加密货币:大神告诉你创办量化基金都有哪些坑_EBS

文章来自Tokendaily,作者:ALIHAMED&ATEETAHLUWALIA,译者:Moni原地址:https://www.tokendaily.co/blog/why-building-a-quant-fund-in-crypto-is-harder-than-people-think

即便监管机构承认加密货币是一种资产类别,构建一个以数字货币为基本面的加密基金依然非常困难。承销认购代币本身就不是一件容易的事情,加密货币真正的价格/价值也很容易被市场操纵,而且就算你能够让加密货币产生公平的价值,短期内也很难与其他市场达成一致。随着2018年加密货币市场的持续低迷,许多自认为在2017年获得成功的“加密货币对冲基金”早期投资者们现在都被淘汰出局了。人们开始互相关注,试图找到如何构建市场中立策略的方法,特别是对于那些仍然相信市场的人而言,现在他们判断下一次牛市的时机已经不那么自信了。有些人开始尝试推出交易套利的基金,还有人专注于做市,也有些成熟的基金,他们已经拥有足够的资本基础,现在开始尝试追求量化解决方案。首先,交易套利很难,市场上要么有人已经在做了,要么就是处于观望状态、蓄势待发,所以现在想在加密货币市场里找到明显的交易收益差几乎是不可能的。做市的市场竞争也很大,许多高频交易商早就已经进入到这一领域,而且这方面的基础设施通常也很难复制。因此,作为一种替代方案,许多人开始花费大量时间研究量化策略,以确定他们是否能够在日益混乱的市场中找到能够获得回报的可行解决方案。2017年,比特币价格涨幅高达1300%,2018年的跌幅达到了73%——这种无情的波动看起来似乎很适合进行量化交易。但是,在加密货币生态系统里构建量化策略远比你想象的要难得多,在很大程度上是因为加密资产类别十分新颖且不成熟。虽然一些量化解决方案对市场极具吸引力,但也会对市场带来伤害。不可靠的数据来源、中心化的交易委托账本、交易对手信用风险增加、有限的流动性、以及交易滑点都会成为尝试量化解决方案的障碍,而且加密货币行业里的很多基金都无法解决这些问题。虽然量化解决方案可能仍是一个较有吸引力的策略,但其实他们可能比人们想象的要更加微妙。下面,我们将列举一些我们已经确定的、能够证明量化基金难以构建的原因:数据&中心化的交易委托账本

量化交易是模型驱动的,虽然在传统资产类别中构建稳健模型是很困难,但在加密货币市场中建立模型更加困难——因为在很大程度上,加密货币的数据是非常糟糕的。历史价格/交易委托账本数据其实很稀少,如果没有可靠且准确的数据,就无法构建有效的量化模型、或周期。虽然有些人可能依赖于大量第三方数据提供商,但你很难确定这些第三方数据提供商的数据来源是否可靠,也不知道这些第三方数据提供商给出的数据准确程度。要知道,如果这些基金没有与各种加密货币交易所的websocket或API连接,那么你就必须要去追问过去几年他们获得数据的准确来源——而即便如此,你也很难知道到底谁的数据是真实准确的。一旦你有了“干净准确”的数据,下面一个问题就是该如何利用这些数据。与传统投资市场不同,加密货币市场没有限制,每个市场参与者都可以访问交易委托账本。事实上,全球范围内有很多加密货币交易所,这让事情变得更加复杂,很多新的加密货币交易所也在不断涌现。你该如何确保自己的websocket或API连接到的是最相关的加密货币交易所?答案就是要聘请最熟悉加密货币行业发展的工程开发人才,在他们的支持下才能提取到最高优先级的数据——当然,聘请这些优秀人才的价格也不便宜。假设你现在已经拥有了这样一个出色的工程署,而且已经在价格、交易量、以及交易委托账本中获得了你想要的每个数据点。下一步该怎么办呢?这又把我们带到了第二个问题——数据清理。在2018年之前,加密货币交易所之间存在巨大的价格差异,套利者可以在一个加密货币交易所上以某个价格购买比特币,同时再到另一个加密货币交易所上以其他价格卖出比特币,这种套利方式看上去毫无风险。虽然这种情况不具有规律性,但你依然要去了解所有加密货币交易所之间的价格差异,否则肯定会影响你的量化回测的结果。举个例子,模型A可能在一家加密货币交易所分析出20%的投资回报率,但也可能在另一家加密货币交易所上分析出12%的投资回报率。信不信由你,这就是游戏规则,加密货币也不例外。交易对手信用风险

所以现在,你有一个被认可的模型,并且正在寻找合适的地方去验证这个模型。那么,你会如何选择加密货币交易所呢?在雷曼兄弟破产之前,加密货币交易对手信用风险与信贷市场的风险是具有一定相关性的。从某种意义上说,只要不使用冷存储解决方案在现实世界中交付加密货币,基本上你都在进行双边交换。这种情况下存在的一个问题就是,你最好给自己的冷存储下的加密货币上个保险,而且最好仔细阅读保险细节,因为加密资产投保与其他客户资金保险有所不同。你必须要问的一个问题就是,加密货币交易所对客户资产的实际投保比例是多少,黑客并不会针对加密货币交易所的一小部分资产进行攻击,他们想要整个交易所的资产。不仅如此,如果可能的话最好还是再阅读一下保险政策,如果你第一次看到加密货币相关的保险产品,需要查看保单里面所涵盖的内容,比如索赔流程等细节,否则你根本不会想到那些保险产品会包装的多么虚伪。你还应该了解选择提取数据的加密货币交易所所在位置,以及这些加密货币交易所在哪些监管框架内运作?他们有没有被冻结过资金?他们如何在比特币和法定货币交易中获利?在从加密货币兑换到法定货币的时候,你还需要将额外的买入/卖出交易成本考虑在内,在这种情况下你对交易保证金要求是否感到满意?在传统资产类别中,如果你需要对特定资产进行杠杆交易时会有保证金要求,这意味着你需要将交易头寸总额的一小部分用于支付保证金。一般来说,对于传统资产交易所而言,保证金是比较稳定的,如果他们需要对保证金要求进行更改,应该也会给投资者发送相应的通知。举个例子,CrudeOil要求散户投资者在交易前一个月需要提供交易头寸的6%作为初始保证金,这样才会给他们提供16.67%的杠杆率。而在加密货币市场里,你可能没有“这么好”的运气。你需要为多头交易提供40%、甚至更多交易头寸比例的保证金,空头交易的保证金比例甚至高达125%。是的,你没有看错,125%,这意味着你获得的是一个“负杠杆率”。不仅如此,一些加密货币交易所往往不会及时告知客户保证金比例调整,所以充分了解加密货币交易所情况,对避免踏入到这种陷阱是至关重要的。滑点和交易费用

一旦你对加密货币交易所感到满意,那么在进行量化交易之前最好多测试几次,并看看有没有其他同行在进行交易。接下来,你可能会看到另一个有趣的部分——滑点。滑点是指下单的点位和最后成交的点位之间的差异。如果你购买了标准普尔500指数期货,会发现有时候滑点可能只是几个基点;而在加密货币中,如果你没有那种计划执行交易,那么花点可能会达到好几个百分点。即便是比特币——这个目前市值最大、也是历史最久的加密货币也是如此。因此你需要制定一个交易计划,规划好执行交易的场所和工具,同时还要分析出在不同滑点条件下需要做些什么。另一个需要在量化回测中加入的关键因素是交易费用,当然这个过程其实非常简单,一些现有的研究结果就会告诉你某个交易所的交易费用数据信息、以及交易费用随时间变化的情况。

不要被2017年的牛市“愚弄”

对于交易者而言,也许最大的绊脚石就是量化策略本身。2017年,整个加密货币市场表现都非常好,因此许多人被这种表象给“愚弄”了。现实的情况是,任何人在2017年12月中旬之前购买了加密货币,并且在2017年或2018年初卖出,那么都会赚钱。真正考验“高手”技能的,是看他们是否在2018年赚钱,对于进行加密货币量化交易的系统而言也是如此。许多加密货币投资经理都认为自己已经创造了一个出色的量化交易模型,但不要忘了,这些系统里的数据都来自于2017年牛市的指数变化,他们不过受益于正确的地方、正确的时间,仅此而已。一个真正稳固的量化交易模型既能在多头中赚钱,也能在空头中赚钱长短,包括2017年。总结

如果能够将优质的量化策略真正应用到加密货币中,当然有可能帮助你成为赢家。但是对于一家传统基金而言,简单地招募一名开发工程师,然后使用一些“过时”的量化策略是无法让你获得成功的。你至少需要充分考虑以下四点:1、招募适合的人才,并且构建正确的基础设施,同时还要在上面投入巨大的成本;2、可用的数据要么不多,要么质量较差;3、由于滑点和交易费用等问题,每次交易可能都会存在不少障碍;4、一个当前看似不错的量化模型可能很快就会变得过时。2019年,可能会有更多机构进入到加密货币量化领域,虽然加密货币价格大幅下跌,但这一领域里高质量人才的涌入速度并没有像我们预期的那样放缓,许多传统对冲基金也开始发力,当然前提是需要吸引更多高质量人才。实际上,未来获得成功的加密货币量化基金可能不会越来越多,就像在2018年成立一家风险投资基金的难度肯定比1998年成立一家风险投资基金的难度要大得多。想要实现成功的加密货币量化策略,在人才和基础设施方面的投入可能比大多数人想象的要多得多。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

大币网

BitcoinCPU:解决CPU的终极出路_hac币对cpu损耗

本文来自:EOSMeetOne,作者:MEET.ONE,星球日报经授权转发。类似于ETH每笔交易都需要手续费,CPU是EOS主网上令开发者和用户都头疼的一项资源,更痛苦的是EOS的CPU经常爆了.

[0:15ms0-7:349ms