关键见解

◉ 算法交易程序，或称机器人，取代了交易者手动开仓和平仓的需要，同时排除了情感上的阻碍。

◉ 对冲基金、交易平台和狂热的程序员利用方向性、市场中性和基于人工智能的策略来增加他们的资本，即使是在下降趋势的市场中。

◉交易机器人不断地提高市场效率，在交易量稀少的地方创造流动性。

跟上加密货币的24/7市场是令人生畏的。交易者往往对他们的投资组合感到上瘾，出于对错过的恐惧，怀有监测快速价格变动的冲动。为了避免用健康的社交生活换取交易引起的肾上腺素激增，算法交易为加密货币交易狂热者提供了一种退出策略。

简而言之，交易机器人是自动交易程序，取代了交易者手动开仓和平仓的需要。机器人随时了解市场的快速波动，将情感从交易策略中剥离出来，并帮助投资者专注于他们生活的其他方面。

它们是如何工作的﹕

自动交易程序，或称机器人，自动执行交易，而不是人类手动输入他们的交易。

有几种方法可以参与自动交易。虽然一些零售投资者选择部署自己的程序，但没有编码背景的投资者可以选择使用流行的集中式交易所、算法交易平台和资产管理公司。

算法交易有很多细微的差别，但典型的程序结构看起来是这样的﹕

1. Copile 资产清单

第一步是确定你想交易的东西。诸如TradingView、Crypto.com、CoinTelegraph和Messari等加密资产扫描器可以帮助缩小永无止境的加密资产清单。

2. 查询资产数据

所有的交易策略都需要定量或定性的输入。许多加密货币数据聚合器提供免费的API，用户可以用它来拉动历史指标。通常情况下，如果交易者正在实施一个依赖于订单簿交易所的策略，他们会从上述交易所实时拉取数据。流行的定性交易策略利用了Twitter、Reddit或其他新闻来源的情绪分析。有些人甚至采用复制交易策略，他们简单地模仿任何直播交易员的交易。

3. 定义和实施策略

大部分的工作是在处理积累的数据后发现的。在用实际资金部署策略之前，交易员通常会进行回溯测试，或模拟机器人在历史数据中的表现。回溯测试是算法交易中一个经常被忽视的基本步骤。它不仅使交易者能够估计一个策略在真实市场中的表现，而且还能发现不可预见的障碍，如滑点、已实现的交易费用和程序中的整体缺陷。

4. 决定

根据事先的分析，用户选择开仓或平仓。

5. 执行订单

大多数集中式交易所（一些分散式交易所和聚合器，如Loopring、1inch、Balancer和0x）都有具有订单功能的API。选择在哪里交易大大影响了长期的盈利能力，因为费用会迅速增加。

上面显示的费用是假设投资组合规模较小（30天交易量小于10,000美元）。接盘人费用意味着所下的订单从市场中获取流动性或填补订单簿中的现有订单，而做市商费用意味着该订单向市场增加流动性或在订单簿中创建订单。一般来说，订单簿交易所希望鼓励用户为市场增加流动性，因此做市商的费用总体较低。

采用高频交易策略的交易机器人会因为收费而迅速积累损失。尽管涌向最便宜的CEX是很诱人的，但程序员可以利用流行的DEX和DEX聚合器。根据当时的交易规模和网络气体费用，这可能是实施高频交易策略的一个更经济的途径。一般来说，分散的解决方案正在向第2层的扩展解决方案迁移，所以气体费用就不是一个问题了。

6. 等待和重复

交易机器人的魅力在于自动重复交易者的策略。无论交易者采用的是高频交易策略还是波段交易，机器人都可以被编程为休息一段时间，并在准备好时再次执行。

流行的策略

在击败加密货币市场方面，没有一个万能的解决方案。零售商和资产管理人都使用许多策略，通常同时执行少数几个，以提高他们的投资组合价值。大多数策略分为三个子组：方向性、市场中性和人工智能。

方向性交易策略在股票市场通常比在加密货币市场更有利可图，因为波动性较低，流动性基础较大。然而，在目前的市场状态下，由于市场的效率较低，在加密货币领域有更多的机会，可以成功地采取市场中性策略。

方向性交易策略﹕

趋势跟踪﹕

最常见也可以说是最容易实施的策略是趋势跟踪。趋势交易首先分析一项资产在某一特定方向的价格或成交量势头，然后根据持续运动的假设进行交易。换句话说，交易者对具有显著上升潜力的资产进入多头头寸，对具有下降潜力的资产进入空头头寸。
虽然一些交易者可能使用宏观经济因素或强烈的信念来确定他们的头寸，但基于动量的交易机器人将反复采用交易者最喜欢的技术分析指标来确定进入和退出点。最常见的基于动量的指标是建立在移动平均线计算之上的，这是一系列关于完整数据集的不同子集的平均线。移动平均线也有助于平滑无关的价格数据。

移动平均线收敛背离（MACD）

移动平均线收敛分歧（MACD）是一个基于动量的指标，量化了资产价格的两条移动平均线之间的差异。首先，指数移动平均线（EMA）是根据两个不同的时间段（通常是12天和26天）来计算。因为EMA更看重最近的数据点，所以短期EMA和长期EMA之间的差异就是构成MACD线的原因。最后，根据MACD信号计算出一个更短周期的EMA（通常是9天）。这个信号和MACD线之间的差值是产生整体MACD柱状图的原因，如图所示。

交易者主要使用直方图的反转点，也就是说，当它从正值变为负值，反之亦然。当MACD线越过信号线，呈现出直方图正值的变化时，这往往是一个看涨信号。同样，当MACD在信号线以下交叉时，这往往是一个看跌信号。

趋势跟踪是算法交易中最受欢迎的策略之一，特别是对散户投资者而言。它相对简单，并且允许更大的执行窗口，因为它通常跟随市场的大趋势。然而，止损对这一策略至关重要，以帮助减轻资本的损失，因为不可预见的事件会导致即使是强大的趋势也会意外逆转。

均值回归﹕

均值回归几乎与趋势交易方法截然相反。这种策略假定极端的价格行为是暂时的，价格会自然地回到正常水平。交易者采用移动平均线指标，进入多头或空头头寸以抵消价格的不规则运动。

布林线

建立在均线复归基础上的最常用指标之一是布林线包络线。布林线是一种价格包络线，它定义了价格区间的上限和下限，在价格的移动平均线上下的标准差处绘制。通常情况下，标准差是在20天的时间段内计算出来的，而带子是在远离平均值的2个标准差处绘制的。

在低波动时期，带子会收缩，预测价格的急剧波动。同样，当波段在高波动期间扩大时，目前的趋势可能即将结束。大部分的价格行动发生在上下波段之间，但是任何价格突破波段都可能意味着当前的趋势将继续。

与这种策略相关的主要风险，特别是对于高度波动的资产，是价格的不规则运动并不总是意味着它将自我纠正。均线可能只是移动以满足当前的价格。

网格交易﹕

网格交易的目的是利用正常的价格波动。在这种策略中，自动程序将在远离预定参考价格的设定价格区间内反复买入和卖出资产。

当程序开始时，用户指定一个起始参考点，通常是在当前的资产价格。然后，他们在远离参考点的地方以相等的时间间隔指定一些进入和退出点。网格的最高和最低执行价格通常是基于资产的历史价格行为。交易者可以用多头或空头头寸进入。

假设交易者想启动多头交易，程序将在价格下降时，在预定的时间间隔内迅速购买资产。当资产价格开始回升时，每笔交易将在高于原购买价格的某一点关闭。每笔交易的差额被保留作为利润。

网格交易的主要风险是，当价格没有按照程序预期的方式移动时，交易可能无法关闭。与其他策略一样，可以使用止损来减轻这种风险。

市场中立交易策略﹕

套利交易﹕

在任何时间点，比特币的价格在不同的交易所可以有多达几个百分点的差异。不同的价格是由不同的交易量、流动性和费用水平造成的。价格的变化就是所谓的套利机会。交易者可以利用价格差异，在一个交易所买入数字资产，然后迅速在另一个交易所卖出以获取利润。

Coinbase Pro和Kraken的BTC/USD订单簿显示了一个盈利的套利机会。交易者可以通过购买Kraken上的最低要价（36,164美元），并以Coinbase Pro上的最高出价（36,180美元）卖出来赚取小额利润。

需要注意的一个重要方面是订单簿上最右边的一栏，它列出了在交易所等待成交的累计订单量。对于这个例子的交易，交易者将能够购买大约0.044个BTC，但他们只能在他们选择的卖点卖出0.002个BTC。然而，交易者可以以较低的价格逐步卸下他们的购买，直到整个数量以原价解决。

Cryptoassets本质上是高度波动的，导致利用价格差异的窗口极短。机器人可以胜过人类交易者，因为它们可以分析大型数据集并自动进行交易。
虽然价格剥削可能看起来很粗略，但实际上在美国是被鼓励的。套利者为市场提供了流动性，因为每笔交易的价格变得更加一致。总的来说，该策略导致了一个更有效的市场，甚至是交易所的竞争。然而，随着市场上机器人数量的增加，套利机会越来越少，利润也越来越低。

成本基础交易﹕

成本基础交易（也称为 “现金和套利”）通过在现货和衍生品市场上采取对立的立场，从单一加密货币的价格差异中获利。通过利用市场的低效率，机器人可以找到资产的期货价格高于当前现货价格的时刻。
例如，交易者可以在交易所以1,900美元购买ETH/USD，并以2,100美元卖空相同数量的ETH/USD期货合约。衍生品合约到期后，交易商可以锁定200美元的利润。

当然，随着合约的到期，溢价会下降，并与当前的现货价格趋同，从而形成一个几乎无风险的交易。随着加密货币市场变得更加有效，甚至可能更少的波动，从这种策略中获利的机会将变得很少，利润也更少。

做市﹕

低流动性市场受低交易量的制约，往往导致更大的价格波动和更大的买卖价差。

做市机器人利用宽大的买卖价差，通过同时提交买入和卖出订单，将价差作为利润。例如，如果一个交易所的代币最高买入价是1000美元，最低卖出价是1100美元，那么价差就是100美元。机器人可以提交1000美元的买单和1100美元的卖单，并保留差价作为利润。

做市机器人有时受雇于交易所本身，以帮助向其用户提供流动性。通过用针对非流动性资产的订单充斥市场，随着其他订单找到相应的交易对，买卖价差应该会收窄。虽然这个策略看起来相当直接，但它往往难以运用。由于加密货币市场的波动性很大，机器人只有几分之一秒的时间来成功使用这一策略。

人工智能﹕

人工智能是训练计算机从数据中学习并做出明智决定的艺术，以复制（或加强）人类的思维过程。鉴于人工智能算法在其他行业的成功，它们进入金融市场也不足为奇。
他们进入金融市场的方式并不奇怪。训练计算机从历史资产数据中学习，以预测未来的运动，似乎是最终的梦想成真。

机器学习和自然语言处理（NLP）是加密货币机器人的两种常见人工智能策略。机器学习使用数据集来训练一个可以自己做出预测的模型。NLP是机器学习的一个子集，其中程序分析书面文本，以取代原始的定量数据。

机器学习过程有三种核心类型：有监督的，无监督的和强化的。交易机器人通常使用机器学习的强化类型，其中机器人通过试验和错误学习。程序做出正确的决定就会得到奖励，做出不正确的决定就会受到惩罚。就算法交易策略而言，该模型接收历史价格数据，并学习根据以前的模式选择进入和退出点。

开发一个机器学习交易机器人算法有三个基本步骤。首先，交易员收集和清理数据，然后将其设置为处理。数据应该是可靠的，应该省略不相干的数据点。不准确的数据在100%的情况下会产生不准确的结果。经过清理的数据集被分成两部分：一部分用于训练模型，另一部分用于测试模型学到的东西。

第二个也是最关键的步骤是训练模型。在这里，程序员将清理过的数据输入到模型中，以寻找趋势并最终做出预测。最后，程序员用第二个准备好的数据集测试他们训练好的模型，并在审查结果后做出调整。

虽然机器学习似乎是交易加密货币的万能策略，但往往很难看到像我们讨论的其他一些策略那样稳定的回报。更具体地说，最大的障碍是克服数据的不一致性。从基于情绪分析的方法来看，不相关的噪音往往会挤掉来自最一致来源的可操作数据。以加密货币Twitter为例。虽然可能有一些有意义的笔记和对某种资产的普遍感觉，但很难过滤出什么是重要的，而不是在这个空间里漂浮着的不断伪造和备忘录。

此外，加密货币是一个相当新的空间，资产价格往往受到特异性事件的影响。分叉，新协议的推出，以及随机的大规模抛售，使其几乎不可能训练一个模型。虽然机器学习可以接管交易行业，但加密货币市场需要更多时间来发展成一个更稳定的环境。

实施

算法交易平台

虽然加密货币市场相当年轻，但开发人员已经构建了平台，帮助缺乏编程技能的加密货币投资者实施自己的自动化策略。

一些更受欢迎的算法交易平台，如3Commas、Cryptohopper和TradeSanta，提供了一系列的机器人供用户选择。在支付少量会员费后，用户可以选择趋势跟踪、网格交易、美元成本平均法，甚至还有模仿指定交易员动作的复制跟踪功能。Cryptohopper甚至为其首要会员级别提供套利和基于人工智能的策略。

上述平台整合了用户的集中式交易所账户来行使交易。另一方面，Pionex是一个独立的交易所，使用自己的用户Binance和Huobi的合并流动性基础来填补订单。所有这些平台都继承了与它们所部署的交易所相关的费用。
某些交易所，如FTX，已经建立了软件，允许用户应用简化的代码来执行自己的交易算法。量子区提供了一个简单的框架，由触发器和行动语句组成，以补充一系列的策略，从扩大到一个位置到基础交易。尽管它可能很容易实现，但Quant Zone并没有提供任何回溯测试的资源。

在股票市场，像Wealthfront和M1 Finance这样的自动化平台让零售投资者有能力自动存款和构建投资组合，而不需要费力的手工计算过程。自动化管理的市场已经毫不意外地过渡到了加密货币。随着加密货币的数量成倍增长，投资者将寻求更有效的方法来管理他们的投资组合，重申上述平台的重要性。

对冲基金

算法投资组合管理对金融业来说几乎不是一个新概念。据估计，近40%的加密货币对冲基金主要以量化为基础，许多基金至少涉足了算法方法。

绝大多数加密货币对冲基金依靠算法来维持其投资组合的至少一部分。资产管理人可以系统地分配资本或规模进出某些资产，以实现风险管理的自动化。在一个非常基本的层面上，对冲基金利用交易所的API来自动化他们的订单过程。与他们的量化基金同行相比，典型的对冲基金优先考虑人类对其算法的监督，相信人类的直觉而不是程序。在2017年至2020年期间，许多对冲基金也使用了人类监督和量化策略的混合，允许机器人寻找投资理念，但最终的分配决定仍然掌握在人类手中。

量化基金通常为客户提供市场中性和方向性的基金供其选择。市场中立的投资组合侧重于减轻其客户在加密货币市场上的一些风险，从而优先考虑稳定的盈利能力。另一方面，方向性策略可以提供更大的整体回报，但它们通常更容易产生风险，导致更大的跌幅。

随着算法交易继续巩固其在加密货币市场的地位，市场变得越来越有效。这使得留给价格开发的套利机会越来越少。因此，对冲基金可能会选择优化他们更多基于方向性的交易策略。为了给客户提供一个规避风险的基金，这些策略往往与他们的基础资产有很强的相关性。