经过了长达三年的网格策略实践过程, 当下的我内心愈发明确一种认知, 那就是人工智能加持的网格模式, 其本质绝不仅仅是给交易机器人更换一个外在的皮肤而已。
它的核心逻辑在于利用专业模型来对实时情况进行研判, 从而精确决定格子的间距大小以及仓位该如何分配, 这一做法成功地将原本僵化的死格子, 转化为了具有生命力的活格子。
而在近期发生的趋势中, 我们在像aicoin这样的知识交流平台之上, 清晰地观察到了公众对于该话题的讨论热度正在逐步提升, 基于此, 我认为确实有必要对相关内容进行系统性的阐述与交流。
ai网格跟传统网格有啥区别
传统的网格策略采用等距划分的方式, 每当价格下跌一个格子的距离就买入一份, 每当价格上涨一个格子的距离就卖出一份, 其执行过程机械得如同一个节拍器。
人工智能辅助的网格策略则会通过模型来计算合适的格子间距, 在波动较大的市场环境中自动扩大间距的宽度, 而在窄幅震荡的市场环境中则收紧间距, 这本质上是让交易策略跟随市场的实际节奏进行动态调整,而不是固守着一组固定的参数设定。
我亲眼看到过太多人, 竟然直接把参数给写得死死的, 然后就直接上线了, 结果一旦遇到了侧单边市场行情的这种状况的时候, 止损线就直接被直接打穿了。ai网格至少能够做到这一点, 它就能够根据波动的状态来进行动态切换, 从性质上来讲, 这完全是有着本质的区别。
ai网格策略怎么搭建
别一张嘴就把大模型给堆上去。先把历史数据按照波动率来做个分桶操作, 去盯着看每一个分桶里面那个最优格距是怎么分布的, 然后才让模型去把这个映射关系给学下来。在手里没太多数据的时候, 梯度提升树这个方法比深度学习要稳当得多, 而且它还好解释。
回测的时候你千万别把眼光只盯着收益率那点事儿, 滑点和手续费这两笔账算下来能吃掉大半利润。我在aicoin上看到有人分享了一个方法, 他说把交易成本嵌进目标函数让程序去学习训练, 这样胜率能提两三个点, 看起来好像也不多但复利跑下来差距就很大了。
网格 trading 策略并没有那个所谓的万能解决方案, 也就是没有银弹, 不过, ai 网格至少让用户省去了“拍脑袋定参数”这一环节, 工具虽然现在还在不断地迭代优化之中, 但是那些能够深刻理解市场节奏的人, 肯定永远会比那些只会单纯调整参数的人走得更远。
