Amber AI创始合伙人Tony：量化博弈存在于价格敏感者与价格不敏感者之间

12月7日，【金色相对论专场】之“数字资产量化交易，成熟市场的标志？”线上访谈直播精彩来袭。有人说量化交易是熊市生存法则，也有人说量化交易是成熟市场的标志。对此，金色财经合伙人&CoinTime COO佟扬12月7日晚19:00—21:00线上访谈十位数字资产量化大佬，为您打开量化投资的“黑箱”。

Amber AI创始合伙人Tony参与了本次【金色相对论专场】之“数字资产量化交易，成熟市场的标志？”线上访谈直播并提出了众多精彩观点。在金色相对论线上访谈环节，金色财经合伙人&CoinTime COO佟扬向Amber AI创始合伙人Tony发问：“ 目前有业内人士表示，大部分的交易对手盘已经从散户属性趋向于机构属性，您是否认同这个观点？并且，目前的局势下，仍旧有很多新的量化团队入场，这样是否会出现明显的二八法则——具有明显优势的量化团队大幅盈利？ ”

目前加密资产市场上交易对手盘从散户属性趋向于机构属性 ？Tony表示不是特别认同。他认为，在交易的过程中很难去区分对手盘究竟是散户还是机构，如何定义散户和机构也存在很多模糊不清的地方。更好的分类可以把对手盘比为价格敏感者（量化交易者，或者有信息的交易者）与价格不敏感者的区别（散户，机构都有可能）的区别。

是不是市场现在全部是量化团队一样的价格敏感者而没有散户了呢 ？Tony认为那也是不可能的。虽说量化交易也分很多策略，策略之间可能会有相克或者互相抓的属性，但是量化最大的博弈还是存在于价格敏感者与价格不敏感者之间。这一点和股票市场的量化交易一样，大部分策略还是抓住市场哪怕是万分之几的错价机会而不是说量化团队之间互相拼杀。

他认为，当市场里只剩下量化团队，大家都是专业的价格敏感者，赚钱会非常的困难。更加直观的比喻是把价格敏感交易者与价格不敏感交易者比作草原里的狼与羊，相互制约且相互依靠。一只狼想要有肉吃，虽然要和别的狼竞争，但终究得是要抓羊吃。当有一天羊都被吃光了，狼之间拼的个你死我活，就算能存活下来还是要被饿死。现在还有很多量化团队冒出来，说明市场里的价格不敏感者还是有，错价的机会还是有。

随着交易团队越来越多，是否会出现显优势的量化团队大幅盈利？ Tony认为，这个问题也可以从两个角度来说，一个是量化交易本身的周期性，二是从交易团队自身差异出发。

Tony表示，量化交易者之间更多是一个互相竞争的关系，竞争非价格敏感者造成的细微的错价。现在币圈大部分业务难以盈利，所以很多人把目光转向量化交易。但其实现在熊市下无论是总市值还是交易量都面临着大幅度缩水，整个市场里因为错价而产生的利润会越来越少，竞争也会越来越激烈。在寒冬里，羊的数量越来越少，而狼的数量却越来越多。Tony认为，狼不会互相厮杀，但是会有很多狼因为太过老迈、太过幼小、速度太慢等原因被饿死。等越来越多的狼被饿死，羊群得到了喘息才会不断扩大，而剩下没被饿死的狼也会因此而活过来。这是一个交易行业的基本的周期，不单是数字货币交易，任何资产的交易都存在这么一个规律。

寒冬里，市场量在缩，大家能赚到的钱的总数都会受到影响，不存在说哪个量化团队因为量化团队变多了反而比以前更赚钱。随着竞争越来越激烈，那些运营架构臃肿或者策略单一的团队会面临着被淘汰的风险，而剩下来的团队则可以分到利润。

Tony认为，整个行业寒冬中，无论是策略的储备，风控，交易系统构架和搭建，对外融资，甚至是对挫折的承受能力，都是一个团队体现自己细微的差异的地方。交易里面非常讲究“Edge”，也就是你能赚到钱而别人赚不到钱的核心优势。在羊少狼多的环境里，简单的策略越来越难发挥作用，有Edge的团队可以持续盈利并且存活，没有Edge的团队会被逐步淘汰。

值得一提的是，拥有深厚金融背景的Tony，还向金色财经分享了他对行业的看法。

Tony介绍，目前，Amber AI运用的量化模型的类型比较多，从简单的线性模型到 policy based的机器学习都有，相对来说有更多可用的模型去应对市场的变化。

他介绍，AI和机器学习的训练更多是在高频交易框架上完成的，主要因为高频交易的市场数据很多，可以给机器足够多的数据进行训练。AI交易的基础模型来自于几个方面：一来是内部自有的研发团队；二来跟几所高校机器学习部门的教授以及学生有合作，通过他们来扩充对机器学习的认知和运用；三来也需要不断更新机器学习领域里面新出来的一些论文和在别的应用场景训练出结果的一些模型方案。

AI可以对量化起到什么帮助呢？ Tony介绍说，在量化交易里面AI及机器学习目前还是处于一个辅助的阶段，并没有达到AI完全取代交易员进行自我交易。另一方面，高频交易是一个非常适合AI运用的领域，因为数据多且完整，AI正在越来越多的被应用在量化交易里面，用来捕捉一些传统量化交易发现不了的规律。他指出，目前数字货币的交易还处在很初级的阶段，即使是大家最熟悉的交易所连保证数据的稳定和及时的下单都还没有解决，很多更加复杂的研究意义不大。相比较而言传统市场的交易所更加稳定，全球范围内已经有很多大的基金通过不同的方式将机器学习运用在提升基金的回报率上面，很多国际知名的对冲基金里面都聘请了AI专家。数字货币的一些特征和传统市场不一样但是同时也提供了新的交易机会，随着市场数据越来越多以及更多正规的交易所入市，机器学习和AI研究方法会对数字货币的交易的提供越来愈多的帮助。

Tony指出，目前数字货币持有者或项目团队对于量化有一些误区。

一、大家觉得交易策略是越复杂越好，一定是高精尖的策略就能战胜初级的策略，其实很多时候是根据市场形态来的，要用合适的策略而不是最复杂的策略。

二、很多人认为量化交易就是机构和团队之间的互相拼杀，其实更多的是一个竞争关系，大部分的时间是大家竞争从价格不敏感者手里赚钱。

三、量化交易的可以判断大市的涨跌，其实从科学的角度来说，越是高频、微观层面的判断，机器越比人有优势。相反，越宏观、长线的判断，受限于数据点的有限，机器越难发挥出优势，很多时候可能还不如经验丰富的交易员。