AMA 回顧|從量化分析及高頻交易策略來理解加密市場

Avalanche AMA 活動資訊 & 內容


Host:AMA 準備開始!我們很榮幸邀請到 Kronos Research CTO 技術長 Hank 與我們一起參與今日的活動!也請 Hank 簡單介紹下自己與 Kronos Research

大家好,很榮幸今天有機會透過這個活動跟大家簡單介紹量化交易!最後也會開放讓各位問問題的時間~

我目前在 Kronos 擔任技術長的職位,負責管理技術部門,也同時兼任高頻造市團隊 (Market Making Team) 的負責人。

Kronos 的造市團隊也已在全球 30 多間交易所裡皆成為頂級造市商,為廣大交易用戶提供流通性。

今年是我投入量化交易產業第 14 個年頭,在加入Kronos之前待過 Morgan Stanley、UBS、Allston Trading,也自己創業過三次,不論是交易策略研究或是高頻交易系統開發,皆有完整的經驗。

我們 Kronos 於 2018/06 成立,從只有創辦人 Mark & Jack 兩人,成長到現在團隊遍佈於歐美、新加坡、上海、台北等地 80 餘人。

業務範圍也從僅做自營交易,發展到現在跨足自營、造市、風投及資產管理,也在成長途中孵化了 WOO Network,我們持續深耕於加密貨幣產業,為市場提供優質流通性的同時也投資新創團隊,希望盡我們團隊所能,來幫助加密貨幣產業成長茁壯。


第一階段:主持人與嘉賓對談

Q1:能不能說明下什麼是量化交易?加密市場常見的量化交易策略有哪些類型?

簡單來說,量化交易就是透過數學模型,來「量化」並預測金融商品的價格走勢,進而輔助或全自動化交易行為的一種交易模式。

常見的量化交易策略可先粗略分成高頻和中低頻兩大類:

1. 高頻量化有 Alpha 策略、高頻造市、以及統計套利
2. 中低頻有量化 CTA 代表的趨勢追蹤和均值回歸策略等

這些策略都是 Kronos 有在使用,並持續開發、優化的策略種類。

Q2:在加密市場中使用量化交易有什麼優劣勢嗎?又該如何透過量化交易來分析加密市場的趨勢?

量化交易的預測模型,通常以統計學和機率學作為基礎,故模型每次在進行預測時,理論上有一定的機率會成功,也有一定的機率會失敗。

大數法則告訴我們當預測的次數越多,則實際成功機率將更接近理論值。所以就算某些模型的成功機率僅 51%,只要預測實現的機會夠多,成功與失敗間的 2% 的理論差距,也能累積成可觀的盈利。

加密市場 24 小時不間斷交易的特性,正好讓量化交易模型有更多機會進行預測。加密市場波動大的特性,也讓交易策略有更多機會交易。

這些都是量化交易在加密市場中的優勢。

然而,因為加密市場的交易所遍佈全球,下單 API 和報價推送的機制也不如傳統市場的交易所成熟,所以加密市場的報價數據常有不穩定、容易中斷等問題。

策略下單後,也需承擔比傳統市場高很多的不確定性,例如:有時下單後,過了好幾分鐘才收到成交結果。

這些問題都需要在開發交易系統和制定交易策略時,透過一些創新方案去處理。

早期 Kronos 紮實的投入了不少資源,來克服這些問題,才能有今天的成果。

再來說有關分析市場趨勢的部分:

高頻量化通常仰賴著 “分析交易所報價數據” 以及 “成交數據的變動”,來預測非常短期內的市場供需變化,進而預測價格漲跌。

這種量化模型,通常來分析短期(幾分鐘內)的趨勢有一定的準確度,但長一點的趨勢,還是比較難預測的。

Q3:學習量化交易會需要相關的工程技術與交易背景嗎?作為幣圈新手小白,會建議從哪開始學習,以及會需要注意哪些地方嗎?

成功的量化交易員或研究員,通常皆有不錯的統計、機率、數學背景,並搭配一定程度的軟體開發能力。

現在也有越來越多的研究員對人工智慧和機器學習具備一定的熟稔度了。把程式學好應該是最基礎的條件之一了,建議可以從 Python 學起,再來挑戰 C++。

Q4:如何在加密市場波動劇烈下,決定量化交易的標的?又該如何判斷使用量化交易的時機?

一般而言,量化交易皆透過使用大量的歷史數據,來針對模型及交易策略進行「回測」,也就是模擬策略在過去一段時間內的盈利能力,從而選出未來最具參考力的參數組合。所以只要是回測結果顯示,交易策略對該品種有一定的盈利能力,則該品種就是適合的交易標的。

Kronos 全天侯都在使用量化交易,我們也只使用量化交易,幾乎不做任何主觀交易。

Q5:能不能分享下你對於量化交易產業在加密市場的未來發展的看法?

這一兩年來有越來越多來自傳統市場的機構,以及實力深厚的量化交易公司、團隊進軍加密市場。

量化交易產業在加密市場只會越來越競爭,而這樣的競爭長期看來對加密市場是一個良性的發展。交易量和流通性只會越來越好,也讓加密市場更快速發展為一個成熟的金融產業。

趁機打個招募廣告,我們不僅提供技術職與研究性質的工作機會,後勤與行銷職缺也都有。有興趣了解,想要加入我們的,可以來這裡查看職缺 >>相關報導 >>


第二階段:社群提問

Q1:我想請問一下,現在許多策略都主打 AI 跟 ML 但是其實就有點像是以一個黑盒子的方式進行交易,而其中也有像是過度擬合的問題需要克服,所以想請教一下大神,通常是在製作策略哪個階段讓 AI 或是 ML 進行介入,又或是會傾向在篩選過特定的 Feature 之後全權交給程式然後做滾動更新?

這個問題很好。

我也聽過蠻多人嘗試直接使用 AI / ML 的 Model 來預測價格變動,Model 當然有好有壞,但更重要的是你餵什麼樣的 Data 進 Model。

通常沒經過特別處理的 Data 都會非常的 Noisy。我們是先透過分析人的一些交易行為(例如大戶會怎麼買賣大量的幣)、經濟學、以及一些金融常識,來發想撰寫出最基本的統計模型。

這類的統計模型我們有上千個,最後階段才會透過 ML 的方式,將多個模型整合成一個。

Q2:絕大多數加密項目的建立只是為自己積累財富。 那麼,我想知你打算為加密貨幣行業增加哪些價值,從而為該行業帶來更多財富?

以資本主義市場來說,投資人願意投資對產業後續能產生價值,是非常重要的一環。

而投資人會願意投資,往往是因為相信可以獲得回報,獲得回報的方式之一就是在二級市場上轉賣投資。

量化交易最大的貢獻之一,就是讓二級市場保持流通性,讓買家賣家都可以隨時隨地自由的買賣。

另外我們 Kronos 也有 Venture Arm,已經對產業內眾多新創 Project 進行風投,我們參與了許多的 Seed Round、Private Sale ,也會輔助這些 Project 發幣、上交易所,這些都是直接或間接的在 Support 這個產業的未來。

Q3:我本身也有稍微接觸程式交易,有些好奇像 Kronos 這種公司組織在發想策略時是僅看回測結果當要不要投入使用的判斷而遇到策略失常的時候,又會是依什麼作為淘汰根據?想多了解大型組織在這方面處理的細節

其實光是分析回測結果就是一門蠻大的學問,每次不同參數的回測結果不見的只有「賺多少錢」能參考,我們也會看很多其他的 Metrics,再把眾多 Metrics 綜合起來分析,找出最「穩定」的參數,不見得是回測結果最賺錢的參數。

Q4:請問什麼樣的人適合做量化交易呢?

我的看法是,量化交易是一個非常競爭的產業,你每天的所作所為,幾乎都能在短時間內在市場中得到反饋。

若你是一個熱愛競爭、每天接受不同的挑戰、喜歡不斷的用新的想法解決同一個問題、且又能不厭其煩的一直解決新的問題,那你應該會很喜歡量化交易。

當然豐厚的報酬也是原因之一。

Q5:量化策略在實際執行之後,什麼樣的回撤是預期之外的?比如最大回撤 ,最長回撤時間,代表策略有沒有失效等?

這些判斷都可以從分析回測結果,來訂一些規則。

Q6:加密貨幣市場波動大也更容易受消息面影響,想請問這樣跟股市比起來會不會不太適合做量化

其實股市也非常受消息面影響,但以我們做高頻量化的團隊來說,「消息面」通常不會被納入考量,因為我們看的數據非常的細,幾十毫秒就很多筆資料了,持倉和預測價格的時間也都不會太長,不太會突然被消息面突襲,反而因為我們分析的市場數據非常貼近毫秒級別的市場「供需」,我們的策略更能快速反應消息面帶來的市場變化,當波動大時,對我們反而是個好時機。

所以其實這麽一說,我們反而也偏好被很多消息面影響的標的,波動越大的越好。


關於 Avalanche

Avalanche 雪崩協議是新一代的、革命性的共識協議;Avalanche 雪崩公鏈正是基於雪崩共識打造的、對開發者最為友好的、可定制化的、高速安全可靠的高性能公鏈。

Avalanche 鏈上交易完成速度飛快、擁有最多數量的驗證節點,同時糅合了 PoS 共識的優點,保證所有鏈上活動的安全性。雪崩協議具有極速、低費用和綠色環保的特點。支持智能合約的應用如果想超越對手,都可通過部署在雪崩協議上獲得卓越競爭力。不可置信?現在就試用一下雪崩協議上的應用吧。

雪崩官網:https://avax.network
雪崩繁中群:https://t.me/avalanche_tw
雪崩中文 Facebook 專頁:https://www.facebook.com/Avalanche.TW
雪崩中文 Medium:https://medium.com/@avaxtw
更多生態項目:https://twitter.com/AVATAR_AVAX

本文不構成投資建議,虛擬貨幣波動大請謹慎小心

掌握虛擬貨幣、區塊鏈大小事

發表迴響