#量化交易

avatar
henu王凯
1周前
今儿更新了个数据：之前研究量化交易时看数据说目前股票交易市场80%以上是机器交易（忘了是按照成交量还是其他维度来定义了）。陈敛发我个AI交易的服务我研究了下，开发者说目前市场上90%是机器交易
#量化交易 #机器交易 #AI交易 #股票市场 #陈敛
avatar
Vida
1周前
感同身受的是我也是这么多年一直在“捡小钱” 我也超羡慕那种能买一个XXX币然后拿住然后一下子拿大结果的人，但对我这种没有信仰没有念力的科技套利党来说太难了。 我现在的财富是靠几千次手动交易、几万次程序自动交易一点点积累的。赚的最多的几次交易也就单笔交易让我财富提升10%左右（2023年狙击的ORDI、2024年狙击的ACT） 我总结一下经验，对于科技党、套利人来说最需要打磨的优势是： - “提高你拿廉价筹码”的能力，因为你虽然没有信仰，但你的成本很低很低你就更容易拿住。比如像这次Aster：1. 通过批量交互刷成交量可以获取廉价筹码 2. 有一些链上追踪专家通过蛛丝马迹追踪内幕人士也在半年前就囤积了APX 3. 做好投资研究和监控，Aster宣布可以APX 1:1换币的时候也能立马去拿到廉价筹码。 4. 有影响力的人可以参与各种KOL轮 拿的筹码成本够低，你就会非常有心理优势，更容易做到“没信仰但能格局” - 通过各种方式拿到廉价筹码之后，若是真的行情启动，用某种量化指标来把握趋势，比你自己“觉得涨的太多所以要卖”会更好。我做新闻交易一般会用supertrend这个技术分析指标不同的周期来决定退场。你无法预测市场会多疯狂，技术分析是一种可以把市场行为量化的方法。你当然也可以选择其他量化方法，比如：如果社交媒体热度趋势下降则退出、如果监测到币充进交易所数量超过XXX个则退出等等指标。 这一切的目标是为了让一名理性、没有信仰能够通过数据的形式来拿住自己早期获取到的廉价筹码，直到你定义的那个标准达到之后再退出。这样你会有更大的概率卖在一个好价格。
币圈：山寨币盼涨，机构牛再现？· 4412 条信息
#加密货币交易 #廉价筹码 #量化交易 #技术分析指标 #套利
avatar
华尔街部分机构，已部署 AI 实时分析鲍威尔的唇部？老哥说话那一刻，根据唇部自动做多或做空？ 不知道是真的假的，但看大家，都在等凌晨 2 点的美联储降息，押注 25 基点或 50 基点。 感觉除非是短线交易大神，否则真没必要熬。干不过华尔街和那帮做量化的，手速太快了都。
美联储维持利率不变，降息现分歧，7月预期降温，关注9月· 418 条信息
#华尔街 #AI分析 #鲍威尔 #美联储降息 #量化交易
avatar
Y11
2周前
金融专业的大一新生若想入行量化交易领域，需要课外自学补充哪些知识？（快发给你女朋友、女儿看看吧）
#量化交易 #金融专业 #大学新生 #知识储备 #职业发展
avatar
每个月不算量化各在大交易所交易liangq加起来30亿美金左右🤣，手续费七八十万美金是有的🥲🥲🥲🥲都给狗庄打工了
币圈：山寨币盼涨，机构牛再现？· 4412 条信息
#狗庄 #交易所 #手续费 #量化交易 #亏损
avatar
每个月不算量化各在大交易所交易所加起来30亿美金左右🤣，手续费七八十万美金是有的🥲🥲🥲🥲都给狗庄打工了
#交易所 #手续费 #狗庄 #亏损 #量化交易
avatar
henu王凯
1个月前
很有意思，做个小预测，这个趋势下应该藏着很多机会： 最近一年对量化圈了解了些，刚才一直刷量化论坛的帖子觉得AI交易应该会和AI Coding一样有个微缩版的发展趋势
#量化交易 #AI交易 #AI Coding #发展趋势 #机会
avatar
刚开始做量化：这生意这么好，谁不做谁傻逼吗不是？ 做成第一个策略但是执行不稳定：这量化不好做，入行需谨慎 一切都稳定了开始焦急等它印钞或者过拟合时候：量化谁做谁傻逼 赚到了钱：But, what does it cost? Everything 总结：谁做谁傻逼
#量化交易 #情感反转 #高风险 #收益与代价 #个人反思
avatar
你真的懂什么是量化交易吗？ 在币圈有人通过量化交易一天躺赚上几万U， 也有团队通过量化夹子机器人月赚上百万U。 更疯狂的是，华尔街顶级交易员利用量化赚上百亿。 那么什么是量化？ 传统交易：老渔民凭经验判断哪里有鱼（看K线图/听消息） 量化交易：用声呐扫描海底地形（数学模型），自动布网收网（程序化交易） 优势：包括纪律性、系统性、实时性、分散化等。 不足：包括样本误差和样本偏差、策略共振、错误归因、黑箱等。 01、为什么需要量化交易？ 传统的投资方式往往依赖于经验和直觉，但人容易被情绪影响，比如恐慌、贪婪，不是靠个人感觉来管理资产。 而量化交易通过分析大量数据和模型，找到市场的规律，减少主观因素的干扰，找投资标的，建立可以重复使用并反复优化的投资策略，并指导投资决策过程。 在应用方面，量化投资几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、资产配置、风险控制、当然也包括加密货币市场等。 02、量化交易的优势 纪律性 传统投资很大程度上会受到诸如贪婪、恐惧等人的情绪的影响，有时候很难保证交易执行的纪律。 一般会严格执行量化模型所给出的投资指令，而不会随着投资者情绪的变化而随意更改，因而有着相对严格的交易纪律。 系统性 量化的系统性特征主要包括多层次的量化模型、多角度的观察及海量数据处理等。 多层次模型主要包括大类资产配置模型、行业选择模型、精选个股模型等。 多角度观察主要包括对宏观周期、市场结构、企业估值、成长性和盈利质量、市场情绪等多个角度的分析。 海量数据处理是指量化投资能通过计算机获得远超人脑的数据和信息处理能力，进而捕捉更多的投资机会。 实时性 能及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。量化正是在不断寻找估值洼地，通过全面、系统性的扫描，捕捉错误定价、错误估值带来的机会。 分散化 量化交易的分散化，也可以说是靠概率取胜。 这表现为两个方面： 一是从历史数据中发现规律，这些历史规律多是过去有较大概率获胜的策略； 二是依靠筛选出股票/币种组合来取胜，而不是一只或几只股票/币种取胜，从投资组合理念来看也是捕获大概率获胜的股票/币种，而不是押宝到单个股票/币种上。 03、量化交易的不足 样本误差和样本偏差 很多量化策略非常依赖历史数据，但是历史数据可能缺乏足够的多样性和足够长时间的积累，因此样本取样可能因为数量过少而出现误差，或者因为取样非随机而出现偏差。 在此基础上取得的相关性规律，一旦离开样本范围就可能失效，从而失去参考性。 策略共振 许多量化策略，和技术分析策略相似，一旦某个策略被证明有效，随着使用者增加，策略共振之下，它的有效性就减弱。 错误归因 在应用比较广泛的的多因子量化策略中，是从数据的结果来反推原因，只要构建足够多的因子，就很可能实现某个特定的已知结果。 然而，当基于这个多因子组合构建的量化策略，用于实际交易的时候，可能会因为错误归因的原因而失效。因为从结果来倒退原因，无法准确区别哪些是偶然因素，哪些是决定性的因果因素。 黑箱 各种量化策略，包括高频、对冲或套利等，往往都没有内在因果关系，其策略的有效性大多建立在历史数据的强相关性上。策略的逻辑在于，根据历史数据，如果55%或更大概率是有效的，那么只要重复数据足够多，胜算就会积累。 04、量化交易是怎么工作的？ 收集数据 收集股票、币种、债券、期货等金融产品的历史数据，比如价格、成交量、公司财务报表等。 开发模型 根据数据发现规律，比如“某币在下午3点后经常涨、交易订单、挂单量、资金费率等等”。将这些规律转化成数学模型，比如某种公式或规则。 回测策略 用历史数据测试这些规则是否有效，看看按照这种方法过去能不能赚到钱。 执行交易 使用计算机程序来自动化执行交易，比如发现规则成立时自动下单。 05、构建策略有两种思路 一种是数据挖掘，在一堆数据中通过统计、归纳发现稳定的结构，常用的技术分析便是此类。由于价格数据是随机变动的，不太可能有持续稳定的结构，需要不断的迭代优化，但未来新产生的数据少，很难在少量数据里发现新的稳定结构，所以，当历史数据的统计规律一旦失效，策略也基本就丧失价值了。 这种策略的开发路径是先有数据，再挖掘规律，再不断的优化迭代。 第二种是逻辑论证，通过数学推导得出一个结论，例如平价套利理论，通过计算会得出一个套利边界，只要价格超过边界，就存在套利机会，无论价格是怎么变动的，只要超过套利边界，就有套利机会。 这种策略的开发路径是先逻辑推导出规律，再对基础条件选代，例如利率的变动、储藏成本的变动，会得出不同的计算结果，用新的计算结果等待价格触发的交易机会。 明天我会发布一期视频，看看华尔街顶级交易员是如何利用量化套利上百亿的！
币圈：山寨币盼涨，机构牛再现？· 4412 条信息
#量化交易 #币圈 #华尔街 #数据分析 #风险
avatar
链研社
1个月前
朋友推荐了一个量化交易工具 AiQuant，导入交易所 API 之后在 telegram 也能随时开单，用了一周体验还不错。 交易所里现在也有很多量化交易工具比如，网格、马丁套利之类的工具，为什么还需要量化工具呢？ 1、开单不需要复杂参数，都是 AI 自动设置好的 2、把握不准行情方向，AI 可以自动判断是震荡、上涨、下跌，选择最合适方向 3、不需要盯盘，有一个 AI 自动调整的功能，每当行情移动就会自动调整方向，减少单边行情爆亏的可能，代价是会有一些交易磨损。 想要体验的可以用我邀请码注册，会赠送高阶的量化策略功能(Ai 自动调整方向、策略产品)，基础的网格和马丁功能是免费的 web 端：/www.aiquant.tools/s/lianyanshe telegram：/t.me/aiquanttools_bot?start=i_lianyanshe
#量化交易 #AiQuant #AI自动交易 #telegram开单 #邀请码
avatar
比特进
1个月前
从今年3月到现在，我严格按照AI榜单操作，没亏过一次钱。 反而是自己研究的指标亏了很多次，但是这些亏钱也并不是没有意义，也学会了很多东西。起码让我知道人类的菜，AI的强大和准确，人类的最大几个缺陷它都避免了，它可以365D 24H盯盘，避免了恐慌，贪婪，主观看法等。
币圈：山寨币盼涨，机构牛再现？· 4412 条信息
#Ai榜单 #AI投资 #避免人性弱点 #量化交易 #投资经验
avatar
AiCoin学姐
2个月前
自定义指标· 以太坊跟踪策略 · 抄底与止盈 如果你对以太坊的投资感兴趣，却在震荡行情和趋势转换中徘徊犹豫，那么这套专为中短线投资者设计的以太坊跟踪策略将是你的理想选择。 全文在这里： 本策略基于量化信号驱动操作逻辑，采用TD反转指标进行精准捕捉，并通过智能补仓和动态止盈体系，为你搭建一套全方位优秀的风控和盈利框架。 不论是震荡中的短线机会，还是趋势转折中的反弹行情，这一方案都能助你冷静应对市场波动并提升盈利效率。特别适合那些希望稳定获利并寻求系统化交易方法的投资者深入研究和实践。 本文将为你系统解析该策略的核心原理、实战效果与执行建议，带你掌握一套真正适合震荡行情与趋势转换期的“稳中求胜”交易方案。
比特币与以太坊行情分析：多空博弈再起波澜· 400 条信息
#以太坊 #跟踪策略 #量化交易 #震荡行情 #趋势转换
avatar
Maple
3个月前
最近喊着币圈人去美股接盘的，不是坏就是蠢，建议拉黑。 如果上头被crcl涨幅fomo的，建议思考以下几个问题： 1.如果在币圈都赚不到钱，凭什么觉得自己可以在一个更专业，更机构化，充斥着各种量化专业团队的美股市场赚钱。 2. 如果连币圈这些草台班子都战胜不了，为什么就能战胜华尔街的各种hedge fund，各种投行和机构的量化团队。 3. fomo的人想一想那些喊美股的人以前币圈的alpha，发财机会喊你了没？币圈多的是赚钱机会，二级不行去链上，链上不行，去理财。 我是真的讨厌那种跟币圈讲美股，跟美股讲币圈的所谓kol。你有能耐跟币圈的人讲币圈，跟美股的人讲美股啊，当下市场没有能力赚钱了，要不去进化，要不退圈，别在那瞎bb了。
币圈：山寨币盼涨，机构牛再现？· 4412 条信息
#币圈 #美股 #投资 #量化交易 #金融市场
avatar
以交易为生这条路 也许你一直苦苦求索 终于有一天你开悟了 就是 你形成了自己的交易系统 无论这个系统是编程的量化交易 还是纯手工下单 你知道只要你严格执行下去 不会每一张订单都挣钱 但在订单基数不断扩大 你系统的概率优势体现出来 你一定是稳定盈利的 恭喜 你余生都不用再为那点逼钱而去上班了
#交易系统 #量化交易 #职业交易 #稳定盈利
avatar
比特币已经是华尔街的比特币了 最近在看华尔街量化交易大神Grinold的<Active Portfolio Management> 从看似混沌的价格波动中抽象出规律性 然后把金融市场变成提款机 实话说内容的专业性非常高 要放之前没学个金融硕士挺难的 现在 GPT 等AI 大模型的确打开了一条快速学习任何领域的大门 当然前提是你愿意学 造个原子能反应堆都能造 下面是20多个大纲性质的点 1/ 主动投资的目标是获取超额收益（alpha），关键在于最大化信息比率（Information Ratio）。 超额收益（Alpha）：指投资组合收益减去基准收益； 信息比率：衡量单位主动风险带来的超额回报。 2/ Grinold-Kahn基本定理：IR = IC × √Breadth，IC是预测准确率，Breadth是独立决策次数。 IC（Information Coefficient）：预测信号与实际收益的相关性；Breadth：独立下注次数，体现投资多样性。 3/ 超额收益来源于市场非有效性、信息不对称和行为偏差。 市场非有效性：市场价格未能完全反映所有可得信息，存在定价偏差。 4/ 投资组合的风险建模依赖于多因子模型，核心是分解系统性与非系统性风险。 多因子模型：用多个风险因子解释资产收益变动；系统性风险：整体市场风险，无法分散。 5/ 均值-方差优化方法用于投资组合构建，目标是风险调整后收益最大化。 均值-方差优化：基于预期收益与协方差矩阵，寻找最优资产配置，最早由马科维茨提出。 6/ 投资约束（如行业暴露、流动性限制）在优化中必须严格建模，否则理论收益不可实现。 行业暴露：组合对特定行业的资金配置比例；流动性限制：资产买卖是否容易且不影响价格。 7/ 交易成本是主动管理中最大的摩擦，过高换手率会侵蚀超额收益。 交易成本：买卖资产时实际支付的费用，包括点差、佣金和市场冲击成本。 8/ 信息比率（IR）比夏普比率更适合衡量主动投资能力，因为剔除了市场beta的影响。 夏普比率：整体回报与波动率的比值；Beta：资产对市场变动的敏感度。 9/ 信息系数（IC）的估计基于历史预测与实际收益的相关性，需要稳定可靠的数据支持。 相关性：两个变量之间的线性关系，反映预测信号与实际表现的匹配程度。 10/ 市场在大多数时候有效，但局部和短期存在失效，主动管理的空间来源于此。 市场失效：局部或短期内价格偏离真实价值，产生套利机会。 11/ 投资过程必须系统化，包括信号开发、风险建模、组合优化、交易执行、绩效评估。 信号开发：寻找可预测资产价格变化的因素，形成投资依据。 12/ 贝叶斯方法用于结合主观判断与历史数据，提升预测稳健性。 贝叶斯方法：将先验知识与新数据结合，更新概率判断，提高决策质量。 13/ 多因子投资通过组合低相关性的独立因子，提升信息比率。 低相关性：两个因子间的关系弱，能提高组合多样性并降低整体波动。 14/ 层次化组合管理将投资对象分层次管理，分别进行风险控制和alpha配置。 层次化管理：按国家、行业、个股等分层处理，每一层单独优化。 15/ 随着资产管理规模上升，alpha会稀释，管理规模与超额收益存在天然冲突。 规模效应：资金规模过大，导致流动性压力增大，压缩超额收益空间。 16/ 主动管理可以获取超额收益，但需要付出更高的复杂度和管理成本。 管理成本：包括研究、数据、交易执行等运营费用，主动策略消耗资源更多。 17/ 市场信息传递存在滞后，及时反应可以捕捉短期超额收益。 信息滞后：不同市场参与者接收和处理信息的速度不同，形成短暂定价偏差。 18/ 合理使用杠杆可以在控制风险的前提下放大alpha，但需严格风控。 杠杆：借入资金放大投资规模；风控：风险控制，防止损失失控。 19/ 使用回归、主成分分析（PCA）、机器学习等工具进行alpha因子挖掘和验证。 主成分分析（PCA）：降维方法，提取解释数据方差最大的成分；回归分析：建立因子与收益的数量关系。 20/ 动态优化和定期再平衡有助于应对市场变化，提高长期信息比率。 再平衡：根据预设规则调整投资组合，使其回归目标配置，防止偏离。 21/ 模型风险是主动投资的重大风险来源，需要通过多模型、多因子、多策略分散风险。 模型风险：模型假设与现实偏离导致决策失误，分散策略可以降低单点失误的冲击。 有点厌倦币圈的割韭菜游的玩法 最近我在将所有的交易转向量化系统 大家节日快乐
#比特币 #华尔街 #量化交易 #金融市场 #AI大模型 #学习
avatar
sunlc.eth.lens
4个月前
《CCXT可能已经默默的偷取了数千万U》 昨天发了的推引起量化圈的震动，几乎大家都不知道CCXT在偷偷干这勾当。 我粗算了下这两个月光HL、KUCOIN、BYBIT三个所就偷走了我大约15000U的手续费返佣，1年下来可能得接近10W U。如果按整个币圈来算，3年下来偷取的手续费可能几千万甚至上亿U，绝对比币圈大部分项目方都赚钱，完全脱离了开源的本质。 昨天我在github issue发文说了这个问题，官方DEV直接以开源的你可以改自己不改为由，close了issue并且关闭评论，也难怪这么多年一直没人提这事，原来都被封口了。 然后今天突然发现我的推下面出现很多洗地的号，口径也都是和官方DEV一直，反正开源的出事你自己承担。 我是不会改开源代码吗？是TM这些broker id藏的很深啊。 CCXT每个交易所的代码都是几千行，每个交易所带的参数都不一样，有的藏在sign方法里，有的藏在create order里，有的藏在header里。 别说你根本不知道有broker这回事，就算知道你如果不是很仔细的看过每一行代码，都不一定能找出来。 CCXT有反佣是在页面上写清楚的，大家可以自己选择使用无可厚非。但是私带broker id从来没有在官方任何的网页和文档里说过，提出问题的人也被删帖了，这不是偷窃是什么？？？ 看了一下github更新记录，broker id应该是在2022年ccxt pro版本从收费改成免费以后，全部带上的。所以这个世界上，也许免费的才是最贵的。 这件事触动的利益极大，甚至我看了其他如humming bot等开源的代码也带了（有没有告之用户我没去核实），但至少代码是写在非常醒目的位置不难发现，不像CCXT藏的那么深。 为了便于大家定位和修改问题，我把常用的交易所代码都贴出来给大家看一下：
#CCXT偷取事件 #手续费问题 #加密货币 #量化交易 #开源项目 #加密货币交易所
avatar
昨天周二大涨，量化机器人收盘前多仓全线止盈离场，昨晚开会我还怕它是不是止盈太快，今天就跌了。唯一一个多仓NVDA今早启动后止损。表扬一下。 美中不足的是算法迭代里为了精确出场条件，有时甚至需要牺牲掉之前的一些出场甚至是进场优势，这点百思不得其解，在现有算法下似乎没有解决办法。打算这几天重点思考这个问题。 ps，过去不代表现在，市场瞬息万变，小机器人操作交易时间实盘同步，多空切换较快。不要跟它过去的单子。
#量化交易 #股票市场 #算法调整 #风险管理
avatar
勃勃OC
5个月前
澄清一下：我并没有转多 我只是想说，我无法忽略上周如此强劲反弹 其背后所反应出的信号，正在改变 这也是今天日报的核心思想 我之所以在这周不做空，只做多 是因为上周做空的仓位我还扛着，没有加仓必要了 我做多的方法是卖Put 都是概率 对了我也不夸耀，亏了也别说我是反指。。 这种被量化机器人完全控制的市场 散户就是被玩的份 最好当然是什么都不做 定投指数，这也是我们一直以来（至少一个月以来）给出的 散户最佳建议
#股票市场 #投资策略 #量化交易 #市场反弹 #定投指数
avatar
勃勃OC
5个月前
看了下走势，下周btc直接涨到100k是非常可能的 感觉他好不容易站起来了，这个周末根本跌不下去 多头已经决定了 如果不是极端利空 我觉得市场一定会冲刺 拼命冲 就算出现一点回撤 也会被很快多头散户和量化机构疯狂买起来 举个例子： 1）meta财报不及预期，盘后微跌3%，开盘后拉起高开高走10% 2）中美贸易谈判出现问题，市场盘前跌个1%，盘后继续高走，日内大涨2% 3）经济数据不佳，坏消息也是好消息；好消息更是好消息 怎么办？ 你说怎么办 空头要死绝了 下周，应该是空仓全部平掉，或者转多对冲的一周
#比特币 #市场趋势 #多头策略 #量化交易 #中美贸易 #META财报
avatar
DeepSeek 这个团队很值得研究，他们早期通过幻方量化的量化交易上获利，通过在金融市场上获利，甚至都不需要带着PPT去路演去找投资人融钱，全靠自己的交易，也不用跟人家签什么合同去承诺什么？指不定最后还要欠下几个亿需要靠抖音直播带货还债，就用幻方量化的获利来反哺自己的理想。自给自足，很值得学习。这是一种真正意义上的自由。
#幻方量化 #量化交易 #金融市场 #自给自足 #抖音直播带货 #自由 #DeepSeek
avatar
Deepseek的小梁估计也挺懵逼的，本来是因为量化交易不好干了，随时可能被证监会打击，所以弄个大模型给自己找条后路，结果被吹捧成了可以对抗美国Ai霸权的民族英雄，成了各级政府的宠儿，这让一个完全不懂政治的理工宅男情何以堪？
#量化交易 #大模型 #民族英雄
avatar
小径残雪
8个月前
在加拿大边境附近，美国边境巡逻人员与信息学奥赛金牌得主，德国人Felix Bauckholt，及另一名女性，发生原因不明的枪战。一名边境巡逻人员和Felix在枪战中死亡。 Felix在量化交易公司工作，不久前因为H1b失效，转学生签证失败后变成非法移民滞留。
#美国边境 #加拿大边境 #枪战 #信息学奥赛 #Felix Bauckholt #量化交易 #非法移民
avatar
“五穷六绝”年年如此，周期理论中一年炒币只能炒哪几个月？ “五穷六绝七还不一定翻身”，每年的5、6、7、8月，我都是空仓的。那什么时候是进场炒币的时机呢？ 一、9月底进场，11月底清场。 二、春节前进场，4月份清场。 三、执行上面两条铁律，当然个别小盘个币主力玩耍的情形不计在内。 四、美元对人民币一直在升，人民币对美元目前还是弱势，犹太资本就是要吸全球资金到美股。 五、在币圈量化交易，杠杆，能赚到钱的少数个人，只能是选币、波段操作的极少数人。 六、对大多数韭菜来讲，都是在痛苦中煎熬，有反弹（赚够1倍就收手），再考虑选别的标的做波段，快进快出。个人感觉而已。#BTC
币圈：山寨币盼涨，机构牛再现？· 4412 条信息
#币圈 #炒币时机 #量化交易 #韭菜 #波段操作