最近看了 babyquant 的《大饼圈的套利策略简析》写了各种套利策略，我也来谈谈自己之前差不多实盘运行了2年左右的数字货币套利策略。

之所有公开，一是因为我现在已经不运行这些策略了，写一写自己也总结一下；二是套利策略的逻辑本来就不神秘。这一行比拼的是执行力，也就是写代码的能力，特别是高频交易方面。交易的频率可能并不是很高，但必须反应速度快，波动来了，立马入场。当然还有对事情的专研能力，因为套利的竞争还是比较激烈的，后期的竞争更是惨烈。还得有一定的资金筹集能力，毕竟套利的盈利率有限，资金充足一点才可能有比较可观的利润，至少要超过打工收入吧，才值得全职去做。当然加入机构团队也是一个办法。

这里公开并不意味着这些策略现在完全无效，大概可能还是有效的，只是效率可能不是太高了。意思就是风险大赚钱可能并不多，还有前面提到的竞争惨烈，玩的人越来越多，而且团队作战。

更重要的是，相比于其他策略而言，单纯套利吸引力不大，虽然可能比较稳。最终还是得拥有风险敞口的策略才能更赚钱，当然风险也更大，盈亏同源嘛。以前就是，行情来了，虽然我也赚钱，但是相比于别人的持仓策略，别人在吃肉，我顶多算喝到一口汤。

昨晚大饼二饼的这一波行情来得真是及时，好久没有这么顺畅的趋势了。

这次说说如何使用 B 安的逐笔历史交易记录。

B安官方已经把很多交易数据共享了出来。有 Github 页面可以详细查看有哪些类别的数据以及如何下载。我这里主要介绍聚合交易记录 aggTrades 的下载、整理和使用。

aggTrades 就是聚合之后的逐笔交易记录，也就是币安把连续的几笔在同一时间、同一方向、同一价位成交的交易聚合成一笔记录，类似 k 线的一根，但是只有一个价格，没有最高最低价之类。比如盘口挂了一笔大单，很多小订单去吃它，那么这些在很短时间内（毫秒级）同时到达的订单，就会被聚合在一起。或者可能就是撮合引擎一次能够撮合的订单。

aggTrades 数据的好处就是可以有毫秒级别的交易记录，但是又不像纯逐笔 trades （就是最原始的数据，没有按照同一价格聚合）记录那样大的数据量，是一个不错的高频数据折中方案。

一般就是准高频策略使用这样的聚合数据。那些真正的高频一般都是用 trades 以及加上 orderbook 的数据，数据量非常大，处理起来也很不方便，如果用不上就没有必要。不仅消耗资源，也增

接前面三篇关于程序化交易实盘代码的文章：

硬核干货 - 量化交易系统的自动化实盘细节与思考（一 问题与难点）

量化交易系统 - 自动化实盘细节与思考（二 实盘宗旨）

量化交易系统 - 自动化实盘细节与思考（三 处理技巧）

这里再继续说说多策略交易系统，实盘代码总体架构里的行情中心。

前言

交易这个行业，特别是期货合约，每隔一段时间就会有几个高杠杆交易大神闪现，十万本金轻松翻到上千万。但是，这些人几乎都如流星划过夜空，短暂的绚烂夺目之后，就沉寂消失不见。

而另外一群长期做交易的老帮菜，整日唯唯诺诺，嘴里念叨着什么未来不可知，敬畏市场，黑天鹅随时降临之类的丧气话，同时用着很低的杠杆来回开仓试错，方向犹如墙头草，左右摇摆，一点也没有高手的决绝与勇气。但不知为何，这一帮人却一直在市场上活跃着，杠杆虽低，但是仓位还不小。

在交易世界这个人性的修罗场，明星易得，寿星难寻。

作为一名活下来的量化交易员，我认为交易中比较重要的一点，就是意识到多策略的必要性。主观交易要实现多策略还是比较难的，因为人力有限（除非像机构那样雇佣多名交易员）7*24 小时运行的市场也容易错过入场点。但是程序

接前面两篇关于程序化交易实盘注意事项的文章：

硬核干货 - 量化交易系统的自动化实盘细节与思考（一 问题与难点）

量化交易系统 - 自动化实盘细节与思考（二 实盘宗旨）

这里再继续说说一些代码设计上的细节处理技巧。

数据库

前两篇讲过，复杂一点的策略组合的状态记录很重要，需要用到数据库。

其实，大多数编程业务都可以被归纳为 CRUD 类别，也就是核心流程就是对数据库的增删改查罢了。交易代码也不例外。中低频的二级市场交易行为，其实和大家去某宝购物区别不大，都是买卖，自动化交易的实现重点就在对策略状态的管理上。

如果你不是已经用熟了 SQL 这种关系型数据库，那么建议你直接学习使用 Redis 这类 NoSQL 内存性数据库。它的优点就是上手简单，性能卓越，天生单线程，不用去考虑读写的时候需要锁住数据之类的底层操作。不过缺点就是没有主键，不能自动实现编号自增之类的功能。需要的话，得自己写代码实现。不过这个功能，我自己从事自动化交易这么久时间，也没有怎么用到过。

还有一个不重要的问题就是，内存数据库，如果需要存的数据量比较大的话，那么服务器内存就得大一点，不过一般的量化交易实

前一篇硬核干货 - 量化交易系统的自动化实盘细节与思考（一 问题与难点）讲了一点币圈实盘的基本难题。这一篇说说实盘的主要宗旨。

我认为主要有四个：

一. 贯彻策略的既定逻辑

这一点毋庸置疑。在有信号的时候必须做出相应的操作，开仓，平仓。这一点就要求尽量不要用限价单，不然成交不了还得追单，可能价格都已经飞远了，最后到底要不要追也是个问题。

长期来看，采用市价单产生的滑点和偶尔错过限价单，但又追单产生的滑点总量大致类似，所以还不如直接市价进出场，除非你的策略很特殊。

另外，使用限价单的话，你的代码更复杂，因为要管理没有成交的限价单，再去追单。还有如果限价单只成交了一部分又怎么办？是余下的限价单一直挂着呢？还是错过部分再另外发市价单？这种一步操作却又产生多笔成交订单，后期复盘也麻烦，容易搞混。所以，不如直接用市价单算了，只要提交成功，基本上就会保证成交。如果确实是滑点敏感的策略，那么只做流动性好的标的吧。

还有，合约的话，杠杆也不要随意变动，最好是回测的理想杠杆再打八折。不要人为主观去预测行情，手动调整杠杆。仓位变来变去也是自动化交易的大忌。

仓位最好是自动赢冲输缩，回撤到一定

这里主要讲的是，中低频交易策略的程序化实盘代码实现。

策略

一个量化交易策略的诞生，一般是经由对市场的观察了解，产生策略 idea，然后设计策略的具体细节，再回测多品种的数据，从而获取、验证具体参数数值的效果。如果效果可以，具有普适性，那么下一步就是上实盘小资金测试。样本外实盘可行，最终就可以加大资金并长期运行。

为了防杠精，说明一下，当然也有其他方法产生策略，比如数据挖掘，挖呀挖呀挖因子。还有机器学习、强化学习这类自动生成因子。不过，这类黑盒方法，在策略回撤期很难坚持运行，因为你不知道这些挖出来的因子，什么时候失效，为什么失效。而做量化交易，最重要的一点就是要坚持实盘，行情不好，你可以缩仓，但是不能停机。没有人能知道大行情什么时候爆发。错过了，你之前的回撤就是白瞎。

一个类比，策略的设计、回测，就相当于《孙子兵法》上说的“庙算”，“夫未战而庙算胜者，得算多也；未战而庙算不胜者，得算少也。多算胜，少算不胜，而况于无算乎!”

所以，交易策略在最初的设计上就得谋划好，计算周密，不然还没实盘其实就已经输了。这一步是最难的，后面的实盘代码虽然也不容易，但不过大部分只是繁琐而已，多花花

本文主要讨论量化交易系统，对于主观交易，因为盘感、形态之类很难量化，也就很难系统化、自动化，所以不在讨论之列。

何为系统

交易系统，如同现实中的交通系统、工程系统、法律系统一样，通过建立一系列规则，帮助我们在不确定的世界中更好地活着。交易系统陪着你征战各个二级市场，是你最赖以生存的护身符，保护着你的仓位，让其在交易所的撮合引擎中不断穿梭，最终资金曲线震荡向上。

系统可以是不完美的，因为任何真实世界中实际运行的“系统”都是各种权衡、取舍的结果，不可能完美无瑕，不要迷失在追求完美的幻境中。但是系统必须完备。完备在这里的意思就是该有的都有了，而且没有死角，是反脆弱的，不能说随便一点波动就被带走。

我认为，一个完备的交易系统必须具有七大基本要素，它们就是：标的、目标行情、仓位杠杆或者叫资金管理，然后就是交易逻辑的四个基本操作：进出盈损。其中前三项一般由交易员通过经验综合选择，然后再回测确认是否合理有效，最终量化出交易逻辑的各个参数，最后由实盘代码根据量化回测出来的各个参数，机械地按规则自动执行。

下面一一解释。

1. 标的：

首先要选定你打算交易的标的品种。

这个可以是任何方便