AI驱动下，加密数字资产交易策略有效性与产品进化｜2025 T-EDGE & CRYPTO QUANT全球对话

北京时间 2025 年 12 月 8 日至 21 日，钛媒体集团携手 NextFin.AI、巴伦中国、DeAI Expo2026、CRYPTO QUANT 2026、链得得 ChianDD 于北京为主会场，联动上海、香港、硅谷、多伦多、迪拜等地，以“连续 7 日全球连线 + 贯穿 2 周 N 场闭门私享会”的方式，与世界各地一线科学家、企业家、创业者、投资人等展开一场以【AI 时代的全球对话· Global Conversations for the AI Era】为主题的系列活动——2025 T-EDGE 全球对话。

其中，在 12 月 20 日 “跨界协同：AI布局新生态”主题日上，核心圆桌围绕“数字资产交易策略有效性与产品形态的进化”展开——DeAI Expo2026 联合创始人 Shigeru 担任主持，与 JZL CAPITAL 资产管理部负责人 Jason Huang、Cybex Technologies HK 首席信息官王坚波、B7 Capital 首席信息官 Charles、Bas1s Ventures & 43 Trading 合伙人 Wonder Xu、SuperWeb3.org 创始人 Spencer Fan 等多位嘉宾，共同深入探讨了 AI 交易工具、流动性风控、“10·11”事件影响、预测市场及量化团队筛选等行业焦点问题。

在这场深入的对话中，各位嘉宾围绕三大核心议题，分享了前沿的行业洞见与一线实践经验。以下是经链得得编辑梳理的，每位嘉宾在三轮讨论中的核心观点提炼：

Shigeru：链上策略和 CEX 策略有哪些新发展？如何权衡两者配置？AI 工具是噱头还是有效辅助？

Jason Huang：

策略选择：已基本放弃链上策略，因存在安全和管理难题；主战场在主流 CEX。

AI 工具：目前是辅助工具，用于代码编写和信号参考，核心决策和风控仍需人工。

王坚波：

策略选择：主阵地也在 CEX，认为链上吸引力较小，是不同生态。

AI 工具：对于中低频策略，大语言模型并非必需，做好数据与维度筛选更关键；高频领域其作用可能更大。

Charles：

链上策略：承认其趋势，但强调安全是最大风险（如协议爆雷、嵌套复杂），需穿透看清底层资产。

AI 工具：机器学习等已广泛应用，但存在“黑盒”归因难题；大模型在文本信息处理上有潜力。

Wonder Xu：

策略选择：链上机会对小资金灵活，大资金因安全与工具便利性问题仍以 CEX 为主。

新兴方向：提及 DEX 与 CEX 间套利及预测市场套利，但容量有限。

AI 工具：对成熟团队，外部 AI 工具作用有限，核心优势仍在内生算法能力；AI 更多是“助手”。

Spencer Fan：

链上发展：现货因私钥管理难而小众，但合约 DEX 体验趋近 CEX，是重要增长方向。

CEX 进化：肯定了组合保证金、多资产保证金等提升效率的功能与风控改进。

AI 工具：现状是服务于高阶散户的小众效率工具，无法生成全自动可靠策略，代码仍需人工确保 100% 准确。

Shigeru：面对“10·11”后流动性变化，风控做了哪些实质性调整？

Jason Huang：

核心调整：事故后强化币种评级与开仓上限管理，并实时监控 ADL 排名等关键风控指标。

应对机制：程序监控与人工值守结合，24 小时应对波动。

王坚波：

核心逻辑：因专注大币种和低频策略，流动性直接影响较小。

具体操作：环境不好时，提高信号阈值，减少交易，聚焦高确定性机会。

Charles：

风控理念：作为 FOF，最大风控是底层团队与策略的选择。

核心原则：强调全面分散（币种、交易所、策略），避免单一风险。

Wonder Xu：

暴露问题：事件暴露了小币种的流动性击穿风险，对套利策略影响大。

风控调整：极端行情下应主动降低杠杆与总仓位，保持克制；新团队需积累经验（交学费）。

Spencer Fan：

策略应对：通过因子权重优化客观适应市场，减少主观择时。

未来方向：增加做市、事件套利等市场中性或独立行情策略，以多样化对抗波动。

Shigeru：如何看待团队发展现状？筛选团队最看重什么标准？

Jason Huang：

行业现状：策略同质化，“内卷”严重，客户要求高（如保本条款），团队分润被压缩。

筛选标准：资方重点关注长期回撤、极端行情表现、策略迭代能力及沟通效率。

王坚波：

筛选逻辑：本质是选择因子和团队在该因子上的深度积累，尤其是难以被 AI 替代的低频、多维度知识。

发展路径：偏向低频、多维、多资产，构建基于深度认知的护城河。

Charles：

核心标准：最看重人与团队（背景、能力、人品）。

关键经验：非常关注团队是否“踩过坑” ，认为经验是应对波动的关键。

Wonder Xu：

筛选流程：数据尽调、小资金试跑、观察风控配合度。

重要原则：合作中如风控理念不合，应“及时止损”；品牌与口碑至关重要。

Spencer Fan：

行业前景：看好全球加密资产配置需求增长，资管格局将分散化。

团队根本：业绩与结果是硬标准；团队核心竞争力在于前沿策略与技术能力。

以下为圆桌对话实录，略经链得得编辑：

主持人：大家好，欢迎来到 2025 T-EDGE 全球对话。我是本次活动的联合主办方 DeAI Expo 的联合创始人 Shigeru。接下来圆桌讨论的主题是“数字资产管理与交易策略”，嘉宾来自资管机构、交易平台和策略实践一线。讨论前请各位简单自我介绍。

Jason：我是 JZL Capital 的 Jason，负责资产管理。我们 2018 年成立，业务有两块：一是自有资金的大类资产配置；二是量化团队为客户提供资管服务，主要通过单所现货与永续合约套利，创造类固收收益。

自有资金以美股为主，配置股票、商品等。我们较早定投了比特币和以太坊，积累了底仓。量化套利提供了持续现金流。

未来，我们计划将数字货币置换为比特币或以太坊 ETF，通过盈透证券等传统券商保持敞口，以利用更多衍生品和结构化产品。同时，也会用这些资产作为保证金，在盈透证券加杠杆进行美股交易，这增强了资产在传统市场的变现能力，也促使团队提升交易与配置能力。

王坚波：Cybex Technologies HK 位于香港。我从传统金融转入，2017 年左右进入加密货币领域。

目前专注于偏“慢”的量化策略，级别在 6 小时、12 小时以上，尚在开发阶段，目标是打造家族基金产品。核心思路是整合多维度有效信息，基于统计模型，未来可能引入大语言模型，以实现最优决策。

我认为，当前更值得投入的是有效结合不同维度。例如，交易比特币需要对美国流动性因子有度量和理解。我们知道这些因素关联，但如何整合运用是关键，这比单纯追求更快的量价数据处理或读取更多链上信息可能更高效。

此外，视野不应局限于加密货币。未来，如何定义市场环境、选择资产，再匹配合适的策略，这一整套流程的价值可能更高。例如，今年交易黄金可能比交易比特币更容易，但如何通过系统化的流程做出此类选择至关重要。我的出发点始终是从信息归类和决策制定的角度出发。

关于大语言模型，我个人理解，对于 200 个因子以内的模型，未必需要用它，相对简单的统计模型可能就够了，但关键在于确保这 200 个维度有效。进行一些非线性的筛选也很重要。这是我近期关注的重点，也正与一些大学教授探讨。这对未来多资产选择都有意义。

Charles：B7 Capital 位于香港中环，是专注加密货币量化策略投资的基金（FOF）。第一期规模一亿美元，投资各类量化策略，包括套利、CTA 多空及币本位期权等。

我接触并尽调过上百家加密货币量化团队，已投资十几家，持续在看新团队。确实，在 10 月 11 日币安事件后，市场流动性下降很快。一些曾经表现很好的团队，在新环境下并不适应。我们也在持续寻找更能适应新环境的策略，例如投资的某些 CTA 策略过去一个月仍能达到年化 200% 以上收益。但也听说有朋友投资的策略，过去七年稳定盈利，最近四个月回撤超过 50%。所以市场依然非常凶险。期待交流。

Wonder Xu：2019 年至 2021 年，我在币安负责机构业务销售。2021 年后，主要精力放在一级市场投资和二级市场量化上。

一级投资方面，我们从 2021 年至今投资了一些早期的加密货币相关项目，部分已上线币安、Coinbase 等交易所。合作投资方包括币安实验室、DCG、Multicoin Capital 等。今年也做了一些调整，开始投资一些拟上市美股的中后期公司。具体标的不便详谈。

量化方面，2021 年至 2024 年我们主要以套利策略为主。从去年开始，加大了对 CTA 策略的覆盖。因为在2018、2019 年时，我们认为 CTA 策略在加密货币市场的适应性可能不佳，当时见到的一些 CTA 团队波动和回撤较大，表现不稳定。但从去年开始，逐渐看到一些 CTA 团队表现不错。

正如刚才 Charles 提到的，今年 10 月的黑天鹅事件后，加密货币二级市场流动性下降很多，这对合作的各个团队都有不小影响。但也能看到，一些从更早时期（例如 2020 年“312”事件）就在持续运作的团队，拥有更多应对黑天鹅的经验和方法，在此次事件中受影响相对较小。这或许也是今天可以探讨的方向。

Spencer Fan：我于 2008 年加入金融行业，曾在纽约、新加坡和北京从事传统金融工作，涉及并购、战略咨询和私募股权投资。

2015 年，我在国内成立了一家量化私募。最初主要在大连商品交易所进行农产品类的高频交易。2017 年，发现加密货币这类资产与我们的高频交易策略非常契合。因此，从 2018 年开始，为亚洲一些新兴的小型交易所提供流动性服务。后来，由于市场流动性变化，该业务转型为中频量化策略的研发。

近年来，除了交易自有资金，也选择性地面向外部投资人开放交易机器人服务。核心策略是一个短线 CTA 组合策略，通过整合十几个不同短线信号，旨在实现相对稳健、回撤较小且收益可观的效果，年化收益目标在百分之几百。不同市场环境下，各信号表现差异很大。

正如刚才几位嘉宾谈到的，10 月 11 日前后市场变化巨大。日常关注策略参数调整时，也能看到非常明显的特征。加密货币市场在我加入的这七、八年间，市场环境、交易者行为及可观察数据都发生了很大变化。在设定信号参数时，如果为确保策略在类似“10·11”的行情中不止损，参数需要调得非常保守，但这可能导致策略在过去多年都难以盈利。因此，在调仓时常面临取舍：是否要为这种极端行情做准备？还是当这种行情发生时，接受一定回撤？这是策略信号筛选中的重要考量。

目前，专注的长期愿景是依托区块链技术，直接为最终用户提供服务。短期而言，与行业内一些同行及机构资金方有合作。主要方向依然是把握交易技术和最新行业趋势，以创造良好收益。

第一轮讨论：策略环境变化与AI工具

主持人：现在我们直接进入第一轮问题。这一轮的关键词是“策略环境变化”和“ AI 工具”。过去一两年，我们看到链上交易环境和工具快速成熟，同时中心化交易所（CEX）仍承载着绝大多数流动性和机构资金。此外，大模型驱动的 AI 交易工具也开始进入实际交易流程。

我的问题是：在各位的实践中，链上策略和 CEX 策略最近一年有哪些新发展？在实际资产配置中，如何权衡这两种环境下的策略组合？同时，从各位的实际使用体验来看，AI 交易工具目前在真实交易中究竟是好用，更多是噱头，还是已成为有效的辅助工具？

Jason Huang：关于链上策略，最初我们参与链上更多是投机行为或流动性挖矿，挖到的代币也会直接卖掉，基本不会配置大量资金在链上。主要原因一是对智能合约不够了解，缺乏精通相关代码的同事；二是去中心化钱包管理比较麻烦，不像 CEX 那样可以通过子账户或托管账户实现交易团队无提币权限的分离。因此，我们早期在链上主要是参与空投和流动性挖矿。最近，我们的重心已基本从 DEX 转移，目前基本不在链上配置任何资金。

中心化交易所是我们的主战场。无论是自有资金还是客户资金，主要都放在主流 CEX。我们提供的是中高频策略，收益主要来源于交易收益（约占 60%-70%），而非资金费率收益。CEX 仍是我们深耕的对象。同时，我们也逐步将部分自有资金从 CEX 转移到盈透证券等传统券商。这主要是出于资产分散的考虑，我们不能把所有资金都放在 CEX，尽管有多家 CEX，但转移到合规券商也是一种交易场景的分散。这是我们目前的趋势：不做 DeFi 和 DEX，以 CEX 为主战场，并逐步拓展传统券商业务。

关于 AI，目前对我们而言更多是辅助工具。在实际交易执行中，我们并未借助 AI 做决策，它仅提供建议或信号参考。此外，在编写代码时，我们会使用 AI 协助，但在上线前仍需人工逐行核对代码，确保无误后才放心执行。这是我们目前的实际情况，也想听听其他嘉宾的分享。

王坚波：关于链上和中心化交易所，我们的主要阵地仍在中心化交易所。对于链上，我的感觉是，由于合规需求，以及链上交易所需要创造流量和新闻，会有一些大账户参与，这是其主要需求。但从纯粹的交易价值来看，如果资金没有特殊需求，目前链上的吸引力相对较小。当然，高频套利策略可能需要覆盖所有交易所。总体而言，我认为这是两个不同生态，其激励和目标也不同。

关于大语言模型和策略，因为我做的是中低频策略，因子相对较少，且需要人脑筛选。据我所知，对于 200 个因子以下的模型，可能未必需要大语言模型，使用相对传统的统计模型就足够了，但前提是确保这些维度是有效的。因此，主要的任务在于找到合适、理性的维度，并做好数据的格式化和结构化。当然，在开发编码或处理文本类基础信息时，使用大语言模型没有问题，但这并非核心。目前来看，问题还不大，但进入高频领域后，大语言模型的用处可能会大很多，因为在高频领域更多是依赖统计形式而非人脑去理解相关性。

Charles：这个问题有两部分：DeFi（链上）和 AI。

关于链上部分，我个人一直有参与各类链上平台，基金也有所涉猎。从个人角度看，链上最大的问题无疑是安全，即交易对手风险，包括平台自身问题和黑客攻击等。最近链上也发生了大事，例如 Stream Finance 爆雷，它原本管理着两亿多美元的资产，爆雷后，许多底层协议又嵌套了它的 xUSD。其中一个我在 OKX 上投资的、与他们合作的链上基金，其底层就全部投向了 Stream Finance，导致目前 1000 万美元处于半爆雷状态，已有一个多月没有任何解释。因此，我想强调，链上策略有时嵌套层级很深，如果直接投资链上策略，一定要穿透看清底层资产。所以，个人投资者可以多关注，但从基金角度，风控会更加严格。我们可能会关注头部永续合约 DEX 的套利机会，这确实是个趋势，但链上风险不小。作为投资人或基金，首先需要对私钥管理、合约安全有深入了解和辨别能力，才是较好的选择。

关于 AI，它在整个量化赛道有非常多的应用。较早的 AI 如机器学习、神经网络，其实已经应用在许多量化模型中，例如用机器学习挖掘因子，或用非线性模型组合因子生成信号。这类模型的问题在于相对“黑盒”，当结果持续回撤时，较难归因。此外，大模型擅长处理文本或多模态数据，现在已有量化团队开始用大模型处理每日大量的新闻、推特信息，试图将其转化为可归因于价格变化的因子。我就分享这么多。

Wonder Xu：今天分享的嘉宾多以资管团队为主，我补充一点：我认识一些以自营、高频为主的朋友，他们资金量较小，策略容量也小，可以更灵活地在链上寻找套利机会。但对于资金量较大或从资管角度出发的策略，链上目前在安全性、工具便利性（如缺乏像 CEX 那样的托管子账户等专为资管设计的功能）方面确实存在不足。

在 DEX 方面，我们之前观察到一些团队在 Arbitrum 上最大的 DEX（如 GMX）、Solana 上最大的 DEX（如 Raydium）与中心化交易所之间进行套利，部分资管团队在做，但容量目前不算特别大，且收益与资金费率、基差套利策略一样，非常受整体流动性环境影响。当前环境下，这类容量稍大的套利策略收益都不太好。

此外，在 DEX 领域，我们还观察到像 Polymarket 这样的预测市场也出现了一些套利机会，包括一些头部做市商也会参与。当然，这同样存在资金容量问题。

关于 AI 与交易，首先对于套利策略（如资金费率、基差套利），其逻辑并不特别复杂，与 AI 的关系可能不大。对于高频或 CTA 策略，交易员本身已经在使用基于数据的算法，这与 AI 有相似之处。我认为，当前趋势更多是一些 AI 公司希望为矿工提供赋能服务，例如在数据清洗、回测、因子挖掘等方面提高效率。我们看到有团队尝试使用，但它似乎还无法成为一个团队最核心的竞争力。目前能在量化领域有优势的团队，其内部研发的算法能力已经很强，外部工具很难超越。如果真能超越并被普遍采用，策略的有效性也会变化。因此，我认为当前AI工具可能对开发能力较弱或团队较小的量化团队更有赋能作用，能提高其效率。但对于成熟团队，外部AI工具的作用可能没有想象中大。另外，也有方向是 AI 直接做交易，但这更多是帮助交易员实现其想法，而想法的来源依然是交易员本身。这是我们看到的情况。

Spencer Fan：我尽量补充一些不同的视角。关于链上现货，确实如几位嘉宾所言，我认为未来可能仍是一个比较小众的方向，主要原因是私钥管理行业一直未给出特别好的解决方案。对我们而言，作为交易所用户，如果无法提供良好的私钥管理方式，以及提现权限与交易权限的有效分离，我们很难将产品大规模提供给客户或在团队内部使用。而这种权限分离功能，早在 2017 年币安、火币等提供 API Key 时就已经实现，是非常常见的用户需求。

链上的另一部分是合约交易，其体验正在变得越来越好。近年来也涌现出几个非常亮眼的去中心化交易所，如 Hyperliquid，以及去年到今年在华人市场和西方市场新兴的一些所。这些 DEX 在用户体验上已非常接近中心化交易所，且在合规上更宽松。例如，美国、德国等地的用户无法使用币安，对他们而言，一个好的去中心化交易所非常理想。因此，我们也正逐步从币安向 Hyperliquid 等去中心化交易所拓展。我认为未来这里会有很大增长，也更符合全球化资管覆盖的需求。

刚才 Wonder 提到了预测市场，如 Polymarket。目前中文区可能还没有很主流的预测市场，而西方预测市场的主题（如美国总统选举、NBA、地缘政治）和用户都偏向西方社会。因此，从我们的角度，可能更多采用数据驱动的方式参与，很难去做主观基本面投资，因为市场分散、单一市场交易量不大。但数据驱动的投资是可行的，Polymarket 在过去一两年也产生了不少财富故事。感兴趣的朋友可以自行研究。

中心化交易所在近几年也增加了很好的功能：一是组合保证金，可有效提高资金效率；二是币安支持的多资产保证金，满足客户用 BTC、ETH、SOL 等作为保证金，或使用生息稳定币作为保证金以同时赚取交易收益和利息的需求。此外，针对过去一年某些用户利用规则漏洞算计交易所的行为（例如通过子账户多空对敲获取爆仓收益），币安也加强了对杠杆的限制（如 2025 年 8 月后新用户子账户杠杆不得超过 5 倍），这体现了 CEX 和新兴链上合约交易所在风控上的完善，未来交易所亏空或爆雷的情况可能会减少。

关于大模型，我们看到市场上出现了一些应用，主要是一些新兴的创业公司。由于最近一年 AI 融资容易，许多调用 ChatGPT、Claude 等 API 的创业公司发展得不错，他们主要为高阶散户提供交易工具，例如用 AI 编写简单的自动化交易策略。这些策略虽不一定能达到专业量化策略的水平，但能实现交易者特定的交易目的。这种需求在股票和加密货币领域都有，我认为未来会是一个长期存在的小众需求，类似于 20 年前券商推出 API，或 TradingView 发展出的策略分享社区。

但是，大模型目前还无法写出完善的全自动策略。用过它写代码的人都知道，其代码准确率可能在 70%-80%，仍需工程师修正才能达到 100%。而量化交易场景要求代码必须 100% 准确。因此，现阶段大模型更多是提高开发效率的工具，尚无法在不依赖人的情况下生成非常完善的策略。

主持人：策略没有好坏之分，只有是否适合。AI 目前也尚未成熟到能作为实用工具深度嵌入交易流程。我们可以继续关注其发展。

第二轮讨论：流动性变化与风控调整

主持人： 第二轮问题的关键词是“流动性”。大家刚才都提到了“10·11”黑天鹅事件，我认为这是今年市场流动性的一个拐点。整体来看，市场流动性一直不算特别充沛。请问面对当前情况，各位在策略产品的风控机制、仓位管理、回撤容忍度或止损逻辑上，做了哪些实质性调整？

Jason Huang：汇报一下我们“10·11”时的情况：有的账户亏损，有的盈利。盈利的情况可能是合约爆仓价较低，爆仓后现货未及时平仓，赶上反弹后平仓获利。但这本身也是问题，因为对冲失效后，现货端对某个币种是 100% 敞口，未及时再平衡或平仓，程序上是有问题的。我们将其定性为事故带来的盈利，技术团队也需检讨。

此后，我们高度重视风控。不仅与客户沟通可开仓币种的白名单，内部也会结合市值排名、现货合约日均交易量、持仓量、上线时长等对币种进行评级，并根据评级设置开仓上限。同时，我们实时监控所有持仓币种在交易所的 ADL 排名和保险基金余额变化，每小时通过飞书推送。ADL 排名在极端行情下对套利策略影响最大，是我们关注的重心。

当前流动性不佳，本周波动也很大（受美国、日本宏观数据发布影响）。我们从量化角度进行 24 小时监控（程序、飞书、电话），并有境内境外同事倒班，以应对年底行情和宏观数据带来的波动。

主持人：看来是规则、程序化监控与人工干预相结合。

Jason：是的，程序报警时必须人工第一时间决策。

王坚波：流动性不好对我们影响还行。因为我们集中于大币种，这是常规做法。其次，由于我们是低频策略，很容易设置成提供流动性而非消耗流动性的交易，这样流动性对我们问题不大，最多是不交易。当然，在市场整体环境不好、趋势不强时，我们会提高信号阈值，减少交易，只做阿尔法更高的机会，或者围绕特定事件（如 Uniswap 相关事件）进行聚焦。总之，在加密货币领域，活得久才能赚到钱。所以，不必过于复杂，收缩范围，做有把握的事即可。另外，从我们策略因子来看，今年做空 BTC 和 ETH 反而比做多更容易，这也是应对方法之一。

主持人： 王总的策略听起来比较稳健，追求相对确定性，只做大币种或大周期。

王坚波： 对，不是特别激进。

主持人： 这需要与策略本身匹配。

Charles：我认为风控对基金来说是重中之重。从我们 FOF 的角度，最大的一层风控就是团队和策略的选择，因为我们会审视底层策略的风控细节。

例如，对于套利策略（尤其是跨所、涉及资费的），如何防范 ADL 风险？对于链上策略，如何防范链上风险、API 宕机等？在何种问题下有怎样的解决方案？我们都会过得很细。每个策略的预警和止损点也是风控的重要部分。

此外，我认为币圈本身属于尾部风险较高的领域，最终需要在各个维度上控制敞口比例：不应将所有稳定币放在一种上，不应将所有资金放在一个交易所，不应只做一类策略或一个币种。分散是优化整体策略风控的关键。

另外，有些团队在类似策略下，风控能力明显更强，回撤控制得更好，能及时止损并抓住机会。因此，无论是基金 PM 还是策略 PM，都需要具备很强的风控意识和能力。

主持人：Charles 的核心是两点：活得足够长，交过足够多的学费。这是筛选团队的重要标准。

Wonder Xu：之前的嘉宾总结得非常完善。我补充几点：

首先，这次事件暴露的一个大问题是币种选择。主流币以外的小币种可能存在流动性击穿风险，这次非常明显。对于 CTA 策略，大多数只做 BTC，影响相对小。但对于资金费率套利或高频策略，它们往往在小币种上暴露大量敞口，在极端行情下确实存在无法平仓的风险（如交易所宕机、订单响应慢或排队靠后导致对冲失效），这会造成事故性损失。

这对套利产品团队是一个需要思考的问题：如果不做小币种，套利收益就很低；但如果做，当前的风险收益比可能开始失衡，无论对客户还是团队都是如此。

对于 CTA 策略，如果方向做错需要止损但无法执行，就会承担额外回撤。

我认为我们能做的有两点：一是在市场特别疯狂时，保持克制。即使是量化策略，也应考虑降低杠杆率和总仓位，这能在极端行情下将损失控制在可承受范围内。毕竟，5% 的额外回撤和 50% 的额外回撤，其挽回难度是完全不同的。这对于新入场的量化团队尤为重要，他们可能对市场的波动性缺乏清晰认知，这次交了学费，下次可能会有经验。

此外，也许未来随着加密货币监管趋严，交易所对量化团队的损失补偿可能会有相关条款，这值得期待，但需要时间。

主持人：确实，极端事件像是行业的学费，风控意识尤为重要。交过学费的团队可能结果更好。

Spencer Fan：2025 年的行情整体上是上半年上涨，“10·11”后震荡下跌。在这种格局下，我们在交易因子的筛选和权重优化上做了不少复杂工作。因为我们的因子部分偏多头，部分偏空头。市场上涨时，多头因子表现好；下跌时，空头因子表现好。我们尽量做到客观调整，减少主观择时和人为干扰。在近期的震荡下跌环境中，策略整体出现一些回撤是正常的，只要确保风控功能正常、不出事故，就属于策略的合理表现。

从团队资源分配看，未来我们肯定会增加更多做市类策略。这类策略偏市场中性，不太受大环境影响，虽然在交易量萎缩时收益会下降，但至少不会有大的回撤。同时，我们也在不断增加事件套利策略。加密货币行业有很多事件驱动的交易机会，这不受整体涨跌影响。此外，寻找一些不受牛熊影响的交易机会，也是我们未来策略多样化的发展方向。

第三轮讨论：量化策略团队的发展与筛选

主持人：第三轮问题的关键词是“量化策略团队”。从平台或资管角度看，现在做量化的团队非常多，但真正能达到机构化水平的似乎不多。请问各位如何看待当前量化策略团队赛道的发展现状？作为资管机构或交易平台，在筛选和评价团队时，你们最看重哪些核心标准或指标？

Jason Huang：我感觉期限套利这类策略越来越“卷”。很多资方对纯资金费率收益的套利策略兴趣在降低，他们可能更倾向于直接投资到 CeFi 理财项目中，而不是投资多个团队增加管理成本。

我们现在正从单纯的资金费率收益向交易收益转型，做差异化调整，并从市场中性的零敞口策略向有敞口的策略拓展。我们的基本盘仍是现货永续套利，并在此基础上进行多策略优化。

当前市场确实很“卷”，流动性不好，大环境也差。收益不好，资金自然不会流向这类策略。我们与资管机构接触较多，现在谈新合作时，客户常会要求保本条款写入协议，否则合作难以推进。

另外，现在管理费分成比例也很“卷”，商务条款从过去单一形式变成了“前端+后端”的平衡模式，量化团队实际得到的分润比例在逐渐压缩。

同时，资方非常关注长期回撤控制、在过往极端行情下的策略表现、策略优化频率及优化后各项指标（收益率、回撤、交易频率）是否有正向趋势、团队的应急处理能力，以及与 LP 的沟通效率。这些是我们合作中客户重点关注的方面。

主持人：市场越来越卷，客户也越来越专业。

Jason：是的，都在压缩量化团队的分润比例，这是实打实的。

王坚波：我的感觉是，在 AI 辅助时代，最终在团队或策略选择上，本质是选择因子，然后看团队在该因子维度上是否有足够深的积累。人品当然不能有问题，但能力上的积累是关键。有些能力可以通过工具化获得，有些（如基本面、宏观理解）则需要积累，因为这些数据是稀疏的，不常发生但发生时至关重要，需要多模态的人类理解，用模型理解相对更难。这就是积累的价值。

基于此，我们的选择会越来越偏向低频。目标是找到低频且高效的维度，找到愿意并有能力做此事的人或合作伙伴，将低关联度但高效的维度整合起来，这可能需要统计或模型能力。这样选择后，资产池也会打开。例如，如果你对央行买卖黄金的因子理解很深，这只能用于交易黄金或白银，若用来交易比特币可能就不合适。虽然可以编故事，但关键在于因子能力和维度，尤其是低频维度。高频维度可能有效一年或一周就失效了。我们需要找到长期投入产出比合适、且符合团队能力的事情。因此，我们偏向低频、多维、多资产。长期来看，或许我们的工具使用能力不如别人，但我们相信科技发展对我们有利，我们无需与 AI 卷工具能力，这样胜率可能更高。

主持人：王总强调的是“知识资本”，即专业知识的深度积累，这有其护城河，不是大模型短期训练就能完全具备的。这或许是AI未来的进化方向。

王坚波：是的。知识本身有深浅之分。就像七八年前大家热议“大数据”，现在没人提了，因为它已成为浅层基础。我们需要往深处挖掘。

Charles：在选择量化团队方面，我们聊过的团队非常多，模块也很多。但我认为最重点的还是人和团队因素。虽然量化依靠程序交易，但程序是由人设计和编写的，尤其在波动剧烈的加密货币市场，核心人物必须有能力持续迭代、跟进市场。因此，其过往背景、学术能力、人品都会极大影响我们的投资决策。我们肯定有定量和定性分析，我多讲一些定性方面。

此外，一个量化团队是否“踩过坑”、踩过什么样的坑，我们也很关注。如果一个团队太新，即使过去一年赚了年化 100% 以上，但没经历过挫折，我们可能也不放心下手。因为很多坑只有踩过，下次才能避免或提升认知。因此，我们倾向于选择经验丰富、见过大风大浪、处理过极端情况的团队。

Wonder Xu：我在团队中主要负责商务拓展、整体管控管理和风控。因此，这个问题确实是我非常关注的。

首先，在接触或合作前，我们会看团队或交易员的过往数据，并做基础尽调。我自 2019 年接触加密货币量化以来，已近六年，对大多数团队和个人有一定了解和信息网络。同时，我们会分析他们提供的数据，有些数据可能过于完美，我们会思考其原因，因为有些数据可能是回测数据而非实盘数据。

决定进一步接触后，我们可能会先以小资金测试，再逐步增加合作规模；或者对一些团队进行更长时间的观察后再合作。这为我们留出了缓冲空间。

风控当然是我们关注的重点，包括最大回撤、风控方式等。我们内部也有专门的风控小组进行独立监控，甚至要求策略满足我们特定的风控要求。

还有很重要的一点是，在合作过程中，我们会观察团队的配合度。如果团队不配合我们的风控要求（例如，我们认为资金应在不同策略间分散，而团队坚持集中），即使其收益很好，我们也建议及时抽身。从系统化管理角度看，这样的团队已偏离量化思维，很可能出问题。事实上，我们后来确实发现，有此类预警信号的团队后续真的出了问题。因此，我建议观察不应仅停留在数据上，要保持长期的敏感度。

就像婚姻一样，觉得不合适就要及时分开。如果 LP 发现管理人可能有问题且不听劝，该撤资就撤资。这也说明了在资管行业，品牌、管理人的行事风格和口碑为何如此重要，当然最终结果也至关重要，需要综合看待。

Spencer Fan：我个人的体感是，在全球范围内，未来想要增加加密资产配置的资金会越来越多。例如，最近一两年美国、香港都成立了许多加密资产财库公司。他们募资后，除了直接购买加密货币，也希望能有人在这些资产基础上提供额外收益。例如，币安支持多资产保证金，客户可以将 XRP、BTC 等作为保证金交易永续合约，这就是一种思路。当然，目前这些公司大多还在评估阶段。

资产管理作为传统服务业，未来格局可能仍会比较分散。欧洲团队服务欧洲资金，亚洲团队服务亚洲资金，这种分工可能会持续。像我们对接的全球资金方，都有其稳固的客户群，价值明确。

我们团队专注于前沿交易技术和策略，优势是进入行业较早，对最新趋势比较了解和贴近，因此策略表现能保持在较好水平。即使经过几层资金中介的分润，最终到客户手中的收益率依然有吸引力，这是我们保持长期竞争力的秘诀。

关于筛选和评估标准，行业已很成熟，如夏普比率、收益率、历史回撤等都是常规指标。二级市场资金配置也相对简单，结果说话。例如，未来几个月的量化大赛，数据都是客观可查的，无需太多纠结，结果就能证明实力。

主持人：范总也为我们未来的量化大赛做了预告。感谢各位嘉宾的精彩分享，期待未来有机会进行更深入的专题交流。本次圆桌讨论到此结束。再次感谢各位嘉宾和线上的朋友们。