La settimana scorsa abbiamo organizzato una condivisione interna (oltre 30 persone nel gruppo WeChat).
Questa volta voglio ringraziare in modo speciale il mio buon amico @马克如Mc . Anche il contributo del boss Ma mi ha dato grande ispirazione.
E un ringraziamento speciale al mio amico Lao Li per la sua spiegazione professionale, sono sicuro che molti fan possono sentirlo, nel nostro gruppo WeChat ci sono ancora molti trader molto professionali.
Grazie anche a Panda @pandawl , al boss P @Powerpei , e a Candy @CandyDD per il loro duro lavoro dietro le quinte, spero che più persone possano vederlo.
Il contenuto seguente è il fulcro di questa condivisione interna.
Ho iniziato a registrare il verbale della riunione con un bean bag, poi ho usato ChatGPT per sistemare tutto, vi prego di scusarmi, non ho davvero tempo di scrivere a mano😄
Il contenuto essenziale è il seguente (fortemente consigliato da condividere e salvare):
──── ✦ ────
In passato, quando si parlava di trading quantitativo, la prima reazione era fondamentalmente:
• Modello matematico
• Algoritmi complessi
• Team professionale
• Alta barriera di ingresso
• Le persone normali non possono partecipare
Ma ora non è più così.
Con l'emergere di agenti intelligenti come OpenClaw, molte cose che prima richiedevano la collaborazione di programmatori, product manager e tester possono ora essere scomposte e gestite da una sola persona.
Ad esempio:
• Scrivere documenti di requisiti
• Costruire un framework di test retrospettivo
• Connettersi all'API degli exchange
• Elaborare il candlestick del Websocket
• Eseguire test retrospettivi
• Eseguire trading con piccole posizioni in tempo reale
• Correggere bug
• Confrontare i risultati reali con le deviazioni dei test retrospettivi
L'AI non renderà il trading più semplice, ma ha sicuramente abbassato molti ostacoli ingegneristici che prima erano bloccanti.
──── ✦ ────
La scorsa settimana abbiamo discusso principalmente 8 direzioni:
01｜Perché l'AI sta abbassando la soglia per il trading quantitativo
02｜Come scomporre strategie a breve termine, ad alta frequenza, a griglia e a tempo specifico
03｜Unificazione del livello dei segnali: replay e trading reale non dovrebbero essere due logiche diverse
04｜Le forme dei candlestick, i livelli di supporto e resistenza e gli indicatori, come entrare nel sistema di trading
05｜Cosa considerare dal framework di test retrospettivo all'API della chiave privata
06｜Errore di pura quantificazione, errore di quantificazione del sistema manuale e errore di regolazione dei parametri, dove si rischia di più
07｜Perché la mancanza di liquidità rende il candlestick privo di valore di riferimento
08｜Dopo l'apprendimento interno, come fare feedback e revisione
──── ✦ ────
01｜Perché l'AI sta abbassando la soglia per il trading quantitativo
In passato, il trading quantitativo era molto lontano dalle persone normali.
Non è che le persone normali non abbiano idee di trading, ma ci sono troppi problemi tecnici in mezzo.
Devi comprendere le strategie, saper scrivere codice, essere in grado di connettere le API, fare test retrospettivi e anche distribuire, testare e correggere bug.
Qualsiasi anello bloccato, il sistema non può funzionare.
Ma ora, con l'agente intelligente, molte cose possono essere scomposte da AI.
Può aiutarti a scrivere framework, leggere la documentazione delle API, elaborare i dati restituiti e trasformare un'idea in codice testabile inizialmente.
Questo è davvero il punto importante di questo cambiamento.
Il trading quantitativo non è più solo un gioco per pochi team professionali, le persone comuni stanno anche iniziando ad avere l'opportunità di ingegnerizzare la propria logica di trading.
──── ✦ ────
02｜Quali direzioni strategiche possono essere esplorate dalle persone comuni
La scorsa settimana abbiamo discusso alcuni orientamenti.
Il primo è il trading a breve termine e ad alta frequenza.
Utilizzare l'AI per estrarre dati storici, trovare fattori ad alta probabilità e poi usare il sistema per verificare se questi fattori hanno un vantaggio.
Il secondo è il trading a medio-lungo termine.
Per BTC, ETH e altri asset di qualità, utilizza parametri di griglia per acquistare e vendere automaticamente nell'intervallo.
L'obiettivo centrale non è arricchirsi da un giorno all'altro, ma ridurre il costo di mantenimento.
Il terzo è una strategia a tempo specifico.
Ad esempio, statisticamente, come si muovono le candele di 15 minuti dopo le 9:30 del mattino ora americana, se ci sono schemi fissi e se possono diventare condizioni di trading verificabili.
Questi orientamenti non sono direttamente lucrativi, ma sono adatti per l'AI per l'organizzazione dei dati, la verifica delle regole e la scomposizione delle strategie.
──── ✦ ────
03｜Il livello dei segnali deve essere unificato
Questo è un punto che ho ripetuto la scorsa settimana.
Cosa teme di più un sistema quantitativo?
Il replay storico è una logica, il trading reale è un'altra logica.
In questo modo, anche i risultati dei test retrospettivi più belli non hanno significato.
Perché non sai affatto se i risultati in tempo reale corrispondono alla strategia iniziale.
Quindi il livello dei segnali deve essere unificato.
La stessa logica dei segnali può essere utilizzata sia per il replay storico che per il candlestick in tempo reale via Websocket per fare valutazioni.
La differenza dovrebbe essere solo nei parametri:
Adesso siamo in modalità di replay o in modalità di trading reale.
e non nella logica che cambia continuamente.
Se non hai chiarito questo passo, il sistema successivo diventerà sempre più caotico.
──── ✦ ────
04｜Come entrare nel sistema di trading con analisi tecnica in tempo reale
La scorsa settimana abbiamo anche parlato di alcuni metodi comuni di giudizio nel trading reale.
Ad esempio:
• Ingombro rialzista
• Inversione ribassista
• Nuvola oscura sopra la cima
• Stella del mattino
• Stella del crepuscolo
• Livelli di resistenza e supporto
• Canale di Vegas
• Divergenza di picco e divergenza di fondo del MACD
Queste cose molte persone le guardano di solito quando fanno trading manuale.
Ma il problema è:
Ciò che gli occhi umani possono vedere, il sistema non può necessariamente comprendere direttamente.
Quindi, se vuoi quantificare un sistema di trading manuale, devi cercare di parametrizzare e regolarizzare questi giudizi.
Cosa significa rottura?
Cosa significa che il supporto è valido?
Cosa significa che la divergenza è valida?
In quali situazioni aprire una posizione?
In quali situazioni chiudere le posizioni?
Se non riesci a spiegarlo chiaramente, anche l'AI avrà difficoltà a eseguire stabilmente.
──── ✦ ────
05｜Problemi comuni nei sistemi quantitativi
Ci sono anche questioni molto pratiche.
Ad esempio, il framework di test retrospettivo.
Questo può essere scritto in Python, o puoi far aiutare un agente intelligente a costruirlo.
Ad esempio, la configurazione della strategia.
Le fluttuazioni tra diversi token non sono le stesse, i token principali e i token alternativi non possono utilizzare gli stessi parametri.
Ad esempio, l'ambiente di esecuzione.
Consiglio di eseguire su un Mac mini locale per una maggiore sicurezza e controllabilità dei dati.
E c'è anche la capacità di capitale.
La quantità di capitale delle persone comuni di solito non è così grande da far fallire la strategia.
Quello che dovresti davvero notare è:
Inizia con piccole posizioni, anche una posizione da formica per testare.
I risultati reali e il replay storico devono coincidere, e poi si può ampliare gradualmente.
Il capitale quantitativo rappresenta il 5%-10% del totale, già sufficiente per la maggior parte delle persone.
La chiave privata API deve anche essere protetta.
Ad esempio, la chiave API è meglio conservarla in un file di configurazione nascosto locale e limitare l'accesso a IP fissi.
Non aspettare che si verifichino problemi di sicurezza prima di intervenire.
──── ✦ ────
06｜I principali errori nella formulazione delle strategie
La scorsa settimana abbiamo anche parlato di alcuni errori.
Il primo è l'errore di puro quantitativo.
Molti si concentrano su un solo fattore e poi chiedono all'AI:
“Questo fattore ha qualche potenzialità di profitto?”
L'AI potrebbe facilmente dirti: no.
Ma il problema è che i veri sistemi di trading raramente si basano su un solo fattore.
Quello che ha veramente valore è spesso la logica della combinazione dei fattori.
Il secondo è l'errore di quantificazione del sistema manuale.
Molte persone, quando fanno trading manuale, possono vedere molte informazioni di mercato a colpo d'occhio.
Ma se permetti all'AI di costruire il sistema, non è detto che riesca a comprendere completamente ciò che i tuoi occhi vedono.
Quindi, cerca di rendere tendenze, forme, posizioni e condizioni di filtro il più matematiche e parametrizzate possibile.
Il terzo è l'errore di regolazione dei parametri.
L'AI potrebbe facilmente dire:
“Regolare ripetutamente lo stesso dato è overfitting.”
Questo promemoria non è sbagliato.
Ma se stai verificando un sistema di trading già noto, osservando come si comporta nel mercato reale, allora un aggiustamento moderato dei parametri ha senso.
La chiave non è rendere la curva bella, ma confermare se questo sistema è adatto all'attuale mercato.
──── ✦ ────
07｜Perché la liquidità determina se il candlestick ha valore di riferimento
La liquidità è molto importante.
Quando la liquidità è sufficiente, acquisti, vendite, rotture e ritiri, questi movimenti tecnici hanno più valore di riferimento.
Ma se un token ha bassa liquidità, il candlestick potrebbe essere stato estratto da pochi fondi.
In questo caso, analizzare forme, indicatori e supporti e resistenze può facilmente portare a falsi segnali.
Quindi, quando inizi a fare trading quantitativo, non pensare sempre di cercare fortuna nei nuovi token.
È più adatto guardare prima le monete con buona liquidità e grandi pool.
Ad esempio, BTC, ETH.
Non perché siano necessariamente più redditizi, ma perché sono più adatti per convalidare il sistema.
Far funzionare prima il sistema è più importante che inseguire l'alta volatilità.
──── ✦ ────
08｜Dopo l'apprendimento interno, come fare feedback e revisione
Alla fine, ho lasciato a tutti un compito di feedback molto semplice.
Dopo aver ascoltato, ti prego di dare un feedback sulla tua comprensione nel gruppo:
Se hai capito completamente, scrivi 1.
Capire metà significa 2.
Se non hai capito affatto, scrivi 0.
Alla fine ho scoperto che la maggior parte delle persone riesce a capire metà 😄
Questo passaggio non è solo una questione di forma.
Ma voglio sapere dove sono bloccati esattamente.
È bloccato nella logica di trading, nella costruzione del sistema, nei test retrospettivi, nei dati reali, o nei problemi di gestione del rischio.
Continueremo a organizzare condivisioni e possiamo scomporre ulteriormente in base ai feedback reali.
──── ✦ ────
In questo sharing interno, quello che voglio esprimere è in realtà una sola frase:
Il trading quantitativo nell'era dell'AI non è più solo un gioco per pochi team di professionisti.
Chi riesce a comprendere il proprio trading, a scomporlo in regole, a inserirlo nel sistema e a verificarlo ripetutamente con i dati.
Il codice è solo uno strumento.
Il sistema è il cuore.
Alla fine, voglio solo menzionarlo.
Il nostro software quantitativo che riesce a funzionare è dovuto al duro lavoro di alcuni fratelli chiave dietro.
Qui devo farvi vedere:
Questi tre sono assolutamente i principali protagonisti nello sviluppo del nostro sistema quantitativo, ognuno nel proprio ruolo.
Ci sono persone che si specializzano nel costruire framework di base per la stabilità.
Ci sono persone che si ostinano con strategie e scoperta di fattori.
Ci sono anche persone che si concentrano sui dati reali per la gestione del rischio e per correggere bug.
Senza il duro lavoro incessante di questi ragazzi, la logica condivisa oggi sarebbe solo teoria.
Il sistema è il risultato del lavoro collettivo.
Fratelli, ottimo lavoro!