FTX:許聰說幣：比特幣， 談一談數字貨幣的量化投資行業（完）

我們認為量化交易至少需要以下5類基礎設施：

交易場所：現貨交易所、衍生品交易所、OTC交易所，以及主經紀商

交易產品：各種數字貨幣交易對、數字貨幣期貨、數字貨幣期權

數字貨幣管理系統：包括冷熱錢包、托管、保險等

法幣銀行通道和資金管理系統

量化交易系統

數據API接口：包括實時交易所數據、鏈上數據和其他宏觀數據

數據庫：歷史行情數據庫和歷史其他類型數據庫

監控系統：捕獲行情數據和特殊事件

回測平臺和仿真交易平臺：對策略進行歷史和實時驗證

策略開發平臺：可以自行開發策略或者使用成熟的策略開發平臺

多賬戶管理系統：多賬戶資金管理、風險權重分配

核心模塊：量化策略策交易引擎

交易系統：訂單發送、執行、成交報告

交易平臺的開發步驟：

典型的量化平臺可以分成三大模塊：1行情數據模塊；2行情計算模塊；3量化交易模塊。下圖為一整套量化交易平臺模塊之間協作流程示意圖，其中量化交易引擎為核心模塊，包含算法描述、監聽腳本、第三方庫等部分，并匹配監聽各類事件，驅動量化策略執行。以上參考招商證券量化交易系統

Gutter Cat Gang發布GCG 社區工具包:金色財經報道，NFT項目Gutter Cat Gang發布GCG 社區工具包，該工具包包括 GCG 社區品牌手冊、無縫毛皮圖案（基于成員持有的物品）、字體、品牌調色板和社區徽章，專供 Gutter Cat Gang NFT所有者使用。[2023/4/22 14:20:00]

量化策略比較隱秘。如何評估和建立對量化團隊的評價標準，是一項非常復雜的工作。量化策略是如同食品行業的秘方一樣，隱秘而又被行業冠以神秘色彩。

業績選擇性披露。量化團隊的生存線就在于領先的量化策略，其披露一般是有限的。市場上所見的量化團隊神話，也存在選擇性披露的情況。比如數學家西蒙斯設立的大獎章基金雖然收益最好，但是有外部投資人的其他下屬基金卻表現一般。

某些基金在某一年大賺，但是之后就泯然于行業，因此那種基業長青的基金很少，無論量化還是非量化。

不能過于看重團隊背景。僅以團隊背景去做評估也會碰到意外情況，最著名的例子就是長期資本管理公司LTCM的失敗，是諾貝爾獎級別的量化公司倒閉的先例。

多種指標配合。以業績去看也會有問題，業績都是后視的，存在幸存者偏差，之前的業績并不代表之后的業績。如何評估帶有一定的運氣成分。

美聯儲的布拉德：上調今年峰值利率預期至5.625%:金色財經報道，美聯儲官員布拉德周五表示，由于經濟持續表現強勁，基于銀行業壓力將會緩解的假設，已將他對今年峰值利率的預期上調。“我之前預計是5-3/8，現在是5-5/8，所以略高了一點——高了25個基點——以反映經濟表現的走強，”他表示。他補充道，上調預期也“基于假設，即金融壓力會在未來幾周和幾個月緩和”。“存在金融壓力惡化的負面情景，但這不是我的基本預測情景”。[2023/3/25 13:25:38]

尤其是以外部投資人的角度去參與，也很難看明白單一模塊，以及各個模塊之間的聯動特征，即便借助代碼審計。此外最大回撤和夏普比率、索提諾比率等衡量風險控制的指標也需要注意。

動態評價。因此評價良量化團隊首先要動態的看問題，不能唯業績論。不同市場下不同策略收益差別很大，這里面還有一定的運氣成分。

所以需要保持客觀、并不斷地跟蹤。每個公司都會宣稱自己的風控模塊完備，但直到出現風險事件，才知道誰的風控最優。

根據我們對行業的理解，目前數字貨幣量化投資盈利最豐厚的是兩類策略：

做市商策略：目前數字貨幣量化交易最強的團隊還是來自于傳統量化基金，他們的主要策略就是做市商策略，即通過在不同的交易所提供流動性，而在其他交易所完成頭寸的cover，利用的是現貨交易所之間的價格差，以及自身交易引擎可以瞬間捕捉機會的優勢，策略體量比較大。

FTX黑客將約3萬枚BNB兌換為ETH和BSC-USD，并跨鏈至以太坊網絡:11月17日消息，據派盾預警監測數據，被標記為FTX Accounts Drainer 1的FTX黑客地址已經收到約6,079.22枚ETH（約724萬美元）。該地址目前持有241,471.67枚ETH（約2.87億美元)，成為第31大ETH持有人。

此外，FTX Accounts Drainer地址在BSC上持有44,288.93枚BNB（約1170萬美元）和約168萬枚DAI。FTX Accounts Drainer 0xd73aC地址已將約3萬枚BNB兌換為2,001.5枚ETH和約500萬枚BSC-USD，并將約1,900枚ETH和約499.9萬枚BSC-USD跨鏈至以太坊網絡。[2022/11/17 13:17:39]

高頻交易策略：這類策略的特點是盤子容量較小，但是收益比較穩定，優秀團隊年化可以達到30%-40%以上，但是擴展需要整體數字市場的市值往上再走一步。這些團隊的出身也是傳統量化基金出身。

其他類型的策略，或者是風險較大，或者就是很難效仿，難有特別優秀且持續的案例出現。目前行業還缺乏成熟客觀可靠的評價體系，也欣喜的看到一些同行在著手建立，希望可以看到更多更客觀的評價標準。數字貨幣行業應用的局限

推特證實與馬斯克的官司導致大量員工離職：離職率為18.3%:8月25日消息，據報道，推特今日表示，由于公司正面臨一系列挑戰，包括與特斯拉CEO埃隆·馬斯克的訴訟官司，以及“吹哨人”佩特·扎特科的爆料，越來越多的員工開始離職。當地時間周三，推特高管在一次公司全員會議上告訴員工，Twitter目前的員工流失率為18.3%。相比之下，在馬斯克提出以440億美元收購推特之前，推特的員工流失率徘徊在14%至16%之間，這與競爭對手的員工流失率基本一致。[2022/8/25 12:48:25]

工具限制

金融工具是展開量化交易的基礎。量化投資是和金融工具豐富程度密切相關的，有更多的金融工具，就有更多可以選的量化方法。

假設只在一個現貨市場，開展純粹的量化交易，則只能使用趨勢判斷型類的策略的，相反那些喜歡判斷波動率類的策略則完全沒有辦法運作。

期貨交易所Bitmex在2016年上線永續期貨合約，2017年CME和CBOE才開設期貨，最大的期權交易所Deribit在2018年才建立。稍后現貨交易所才跟進，紛紛加入了期貨和期權產品。沒有這些交易所和衍生產品，現貨的風險對沖不掉，期貨的風險也沒法對沖。所以量化交易需要對應的交易場所和工具。

Bitfinex移動應用程序推出LNURL支付功能:6月17日消息，據Bitfinex發推稱，我們正在幫助全球各地的人們通過LNURL支付獲得財務自由。現在，用戶可以直接在Bitfinex移動應用程序上通過比特幣閃電網絡幾乎零成本地向任何人支付。[2022/6/18 4:36:10]

A股市場，比如在2015年股災后對股指期貨開始加大監管，比如增加開倉限制，增加平倉手續費等，都導致最重要的對沖系統性風險的手段的缺失。

結果就是，A股最流行的量化投資方法是因子模型，因子模型就是類似把各種股票的特征歸因到各種因子，比如規模、動量、估值、價值、成長因素等，但反而海外流行的套利型策略就不多。原因就是A股的衍生工具還是太少，公募也限制做空，只能在做多的時候選用因子模型。

市場規模限制

量化策略容量是有限的，是因為市場本身規模就有限，如果量化策略規模過大，本身會擾動市場，導致交易利潤變低。

比如期現或者跨期套利，期貨市場近期成交的一般會好于遠期成交，那捕捉價差的策略就要適應遠期期貨的成交，一旦超過這個限制，就變成單方面在近期的風險暴露。

而且數字貨幣市場的流動性，是分散在各個交易所里面的，一方面創造了跨交易所套利的機會，一方面也限制了套利的規模，策略要同時匹配不同交易所的成交量，不然就使得套利機會變得很薄。

競爭行為

有效的策略，可能知道的人越少越好。同一類型的策略，對于參數選擇的不同，也會產生千差萬別的效果。同一個市場機會，套利的人越多，可拿到的利潤就越少。

這和在趨勢性市場做多不同，做多的人越多，做多策略就越可能成功。套利策略是，使用的人越多就成功概率就越少。策略運行的有效時間也是有限的，一個成功策略運行久了，同行業也會紛紛效仿，導致一段時間之后就開始失效，所以沒有萬能不變的策略，需要不停的開發，但都需要成本。而目前數字貨幣市場可應用的策略還較少，也容易被同行所效仿。

面對極端市場各類策略也會失效

極端市場條件下策略也會失效。比如市場中性策略在極端條件下，可能會讓中性發生偏移，變成單向風險暴露。比如當期貨找不到對手方開倉或者平倉，表面上的中性策略就可能變成趨勢策略。

極端市場可能會導致各種價格都已經失靈，倉位計算都可能失真，這都是難以化解的風險。所以如何應對數字貨幣的極端市場條件，也是一個量化策略特別需要關注的地方。

數字貨幣量化投資展望

本報告初步介紹量化投資的發展脈絡和特征，并結合數字資產量化投資現狀作了簡要分析。

傳統的的基本面投資是一類比較詳細的指導原則，其大的框架和細的指標已經相對成熟，需要更迭的是對新興行業的納入。而量化投資策略的則是一大類投資策略的總和，而不是具體的指導原則。其各種細分領域都處在不斷進化的過程中，不存在包打天下的量化策略和長時間有效的情況。

雖然量化投資策略已經形成比較固定的大類原則，但是理論和實戰之間的差距也非常巨大。其特征就是會有不斷的新的內容補充進來，并淘汰過時的策略和算法，而前沿策略則始終是部分頭部量化團隊黑箱而不可盡知。

還有一個值得觀察的方向是，主觀投資與量化投資處于融合過程，特別是傳統股票投資。

一是如果市場上有足夠的研究人員對某一標的物的評級，就可以通過量化方法進行排序整理，把一個主觀評級信號變成一個量化信號；

二是在因子模型里面，本身也有很多基本面的因素，當然甚至也可以加入研究人員的主觀判斷作為某一項因子。

主觀投資其實也經常使用量化方法，比如根據各類基本面指標進行排序、歸因等，所以也是在相互學習。未來這類融合，也可以發生在數字貨幣市場。

數字貨幣適用于量化投資的原因前面已經提到，行業初期的跨交易所套利就是量化策略時段有效性的一個例子。目前最主要的原因還是全部的流動性分散在不同的池子，所以現貨和現貨之間的套利仍然會持續存在。

未來量化策略作用于數字貨幣的前景較大，原因在于：

期貨期權等衍生產品的規模會很大，來源于各類人士的主觀需求，如礦工套保、交易者獲利、項目司庫管理、金融服務需求等；

數字貨幣市場的規模還有很大提升空間，增長到一定程度就會有更多類型的衍生產品出現，而且隨著成熟，基本面投資可能也會逐漸成為主流投資方法的一種，使得因子分析可以有更好的使用場景；

已經看到很多傳統量化團隊進入數字貨幣，這給整體不那么“專業”的數字貨幣量化提供新的彈藥，鯰魚的攪局會促使量化團隊不斷提升水平。

數字資產高波動的特性將持續很長時間，收益空間足夠大，直到其主流化完成。

綜上而言，在本行業發展量化投資，一方面需要不斷地更新技術，改進交易策略，另一方面也需要行業自然發展的配合，目前的行業體量和各類工具仍不足以支撐完善的的量化策略，機構的進場將帶來新的量化需求和行業水平的提升，一些專注于量化平臺/策略開發的技術服務商在目前階段非常值得關注。

Tags：數字貨幣INEETHFTX數字貨幣騙局KAINETBethereumBGAN Vault (NFTX)

SOL