跳至内容

策略指南

策略指南:网格狙击

网格狙击 (grid_strike) 是 Hummingbot 策略 V2 框架中的一个 控制器,它会在预设价格范围内自动放置一整网格的买入或卖出订单。

基础网格策略 不同,网格狙击利用 执行器 动态管理每个订单层级,并支持可配置的止盈和止损设置。这意味着策略开启的每个仓位都会根据你的风险参数自动监控并平仓。它还可配置为跟随市场趋势——无论是上涨还是下跌——让你能够根据市场变化调整策略。

本指南将解释网格狙击策略的工作原理,并帮助你判断何时使用它。你将学习如何配置和运行该策略,以及关键概念和如何针对趋势市场进行设置。

策略代码https://github.com/hummingbot/hummingbot/blob/master/controllers/generic/grid_strike.py

策略概览

  • 基于网格的订单放置: 该策略允许你创建多头网格空头网格,在定义的价格区间内自动放置买入/卖出订单。
  • 自动化风险管理: 每一侧均使用网格执行器,自动管理每个仓位的风险,支持可配置的止盈、止损和时间限制。
  • 交易所灵活性: 支持现货和永续合约交易所连接器,包括对永续合约交易所的单向持仓模式的支持。
  • 高度可配置: 可通过调整价格区间、订单间距及其他参数,适配多种市场情景(上涨趋势、下跌趋势或盘整)或交易目标(成交量、流动性、盈亏等)。

仪表板教程:PMM 简易 V2

cover

欢迎来到 仪表板教程:PMM 简易 V2 策略 —— 一份分步指南,帮助你使用 Hummingbot 仪表板理解、配置、回测和部署 PMM 简易 V2 策略。

在本教程中,你将学习如何设置策略参数,通过回测测试其表现,微调订单价差和风险控制,并最终保存并部署你的配置以用于实盘交易。

如何在 Hummingbot 中配置 V2 策略控制器

cover

什么是控制器?

在 Hummingbot 的新策略 V2 框架中,控制器 是用于管理你的交易策略的工具。它们收集市场数据(如价格信息和交易量),并据此自动做出交易决策。

控制器让你无需运行多个机器人,即可同时管理多个交易策略或交易对,从而简化管理并节省资源。

编写清算狙击手 V2 策略控制器

cover

作者:Patrick Meier

在本文中,我们将探讨如何为 Hummingbot 创建一个自定义的 V2 控制器,以在 Binance 上狙击期货市场的清算事件。我们将使用一个通用控制器来演示该策略的正确用法和实现方式。

清算狙击手策略

该策略旨在利用加密货币期货市场中定期发生的清算事件。当这些事件发生时,市场价格往往会出现快速反弹,本策略通过多层加仓(DCA)的方式捕捉这一反弹机会。

该交易策略的目标是抓住加密货币期货市场中清算事件后常见的快速价格反弹。这些清算通常由杠杆交易者被强制平仓引发,导致价格剧烈波动,暂时打破市场平衡。

使用 MACD 和布林带进行方向性交易

欢迎阅读我们“策略实验”系列的首篇文章,在这里我们将发布关于实盘机器人策略的假设、代码和绩效分析。

我们很高兴重返 Hummingbot 博客,带来一个令人兴奋的实验:使用开源的 Hummingbot 平台开发一个加密货币交易机器人。该机器人在币安期货交易所采用基于指标的方向性策略,利用 MACD 和布林带来进行交易。

使用我们的Hummingbot 推荐码注册币安期货账户,即可享受10%手续费返利

介绍策略实验

作为策略实验系列的首篇文章,我们的目标是建立一个协作环境,让用户能够与社区分享他们的策略见解,促进量化交易者之间的成长与知识交流。

我们邀请每个人贡献自己的策略实验,无论结果如何,每一次经历都蕴含宝贵的学习价值。通过分享见解和探讨新概念,我们希望培育一个充满活力的生态系统,持续改进和完善交易策略。

以下是我们的首次实验详细记录。您可以观看配套视频或阅读以下文字说明。

Hummingbot V1 策略编码入门指南

cover

作者:Ben Smeaton

你好!我断断续续使用 Hummingbot 大约一年了,想分享一下如何真正开始定义自己的策略。我最初接触做市是因为对 Python 编程的业余兴趣,当时我正在尝试自动买卖股票,但结果非常不成功。

Hummingbot 对编程爱好者非常友好,主要因为其代码库基于 Python,并且完全开源(意味着你可以随意修改代码)。虽然自己拼凑出一个策略并不难,但我自己也是经过大量试错才走过来的!我想尽可能简单地介绍如何实现这一点。

Avellaneda & Stoikov 策略的技术深度解析

cover

在我们之前的博客文章中,我们介绍了新的 avellaneda_market_making 策略。这一次,我们将深入探讨该策略的数学原理。我们旨在解释如何将原始的 Avellaneda-Stoikov 模型适配到加密货币市场,并简化关键参数(即希腊字母)的计算。

本文从数学上论证了使该模型更适用于 Hummingbot 交易者的假设与计算过程。

原始模型与我们提出的扩展

让我们首先回顾一下 Avellaneda-Stoikov 论文 中的核心公式:

Avellaneda & Stoikov 策略指南

cover

欢迎回到 Hummingbot 学院!

最新发布的 Hummingbot(0.38 版本)引入了一种基于经典学术做市模型的全新策略。本文将深入探讨 2008 年 Avellaneda & Stoikov 的论文及其在 Hummingbot 中的实现。

对于喜欢深入研读科研论文的读者,原始文献可在线轻松获取,或直接点击此处查看。