都是歸0的結果，AI炒股有啥可比的!
讓LLM幫忙投資，賺取被動收入，聽起來就感覺逼格挺高的。 萬一，我是說萬一，就像是以毒攻毒，把不確定性交給另外一種看似科學的不確定性，結果會變得確定了呢？
不過是癡人說夢。LLM最終的結局，就是歸0，沒有例外。
nof1.ai搞的這個比賽，賺足了噱頭。聰明的項目方選擇了幣圈大概率橫盤或者修復的時間，可以說是給足了各LLM機會。不管是早幾年，還是早幾天，BTC 半夜再打一次針，這些賭狗LLM將永無翻身之地。
項目可能就提前結束了。
更要命的是，它們都用了杠桿。尤其是超級賭狗qwen，20x杠桿賺的風生水起，像極了跟單市場上扶搖直上的階段性幸運兒們。從春天爽到冬天，最后一根冰柱從頭穿到底。
用的到底是什么策略？
開局一張收益圖，內容全靠臆想。沒人說的清，LLM用的到底是什么策略。是毫秒級別的量化，還是技術指標流，還是消息面賭狗。
實際操作過量化的人都知道，要想構建這些策略模型，單純靠LLM肯定是玩不轉的。你要讓LLM進行決策，要么把每秒甚至頻率更高的交易數據吐給它，要么把常用的指標算好了告訴它。你還要維護一個輿情分析庫，把相關的新聞喂給它。
LLM肯定是沒法實時的去根據交易數據和深度去算指標的，它沒有海量的記憶和計算能力，所以大概率要把技術指標分析好了給它。雖然說常見的指標比如 ATR、MACD 等并不是很多，可以算好了一股腦給它，但憑什么認為這些技術指標就更好呢？這些也明顯不是一生二二生三三生萬物的數據。
常見的量化交易框架
我研究過的有 NautilusTrader、FreqTrade、Hummingbot。
我比較喜歡 NautilusTrader。除去它rust編寫的高性能核心庫，它在API實現層提供了更多的靈活性。但是它的上手難度比較高，各種周邊設建設的不是很完善。它還有一個好處是，不管什么品種的投資，它都能夠覆蓋，甚至能夠進行投資組合的管理，比較適合想要深耕量化的同學。
FreqTrade就非常的簡單，開箱即用。它有非常友好直觀的界面供操作，可以說是上手最容易的框架。但問題是，目前的交易只支持分鐘級別的k線數據，想要做高頻交易是行不通的。
Hummingbot面對幣圈建設的功能多一些，還提供了一些做市商的策略，包括DEX（雖然小蝦米進去就是送錢的）。它有一個比較炫酷的命令行界面，當你的虧損一片紅，它起碼讓你的界面不那么刺眼。
對于一個量化交易策略，都需要哪些主要模塊呢？
- 數據模塊：你需要對接各種交易所，收集毫秒到天級別的交易數據。沒有數據分析啥呢？
- 策略模塊：你的策略要結合什么指標來決定下改撤單，不是說腦袋一熱就梭哈。賺不賺錢全看策略。
- 風險控制：容易被忽略的，但確是核心中的核心的模塊。比如倉位管理、止盈止損。它能讓你別一路馬丁扛單到底，也不要頻繁網格凈貢獻些手續費。
- 訂單管理：用來管理歷史成交的訂單，匯總和分析盈虧情況等。
- 回測模塊：用歷史數據驗證你的直覺的模塊，雖然大部分沒啥卵用。但是不回測總是不放心的是不是。
可見，對于這樣一個復雜的綜合體，不做一些額外的工作，不提前做一些工程類的設計，而是把所有的東西交給LLM去做，這不僅在直覺上是不合理的，在實踐方面頁漏洞百出。
不得不說，營銷專業這次又贏了，晚上可以加雞腿了。
