策略 | 如何借鉴“量化交易”提高数字货币交易中的胜率

来源/Sharpdata 在数字货币领域似乎对量化交易有两种极端的看法：一种

认为量化交易通过高深的算法总是可以打败散户，然而对其工作原理及如何评估量化并不清楚，仅仅认为其是一棵摇钱树；另一种似乎认为量化交易不过是网格交易，仅仅是通过程序快速下单，并不具备人类高手拥有的交易真谛。这两种看法当然都有失偏颇，我们也暂且不展开详细说明，仅仅浅尝辄止地说明主要差异。量化交易总体上依赖于大数据分析制定“大概率”事件，通过数学模型验证并固化为策略，可以细分成多种类型，如套利、趋势、高频等等。不同的类型也有着不同的特点，比如高频交易有着人工主观交易无法比拟的交易速度，套利交易善于发现市场中瞬间的溢价，量化趋势交易不像主观交易更容易受到情绪波动的影响，不会像人一样遇到信号时期望自己做出更明智的决定而完全忘了之前制定好的策略。 而主观交易则善于发现难以量化的模式，运用多方面的创造力、影响力从而拥有量化程序并不具备的能力。

可以看出量化交易更注重数据分析，并通过程序使用历史数据回测来验证模型。但这并不是说主观交易应完全凭借灵感做出判断。对大多数人来说，直接拿出真金白银凭借自认为不错的“嗅觉与交易手法”就去市场大捞一笔恐怕会输的血本无归。即使主观交易不能像量化程序一样快速的对历史数据进行“回测”，也应不断通过历史数据锻炼自己对模式的熟练识别与应用。成熟的交易员往往对某一模式的应用经过了数千次的练习，才获得了超出常人的能力。毕竟通过历史发现模式、使用历史数据验证模式是提高交易能力的必经之路。这条路并不轻松，但也是战胜市场的必由之路。

接下来说说如何进行主观交易的回测，这里介绍一款不错的工具TradingView。也许有人对TradingView并不熟悉，这里简单介绍下。Tradingview是一个价格图表和分析软件，同时也是一个社交网络。投资者可以通过Tradingview查看各种不同金融市场和资产类别的价格图表，包括股票、货币对、债券、期货以及加密货币。在大家熟悉的网页端交易所（火币、OKEx、币安等所有数字货币交易所）都可以看到类似“Chart by TradingView”这样的字样。因此一方面可以利用TradingView专业的图表功能，如数千种技术指标，其中还包括其他人贡献的自定义技术指标/模式（而在数字货币交易所你无法触及这么多指标/模式）；还可以将不同的交易对显示在同一张图上对比，这在使用Pairs Trading策略时非常有用；或者查看秒级的K线图（只针对付费的用户）。另一方面可以使用TradingView同样强大的社交功能，每天众多专业的交易员在TradingView上分享自己的交易心得，以及下一步的价格预测。当然你不得不拥有一定的英文阅读能力。

这里推荐的仅仅是TradingView图表的一个小功能，即回测（Replay）。首先访问TradingView的网站，输入并选择你所关心的某个交易所的交易对，比如我们选择币安的BTCUSDT交易对；接着调整好你所关心的K线粒度如1分钟还是1小时，添加技术指标等。然后就可以点击Replay（回放）按钮，这时会出现一条红线，它代表着你想从什么时间开始“回测”，选择好开始时间点击Play（播放）按钮，开始时间后的K线和技术指标都会被清空。想象着你回到了那个时间并不知道接下来的价格走势，完全根据历史数据进行判断。比如通过某个技术指标判断出现了个信号，你需要综合各种数据和走势判断当前是个不错的买入时机还是卖出时机，并可以在屏幕下方的Text Notes记录这时的想法、市场分析。验证你的判断，暂停并再次记录你的心得体会。

随机换一个时间点，再次重复这一过程直到你感到信心十足。不要小看这个稍显枯燥的过程，它对于训练盘感非常的重要。当你准备好了走上数字货币的战场，如果在实盘中发现判断结果同回测时大相径庭，这时应及时分析总结，找到差异点并再次回测。

不过很遗憾TradingView的Replay功能针对免费用户仅提供日线级别的K线，大多数投资者更关心1分钟、5分钟、15分钟K线，此时需要升级到Pro版本。TradingView提供了30天Pro版本的试用，可以根据试用情况再做决定。如果不想为此支付费用，也可以尝试使用TradingView查看1/5/15分钟K线，通过鼠标把K线中你关心的时间挪到屏幕的右侧，然后通过键盘向右的按键模拟Replay。如果你尝试成为高阶玩家，TradingView的Pine脚本可以让你更加方便快捷的完成回测，Pine Script是一种基于JavaScript的脚本语言，相对来说比较好掌握，但这里没有篇幅来介绍这种语言的常用用法了。感兴趣的读者可自行前往TradingView查看。

正如没有一个量化策略会不经过历史数据回测直接上线，我们也推荐主观交易员同样通过回测快速锻炼交易的“感觉”。然而另一个量化交易的步骤未必被所有量化团队遵循，大多数交易员也直接忽略，即实盘模拟交易（Paper Trading）。

对量化团队来说，模拟交易是验证真实交易API稳定性、程序延迟（相对回测通常不考虑交易延迟或设定固定时间延迟），比如调用接口的延迟，数据解析的延迟，量化计算的带来的延迟等等。有时候这种延迟对最终的回报有着非常大的影响，尤其是针对高频交易。而稳定性同样重要，比如交易所计划外的维护，极端行情下滑点的变化等等。这个过程考察的是在完全follow策略执行的情况下真实环境中的表现是否与回测一致，更多的是对程序的验证与完善而不是针对策略本身。有的团队专人负责这部分，对高性能计算（HPC）、并发编程（Concurrent Computing）等有较高的要求。当然也有的团队会忽略模拟交易，直接使用小资金量来验证上面的问题，但额外需要考虑的是在不同资金体量下对量化的影响，如分单的策略，资金利用率等。

在股票交易软件中通常会提供模拟账户，让用户在入金前来熟悉操作过程。而数字货币交易所大多没有这一功能，这也是市场的选择，因为并没有多少人会使用这一功能。我们这里强调的也并不是如何模拟操作以锻炼盘感，因为在使用模拟资金和真实资金时的心态是完全不一样的，这也是大多数主观交易员需要克服的。这里还是强调类似量化通过模拟交易的过程确认回测与模拟交易表现是统一的。这种统一不仅仅是感觉上的而更多是从数据上证明的。

为了验证模拟交易在回报、风险、成本等方面与回测程序一致，应对模拟交易做必要的记录。手工主观交易员如何完成完成高质量的模拟交易呢？这里提几点个人建议：

• 不要同时对过多的模式同时进行分析，人的注意力是有限的。把过多的不同但又类似的模式一同分析往往令人精神涣散，往往一种模式也没分析好。根据个人情况上限有所不同，通常不要超过 5种 模式。
• 对模式进行区分。每次意图交易时要十分明确我根据什么因素在哪种模式下进行交易。把不同模式混在一起，就像把不同患者的血液混合然后去做血检一样。
• 进入交易时就要明确退出策略。其止盈止损的点位是多少或无论怎样应该在哪个时间前完成平仓。当然并不是意味着一旦设立无法变更，而是说每次变更需要明确的模式（理由），这样我们才能在统计上分析模式（理由）的正确率。
• 在具体实现上可以使用 Excel 的一个工作表（ sheet ）代表一种模式，在前面明确模式的形态（模式名称/交易所/交易对）。下面每一行说明遇到这种模式时的具体操作，如开仓时间、平仓时间、开仓均价、平仓均价、仓位数量、止损点、止盈点、盈利/损失百分比，备注分析等。最后统计出一段时间内该模式的成功率与盈亏比例，并与回测时的数据进行对比。
• 善用工具辅助自己。埃隆马斯克除了创立的特斯拉和SpaceX，另一个公司 Neuralink 恐怕对人类未来影响更大。它利用机器智能和生物智能结合，使得人类终将成为半机器人。先不讨论这种未来的可能性，但至少善用机器智能辅助是正在进行的过程。对大多数人来说无法在一天绝大多数时间一直盯盘，尤其是像数字货币这种7*24小时交易的投资品种，模式的识别（至少是构成模式的一部分信号识别）可以借助工具自动完成将极大提升交易员的效率。可以通过 TradingView， Messari ， Glassnode ， Sharpdata 等观测数据并提醒自己。

一段时间后分析如果出现回测与模拟结果不一致，一方面我们有可能找出模拟交易与回测的差异并对模拟交易做出修正。另一方面也可能是我们修正回测的一次良机，例如对回测中所忽略的信号进行补充并提高准确率。

回到主题，对主观交易员而言为什么模拟实盘交易同样重要呢？个人基于以下几点做出判断：

• 模式在过去成立，未必在现在同样成立。利用实时的数据可以对模型做出必要的修正使得其表现更佳。
• 相对量化或程序交易，手工交易员通常在更少的数据上进行回测与模拟交易，此时通过数据定量地统计模式的正确率至关重要。

尤其针对第二点，手工交易员在某些模式的识别可以优于量化程序，其模式难以使用计算机语言进行定量描述，经验让人更相信感觉而不是数据。当感觉受外部环境及个人情绪的影响较大，需要警惕感觉或经验的失灵，或过份地陷入对自己感觉的怀疑。此时通过模拟交易可以对该模型得出在实盘情况下定量而不是完全根据感觉的定性评估。模拟交易的结果往往更有助于个人感觉发挥更佳的作用。

善于思考、善于分析、善于总结是做好一份工作的必备条件，而对待数字货币交易这件事上你同样做到了吗？

Sharpdata, 用数据洞察区块链。