交易所竞争空前压力下Bitcoinwin交易所的立足之道|灰狼在Uniswap上mai到一个假～币

文一：在中心化交易所云集、去中心化交易所不断崛起的双下夹击下Bitcoinwin交易所的立足之道

序

在开启本篇文章之前给大家讲一件最近发生在灰狼身上的事情，前一阵灰狼从朋友那里获悉8月14日晚上11点Bart项目要进行公募，公募将在官网和Uniswap两个地方展开，而在晚上11点前不久灰狼就在Bitkeep平台上看到Uniswap最新的上线合约上有Bart项目。

灰狼在Uniswap上参与的假Bart项目。来源：Bikeep

于是乎11点到后，灰狼一看Uniswap上的Bart价格还好，就立马转了0.4个ETH进行了兑换。兑换完成后灰狼就去问朋友雪球参与了Bart项目没？但是得到的结果令灰狼感到很沮丧，雪球告诉灰狼，由于上线Uniswap出现了技术问题，当晚Bart项目并未上线Uniswap，灰狼买到的是一个假合约，应该卖不出去。果不其然，在Uniswap无论灰狼怎么操作这个卖出，就是点不下去。而后没过多久该合约就一次性提空流动性资金。就这样在Defi的路上灰狼一不小心就上了一个当，好在损失的金额并不大。而另一方面，最近像Ruze、Rmpl等Ampl的仿盘，相信也有不少朋友参与并大幅度亏损。从中也让灰狼深刻体会到，虽然当下Uniswap非常火爆，但是一个完全没有安全审计可以随意上币的平台对于普通的交易者来说安全风险有多大，而对于普通交易者来说更需要的是一个安全可靠的交易所。而今天灰狼下文要给大家带来的Bitcoinwin交易所可能就是其中之一。

引言

CoinBase、币安、火币、OKex等传统交易所强者仍在持续发力，扩展自己的地盘，抹茶、库币等二线交易所为了生存也在想尽各种方法。而今年以来，在去中心化金融概念的引领下，以Uniswap为首的去中心化交易所也在持续发酵，在Uniswap等去中心化交易所的冲击下，传统乃至像币安等这样的龙头中心化交易所都感觉到了危机。

另一方面像Cosmos、柚子、波场、波卡这种公链项目，也纷纷开始学习以太坊去中心化交易所的模式，开设自己的XXXswap交易所。可以说现在加密货币交易所的竞争是空前激烈，稍不留心可能就会掉队。在这种情况下，有一个叫Bitcoinwin的交易所正尝试一种不一样的方式，来突出重围。

Bitcoinwin交易所核心优势与立足之道

想要在竞争如此激烈的交易所环境从突出重围，乃至脱颖而出，并非没有可能。现在位列三大交易所之一的币安平台就是借助94之机快速发展壮大，而近两年来的抹茶交易所、Uniswap交易所也是其中典型的例子。要么你实力雄厚，要么你具有独特的交易策略或运营能力。让我们来看一下，Bitcoinwin交易所又有哪些优势与抓手呢？

1.交易所合法化

近些年来，加密货币以及加密货币交易所一直走在合法化的路上，很多国家和地区对于加密货币的态度始终不是很明确。而在这种情况下，有很多不法分子乘虚而入，开设各种传销、钓鱼、模式交易所。而跑路的交易所的名单越来越长，FCoin、GGBTC、MGEX、Bitgogo……。

Bitcoinwin澳洲交易所牌照。来源：Bitcoinwin。

可以说，越是不合法的交易所跑路的概率越高，像币安等大型交易所也一直在寻求在全球各地的合法化，这也是从对平台与平台的用户负责的态度做事。Bitcoinwin交易所从设立一开始就是先合法化，拥有澳大利亚的合法交易所牌照。在今年年初的时候，欧洲牛津区块链发展基金会评选的“全球十大合规数字交易所”的名单中，Bitcoinwin就位于其中。同时链银集团表示，在没有获得政府的批准前，不会在当地私设办公场所和运营人员，确保在全球范围内合规运作，这也可以让用户能更加放心的参与其中。

2.不发币、不上币、不集资

Bitcoinwin交易所主要原则。来源：Bitcoinwin。

现今的加密货币交易所市场，头部效应、二八效应非常明显。排名前20的头部交易所，占据了80%以上的市场份额，二、三线交易所一直在温饱线挣扎。可以说通过发行自己的代币、通过IEO等方式上线新的项目代币、借助集资等方式是传统中心化交易所尤其是二、三级的交易所的主要收入来源。

Bitcoinwin战略合作伙伴。来源：Bitcoinwin。

在这种环境下Bitcoinwin交易所为什么会有如此的魄力，来放弃这几块大肥肉？从Bitcoinwin的资料中我们可以看出，Bitcoinwin隶属于DBank链银集团，链银集团是一家国际化集团企业，得到了360海外和BTN基金以及芝加哥交易所大湖资本的共同投资，早在2019年2月就获得了1500万个USDT及1500个比特币的风险投资。技术团队来自微软、花旗、汇丰、阿里等国际大企业，研发团队实力雄厚。这也侧面体现出Bitcoinwin的实力。

3.只做主流币

能在Bitcoinwin交易所上市交易的品种非常少，Bitcoinwin交易所主营的加密数字货币只有BTC、ETH、BCH、EOS、XRP、LTC等为数不多的主流加密货币。Bitcoinwin坚持不经营ICO空气币的原则。在这点方面，灰狼影像非常深的是94之前的中国比特币交易所，可以交易的也只有为数不多的几个主流币，而灰狼之所以主要参与中国比特币交易所的交易与这个关系也非常大。

对于投资者来说，并不是交易的加密货币数量越多越好。就像17年ICO繁荣时期，很多交易所上线了一大批的新币种，但是那个时期上线的币种之中除了像LEND等个别近期表现出色的币之外，很多币种跌的惨不忍睹，也给广大投资者带来了巨大的投资风险。同样别看近期Uniswap交易火爆的很，但是从另一方面，Uniswap上面充满了骗子币、空气币，而真正能在Uniswap获得巨额收益的是那些所谓的科学家或者是少数专业的投资者，而对于像灰狼这样的普通投资者，进去被割韭菜的概率就高。

CoinDesk专栏作家J.P.科宁在其《保持“干净”比特币可以从黄金中学到什么》一文中，提到机构投资者总是喜欢购买批准的监管链中的比特币一样，即对于机构投资者来说安全是第一位的，因此在上市可交易币种方面，Bitcoinwin坚持只做主流币的原则还是可以吸引机构投资者，同时这对于广大普通投资者来说也是非常具备吸引力的。

4.交易流畅且资金安全有保障

Bitcoinwin交易系统底层采用360安全技术架构，交易流畅、安全。同时平台不允许机器人做市，不允许量化团队控盘，绝对保障客户利益。

这一点尤其对于合约交易者来说非常重要，一方面几乎每周我们都会听到有关交易所API中断和关闭数小时的消息，而时不时的插针现象，导致非常多的合约交易者瞬间爆仓。另一方面我们也经常听说有些中小交易所，受到量化团队交易的影响，在短时间内造成了交易量爆棚，而一旦量化团队撤离，则交易量瞬间塌方，这不仅给广大投资带来风险，同时也给交易所本身带来了巨大的可持续性的风险。

在加密货币市场充满骗局、谎言的当下，交易体系的安全是非常重要的，也是投资者选择交易所平台的最主要考虑因素之一。

5.交易门槛低，交易成本低

只有10USDT就可以参与合约交易，同时不像很多交易所的对于合约订单采用每小时收利的方式，Bitcoinwin交易所对与杠杆配资过夜仅收取一次隔夜利息，日利息百分比为0.5‰，对于当天平仓的不收息。

Bitcoinwin信用账号特征。来源：Bitcoinwin。

同时除交易账号之外，平台还设有信用账号，信用账号的用户在持有BTC、ETH、EOS等代币时不仅可以获取年化9.9%的收益。同时信用账号还可以获得充值金额50%的信用额度，可以享受7日的免息信用额度。

结束语

在当前竞争如此激烈的加密货币交易所平台，对于新的交易所平台Bitcoinwin利用自己的合规化，团队实力与技术优势，不发币、不上币、不集资坚持只做主流币的理念、保障用户资金安全、低交易门槛和交易手续费等优势说不定可以开拓出一条不一样的道路。

Bitcoinwin交易所综合排名。来源：非小号。

而在最新的非小号的数据显示，Bitcoinwin交易所目前综合排名第96位，而平台的24小时的成交额却高达250亿左右，大大高于大部分二、三线交易所，与币安、火币等头部交易所相距也不远。这应该与平台所具有的优势、坚持的原则等方面不无关系。

文二：当前加密货币领域量化策略失败的10个理由

本文作者：耶稣罗德里格斯(Jesus Rodriguez)是加密资产市场情报平台IntoTheBlock的首席执行官。他曾在大型技术公司和对冲基金中担任领导职务。 他是纽约哥伦比亚大学的积极投资者、演讲者、作家和客座讲师。

术语“加密”和“定量”似乎完美地结合在一起。比特币和加密货币资产诞生于资本市场最激动人心的时刻之一，恰逢量化金融的黄金时代。由诸如云计算和大数据之类的运动以及机器学习的复兴引起的技术加速相撞，引发了一场完美的风暴，转而推动了定量革命。每年有数十亿美元从可自由支配资金转移到量化工具上，华尔街无法迅速聘请数学家和机器学习专家。

作为一个完全数字化的资产类别，加密货币似乎是量化模型的理想目标。然而，量化策略仍受制于相对简单的技术，例如统计套利（一种旨在利用一对证券市场效率低下的成对交易策略），而且我们仍然没有看到市场上占主导地位的大型量化服务台的出现。尽管加密货币资产对于量化策略具有吸引人的特性，但加密对量化模型提出了独特的挑战，而现实是，加密货币中的大多数量化策略都会失败。在这篇文章中，我想探讨一些基本但不明显的原因，这些原因可能导致加密货币领域中大多数量化策略的失败。

另请参阅：Jesus Rodriguez –加密货币无需担心GPT-3，应该拥抱它

通过声称加密货币中的大多数量化策略均会失败，我主要指的是机器学习策略。 统计套利已被证明是开发算法策略的有效机制，但是我们应该期望随着市场规模和效率的提高，这些机会将消失。在传统的资本市场中，我们已经看到基于机器学习的量化模型的实现呈爆炸式增长，并且该领域的研究机构呈指数增长。

但是，在传统的资本市场上证明有效的大多数量化策略在应用于加密资产时可能效果不佳。根据我们在IntoTheBlock上从事预测模型和量化策略研究的最新经验，我列出了一些我认为可能导致加密货币资产量化模型失败的因素。

1.小数据集

在研究论文中发现的许多基于机器学习的量化策略都接受了数十年来自资本市场的数据的训练。大多数加密货币资产的交易历史可以在几个月内计算出来，即使对于像比特币和以太坊这样的工具，数据集仍然相对较小。许多机器学习模型将很难总结来自如此小的数据集的任何知识。假设不正在尝试为ChainLink（LINK）等资产的价格建立一种预测模型，这类资产在最近几天非常火爆。事实证明LINK的交易历史非常小，不足以训练量化金融领域的大多数机器学习模型。

2.定期的“异常事件”

尽管不应在同一句子中使用“常规”和“异常值”一词，但我想不出一个更好的术语来描述我们在加密货币资产中的经历。大规模的价格崩盘或突然飙升，在数小时内改变了任何加密资产的势头。这些“异常”事件在许多加密货币资产中经常发生。

从机器学习的角度来看，大多数模型将对这些价格波动感到困惑，因为他们在训练期间没有看到任何类似的东西。不足为奇的是，许多机器学习量化模型在3月中旬的闪崩间被淘汰，或者由于过去几周的波动性突然增加而无法利用。在模型训练期间，很难捕获有关这些事件类型的知识。

3.过度拟合的倾向

加密货币资产中的小型市场数据集的副作用是大多数机器学习量化模型倾向于过度拟合或“针对训练数据集进行优化”。我们不断看到量化模型在回测期间表现出色，但在实际市场条件下却失败了。

4.常规的再训练困境

想一想这个场景：你已经建立了一个基于数年比特币交易历史训练的预测模型，然后你经历了几乎没有波动的几周，随后又经历了几天疯狂的波动（这种情况以前从未发生过）。你想重新训练模型以获取该知识，但是如何进行呢？如果仅在最新数据中对模型进行重新训练，则很有可能发生过度拟合，而如果你等待，则该知识可能不再有用。

作为加密货币领域的一门学科，人才是一个非常重要、而且常常被忽视的方面。

这种再训练困境是“常规异常事件”现象的直接结果。如果你在标准普尔500指数最近10年的数据集中训练模型，则可以设计一种策略来定期对模型进行训练，因为该指数不太可能在短时间内偏离其传统行为。当涉及到加密货币时，这种在常规量化策略中已被广泛采用的模型的定期重新训练不合时宜。

5.数据质量和可靠性

设计用于加密货币资产的机器学习量化模型的最大缺点之一是数据集的质量和可靠性差。许多交易所订单数据集中充满了虚假交易量、洗单交易或欺骗行为记录，这并不是秘密。显然，使用这些数据集训练机器学习模型不会产生任何相关结果。此外，几乎每周我们都会听到有关交易所API中断和关闭数小时的消息。 你上次听说纳斯达克API崩溃的时间是什么时候？它肯定会发生，但不会那么频繁。缺乏可靠性可能会破坏最可靠的量化模型的准确性。

6.匿名区块链记录

区块链数据集仍然是加密货币领域中量化策略的最丰富的alpha来源之一。但是区块链记录的匿名性使得设计有意义的量化模型确实具有挑战性。举例来说，量化策略的功能之一就是利用以太坊区块链中的地址数量。好吧，交易所的地址与单个钱包的地址根本不同，而与矿工的地址也不同。标记区块链记录对于基于区块链数据集设计有意义的量化模型至关重要，不幸的是，这些工作仍处于早期阶段。

7.窗口外因素策略

在过去的二十年中，因子模型一直是一些最成功的量化策略的核心。诸如AQR之类的整个大型基金都是建立在因子投资(factor investing)量化策略的承诺之上的。从价值、动量或质量之类的原始因子开始，因子策略已发展为模拟金融资产类别中相关行为的数百个因子。

至少直到今天，事实证明，大多数因子策略在加密货币资产的背景下都是无效的。 当涉及加密货币时，诸如价值和质量之类的因子并未得到明确定义，而动量之类的其他行为则违背了传统模式。这导致许多加密货币量化服务台花费大量时间来尝试重新创建基于因子的策略，这些策略在加密货币领域中极不可能执行。

8.简单模型谬误

定量金融领域正迅速吸引大型和复杂的模型，它们的性能通常优于更简单和更专业的模型。这一趋势反映了整个机器学习领域中正在发生的事情。深度学习的出现向我们展示了创建高度复杂的神经网络，以最不可思议的方式获取知识可能性。

诸如TwoSigma和WorldQuant之类的基金正在积极推动深度学习研究，并将来自谷歌、微软或脸书等科技巨头的AI实验室中产生的创意纳入其中。但是，在加密货币世界中，大多数量化策略仍然依赖于非常基本的机器学习范式，例如线性回归或决策树。

鉴于简单的模型易于理解，因此无疑具有吸引力，但是它们很难从复杂的环境（如加密货币市场）中归纳知识。作为机器学习环境，加密货币结合了金融市场的复杂性和新资产类别的低效率和不确定性。绝对不是简单定量策略的最佳选择。

9.基本的定量基础设施

作为对上述观点的补充，加密货币领域中的大多数定量基础设施都相对新生的。 强大的量化基础架构超越了良好的战略，还包括诸如风险管理、回归测试、投资组合管理、战略执行、错误恢复等要素。在加密货币领域，大多数对冲基金的量化基础设施仍然相对简单，这使得难以操作某些类型的策略。

另请参阅：耶稣·罗德里格斯（Jesus Rodriguez）–神话与现实：加密货币资产的情绪分析

例如，假设你设计了一个漂亮的深度学习量化策略，根据区块链数据集预测比特币的价格。为了实施这一战略，基金需要一个定期收集区块链记录的基础设施、拥有运行深度学习模型的计算机基础设施、以及适当的再训练工具，等等。

今天的技术无疑减少了建立一个量化基础设施来运行机器学习模型所需的时间和成本，但是与在传统资本市场中运营的量化服务台相比，量化服务台仍然相对基础。

10.人才可用性

我把最有争议的观点留到最后。作为金融市场，加密货币仍未能吸引具有传统资本市场相关经验的顶级量化人才。我们仍在解决极其复杂的问题，例如使用相对简单的模型，基本的基础架构和不良的流程来预测资产类别的行为。人才是增加量化投资作为加密货币领域的一门学科的非常重要且经常被忽视的方面。加密货币领域有非常有才华的量化团队，但它们是例外，而不是规则。

这些观点可能使我们反思加密货币领域的量化投资现状。加密货币是量化策略的理想资产类别，从长远来看，量化基金应成为加密货币的主要投资工具。这条道路上既有许多挑战，也有许多引人入胜的机会。

—-

编译者/作者：灰狼

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。