使加密货币量化交易独一无二的 3 个因素

近年来，定量（quant）交易已经从神秘主义变成了资本市场日常词汇的一部分。 算法交易的迅速普及以及机器学习等趋势让一些专家认为，每个交易基金最终都会成为量化基金。 加密货币诞生于量化融资的黄金时代，其数字化和可编程性质使其成为量化策略的理想资产类别。 然而，加密货币的量化交易既具有挑战性又与其他资产交易不同。

耶稣罗德里格斯是加密资产市场情报平台 IntoTheBlock 的首席执行官。 他曾在大型科技公司和对冲基金担任领导职务。 他是纽约哥伦比亚大学的活跃投资者、演讲者、作家和客座讲师。

有许多相对简单的因素使加密资产的量化策略独一无二。 为了正确看待这些因素，我们可以从了解量化交易自成立以来的历史开始。

量化金融简史

定量金融/交易的根源可以追溯到数学家，例如 Louis Bachelier 和他的开创性著作《投机理论》，该著作概述了正态分布下的期权定价模型。 Bachelier 的想法大多被遗忘了一个多世纪，然后被包括保罗萨缪尔森和罗伯特默顿在内的经济学家在他们的期权定价工作中重新发现。

在 20 世纪上半叶，围绕量化金融的大部分工作仍然缺乏实际应用。 这种情况在 1950 年代开始发生变化，当时 Harry Markowitz 依靠计算金融方法来解决投资组合优化问题，为大量证券的算法交易打开了大门。 量化金融史上的一个杰出人物是著名的数学家和对冲基金经理爱德华索普，他改编了他的许多预测和模拟二十一点纸牌游戏的工作，以利用证券市场的定价异常。 经济学家 Fischer Black 和 Myron Scholes 在开发 Black-Scholes 模型时将与索普非常相似的想法正式化，该模型被授予 1997 年诺贝尔经济学奖。 这些想法仍然是现代量化策略的核心，包括加密货币策略。

阅读更多：当 DeFi 变得智能时 | 耶稣罗德里格斯

尽管起源于学术研究，但量化交易的历史与资本市场的技术发展密切相关。 从场内交易到电子市场的过渡、暗池的出现或机器学习等运动的复兴，大多数关键时刻都是通过技术突破实现的。

2000 年代初成为量化交易的黄金时代，数十亿美元从传统的自由支配基金流向量化替代品。 这就是加密货币诞生的宇宙。 加密货币不仅代表了一种新的资产类别，而且代表了金融市场的技术突破，因此为量化交易呈现了新的格局。

是什么让 quant for crypto 与众不同？

尽管金融市场存在多样性，但不同资产类别的量化策略机制仍然相对相似。 事实证明，交易石油期货或传统股票的量化策略在数据集、技术和基础设施方面极其相似。 更有趣的是，金融市场的技术发展相当均衡地使所有资产类别受益。 例如，当暗池成立时，它们被高频交易（HFT）基金用来交易各种金融工具。 从这个角度来看，量化交易技术在所有资产类别中都以非常相似的速度发展。

加密是第一个将新金融工具与增量技术改进（如可编程性或去中心化）相结合的资产类别。 有几个因素使加密货币中的量化策略独一无二，但其中大多数可以分为三个基本类别：Alpha 的新来源、可编程金融原语和非常规风险模型。

Α

量化策略用于发现不同资产类别（如商品、股票或货币）的 alpha（投资相对于基准指数回报的超额回报）的数据集非常相似。 现货或衍生品订单簿、收益报告和中央银行报告是传统资本市场量化模型中使用的一些常见 alpha 来源。 Crypto 是第一个以区块链数据集形式引入新的本地 alpha 源的资产类别。

区块链记录是提取与加密生态系统中相关方（例如交易所、矿工、大持有者（鲸鱼）、长期持有者等）行为相关的情报的极其丰富的来源。 从手动标记到机器学习分类模型，有多种策略可以帮助识别与区块链地址关联的实体。 该信息可以启用基于进出相关地址（例如可在线访问的交易所的热钱包）的资金流来检测交易信号的策略。 从这个角度来看，区块链代表了一种新的 alpha 来源，可以激发专门为加密资产量身定制的新型量化策略。

原语

传统金融工具中的量化策略侧重于对市场状态进行预测并根据这些预测执行操作。 然而，处理这些行为的基础设施依赖于由量化模型本身之外的不知名中介控制的做市、借贷或保险等金融功能。

在加密货币领域，去中心化金融 (DeFi) 引入了通过智能合约对那些传统金融原语进行去中介化的想法，其功能不仅透明，而且可以通过量化策略以编程方式访问。 这个简单的想法为加密货币，特别是 DeFi 中的量化模型添加了一个全新的向量。

阅读更多：DeFi 将保持低效（和盈利）的 6 个原因 | 耶稣罗德里格斯

除了建模预测和执行交易之外，交互的 DeFi 量化模型还可以与金融原语的底层交互，例如借贷、抵押、做市等等。 此外，这些金融原语的行为会产生链上数据的足迹，这些数据可以作为量化模型中独特的情报来源。 用透明和可编程的智能合约取代晦涩的中介，在 DeFi 量化策略中引入了传统资本市场中没有的自动化和智能水平。

风险模型

几乎自成立以来，风险管理就是量化策略的重要组成部分。 量化策略中的传统风险管理模型围绕与价格相关的概念发展，例如波动性或对冲。

加密是一种原生数字和可编程资产类别，这种性质引入了与传统量化策略无关的不同风险向量。 诸如分叉（开源软件的变化，需要用户升级以确保每个人都运行相同版本的代码）、流动性攻击、智能合约黑客或新协议发布、交易所上市等事件代表了加密资产的相关风险维度这应该在量化策略中考虑在内。 尽管加密仍然缺乏包含这些新元素的正式风险管理理论，但大多数量化模型表达了对它们的一些个人意识。 随着加密货币量化策略的发展，其相应的风险管理模型也将随之发展。

完美风暴

加密货币的出现恰逢一系列市场和技术运动，使其成为量化策略的完美资产类别。 对于初学者来说，加密货币诞生于量化交易的黄金时代，在这个时代，量化资产管理人受到的关注程度与可自由支配的替代品相比是不成比例的。

此外，加密货币恰逢机器学习和深度学习技术的第一波主流采用浪潮，这推动了量化交易模型的不成比例的创新。

最后，加密的数字化和可编程特性促成了新金融工具的出现，例如 DeFi，它代表了量化策略的新游乐场。

尽管存在积极因素，但在加密货币中构建量化策略与在传统资本市场中不同。 未开发的 alpha 来源、新一代金融原语和非常规风险模型是推动加密量化交易界限的一些因素。

加密货币可能不是为量化策略而设计的，但它最终可能成为催化量化领域新一波创新浪潮的资产类别。

—-

原文链接：https://www.coindesk.com/markets/2021/09/30/3-factors-that-make-quant-trading-in-crypto-unique/

原文作者：Jesus Rodriguez

编译者/作者：wanbizu AI

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。