定量金融规模正迅速吸引大型和巨大的模子，它们的表示凡是优于简朴和更专业的模子。 这种趋势反应了整个呆板进修规模中正在产生的工作。 深度进修的到来向我们表白，可以建设高度巨大的神经网络，以最不行思议的方法获取常识。

另请参阅：耶稣·罗德里格斯（Jesus Rodriguez）–加密不必恐惊GPT-3。 应该拥抱它

作为完全数字资产种别，加密好像是量化模子的抱负方针。 然而，量化计策仍然受制于相对简朴的技能，譬喻统计套利（一种旨在操作一对质券市场效率低下的成对生意业务计策），并且我们仍未看到市场上占主导职位的大型量化处事台的呈现。 尽量加密资产对付量化计策具有吸引人的特性，但加密对量化模子提出了奇特的挑战，而现实是，加密中的大大都量化计策城市失败。 在本文中，我想探讨一些大概导致加密规模大大都量化计策失败的基础原因，但不是显而易见的原因。

您在研究论文中发明的很多基于呆板进修的量化计策都接管了数十年来自成本市场的数据的练习。 大大都加密资产的生意业务汗青可以在几个月内计较出来，纵然对付像比特币和以太坊这样的车辆，数据集仍然相对较小。 很多呆板进修模子将很难总结来自如此小的数据集的任何常识。 假设您正在实验为链式链接（LINK）之类的资产的价值成立预测模子，该模子在最近几天炙手可热。 事实证明LINK的生意业务汗青很是小，不敷以练习大大都呆板进修模子的量化金融。

我把最有争议的概念留到最后。 作为金融市场，加密钱币仍无法吸引具有传统成本市场相关履历的顶级量化人才。 我们仍在办理极其巨大的问题，譬喻利用相对简朴的模子，根基的基本布局和不良的流程来预测资产类此外行为。 人才是增加量化投资作为加密钱币规模的一门学科的很是重要且常常被忽视的方面。 加密规模有很是有才能的量化团队，但它们是破例，而不是法则。

术语“暗码”和“定量”好像完美地团结在一起。 比特币和加密资产降生于成本市场最冲感人心的时刻之一，恰逢量化金融的黄金时代。 由云计较和大数据之类的举动以及呆板进修的再起引起的技能加快相撞，从而激发了一场完美的风暴，转而敦促了定量革命。 每年有数十亿美元从可支配资金转移到量化东西上，华尔街无法足够快地礼聘数学家和呆板进修专家。

1.小型数据集

另请参阅：耶稣·罗德里格斯（Jesus Rodriguez）–神话与现实：加密资产的情绪阐明

加密资产中的小型市场数据集的副浸染是大大都呆板进修量化模子倾向于太过拟合或“针对练习数据集举办优化”。 我们不绝看到量化模子在回测期间表示精彩，只是在应用于实际市场条件时失败。

这些是大概导致我们反思加密钱币规模量化投资的当前状态的一些概念。 加密钱币是量化计策的抱负资产种别，从久远来看，量化基金应成为加密钱币的主要投资东西。 阶梯上既有很多挑战，也有很多迷人的时机。

5.数据质量和靠得住性

至少直到本日，事实证明，大大都因素计策在加密资产的配景下都是无效的。 当涉及加密时，诸如代价和质量之类的因素并未获得明晰界说，而动量等其他行为则违背了传统模式。 这导致很多加密数量处事台耗费大量时间实验从头建设基于因子的计策，这些计策在加密空间中极不行能执行。

可是，在传统的成本市场上证明有效的大大都量化计策在应用于加密资产时大概结果不佳。 基于我们在IntoTheBlock上从事预测模子和量化计策研究的最新履历，我列出了一些我认为大概导致加密资产量化模子失败的因素。

譬喻，假设您设计了一个大度的深度进修量化计策，该计策按照区块链数据集预测比特币的价值。 要实施该计策，基金将需要按期收集区块链记录的基本设施，具有运行深度进修模子的计较机基本设施，适当的再培训东西等。

鉴于简朴的模子易于领略，因此无疑具有吸引力，可是它们很难推广来自巨大情况（譬喻，加密钱币市场）的常识。 作为呆板进修情况，加密将金融市场的巨大性与新资产类此外低效率和不确定性团结在一起。 绝对不是最适合简朴定量计策的要领。

想想这种环境：您已经建设了一个基于几年比特币生意业务汗青而练习的预测模子，然后您经验了险些没有颠簸的几周，随后又经验了几天的猖獗颠簸（这从未产生过）。 您想从头练习模子以获取该常识，可是如何？ 假如仅在最新数据中从头练习模子，则很大概会太过拟合，而假如您期待，，则该常识大概不再有用。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。