




ASR-VC指标4h通道状态更新: 进入周末大概率没啥行情了,潜在回调目标与图中两个箭头位置类似,就是震荡通道上沿黄色线(102000附近); 维持区间震荡长时间不回调的话,有希望在周日对高位105000做一个流动性抓取; 不跌破黄线,趋势都处于强势状态,跌破黄线,重新进入震荡行情,回调目标可以进一步下移至中轨(97300附近); 除此之外就是关注周末期间的中美谈判进展了,谈崩了画门回97000,谈成了就继续震荡上行。 不过我认为很难谈成...
Crypto_Painter
33.1K posts

@CryptoPainter
老朋友叫我“画师”,技术\数据分析和量化交易,提供各种刁钻角度看市场,用时间做杠杆,正在开发一款量化AI交易工具:A-Trading! #OKX 启程Web3:https://t.co/cTJurNgODH #Binance 币安一键注册:https://t.co/WfOCGl7hut





ASR-VC指标4h通道状态更新: 进入周末大概率没啥行情了,潜在回调目标与图中两个箭头位置类似,就是震荡通道上沿黄色线(102000附近); 维持区间震荡长时间不回调的话,有希望在周日对高位105000做一个流动性抓取; 不跌破黄线,趋势都处于强势状态,跌破黄线,重新进入震荡行情,回调目标可以进一步下移至中轨(97300附近); 除此之外就是关注周末期间的中美谈判进展了,谈崩了画门回97000,谈成了就继续震荡上行。 不过我认为很难谈成...


用了一晚上的时间进行了各种潜在风险排除、代码审计以及风险回测,最终验收的策略收益率再次降低... 但好消息是,不论把策略交给 Gemini 还是 Claude 去做实盘对接验收,都给出了完美通过审计的结论! 于是乎我就把整个策略生成系统的工作流程打包下来了,接下来是开发一键打包部署至云端的功能, 以及慢慢规划前端训练界面的细节了... 顺手又开了一个阿里云香港服务器,测试一下是否可以直接将生成好的策略部署至云端并开启实盘交易... 说实话,可能是以前创业时养成的产品经理思维又在作祟了,搞到这一步后,我开始有了一个产品开发路线了: 1. 名字叫做 A-Trading; 2. 主要功能是快速实现:对于任何资产及其市场多维数据进行基于遗传算法的建模并生成动态训练策略,支持一键打包至云端部署实盘交易; 3. 主系统可以同时管理多个策略并监控运行状态,同时配备一个LLM进行策略审计,支持连接个人Agent进行远程控制。 4. 前端可以用于本地管理所有交易所API或大模型API Key,并对各个策略进行数据汇总、生成图表、管理仓位等等... 总结:最终的产品形态不是一个策略,而是一个不断通过本地训练生成策略并管理运行的软件(或平台?) 写到这里有点兴奋,本来以为这波开发快完成了,现在一看才进行了10%... 挺好的,又不会无聊了~ 对了,我问了 Claude 完成这些开发需要多久,他说30天...


新的里程碑! 昨晚重跑了一遍训练,Regime的部分固化成了单纯的均线系统,然后增加了4个因子训练环节可以有效避免过拟合的算法,最后还把进化迭代的周期数延长了60%,基本上就是按照目前比较成熟的方案进行策略的性能阉割。 最终跑下来的数据比原先更差了,收益率直接腰斩,但最大回撤下降7%! 然后就是进行蒙特卡洛模拟,为了维持这个系列的科普性,简单解释一下: 蒙特卡洛模拟主要是通过打乱交易顺序或改变收益率分布,生成成千上万个“虚拟的历史”,从而观察策略在不同运气下的表现,如果能够通过测试,就代表策略本身具备对于未知行情的适应能力。 说人话就是,你的策略是靠运气还是靠实力? 而我的模拟结果还算满意,我把数据和图表搬给了Gemini 3.1 Pro 的深度思考模型去分析,它认为这个策略算是达标了! 虽然原本11.3%的最大回撤在蒙特卡洛模拟中被一度虐至近30%,但这恰好说明了只要该策略不带超2X的杠杆,未来哪怕是遇上什么黑天鹅或白天鹅,依旧可以生存! 对我来说,这是一个重大的里程碑,这代表着我的整个量化策略训练系统正式产出了第一个有效策略,虽然收益率远不及ASR或之前手写的那些有潜在过拟合风险的固定参数策略,但给人的安心程度绝对是上了一个台阶! 趁着心情好,简单讲一下我这个遗传策略系统的整体原理,生成一个有效策略并不是我的目标,我的最终目标是搭建一个基于遗传算法、HMM模型以及内存共享机制下的高效率策略训练系统。 也就是说,今后不论是什么品种、什么市场、有什么数据,他都可以快速(我的外星人跑一次目前需要12h😅)通过遗传迭代生成一个有效的量化策略。 自己写的回测引擎是这个高效率运转的前提,毕竟我之前花了一周的时间都在做这个事情,回测引擎会把用户提供的各种市场数据向量化储存,然后共享到内存中,其他系统进行数据调用时,共用同一套数据,这样免去了数据来回读写的过程,大大缩减了进化所需要的时间... 在 TradingView 进行一次云端全量回测通常需要5~8s左右,而我的系统只需要0.07s,正是有了这个基础,才能够在12h内完成累积达数十万次的回测,从而迭代出有效的因子。 当然,目前我喂的数据太少,只有价格K线与成交量,接下来我的思路是增加数据维度,将持仓量、链上数据、资金费率、订单深度等数据逐一添加进去,理论上进化所需的时间会逐步增加至24h、2天甚至一周... 但框架只要搭好了,剩下的就只剩算力与时间了! 未来这个系列我还会继续更新,中间踩了太多坑,烧了太多 Token,我也一度想要放弃,因为辛辛苦苦折腾这么久的表现还不如一个简单双均线策略,真的太打击人了... 不过还好几个评论区的小伙伴给了很有帮助的建议,让我硬着头皮坚持下去了,熬过训练过程最打击信心的部分后,一切都变得顺其自然了! 我觉得熊市就该这样,沉下心来Build自己的东西,等牛市归来,才是丰收的时候...






鸡皮疙瘩都起来了,哭笑不得... 简单讲讲这段时间研究市场模式切换的经历,有没有赚钱的策略或者是找到 Alpha 先不说,就说我目前通过这段经历领悟到的一个绝对绝对有帮助的市场真理! 那就是越简单的交易策略,反而越好! 本以为用 AI 帮我搭建复杂系统,就能找出更好的策略因子了,但这么兜兜转转 好几天,烧掉了 Opus 4.6 整整400多美元的 Tokens... 期间用了状态机、动量投票、机器学习模型等各种手段尝试找到一个能够更加准确判断市场趋势方向的逻辑,结果呢? AI答:就和你那个 ASR 策略的逻辑一样,通过价格在通道内的位置来判断趋势即可... 所以我搞了这么多天又要回去优化自己手写的策略了?? 这尼玛 AI 真的是在开玩笑嘛? 我烧了这么多 Token 结果怎么感觉是一场华丽的诈骗? 哦,不对,还是有收获的: RSI、MACD、波动率等15个常用指标在趋势判断层面上就是纯纯的: 噪音... 这不是我说的,而是 AI 用整整十几个小时、50多万次自动回测最终得出的结论... 判断大趋势,均线、均线通道这类最简单的指标,足矣... 以前听老交易员说:“大道至简”、“一根均线打天下”,我都是笑一笑,心里嘲讽他们跟不上时代... 现在我笑不出来了,因为这些看似韭菜的言论,居然是真的! 他们混在各种乱七八糟的交易心得中,让人们失去了本应对其保持的:敬畏、尊重与崇拜...

We're releasing a technical report describing how Composer 2 was trained.


