Crypto_Painter

33.1K posts

Crypto_Painter banner
Crypto_Painter

Crypto_Painter

@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

电报群 TG Group → เข้าร่วม Ocak 2013
1.7K กำลังติดตาม93.5K ผู้ติดตาม
ทวีตที่ปักหมุด
Crypto_Painter
Crypto_Painter@CryptoPainter·
ASR-VC指标周线通道状态更新: 以后周末不做4h通道分析了,改成对周线或日线的分析,这样能使我对大结构有一个基本的认识; 其实之前直播时聊的很清楚了,周线的逻辑是看这个通道内的动能强度是否出现衰减; 过去2年,BTC的周线其实一直在超买线及震荡通道上沿走一个近似上升通道的状态,而当下... 周线再次重复了先前的结构(如图所示),在黄线上反弹,冲高! 所以如果市场的结构继续延续下去的话,会有3种可能,分别带来3种大概率走势: 1. 极端多头行情:需要周线继续上行,突破红色区域与超买线,并完成从周线至4h级别全部超买,同时需要放巨量超过126000美元,潜在目标可达至少16w美元; 宏观方面:需要出现流动性的加速释放,比如6月提前降息、QT停止、QE被提上日程,中美完成最终谈判,达成很好的协议,以及美国对全球关税降至10%或以下; 那么这轮牛市就完成了最后的疯牛阶段,人性之极被彻底激化,类似黄金那样,将会见顶,且大概率逐步转熊; 这对于我们来说,是最容易赚钱的一段时间,之前不论是在40000踏空,还是在70000踏空,这次都能赚回来! 同时伴随这类疯牛,山寨季也大概率开启! 但疯狂过后,也会带来巨大风险,基本上只要走出这种行情,见顶之后就大概率会直接转熊,参考2017年牛市顶部! 2. 常规多头趋势行情:需要价格维持震荡上行,逐步靠近超买线,但不越过,像过去两次那样,仅仅保持接触,随后开始回调,再次触碰黄色线,且不跌破; 宏观方面:需要没有重大利空事件,美联储按照市场预期降息,并在6~7月份停止QT,中美谈判持续进行(不出结果),且同时有更多国家获得与美国的贸易协议。 这样,这轮牛市依旧处于慢牛,也成功熬过了流动性最差的一段时间,未来在这个周线通道内持续上行的机会依旧存在,属于最中规中矩的一种路径; 当触碰完超买线后,价格再次回调至黄线位置,也许会在85000附近,但此时依旧存在抄底赌牛市继续的机会; 而山寨市场在这个阶段会有明显反弹,但依旧无法走出新高,不过BTC.D有可能略微下降或盘整; 3. 熊市顶背离行情:价格无法进入红色区域或进入之后无法到达超买线,不论新高与否,都呈现出ASR通道内的动能背离,随后开始回调,在黄线处短暂获得支撑后,跌破,宣告熊市到来; 宏观方面:需要美债10年期收益率逐步走高,5~6月通胀逐步上行,美联储在7月选择继续不降息,且GDP继续走坏,中美谈判破裂,且只有极少数国家获得美国的贸易协议,关税暂停期结束后,仍然面临高额关税; 这种情况出现后,基本上我们就要再次经历一遍2021年末的行情,BTC有可能刚突破新高就掉头向下,并在分别在黄线与中轨上做长期震荡的下跌中继,并在跌破周线中轨后暴跌; 与此同时,由于流动性问题,山寨市场会在上升段做最后的拉高出货,虽然走的很强势,但山寨季转瞬即逝... ========================= 以上就是目前周线上的3个潜在剧本,不知道你更倾向哪种?
Crypto_Painter tweet mediaCrypto_Painter tweet mediaCrypto_Painter tweet mediaCrypto_Painter tweet media
Crypto_Painter@CryptoPainter

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...

中文
1.2K
118
1.4K
3.9M
Crypto_Painter
Crypto_Painter@CryptoPainter·
今天终于体会到了 Claude 的降智… 一个SSH问题,2h绕来绕去无法解决,结果Gemini 上来两分钟搞定… 大模型有没有突然降智,真的是可以感觉出来的…
中文
52
6
232
69.2K
锦凉
锦凉@LiangxJin·
@CryptoPainter 为什么选择okx,binance流动性不是更好吗?
中文
1
0
0
333
Crypto_Painter
Crypto_Painter@CryptoPainter·
服务器每15min自动根据现有模型检测 Regime,然后交给策略下单,这个流程基本跑通了… 不过看了一下策略的交易周期是4h级别以上的,所以这种小级别波动直接视若无睹了… 接下来测试动态止盈止损的功能,前端界面也可以差不多准备开始搞了!
Crypto_Painter tweet media
Crypto_Painter@CryptoPainter

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...

中文
10
0
28
13.7K
Crypto_Painter
Crypto_Painter@CryptoPainter·
感觉这个周末川普又要搞事情了,他身边的老鼠仓已经进场了?
中文
24
0
74
64.8K
Crypto_Painter
Crypto_Painter@CryptoPainter·
@Stanleysobest 还是有一点区别… 比如看邻居每2年换一辆新车,心里还是会有点羡慕…
中文
2
0
3
4.9K
Stanley
Stanley@Stanleysobest·
当你手里握着五百万的存款, 开着一辆五十万的车, 住着一套无房贷260平的房子, 这时候你的生活就跟富豪没有太大差别了。 这个观点你觉得是对的吗?
中文
201
12
453
188.2K
jedy Tao极运轩
jedy Tao极运轩@jedy12787209·
@CryptoPainter 画师牛x ,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,这个费用是多少一年
中文
1
0
1
397
Crypto_Painter
Crypto_Painter@CryptoPainter·
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...
Crypto_Painter@CryptoPainter

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...

中文
16
0
47
26.2K
Crypto_Painter
Crypto_Painter@CryptoPainter·
今天听到一句话挺有意思的: 美国经济不行了,所以才梭哈 AI 来续命... 加密行业不行了,所以才跟风 AI 来缓解焦虑...
中文
17
1
42
14.1K
Crypto_Painter
Crypto_Painter@CryptoPainter·
又是一片绿... 但我总觉得目前市场仍处于震荡之中,想要走成一个下跌中继应该需要点什么契机吧?
Crypto_Painter tweet media
中文
11
0
22
11.1K
Crypto_Painter
Crypto_Painter@CryptoPainter·
@sunxalex 上次就是这样,周四周五提前跌一点,周末搞事,周日晚上恢复平静,然后周一美股反弹
中文
0
0
15
6.8K
Crypto_Painter
Crypto_Painter@CryptoPainter·
@DavidHoong1 喂数据,让他自己训练就行,我后来放弃了对于震荡行情的识别,只让他识别多空趋势,效果好了很多,说白了就是在一堆因子里面找到判断趋势最有效的那个~
中文
1
0
1
235
David
David@DavidHoong1·
@CryptoPainter HMM模型 区分趋势和震荡怎么做的呢?
中文
1
0
0
202
Crypto_Painter
Crypto_Painter@CryptoPainter·
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...
Crypto_Painter tweet mediaCrypto_Painter tweet mediaCrypto_Painter tweet mediaCrypto_Painter tweet media
Crypto_Painter@CryptoPainter

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...

中文
22
6
70
28.6K
Crypto_Painter
Crypto_Painter@CryptoPainter·
不容易啊,Gemini API 终于升到 Tier 2 了! 别家都是“客官您尽管用,记得结账就行!” Google 则是“消费未满门槛,不能用…”
Crypto_Painter tweet media
中文
10
0
22
7.8K
清凤
清凤@qqqqqf_·
@CryptoPainter 我指的是 composer 刚出的几个小时内,现在的话肯定体验不到降智因为大部分人体验的都是降智的版本
中文
1
0
0
48
Crypto_Painter
Crypto_Painter@CryptoPainter·
也就是说,Composer 2 的基座确实是 Kimi 2.5,但他们训练的重点是针对 Cursor 这个工作环境下的代码处理能力。 所以 Composer 2 用来 Coding 其实是很强的... 根据官方的数据和论文,Composer 2 在代码编写及处理能力上已经略微超越 Claude Opus 4.6 了; 恰好我的订阅中 Claude 额度已经烧完了, 接下来试一试 Composer 2,官方在这里说是一回事,到底强不强还是要试一试才行!
Cursor@cursor_ai

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

中文
15
6
19
14K
Crypto_Painter
Crypto_Painter@CryptoPainter·
@off_thetarget 是的!一开始是先复杂处理,然后随着迭代,越来越简单,到最后回归朴实无华~ 不过最开始的复杂系统也是很有必要的,不然找不到那个最简洁的结果
中文
1
0
1
628
pepper 花椒
pepper 花椒@off_thetarget·
@CryptoPainter 我做的和你有过之而无不及 quant最后就是一个策略问题 就是这个策略不好找 没有什么比最简单最实用的更好了 越是多因子 多容易出问题
中文
1
0
3
807
Crypto_Painter
Crypto_Painter@CryptoPainter·
@qqqqqf_ 我这边正在用,还没感觉到降智,你可以试试在亚洲白天用Composer,晚上换回Opus~
中文
1
0
2
158
清凤
清凤@qqqqqf_·
@CryptoPainter 讲真,在 composer2 刚出的几个小时内,那个效果是真的棒,但是在一两天后我估计上量化了,特别傻,真的智力有明显下降,那个时候我感觉和 sonnet4.6high 一样强,现在感觉又成弱智了
中文
1
0
2
208