我们认为量化交易至少需要以下5类基础设施：
交易场所：现货交易所、衍生品交易所、OTC交易所，以及主经纪商
交易产品：各种数字货币交易对、数字货币期货、数字货币期权
数字货币管理系统：包括冷热钱包、托管、保险等
法币银行通道和资金管理系统
量化交易系统
数据API接口：包括实时交易所数据、链上数据和其他宏观数据
数据库：历史行情数据库和历史其他类型数据库
监控系统：捕获行情数据和特殊事件
回测平台和仿真交易平台：对策略进行历史和实时验证
策略开发平台：可以自行开发策略或者使用成熟的策略开发平台
多账户管理系统：多账户资金管理、风险权重分配
核心模块：量化策略策交易引擎
交易系统：订单发送、执行、成交报告
交易平台的开发步骤：
典型的量化平台可以分成三大模块：1行情数据模块；2行情计算模块；3量化交易模块。下图为一整套量化交易平台模块之间协作流程示意图，其中量化交易引擎为核心模块，包含算法描述、监听脚本、第三方库等部分，并匹配监听各类事件，驱动量化策略执行。以上参考招商证券量化交易系统
欧科云链OKLink新增DeFi版块，提供借贷、交易量等实时数据 ?:据官方消息，近日，欧科云链OKLink区块链浏览器新增DeFi版块，包含抵押借贷、DEX（去中心化交易所）、衍生品、支付、资产等数据，用户可以在 OKLink ?ETH浏览器入口进入查询DeFi产品和服务在以太坊上的总锁仓量、DEX交易量等实时数据。
据悉，欧科云链OKLink区块链浏览器是由全球首家区块链大数据上市公司打造的信息服务应用，旨在为用户提供快速、精准、全面的链上数据服务。OKLink目前已上线BTC，LTC，BCH，BSV，USDT、DASH等九大币种浏览器。[2020/8/3]
量化策略比较隐秘。如何评估和建立对量化团队的评价标准，是一项非常复杂的工作。量化策略是如同食品行业的秘方一样，隐秘而又被行业冠以神秘色彩。
业绩选择性披露。量化团队的生存线就在于领先的量化策略，其披露一般是有限的。市场上所见的量化团队神话，也存在选择性披露的情况。比如数学家西蒙斯设立的大奖章基金虽然收益最好，但是有外部投资人的其他下属基金却表现一般。
某些基金在某一年大赚，但是之后就泯然于行业，因此那种基业长青的基金很少，无论量化还是非量化。
凌发明：IPFS&Filecoin所承载的是数据 能解决数据存储的问题:6月22日，由金色财经主办，节点咨询、IPFS100.com承办，IPFS星际特工等联合主办的“星际漫游指南——IPFS技术与应用研讨论坛”正式开幕。
在会上，全球币码翁区块链研究院院长凌发明表示：每一次数据库技术的突破都是一次新的康波周期，都蕴藏着巨大的商机。数字经济科技革命当下的问题：海量数据成本的问题、数据隐私安全问题、数字资产及数据权益流通。IPFS&Filecoin所承载的就是数据，就是解决数据存储的问题，有没有数据数字资产决定了人们未来的财富。未来的资产都需要对标和映射为数字资产。在我看来，我们要用发展的眼光看待行业，不必短期逐利。[2020/6/22]
不能过于看重团队背景。仅以团队背景去做评估也会碰到意外情况，最著名的例子就是长期资本管理公司LTCM的失败，是诺贝尔奖级别的量化公司倒闭的先例。
多种指标配合。以业绩去看也会有问题，业绩都是后视的，存在幸存者偏差，之前的业绩并不代表之后的业绩。如何评估带有一定的运气成分。
尤其是以外部投资人的角度去参与，也很难看明白单一模块，以及各个模块之间的联动特征，即便借助代码审计。此外最大回撤和夏普比率、索提诺比率等衡量风险控制的指标也需要注意。
BBKX平台ETF专区行情数据 LINK3L日内涨幅超29%:据BBKX行情显示，BBKX交易平台ETF专区多个币对持续上涨，截至今日10:05（UTC+8），
LINK3L/USDT当前净值3.6905美元，日内涨幅29.92%，
BSV3L/USDT当前净值0.0716美元，日内涨幅16.23%，
XTZ3L/USDT当前净值0.0578美元，日内涨幅13.33%。
杠杆ETF是一种锚定标的资产价格变化的指数基金。BBKX平台目前已经上线BTC、ETH、EOS多个主流币种以及HT、BNB、OKB等平台币，管理费每倍0.1%。
BBKX成立于2019年6月，已获得节点资本和链上基金的联合战略投资。[2020/4/9]
动态评价。因此评价良量化团队首先要动态的看问题，不能唯业绩论。不同市场下不同策略收益差别很大，这里面还有一定的运气成分。
所以需要保持客观、并不断地跟踪。每个公司都会宣称自己的风控模块完备，但直到出现风险事件，才知道谁的风控最优。
根据我们对行业的理解，目前数字货币量化投资盈利最丰厚的是两类策略：
做市商策略：目前数字货币量化交易最强的团队还是来自于传统量化基金，他们的主要策略就是做市商策略，即通过在不同的交易所提供流动性，而在其他交易所完成头寸的cover，利用的是现货交易所之间的价格差，以及自身交易引擎可以瞬间捕捉机会的优势，策略体量比较大。
日本金融厅发布数字货币交易用户统计数据 17家已注册交易所4个月存取额已达6200亿日元:近日，日本金融厅召开数字货币研讨会，截止2018年3月30日，17家在日本金融厅注册的数字货币交易所用户数总计350万人，90%的用户年龄在20岁至40岁之间，5828个账户存入1000万日元以上。[2018/4/10]
高频交易策略：这类策略的特点是盘子容量较小，但是收益比较稳定，优秀团队年化可以达到30%-40%以上，但是扩展需要整体数字市场的市值往上再走一步。这些团队的出身也是传统量化基金出身。
其他类型的策略，或者是风险较大，或者就是很难效仿，难有特别优秀且持续的案例出现。目前行业还缺乏成熟客观可靠的评价体系，也欣喜的看到一些同行在着手建立，希望可以看到更多更客观的评价标准。数字货币行业应用的局限
工具限制
金融工具是展开量化交易的基础。量化投资是和金融工具丰富程度密切相关的，有更多的金融工具，就有更多可以选的量化方法。
假设只在一个现货市场，开展纯粹的量化交易，则只能使用趋势判断型类的策略的，相反那些喜欢判断波动率类的策略则完全没有办法运作。
CoinMarketCap未对外公布其剔除韩国交易所数据 引起加密货币市场全面下跌:CoinMarketCap在并未对外宣布的情况下，在计算市场平均数据时将Bithumb，Coinone和Korbi的数据剔除，引发了一片骚动。这一变动直接导致加密货币市场广泛的下跌，加密货币总市值的大幅下降，其中XRP下跌近30%。目前还不清楚CoinMarketCap实施这一举措的原因，目前Bithumb平台无法登入，三家交易所加密货币价格都高于其他交易所。Ripple首席密码学家大卫·施瓦兹（David Schwartz）认为，此举会使价格 “更加准确和有意义”。而在社交媒体推特及Reddit上，人们对CoinMarketCap没有对外公开这一举措发出了严厉的批评，这是因为投资者看到市场的下跌并已经有所反应，后来才发现这一下跌却是由CoinMarketCap引起的。[2018/1/9]
期货交易所Bitmex在2016年上线永续期货合约，2017年CME和CBOE才开设期货，最大的期权交易所Deribit在2018年才建立。稍后现货交易所才跟进，纷纷加入了期货和期权产品。没有这些交易所和衍生产品，现货的风险对冲不掉，期货的风险也没法对冲。所以量化交易需要对应的交易场所和工具。
A股市场，比如在2015年股灾后对股指期货开始加大监管，比如增加开仓限制，增加平仓手续费等，都导致最重要的对冲系统性风险的手段的缺失。
结果就是，A股最流行的量化投资方法是因子模型，因子模型就是类似把各种股票的特征归因到各种因子，比如规模、动量、估值、价值、成长因素等，但反而海外流行的套利型策略就不多。原因就是A股的衍生工具还是太少，公募也限制做空，只能在做多的时候选用因子模型。
市场规模限制
量化策略容量是有限的，是因为市场本身规模就有限，如果量化策略规模过大，本身会扰动市场，导致交易利润变低。
比如期现或者跨期套利，期货市场近期成交的一般会好于远期成交，那捕捉价差的策略就要适应远期期货的成交，一旦超过这个限制，就变成单方面在近期的风险暴露。
而且数字货币市场的流动性，是分散在各个交易所里面的，一方面创造了跨交易所套利的机会，一方面也限制了套利的规模，策略要同时匹配不同交易所的成交量，不然就使得套利机会变得很薄。
竞争行为
有效的策略，可能知道的人越少越好。同一类型的策略，对于参数选择的不同，也会产生千差万别的效果。同一个市场机会，套利的人越多，可拿到的利润就越少。
这和在趋势性市场做多不同，做多的人越多，做多策略就越可能成功。套利策略是，使用的人越多就成功概率就越少。策略运行的有效时间也是有限的，一个成功策略运行久了，同行业也会纷纷效仿，导致一段时间之后就开始失效，所以没有万能不变的策略，需要不停的开发，但都需要成本。而目前数字货币市场可应用的策略还较少，也容易被同行所效仿。
面对极端市场各类策略也会失效
极端市场条件下策略也会失效。比如市场中性策略在极端条件下，可能会让中性发生偏移，变成单向风险暴露。比如当期货找不到对手方开仓或者平仓，表面上的中性策略就可能变成趋势策略。
极端市场可能会导致各种价格都已经失灵，仓位计算都可能失真，这都是难以化解的风险。所以如何应对数字货币的极端市场条件，也是一个量化策略特别需要关注的地方。
数字货币量化投资展望
本报告初步介绍量化投资的发展脉络和特征，并结合数字资产量化投资现状作了简要分析。
传统的的基本面投资是一类比较详细的指导原则，其大的框架和细的指标已经相对成熟，需要更迭的是对新兴行业的纳入。而量化投资策略的则是一大类投资策略的总和，而不是具体的指导原则。其各种细分领域都处在不断进化的过程中，不存在包打天下的量化策略和长时间有效的情况。
虽然量化投资策略已经形成比较固定的大类原则，但是理论和实战之间的差距也非常巨大。其特征就是会有不断的新的内容补充进来，并淘汰过时的策略和算法，而前沿策略则始终是部分头部量化团队黑箱而不可尽知。
还有一个值得观察的方向是，主观投资与量化投资处于融合过程，特别是传统股票投资。
一是如果市场上有足够的研究人员对某一标的物的评级，就可以通过量化方法进行排序整理，把一个主观评级信号变成一个量化信号；
二是在因子模型里面，本身也有很多基本面的因素，当然甚至也可以加入研究人员的主观判断作为某一项因子。
主观投资其实也经常使用量化方法，比如根据各类基本面指标进行排序、归因等，所以也是在相互学习。未来这类融合，也可以发生在数字货币市场。
数字货币适用于量化投资的原因前面已经提到，行业初期的跨交易所套利就是量化策略时段有效性的一个例子。目前最主要的原因还是全部的流动性分散在不同的池子，所以现货和现货之间的套利仍然会持续存在。
未来量化策略作用于数字货币的前景较大，原因在于：
期货期权等衍生产品的规模会很大，来源于各类人士的主观需求，如矿工套保、交易者获利、项目司库管理、金融服务需求等；
数字货币市场的规模还有很大提升空间，增长到一定程度就会有更多类型的衍生产品出现，而且随着成熟，基本面投资可能也会逐渐成为主流投资方法的一种，使得因子分析可以有更好的使用场景；
已经看到很多传统量化团队进入数字货币，这给整体不那么“专业”的数字货币量化提供新的弹药，鲶鱼的搅局会促使量化团队不断提升水平。
数字资产高波动的特性将持续很长时间，收益空间足够大，直到其主流化完成。
综上而言，在本行业发展量化投资，一方面需要不断地更新技术，改进交易策略，另一方面也需要行业自然发展的配合，目前的行业体量和各类工具仍不足以支撑完善的的量化策略，机构的进场将带来新的量化需求和行业水平的提升，一些专注于量化平台/策略开发的技术服务商在目前阶段非常值得关注。
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。