人们常说，交易者最大的敌人是他自己。行为上的偏见往往会使理性的交易策略变得不合时宜，因为对损失回避的担忧，对错过机会的恐惧甚至过分自信的控制权-最终使投资组合处于危险之中。幸运的是，技术已经发展到可以用无误和情感中立的交易机器人代替冲动决策者的地步。有些人认为这是金融的未来。
克服认知偏见：一种定量方法
在评估投资时，交易者使用几种策略来更好地识别出入场机会。其中包括定性和定量分析。后者涉及技术方面的统计建模，例如波动性和历史表现，而前者涉及与公司管理，收益，竞争优势以及其他此类主观信息有关的数据分析。
安全公司：Telegram交易机器人给用户带来了重大安全风险:金色财经报道，据区块链安全公司称，Telegram交易机器人已将消息传递平台变成了准加密货币市场，给用户带来了重大安全风险，需要进一步审查。区块链安全公司CertiK表示，虽然此类交易机器人已经存在多年，但随着加密货币市场的增长和相关机器人代币价格的上涨，它们最近受到了关注。据Coin Gecko称，截至撰写本文时，Telegram机器人代币的总市值已接近2.5亿美元。其中最大的是Unibot；其他流行的机器人包括Wagie Bot和Mizar。这些机器人是通过Telegram运行的自动化程序，允许用户通过应用程序向去中心化交易所（DEX）发送消息来进行交易。[2023/8/11 16:19:37]
然而，根据《2020年普华永道–艾尔伍德加密对冲基金报告》，量化方法在加密基金经理中显然是最喜欢的。根据该报告的调查，约48％的受访者声称使用定量策略。而且其背后的理由很清楚。一切都归结为消除认知偏见-这在交易中太普遍了。对于波动率占主导地位的加密市场，这是两倍。
加密资产交易平台PayBito推出加密交易机器人:加密资产交易平台PayBito推出交易机器人，促进加密货币交易所的自动化投资组合组织和快速交易加密货币。通过使用交易机器人，可以自动与外部加密货币信号提供商进行交易。人们可以利用指标，并与现有交易终端的交易账户互动，一次性调整策略。（PRWeb）[2020/11/14 20:48:46]
此外，考虑到加密货币市场的以数据为中心的特征，定量分析人员可以比传统金融资产进行更深入的挖掘，从而提供了更大的范围可计算性和预测。
不论交易者的分析能力多么精致，认知偏见都代表着永远存在的威胁。
声音 | 白硕：在去中心化交易机制中，“撮合即挖矿”:10月13日，在2019 CCF区块链技术大会上，金融科技专家白硕在题为“去中心化交易机制初探”的演讲中，用“锅与碗”来比喻传统交易所、中心化交易所和去中心化交易所。他表示，传统交易所是“肉在锅里、有监管”，中心化交易所是“肉在锅里、无监管”，去中心化交易所是“肉在碗里、无监管”。他指出，中心化交易所存在各种风险和危机、不容易达成监管的协同、需要可公开审计的自律等问题，去中心化交易所能解决这些问题，实现的途径包括链内加速、链外执行、清结算剥离等，其挑战在于效率的提高。最后，他提出在去中心化交易机制的“撮合即挖矿”的概念，内容包括（1）撮合执行与撮合验证分离；（2）撮合执行由链外插件承担，撮合验证由链内合约承担；（3）谁首先撮合成功，谁分享撮合服务收益。（巴比特）[2019/10/13]
关于认知偏见在交易中的影响，已经进行了多项研究，并且有许多尝试克服这种偏见的策略。行为金融学是行为经济学的一个子领域，认为心理影响是造成市场不规则的唯一原因，例如价格暴跌和抛物线向上运动。
数字货币自动交易机器人诞生:数字货币自动交易机器人诞生，一个名为“CryptoPing”的机器人应用可以通过交叉分析多个数字货币交易平台的信息，预测价格变动，还允许通过预设白名单，黑名单，ICO信息来筛选数字资产。此外，它将允许用户通过添加用户的API密钥，根据过滤的机器人分析结果进行投资，用户可以直接在应用内设置自动交易，CryptoPing白皮书称可以为用户带来“稳定的利润”。[2017/12/25]
麻省理工斯隆管理学院的研究人员进行的一项研究考察了交易行为的情绪反应性。该报告得出结论，极端的情绪反应不利于交易者的回报，尤其是在动荡和危机时期。
但是，行为金融学的另一种几乎相反的学派，即现代投资组合理论，认为市场是有效的，交易者是完全理性的。
行为财务和MPT都不是完全正确的，但也不是完全错误的。就像投资的阴阳一样，这两种方法彼此平等，为交易者提供了舒适而现实的中间立场。
然而，MPT的投资组合构建方法真正脱颖而出，成为一种避免行为偏见，尤其是避免损失偏见的策略，即偏向于避免损失胜于潜在收益。MPT认为，尽管单个资产具有风险收益特征，但在多种资产之间进行分散投资可以使收益最大化。换句话说：不要把所有的鸡蛋都放在一个篮子里。该方法通过配对不相关资产来抵消风险，从而避免了损失规避的偏见。它只是交易机器人库中的战略工具之一。
交易机器人与人类研究人员
交易机器人既有分析人员，也有顾问程序，旨在承担传统研究顾问和分析师的角色，并经常采用上述策略的混合来达到用户的目标。典型的机器人顾问将根据客户的风险状况建立一篮子数据，而机器人分析师将研究SEC的文件和公司年度报告中发布的数据。但是，在瞬息万变，压力大，压力高的市场形势下，它们有能力抵抗认知偏见，从而使这些机器人在竞争中脱颖而出。结果，他们已经证明胜过人类同行。
2019年12月，印第安纳大学的研究人员评估了一系列机器人分析师在15年内发布的76,000份研究报告。事实证明，机器人购买建议的表现优于人类分析师的建议，从而使利润率提高了5％。
但是，并不是所有的机器人分析师和顾问都是平等的。今年，研究人员对从2019年5月至2020年3月进行评估的20名德国B2C机器人顾问的绩效进行了评估，这一时机恰巧与2019年的牛市以及冠状病大流行的发作和消退相吻合。机器人之间的差距非常大，顶级机器人顾问将跌幅限制在-3.8％，平均优于其他机器人约14个基点-考虑到3月份整个市场的两位数暴跌，这是相当可观的壮举对冲基金的最新亏损为9.8％。
表现最佳者与其他表现者之间的主要区别是其战略方法。表现最佳的公司不是根据常规的风险度量标准构建典型的投资组合，而是准确地衡量了交易员所害怕的：亏损和花很长时间才能从那些亏损中恢复过来。通过将定量分析和行为金融因素考虑在内，表现最佳的公司能够读取市场，表现优于机器人顾问和人力基金。
毫不奇怪，大型银行开始转向自动化研究人员。去年，高盛宣布了自己的机器人咨询服务。虽然将这种病的发射推迟到2021年，但机器人顾问的市场并没有放缓，从2019年第四季度到2020年第一季度，其使用量增长了50％至30％。
但是，鉴于其数据丰富且存在风险的情况，加密市场将是真正实现机器人分析的地方。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。