加密货币量化交易研究报告.pdf

2018年09月29日加密货币量化交易研究报告深度合作媒体 （排名不分先后）目 录 CONTENTS加密货币量化交易研究一. 引言二. 量化交易概述三. 市场概述四. 投资策略分析五. 项目对比分析六. 风险分析七. 挑战和建议八. 总结2.1 定义 2.2 投资者分析 2.3 量化投资优势 2.4 开发工具3.1 交易市场特征3.2 行业痛点3.2.1 散户参与门槛较高3.2.2 量化交易的难度大 3.2.3 平台过分依赖手续费3.3 行业现状3.3.1 平台分布3.3.2 市场规模和团队3.4 行业发展趋势3.4.1 趋势特点3.4.2 “AI+”成为发展方向4.1 策略概述4.2 交易策略讲解4.3 风险管理4.3.1 仓位管理4.3.2 止盈止损6.1 监管政策风险6.2 模型失灵6.3 安全漏洞风险6.4 道德风险5.1 项目对比分析5.2 量化基金成功的关键7.1 面临的挑战7.1.1基础设施不完善 7.1.2平台过度依赖手续费 7.1.3加密货币市场不成熟 7.2 建议7.2.1算法模型应该多元化7.2.2提升硬件水平7.2.3投资范围应全域化引言一引 言随着美元又进入了加息周期，资本不断从世界各地回流美国，美联储利用其金融霸权优势不断重复对世界各国“韭菜”的收割。同时政府财政赤字一般通过多印钞票来解决，导致通货膨胀。这些问题一直困扰着广大投资者直到加密货币的出现，它不受政府控制的特性吸引了全世界范围内的投资者。在 7X24 小时的数字货币交易市场中，因为散户数量十分众多，交易币种数量繁多，交易所十分分散，这使得量化交易策略非常适用于此种因价格传导存在滞后甚至失真的市场环境中。同时交易对之间存在汇率差价，数百个交易所之间也存在币种差价，其中便产生了巨大的套利空间。普通投资者因为没有掌握投资工具，常常成为市场波动下的牺牲品。自从量化交易这个概念被提出后，无数的数学金融学的天才就前赴后继的投身这项事业，越来越多的机构投资者通过这种方式实现稳定盈利。量化交易现如今已经变得非常的火爆，仿佛学会了量化交易就掌握了赚钱的金钥匙一样。虽然很多的投资者都开始尝试使用量化交易来为自己赚钱,但是量化交易存在高门槛，这让广大用户望而却步。国外，由于金融行业较为发达，各种量化和对冲工具很成熟，加密货币基金量化平台起步较早。据加密货币分析公司Autonomous Next的最新研究报告，加密货币基金的数量在2018年已爆发至300多个，截止7月有312个正常运行，大部分分布在欧美发达国家的中心城市。这312家加密货币基金总共管理着75-100亿美元的资产，但资本高度集中在大型基金。报告中显示，最大的10家基金占了该行业投资资本的43%，而前50名的基金占了80%。国内加密货币量化基金还处于初期阶段，只是一个小众市场。被加密货币的高收益所吸引，有很多做传统量化团队开始研究加密货币量化策略，量化交易已经成为趋势。同时加密货币是实现数字资产流动的重要手段，数字经济的发展需要更多的加密货币支持。可能每年会有百分之三十到四十的空间，那么一定会有大量优秀的、大牛的币出来。但是，闭着眼睛说就能赚钱的时代已经过去，未来肯定是越来越多的需要专业知识。这些无形中会增加量化交易的需求，未来量化交易市场是一片蓝海市场。那么什么是量化交易，交易的策略和风险管理的操作如何，量化交易成功的关键，未来发展趋势是什么？本文将从行业发展现状、发展趋势和存在的问题和应对措施分析，给你讲述量化交易在加密货币行业的发展情况。量化交易概述二量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，减少投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。量化交易方式可以进一步细分为自动化交易（Automatic Trading）、数量化投资（Quantitative Investment）、程序化交易（Program Trading）、算法交易（Algorithm Trading）、以及高频交易（High Frequency Trading）。21 定义为了更加形象地理解加密货币用户增长，我们把1990年到1995年的互联网与2013年到2018年的加密货币相比。可以发现目前的加密货币看起来就像1994年的互联网一样，用户数量处于快速增加阶段。同时为了了解BTC及加密数字资产投资者群体特征，社会投资网络和多22 投资者分析资产经纪公司Etoro公司调查选取从2017年3月到2018年2月的加密货币投资者数据，调查使用Etoro系统的加密货币投资人员的公开存储数据及档案资料等，从中提取了包括年龄、性别、工作领域等不同维度的数据进行分析。结果表明，绝大多数投资者都是加密数字货币行业新手，并不具有任何投资经验。其中，新手占比高达81.96，而具有一定经验、可以称得上中级投资者的占比10.66，投资经验较为丰富的群体只占7.38。从职业分布来看，计算机和IT从业人员占比达15.05，金融业占比8.48，由于加密货币与技术和金融结合较高，这一高比例在预期之中。但意外的是，在加密货币交易者中，从事销 售和营销工作的人员占比达到14.49。此外，约30的加密货币交易者是没有工作的人群，其中，学生占13.85，退休人员占2.06，失业群体占14.74。数据来源：Etoro调查报告15.05%13.85%14.49%8.48%14.74%值得注意的是，加密货币交易者中女性只占不到1/10的比例。具体市场份额占比数据上，女性只占8.5，而男性加密货币交易者占比达91.5。针对以上情况，我们可以得出以下结论：大部分投资者缺乏投资数字货币投资的知识和技能，急需专业投资服务大部分投资者没有金融和IT知识，投资很容易受市场情绪影响大部分投资者没有接触过量化交易，对量化交易工具和策略缺乏了解数据来源：Etoro调查报告第一，量化交易极大地减少了投资者情绪波动的影响，有效避免投资者在市场极度狂热或悲观的情况下做出非理性的投资决策；第二，程序自动操作比人工操作更准确，更及时，也更高效，因此也更能够抓住稍纵即逝的投资机会；第三，同时数字货币市场监管比较少，量化策略更适合发展。23 量化投资优势Python是使用人群最多、社区最活跃的语言之一，也是最受开发者欢迎的语言之一。Python也是机器学习领域被使用最多的语言之一，像tensorow、scikit-learn、Theano等等对Python都有极好的支持。R语言被用来构建量化交易模型进行回测，风险管理等，最后把研究成果开源并贡献给R语言的社区，为后面的人提供非常大的帮助。R语言在量化领域已经有很多年的积累，很多算法已经成型，从投资研究到交易所，再到风险管理，有着完整的体系结构。C、C+的特点是速度最快，但对于做量化交易来说更是没有必要。因为开发者必须对计算机底层架构、编译器等等有较好的理解，这是非计算机专业的人很难做到的。C、C+通常被用来开发高频交易系统，因为它语言速度快。本质上，R语言是面向数据的语言，Python是面向程序设计的语言。从开发难度而言python和R语言相对较容易，C和C+麻烦一些。从运行速度而言，C+、C要快于R语言和python。24 开发工具市场概述三