主页 > imtoken钱包官网苹果版 > Smarthead X 讲座实录:《加密货币市场现状与交易策略——浅谈割韭菜》

Smarthead X 讲座实录:《加密货币市场现状与交易策略——浅谈割韭菜》

imtoken钱包官网苹果版 2023-10-27 05:13:17

讲座成绩单

大家好,欢迎大家今天来到这里,一起来聊聊加密货币。 我是李华刚。

我们为什么要关心加密货币? 首先,很多人,尤其是个人,会看到很多新闻,主要是很多人因为加密货币赚了很多钱,同时像很多投机交易一样,很多人亏了很多钱中间,所谓被割韭菜。

事实上,作为一种全新的货币体系,我们之所以关注加密货币,不仅仅是因为很多人赚了很多钱,而是它将改变未来世界的金融体系,人们之间的价值交换和政府、银行等传统国际组织的潜力。 所以它对个人和政府都有很大的影响,所以理解它是非常重要的。

什么是加密货币?

加密货币是建立在区块链技术和加密技术基础上的无中心组织的货币体系。 有了区块链技术,我们就有了可靠可信的账本; 多亏了加密技术,我们有了数字签名; 两者的结合创造了价值交换的土壤。 在这个系统中,货币的发行和流通是由计算机程序设定和记录的。 该系统具有普通货币的数学特性。 只要人们愿意使用它,它就是一种货币,即所谓的加密货币。

我们将讨论加密货币是否是货币。 形式上来说,关于这个的争论还是很多的,但是对于我们的目的来说,这个其实不是很重要,后面再说。

加密货币的重要性从其发展可见一斑。 目前市值不是很大,但主要是发展势头很快,同时也带来了一些其他问题,比如监管难、洗钱、影响货币政策等。 它的增长速度有多快? 也许大多数人都知道比特币的故事。 八年前,10,000 个比特币被兑换成两个比萨饼。 这是最著名的第一笔交易。 到 2017 年底,10,000 个比特币价值 20,000 美元,这是势头惊人的例子。

比特币与传统货币相比_比特币与传统货币相比,其存在的优势和劣势又是什么_比特币货币属性研究现状

为此,几乎所有的主流组织、组织、公司和政府,无论目前是否接受加密货币,都在规划和研究上投入了大量的精力。 据路透社报道,2018 年,五分之一的金融公司计划参与加密货币资产,这些公司计划在 6 个月内进入加密货币交易,其中包括 JP 和 GS。

加密货币不是货币因为它们是数学符号的论点是不正确的。 比如我们现在熟悉的货币,大约有3000年的历史。 在这个过程中,最原始的贝壳和猪都被用作货币。 数学符号当然也可以是一种货币,因为钞票本身就是纸。

那么官方是怎么说的呢? 央行等部分监管机构较为谨慎,这是自然的,也是可以理解的。 中国央行将加密货币定义为供私人部门使用的数字货币,例如等同于饭票。 肯定是和一些传统的中心有冲突,不仅仅是央行,比如转账中心等等,都是有难度的。 由于加密货币的出现,如果未来被广泛使用,将会影响到这些中心的地位。

在美国,美国的税务部门,美国国税局将加密货币定义为一种资产,而不是一种货币,但这个定义在实际应用上并不是特别重要,因为对于大多数人来说,加密货币已经具有货币对属性. 另一种观点认为,在传统经济学中,货币必须是合法的。

根据我在这里的统计,有 1658 种不同的加密货币,总市值为 $710B。 与国际金融市场相比,不是特别大; 另一个属性是,虽然品种很多,但仔细看,重要的并不多,市值超过10亿美元的只有39个。 这表明货币品种相对集中。

未来趋势会更加集中。 货币的吸引力在于每个人都在使用它。 必须有一个整合的过程,一个更集中的过程。 最大的是比特币,占总市值的1/3。 再看几个例子,市值第39位的是TRON,它是一个去中心化的视频分享平台,类似Youtube,但目前还没有产品,24小时内一度翻倍。 另一个例子是 Dentacoin,2018 年才上市,$1.9B,一种提供牙科信息的代币。

比特币与传统货币相比,其存在的优势和劣势又是什么_比特币货币属性研究现状_比特币与传统货币相比

所以从这些属性中,我们可以分析出市场和货币的特点。 许多货币的市场价值仍然相对较小。 如果市值比较小,会有什么样的后果? 很容易操纵市值,不用多少钱也能影响市值。 “拉高出货”、“割韭菜”,价格操纵在所难免。 到 2018 年 2 月,2017 年发行的 ICO 有一半都失败了。同一货币的不同交易所之间的价格差异可能很大。

我们刚才讲了加密货币市场的属性,得到了一些感性的认识。 下面说一下我们要做交易所的时候要怎么考虑这个问题。 做交易的时候一定要明白是什么在驱动价格,其中最重要的就是风险因素。 其他资产的交易也以这种方式考虑,加密货币并不特殊。 按照刚才的了解,有一系列的价格因素需要我们去考虑。

第一个风险因素是底层技术。

由于数字货币是由计算机技术和计算机程序产生的,因此计算机程序的结构、组织和设计对货币本身的性质有很大的影响。 例如,在比特币之后,出现了很多其他的货币比特币货币属性研究现状,其中一些与比特币类似。 如果非常相似,就会对比特币的价格产生影响。

举个例子,比如比特币现金,它出现的那天,比特币的价格下跌了6%。

第二个风险因素是成本。

比特币与传统货币相比,其存在的优势和劣势又是什么_比特币与传统货币相比_比特币货币属性研究现状

数字货币的普及和接受,很大一个原因是成本太高,或者效率比较低。 比如比特币目前处理的交易量,1s可以处理6笔交易,而Visa可以处理47000笔交易。 因此,出于这个原因,成本的变化影响货币及其价格的接受度很重要。

第三个风险因素是法币地位。

我们刚才讲到,加密货币被接受的原因之一是法定货币存在一些缺陷,这是大家不满意的。 因此,法币的一些变化,如政府不稳定和恶性通货膨胀,将导致对其他货币(如数字货币)的需求增加。 挖矿热情最高的国家是委内瑞拉。 这个国家的直接原因之一是恶性通货膨胀。 它曾经在一年内通货膨胀率高达1600%。

第四个风险因素是内幕交易问题。

从传统到交易市场,都存在内幕交易的问题。 比如对交易所内部开发者没有监管,货币供应量受挖矿影响,个人认知不同等。 有些人拥有内部信息,成为内部交易的一部分。 作为投资者,这些都是风险因素。

还有监管。 许多交易所不收集交易者信息,基本上没有保险或政府保护。 传统美股有 50 万美元的现金和股票保险,但加密货币没有。 监管程度是每个人都应该关注的风险。

比特币与传统货币相比,其存在的优势和劣势又是什么_比特币与传统货币相比_比特币货币属性研究现状

刚才讲了性质、风险和交易情况,下面说说加密货币的交易策略。

首先,我们要认识到,作为一个新的资产类别比特币货币属性研究现状,很多思路和策略是其他资产类别共有的,可以借鉴。 一种策略是开始构建因子。 风险因素可用于分散风险。 既然它们驱动价格,我们就需要根据不同的风险因素来配置它们,这样既可以分散风险,又可以对价格变化有更深入的了解,因为它们是驱动价格的根本原因。

作为一种具体的策略,由于没有监管,市场上的投机性比较大。 对于投机市场来说,短期动能策略(如趋势跟踪)就是一种策略。 另一种是根据某些属性,同一币种的交易所与交易所之间的价格差异较大。 作为市场中性策略,您可以找到货币和交易所之间的利率差异; 第三种是不直接交易加密货币,而是交易底层科技股。 这种传统方法很像交易石油和交易石油公司股票的人。

另一种推荐的方法是,对于加密货币的波动性非常大,投资加密货币的指数,而不是一种或几种加密货币,是一种相对安全的投资。 今年 3 月,汤森路透合作推出了一项新的市场心理指数,通过扫描 400 多个网站的加密货币市场表现来捕捉和分析市场情绪。 今年 5 月,彭博联手推出了首个加密货币基准指数——彭博银河加密货币指数 (BGCI),该指数采用市值加权,衡量 10 种交易加密货币的表现。 这些都是考虑因素。

但另一方面,定量方法严重依赖历史数据。 我国房产交易的历史还比较短,不易形成稳定的规律。 定量方法有一定的局限性。 市面上有很多小额支付或者开源的。 在我看来,机器人并不是特别有价值。 要想盈利,价值在于找差价。 如果您使用市场上使用的方法,则不会存在差异。

大咖对话环节Q&A

比特币货币属性研究现状_比特币与传统货币相比,其存在的优势和劣势又是什么_比特币与传统货币相比

姚永和先生:谢谢李博士的分享。 第一个问题请问李博士对未来五年加密货币的市场规模和交易所的发展有何展望? 比如交易所的数量,每天的交易量,以及政府监管的可能趋势。

李华刚博士:量化并不容易。 从市场规模上来说,肯定是做大了。 数字货币的数学属性很好,有需求,有去中心化等,现在不容易被接受,因为新事物有一定的阻力。 交易规模肯定会大很多,交易所的数量会减少。 加强监管。

姚永和先生:如果对比股票市场的投资方式,加密货币投资是否也有侧重于基本面和技术面的不同? 如果是这样,基本面的主要关注点是什么? 有没有代表性的指标?

李华刚医生:对。 刚刚提到:势头(technical),还有一些本质的东西,标的资产,技术(fundamental)。 利润、收入、增长率和市场份额。 引入程度、市值、交易量、社会舆论热度和搜索量、挖矿难度(以单位算力计算)、技术社区关注度(Github代码更新频率)。

姚永和先生:市场上有没有普通投资者可以参与的加密货币智能投资基金或工具?

李华刚博士:有指数基金和机器人(不推荐开源免费的)。 还有开源交易代码。 普通投资者可能要考虑指数基金。 有主流投资顾问介绍x%的资产配置。

姚永和先生:从长远来看,人工智能在加密货币投资上将具有明显的优势。 作为没有掌握人工智能工具的散户投资者,是否还有战胜市场的交易机会? ,这个机会还剩多久?

李华刚博士:工具还是要有的,但AI不要迷信。 Shing-Tung Yau 教授,计算机学会会议,“人工智能需要一个可证明的理论作为基础”。 David M. Lane(沉阳自动化学院英国院士),没有理论,只是反复尝试。