Co je Quantitative Analysis (QA)?

Quantitative Analysis (QA) je praxe přijímání obchodních rozhodnutí na základě dat, ne tušení. Převádí čísla na pravidla pomocí matematiky, statistiky a kódu. Představte si klidného přítele, který zkontroluje účtenky před dalším objednáním a pak se zeptá, zda obchod stále dává smysl.

Mýtus

Quantitative Analysis (QA) nejsou roboti, kteří tisknou peníze zadarmo. Jde o rámec pro testování nápadů a řízení pravděpodobností, a i tak prohrává, když se trhy změní nebo jsou data neuspořádaná.

Jak to funguje

Quantitative Analysis (QA) následuje jednoduchý cyklus: sbírat, testovat, rozhodnout se, zopakovat. Představte si obchodníka, který buduje malou momentum strategii na BTC.

Krok 1: Získejte čistá data, jako jsou historické a aktuální tržní ceny.
Krok 2: Vytvořte indikátory, například klouzavý průměr a trend objemu, a odfiltrujte zjevné odlehlé hodnoty.
Krok 3: Napište pravidlo, například nakupovat, když je cena nad svým průměrem a objem roste, jinak zůstat stranou.
Krok 4: Ověřte strategii zpětně přes několik let, zahrňte poplatky a skluz, a ponechte část dat stranou pro testy mimo vzorek.
Krok 5: Pokud obstojí, provozujte ji ručně nebo ji nasaďte do algoritmického obchodování s upozorněními a velikostí pozic.

Držte to nudné a testovatelné. Ano, o to jde.

Proč na tom záleží

Proč by vás Quantitative Analysis (QA) měla zajímat, pokud se věnujete kryptu a technologiím?

Výhoda: Přemění vágní názory na opakovatelné plány, které mohou ušetřit čas a někdy i peníze.
Pohled: Zapadá do trendu obchodování zaměřeného na data a přidává disciplínu díky lepšímu řízení rizik.
Uplatnění: Setkáte se s tím u prop desků, v quant DAO i u osobních botů. Ve spojení s chytrou diverzifikací může zjemnit průběh napříč mincemi a strategiemi.

Rada

Začněte jedním jasným pravidlem, pak přidávejte pouze to, co zlepší výkon na datech mimo vzorek. Více nastavitelných parametrů zvyšuje riziko přeučení.

Hlavní rysy

Co Quantitative Analysis (QA) odlišuje:

Data: Silný důraz na čisté a relevantní vstupy, ne na dojmy.
Pravidla: Rozhodnutí vycházejí z explicitní logiky, kterou lze testovat a opakovat.
Testování: Zpětné a forward testy zkouší odlišit reálný vzorec od náhody.
Automatizace: Po ověření je snadné převést pravidla na upozornění nebo boty.

Varianty

Různé přístupy, se kterými se setkáte:

Statistické: Mean reversion, momentum a klasické testy časových řad.
Strojové: Modely, které se učí vzory z příznaků a štítků.
Faktorové: Pravidla postavená na hybatelech jako trend, carry nebo value.
HFT: Modely na velmi krátkém horizontu, které dbají na rychlost a mikrostrukturu.
Onchain: Signály z poplatků, toků, adres a aktivity sítě.

Připomínka

Špatná data vedou ke špatným výsledkům. Pokud jsou data chybné nebo dojde ke změně režimu, i dobře vyladěný model selže, proto pravidelně aktualizujte své předpoklady a náklady.

Příklad

Krypto fond testuje jednoduché momentum pravidlo na ETH, omezuje riziko na obchod a spustí strategii živě až poté, co test mimo vzorek potvrdí zpětný test.

Zajímavost

Slovo quant získalo na Wall Street na popularitě po rozvoji oceňování opcí v sedmdesátých letech a mnoho raných quantů byli fyzici; někteří z nich později pomáhali tvořit modely pro tvorbu trhu v krypto prostředí.

Shrnutí

Jednou větou: Quantitative Analysis (QA) přeměňuje data na pravidla, která lze testovat, důvěřovat jim a upravovat, když se nálada na trhu změní.

Quantitative Analysis (QA)