概念祛魅——Crypto量化交易的过往与未来

这是此专栏的第一篇文章，先介绍一下背景：

我和我的合伙人从 2017 年开始涉足 Crypto 量化交易策略开发，从零开始仅用时三个月就开发了周交易量破亿的做市商策略（从 2022 年开始，流动性占某 Top5 交易所 3% 以上）；开发管理 500+BTC 进行算法交易策略，中性策略对冲掉了风险后可以无视资产的涨跌，仅取决于当月的波动率；实盘策略成交上百亿美元。

此专栏正本清源，从源头上把整个量化交易开发的思路从头整理一遍。

加密货币行业最大的问题就是草根太多，正规军极少而且也很低调，这导致币圈里可能 90% 以上都是打折“量化交易”之名，行“主观交易”之实的信号交易。

曾经有一家评级机构举办过量化大赛，如实地将各个量化团队的实际战绩给公布出来，结果可谓是惨不忍睹——月化 100% 以上的策略看似光鲜亮丽，一看运行时间仅一个月，半年以上能没有亏完的团队，12 家里仅剩 2 家，这还是在币圈转暖的 2019-2020 年的战绩。这种残酷的现实摆在眼前，实在过于难看，也难怪这个机构举办了两届，这个活动就实在进行不下去了。

但，正是因为量化的相对复杂，这导致大部分人并没有对量化做深入的研究，大部分的概念仅仅是停留在一知半解的状态，会和很多概念混淆在一起。（后续帖子中详细讲解）

概念过往

量化在最开始为人所知是海龟交易，这个交易方法给出了精准的入场/出场时间、价格指标、加仓逻辑，它的提出在当年是具有开创性的。

更进一步，在大众认知中量化交易最为破圈的肯定是 Spread Networks 这个案例： 2010 年 6 月，由 Spread Networks 公司 花费 3 亿美元 铺设了一条 1,331 公里的光纤线路，将芝加哥到新泽西交易的往返时间从 13.1 毫秒缩短至 12.98 毫秒。

由于这个案例过于出名，所以很多人潜意识里将量化交易与高频交易画上了等号。又因为是大的机构组织机构的背景加上成本高昂，这更加使得一般人对量化这个概念蒙上了一层神秘的面纱。

不过，量化交易并不等同于高频交易，甚至不等同于计算机交易。毕竟，在海龟交易发明的时代，计算机还并不发达。比如，你每个月定投买基金这一策略，虽然它低频，而且可以不需要任何计算机的辅助，但它规定了时间、仓位，是一种典型的量化交易策略。

这些知识对于非业内人士来说过于复杂，一般不会花费太多的时间去了解，这导致在大众的认知中，“量化交易”这个概念非常割裂——

要么是 华尔街精英 + 麻省数学天才 + 计算机极客 的高精尖组合才能涉及的行业，最为知名的就是 James Simons（詹姆斯·西蒙斯）建立的 Renaissance Technologies(文艺复兴科技) ，这是一个在普通人看来，高不可攀的金融科技公司。

另一个极端，特别是在币圈，一部分实际上进行主观交易的人，仅仅是编程后，将其主观的交易策略进行了自动化执行，然后就套上“量化交易”的名头到处招摇撞骗，更有甚者打出月化收益 60% 的口号，实在是好笑，不是傻子怎么可能会上当。

当然这些所谓的“大师”横行，导致一些人被骗，这使得业内“量化交易”几乎成了和“诈骗”挂等号的概念，一般人唯恐避之而不及。

行业现状

量化行业一方面是一个高精尖的科技行业，另一方面目前整个行业统一程度低，并没有实现规模化的分工（事实上也很难实现规模化），我可以断言，量化交易行业的人才市场化竞争程度甚至内部的技术发展分工程度并不高。

但是量化这个金融科技行业实在收益巨大，而且资金门槛相对很高，而能进入量化交易领域的从业者被行业高昂的薪资所包养，竞争并不激烈。

这使得尽管量化交易行业的成熟度，远远比不上汽车行业，更不提动辄服务上亿用户的互联网行业了，但并不妨碍圈内的人活得非常滋润。

我做一个类比你就能理解——量化交易策略的开发与手工打造顶尖跑车的过程差不多，主要还是依靠组织甚至是个体的能力来推动行业前进。比如上千万的法拉利跑车，科技含量其实并没有想象中那么高，尽管价格极为高昂，但因为产量的稀少，其研发的投入远远比不过买菜车卡罗拉。

所以，也完全不用惧怕那些量化巨头公司。这好比仅在 5 年前，丰田、大众之类的巨头还是汽车行业无可撼动的存在，但是近几年，特斯拉从市值上远远甩开这些传统车企、Lucid、理想这类公司能在短短数年内异军突起，高峰时期市值甚至能比肩通用、本田这类公司。

更何况，在币圈，受限于体量，大型机构目前还完全没有进入这块市场。

我们看美股的发展历史：

20 世纪 40、50 年代，美股超过 90% 的部分为散户持有。而到了 2018 年，美国机构投资者持有市值占比高达 93.2%，个人投资者持有市值占比不到 6%。

有人说币圈利润率这么高，比特币在牛市都是动辄五倍十倍的体量暴涨，不是说资本永不眠吗，机构市场放着这块的利润不赚吗？

实话说，韭菜才看利润率，成熟机构考虑的是安全性，币圈没有成熟的监管机制，平台有各种合规性问题，甚至随时跑路。加上本身市场波动率太高，对量化系统的边界数据处理起来太麻烦，维护成本高，投入产出比太小。

但是，这对量化交易甚至是个体来说，确是一个绝好的机会。

我打个比方你就明白了，如果说发展成熟的美股、外汇、期货市场早已进入现代战争的时代，都是飞机坦克进行超视距打击，个体能力再强也不够是移动的炮灰。 那么币圈还停留在冷兵器时代，你有一把锋利的刀，骑上一辆摩托甚至一匹马，就能跑赢芸芸币圈里的韭菜，对他们进行收割。具有互联网思维的组织或者个人完全有机会再进行颠覆性的创新。

更何况，马斯克从第一性原理出发，理清了电池是电动车的核心部件以后，行业普遍认知的汽车的三大 发动机、变速齿轮和底盘，轻松就被绕过了。而第一代的 Roadster 是硬生生地靠笔记本电脑使用的 18650 电池给堆出来，在现在看来实在不可想象。从第一性原理解决了最核心的问题以后，其他问题随着技术的成熟都被逐一解决。

复杂的汽车生产制造都如此，量化交易领域目前完全存在机会，依靠个人能力在业界掀起新的篇章。 至于量化交易的第一性原理是什么，我会在后续的文章当中我会逐个向你做拆解。

未来与 AI

量化交易最大的问题是，不可能开发出一个永久有效的量化交易策略，量化交易策略永远只能符合一时的策略，原因很简单，因为世界是变化的。如果一个量化交易策略能持久有效，这反而是最可怕的情况，就说明世界已经完全停滞发展了，日新月异的币圈显然不符合这个情况。

那么，量化策略的调整甚至重新开发，其交易核心就不可避免地有策略开发者主观以及包含人性的思维在里面，这又使得策略不可避免地在前期付出的调试成本，包括风险。我相信在 AI 没有掌管全世界之前，完全纯粹不掺杂一丝人类主观交易的量化交易几乎不存在。

不过，有句话说的好，In the long run we are all dead(从长期看我们都死了)。现在的眼光来来非常原始的 海龟交易策略非常简单，目前已经完全失效了，不过，这并不妨碍海龟交易的开创者 Richard Dennis 在上世纪 70 年代初凭借 1,600 美元在大约六年内赚到了 3.5 亿美元。

目前从事量化交易的公司都在抓紧研究 AI，特别是大模型的研究，因为大模型 通过 ChatGPT 在自然语言领域获得了巨大的成功，这证明暴力堆算力这条路是走得通的。而二级市场的交易的数据量和复杂度远远比自然语言的数量级要小得多，而且更可控，要比自然语言的难度低上几个数量级。

AI 终究会完全接管二级市场，普通散户只有送钱的机会，这个趋势几乎不可避免，至少我们有生之年一定能看到。

但是这个见诸报端的时间会非常晚，这倒并不是金融行业的科研实力落后，而是金融行业是一个闷声发大财的行业，这类信息都是希望越封闭，越晚被外界所感知越好。当然，这对我们来说也无疑是一个好消息，如果能做在币圈首先进行应用，这无异于打击还在用冷兵器交锋的时候，你用上了大炮。在这个窗口的关闭期还有很长，我们仍然有非常多的机会参与到其中。

总结

最后，总结这是我专栏的第一篇文章，我会在后续的专栏中逐步向你拆解量化的核心逻辑以及基于这个核心如何进行量化交易的开发，包括分享我实际币圈中的实战心得。

通过前文的信息密度可以看出，这将成为全网质量最高、最干货的专栏，深度剖析量化交易行业。我会手把手带你揭下量化交易这个行业神秘的面纱，对此感兴趣的朋友欢迎关注！

附： 后期待更新文章目录（会根据实际情况做调整）：

• 量化交易能做什么？不能做什么？
• 如何从第一性原理，构建量化策略？（量化交易策略究竟是在做什么？）
• 量化交易的类型（策略类型的解析，α策略、β策略、套利策略）
• 量化交易构建策略的步骤（构建、回测、调参、对冲 等）
• 量化交易的“圣杯”到底在哪？（量化交易没有圣杯，从第一性原理出发，不过是因素的互换）
• 量化交易的“命门”究竟是什么？（交易所最关注的就是命门）
• 量化交易具体案例分析：
• 高频与低频（​​以一般量化交易开发者的水平，远远无法触及到交易频率的上限）
• 牛市与熊市（牛熊的区分并不是大众所认知的价格的高低，而是交易量的高低）
• 做市策略解析（全网最靠谱的对量化做市策略的分析，看完让你对量化有最透彻的认知）
• 热点能不能做？怎么做？

量化与 AI（几乎无可避免的量化交易的终局之战）

附：2022 年 2 月周内实盘数据：

作者：PiperWeb3
X 账户：https://twitter.com/PiperWeb3