https://zhuanlan.zhihu.com/p/73883325
目標：讓身邊對交易不熟悉的朋友快速了解我的工作
結果：從2017年11月到2019年6月實盤累計收益122.6%， 夏普率6.8，最大回撤13.3%。
2019年六月到七月月收益10%，夏普4.6，最大回撤5.7%，利潤表現如下圖：
2019年六月到七月實盤利潤圖
我做的交易系統主要特征有高頻（交易頻率）；量化（信號由數學模型處理）；程序化（全自動運行）；虛擬貨幣（交易標的）；做市商（訂單類型）。
本文假設你已經有一定的計量經濟學，機器學習，統計學，數學基礎。
假設我們得到了比特幣每分鍾的歷史價格數據 ，我們可以構造每分鍾的價格回報（價格差）- 設這個變量為 x。接下來開始分析 x （只是簡單的分析這個時間序列自身的性質， 並沒有引入任何策略，可以認為是在做策略前對市場的觀察）。
【基本統計指標】：
- 平均回報：衡量當我們每分鍾買賣一次后的平均利潤（忽略交易費等市場摩擦）。
- 回報方差：衡量回報的波動率。
- 自相關系數：衡量趨勢（反轉）關系是否統計顯著，是否具有可持續性。如果統計顯著，我們則可以使用此關系來進行交易。
【建模】
- 線性模型（預測未來價格）
第一步： 檢驗時間序列x是不是穩定的（stationary）- 可以用Dick Fuller test（DF）
時間序列如果不是穩定的，那么用線性模型得出的參數都是虛假的（spurious regression）。解決辦法一般通過做差（differencing）- 這也是為什么最開始我們不直接分析價格數據而分析回報數據。因為價格序列一般來說是非穩定的（non-stationary），而回報是穩定的。
第二步：當用統計檢驗確定x是穩定序列后，開始建模。
可以用最簡單的自相關估計模型（AR esimation）
或者移動平均估計模型（MA）
或者自相關移動平均模型（ARMA）[1]
第三步：估計完模型參數后可用實盤數據和構建的模型來預測未來價格
- 線性模型（預測未來價格波動性）
為什么需要預測波動性？主要是價格點預測不可能百分百准確。（如果可以預測出在未來每秒中的價格點，就不需要預測波動性了）還有一點是對於一個做市商來說，需要用未來價格波動這個數據來定價。
預測波動性的步驟和線性模型與價格點預測基本一致，只是時間序列x不再是價格點，而變成了歷史方差：比如ARMA變成
【非線性模型（以預測價格點為例）】
三個步驟同線性模型一致。以下主要列出第二部的模型分類。
- 泰勒級數展開模型 （將非線性模型用線性模型來估測，再用線性模型來建模），前提是你知道非線性模型的形式是怎樣的。
2. 臨界自相關模型（threshold autoregressive - TAR）：AR + jump threshold
3. 馬可夫變換模型（Markov switching）：加了概率分布的TAR
4. 非參數估計模型（nonparametric estimation）- Kernel function
5. 機器學習（神經網絡等）