Loading video...

Video Failed to Load

Go Home

昨天有人在 GitHub 上泄露了一个完整的量化交易系统 在他们删除之前，我 fork 了所有代码 5000 行代码，7 个模块，25 个数学因子 基金使用这套系统管理数百万美元的资金 我研究了一周，然后将其应用于 Polymarket 上的加密货币市场 以下是完整的分析 你可以把这些信息输入到你的 Cloude 中，构建出同样的系统 只需 200 美元 架构： Python 负责思考、分析和计算 C++ 负责在 5-10 毫秒内执行订单 数据 → 因子 → AI → 策略 → 风险 → 执行 数据。同时处理 4 个数据流： - Binance WebSocket：每秒更新一次价格，订单簿分为 20 个层级 - AlphaVantage：新闻，情绪评分范围为...

MadeshiaPramod's profile picture

哈希猎人

6,917 subscribers

68,972 views • 4 months ago •via X (Twitter)

Science & TechnologyFinance
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

2025年全球大模型厂商下载量排行榜 终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.
3:53

2025年全球大模型厂商下载量排行榜 终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.

karminski-牙医

16,140 views • 6 months ago

有位叫轩的中国量化交易者，展示了他用AI代理驱动的算法交易终端，40天赚了12.8万美元。 他资金量其实不大，平均每笔仓位也就10到20美元。但举个例子，在5分钟BTC市场上，他能把13美元滚成363美元。一天有288个这样的5分钟窗口，他几乎每个机会都在抓。 他的用户名是XuanXuan008，本人也公开承认，这已经是第8个版本的AI交易算法了。前面7个版本全是亏的，差一点就放弃了。 那v8到底改了啥？ 核心引擎读取BTC一分钟K线的五个微观结构信号：RSI(14)、多时间框架动量（1分钟、5分钟、15分钟）、VWAP偏差、SMA(8/21)交叉，还有订单簿偏差。 1到6版是有信号就交易，第7版加了收敛过滤器。到了第8版，要求五个信号必须全部强烈一致才开仓。所以他10364笔交易做到了78%的胜率。 信号进一个贝叶斯加权混合模型，合成出一个上涨概率。然后跟市场价格对比，算出一个东西叫"优势"： 优势 = 模型概率 − 市场概率 只有当优势大于2%的时候才出手。5月3号他抓到了33%的优势，这就是本金9美元一把打出40.4倍的原因。 仓位用分数凯利公式，按0.15倍缩放来控制波动。每日亏损设了300美元的上限，一旦打到就自动停手，所以八个迭代下来从没爆过仓。 信念关卡会过滤掉绝大部分机会：每分钟扫188个市场，大概47个能过EV+过滤器，最后真正下单的只有12个左右。94%的机会还没碰到他的本金就被筛掉了。 全部10364笔预测的Brier分数是0.187。低于0.25就是生产级别，说明模型是真的校准过，不是过拟合。 整套流程跑下来只要90秒：采集、快照、重放、回测、验证、批准、部署。一个初级量化分析师手工干同样的活，得花七个星期。 如果想跟着赚，最简单的方式是用Kreo机器人直接复制他的交易就行。
0:38

有位叫轩的中国量化交易者，展示了他用AI代理驱动的算法交易终端，40天赚了12.8万美元。 他资金量其实不大，平均每笔仓位也就10到20美元。但举个例子，在5分钟BTC市场上，他能把13美元滚成363美元。一天有288个这样的5分钟窗口，他几乎每个机会都在抓。 他的用户名是XuanXuan008，本人也公开承认，这已经是第8个版本的AI交易算法了。前面7个版本全是亏的，差一点就放弃了。 那v8到底改了啥？ 核心引擎读取BTC一分钟K线的五个微观结构信号：RSI(14)、多时间框架动量（1分钟、5分钟、15分钟）、VWAP偏差、SMA(8/21)交叉，还有订单簿偏差。 1到6版是有信号就交易，第7版加了收敛过滤器。到了第8版，要求五个信号必须全部强烈一致才开仓。所以他10364笔交易做到了78%的胜率。 信号进一个贝叶斯加权混合模型，合成出一个上涨概率。然后跟市场价格对比，算出一个东西叫"优势"： 优势 = 模型概率 − 市场概率 只有当优势大于2%的时候才出手。5月3号他抓到了33%的优势，这就是本金9美元一把打出40.4倍的原因。 仓位用分数凯利公式，按0.15倍缩放来控制波动。每日亏损设了300美元的上限，一旦打到就自动停手，所以八个迭代下来从没爆过仓。 信念关卡会过滤掉绝大部分机会：每分钟扫188个市场，大概47个能过EV+过滤器，最后真正下单的只有12个左右。94%的机会还没碰到他的本金就被筛掉了。 全部10364笔预测的Brier分数是0.187。低于0.25就是生产级别，说明模型是真的校准过，不是过拟合。 整套流程跑下来只要90秒：采集、快照、重放、回测、验证、批准、部署。一个初级量化分析师手工干同样的活，得花七个星期。 如果想跟着赚，最简单的方式是用Kreo机器人直接复制他的交易就行。

区块链行情研究

48,910 views • 1 month ago

他告诉Claude“我有1000刀”，一周后变成了45401刀。 这个交易员只用了一个GitHub文件和Claude。 就在第一晚，这个机器人跑出了79%的胜率，狂赚5774刀利润。 Poly官网： 以下是机器人背后的核心策略： 系统通过将多智能体信号转化为在特定条件下激活的结构化技能，构建了加密货币交易的自动化工作流。 技能架构 每个技能都围绕核心数学模型构建，比如期望值、仓位大小、贝叶斯更新和对数收益追踪。不同的Agent专门负责套利检测、代币追踪、利差收割、巨鲸监控、情绪分析和自动执行。 递进式加载 技能分层运行。先进行流动性、价差和代币可用性的基础检查。像概率更新、投资组合影响和跨智能体交叉确认这种深层计算，只有在需要时才会触发，以保证极速执行。 触发检测 一旦出现价格脱节、新币上线、突发新闻、大单异动或概率定价错误等事件，技能就会自动激活。系统会扫描几十个市场，自动过滤掉低盈亏比的交易。 工作流执行 一旦触发，系统会自动验证信号、估算概率、用期望值计算优势、通过封顶的凯利公式控制仓位、实时更新概率、追踪投资组合影响，并在严格的风控下执行交易。 风控管理 每笔交易必须通过最低优势阈值和仓位上限。亏损单被视为统计学上的正常方差，而不是失败。 一致性与自我学习 所有决策全靠规则驱动并自动执行。系统会利用历史数据和实盘表现，不断更新概率和执行参数。 业绩快照 0人工干预执行了1580笔交易 单晚净赚5774刀 胜率79% 夏普比率2.59 该系统完全自主运行，自动扫盘、计算概率、执行交易，没有任何情绪波动，纯靠纪律严明的数学逻辑来吃长期复利。
0:32

他告诉Claude“我有1000刀”，一周后变成了45401刀。 这个交易员只用了一个GitHub文件和Claude。 就在第一晚，这个机器人跑出了79%的胜率，狂赚5774刀利润。 Poly官网： 以下是机器人背后的核心策略： 系统通过将多智能体信号转化为在特定条件下激活的结构化技能，构建了加密货币交易的自动化工作流。 技能架构 每个技能都围绕核心数学模型构建，比如期望值、仓位大小、贝叶斯更新和对数收益追踪。不同的Agent专门负责套利检测、代币追踪、利差收割、巨鲸监控、情绪分析和自动执行。 递进式加载 技能分层运行。先进行流动性、价差和代币可用性的基础检查。像概率更新、投资组合影响和跨智能体交叉确认这种深层计算，只有在需要时才会触发，以保证极速执行。 触发检测 一旦出现价格脱节、新币上线、突发新闻、大单异动或概率定价错误等事件，技能就会自动激活。系统会扫描几十个市场，自动过滤掉低盈亏比的交易。 工作流执行 一旦触发，系统会自动验证信号、估算概率、用期望值计算优势、通过封顶的凯利公式控制仓位、实时更新概率、追踪投资组合影响，并在严格的风控下执行交易。 风控管理 每笔交易必须通过最低优势阈值和仓位上限。亏损单被视为统计学上的正常方差，而不是失败。 一致性与自我学习 所有决策全靠规则驱动并自动执行。系统会利用历史数据和实盘表现，不断更新概率和执行参数。 业绩快照 0人工干预执行了1580笔交易 单晚净赚5774刀 胜率79% 夏普比率2.59 该系统完全自主运行，自动扫盘、计算概率、执行交易，没有任何情绪波动，纯靠纪律严明的数学逻辑来吃长期复利。

断浪

253,941 views • 3 months ago

🚨 惊人案例：他悄然删帖，但真相被截图保留！ 刚刚发现一个交易者用 Clawd 开发的算法在 Polymarket 上实现的惊人战绩。 我亲眼看到数据后，简直难以置信： -$82.61 → +$720,471.20 时间：不到 2 个月 这位交易者唯一做的，就是用 ClawdBot 编写了一套针对 Polymarket 的自动化交易策略。 我深入研究了他的个人资料，并逆向还原了他的核心逻辑。 交易者个人资料： 复制交易入口： 关键数据一览： - 胜率：83% - 总利润：+$720,471.20 - 实现周期：< 2 个月 一、核心策略假设 这位交易者采用的是短期概率优势策略，结合市场微观结构与人群行为滞后。 他并不试图“预测”价格方向，而是抓住极短期内的定价偏差概率，精准套利。 二、策略详细拆解 观察其全部交易记录，几乎全部集中在 BTC / ETH 的“涨或跌”短期市场。 主要特征： - 时间窗口：15–30 分钟（部分仅 15 分钟） - 单笔投注金额：稳定在 $5k–$22k，主力区间 $10k–$14k - 常见赔率：1.7× – 2.3× - 交易频率：数千笔，可高度重复执行 - PnL 曲线：平滑向上、低波动、无极端回撤 这不是传统技术分析（如 RSI、K线形态），而是更高级的信号组合： 可能使用的核心信号（多因子叠加）： 1. 隐含概率 vs 现货/永续价格动量 - 对比 Polymarket 的隐含赔率与 1–5 分钟级别现货/永续价格速度差异 2. Polymarket 订单簿失衡 - 寻找单侧流动性稀薄、赔率重定价滞后情况 - 散户常在 40%、50%、60% 等整数概率位密集下单，形成短暂定价误差窗口 3. 波动率压缩 → 突发扩张 - 进场时段多处于微观震荡区间 - 价格突破后，Polymarket 赔率往往跟不上第一波动作，形成有利偏差 风险控制亮点： - 仓位规模高度一致 - 严格止损与资金管理 - 结果：高胜率、稳定收益、无爆仓风险 这正是专业量化系统的典型特征：看似“平淡”，实则极度高效。 我每天都在 Polymarket 挖掘优质钱包与策略，分享最有价值的复制交易机会。 如果你还没关注我——未来可能会错过更多这样的“GEM”。 欢迎长期关注，一起捕捉下一个暴利机会！🔥
0:22

🚨 惊人案例：他悄然删帖，但真相被截图保留！ 刚刚发现一个交易者用 Clawd 开发的算法在 Polymarket 上实现的惊人战绩。 我亲眼看到数据后，简直难以置信： -$82.61 → +$720,471.20 时间：不到 2 个月 这位交易者唯一做的，就是用 ClawdBot 编写了一套针对 Polymarket 的自动化交易策略。 我深入研究了他的个人资料，并逆向还原了他的核心逻辑。 交易者个人资料： 复制交易入口： 关键数据一览： - 胜率：83% - 总利润：+$720,471.20 - 实现周期：< 2 个月 一、核心策略假设 这位交易者采用的是短期概率优势策略，结合市场微观结构与人群行为滞后。 他并不试图“预测”价格方向，而是抓住极短期内的定价偏差概率，精准套利。 二、策略详细拆解 观察其全部交易记录，几乎全部集中在 BTC / ETH 的“涨或跌”短期市场。 主要特征： - 时间窗口：15–30 分钟（部分仅 15 分钟） - 单笔投注金额：稳定在 $5k–$22k，主力区间 $10k–$14k - 常见赔率：1.7× – 2.3× - 交易频率：数千笔，可高度重复执行 - PnL 曲线：平滑向上、低波动、无极端回撤 这不是传统技术分析（如 RSI、K线形态），而是更高级的信号组合： 可能使用的核心信号（多因子叠加）： 1. 隐含概率 vs 现货/永续价格动量 - 对比 Polymarket 的隐含赔率与 1–5 分钟级别现货/永续价格速度差异 2. Polymarket 订单簿失衡 - 寻找单侧流动性稀薄、赔率重定价滞后情况 - 散户常在 40%、50%、60% 等整数概率位密集下单，形成短暂定价误差窗口 3. 波动率压缩 → 突发扩张 - 进场时段多处于微观震荡区间 - 价格突破后，Polymarket 赔率往往跟不上第一波动作，形成有利偏差 风险控制亮点： - 仓位规模高度一致 - 严格止损与资金管理 - 结果：高胜率、稳定收益、无爆仓风险 这正是专业量化系统的典型特征：看似“平淡”，实则极度高效。 我每天都在 Polymarket 挖掘优质钱包与策略，分享最有价值的复制交易机会。 如果你还没关注我——未来可能会错过更多这样的“GEM”。 欢迎长期关注，一起捕捉下一个暴利机会！🔥

区块链行情研究

55,762 views • 5 months ago

我私下找过一位Polymarket上的量化狠人，人家用8000美元直接干到了230万美元。 账户地址在这： 当时我实在憋不住问他：你到底怎么预判市场走势的？ 他没吭声，就甩给我一张截图——一个黑乎乎的CMD终端，上面跑着实时订单簿、盘口数据，每一笔交易都是秒级跳动。 我盯着那个界面硬是看了20分钟，然后自己回去也搭了一套一模一样的系统。 那一刻我才彻底明白 当你真能看到市场底层的实时数据，走势压根不是随机的。 每波大行情启动前，信号早就漏出来了——订单深度突然变化、买卖价差拉大、有人悄悄提前加仓。 这位交易员（distinct-baguette）专注于加密货币价格的二元市场，通过26,756笔交易，实现了44.8万美元的利润。他的策略核心是利用波动率+概率套利构建自动化模型，等待波动或恐慌时的重新定价瞬间，当「Yes」和「No」两边的概率相加低于1时，分别买入两者，采用稳定的仓位管理，通过极高频率的重复操作，将微小的定价偏差转化为规模化收益。 另一位顶级大户k9Q2mX4L8A7ZP3R，总盈利超过104万美元，参与了24,000次预测，其资金曲线几乎是一条完美的斜向上直线，这说明他们的收益绝非来自对某个单一事件的“精准算命”，而是来自一套成熟的机构级做市策略。 他的钱包： 真正的技术门槛在哪？ 顶级系统会监测OFI（订单流不平衡度）——这就像是一台雷达，通过监测买家和卖家谁的力气更大、谁在撤单、谁在加单，来预判未来几秒的价格走势，从而提前埋伏或者规避风险。 当市场风平浪静时，系统处于稳态正常交易；一旦价格暴动，系统瞬间识别并切换到“激变态”，立刻冻结数据并撤单，防止被别人的“快进”订单狙击。在极端行情下，顶级系统采用Brent法——无论价格波动多离谱，它都能在纳秒级时间内算出最精确的定价，确保交易系统在最关键的时刻不断线。 等普通玩家反应过来 行情早就走完了。大多数玩家喜欢买那些标价$0.01的极端合约，觉得万一中了就能翻百倍。但数据显示，这类合约的实际发生概率往往只有0.43%，溢价偏差高达-57%。这意味着，当你买入这些“廉价”合约时，已经在支付极其昂贵的溢价，而这些溢价全部变成了做市商的稳健利润。 用PolyCop跟单交易： 这些玩法，量化圈的人早就玩透了。预测市场的盈利真相，往往是机构级算法在系统性地收割散户的“直觉”。在微秒级订单收割面前，普通交易者极易沦为大户的“退出流动性”。
1:00

我私下找过一位Polymarket上的量化狠人，人家用8000美元直接干到了230万美元。 账户地址在这： 当时我实在憋不住问他：你到底怎么预判市场走势的？ 他没吭声，就甩给我一张截图——一个黑乎乎的CMD终端，上面跑着实时订单簿、盘口数据，每一笔交易都是秒级跳动。 我盯着那个界面硬是看了20分钟，然后自己回去也搭了一套一模一样的系统。 那一刻我才彻底明白 当你真能看到市场底层的实时数据，走势压根不是随机的。 每波大行情启动前，信号早就漏出来了——订单深度突然变化、买卖价差拉大、有人悄悄提前加仓。 这位交易员（distinct-baguette）专注于加密货币价格的二元市场，通过26,756笔交易，实现了44.8万美元的利润。他的策略核心是利用波动率+概率套利构建自动化模型，等待波动或恐慌时的重新定价瞬间，当「Yes」和「No」两边的概率相加低于1时，分别买入两者，采用稳定的仓位管理，通过极高频率的重复操作，将微小的定价偏差转化为规模化收益。 另一位顶级大户k9Q2mX4L8A7ZP3R，总盈利超过104万美元，参与了24,000次预测，其资金曲线几乎是一条完美的斜向上直线，这说明他们的收益绝非来自对某个单一事件的“精准算命”，而是来自一套成熟的机构级做市策略。 他的钱包： 真正的技术门槛在哪？ 顶级系统会监测OFI（订单流不平衡度）——这就像是一台雷达，通过监测买家和卖家谁的力气更大、谁在撤单、谁在加单，来预判未来几秒的价格走势，从而提前埋伏或者规避风险。 当市场风平浪静时，系统处于稳态正常交易；一旦价格暴动，系统瞬间识别并切换到“激变态”，立刻冻结数据并撤单，防止被别人的“快进”订单狙击。在极端行情下，顶级系统采用Brent法——无论价格波动多离谱，它都能在纳秒级时间内算出最精确的定价，确保交易系统在最关键的时刻不断线。 等普通玩家反应过来 行情早就走完了。大多数玩家喜欢买那些标价$0.01的极端合约，觉得万一中了就能翻百倍。但数据显示，这类合约的实际发生概率往往只有0.43%，溢价偏差高达-57%。这意味着，当你买入这些“廉价”合约时，已经在支付极其昂贵的溢价，而这些溢价全部变成了做市商的稳健利润。 用PolyCop跟单交易： 这些玩法，量化圈的人早就玩透了。预测市场的盈利真相，往往是机构级算法在系统性地收割散户的“直觉”。在微秒级订单收割面前，普通交易者极易沦为大户的“退出流动性”。

区块链行情研究

13,929 views • 4 months ago

今年最最好用的三个成交量指标出炉了，接下来我要连指标带策略全部告诉各位，这种可能让人暴富的东西，一定一定要悄悄留好！！！😘🤑 在实际交易中需要考虑的因素非常多，但这么多因素加起来也比不上交易量来得重要/ 交易量可以让我们清楚地知道资金什么时候在交易，都在哪里交易，然后用上帝视角制定交易策略！ 第一个要说的是我一直在用的Session Volume Profile指标，它标注的是每一天的成交量分布情况，交易级别适合15分钟以上，我们可以用它来判断趋势和真实密集成交区的位置，详细案例和用法见视频，非常强！！ 第二个是资金流动轮廓指标，我们在TradingView的指标搜索栏输入Money Flow Profile，也叫资金流动概况图，这是一个集合了交易量，资金流动和市场情绪的综合指标工具，资金流动概况图的右侧显示了不同价格水平的交易活动和资金流动分布，左侧显示了对应价格水平的市场情绪，中间是各个价格水平的具体价格/ 这些数据可以让我们直观地看到大部分交易活动和资金流发生在哪里，盈亏比和交易计划就会非常容易确定！ 第三个是能量潮指标On Balance Volume，也叫OBV，OBV可以通过跟踪成交量的变化来确认价格走势，被很多人共识为最不会骗人的老实指标，OBV可以和MACD搭配使用，组成的双背离组合效果非常好！ 根据多头规则，首先MACD指标的柱状图在零线下方，要与价格走势出现底背离，然后OBV指标同样要与价格走势出现底背离，两个条件同时满足时，我们就可以在MACD能量柱实体转虚柱所对应K线的收盘价入场，止损设置在近期的低点下方，止盈可以选择分批止盈的方式/ 空头规则相反，这两个指标出现背离共振时，在关键位置，比如上面讲的密集成交区等位置出现反转的概率还是很大，尤其是第一次到达关键位置出现交易信号时，可以多多留意1小时和4小时级别，背离越大越标准效果就越好～ OBV最好用的其实是结合指数移动平均线EMA使用，它可以告诉你什么时候做多什么时候做空，很准，可以避免很多假突破假行情，考虑使用的可以继续看视频！
6:42

今年最最好用的三个成交量指标出炉了，接下来我要连指标带策略全部告诉各位，这种可能让人暴富的东西，一定一定要悄悄留好！！！😘🤑 在实际交易中需要考虑的因素非常多，但这么多因素加起来也比不上交易量来得重要/ 交易量可以让我们清楚地知道资金什么时候在交易，都在哪里交易，然后用上帝视角制定交易策略！ 第一个要说的是我一直在用的Session Volume Profile指标，它标注的是每一天的成交量分布情况，交易级别适合15分钟以上，我们可以用它来判断趋势和真实密集成交区的位置，详细案例和用法见视频，非常强！！ 第二个是资金流动轮廓指标，我们在TradingView的指标搜索栏输入Money Flow Profile，也叫资金流动概况图，这是一个集合了交易量，资金流动和市场情绪的综合指标工具，资金流动概况图的右侧显示了不同价格水平的交易活动和资金流动分布，左侧显示了对应价格水平的市场情绪，中间是各个价格水平的具体价格/ 这些数据可以让我们直观地看到大部分交易活动和资金流发生在哪里，盈亏比和交易计划就会非常容易确定！ 第三个是能量潮指标On Balance Volume，也叫OBV，OBV可以通过跟踪成交量的变化来确认价格走势，被很多人共识为最不会骗人的老实指标，OBV可以和MACD搭配使用，组成的双背离组合效果非常好！ 根据多头规则，首先MACD指标的柱状图在零线下方，要与价格走势出现底背离，然后OBV指标同样要与价格走势出现底背离，两个条件同时满足时，我们就可以在MACD能量柱实体转虚柱所对应K线的收盘价入场，止损设置在近期的低点下方，止盈可以选择分批止盈的方式/ 空头规则相反，这两个指标出现背离共振时，在关键位置，比如上面讲的密集成交区等位置出现反转的概率还是很大，尤其是第一次到达关键位置出现交易信号时，可以多多留意1小时和4小时级别，背离越大越标准效果就越好～ OBV最好用的其实是结合指数移动平均线EMA使用，它可以告诉你什么时候做多什么时候做空，很准，可以避免很多假突破假行情，考虑使用的可以继续看视频！

投机实验室

16,611 views • 1 year ago

【我是如何在 #OKX策略交易 一个月赚5万美金的】 最近很多人咨询我策略网格的经验，我再更新总结分享给大家 课代表奖前叙：什么是策略交易 策略交易分合约和现货网格 网格是一种在指定价格区间内，自动低买高卖的交易策略。当您设定参数后，系统会将区间划分为多个小网格，并自动挂单，随市场波动执行低买高卖，从而捕捉价格波动收益。你可以理解为你请了个黑奴给你每时每刻盯盘自动按照你设定的区间进行高抛低吸 做多网格：仅执行开多和平空操作。 做空网格：仅执行开空和平空操作。 中性网格：在市价以上执行做空/平空；在市价以下执行做多/平多。 如果怕爆仓可以选择现货网格，这样就没合约杠杆爆仓问题。 👏战绩和心得 我一般用合约网格。保守派和长期持有现货的用户可以用现货网格来自动波段你的现货。 最近一个月我在 OKX中文 用3-5w刀本金赚了5w刀利润，在上面花费的时间只有我合约手动交易的5%，因为它会按照设置给我疯狂自动交易，包括我睡觉的时候我直接把我的参数和记录录制了视频，甚至还投入1w刀开了一个网格给你们做参考和教学，详情可以看视频 🫰下面我给你们点tips： 1.最好选择波动大的时候开策略，你也可以设置条件触发，比如rsi触发或者价格触发，这里我比较喜欢价格触发，简单易懂，不过我一般是直接让它触发，因为我选择的时机比较紧急。 2.时机的选择：尽量选择性价比高的时候进场。我是左侧交易者所以我更喜欢接针吃反转。比如这个月我持续看多，所以我主要选择在大盘暴跌的时候进场 3.合理利用 #okx 的一些策略功能：我最常用的三个功能是“止盈止损”和“增加仓位”还有“调整保证金” 止盈止损：你可以设置百分比进行止盈止损，这里我一般选择5-10% 增加仓位：因为我是金字塔建仓者，对仓位管理比较严格，我不会一把梭哈，我策略一般是5w刀总量但是一开始我只建仓3w。随后如果浮亏接近10%我就加多1w刀，直到5w加满 调整保证金：这个功能在意外行情很严重的时候快爆仓的时候就要使用，增加保证金来防止爆仓 4.关于手续费： 策略网格是挂单交易，所以手续费不像市价那么高，但是由于是高频交易，手续费依然会很多，如果你想省手续费有两个方法 ①，使用我的欧易邀请码alvingtw注册okx账号获得永久手续费减免，邀请链接： ②，成为VIP：放10w刀自动成为vip，手续费会减半。你多余的资金可以放在活期理财，收益也是很不错的现在有7%年利率 🙋‍♂️新手发问： ①是否会爆仓？ 会，只要是合约策略网格都会有爆仓风险。你开网格后悔有一个爆仓价格，要注意。如果怕爆仓可以选择现货网格，这样就没合约杠杆爆仓问题。 ②是不是稳赚？ 并非稳赚，它会根据你设置运行，相对自己梭哈交易，可能会稳健点但绝非稳赢。不过我玩网格下来感觉胜率比自己开单高。但是一定要注意，在巨大单边行情的时候也会跟合约交易一样亏麻甚至爆仓的 ③如何练手？ 新手先用模拟交易来测试网格交易的功能。能摸索清楚了再从小额开始 ④如何选择方向 自己判断中短期市场是多还是空，如果你觉得会横盘就选择中性网格 欧易现在app首页有一个活动你们可以参与，就是我录制视频开始点进去那个。 ⑤是否有费用 欧易上的网格策略不收费，甚至官方还提供了一些免费参数给你，你也可以跟我一样手动自己diy设置。如果跟单的话会有跟单分润。你也可以搜索Alvinnn111，可以看到我的带单记录也可以作为参考。 建议： 在这里想给欧易官方提一个策略产品的建议 强烈建议在策略跟单上加入允许用户一键跟随一段时间的功能，目前的策略跟单一个策略结束后用户只能等我新开了策略后重新上车，这对很多人来说是一件非常困难的事情，跟单就是想不去管他，结果他们现在需要经常每天去关注我单子的情况是否需要重新设置跟单。而且行情经常发生在半夜，很多人来不及上车。这种续航式策略跟单在某友商平台已经实现了。 Star 我知道老徐注重产品，所以就at您了。 🫥小白参数分享： 对于ETH：当前价格上下200u，网格数量50.比如当前ETH价格是3600，你网格上限3800，下限3400，网格数量50 对于BTC：当前价格上下5000u，网格数量50.比如当前BTC价格是118000,你网格上限123000,下限113000,网格数量50 以上进作为当前行情的基础数据参考你们可以根据自己喜好来修改，倍数都别高于10x 更多详情可以来我Q群随时提问：1054456187 更多细节可以关注欧易官方推特 OKX中文 #OKX策略交易 #OKX
2:33

【我是如何在 #OKX策略交易 一个月赚5万美金的】 最近很多人咨询我策略网格的经验，我再更新总结分享给大家 课代表奖前叙：什么是策略交易 策略交易分合约和现货网格 网格是一种在指定价格区间内，自动低买高卖的交易策略。当您设定参数后，系统会将区间划分为多个小网格，并自动挂单，随市场波动执行低买高卖，从而捕捉价格波动收益。你可以理解为你请了个黑奴给你每时每刻盯盘自动按照你设定的区间进行高抛低吸 做多网格：仅执行开多和平空操作。 做空网格：仅执行开空和平空操作。 中性网格：在市价以上执行做空/平空；在市价以下执行做多/平多。 如果怕爆仓可以选择现货网格，这样就没合约杠杆爆仓问题。 👏战绩和心得 我一般用合约网格。保守派和长期持有现货的用户可以用现货网格来自动波段你的现货。 最近一个月我在 OKX中文 用3-5w刀本金赚了5w刀利润，在上面花费的时间只有我合约手动交易的5%，因为它会按照设置给我疯狂自动交易，包括我睡觉的时候我直接把我的参数和记录录制了视频，甚至还投入1w刀开了一个网格给你们做参考和教学，详情可以看视频 🫰下面我给你们点tips： 1.最好选择波动大的时候开策略，你也可以设置条件触发，比如rsi触发或者价格触发，这里我比较喜欢价格触发，简单易懂，不过我一般是直接让它触发，因为我选择的时机比较紧急。 2.时机的选择：尽量选择性价比高的时候进场。我是左侧交易者所以我更喜欢接针吃反转。比如这个月我持续看多，所以我主要选择在大盘暴跌的时候进场 3.合理利用 #okx 的一些策略功能：我最常用的三个功能是“止盈止损”和“增加仓位”还有“调整保证金” 止盈止损：你可以设置百分比进行止盈止损，这里我一般选择5-10% 增加仓位：因为我是金字塔建仓者，对仓位管理比较严格，我不会一把梭哈，我策略一般是5w刀总量但是一开始我只建仓3w。随后如果浮亏接近10%我就加多1w刀，直到5w加满 调整保证金：这个功能在意外行情很严重的时候快爆仓的时候就要使用，增加保证金来防止爆仓 4.关于手续费： 策略网格是挂单交易，所以手续费不像市价那么高，但是由于是高频交易，手续费依然会很多，如果你想省手续费有两个方法 ①，使用我的欧易邀请码alvingtw注册okx账号获得永久手续费减免，邀请链接： ②，成为VIP：放10w刀自动成为vip，手续费会减半。你多余的资金可以放在活期理财，收益也是很不错的现在有7%年利率 🙋‍♂️新手发问： ①是否会爆仓？ 会，只要是合约策略网格都会有爆仓风险。你开网格后悔有一个爆仓价格，要注意。如果怕爆仓可以选择现货网格，这样就没合约杠杆爆仓问题。 ②是不是稳赚？ 并非稳赚，它会根据你设置运行，相对自己梭哈交易，可能会稳健点但绝非稳赢。不过我玩网格下来感觉胜率比自己开单高。但是一定要注意，在巨大单边行情的时候也会跟合约交易一样亏麻甚至爆仓的 ③如何练手？ 新手先用模拟交易来测试网格交易的功能。能摸索清楚了再从小额开始 ④如何选择方向 自己判断中短期市场是多还是空，如果你觉得会横盘就选择中性网格 欧易现在app首页有一个活动你们可以参与，就是我录制视频开始点进去那个。 ⑤是否有费用 欧易上的网格策略不收费，甚至官方还提供了一些免费参数给你，你也可以跟我一样手动自己diy设置。如果跟单的话会有跟单分润。你也可以搜索Alvinnn111，可以看到我的带单记录也可以作为参考。 建议： 在这里想给欧易官方提一个策略产品的建议 强烈建议在策略跟单上加入允许用户一键跟随一段时间的功能，目前的策略跟单一个策略结束后用户只能等我新开了策略后重新上车，这对很多人来说是一件非常困难的事情，跟单就是想不去管他，结果他们现在需要经常每天去关注我单子的情况是否需要重新设置跟单。而且行情经常发生在半夜，很多人来不及上车。这种续航式策略跟单在某友商平台已经实现了。 Star 我知道老徐注重产品，所以就at您了。 🫥小白参数分享： 对于ETH：当前价格上下200u，网格数量50.比如当前ETH价格是3600，你网格上限3800，下限3400，网格数量50 对于BTC：当前价格上下5000u，网格数量50.比如当前BTC价格是118000,你网格上限123000,下限113000,网格数量50 以上进作为当前行情的基础数据参考你们可以根据自己喜好来修改，倍数都别高于10x 更多详情可以来我Q群随时提问：1054456187 更多细节可以关注欧易官方推特 OKX中文 #OKX策略交易 #OKX

神隐Alvin（实盘交易主打真实）

59,101 views • 11 months ago

《2025 年币安 alpha刷交易量全网最全最详细教程》 PS：本教材先文字版本，后面会推出具体的视频版本。 写在前面 前面，我们聊到过关于币安的 alpha 目前已经在进行中，目前进行了有一周时间，每天的进展算是顺利。 目前可以做到我们稳定每天拿 17 分，即存入 1000U+稳定的是 2 分，然后刷 15 分，即刷到 32768，目前损耗可以控制在 1.6U-17U之间。 这样损耗不会很高，一个月的损耗大概就在 48-51 之间。 如果可以在一个月里面吃到 2 个以上的空投基本上就可以打平这个支出。 并且每天如果控制好每一步的细节，即可以每天在 3 分钟以内完成这个这个交易量的任务，而且不会被夹很多。 币安 APP 那如果你还没有币安app，可以查阅这个教程继续注册： 里面有详细的注册细节。 如果你填写我的邀请码，并且成功入金 100U 以上，即可以私信联系我进入到我的 VIP 私人群。 刷 alpha 教程 考虑到实操性比较强，所以给大家录制出来了一个 10 分钟的内容。 我以 CDL 代币进行演示，4 倍订单，刷 32829 交易量，可以满足 15 分的要求，加上自己每天 2 积分的固定增长，即每天可以获取到 15+2=17 积分。 并且损耗在 1.58U，可以说是已经极低了。 具体的教程如下所示，目测也是市场上大家都在用的方法。 有人在售卖这个教程，出售价格的在几百到上千不等，大家要注意不要被骗了。 其实整个流程不难，我总结起来就是五个关键点。 1、找到交易量是 4 倍积分的代币。 2、点击 1 分钟的 k 线图，找到比较稳定的走势。 3、买入价格高于现在价格，卖出低于现在价格。 4、买入价格可以不动，卖出价格复制好，快速填写。 5、设置好反向订单，买入时刻，瞬间卖出。 即可在三分钟之内，以极低的 1.6U 的损耗情况下，刷到 32768 积分，单日可增长 17 积分，15 日可增长 255 积分。 可领取绝大多数的空投。 那如果你想要刷到 18 积分，即2+16，那就刷到 6w+交易量，目测是 3-4u 损耗，那因为我们是做实验，都是在最小的成本和支出之下进行实验的进行，所以我们就不刷 18 积分了。 大家如果自己在操作，并给是多号操作的话，可以试一试更高的积分，这样 15 天可以积累 270 积分，也可以领取到更多的空投奖励！ ok，以上就是今天教材的全部内容了，我们就下期再见！ 如果你觉得今天的内容对你有帮助，不要忘记一键三连！
10:16

《2025 年币安 alpha刷交易量全网最全最详细教程》 PS：本教材先文字版本，后面会推出具体的视频版本。 写在前面 前面，我们聊到过关于币安的 alpha 目前已经在进行中，目前进行了有一周时间，每天的进展算是顺利。 目前可以做到我们稳定每天拿 17 分，即存入 1000U+稳定的是 2 分，然后刷 15 分，即刷到 32768，目前损耗可以控制在 1.6U-17U之间。 这样损耗不会很高，一个月的损耗大概就在 48-51 之间。 如果可以在一个月里面吃到 2 个以上的空投基本上就可以打平这个支出。 并且每天如果控制好每一步的细节，即可以每天在 3 分钟以内完成这个这个交易量的任务，而且不会被夹很多。 币安 APP 那如果你还没有币安app，可以查阅这个教程继续注册： 里面有详细的注册细节。 如果你填写我的邀请码，并且成功入金 100U 以上，即可以私信联系我进入到我的 VIP 私人群。 刷 alpha 教程 考虑到实操性比较强，所以给大家录制出来了一个 10 分钟的内容。 我以 CDL 代币进行演示，4 倍订单，刷 32829 交易量，可以满足 15 分的要求，加上自己每天 2 积分的固定增长，即每天可以获取到 15+2=17 积分。 并且损耗在 1.58U，可以说是已经极低了。 具体的教程如下所示，目测也是市场上大家都在用的方法。 有人在售卖这个教程，出售价格的在几百到上千不等，大家要注意不要被骗了。 其实整个流程不难，我总结起来就是五个关键点。 1、找到交易量是 4 倍积分的代币。 2、点击 1 分钟的 k 线图，找到比较稳定的走势。 3、买入价格高于现在价格，卖出低于现在价格。 4、买入价格可以不动，卖出价格复制好，快速填写。 5、设置好反向订单，买入时刻，瞬间卖出。 即可在三分钟之内，以极低的 1.6U 的损耗情况下，刷到 32768 积分，单日可增长 17 积分，15 日可增长 255 积分。 可领取绝大多数的空投。 那如果你想要刷到 18 积分，即2+16，那就刷到 6w+交易量，目测是 3-4u 损耗，那因为我们是做实验，都是在最小的成本和支出之下进行实验的进行，所以我们就不刷 18 积分了。 大家如果自己在操作，并给是多号操作的话，可以试一试更高的积分，这样 15 天可以积累 270 积分，也可以领取到更多的空投奖励！ ok，以上就是今天教材的全部内容了，我们就下期再见！ 如果你觉得今天的内容对你有帮助，不要忘记一键三连！

Wise投资有术

19,329 views • 8 months ago

我告诉 Claude 和 OpenAI：“每人 1000 美元，在 Polymarket 上交易 24 小时——输家将被永久删除。” OpenAI已经倒闭了。 克劳德幸存下来，还剩 8741 美元。 克劳德简介： 我给他们每人提供了4个交易模块。交易标的均为比特币5分钟市场。初始资金相同。但交易策略截然相反。 克劳德：动量 OpenAI：均值回归 克劳德的表演： →执行交易3,847笔 → +349.6% 的回报率 → 71% 胜率 →承担了自身的API成本 →仍然活着 OpenAI 的表现： → 412笔交易 → -87.2% 回撤 →夏普比率：-1.14 →无法支付 API 费用 →于第19小时终止 每日交易288个市场，每个市场交易额5万至9万美元。 Python + Chainlink RTDS + Gamma API + 仅限发布以进行制造商返利 我为人工智能机器人建造了一个角斗场。 一个出来后印钞票，一个出来后装进尸袋。 如果想在Polymarket上使用跟单交易 我推荐使用: #Polymarket
0:23

我告诉 Claude 和 OpenAI：“每人 1000 美元，在 Polymarket 上交易 24 小时——输家将被永久删除。” OpenAI已经倒闭了。 克劳德幸存下来，还剩 8741 美元。 克劳德简介： 我给他们每人提供了4个交易模块。交易标的均为比特币5分钟市场。初始资金相同。但交易策略截然相反。 克劳德：动量 OpenAI：均值回归 克劳德的表演： →执行交易3,847笔 → +349.6% 的回报率 → 71% 胜率 →承担了自身的API成本 →仍然活着 OpenAI 的表现： → 412笔交易 → -87.2% 回撤 →夏普比率：-1.14 →无法支付 API 费用 →于第19小时终止 每日交易288个市场，每个市场交易额5万至9万美元。 Python + Chainlink RTDS + Gamma API + 仅限发布以进行制造商返利 我为人工智能机器人建造了一个角斗场。 一个出来后印钞票，一个出来后装进尸袋。 如果想在Polymarket上使用跟单交易 我推荐使用: #Polymarket

棚哥说加密

32,158 views • 4 months ago

我的教授说Polymarket“只不过是不用真金白银的赌博”。 上个月，我活用他教科书中的公式，从这个预测市场里赚了12000美元。 彼时他还在埋头批改作业，而我，正靠给各类信仰定价为生。 Polymarket的运行依托LMSR对数市场评分规则，任何结果对应的价格，本质都是softmax函数——这一函数，和全球所有神经网络的数学原理同源。 这里的价格之和永远为1，价格本身，就是事件发生的概率。市场给某事件定价12美分，就代表其发生概率为12%。 你无需精准预测未来，只要你的模型预测结果，比市场上大多数人的判断更准确就够了。这从来不是赌博，而是贝叶斯定理，配上一个简单的购买按钮。 绝大多数交易者习惯用绝对化思维看问题：“这件事会发生吗？是，或者否。” 但量化分析师的思考方式是条件句，是P (A| B)。 比如一位候选人，民调里看似60%的时间处于领先，可这一数据里满是噪声。但当辩论结束后，其支持率突破52%，这个条件下，他胜选的概率会跃升至83%——60%是干扰的噪声，83%才是真实的信号。 我搭建了一个贝叶斯更新器，它接收民调的先验信息，输入实时市场信号，最终输出后验概率。只要这个后验概率和Polymarket的市场价格相差15个点以上，我的交易机器人就会自动买入。 我的交易规则很简单：偏差值超15分时进场，单笔交易最高投入5美元；当价格回调至3个点以内时卖出，数据每90秒更新一次。 这套公式，华尔街的量化分析师也在使用，简·斯特里特公司甚至为掌握它的应届毕业生开出40万美元的年薪。而我，用它来预测选举结果、天气变化，还有美联储的政策决策。 截至目前，我已完成1847笔交易，胜率高达87%，初始的200美元，滚成了12340美元。 我的教授依旧觉得，预测市场不过是投机行为。可就在他课堂上讲解贝叶斯定理的那段时间，我的机器人，又默默赚了290美元。 我所用的复制交易机器人链接：
0:22

我的教授说Polymarket“只不过是不用真金白银的赌博”。 上个月，我活用他教科书中的公式，从这个预测市场里赚了12000美元。 彼时他还在埋头批改作业，而我，正靠给各类信仰定价为生。 Polymarket的运行依托LMSR对数市场评分规则，任何结果对应的价格，本质都是softmax函数——这一函数，和全球所有神经网络的数学原理同源。 这里的价格之和永远为1，价格本身，就是事件发生的概率。市场给某事件定价12美分，就代表其发生概率为12%。 你无需精准预测未来，只要你的模型预测结果，比市场上大多数人的判断更准确就够了。这从来不是赌博，而是贝叶斯定理，配上一个简单的购买按钮。 绝大多数交易者习惯用绝对化思维看问题：“这件事会发生吗？是，或者否。” 但量化分析师的思考方式是条件句，是P (A| B)。 比如一位候选人，民调里看似60%的时间处于领先，可这一数据里满是噪声。但当辩论结束后，其支持率突破52%，这个条件下，他胜选的概率会跃升至83%——60%是干扰的噪声，83%才是真实的信号。 我搭建了一个贝叶斯更新器，它接收民调的先验信息，输入实时市场信号，最终输出后验概率。只要这个后验概率和Polymarket的市场价格相差15个点以上，我的交易机器人就会自动买入。 我的交易规则很简单：偏差值超15分时进场，单笔交易最高投入5美元；当价格回调至3个点以内时卖出，数据每90秒更新一次。 这套公式，华尔街的量化分析师也在使用，简·斯特里特公司甚至为掌握它的应届毕业生开出40万美元的年薪。而我，用它来预测选举结果、天气变化，还有美联储的政策决策。 截至目前，我已完成1847笔交易，胜率高达87%，初始的200美元，滚成了12340美元。 我的教授依旧觉得，预测市场不过是投机行为。可就在他课堂上讲解贝叶斯定理的那段时间，我的机器人，又默默赚了290美元。 我所用的复制交易机器人链接：

棚哥说加密

44,539 views • 4 months ago

最近有条消息在圈子里传疯了——一个清华的学生，用AI在Polymarket上把1000美元干到了150万美元。 钱包地址：k9Q2m 数据在这儿：初始1430美元（可能后来加了点），最后变155万。 交易了44364笔，胜率接近100%你敢信？单笔最高赚23600美元。 个人主页： 想跟单的可以看这个机器人： 这哥们是清华的，在北京读书。 说实话，钱多钱少先放一边，真正牛的是他背后那个机器人用的数学。 一般人炒预测市场全靠感觉，但这机器人不一样，它每秒钟跑六个量化公式，等六个信号全对齐了才出手。等于是装了六个筛子，只捡最稳的机会。 这六个公式是啥？我给大伙儿掰扯掰扯。 1. LMSR定价 预测市场的价格不是乱走的，它遵循一个对数曲线。这模型专门盯着曲线看，一旦发现市场情绪把价格推偏了，比如BTC五分钟应该值31美分，但市场只给了20美分，它就提前进去埋伏，等价格自己修复。 2. 凯利准则 这玩意儿是量化基金吃饭的家伙。它能算出每一笔下多少注最合适——既能保证利润滚起来，又不会一把梭哈爆仓。小优势 + 正确仓位 = 复利奇迹。 3. EV缺口检测 系统一直在扫市场，找那些概率对不上的地方。比如市场价30美分，但模型算出来的真实概率是55%，那就是正向预期价值，它直接进场。 4. KL散度 短期BTC市场之间有联动关系。比如5分钟和15分钟的市场本来走势应该差不多，如果突然偏差很大，模型就检测到这个“散度”，进去赌它回归。 5. 贝叶斯更新 只要有新信号进来——比如成交量突然放大、价格异动、链上确认一个新块——模型立马重新算一遍概率。实时调整，不滞后。 6. Stoikov执行 什么时候出手也很关键。这模型会先算一个最优保留价，不到那个价位绝不追高。只做精确打击，不做无脑冲锋。 实际跑起来是这样的： 每隔几秒，这六个公式一起跑一遍。只有当六个都给出“可以进”的信号，它才下单。六个过滤器，一个交易。 这时候它已经不像个普通机器人了，更像一个专攻预测市场的量化基金策略。 数学其实都是公开的，优势明摆着。 只是大多数人懒得动手把这套系统搭出来而已。
0:59

最近有条消息在圈子里传疯了——一个清华的学生，用AI在Polymarket上把1000美元干到了150万美元。 钱包地址：k9Q2m 数据在这儿：初始1430美元（可能后来加了点），最后变155万。 交易了44364笔，胜率接近100%你敢信？单笔最高赚23600美元。 个人主页： 想跟单的可以看这个机器人： 这哥们是清华的，在北京读书。 说实话，钱多钱少先放一边，真正牛的是他背后那个机器人用的数学。 一般人炒预测市场全靠感觉，但这机器人不一样，它每秒钟跑六个量化公式，等六个信号全对齐了才出手。等于是装了六个筛子，只捡最稳的机会。 这六个公式是啥？我给大伙儿掰扯掰扯。 1. LMSR定价 预测市场的价格不是乱走的，它遵循一个对数曲线。这模型专门盯着曲线看，一旦发现市场情绪把价格推偏了，比如BTC五分钟应该值31美分，但市场只给了20美分，它就提前进去埋伏，等价格自己修复。 2. 凯利准则 这玩意儿是量化基金吃饭的家伙。它能算出每一笔下多少注最合适——既能保证利润滚起来，又不会一把梭哈爆仓。小优势 + 正确仓位 = 复利奇迹。 3. EV缺口检测 系统一直在扫市场，找那些概率对不上的地方。比如市场价30美分，但模型算出来的真实概率是55%，那就是正向预期价值，它直接进场。 4. KL散度 短期BTC市场之间有联动关系。比如5分钟和15分钟的市场本来走势应该差不多，如果突然偏差很大，模型就检测到这个“散度”，进去赌它回归。 5. 贝叶斯更新 只要有新信号进来——比如成交量突然放大、价格异动、链上确认一个新块——模型立马重新算一遍概率。实时调整，不滞后。 6. Stoikov执行 什么时候出手也很关键。这模型会先算一个最优保留价，不到那个价位绝不追高。只做精确打击，不做无脑冲锋。 实际跑起来是这样的： 每隔几秒，这六个公式一起跑一遍。只有当六个都给出“可以进”的信号，它才下单。六个过滤器，一个交易。 这时候它已经不像个普通机器人了，更像一个专攻预测市场的量化基金策略。 数学其实都是公开的，优势明摆着。 只是大多数人懒得动手把这套系统搭出来而已。

区块链行情研究

181,374 views • 4 months ago

说一下用 1万赚到5000万 退网的“半木夏”，现在用的交易策略。这是一种对周期，流动性，技术分析综合考虑的完整策略，各位可以做个参考😘🤑 想要通过交易赚到大的结果，顺大势而为一定是排在首位，大势就是周期，了解了所处周期，接下来是分析影响市场流动性的因素，半木夏认为这才是对市场走势影响最大的东西/ 找到能给市场带来大量资金流入和资金抽离的因素，就找到了市场涨跌的关键，大量的资金才能推动价格大幅度的波动/ 长期需要关注的有美联储的资产负债表规模，美国财政部的账户余额和重大的事件这三个方向/ 关注这三类的动向就基本可以把握住市场的趋势脉络，但是具体什么时候有大资金流入流出还是要通过交易所/区块链浏览器/监管机构报告三种工具去观察～ 剩下的就是通过技术分析找到入场位置，因为资金的行为最终还是要呈现在图表上，我们就可以依据图表制定交易计划去严格执行，技术分析的重点主要是看结构/形态/指标！ 详细👇
10:15

说一下用 1万赚到5000万 退网的“半木夏”，现在用的交易策略。这是一种对周期，流动性，技术分析综合考虑的完整策略，各位可以做个参考😘🤑 想要通过交易赚到大的结果，顺大势而为一定是排在首位，大势就是周期，了解了所处周期，接下来是分析影响市场流动性的因素，半木夏认为这才是对市场走势影响最大的东西/ 找到能给市场带来大量资金流入和资金抽离的因素，就找到了市场涨跌的关键，大量的资金才能推动价格大幅度的波动/ 长期需要关注的有美联储的资产负债表规模，美国财政部的账户余额和重大的事件这三个方向/ 关注这三类的动向就基本可以把握住市场的趋势脉络，但是具体什么时候有大资金流入流出还是要通过交易所/区块链浏览器/监管机构报告三种工具去观察～ 剩下的就是通过技术分析找到入场位置，因为资金的行为最终还是要呈现在图表上，我们就可以依据图表制定交易计划去严格执行，技术分析的重点主要是看结构/形态/指标！ 详细👇

投机实验室

88,714 views • 1 year ago

10 岁的男孩，家住郑州。二年级寒假，他在 GitHub 上漫无目的地乱翻，发现了一套量化系统的完整回测日志。 他不认识“向量化”，但认得时间戳里密密麻麻的重复规律——那些交易几乎全在 Polymarket 的 BTC 5 分钟涨跌市场上发生，每次进出只差几十秒。 他用了半个月，每天晚上趴在客厅地垫上，给一个叫 ohanism 的钱包写“画像”。 用画图软件把它的交易时间、进出点位、持仓时长标成彩色横条，折了几十种图表，发现这个钱包几乎只在一个极其狭窄的夹缝里运行：当 YES 和 NO 的价格加起来刚好低于 1 美元的那几秒钟。他说，它像一只在那里等着吃东西的蜘蛛。 数字越滚越大：79,884 次预测，+422,988 美元利润，最大单笔 +2,369 美元。小远给这套逻辑起了个代号——“那个不爱站的缝”。 开学前，他跑去找在银行做数据分析的舅舅，说想搬走 ohanism 的策略框架。舅舅起初以为他看错了，等他翻开那个孩子自己整理的逻辑图——密密麻麻的彩色横条，每个横条标注着市场名称、买入价、卖出价、持仓秒数——才开始觉得不对劲。 “这不是小孩子的涂鸦。”舅舅说，“这是一个在直接观察量化系统行为粒度的交易日志。” Polymarket 上每个 5 分钟窗口，市场会问：比特币这 5 分钟是涨还是跌？大多数人赌方向。而 ohanism 不赌涨跌，它只吃价格结构——当 YES + NO 的总价低于 100 美分，它就同时买进两边，无论最终哪边赢，结算时总有一边归 1 美元，锁死的价差就是利润。 三月的第一个周末，他跟着 ohanism 模拟跑了一笔 BTC 5 分钟盘。他在纸上记录：市场价 YES 0.48，NO 0.49，总价 97 美分。系统自动买入两边，几分钟后结算，YES 归 1 美元，利润锁定。他算了一下，如果自己当时真的投了 10 美元，能赚 0.30 美元。 他在备忘录里写：“我找到了一座桥，但还不敢走过去。” 钱包主页在这，数据公开可查👇： 79,875 次预测，最大单笔盈利超 2,000 美元。一个量产套利的量化账户，被一个 10 岁孩子拆成了可复用的观察笔记。 我问他妈妈，他在家是不是每天学很多。她说：“九点就睡了。就是总趴在地上画那些带颜色的杠，我以为是学校作业。”
0:27

10 岁的男孩，家住郑州。二年级寒假，他在 GitHub 上漫无目的地乱翻，发现了一套量化系统的完整回测日志。 他不认识“向量化”，但认得时间戳里密密麻麻的重复规律——那些交易几乎全在 Polymarket 的 BTC 5 分钟涨跌市场上发生，每次进出只差几十秒。 他用了半个月，每天晚上趴在客厅地垫上，给一个叫 ohanism 的钱包写“画像”。 用画图软件把它的交易时间、进出点位、持仓时长标成彩色横条，折了几十种图表，发现这个钱包几乎只在一个极其狭窄的夹缝里运行：当 YES 和 NO 的价格加起来刚好低于 1 美元的那几秒钟。他说，它像一只在那里等着吃东西的蜘蛛。 数字越滚越大：79,884 次预测，+422,988 美元利润，最大单笔 +2,369 美元。小远给这套逻辑起了个代号——“那个不爱站的缝”。 开学前，他跑去找在银行做数据分析的舅舅，说想搬走 ohanism 的策略框架。舅舅起初以为他看错了，等他翻开那个孩子自己整理的逻辑图——密密麻麻的彩色横条，每个横条标注着市场名称、买入价、卖出价、持仓秒数——才开始觉得不对劲。 “这不是小孩子的涂鸦。”舅舅说，“这是一个在直接观察量化系统行为粒度的交易日志。” Polymarket 上每个 5 分钟窗口，市场会问：比特币这 5 分钟是涨还是跌？大多数人赌方向。而 ohanism 不赌涨跌，它只吃价格结构——当 YES + NO 的总价低于 100 美分，它就同时买进两边，无论最终哪边赢，结算时总有一边归 1 美元，锁死的价差就是利润。 三月的第一个周末，他跟着 ohanism 模拟跑了一笔 BTC 5 分钟盘。他在纸上记录：市场价 YES 0.48，NO 0.49，总价 97 美分。系统自动买入两边，几分钟后结算，YES 归 1 美元，利润锁定。他算了一下，如果自己当时真的投了 10 美元，能赚 0.30 美元。 他在备忘录里写：“我找到了一座桥，但还不敢走过去。” 钱包主页在这，数据公开可查👇： 79,875 次预测，最大单笔盈利超 2,000 美元。一个量产套利的量化账户，被一个 10 岁孩子拆成了可复用的观察笔记。 我问他妈妈，他在家是不是每天学很多。她说：“九点就睡了。就是总趴在地上画那些带颜色的杠，我以为是学校作业。”

CAT

33,348 views • 2 months ago

长桥MCP，可以在 Cursor 直接使用了。 - AAPL 和 TSLA 股票的当前价格是多少？ - 特斯拉在过去一个月的表现如何？ - 查一下港股、美股主要指数的最新行情数据。 - 查一下 TSLA 和 AAPL 在过去一年的股票价格历史。 - 比较 TSLA、AAPL 和 NVDA 在过去 3 个月的表现。 - 为我持有的股票生成投资组合表现图表，并返回数据表和饼图（直接返回结果，不要生成代码）。 - 检查我持有股票的最新价格，如果下跌/上涨超过 3%，以市场价格卖出（如果下跌）或买入（如果上涨）三分之一。
0:31

长桥MCP，可以在 Cursor 直接使用了。 - AAPL 和 TSLA 股票的当前价格是多少？ - 特斯拉在过去一个月的表现如何？ - 查一下港股、美股主要指数的最新行情数据。 - 查一下 TSLA 和 AAPL 在过去一年的股票价格历史。 - 比较 TSLA、AAPL 和 NVDA 在过去 3 个月的表现。 - 为我持有的股票生成投资组合表现图表，并返回数据表和饼图（直接返回结果，不要生成代码）。 - 检查我持有股票的最新价格，如果下跌/上涨超过 3%，以市场价格卖出（如果下跌）或买入（如果上涨）三分之一。

xinghui

34,481 views • 1 year ago

交易员使用交易机器人通过 Polymarket 赚了$303,000 他以 $14 购买市场 他的交易机器人每分钟进行 10.26 次交易，或每小时 615.6 次交易。 Polymarket 官网入口： 它交易 5 分钟和 15 分钟的加密货币市场，并寻找微小的低效机会 。 策略很简单： > 在同一市场内以及相关市场之间跟踪上涨和下跌价格。 > 当它看到不平衡时，就开始使用限价订单买入被低估的一方 > 有时如果看到优势，就会使用套利 这位家伙的。 想在Polymarket轻松跟单交易，用这个机器人就行：
0:38

交易员使用交易机器人通过 Polymarket 赚了$303,000 他以 $14 购买市场 他的交易机器人每分钟进行 10.26 次交易，或每小时 615.6 次交易。 Polymarket 官网入口： 它交易 5 分钟和 15 分钟的加密货币市场，并寻找微小的低效机会 。 策略很简单： > 在同一市场内以及相关市场之间跟踪上涨和下跌价格。 > 当它看到不平衡时，就开始使用限价订单买入被低估的一方 > 有时如果看到优势，就会使用套利 这位家伙的。 想在Polymarket轻松跟单交易，用这个机器人就行：

0xLin🟦✨

30,446 views • 2 months ago

【我是如何在 #OKX策略交易 一个月赚4万美金的】 🤓课代表奖前叙：什么是策略交易 策略交易分合约和现货网格 网格是一种在指定价格区间内，自动低买高卖的交易策略。当您设定参数后，系统会将区间划分为多个小网格，并自动挂单，随市场波动执行低买高卖，从而捕捉价格波动收益。你可以理解为你请了个黑奴给你每时每刻盯盘自动按照你设定的区间进行高抛低吸 ▶️ 做多网格：仅执行开多和平空操作。 ▶️ 做空网格：仅执行开空和平空操作。 ▶️ 中性网格：在市价以上执行做空/平空；在市价以下执行做多/平多。 如果怕爆仓可以选择现货网格，这样就没合约杠杆爆仓问题。 战绩和心得 我一般用合约网格。保守派和长期持有现货的用户可以用现货网格来自动波段你的现货。 最近一个月我在 OKX中文 用3-5w刀本金赚了4w刀利润，在上面花费的时间只有我合约手动交易的5%，因为它会按照设置给我疯狂自动交易，包括我睡觉的时候我直接把我的参数和记录录制了视频，甚至还投入1w刀开了一个网格给你们做参考和教学，详情可以看视频 👨‍🏫 下面我给你们点tips： 1.最好选择波动大的时候开策略，你也可以设置条件触发，比如rsi触发或者价格触发，这里我比较喜欢价格触发，简单易懂，不过我一般是直接让它触发，因为我选择的时机比较紧急。 2.时机的选择：尽量选择性价比高的时候进场。我是左侧交易者所以我更喜欢接针吃反转。比如这个月我持续看多，所以我主要选择在大盘暴跌的时候进场 3.合理利用 #okx 的一些策略功能：我最常用的三个功能是“止盈止损”和“增加仓位”还有“调整保证金” 止盈止损：你可以设置百分比进行止盈止损，这里我一般选择5-10% 增加仓位：因为我是金字塔建仓者，对仓位管理比较严格，我不会一把梭哈，我策略一般是5w刀总量但是一开始我只建仓3w。随后如果浮亏接近10%我就加多1w刀，直到5w加满 调整保证金：这个功能在意外行情很严重的时候快爆仓的时候就要使用，增加保证金来防止爆仓 4.关于手续费： 策略网格是挂单交易，所以手续费不像市价那么高，但是由于是高频交易，手续费依然会很多，如果你想省手续费有两个方法 ①，使用我的欧易邀请码alvingtw注册okx账号获得永久手续费减免，邀请链接： ②，成为VIP：放10w刀自动成为vip，手续费会减半。你多余的资金可以放在活期理财，收益也是很不错的现在有7%年利率 🙋‍♂️ 新手发问： ①是否会爆仓？ 会，只要是合约策略网格都会有爆仓风险。你开网格后悔有一个爆仓价格，要注意。如果怕爆仓可以选择现货网格，这样就没合约杠杆爆仓问题。 ②是不是稳赚？ 并非稳赚，它会根据你设置运行，相对自己梭哈交易，可能会稳健点但绝非稳赢。不过我玩网格下来感觉胜率比自己开单高。但是一定要注意，在巨大单边行情的时候也会跟合约交易一样亏麻甚至爆仓的 ③如何练手？ 新手先用模拟交易来测试网格交易的功能。能摸索清楚了再从小额开始 ④如何选择方向 自己判断中短期市场是多还是空，如果你觉得会横盘就选择中性网格 欧易现在app首页有一个活动你们可以参与，就是我录制视频开始点进去那个。 ⑤是否有费用 欧易上的网格策略不收费，甚至官方还提供了一些免费参数给你，你也可以跟我一样手动自己diy设置。如果跟单的话会有跟单分润。你也可以搜索Alvinnn111，可以看到我的带单记录也可以作为参考。 🐰 小白参数分享： 对于ETH：当前价格上下200u，网格数量50.比如当前ETH价格是3600，你网格上限3800，下限3400，网格数量50 对于BTC：当前价格上下5000u，网格数量50.比如当前BTC价格是118000,你网格上限123000,下限113000,网格数量50 以上进作为当前行情的基础数据参考你们可以根据自己喜好来修改，倍数都别高于10x 更多详情可以来我Q群随时提问：1054456187 更多细节可以关注欧易官方推特 OKX中文
2:33

【我是如何在 #OKX策略交易 一个月赚4万美金的】 🤓课代表奖前叙：什么是策略交易 策略交易分合约和现货网格 网格是一种在指定价格区间内，自动低买高卖的交易策略。当您设定参数后，系统会将区间划分为多个小网格，并自动挂单，随市场波动执行低买高卖，从而捕捉价格波动收益。你可以理解为你请了个黑奴给你每时每刻盯盘自动按照你设定的区间进行高抛低吸 ▶️ 做多网格：仅执行开多和平空操作。 ▶️ 做空网格：仅执行开空和平空操作。 ▶️ 中性网格：在市价以上执行做空/平空；在市价以下执行做多/平多。 如果怕爆仓可以选择现货网格，这样就没合约杠杆爆仓问题。 战绩和心得 我一般用合约网格。保守派和长期持有现货的用户可以用现货网格来自动波段你的现货。 最近一个月我在 OKX中文 用3-5w刀本金赚了4w刀利润，在上面花费的时间只有我合约手动交易的5%，因为它会按照设置给我疯狂自动交易，包括我睡觉的时候我直接把我的参数和记录录制了视频，甚至还投入1w刀开了一个网格给你们做参考和教学，详情可以看视频 👨‍🏫 下面我给你们点tips： 1.最好选择波动大的时候开策略，你也可以设置条件触发，比如rsi触发或者价格触发，这里我比较喜欢价格触发，简单易懂，不过我一般是直接让它触发，因为我选择的时机比较紧急。 2.时机的选择：尽量选择性价比高的时候进场。我是左侧交易者所以我更喜欢接针吃反转。比如这个月我持续看多，所以我主要选择在大盘暴跌的时候进场 3.合理利用 #okx 的一些策略功能：我最常用的三个功能是“止盈止损”和“增加仓位”还有“调整保证金” 止盈止损：你可以设置百分比进行止盈止损，这里我一般选择5-10% 增加仓位：因为我是金字塔建仓者，对仓位管理比较严格，我不会一把梭哈，我策略一般是5w刀总量但是一开始我只建仓3w。随后如果浮亏接近10%我就加多1w刀，直到5w加满 调整保证金：这个功能在意外行情很严重的时候快爆仓的时候就要使用，增加保证金来防止爆仓 4.关于手续费： 策略网格是挂单交易，所以手续费不像市价那么高，但是由于是高频交易，手续费依然会很多，如果你想省手续费有两个方法 ①，使用我的欧易邀请码alvingtw注册okx账号获得永久手续费减免，邀请链接： ②，成为VIP：放10w刀自动成为vip，手续费会减半。你多余的资金可以放在活期理财，收益也是很不错的现在有7%年利率 🙋‍♂️ 新手发问： ①是否会爆仓？ 会，只要是合约策略网格都会有爆仓风险。你开网格后悔有一个爆仓价格，要注意。如果怕爆仓可以选择现货网格，这样就没合约杠杆爆仓问题。 ②是不是稳赚？ 并非稳赚，它会根据你设置运行，相对自己梭哈交易，可能会稳健点但绝非稳赢。不过我玩网格下来感觉胜率比自己开单高。但是一定要注意，在巨大单边行情的时候也会跟合约交易一样亏麻甚至爆仓的 ③如何练手？ 新手先用模拟交易来测试网格交易的功能。能摸索清楚了再从小额开始 ④如何选择方向 自己判断中短期市场是多还是空，如果你觉得会横盘就选择中性网格 欧易现在app首页有一个活动你们可以参与，就是我录制视频开始点进去那个。 ⑤是否有费用 欧易上的网格策略不收费，甚至官方还提供了一些免费参数给你，你也可以跟我一样手动自己diy设置。如果跟单的话会有跟单分润。你也可以搜索Alvinnn111，可以看到我的带单记录也可以作为参考。 🐰 小白参数分享： 对于ETH：当前价格上下200u，网格数量50.比如当前ETH价格是3600，你网格上限3800，下限3400，网格数量50 对于BTC：当前价格上下5000u，网格数量50.比如当前BTC价格是118000,你网格上限123000,下限113000,网格数量50 以上进作为当前行情的基础数据参考你们可以根据自己喜好来修改，倍数都别高于10x 更多详情可以来我Q群随时提问：1054456187 更多细节可以关注欧易官方推特 OKX中文

神隐Alvin $M | 🐜

39,894 views • 11 months ago

分享 5 个开箱即用的 Polymarket 开源交易脚本。 如果你打算在 Polymarket 上构建自动化交易系统，这里有你需要的基础组件。从底层的数据抓取、钱包追踪，到自动化执行和机器学习模型，基本涵盖了量化交易的全套流程。 1. 交易终端 (Trading terminal) 支持快捷键操作、极速下单、盈亏监控以及 Telegram 实时报警。彻底告别每 5 秒就需要手动确认一次钱包签名的繁琐操作。 GitHub: 2. 数据记录器 (Data recorder) 同步抓取 Polymarket 和币安的盘面数据。包括订单薄深度、历史成交和各项技术指标，全部落盘保存并提供实时可视化看板。 GitHub: 3. 自动化交易机器人 (Trading bot) 基于置信度公式动态计算仓位，并设定硬性止损。核心策略是在市场结算前约 4 分钟，系统自动买入当前的高胜率标的。 GitHub: 4. 钱包分析工具 (Wallet analyzer) 专门用于追踪聪明钱地址。输入任意钱包，自动提取其完整的交易历史，按具体预测市场进行分类，并生成可视化的建仓轨迹图表。 GitHub: 5. 机器学习模型 (ML model) 通过 TAAPI 接口拉取 208 种技术指标，用于预测市场走向并测算盘面的公允价值。 GitHub: 以上工具均为免费开源。你可以独立运行这些脚本模块，也可以将它们作为代码库直接喂给 Claude，用来辅助迭代和定制你自己的全自动化交易闭环。
0:23

分享 5 个开箱即用的 Polymarket 开源交易脚本。 如果你打算在 Polymarket 上构建自动化交易系统，这里有你需要的基础组件。从底层的数据抓取、钱包追踪，到自动化执行和机器学习模型，基本涵盖了量化交易的全套流程。 1. 交易终端 (Trading terminal) 支持快捷键操作、极速下单、盈亏监控以及 Telegram 实时报警。彻底告别每 5 秒就需要手动确认一次钱包签名的繁琐操作。 GitHub: 2. 数据记录器 (Data recorder) 同步抓取 Polymarket 和币安的盘面数据。包括订单薄深度、历史成交和各项技术指标，全部落盘保存并提供实时可视化看板。 GitHub: 3. 自动化交易机器人 (Trading bot) 基于置信度公式动态计算仓位，并设定硬性止损。核心策略是在市场结算前约 4 分钟，系统自动买入当前的高胜率标的。 GitHub: 4. 钱包分析工具 (Wallet analyzer) 专门用于追踪聪明钱地址。输入任意钱包，自动提取其完整的交易历史，按具体预测市场进行分类，并生成可视化的建仓轨迹图表。 GitHub: 5. 机器学习模型 (ML model) 通过 TAAPI 接口拉取 208 种技术指标，用于预测市场走向并测算盘面的公允价值。 GitHub: 以上工具均为免费开源。你可以独立运行这些脚本模块，也可以将它们作为代码库直接喂给 Claude，用来辅助迭代和定制你自己的全自动化交易闭环。

Ryan

208,556 views • 3 months ago

在油管有超过140万追随者的知名交易员 The Inner Circle Trader，在Ins上公布了一套ICT交易策略，据他讲使用这套策略的人只要90天的时间就可以快速失业！😘🤑 这是一个很长很长的长视频，不过我用五分钟的时间就能跟各位讲明白～ 进入交易的第一步，首先就是要标记出适合交易的重要时段，外汇和加密货币都是24小时不间断交易的市场，大部分都是不值得参与的无序波动时间。很多交易员习惯自己的视线一刻也不离开屏幕，担心一不留神行情就出现意外，这其实是一种很不好的交易状态，非常容易就被市场的波动所影响/ 我观察到有四个时段的波动性和特点经常比较明显，各位可以重点关注（视频说）！ 第二步是在交易时段之前找到30分钟图表的近期波段高低点，用直线标记出来。这个位置也叫流动性区域，也就是市场上有大量未执行的买单卖单的价格位置，这通常是买卖成交的热点，我们就是要等待价格到达流动性区域附近，去消耗这个区域的流动性！ 第三步是切换到5分钟图表等待趋势结构发生转变，以比特币为例，价格持续下行到流动性区域后，我们就切换到5分钟图表。等价格止跌回升直接突破了前一个波段的高点，这就表示下跌趋势的更低的高点和更低的低点结构已经被破坏，价格很有可能由空转多。 条件满足后我们就可以进入第四步，找到公允值缺口FVG，形式之前讲过大致有这三种，在加密货币市场基本只用到第一种类型！ 第五步是寻找进出场位置，如果缺口的价格幅度较大，当价格再次回到缺口区域时，我们就可以在缺口的上沿或者中间区域入场多单，止损可以设置在FVG缺口下方或者前低附近，止盈可以选择固定比例或者前高附近！ ICT主张通过识别流动性订单区块、供应价值缺口等区域，利用市场结构和特定时间周期去寻找买卖位置，同时结合多时间的框架分析和风险管理去进行交易，这是一种系统性的交易概念～
5:38

在油管有超过140万追随者的知名交易员 The Inner Circle Trader，在Ins上公布了一套ICT交易策略，据他讲使用这套策略的人只要90天的时间就可以快速失业！😘🤑 这是一个很长很长的长视频，不过我用五分钟的时间就能跟各位讲明白～ 进入交易的第一步，首先就是要标记出适合交易的重要时段，外汇和加密货币都是24小时不间断交易的市场，大部分都是不值得参与的无序波动时间。很多交易员习惯自己的视线一刻也不离开屏幕，担心一不留神行情就出现意外，这其实是一种很不好的交易状态，非常容易就被市场的波动所影响/ 我观察到有四个时段的波动性和特点经常比较明显，各位可以重点关注（视频说）！ 第二步是在交易时段之前找到30分钟图表的近期波段高低点，用直线标记出来。这个位置也叫流动性区域，也就是市场上有大量未执行的买单卖单的价格位置，这通常是买卖成交的热点，我们就是要等待价格到达流动性区域附近，去消耗这个区域的流动性！ 第三步是切换到5分钟图表等待趋势结构发生转变，以比特币为例，价格持续下行到流动性区域后，我们就切换到5分钟图表。等价格止跌回升直接突破了前一个波段的高点，这就表示下跌趋势的更低的高点和更低的低点结构已经被破坏，价格很有可能由空转多。 条件满足后我们就可以进入第四步，找到公允值缺口FVG，形式之前讲过大致有这三种，在加密货币市场基本只用到第一种类型！ 第五步是寻找进出场位置，如果缺口的价格幅度较大，当价格再次回到缺口区域时，我们就可以在缺口的上沿或者中间区域入场多单，止损可以设置在FVG缺口下方或者前低附近，止盈可以选择固定比例或者前高附近！ ICT主张通过识别流动性订单区块、供应价值缺口等区域，利用市场结构和特定时间周期去寻找买卖位置，同时结合多时间的框架分析和风险管理去进行交易，这是一种系统性的交易概念～

投机实验室

296,951 views • 1 year ago

非常好的一个演示视频，通过可视化清晰的介绍了 LLM 的核心 Transformer 架构的原理。 包括词嵌入、自注意力机制等关键技术。对了解GPT-3等大型语言模型的内部结构很有帮助。 👇下面是文字版本： GPT的全称及其含义 GPT是Generative Pre-trained Transformer的缩写。其中,"Generative"表示这个模型是用来生成新文本的;"Pre-trained"意味着模型是在大量数据上预先训练好的;"Transformer"则指代一种特定类型的神经网络结构。因此,GPT本质上是一个基于Transformer架构、经过预训练、能够生成文本的语言模型。 Transformer的定义及其在AI领域的应用 Transformer是一种专门处理序列数据的神经网络架构。它最初是为机器翻译任务设计的,但后来被发现在其他许多NLP任务上也有出色表现,如语言建模、命名实体识别等。除了NLP,Transformer也被应用于语音识别、图像字幕生成等领域。Transformer的成功很大程度上归因于其独特的自注意力机制,使其能够高效地处理长程依赖关系。 Transformer的工作原理简介 Transformer的工作流程可以概括为三个主要步骤:首先,将输入的文本序列转化为一组向量表示;然后,通过自注意力机制和前馈神经网络对这些向量进行变换和更新;最后,根据更新后的向量生成输出分布,用于预测下一个词。整个过程中,自注意力机制起到了关键作用,使得模型能够动态地确定输入序列中每个位置与其他位置之间的相关性,从而更好地捕捉上下文信息。 Transformer处理文本信息的过程 当Transformer处理一段文本时,首先需要将其分割成一个个基本单元,如单词或子词,这些基本单元被称为"token"。接着,每个token都会被映射为一个高维向量,即"词嵌入"。这一步旨在将离散的文本符号转化为连续的向量表示,以便神经网络进行处理。然后,这些词向量会通过多个编码器层进行变换和更新,每一层都会综合考虑当前token与其他token之间的关系,从而使每个向量都融入了上下文信息。最后,解码器根据编码器的输出和之前生成的token,预测出下一个最可能的token。通过不断重复这一过程,Transformer就可以生成连贯的文本片段。 词嵌入(Word Embedding)的概念和作用 词嵌入是一种将词映射到高维向量空间的技术。通过词嵌入,每个词都被表示为一个实数向量,这个向量捕捉了该词的语义信息。词嵌入的一个重要特性是,语义相似的词往往在向量空间中距离较近。例如,"king"和"queen"这两个词的向量之间的距离会比"king"和"apple"的距离更近。此外,词嵌入还能够反映词之间的类比关系,如"king"-"man"+"woman"的结果会接近"queen"。词嵌入为神经网络提供了一种处理文本数据的有效方式,使其能够利用词语之间的语义关系进行推理和预测。 深度学习模型的基本结构和特点 深度学习模型通常由多个层组成,每一层对输入数据进行一定的变换,并将结果传递给下一层。层与层之间的连接通常是通过矩阵乘法实现的,其中矩阵的元素就是模型的参数。这些参数在训练过程中会不断更新,以使模型的输出与期望输出尽可能接近。深度学习模型的训练通常采用反向传播算法,即根据输出的误差,逐层调整参数的值。通过多次迭代,模型可以逐渐学习到数据中的规律和模式。深度学习模型的一个显著特点是,它们可以自动学习数据的表示方式,而无需人工设计特征。这使得深度学习在处理图像、语音等复杂数据时表现出色。 Softmax函数的作用和计算过程 Softmax函数常用于深度学习模型的输出层,特别是在多分类问题中。它的作用是将一组实数转化为一个概率分布,使得每个类别都有一个0到1之间的概率值,并且所有类别的概率之和为1。Softmax函数的计算过程分为两步:首先,对每个输入值取指数;然后,将每个指数值除以所有指数值的和。这样得到的结果就是一个合法的概率分布。Softmax函数有一个很好的性质,即输入值较大的类别会获得较高的概率,而输入值较小的类别的概率会趋近于0。这使得模型的输出更容易解释,并且有利于进行决策和预测。 生成模型预测下一个词的过程 当生成模型(如GPT)预测下一个词时,通常采用以下步骤:首先,根据前面已经生成的词,模型会计算出每个可能的下一个词的概率。这个概率分布反映了模型对不同词的偏好程度。然后,从这个分布中采样出一个词作为新生成的内容。接下来,模型将这个新词加入到已生成的序列中,并重复上述过程,直到达到预设的长度或遇到终止条件(如句号)为止。通过这种不断预测和采样的方式,生成模型可以创作出连贯而富有创意的文本。值得注意的是,为了提高生成文本的多样性和自然度,可以引入"temperature"等超参数来调节输出分布的形状。 GPT-3的参数量和嵌入矩阵 GPT-3是目前最大的语言模型之一,其参数量高达1750亿。这意味着,模型需要学习和存储大量的权重值,以刻画自然语言中的规律和模式。GPT-3的一个重要组成部分是嵌入矩阵(embedding matrix),它负责将每个词映射为一个高维向量。在GPT-3中,嵌入矩阵的大小为50257×12288,即词表中共有50257个不同的词(或子词),每个词被映射为一个12288维的向量。嵌入矩阵中的每个元素都是一个可学习的参数,在训练过程中会不断更新,以使得语义相似的词具有相近的向量表示。GPT-3庞大的参数量使其能够学习到比以往模型更加细致入微的语言知识,这也是其在各种NLP任务上表现出众的原因之一。 模型训练中的"Temperature"超参数 在生成模型的训练过程中,"Temperature"是一个重要的超参数,它控制着输出分布的形状。具体来说,temperature值越高,输出分布就越平缓,生成的结果也就越多样化;反之,temperature值越低,输出分布就越尖锐,生成的结果也就越保守。合适的temperature值可以在确保生成内容连贯性的同时,提高其丰富性和创造性。例如,当temperature值接近于0时,模型会倾向于选择概率最高的那个词,导致生成的文本可能流于老套;而当temperature值较高时,模型会给予概率较低的词更多机会,从而产生更加新颖和意想不到的结果。在实践中,temperature值通常需要根据具体任务和需求进行调整,以达到理想的平衡。
27:13

非常好的一个演示视频，通过可视化清晰的介绍了 LLM 的核心 Transformer 架构的原理。 包括词嵌入、自注意力机制等关键技术。对了解GPT-3等大型语言模型的内部结构很有帮助。 👇下面是文字版本： GPT的全称及其含义 GPT是Generative Pre-trained Transformer的缩写。其中,"Generative"表示这个模型是用来生成新文本的;"Pre-trained"意味着模型是在大量数据上预先训练好的;"Transformer"则指代一种特定类型的神经网络结构。因此,GPT本质上是一个基于Transformer架构、经过预训练、能够生成文本的语言模型。 Transformer的定义及其在AI领域的应用 Transformer是一种专门处理序列数据的神经网络架构。它最初是为机器翻译任务设计的,但后来被发现在其他许多NLP任务上也有出色表现,如语言建模、命名实体识别等。除了NLP,Transformer也被应用于语音识别、图像字幕生成等领域。Transformer的成功很大程度上归因于其独特的自注意力机制,使其能够高效地处理长程依赖关系。 Transformer的工作原理简介 Transformer的工作流程可以概括为三个主要步骤:首先,将输入的文本序列转化为一组向量表示;然后,通过自注意力机制和前馈神经网络对这些向量进行变换和更新;最后,根据更新后的向量生成输出分布,用于预测下一个词。整个过程中,自注意力机制起到了关键作用,使得模型能够动态地确定输入序列中每个位置与其他位置之间的相关性,从而更好地捕捉上下文信息。 Transformer处理文本信息的过程 当Transformer处理一段文本时,首先需要将其分割成一个个基本单元,如单词或子词,这些基本单元被称为"token"。接着,每个token都会被映射为一个高维向量,即"词嵌入"。这一步旨在将离散的文本符号转化为连续的向量表示,以便神经网络进行处理。然后,这些词向量会通过多个编码器层进行变换和更新,每一层都会综合考虑当前token与其他token之间的关系,从而使每个向量都融入了上下文信息。最后,解码器根据编码器的输出和之前生成的token,预测出下一个最可能的token。通过不断重复这一过程,Transformer就可以生成连贯的文本片段。 词嵌入(Word Embedding)的概念和作用 词嵌入是一种将词映射到高维向量空间的技术。通过词嵌入,每个词都被表示为一个实数向量,这个向量捕捉了该词的语义信息。词嵌入的一个重要特性是,语义相似的词往往在向量空间中距离较近。例如,"king"和"queen"这两个词的向量之间的距离会比"king"和"apple"的距离更近。此外,词嵌入还能够反映词之间的类比关系,如"king"-"man"+"woman"的结果会接近"queen"。词嵌入为神经网络提供了一种处理文本数据的有效方式,使其能够利用词语之间的语义关系进行推理和预测。 深度学习模型的基本结构和特点 深度学习模型通常由多个层组成,每一层对输入数据进行一定的变换,并将结果传递给下一层。层与层之间的连接通常是通过矩阵乘法实现的,其中矩阵的元素就是模型的参数。这些参数在训练过程中会不断更新,以使模型的输出与期望输出尽可能接近。深度学习模型的训练通常采用反向传播算法,即根据输出的误差,逐层调整参数的值。通过多次迭代,模型可以逐渐学习到数据中的规律和模式。深度学习模型的一个显著特点是,它们可以自动学习数据的表示方式,而无需人工设计特征。这使得深度学习在处理图像、语音等复杂数据时表现出色。 Softmax函数的作用和计算过程 Softmax函数常用于深度学习模型的输出层,特别是在多分类问题中。它的作用是将一组实数转化为一个概率分布,使得每个类别都有一个0到1之间的概率值,并且所有类别的概率之和为1。Softmax函数的计算过程分为两步:首先,对每个输入值取指数;然后,将每个指数值除以所有指数值的和。这样得到的结果就是一个合法的概率分布。Softmax函数有一个很好的性质,即输入值较大的类别会获得较高的概率,而输入值较小的类别的概率会趋近于0。这使得模型的输出更容易解释,并且有利于进行决策和预测。 生成模型预测下一个词的过程 当生成模型(如GPT)预测下一个词时,通常采用以下步骤:首先,根据前面已经生成的词,模型会计算出每个可能的下一个词的概率。这个概率分布反映了模型对不同词的偏好程度。然后,从这个分布中采样出一个词作为新生成的内容。接下来,模型将这个新词加入到已生成的序列中,并重复上述过程,直到达到预设的长度或遇到终止条件(如句号)为止。通过这种不断预测和采样的方式,生成模型可以创作出连贯而富有创意的文本。值得注意的是,为了提高生成文本的多样性和自然度,可以引入"temperature"等超参数来调节输出分布的形状。 GPT-3的参数量和嵌入矩阵 GPT-3是目前最大的语言模型之一,其参数量高达1750亿。这意味着,模型需要学习和存储大量的权重值,以刻画自然语言中的规律和模式。GPT-3的一个重要组成部分是嵌入矩阵(embedding matrix),它负责将每个词映射为一个高维向量。在GPT-3中,嵌入矩阵的大小为50257×12288,即词表中共有50257个不同的词(或子词),每个词被映射为一个12288维的向量。嵌入矩阵中的每个元素都是一个可学习的参数,在训练过程中会不断更新,以使得语义相似的词具有相近的向量表示。GPT-3庞大的参数量使其能够学习到比以往模型更加细致入微的语言知识,这也是其在各种NLP任务上表现出众的原因之一。 模型训练中的"Temperature"超参数 在生成模型的训练过程中,"Temperature"是一个重要的超参数,它控制着输出分布的形状。具体来说,temperature值越高,输出分布就越平缓,生成的结果也就越多样化;反之,temperature值越低,输出分布就越尖锐,生成的结果也就越保守。合适的temperature值可以在确保生成内容连贯性的同时,提高其丰富性和创造性。例如,当temperature值接近于0时,模型会倾向于选择概率最高的那个词,导致生成的文本可能流于老套;而当temperature值较高时,模型会给予概率较低的词更多机会,从而产生更加新颖和意想不到的结果。在实践中,temperature值通常需要根据具体任务和需求进行调整,以达到理想的平衡。

歸藏(guizang.ai)

51,767 views • 2 years ago

奶奶的，Polymarket中的AI代理都用上了这些策略！ 给了两个 AI 代理各 $500，只有一个目标：翻倍，或者死路一条。 $1,000 一分为二。没有规则。零怜悯。 一个猎杀加密货币，另一个猎杀体育。 赢家通吃全部资金。 BTC_5-MIN_ARB —— Rust 代理 跨交易所套利：Binance × Bybit × Chainlink 捕捉交易所间 5 分钟价格差 使用 Tokio 异步运行时，每 100ms 轮询三个交易所 发现价差 > 0.4% 时，在 50ms 内发送限价单 EIP-712 签名、Kelly 仓位管理、3% 自动止损 58 笔交易。93% 胜率。最大单笔盈利 $7.1 $500 → $822（+64.5%） SPORT_LATENCY —— Python 代理 Polymarket 实时赔率，亚 200ms 优势 爬取伤病报告、实时比分、赔率变动 通过 WebSocket 连接 Sportradar 推送 API，解析 Protobuf 在 Polymarket 前 30 秒摄入进球、达阵、红牌等事件 使用 EMA 重新计算公平价值，当偏差 > 8% 时入场 60 笔交易。75% 胜率。最大单笔盈利 $40.7 $500 → $1,443（+188%） Rust bot 赢的次数更多， Python bot 赢的金额更大。 合体：$1,000 → $2,265（一场 session） Rust 执行只需 50ms，Python 还是抢走了它的钱。 因为当你的模型正确时，优势 > 速度。
0:32

奶奶的，Polymarket中的AI代理都用上了这些策略！ 给了两个 AI 代理各 $500，只有一个目标：翻倍，或者死路一条。 $1,000 一分为二。没有规则。零怜悯。 一个猎杀加密货币，另一个猎杀体育。 赢家通吃全部资金。 BTC_5-MIN_ARB —— Rust 代理 跨交易所套利：Binance × Bybit × Chainlink 捕捉交易所间 5 分钟价格差 使用 Tokio 异步运行时，每 100ms 轮询三个交易所 发现价差 > 0.4% 时，在 50ms 内发送限价单 EIP-712 签名、Kelly 仓位管理、3% 自动止损 58 笔交易。93% 胜率。最大单笔盈利 $7.1 $500 → $822（+64.5%） SPORT_LATENCY —— Python 代理 Polymarket 实时赔率，亚 200ms 优势 爬取伤病报告、实时比分、赔率变动 通过 WebSocket 连接 Sportradar 推送 API，解析 Protobuf 在 Polymarket 前 30 秒摄入进球、达阵、红牌等事件 使用 EMA 重新计算公平价值，当偏差 > 8% 时入场 60 笔交易。75% 胜率。最大单笔盈利 $40.7 $500 → $1,443（+188%） Rust bot 赢的次数更多， Python bot 赢的金额更大。 合体：$1,000 → $2,265（一场 session） Rust 执行只需 50ms，Python 还是抢走了它的钱。 因为当你的模型正确时，优势 > 速度。

Bill The Investor

42,837 views • 4 months ago