摘要
本文對比了所有類型的量化投資策略，並按照主動和被動兩大類型進行分類。主動類型中趨勢類策略和波動類策略是兩大主要類型的策略。
本文對比了所有類型的量化投資策略，並按照主動和被動兩大類型進行分類。主動類型中趨勢類策略和波動類策略是兩大主要類型的策略。
摘要
大部分策略都可以在數字貨幣市場進行應用，數字貨幣市場也存在自己特色的套利方法。被動管理和指數增強型在傳統市場漸漸興起，數字貨幣交易可以藉鑑其思想。此外我們這裡簡要分類了數字貨幣量化投資所面臨的風險以及一個成熟量化策略需要的風控手段，並列舉了量化交易平台所需要的基礎設施和必備模塊。
一級標題
二級標題
此外評估一個量化團隊實力需要從多方面入手，策略層面一般屬於高度機密，可以從團隊背景、架構、風控和合規、各類指標等層面進行動態審視。
一級標題
一級標題
二級標題
量化投資的興起和數理金融學發展密不可分，美國經濟學家Markowitz在20世紀五十年代建立的均值-方差模型可以說是量化投資的開端，隨後在60年代，William Sharpe等四人在現代投資組合理論（MPT）的基礎上上發展出了資本市場定價模型（CAPM），成為度量金融風險和收益的基本模型。另一個值得注意的方向是是Fama等人在60年代發展起來的有效市場假說，影響力持續至今。此外Fama和French在90年代還發展出了三因子模型，成為後來因子分析模式的開端。
二級標題
隨著衍生產品的不斷發展，在上個世紀70年代美國經濟學家Black和Scholes建立了期權定價模型（BSM model），又迅速地應用於金融市場，幫助金融衍生產品迅速的發展，反過來推動金融數學理論往前推進了一大步。
80年代， “金融工程” 這個概念被提出，形成新的學科形態並開始廣泛吸收和研究相關成果。 90年代最重要的進展是金融風險管理方向，VaR風險管理模型被廣泛使用，已經被全球金融機構所廣泛使用，是最重要的風險度量矩陣之一。
中國的量化投資歷史不長，也只發展了短短10年左右時間，和海外量化人才回歸以及衍生品市場開始起步的時間點有關。在過去十年，和量化基金同時發展的還有被動投資。被動投資起初並不算做量化範疇，但是ETF產品的出現需要藉助量化手段，特別是近幾年出現的指數增強或者叫Smart Beta類產品，是基於原有指數基礎上對各種影響因子進行分解，並重新配置資產，需要較強的量化平台支持。
二級標題
二級標題
數字貨幣本身波動較傳統金融市場產品大很多，適合多種賣出波動率的量化投資策略。
一級標題
市場發展比較早期，產品都很初步，比如期貨、期權產品，流動性低、定價有效性差，出現錯誤定價的機會多，量化投資可以很好地捕捉其中的定價偏離機會。
交易時間長，7*24小時交易，不適合人工盯盤和交易，而更有利於發揮量化系統在盯盤、預警和捕捉交易機會的優勢。
一級標題
二級標題
二量化策略分類與數字貨幣市場應用
量化投資也分成主動和被動類型，主動類型追求絕對收益，通過承擔各類風險因子，從而追求在任何市況下都可以獲得超額穩定收益的結構，數字貨幣的量化投資策略也大部分是以主動投資為主。
二級標題
二級標題
2.1 主動量化概述
主動量化投資策略，基本分成分成趨勢類型和波動類型兩類。因為無論是傳統金融還是數字貨幣市場，市場的走勢都可以分解成兩種，一種是趨勢市，一種是波動市。其餘走勢都可以看作是這兩類走勢的疊加。量化策略的意義，就是在趨勢市中抓住單邊機會，在波動市找到不合理的定價的機會。
無論採取哪類策略，重要的是判斷目前是趨勢市還是波動市。因為從歷年統計裡看，量化對沖基金在牛市業績差於long-only基金或者long-short基金，而在波動市或者熊市可以跑贏後兩者，原因在於不同市場條件下，各類收益貢獻的比重差別很大，所以判斷市況是第一位的。
二級標題
二級標題
2.2 主動量化策略
2.2.1 趨勢類策略
趨勢判斷主要是要判斷目前是什麼樣的市場，是向上還是向下，以及什麼樣的標的更適合這樣的市場。如果判斷錯誤則風險非常之高，但是對應的判斷正確的收益也極大。
量化選股（幣）
量化擇時
量化選股（幣）
量化選股或者選幣，就是構建一系列標的（多空）組合，無論是股還是幣。量化選股（幣）有很多種類型，最廣泛應用的就是多因子模型，其基本原理在於拆解可以構成標的物上漲和下跌的因素，也可以說是因子分析。
即在構建投資組合的時候，不是以標的物本身進行分類（比如某行業分配多少權重），而是按照因子進行分類，某一類因子給予多少權重。當然股票和數字貨幣也有不同，股票的因子會更多，因為涉及到很多基本面的因素，數字貨幣情緒面（如推特的討論）或者事件驅動類型（減半、重大升級、合作）的因子更多，但是關鍵在於，找到合適的因子進行模擬和回測。
容易犯的錯誤比如，把一些看似重要、但實際並不重要的因子，分配過多的權重，而增加了風險，所以還需要對因子的有效性進行檢驗。
股票的常見的因子包括：估值、成長（比如淨利潤增加率）、資本結構（比如外資持有）、動量。換手率、資金流入、行業輪動等。
數字貨幣常見因子包括：市值、成交量、動量、社交平台（討論數、follow量）、特殊事件（升級、Coinbase上幣等）、宏觀流動性等。
可以看出，基本面投資其實和量化投資有相通之處，使用量化方法去進行基本面投資，也是A股一些基金經理喜歡的策略，甚至基本面本身，只要是基於數據的，也可以算作量化的一種。其他一些量化選股模型還包括風格輪動、行業輪動、資金流等模型，有些也可以統一在多因子模型下，這裡就不贅述。
量化擇時
量化擇時是一種估計走勢的方法，其實也可以算作因子分析的一種，是以市場方向的判斷作為主要利潤來源，但是風險也較大。
量化擇時起初就來源於比較簡單的技術分析手段（如均線、量能等）分析，一般分成趨勢擇時指標、市場情緒擇時指標、牛熊線指標、市場異常指標、以及一些根據特殊指標進行調整的方法（時變夏普比率、分形方法等）。
2.2.2 波動類策略
波動類策略是試圖不承擔系統性風險的做法，無論系統是向上，向下還是波動，希望把系統風險排除在外。比如著名的阿爾法策略，就是把系統風險貝塔，通過衍生產品對沖掉，剩下的只是個股、個券，個幣的收益。波動類策略在牛市中仍然跑不過長倉基金，熊市和波動市則可以獲得超額收益，屬於長期穩健型的方法。
衍生品套利（期貨、期權）
統計套利
數字貨幣特有的套利
衍生品套利（期貨、期權）
在衍生品市場比較發達的產品上，可以使用這種套利方法。對於期貨而言，分成期現套利和跨期套利兩種。比如在現貨市場上買進低價格的現貨，在期貨市場上賣出高價值的期貨，以獲取價格回歸的利潤。基本依據是期貨到了結算日，價格會回歸現貨價格。跨期套利就是不同期限的期貨之間進行買賣套利。可以看出，期貨的套利是一種市場中性方法，需要市場不斷地波動從而產生定價偏差機會出現，平穩的市場很難產生套利機會。
統計套利
跨交易所套利
統計套利是指通過對相關投資標的的歷史統計規律進行研究，發現其相對應的長期均衡關係（協整關係），當某一對品種的價值偏離到一定程度後，開始買入向下偏離的，賣出向上偏離的，甚至只進行單邊操作，在長期均衡關係回歸以後獲利了結。統計套利的標的可以從最簡單的配對交易(兩個標的之間)，到一系列標的投資，關鍵在於尋找出標的之間的協整關係。
比如對於數字貨幣市場，有人曾作過萊特幣/比特幣，以太坊/比特幣之間的配對交易，就是計算出一對數字貨幣比值的長期歷史均值，然後買入低估的那個，如果可以做空，在衍生品市場賣出，最後以求得價值的回歸。
數字貨幣特有的套利
此處介紹的是數字貨幣特有的套利模式，也就是說這類套利機會的存在，只存在數字貨幣交易所或者數字貨幣交易對之間。當然這些模式在其他產品上也曾經出現過，比如外彙的三角套利，但在數字貨幣交易上有了更新的應用，在此也一併歸入數字貨幣特有的套利模式中。
跨交易所套利
早期曾出現在不同交易所的相同交易對，價格不一致且持續存在的情況，於是可以在高價交易所賣出，在低價交易所買入同一個交易對獲利。
比如在兩個交易所都掛牌的數字貨幣，可以在兩邊同時進行操作。比如交易員在A交易所存有ETH，在B交易所存有BTC，A交易所的ETH/BTC價格高於B交易所，則可以在A交易所賣出ETH獲得BTC，在B交易做通BTC買入ETH，這樣可以免除交易所之間轉賬手續費，然後ETH和BTC都獲得了同步的增長。
比如BTC/USDT=8000, ETH/USDT=200, ETH/BTC=0.2542, 顯然ETH/BTC被高估了，那可以同時賣出ETH/BTC，並買入ETH/USDT，這樣ETH和BTC的基礎頭寸大致不變，但是BTC的量增加了。或者是，用USDT買入ETH，賣出ETH/BTC, 得到BTC後賣出BTC/USDT，用USDT買入ETH，循環往復。
二級標題
以上跨交易所套利和交易所內多數字貨幣對套利結合，進行跨交易所三角套利，但是就更複雜，因為要考慮轉賬手續費、轉賬時間和交易機會的存續性等因素。跨交易對三角套利起源於外匯市場，但是外匯市場參與人多，套利機會較少。早年數字貨幣套利的交易機會也很多，現在也開始變少，原因就是量化套利的人越來越多。
法幣交易對套利
這是一種結合外彙和數字貨幣的三角或多角套利模式，就是當不同法幣交易對，比如BTC/JPY, BTC/KWR，JPY/KWR之間出現價差的時候，可以進行跨數字貨幣和外彙的套利。
二級標題
二級標題
2.3 被動量化策略類分類
被動投資（含指數增強）
資產配置
2.3.1 被動投資（含指數增強）
被動投資其實就是指數投資，現在數字貨幣市場也沒有受認可的指數，大部分的指數都是各類公司自己編制，缺乏一致性和認可度。比特幣的市值仍然佔據60%以上，編制一個大盤指數也只是將前幾大數字貨幣按照一定的權重配置一遍，收穫的大盤收益主要還是比特幣的收益。
2.3.2 資產配置
二級標題
2.4 算法交易
資產配置是這些年興起的概念，多使用於傳統的跨資產類別投資，如在股票、貴金屬、期貨、固定收益、貨幣市場基金等反向，方法如等權重投資、全天候投資等。
數字貨幣其實可以成為全天候投資中的一個新的配置類型，例如其按照增長和通脹把經濟週期分成四個像限，每個像限配置一系列最受益資產，數字貨幣可以成為這一攬子配置貨幣裡面的一個部分。但是由於風險較高，權重不會太大。
算法交易的核心就在於對交易所訂單的拆解分析和對市場的狀態的有效評估，從而不斷調整算法，降低時間成本和衝擊成本等。算法交易的主要策略都在於對訂單價格、交易量和成本的分析，一般策略包括TWAP、VWAP、MVWAP、VP、Step、IS等幾個常見類型。
一級標題
二級標題
中國資本市場使用算法交易起步較晚，但是電子交易系統非常先進，只是在相關技術研究和市場製度上有一些落後，不利於算法交易的展開，監管方面也有一些限制。
一級標題
一級標題
二級標題二級標題
一類是所有類型投資策略都要面對的數字貨幣風險，如市場風險、尾部事件、流動性風險等。流動性風險
流動性風險市場風險
：數字貨幣本身的波動性，既是盈利來源，也是風險的來源。由於數字貨幣缺乏財務基本面，沒有利息，也沒有預期現金流，使得估值完全由預期和流動性定價，較一般金融產品波動更大。基於數字貨幣的衍生產品，繼續把這種波動放大了好幾倍。目前期貨和期權市場，大部分也是基於比特幣，小部分基於以太坊，其他幣種的衍生品幾乎沒有，就是因為風險過大交易所都可能難以管理。
流動性風險
二級標題
：前面已說明流動性是數字貨幣的定價來源之一。黃金本身就是流動性的池子，比特幣也慢慢有向流動性池子發展的趨勢。但是由於市值很小，所以相對黃金，很容易受到流動性的干擾，而且還兼具風險資產特徵。典型的例子就是3.12的暴跌，以及暴跌後的迅速反彈，主因是流動性，次因是風險偏好。此外很多數字貨幣交易對的流動性也不穩定，不同交易所的交易對和上下幣規則都略有不同，這對小幣種的流動性幹擾較大。
另一類是量化投資策略所特有的風險，如量化模型設計風險，數據的完整性風險，硬件故障等市場外黑天鵝風險，模型擬合、回測與未來的關係（市場條件變化），過擬合等多類風險，可以分成兩類：
屬於經驗性的，如策略不夠聰明、回測不到位、擬合沒做好（如過擬合）、參數有問題、基礎模型缺乏證明支持等。
二級標題
二級標題
3.2 風控措施
3.2.1策略風控
策略主導的多指標風控原則
策略模型是一個負責從下單到平倉的一整套程序，大部分的策略模型，是把風控的模塊包含進去了，如什麼時候應該止損，什麼時候應該停掉策略。
這部分模型是由量化策略員直接負責的。其中的各類指標，還要和和風控等部門協商。
此外就是一個團隊基本能承擔的風險是有上限的，當運用多策略模型時，單一策略又需要分配風險指標，所以策略模型的外在限制比較多，而這些可以內化為一個個多指標的風控程序。
高級算法過濾
除此以外，有些量化團隊還專門設立獨立的算法風控，比如使用自然語言處理NLP、 關係網絡、知識圖譜等多類技術手段，去尋找和勾勒市場上並非顯而易見，但是會有實質影響的風險。
相當於在策略和交易部門之外，單獨設立一個算法為主導的風控監控體系，負責監控整體的風險暴露並和策略交易團隊溝通。
3.2.2 合規風控
一級標題
傳統金融市場，比如A股會要求下單次數、撤單次數、下單和撤單之間的時間差等。預計以後合規的數字貨幣交易市場可能也會有類似要求，比如可交易/不可以交易什麼類型的數字貨幣。這就需要修改策略模型，尤其是高頻交易模型，以符合監管要求。
3.2.3 人工幹預風控
主要是指策略啟停、手工下單、系統急剎，以及各類人為定義的風控規則，目的是防止策略出現黑天鵝，尤其是自動交易類型的。歷史上比如2012年騎士資本因為自動分單系統升級後，提示模塊的缺失，導致45分鐘內發送了天量訂單，導致虧損4. 6億美元。就是非常需要人工幹預的情形。
一級標題
一級標題
四數字貨幣量化投資的基礎設施和交易平台
我們認為量化交易至少需要以下5類基礎設施：
交易場所：現貨交易所、衍生品交易所、OTC交易所，以及主經紀商
交易產品：各種數字貨幣交易對、數字貨幣期貨、數字貨幣期權
數字貨幣管理系統：包括冷熱錢包、託管、保險等
法幣銀行通道和資金管理系統
量化交易系統
數據API接口：包括實時交易所數據、鏈上數據和其他宏觀數據
數據庫：歷史行情數據庫和歷史其他類型數據庫
監控系統：捕獲行情數據和特殊事件
交易系統：訂單發送、執行、成交報告
圖片描述
一級標題
交易平台的開發步驟：
圖片描述
圖片描述
一級標題
一級標題
五量化團隊評估方法和行業格局
量化策略比較隱秘。如何評估和建立對量化團隊的評價標準，是一項非常複雜的工作。量化策略是如同食品行業的秘方一樣，隱秘而又被行業冠以神秘色彩。
業績選擇性披露。量化團隊的生存線就在於領先的量化策略，其披露一般是有限的。市場上所見的量化團隊神話，也存在選擇性披露的情況。比如數學家西蒙斯設立的大獎章基金（員工內部基金）雖然收益最好，但是有外部投資人的其他下屬基金卻表現一般。
某些基金在某一年大賺，但是之後就泯然於行業，因此那種基業長青的基金很少，無論量化還是非量化。
不能過於看重團隊背景。僅以團隊背景去做評估也會碰到意外情況，最著名的例子就是長期資本管理公司LTCM的失敗，是諾貝爾獎級別的量化公司倒閉的先例。
多種指標配合。以業績去看也會有問題，業績都是後視的，存在倖存者偏差，之前的業績並不代表之後的業績。如何評估帶有一定的運氣成分。
高頻交易策略：這類策略的特點是盤子容量較小，但是收益比較穩定，優秀團隊年化可以達到30%-40%以上，但是擴展需要整體數字市場的市值往上再走一步。這些團隊的出身也是傳統量化基金出身。
一級標題
二級標題
6.1 工具限制
一級標題
一級標題
二級標題
金融工具是展開量化交易的基礎。量化投資是和金融工具豐富程度密切相關的，有更多的金融工具，就有更多可以選的量化方法。
二級標題
假設只在一個現貨市場，開展純粹的量化交易，則只能使用趨勢判斷型類的策略的，相反那些喜歡判斷波動率類的策略則完全沒有辦法運作。
期貨交易所Bitmex在2016年上線永續期貨合約，2017年CME和CBOE才開設期貨，最大的期權交易所Deribit在2018年才建立。稍後現貨交易所才跟進，紛紛加入了期貨和期權產品。沒有這些交易所和衍生產品，現貨的風險對沖不掉，期貨的風險也沒法對沖。所以量化交易需要對應的交易場所和工具。
二級標題
二級標題
6.2 市場規模限制
二級標題
二級標題
二級標題
二級標題
一級標題
二級標題
6.4 面對極端市場各類策略也會失效
極端市場條件下策略也會失效。比如市場中性策略在極端條件下，可能會讓中性發生偏移，變成單向風險暴露。比如當期貨找不到對手方開倉或者平倉，表面上的中性策略就可能變成趨勢策略。
一級標題
一級標題
七數字貨幣量化投資展望
本報告初步介紹量化投資的發展脈絡和特徵，並結合數字資產量化投資現狀作了簡要分析。
傳統的的基本面投資是一類比較詳細的指導原則，其大的框架和細的指標已經相對成熟，需要更迭的是對新興行業的納入。而量化投資策略的則是一大類投資策略的總和，而不是具體的指導原則。其各種細分領域都處在不斷進化的過程中，不存在包打天下的量化策略和長時間有效的情況。
雖然量化投資策略已經形成比較固定的大類原則，但是理論和實戰之間的差距也非常巨大。其特徵就是會有不斷的新的內容補充進來，並淘汰過時的策略和算法，而前沿策略（收益最高的那部分）則始終是部分頭部量化團隊黑箱而不可盡知。
還有一個值得觀察的方向是，主觀投資與量化投資處於融合過程，特別是傳統股票投資。
一是如果市場上有足夠的研究人員對某一標的物的評級，就可以通過量化方法進行排序整理，把一個主觀評級信號變成一個量化信號；
二是在因子模型裡面，本身也有很多基本面的因素，當然甚至也可以加入研究人員的主觀判斷作為某一項因子。
主觀投資其實也經常使用量化方法，比如根據各類基本面指標進行排序、歸因等，所以也是在相互學習。未來這類融合，也可以發生在數字貨幣市場。
數字貨幣適用於量化投資的原因前面已經提到，行業初期的跨交易所套利就是量化策略時段有效性的一個例子。目前最主要的原因還是全部的流動性分散在不同的池子，所以現貨和現貨之間的套利仍然會持續存在。
未來量化策略作用於數字貨幣的前景較大，原因在於：
期貨期權等衍生產品的規模會很大，來源於各類人士的主觀需求，如礦工套保、交易者獲利、項目司庫管理、金融服務需求等；
數字貨幣市場的規模還有很大提升空間，增長到一定程度就會有更多類型的衍生產品出現，而且隨著成熟，基本面投資可能也會逐漸成為主流投資方法的一種，使得因子分析可以有更好的使用場景；
已經看到很多傳統量化團隊進入數字貨幣，這給整體不那麼“專業”的數字貨幣量化提供新的彈藥，鯰魚的攪局會促使量化團隊不斷提升水平。
