秋田散人 (@akitabtc)

agent 接入我的交易系统以后就是一个巨大的 quant training program, 我从前赚的大部分钱都是高度 delta-netural 的——靠对接流动性的速度赚钱，不需要靠数学赚钱。（正如我说，我们这个领域的流动性是十分低效的） 但其实这世界没那么多完美配对，这一年 agent 向我的系统注入了很多以前我根本没注意到的的 “波动定价” 和 “投注风控” 能力的钱（对于低效的市场依然黄金遍地，因为人迹罕至而价差普遍，所以对于模型的精度要求没那么高）。 当然可能也是因为当年精力有限，没有像现在这种几十上百个 agent 一起干那么游刃有余。 关于投注控制和 ev 实现（主要是凯利公式），由于我很多年来比较了解 poker，我现在最喜欢的一个系统 ev 纠正模块是一个类似 poker tracker 的时间轴 playback 模块，看某段时间内模型自以为的 ev 曲线是否在 pnl 曲线的下方，看定价是保守了还是激进了还是完全错误了。 一旦位于 pnl 曲线上方，对我来说是红色信号，我就会疯狂开始研究到底模型差在哪里。直到板正为止——这个过程结束就像 solve 了一个数学题一样让人着迷。 而且由于过去的职业习惯和构建软件系统的优势，我其实是有充分的市场参与的广度和速度，因此也能拿到充分的 “真实成交信号样本以及执行损耗样本” 来验证模型离真实世界的距离，反过来作用于定价精度。 ——这种结对编码的体验是非常好的。因为你能感觉到你对市场理解是的显著增加的，收益面和手上能掌握的工具箱也是在成倍增加的。 这在 agent 之前你是需要大量的金融和工业场景训练的，没有一个职业的交易团队的熏陶几乎是不可能的。 所以我其实很羡慕当代年轻的工程师们，随着 crypto 和 AI 的持续演进，很多过去极高的市场准入门槛其实是在降低的，这不意味着赚钱变难，反而会是对勤奋者的奖励——因为后面十年绝大多数人还在以传统方式参与市场，或者根本不会成为参与者。

我们这个领域的低垂果实 or 低效环节实在太多，千万不要盯着那些天才玩家/原住民/内幕人士们做对手，要找到那些能用最粗糙的 python 脚本就能致胜的领域（意味着信息侦查的绝对优势）。

在 gate 上这些年至少交了 30-40 万美元手续费，最近重新接了一些新的高频 taker 策略，似乎只是因为比他们做市商快，就直接给我资金冻结了。真是没话说。