Hvad er Quantitative Analysis (QA)?

Quantitative Analysis (QA) er praksissen med at træffe handelsbeslutninger baseret på data, ikke på fornemmelser. Det omdanner tal til regler ved hjælp af matematik, statistik og kode. Forestil dig en rolig ven, der tjekker kvitteringer før han bestiller endnu en runde, og så spørger om aftalen stadig giver mening.

Myte

QA er ikke robotter, der trykker gratis penge. Det er en ramme til at teste idéer og styre sandsynligheder, og det taber stadig, når markederne ændrer sig eller når data er rodede.

Hvordan det fungerer

Quantitative Analysis (QA) følger en enkel cyklus: indsamle, teste, beslutte, gentage. Forestil dig en trader, der bygger en lille momentumstrategi på BTC.

Trin 1: Hent rene data, såsom historiske og aktuelle markedspriser.
Trin 2: Skab features, for eksempel et glidende gennemsnit og en volumentrend, og filtrer åbenlyse ekstreme værdier.
Trin 3: Skriv en regel, fx køb når prisen er over sit gennemsnit og volumen stiger, ellers forbliv neutral.
Trin 4: Backtest over flere år, inkludér gebyrer og slippage, og hold noget data ude til test på ukendt data.
Trin 5: Hvis det holder, kør strategien manuelt eller send den til Algoritmisk handel med alerts og positionsstørrelse.

Hold det kedeligt og testbart. Ja, det er idéen.

Hvorfor det betyder noget

Hvorfor bør du interessere dig for QA, hvis du arbejder med krypto og tech?

Fordel: Det omdanner vage meninger til gentagelige planer, der kan spare tid og nogle gange penge.
Perspektiv: Det følger tendensen med prioritering af data i trading og tilføjer disciplin via bedre risikostyring.
Relevans: Du vil støde på det i prop desks, quant DAOs og personlige bots. Kombineret med fornuftig diversificering kan det gøre forløbet mere jævnt på tværs af coins og strategier.

Tip

Start med én klar regel, og tilføj kun det, der forbedrer den på ukendt data. Flere justeringsmuligheder betyder mere overtilpasning.

Hovedtræk

Hvad der kendetegner Quantitative Analysis (QA):

Data: Stor fokus på rene, relevante input, ikke på mavefornemmelser.
Regler: Beslutninger følger eksplicit logik, som kan testes og gentages.
Test: Backtests og forward tests forsøger at finde ud af, om et mønster er reelt eller blot held.
Automatisering: Nemt at lave til alerts eller bots, når det har bevist sig.

Variationer

Forskellige varianter du vil se:

Statistisk: Tilbagevenden mod middelværdien, momentum og klassiske tidsserietests.
Maskinlæring: Modeller, der lærer mønstre ud fra features og labels.
Faktor: Regler bygget ud fra drivere som trend, carry eller værdi.
HFT: Modeller med meget kort horisont, der fokuserer på hastighed og mikrostruktur.
Onchain: Signaler fra gebyrer, flows, adresser og netværksaktivitet.

Påmindelse

Skidt ind, skidt ud. Hvis data er forkert eller markedsforhold ændrer sig, vil selv en poleret model snuble, så opdater løbende dine antagelser og omkostninger.

Eksempel

En krypto fond tester en simpel momentumregel på ETH, begrænser risiko per handel, og kører den live først efter at testen på ukendt data bekræfter backtesten.

Sjov kendsgerning

Ordet quant blev populært på Wall Street efter at optionsprisfastsættelse tog fart i 70'erne, og mange af de tidlige quants var fysikere; nogle hjalp senere med at bygge modeller for market making i krypto.

Opsummering

Kort sagt: Quantitative Analysis (QA) omdanner data til regler, du kan teste, stole på og justere, når markedets stemning ændrer sig.

Quantitative Analysis (QA)