最近，我開發(fā)了一個(gè)加密貨幣自動(dòng)交易系統(tǒng)。因?yàn)橛锌蒲泻蛙浖こ谭矫娴谋尘?，我忽略了那些不是很科學(xué)的東西，比如市場(chǎng)營(yíng)銷。經(jīng)過多次迭代，我開發(fā)的 ML 交易系統(tǒng)，在 12 個(gè)月內(nèi)把 5 千美元的投資變成了 20 萬，最好的戰(zhàn)績(jī)是連續(xù) 4 個(gè)月不虧損。雖然在一天的某個(gè)時(shí)段虧損，但整體交易日幾乎都是盈利的。本文，我將分享在開發(fā)該交易系統(tǒng)時(shí)遇到的問題以及從中總結(jié)的經(jīng)驗(yàn)。

這種交易可以用算法來描述嗎？

開篇之前還是要提醒廣大開發(fā)人員：投資有風(fēng)險(xiǎn)，交易需謹(jǐn)慎。通常，大部分人認(rèn)為市場(chǎng)是無法預(yù)測(cè)的，也有很多學(xué)術(shù)研究為此提供了數(shù)據(jù)支撐，但這種觀點(diǎn)太武斷了，畢竟還有很多專業(yè)交易員可以根據(jù)自己的一套規(guī)則給投資人一些專業(yè)意見。

在建立算法之前，我們需要先知道市場(chǎng)交易的參與者：

• 散戶投資者：可能在朋友的推薦下購(gòu)買比特幣，或者把挖到的比特幣賣掉變現(xiàn)。
• 機(jī)構(gòu)投資者：具有大額交易能力的機(jī)構(gòu)或個(gè)體，對(duì)市場(chǎng)的走勢(shì)影響很大。
• 專業(yè)交易員：試圖跑贏市場(chǎng)，根據(jù)消息、技術(shù)分析指標(biāo)或者直覺進(jìn)行交易。
• 算法：基于市場(chǎng)數(shù)據(jù)做出決策，自動(dòng)執(zhí)行交易。

在依賴數(shù)據(jù)分析的人看來，散戶和機(jī)構(gòu)投資者的行為隨機(jī)性比較強(qiáng)，這類市場(chǎng)活動(dòng)是不可預(yù)測(cè)的，這類隨機(jī)活動(dòng)會(huì)把市場(chǎng)價(jià)格推高，要是足夠幸運(yùn)的話，可以跟著分一杯羹。但有時(shí)候也會(huì)站錯(cuò)隊(duì)。所以，長(zhǎng)期來看，最后的盈利可能為零。

我們更感興趣的應(yīng)該是專業(yè)交易員和算法。這兩者本質(zhì)上一樣，都基于一系列規(guī)則做出決策。如果能夠知道具體規(guī)則，就可以設(shè)計(jì)一個(gè)系統(tǒng)自動(dòng)執(zhí)行。例如，如果某個(gè)算法可以算出在市場(chǎng)出現(xiàn) MACD（一種被廣泛使用的技術(shù)分析指標(biāo)）信號(hào)時(shí)買入，就可以稍微修改一下參數(shù)，搶在該指標(biāo)出現(xiàn)之前買入，并在將價(jià)格推高之后賣掉。當(dāng)然，這只是一個(gè)非常簡(jiǎn)單的例子。大部分算法都很復(fù)雜，比如基于機(jī)器學(xué)習(xí)的模型，況且還忽略了市場(chǎng)流通性、交易延遲和交易手續(xù)費(fèi)等問題。關(guān)鍵在于，我們必須知道規(guī)則和算法，才可以設(shè)計(jì)系統(tǒng)。

時(shí)間尺度是一個(gè)很重要的因素。相比實(shí)時(shí)（秒級(jí)別）數(shù)據(jù)，日交易數(shù)據(jù)更隨機(jī)一些。因?yàn)闀r(shí)間尺度越大，市場(chǎng)活動(dòng)受政治新聞、法律裁決、公眾情緒、社會(huì)炒作、商業(yè)決策等因素的影響就越大。交易機(jī)構(gòu)的大筆交易也會(huì)帶來重大影響，但這種情況不會(huì)經(jīng)常發(fā)生。這些都不是可被算法利用的，我們也無法對(duì)此進(jìn)行建模。如果把市場(chǎng)活動(dòng)定位到分鐘或者秒級(jí)別，就可以找到一些模式。這些模式可以被算法利用，我們的目標(biāo)就是利用這些模式來盈利。

系統(tǒng)關(guān)鍵特性

買賣發(fā)生在兩個(gè)或多個(gè)市場(chǎng)參與者之間，有人賺錢，就有人虧錢。大家都想賺錢，那么你的技術(shù)優(yōu)勢(shì)是什么呢？在交易領(lǐng)域，我們把這種競(jìng)爭(zhēng)優(yōu)勢(shì)叫作 edge，可能來自這些方面：

• 交易延遲：我們與交易平臺(tái)之間的連接比別人更快。這意味著我們可以更快地獲取到市場(chǎng)數(shù)據(jù)，并搶在別人之前提交訂單。金融機(jī)構(gòu)通常不吝花費(fèi)數(shù)百萬美元來最小化與交易平臺(tái)之間的延遲。
• 基礎(chǔ)設(shè)施：基礎(chǔ)設(shè)施具有更高容錯(cuò)性和更好的性能，或者比其他競(jìng)爭(zhēng)者能夠更好地處理邊緣情況。
• 數(shù)據(jù)：我們可能比其他人掌握了更好的數(shù)據(jù)。這里的“好”可以指很多方面，比如，數(shù)據(jù)是從更可靠的來源收集來的，還經(jīng)過仔細(xì)的清理和預(yù)處理。
• 模型：我們基于數(shù)據(jù)構(gòu)建出更好的預(yù)測(cè)模型。我們可能使用了最新的深度學(xué)習(xí)技術(shù)，掌握了更優(yōu)化的函數(shù)、更好的特征和不一樣的訓(xùn)練算法。
• 準(zhǔn)入市場(chǎng)：我們可以進(jìn)入那些不是所有人都可以進(jìn)入的市場(chǎng)。例如，南韓的一些交易平臺(tái)只有本國(guó)公民可以參與。為避免與美國(guó)國(guó)稅局發(fā)生瓜葛，很多國(guó)際交易平臺(tái)不接受美國(guó)公民。

人們常犯的一個(gè)錯(cuò)誤是 重度依賴模型，因?yàn)樗雌饋硖靶愿小绷?。很多開發(fā)者試圖通過深度學(xué)習(xí)或增強(qiáng)深度學(xué)習(xí)算法來構(gòu)建交易系統(tǒng)，但大部分都失敗了。他們自認(rèn)為他們的優(yōu)勢(shì)在于模型，卻忽略了其他因素。他們沒有優(yōu)化服務(wù)器布局，使用開源軟件下單和收集數(shù)據(jù)，還使用非常容易獲取到的公開數(shù)據(jù)集來訓(xùn)練模型?；蛟S，這可以給他們帶來一點(diǎn)優(yōu)勢(shì)，但不足以彌補(bǔ)在其他方面犯下的錯(cuò)誤。

我也使用了一些機(jī)器學(xué)習(xí)模型，但最大的優(yōu)勢(shì)還是來自于花了很大成本在構(gòu)建基礎(chǔ)設(shè)施。幾乎所有的開源交易軟件都不夠好，將它們用于學(xué)習(xí)目的或許可以，但并不適合用在現(xiàn)實(shí)當(dāng)中。在一開始我也使用了開源組件，但經(jīng)過多次迭代之后，我都是自己開發(fā)組件，包括實(shí)時(shí)數(shù)據(jù)收集、清理、回測(cè)和模擬，訂單的管理和規(guī)范化，監(jiān)控以及實(shí)時(shí)交易。

選擇市場(chǎng)

市場(chǎng)就是指在某個(gè)交易平臺(tái)進(jìn)行交易的資產(chǎn)。例如，BTC/USDT 在 Binance 上交易，BTC/USD 在 Coinbase 上交易?，F(xiàn)在有數(shù)百個(gè)不同的數(shù)字貨幣交易平臺(tái)，每一個(gè)交易平臺(tái)都可以交易數(shù)十種資產(chǎn)。我們?cè)撛趺催x擇？最理想的市場(chǎng)應(yīng)該具有高流通性，交易手續(xù)費(fèi)低，快速且安全可靠。

總的來說，流通性是指在不顯著影響市場(chǎng)價(jià)格的情況下能夠交易的數(shù)量。流通性好的市場(chǎng)價(jià)差低，滑點(diǎn)小，交易成本低，可以進(jìn)行大額交易。交易量是衡量流通性的一個(gè)指標(biāo)。具有高交易量的市場(chǎng)通常（但不一定）具有高流通性?？上У氖?，現(xiàn)在還沒有公開評(píng)價(jià)體系可以告訴我們哪個(gè)交易平臺(tái)是可靠的，即使 cer.live 有在嘗試。搜索網(wǎng)站沒什么用，因?yàn)榻灰灼脚_(tái)會(huì)向網(wǎng)站支付費(fèi)用，讓自己的排名更靠前。

評(píng)估市場(chǎng)唯一可靠的方式是自己收集和分析數(shù)據(jù)。交易是真是假？?jī)r(jià)差和滑點(diǎn)的分布是怎樣的？一些交易平臺(tái)通過算法明目張膽地造假交易數(shù)據(jù)，還有一些使用更復(fù)雜的技術(shù)讓自己的數(shù)據(jù)看起來更真實(shí)。

具體實(shí)現(xiàn)

交易成本算法實(shí)現(xiàn)為了能夠盈利，我們的交易獲利必須高過所有交易成本的總和。對(duì)于大多數(shù)人來說，交易手續(xù)費(fèi)占了大頭，滑點(diǎn)通常會(huì)被忽略，但實(shí)際上它也很重要。假設(shè)我們買入 qty 個(gè) BTC，并在稍后某個(gè)時(shí)間點(diǎn)賣出，那么凈交易成本就是：

trade_cost(qty) = (2 * qty * exchange_fee) + (qty * spread) + slippage_buy(qty) + slippage_sell(qty)<br></br>(2 * qty * exchange_fee) 是交易手續(xù)費(fèi)。假設(shè)收費(fèi)費(fèi)是 0.01%，那么一次買入和一次賣出就需要支付兩次費(fèi)用。

(qty * spread) 是買賣價(jià)差，我們?cè)谫I入價(jià)買入，在賣出價(jià)賣出。即使市場(chǎng)完全不發(fā)生變動(dòng)，我們?nèi)匀粫?huì)在略高于賣出價(jià)的價(jià)格買入。價(jià)差會(huì)隨時(shí)間發(fā)生變化，所以需要把它納入到交易決策中。如果我們?cè)?Binace 上交易 BTC/USDT，單日的價(jià)差分布可能像下面這樣。大多數(shù)時(shí)候不到 1 美元，非流通時(shí)間可以達(dá)到 5 美元以上。

slippage_buy(qty) 和 slippage_sell(qty) 是因市場(chǎng)流通性不足而導(dǎo)致的價(jià)格滑點(diǎn)。交易量越大，我們要付出的滑點(diǎn)成本就越高。Binance 上的 BTC/USDT 滑點(diǎn)分布情況如下所示。每一行對(duì)應(yīng)一個(gè)特定的交易規(guī)模，范圍從 0.1 到 2.0 BTC，X 軸表示成本占支付價(jià)格的百分比。在流通性較低時(shí)進(jìn)行交易意味著滑點(diǎn)成本很容易超過交易費(fèi)用和價(jià)差，就像我們從圖中看到的那樣。

這些成本有多重要？這要視具體情況而定。如果我們每天只交易一次，更關(guān)注市場(chǎng)大幅度波動(dòng)，那么就可以忽略大部分的成本。如果價(jià)格浮動(dòng)可以達(dá)到 10%，那么 0.5% 的交易手續(xù)費(fèi)根本不算什么。交易頻次越高，這些成本就越重要。市場(chǎng)在短時(shí)間內(nèi)一般不會(huì)出現(xiàn)太大波動(dòng)，所以交易成本就變得尤為重要。

另一個(gè)重要因素是交易量。交易量越大意味著越高的利潤(rùn)，但交易費(fèi)用也更高。交易費(fèi)用和價(jià)差與交易量成線性關(guān)系，但滑點(diǎn)不是。使用平倉(cāng)限價(jià)訂單而不是市場(chǎng)訂單是保護(hù)自己不受大幅滑點(diǎn)成本影響的一種方法，但需要額外的基礎(chǔ)設(shè)施來管理部分訂單。同樣，交易頻次越高，我們?cè)诓槐唤灰壮杀镜窒那闆r下獲利的交易量就越少。

時(shí)間維度問題

我們?cè)撛趺粗朗菓?yīng)該進(jìn)行高頻交易還是每天只交易一次？為了做出權(quán)衡，我們先來看看這兩種極端的情況。

時(shí)間越短，市場(chǎng)越是不會(huì)發(fā)生大幅度波動(dòng)。每次交易只會(huì)獲得非常少的利潤(rùn)，但我們可以提高交易頻次。但正如之前討論的那樣，高交易成本會(huì)把這些利潤(rùn)都吃掉。即使我們能夠完美地預(yù)測(cè)毫秒級(jí)的市場(chǎng)波動(dòng)，這個(gè)模型也不會(huì)太管用。向交易平臺(tái)發(fā)送一個(gè) HTTP 請(qǐng)求并等待交易平臺(tái)的匹配引擎處理，這通常需要幾十到幾百毫秒，等到訂單處理完畢，市場(chǎng)又發(fā)生了變化，之前的預(yù)測(cè)就失效了。

另一個(gè)極端情況是基于某些東西進(jìn)行交易，或者進(jìn)行每日交易。隔天交易讓我們完全可以忽略交易成本，延遲也變得不那么重要了。但是，較長(zhǎng)時(shí)間的市場(chǎng)波動(dòng)會(huì)受到現(xiàn)實(shí)世界因素的影響，比如社會(huì)新聞、事件或其他隨機(jī)事件（比如機(jī)構(gòu)投資活動(dòng)）。如果我們只是依賴模式匹配（機(jī)器學(xué)習(xí)），就別指望能做好預(yù)測(cè)。我們能夠掌握的這類數(shù)據(jù)很少，根本不足以用來訓(xùn)練模型。我們也無法可靠地測(cè)試和評(píng)估我們的算法。數(shù)據(jù)少，噪音多，基于這點(diǎn)數(shù)據(jù)所做的測(cè)試無異于猴子扔飛鏢。

所以，我們需要在覆蓋交易成本、掌握足夠的數(shù)據(jù)集和從數(shù)據(jù)中識(shí)別模式這些因素之間做出權(quán)衡。時(shí)間尺度越小，模式和樣本就會(huì)越多，但也要注意交易成本和延遲，它們都受市場(chǎng)流通性和交易 API 的影響。

除了使用自然時(shí)鐘間隔（比如秒），我們還可以使用基于其他度量指標(biāo)的間隔，例如交易量。例如，我們可以把間隔定義為 1.0 BTC，而不是 1 秒，這種交易可以一秒或者一分鐘發(fā)生一次，具體取決于市場(chǎng)的繁忙情況。這是因?yàn)槲覀兿Ｍ谑袌?chǎng)活動(dòng)劇烈的時(shí)候更頻繁地交易，而在不那么劇烈的時(shí)候少交易一些?；诮灰琢康木酆蠑?shù)據(jù)包含了更為規(guī)范化的特征分布和標(biāo)簽，對(duì)于機(jī)器學(xué)習(xí)算法的訓(xùn)練更為有利。不過這種交易方式也有一些缺點(diǎn)。例如，基于交易量進(jìn)行交易有可能會(huì)太晚，因?yàn)樵诮灰赘叻逯?，市?chǎng)又往前移動(dòng)了。理想情況下，我們要先于其他市場(chǎng)參與者下單，也就是搶在交易量上升之前。

總的來說，時(shí)間尺度和如何定義時(shí)間間隔是需要加以優(yōu)化的超參數(shù)。流通性高、交易費(fèi)用低、API 延遲低，這樣的市場(chǎng)可以讓我們?cè)诟l繁的交易中獲得更多利潤(rùn)。

優(yōu)化函數(shù)

我們需要選擇最優(yōu)的指標(biāo)數(shù)據(jù)來訓(xùn)練機(jī)器模型，而基于原始價(jià)格數(shù)據(jù)訓(xùn)練回歸模型是一個(gè)顯而易見的選擇。但價(jià)格數(shù)據(jù)并不是固定的，而大多數(shù)現(xiàn)代機(jī)器學(xué)習(xí)技術(shù)需要或者使用固定數(shù)據(jù)才會(huì)獲得更好的效果。所以，在金融領(lǐng)域，我們通常對(duì)收益而不是價(jià)格進(jìn)行建模。時(shí)間 t 的收益 r(t) 表示如下：

r(t) = (p(t) / p(t-1)) - 1<br></br>收益比零大說明價(jià)格上漲，小于零說明價(jià)格下跌。時(shí)間 t 可以用上一小節(jié)討論的那些方式來定義。你可以計(jì)算每分鐘的收益，一天的收益，或者基于交易量的收益。

另一個(gè)是對(duì)數(shù)收益，它衡量的是同樣的指標(biāo)，但更接近正太分布，而且為訓(xùn)練機(jī)器學(xué)習(xí)算法提供了更為便利的統(tǒng)計(jì)屬性：

logr(t) = log(p(t)) - log(p(t-1))<br></br>我們可以考慮基于固定時(shí)間尺度的對(duì)數(shù)收益數(shù)據(jù)訓(xùn)練回歸模型，這幾乎成了一個(gè)標(biāo)準(zhǔn)。不過，我們還有其他選擇。例如，在《金融機(jī)器學(xué)習(xí)進(jìn)展》這本書中，作者討論了如何選擇合理的閾值，并將數(shù)據(jù)轉(zhuǎn)換為分類問題。

在實(shí)際當(dāng)中，我們有很多種方式來定義 p(t)。對(duì)于 BTC，它通常是指中間價(jià)。不過，我們不能基于中間價(jià)進(jìn)行交易。在買入時(shí)，價(jià)格高于中間價(jià)，在賣出時(shí)，價(jià)格低于中間價(jià)。之前已經(jīng)說過，我們還需要付出滑點(diǎn)成本，它是交易量的函數(shù)。所以，價(jià)格實(shí)際上是時(shí)間、交易（買入還是賣出）和交易量的函數(shù)，即 p(t,s,q)。上面的公式應(yīng)該是這樣的：

logr(t, quantity) = log(p(t, BUY, quantity)) - log(p(t-1, SELL, quantity))<br></br>我們還有其他類型的價(jià)格可以使用，比如微價(jià)格（microprice）。選擇合適的價(jià)格類型究竟有多重要？這取決于時(shí)間尺度和市場(chǎng)流通性。在流通性好、低滑點(diǎn)成本的市場(chǎng)里，基于中間價(jià)的收益模型更為有效，但在流通性差的市場(chǎng)中則完全無用。

訓(xùn)練、回測(cè)和實(shí)時(shí)交易一般的交易算法訓(xùn)練流程是這樣的：

• 數(shù)據(jù)收集
• 數(shù)據(jù)預(yù)處理和清理
• 創(chuàng)建特征
• 訓(xùn)練模型
• 回測(cè)
• 實(shí)時(shí)交易

我們?cè)谀Ｐ陀?xùn)練期間所做的優(yōu)化，比如對(duì)數(shù)收益的預(yù)測(cè)準(zhǔn)確性，只是盈虧指標(biāo)的代理指標(biāo)。盈虧指標(biāo)才是我們真正關(guān)心的，所以我們需要進(jìn)行回測(cè)?；販y(cè)是指使用訓(xùn)練好的模型基于歷史數(shù)據(jù)進(jìn)行全方位的模擬。商業(yè)版回測(cè)軟件可能會(huì)非常昂貴，它們可以模擬交易延遲、非標(biāo)準(zhǔn)訂單類型、交易傭金和滑點(diǎn)。它們還可以自動(dòng)優(yōu)化超參數(shù)，輸出圖表和統(tǒng)計(jì)數(shù)據(jù)用于評(píng)估模型。

但不管回測(cè)軟件有多好，它們與真實(shí)的交易環(huán)境仍然是不一樣的。

雖然回測(cè)軟件可以模擬延遲，但真實(shí)世界是很難預(yù)測(cè)的。真實(shí)世界中的延遲在低活動(dòng)期間可能很穩(wěn)定，但在高活動(dòng)期間會(huì)很大。它們還具有季節(jié)性，API 也是如此。在模擬環(huán)境中，一切都很完美，但在現(xiàn)實(shí)世界中，API 會(huì)出問題，比如請(qǐng)求會(huì)被限制，在繁忙時(shí)段訂單會(huì)被隨機(jī)拒絕。在真實(shí)世界中，我們可以影響其他市場(chǎng)參與者，但這些行為無法模擬?；販y(cè)還會(huì)受數(shù)據(jù)的限制。我們從交易 API 獲得的歷史數(shù)據(jù)通常帶有噪音，而且不完整——我們無法保證它們是否能夠真實(shí)反映當(dāng)前的交易狀態(tài)。

因此，回測(cè)主要作為一種過濾器，或者作為一種樂觀的估計(jì)。即使模型在回測(cè)時(shí)表現(xiàn)不好，在現(xiàn)實(shí)世界中仍然有可能表現(xiàn)好。模型在回測(cè)時(shí)表現(xiàn)很好，并不能保證在現(xiàn)實(shí)世界中一定會(huì)表現(xiàn)好。除非你非常小心，否則回測(cè)容易出現(xiàn)過擬合，并可能產(chǎn)生錯(cuò)誤的結(jié)果。

這也是為什么很多有關(guān)交易系統(tǒng)的學(xué)術(shù)論文在實(shí)際當(dāng)中不是很管用。研究的最后一步通常是基于歷史數(shù)據(jù)進(jìn)行回測(cè)，如果模型運(yùn)行得很好，研究人員就宣告大功告成，但他們忽略了一個(gè)事實(shí)，即他們的模型在真實(shí)的環(huán)境中可能永遠(yuǎn)無法盈利。研究人員無法使用實(shí)時(shí)交易基礎(chǔ)設(shè)施來測(cè)試模型，如果他們可以做到，而且算法在現(xiàn)實(shí)世界中運(yùn)行良好，那他們肯定不會(huì)把論文發(fā)表出來。

訓(xùn)練交易機(jī)器學(xué)習(xí)算法是很困難的。在很多其他機(jī)器學(xué)習(xí)場(chǎng)景中，訓(xùn)練測(cè)試性能與實(shí)際性能直接相關(guān)。例如，如果我們使用恰當(dāng)?shù)挠?xùn)練 / 驗(yàn)證 / 測(cè)試 split 來測(cè)試推薦系統(tǒng)，并且數(shù)據(jù)分布不會(huì)隨時(shí)間發(fā)生顯著變化，那么我們就可以非?？隙ǖ卣J(rèn)為，在測(cè)試數(shù)據(jù)集上表現(xiàn)良好的模型在生產(chǎn)環(huán)境中也是如此。在交易領(lǐng)域，我們的訓(xùn)練和回測(cè)與現(xiàn)實(shí)環(huán)境非常不一樣，以至于我們無法做出任何保證。我們只能希望基于某種代理指標(biāo)訓(xùn)練出來的模型在回測(cè)時(shí)表現(xiàn)良好，也希望它們?cè)诂F(xiàn)實(shí)世界中也有同樣的表現(xiàn)。

其他問題除此之外，我們還有其他很多問題需要解決。

• 非 IID 數(shù)據(jù)：市場(chǎng)數(shù)據(jù)的分布既不獨(dú)立也不固定，要訓(xùn)練出準(zhǔn)確的模型極具挑戰(zhàn)性。這些數(shù)據(jù)帶有噪音。或許市場(chǎng)活動(dòng)是有模式可循的，但它們通常被一些隨機(jī)活動(dòng)隱藏了起來。
• 訂單重建：在交易和回測(cè)基礎(chǔ)設(shè)施里，訂單重建是一個(gè)常見的瓶頸。我們?cè)撊绾斡行У刈吆眠@一步？交易 API 不穩(wěn)定，經(jīng)常出現(xiàn)波動(dòng)，我們?cè)撛趺刺幚恚?/li>
• 最小化延遲：有哪些手段可以用來最小化端到端的延遲？
• 構(gòu)建特征：哪些特征對(duì)于我們的算法來說是最有用的？我們?cè)撊绾螌?shí)時(shí)地構(gòu)建這些特征？
• 訂單管理：因?yàn)榻灰?API 不太穩(wěn)定，我們需要自己管理訂單。一個(gè)典型的訂單管理系統(tǒng)應(yīng)該是怎樣的？

容錯(cuò)：如果發(fā)生故障該怎么辦？我們?cè)撛趺椿謴?fù)？

相關(guān)資源

交易行業(yè)是我參與過的最為神秘的一個(gè)行業(yè)。你在網(wǎng)上找到的相關(guān)資料摻雜著各種劣質(zhì)內(nèi)容，有很多只是想借機(jī)賣東西給你。我接觸過的大多數(shù)成功的交易員都曾在專業(yè)的交易公司工作過，他們?cè)谀抢飳W(xué)會(huì)了訣竅，但不會(huì)在網(wǎng)上分享任何東西。在金融領(lǐng)域，分享知識(shí)并沒有形成一種文化。所以，對(duì)于剛進(jìn)入這個(gè)領(lǐng)域的新手來說，這個(gè)領(lǐng)域看起來相當(dāng)復(fù)雜，以至于讓他們不知所措。實(shí)踐可能成了最好的學(xué)習(xí)方式。在金融市場(chǎng)，交易基礎(chǔ)設(shè)施和高頻交易數(shù)據(jù)價(jià)值連城，但加密貨幣市場(chǎng)的數(shù)據(jù)對(duì)所有人開放，可以作為學(xué)習(xí)之用。不管怎樣，我還是總結(jié)了一些有用的資源。

• 《金融機(jī)器學(xué)習(xí)進(jìn)展》——一本嚴(yán)肅的書，介紹了機(jī)器學(xué)習(xí)技術(shù)在金融市場(chǎng)的應(yīng)用。它更多的關(guān)注學(xué)術(shù)方面，有些不是很實(shí)用。雖然我并不完全同意這本書所講的內(nèi)容，但它仍然很好地介紹了在構(gòu)建交易系統(tǒng)時(shí)遇到的各種挑戰(zhàn)和陷阱。
• 《高頻金融交易入門》——涵蓋了自動(dòng)化交易中使用的常見術(shù)語(yǔ)和方法，偏學(xué)術(shù)，有些東西很難消化，但值得一讀。
• 《被隨機(jī)愚弄：隱藏在生活和金融市場(chǎng)中的機(jī)會(huì)》——不是一本關(guān)于交易技術(shù)的書，作者是期權(quán)交易員，教你如何思考金融市場(chǎng)和生活中隨機(jī)出現(xiàn)的機(jī)會(huì)。
• arXiv q-fin——閱讀近期發(fā)表的研究論文是提出新想法或?qū)W習(xí)如何思考問題的一種好方法。它們有趣且有教育意義，但請(qǐng)不要太在意結(jié)果。正如前面提到的，學(xué)者們幾乎不會(huì)公開發(fā)表真正有效的東西。

總結(jié)

我希望本文提出的一些想法能夠?yàn)橄胍獦?gòu)建自動(dòng)化交易系統(tǒng)的讀者提供一些見解。復(fù)雜的問題通常沒有通用的解決方案，重要的是要充分理解問題的各個(gè)方面，然后根據(jù)具體情況做出合理的決策。

原文鏈接：

https://www./2019/11/lessons-learned-building-an-ml-trading-system-that-turned-5k-into-200k/