版 - Gate.io交易所

当前位置: 比特儿 > 知识 >

一文说透数字货币量化投资行业

时间:2021-09-09 15:44人气:来源: www.zntron.com

4.1工具限制

金融工具是展开量化买卖的基础。量化资金投入是和金融工具丰富程度密切有关的,有更多的金融工具,就有更多可以选的量化办法。

假设只在一个现货市场,拓展纯粹的量化买卖,则只能用趋势判断型类的方案的,相反那些喜欢判断波动率类的方案则完全没方法运作。

期货交易平台Bitmex在2021年上线永续期货合约,2021年CME和CBOE才开设期货,最大的期权交易平台Deribit在2021年才打造。稍后现货交易平台才跟进,纷纷加入了期货和期权商品。没这部分交易平台和衍生商品,现货的风险对冲不掉,期货的风险也没法对冲。所以量化买卖需要对应的买卖场合和工具。

A股市场,譬如在2021年股灾后对股指期货开始加强监管,譬如增加开仓限制,增加平仓手续费等,都致使非常重要的对冲系统性风险的方法的缺失。

结果就是,A股最火爆的量化资金投入办法是因子模型,因子模型就是类似把各种股票的特点归因到各种因子,譬如规模、动量、估值、价值、成长原因等,但反而国外时尚的套利型方案就不多。缘由就是A股的衍生工具还是太少,公募也限制做空,只能在做多的时候使用因子模型。

4.3角逐行为

有效的方案,可能知晓的人越少越好。同一种类的方案,对于参数选择的不同,也会产生千差万别的成效。同一个市场机会,套利的人越多,可拿到的价值就越少。

4.2市场规模限制

量化方案容量是有限的,是由于市场本身规模就有限,假如量化方案规模过大,本身会扰动市场,致使买卖收益变低。

譬如期现或者跨期套利,期货市场最近成交的通常会好于远期成交,那捕捉价差的方案就要适应远期期货的成交,一旦超越这个限制,就变成单方面在最近的风险暴露。

而且数字虚拟货币市场的流动性,是分散在各个交易平台里面的,一方面创造了跨交易平台套利的机会,一方面也限制了套利的规模,方案要同时匹配不同交易平台的成交量,不然就使得套利机会变得非常薄。

法币银行通道和资金管理软件

数字虚拟货币特有些套利

此处介绍的是数字虚拟货币特有些套利模式,也就是说这种套利机会的存在,只存在数字虚拟货币交易平台或者数字虚拟货币买卖对之间。当然这部分模式在其他商品上也过去出现过,譬如外汇的三角套利,但在数字虚拟货币买卖上有了更新的应用,在此也一并归入数字虚拟货币特有些套利模式中。

跨交易平台套利早期曾出目前不同交易平台的相同买卖对,价格不同且持续存在的状况,于是可以在高价交易平台卖出,在底价交易平台买入同一个买卖对获利。譬如在两个交易平台都挂牌的数字虚拟货币,可以在两边同时进行操作。譬如买卖员在A交易平台存有以太币,在B交易平台存有比特币,A交易平台的以太币/比特币价格高于B交易平台,则可以在A交易平台卖出以太币获得比特币,在B买卖做通比特币买入以太币,如此可以免除交易平台之间转账手续费,然后以太币和比特币都获得了同步的增长。

交易平台内多数字虚拟货币对套利需要交易平台内有多个数字虚拟货币对,且互为计价货币和标价货币,譬如比特币/泰达币, 以太币/泰达币, 以太币/比特币三个对,在某一时刻,一定会出现不同的状况,在计算手续费后,可以进行三角套利,卖出较高的,买入较低的。譬如比特币/泰达币=8000, 以太币/泰达币=200, 以太币/比特币=0.2542, 显然以太币/比特币被高估了,那可以同时卖出以太币/比特币,并买入以太币/泰达币,如此以太币和比特币的基础头寸大致不变,但比特币的量增加了。或者是,用泰达币买入以太币,卖出以太币/比特币, 得到比特币后卖出比特币/泰达币,用泰达币买入以太币,循环往复。以上跨交易平台套利和交易平台内多数字虚拟货币对套利结合,进行跨交易平台三角套利,但就更复杂,由于要考虑转账手续费、转账时间和买卖机会的存续性等原因。跨买卖对三角套利起来自于外汇市场,但外汇市场参与人多,套利机会较少。早年数字虚拟货币套利的买卖机会也不少,目前也开始变少,缘由就是量化套利的人愈加多。

法币买卖对套利这是一种结合外汇和数字虚拟货币的三角或多角套利模式,就是当不同法币买卖对,譬如比特币/JPY, 比特币/KWR,JPY/KWR之间出现价差的时候,可以进行跨数字虚拟货币和外汇的套利。但这种套利需要买卖者有多国的银行竞价推广账户和法币出入金途径,不是容易买卖方案的问题,而且也要考虑合规本钱,现在各国也开始追踪数字虚拟货币的洗钱、黑市买卖。早前有团队比较善于这种模式,但能持续做下去的并不多,将来估计也不会成为主流模式。

量化买卖系统

数据API接口:包括实时交易平台数据、链上数据和其他宏观数据

数据库:历史行情数据库和历史其他种类数据库

监控系统:捕获行情数据和特殊事件

回测平台和仿真交易网站:对方案进行历史和实时验证

方案开发平台:可以自行开发方案或者用成熟的方案开发平台

多竞价推广账户管理软件:多竞价推广账户资金管理、风险网站权重分配

被动资金投入

2.3.1被动资金投入

被动资金投入其实就是指数资金投入,目前数字虚拟货币市场也没受认同的指数,大多数的指数都是各类公司自己编制,缺少一致性和认同度。BTC的市值仍然占据60%以上,编制一个大盘指数也只不过将前几大数字虚拟货币根据肯定的网站权重配置一遍,收成的大盘收益主要还是BTC的收益。

指数增强是另外一个有意思的方向,但对于数字虚拟货币市场现在不会非常实用。譬如相对收益是一个非常时尚的定义,是相对一个大盘指数的收益,目前没一个数字虚拟货币的大盘收益指数,因此意义不大。

大家可以借鉴的是,通过一个相对适当的篮子,加入大家的主观判断和因子的调整,获得一个比BTC收益高,但比山寨币收益稳健的组合,然后通过不断地调仓,维持收益的稳定性。但这仍取决于大家想获得哪种收益。

指数资金投入或者是指数增强,仍然是是趋势资金投入,基本逻辑是将来数字虚拟货币市场会上升。

量化择时

统计套利

统计套利是指通过对有关资金投入标的的历史统计规律进行研究,发现其相对应的长期均衡关系,当某一对品种的价值偏离到一定量后,开始买入向下偏离的,卖出向上偏离的,甚至只进行单边操作,在长期均衡关系回归将来获利了结。统计套利的标的可以从最容易的配对买卖,到一系列标的资金投入,重要在于探寻出标的之间的协整关系。

譬如对于数字虚拟货币市场,有人曾做过LTC/BTC,ETH/BTC之间的配对买卖,就是计算出一对数字虚拟货币比值的长期历史均值,然后买入低估的那个,假如可以做空,在衍生品市场卖出,最后以求得价值的回归。

高级算法过滤

除此以外,有的量化团队还专门设立独立的算法风控,譬如用自然语言处置NLP、 关系互联网、常识图谱等多类技术方法,去探寻和勾勒市场上并不是显而易见,但会有实质影响的风险。

等于在方案和买卖部门以外,单独设立一个算法为主导的风控监控体系,负责监控整体的风险暴露并和方案买卖团队交流。

3.2.2合规风控

传统金融市场,譬如A股会需要下单次数、撤单次数、下单和撤单之间的时间差等。预计将来合规的数字虚拟货币买卖市场可能也会有类似需要,譬如可买卖/不能买卖什么种类的数字虚拟货币。这就需要修改方案模型,特别是高频买卖模型,以符合监管需要。

交易网站的开发步骤:

典型的量化平台可以分成三大模块:1行情数据模块;2行情计算模块;3量化买卖模块。下图为一整套量化交易网站模块之间协作步骤示意图,其中量化买卖引擎为核心模块,包含算法描述、监听脚本、第三方库等部分,并匹配监听各类事件,驱动量化方案实行。

3.2风控手段

1.1量化资金投入的兴起

量化资金投入的兴起和数理金融学进步密不可分,美国经济学家Markowitz在20世纪五十年代打造的均值-方差模型可以说是量化资金投入的开端,随后在60年代,William Sharpe等四人在现代资金投入组合理论的基础上上进步出了资本市场定价模型,成为度量金融风险和收益的基本模型。另一个值得注意的方向是是Fama等人在60年代进步起来的有效市场假说,影响力持续到今天。除此之外Fama和French在90年代还进步出了三因子模型,成为后由来子剖析模式的开端。

伴随衍生商品的不断进步,在上个世纪70年代美国经济学家Black和Scholes打造了期权定价模型,又飞速地应用于金融市场,帮金融衍生商品飞速的进步,反过来推进金融数学理论往前推进了一大步。

80年代, “金融工程” 这个定义被提出,形成新的学科形态并开始广泛吸收和研究有关成就。90年代非常重要的进展是金融风险管理方向,VaR风险管理模型被广泛用,已经被全球金融机构所广泛用,是非常重要的风险度量矩阵之一。

中国的量化资金投入历史不长,也只进步了短短10年左右时间,和国外量化人才回归与衍生品市场开始起步的时间点有关。在过去十年,和量化基金同时进步的还有被动资金投入。被动资金投入起初并不算做量化范畴,但ETF商品的出现需要借用量化方法,尤其是近几年出现的指数增强或者叫Smart Beta类商品,是基于原有指数基础上对各种影响因子进行分解,并重新配置资产,需要较强的量化平台支持。

量化资金投入在美国市场已经成为不可忽略的力量,2021年量化对冲金规模已经占到所有对冲基金规模的1/3。而中国的公募基金里,只有大约1%为量化基金,偏股型基金里约5%为量化种类,这也和公募基金的资金投入限制有非常大关系。而在私募基金行业中,量化种类的私募基金占比已经达到了20%,其中股票市场中性、CTA趋势和股票多空为用最多的三类量化方案。

1.2数字虚拟货币市场合适量化资金投入方案

数字虚拟货币市场的特质,很合适量化方案的用,缘由在于:

数字虚拟货币本身波动较传统金融市场商品大不少,合适多种卖出波动率的量化资金投入方案。

市场进步比较早期,商品都非常初步,譬如期货、期权商品,流动性低、定价有效性差,出现错误定价的机会多,量化资金投入可以非常不错地捕捉其中的定价偏离机会。

买卖时间长,7*24小时买卖,不合适人工盯盘和买卖,而更有益于发挥量化系统在盯盘、预警和捕捉买卖机会的优势。

交易平台也有做市需要。数字虚拟货币买卖对繁多,而流动性难以匹配,大多数交易平台都有流动性需要,也衍生出了做市商这一交易平台生态的必须具备角色,这也是大多数量化团队赖以存活的方法之一。

基于以上缘由,很多的拥有传统金融优势的量化团队涌入数字虚拟货币市场,带来成熟的买卖理念和系统,挖掘买卖机会。可以说量化买卖方案的存在,使得数字虚拟货币市场的成熟化加快。

量化方案分类与数字虚拟货币市场应用

量化资金投入也分成主动和被动种类,主动种类追求绝对收益,通过承担各类风险因子,从而追求在任何市况下都可以获得超额稳定收益的结构,数字虚拟货币的量化资金投入方案也大多数是以主动资金投入为主。

被动资金投入量化方案主如果追求和各类指数一样的回报,承担的是大盘系统性风险与各类细分行业或风格风险,以获得配置回报,近年来加入因子剖析的指数增强型量化方案获得喜爱,买卖员可以增加某一类风险的暴露从而获得超越指数的回报。

然而因为缺少行业认同指数的存在,数字虚拟货币的被动量化资金投入很少见,因此也是将来一个潜在的发力方向。

2.3.2资产配置

资产配置是这部分年兴起的定义,多用于传统的跨资产类别资金投入,如在股票、贵金属、期货、固定收益、货币市场基金等方向,办法如等网站权重资金投入、全天候资金投入等。

数字虚拟货币其实可以成为全天候资金投入中的一个新的配置种类,比如其根据增长和通胀把经济周期分成四个象限,每一个象限配置一系列最受益资产,数字虚拟货币可以成为这一揽子配置货币里面的一个部分。但因为风险较高,网站权重不会太大。

目前借用量化方法,全天候方案可以自动的依据输入信息进行网站权重调配,这也是结合了基本面和量化的数目型办法。

方案主导的多指标风控原则

方案模型是一个负责从下单到平仓的一整套程序,大多数的方案模型,是把风控的模块包含进来了,如什么时间应该止损,什么时间应该停掉方案。

这部分模型是由量化方案员直接负责的。其中的各类指标,还要和和风控等部门协商。

除此之外就是一个团队基本能承担的风险是有上限的,当运用多方案模型时,单一方案又需要分配风险指标,所以方案模型的外在限制比较多,而这部分可以内化为一个个多指标的风控程序。

资产配置

2.1主动量化概述

主动量化资金投入方案,基本分成分成趋势种类和波动种类两类。由于无论是传统金融还是数字虚拟货币市场,市场的走势都可以分解成两种,一种是趋势市,一种是波动市。其余走势都可以看作是这两类走势的叠加。量化方案的意义,就是在趋势市中抓住单边机会,在波动市找到不适当的定价的机会。

无论采取哪类方案,要紧的是判断现在是趋势市还是波动市。由于从历年统计里看,量化对冲基金在牛市营业额差于long-only基金或者long-short基金,而在波动市或者熊市可以跑赢后两者,缘由在于不同市场条件下,各类收益贡献的比重差别非常大,所以判断市况是第一位的。

除要考虑趋势和波动外,具体到买卖层面,还需要考虑冲击本钱。量化买卖尤其是高频量化,成交量都较大,持续的买卖对市场本身就是一种影响,也会改变盈利的结构,甚至会直接冲击盈利到变成亏损,当市场深度不够的时候,对订单的剖析和下单的拆解也变得要紧。算法买卖在这方面具备非常大优势,大家也会在后面介绍。

量化选股

量化选股或者选币,就是构建一系列标的组合,无论是股还是币。量化选股有非常多种种类,最广泛应用的就是多因子模型,其基本原理在于拆解可以构成标的物上涨和下跌的原因,也可以说是因子剖析。

即在构建资金投入组合的时候,不是以标的物本身进行分类,而是根据因子进行分类,某一类因子给予多少网站权重。当然股票和数字虚拟货币也有不同,股票的因子会更多,由于涉及到不少基本面的原因,数字虚拟货币情绪面或者事件驱动种类的因子更多,但重要在于,找到适合的因子进行模拟和回测。

容易犯的错误譬如,把一些看上去要紧、但实质并无关紧要的因子,分配过多的网站权重,而增加了风险,所以还需要对因子的有效性进行检验。

股票的容易见到的因子包括:估值、成长、资本结构、动量。换手率、资金流入、行业轮动等。

数字虚拟货币容易见到因子包括:市值、成交量、动量、社交平台、特殊事件、宏观流动性等。

可以看出,基本面资金投入其实和量化资金投入有相通之处,用量化办法去进行基本面资金投入,也是A股一些基金经理喜欢的方案,甚至基本面本身,只须是基于数据的,也可以算作量化的一种。其他一些量化选股模型还包括风格轮动、行业轮动、资金流等模型,有的也可以统一在多因子模型下,这里就不赘述。

2.4算法买卖

算法买卖也诞生于美国,和金融市场的电子化密不可分。在20世纪70年代很多的交易平台开始把委托指令流改成用计算机系统进行智能化处置,如此每一笔的买卖订单都可以被计算机程序所捕获,从而获得下单的时间、价格、数目等多方面信息,为算法买卖提供了最主要的数据出处。算法买卖的兴起,使得市场订单中非常大多数的订单都根据算法实行,也显著提高了市场信息传播效率。

算法买卖的核心就是对交易平台订单的拆解剖析和对市场的状况的有效评估,从而不断调整算法,减少时间本钱和冲击本钱等。算法买卖的主要方案都在于对订单价格、买卖量和本钱的剖析,通常方案包括TWAP、VWAP、MVWAP、VP、Step、IS等几个容易见到种类。

中国资本市场用算法买卖起步较晚,但电子买卖系统很先进,只不过在有关技术研究和市场规范上有一些落后,不利于算法买卖的展开,监管方面也有一些限制。

算法买卖既可以是被动的,也可以是主动的,也可以是综合主动被动到一块。被动型算法买卖主如果实行既定算法内容,核心是降低冲击本钱和价格滑动。主动性算法买卖愈加复杂,需要进一步判断市场情况,除减少本钱外,也在剖析订单过程中逐步探寻市场机会。也可以把二者结合起来。

数字虚拟货币量化资金投入风险归类与风控手段

衍生品套利

2.2主动量化方案

2.2.2 波动类方案

波动类方案是试图不承担系统性风险的做法,无论系统是向上,向下还是波动,期望把系统风险排除在外。譬如著名的阿尔法方案,就是把系统风险贝塔,通过衍生商品对冲掉,剩下的只不过个股、个券,个币的收益。波动类方案在牛市中仍然跑不过长仓基金,熊市和波动市则可以获得超额收益,是长期稳健型的办法。

核心模块:量化方案策买卖引擎

买卖系统:订单发送、实行、成交报告

2.3被动量化方案类分类

数字虚拟货币特有些套利

2.2.1趋势类方案

趋势判断主如果要判断现在是哪种市场,是向上还是向下,与哪种标的更合适如此的市场。假如判断错误则风险很之高,但对应的判断正确的收益也很大。

统计套利

应用量化资金投入办法在数字虚拟货币市场进行资金投入是近年来容易见到的模式,数字虚拟货币市场波动大、7*24小时连续买卖、定价偏离机会多和交易平台做市需要等特征是量化买卖天然存在的土壤。很多传统量化机构已经入场,但受限于数字虚拟货币市场特质、规模与相应的基础设施不够健全,盈利可持续性比较强的量化方案规模仍较小。

本文对比了所有种类的量化资金投入方案,并根据主动和被动两大种类进行分类。主动种类中趋势类方案和波动类方案是两大主要种类的方案。

大多数方案都可以在数字虚拟货币市场进行应用,数字虚拟货币市场也存在自己特点的套利办法。被动管理和指数增强型在传统市场日渐兴起,数字虚拟货币买卖可以借鉴其思想。除此之外大家这里简要分类了数字虚拟货币量化资金投入所面临的风险与一个成熟量化方案需要的风控方法,并列举了量化交易网站所需要的基础设施和必须具备模块。

除此之外评估一个量化团队实力需要从多方面入手,方案层面通常是高度机密,可以从团队背景、构造、风控和合规、各类指标等层面进行动态审视。

数字虚拟货币量化资金投入的基础设施还不够健全,纯技术/平台提供方预计会有较好的风险收益比。预计数字虚拟货币量化资金投入前景较好,缘由包括衍生工具会不断成熟、市值提高、传统量化团队涌入与高波动性将持续等方面。

量化资金投入与数字虚拟货币市场资金投入概述

3.2.1方案风控

3.1风险归类

应用量化资金投入到数字虚拟货币市场的风险有两类:

一类是所有种类资金投入方案都要面对的数字虚拟货币风险,如市场风险、尾部事件、流动性风险等。

市场风险:数字虚拟货币本身的波动性,既是盈利出处,也是风险的出处。因为数字虚拟货币缺少财务基本面,没利息,也没预期现金流,使得估值完全由预期和流动性定价,较通常金融商品波动更大。基于数字虚拟货币的衍生商品,继续把这种波动放大了好几倍。现在期货和期权市场,大多数也是基于BTC,小部分基于ETH,其他币种的衍生品几乎没,就是由于风险过大交易平台都可能难以管理。

尾部风险:数字虚拟货币市场特有些尾部风险,是数字虚拟货币现在的基础设施不够完全致使的。总而言之就是流动性看上去较大,但比较分裂,操控市场或者影响市场合需要的资金量其实非常小。巨大的波动容易抽干流动性。可归因于是基础设施的缺少,使得量化买卖的量做不到太大。而这样的情况,预计还会持续几年,直到新型的基础设施慢慢取代现有些设施。

流动性风险:前面已说明流动性是数字虚拟货币的定价出处之一。黄金本身就是流动性的池子,BTC也慢慢有向流动性池子进步的趋势。但因为市值非常小,所以相对黄金,比较容易遭到流动性的干扰,而且还兼具风险资产特点。典型的例子就是3.12的狂跌,与狂跌后的飞速反弹,主因是流动性,次因是风险偏好。除此之外不少数字虚拟货币买卖对的流动性也不稳定,不同交易平台的买卖对和上下币规则都略有不同,这对小币种的流动性干扰较大。

另一类是量化资金投入方案所特有些风险,如量化模型设计风险,数据的完整性风险,硬件问题等市场外黑天鹅风险,模型拟合、回测与将来的关系,过拟合等多类风险,可以分成两类:

是经验性的,如方案不够聪明、回测不到位、拟合没做好、参数有问题、基础模型缺少证明支持等。

是技术性的,如缺少足够的数据、硬件支撑,API数据接口问题,互联网延迟问题等。

量化选股

量化团队评估办法和行业格局

量化方案比较隐秘。怎么样评估和打造对量化团队的评价标准,是一项很复杂的工作。量化方案是好似食品行业的偏方一样,隐秘而又被行业冠以神秘色彩。

营业额选择性披露。量化团队的存活线就是领先的量化方案,其披露通常是有限的。市场上所见的量化团队神话,也存在选择性披露的状况。譬如数学家西蒙斯设立的大奖章基金虽然收益最好,但有外部资金投入人的其他下属基金却表现通常。

某些基金在某一年大赚,但之后就泯然于行业,因此那种基业长青的基金极少,无论量化还是非量化。

不可以过于重视团队背景。仅以团队背景去做评估也会碰到意料之外状况,最著名的例子就是长期资本管理公司莱特币M的失败,是诺贝尔奖级别的量化公司破产的先例。

多种指标配合。以营业额去看也会有问题,营业额都是后视的,存在幸存者偏差,之前的营业额并不是之后的营业额。怎么样评估带有肯定的运气成分。

特别是以外部资金投入人的角度去参与,也非常难看清楚单一模块,与各个模块之间的联动特点,即使借用代码审计。除此之外最大回撤和夏普比率、索提诺比率等衡量风险控制的指标也应该注意。

动态评价。因此评价良量化团队第一要动态的看问题,不可以唯营业额论。不同市场下不同方案收益差别非常大,这里面还有肯定的运气成分。

所以需要维持客观、并不断地跟踪。每一个公司都会宣称我们的风控模块完备,但直到出现风险事件,才知晓哪个的风控最佳。

依据大家对行业的理解,现在数字虚拟货币量化资金投入盈利最丰厚的是两类方案:

做市商方案:现在数字虚拟货币量化买卖最强的团队还是源于传统量化基金,他们的主要方案就是做市商方案,即通过在不一样的交易平台提供流动性,而在其他交易平台完成头寸的cover,借助的是现货交易平台之间的价格差,与自己买卖引擎可以瞬间捕捉机会的优势,方案体量比较大。

高频买卖方案:这种方案的特征是盘子容量较小,但收益比较稳定,出色团队年化可以达到30%-40%以上,但扩展需要整体数字市场的市值往上再走一步。这部分团队的出身也是传统量化基金出身。

其他种类的方案,或者是风险较大,或者就是非常难效仿,难有特别出色且持续的案例出现。现在行业还缺少成熟客观靠谱的评价体系,也欣喜的看到一些同行在着手打造,期望可以看到更多更客观的评价标准。

量化资金投入在数字虚拟货币行业应用的局限性

量化择时

量化择时是一种估计走势的办法,其实也可以算作因子剖析的一种,是以市场方向的判断作为主要收益出处,但风险也较大。

量化择时起初就源自比较容易的技术剖析方法剖析,通常分成趋势择时指标、市场情绪择时指标、牛熊线指标、市场异常指标、与一些依据特殊指标进行调整的办法。

3.2.3人工干涉风控

主如果指方案启停、手工下单、系统急刹,与各类人为概念的风控规则,目的是预防方案出现黑天鹅,特别是自动买卖种类的。历史上譬如2012年骑士资本由于自动分单系统升级后,提示模块的缺失,致使45分钟内发送了天量订单,致使亏损4. 6亿USD。就是很需要人工干涉的情形。

量化模块虽然很严谨,但系统的bug很难以防止,特别是涉及升级、负责职员的更替、系统年代久远、缺少开发日志及注释等多种状况的出现,都会致使出现bug。此时就需要赋予高级风控和管理职员进行手工干涉甚至启停的功能,并配合风控预警等模块进行干涉。

数字虚拟货币量化资金投入的基础设施和交易网站

大家觉得量化买卖至少需要以下5类基础设施:

买卖场合:现货交易平台、衍生品交易平台、OTC交易平台,与主经纪商

买卖商品:各种数字虚拟货币买卖对、数字虚拟货币期货、数字虚拟货币期权

数字虚拟货币管理软件:包括冷热钱包、推广托管、保险等

风控预警和日志

预警是前置的风控,即普通的风险提示、预警线、平仓线提示等。日志是后置的风控,把风险事件和风控事件记录下来,以备日后查阅,并便捷改进风控和方案模型。

衍生品套利

在衍生品市场比较发达的商品上,可以用这种套利办法。对于期货而言,分成期现套利和跨期套利两种。譬如在现货市场上买进底价格的现货,在期货市场上卖出高价值的期货,以获得价格回归的价值。基本依据是期货到了结算日,价格会回归现货价格。跨期套利就是不同期限的期货之间进行交易套利。可以看出,期货的套利是一种市场中性办法,需要市场不断地波动从而产生定价偏差机会出现,平稳的市场非常难产生套利机会。

对于期权而言,状况比期货要复杂,由于期权的收益结构与标的物价格相比,不是线性的,所以依据不相同种类型的期权组合,可以构建出不少复杂种类的套利模型,传统市场上依据收益结构图,给出了很形象的名字,譬如蝶式套利、飞鹰套利、跨式套利、转换套利、垂直套利、水平套利、反向转换套利、双限套利等。现在数字虚拟货币的期权市场刚刚进步了两年左右,成交量还较小,集中在Deribit、CME等大型交易平台,但毫无疑问期权会是一个非常大的潜在市场。

这和在趋势性市场做多不同,做多的人越多,做

标签: