پاسخ یکی از دوستان و ادامه داستان😉:

ما مدتی هست با تیم های مختلف در حال دولوپ استراتژی هایی الگوریتمک تریدینگ برای بازار کریپتو هستیم،
به علت ارتباط خوبی که با صنعت داریم و زیر ساخت های خوبی که دولوپ کردیم، این استراتژی ها مدتی لایو میشن و اونایی که نتایج خوبی بدست آوردن، تبدیل به پروداکت نهایی میشن💥،
کسایی هم که توی تیم دولوپ هستن پارتنر کاری مون میشن،

اما نکات مهم دولوپ این استراتژی ها:

۱. اولا مدلهای شارپ زیر ۲ و dd بالای ۱۰ درصد اصولا جذابیت خاصی توی بازار ندارند ، سود سالیانه ۴۰٪ هم اصولا برای SMA ها منطقی هست

۲. نکته مهم اسکیل پذیری استراتژی هست، شما میتونی روی ۲۰هزارتا، مثلا ماهی ۱۰ درصد بگیری. اما این بدرد فاند نمیخوره. اینجا بازی مدیریت حجم بالای پول هست، واسه همین هج فاندهای میلیاردی وقتی ۲۰٪ درسال سود میدن، شاید احساس کنید این سود خاصی نیست، اما در معیار میلیارد دلاری عدد بسیار بزرگی است، پس در واقع هنر درست کردن استراتژی اسکیل پذیر هست که بتونه پول بزرگی مدیریت کنه

۳. اصولا بیشترین رغبت روی استراتژی ها مارکت نیوترال، و لانگ و شورت هست، حالا اینا میتونن با مدل های متنوعی از RL و deep Learning , تا مدلهای کوانت ساخته بشن

۴. از استراتژی درست کردن سختر، مدیریت بلند مدت اون هست، که بتونی در طول زمان هایی که استراتژی الفاش از دست میده، ایده رو طبق شرایط جدید بازار اپدیت کنی

۵. بحث لایو کردن استراتژی، درست کردن مدل بهینه execution, انالیز اختلافات لایو و بکتست، مدیریت تریدها و دیتایی که فید بهش میشه و... نکاتی هست که پشت صحنه هستن ولی میتونن یک ایده کاملا عالی رو کاملا خراب کنن

۶‌. اصولا استارت اپ های الگوریتمی، فاند نمیتونن raise کنن، از asset under management که دارن سود شرکت رو در میارن، در نتیجه عامل بقای اینا، هرچقدر هم علمی خوب باشن، تزریق aum زیاد روی استراتژی هست

پ.ن. راه همکاری همیشه برای ایده های جذاب باز هست

پ.ن.۲. من از تکنیکال و فیچرهای لگ دار تابحال سود بلندمدتی نگرفتم 😉 این مسائلی که گفتیم برای شرکت های کوانت بود،

پ.ن.۳‌. خیلی فاندامنتال بدرد کریپتو نمیخوره، اما برای سهام، هج فاندهای ماکرو سودهای خوبی میگیرن

پ.ن.۴‌. اصولا کسی این مدلهارو توی مقالات پرزنت نمیکنه یا توی گیت هاب نمیزاره اما همه ی مدلهای خوب از همین ایده های موجود و ترکیب اینا شکل میگیره

پ.ن.۵. در مورد یه کوانت ریسرچر خوب بیشتر بحث میکنیم، اینجا کار ۹۹ درصد مواقع جواب نمیده☺️،


ادامه دارد... 😊

@machinelearningnet