在 2025T-EDGE 全球对话的闭门圆桌中，五位掌管巨额资金的一线实战者，为后“1011 黑天鹅”时代的数字资产管理确立了清晰法则。
文章作者：李婧滢
文章来源：巴伦 Barron's
12 月 20 日，在 2025T-EDGE 全球对话中，围绕着“数字资产的管理与交易策略”主题，主持人 Shigeru 与五位来自资管机构、交易平台及策略实践一线的嘉宾展开深度探讨。会议聚焦链上与中心化交易策略演进、AI 工具应用、流动性波动下的风控调整及量化团队筛选标准三大核心议题，嘉宾们结合自身丰富的行业实践与市场洞察，分享了极具参考价值的观点与经验。
五位会议嘉宾分别是：
Jason Huang：JZL Capital 资产管理负责人，公司 2018 年成立，核心业务为大类资产分散配置与量化套利服务，当前正推进数字资产置换计划，拓展传统合规券商业务以优化交易布局。
王坚波：2017 年切入数字资产领域，深耕中低频量化策略，聚焦多维度有效信息整合，通过统计模型实现最优决策，核心方向是打造稳健型家族基金产品。
Charles：香港中环 B7 Capital 相关负责人，机构专注数字资产量化策略 FOF 投资，首期规模 1 亿美金，覆盖多类策略，已尽调上百家量化团队，对市场流动性与极端行情应对有深刻认知。
Wonder Xu：拥有头部交易平台机构业务及一级、二级量化投资经历，2024 年加大 CTA 策略覆盖，具备丰富的机构合作与市场波动应对经验。
Spencer Fan：2008 年进入金融行业，拥有传统金融背景，2015 年成立量化私募，2017 年切入数字资产领域，后转型中频量化策略研发，推出短线 CTA 组合策略工具，未来计划依托区块链技术服务终端用户。
链上策略因安全与效率退潮，中心化交易所 + 券商成机构配置主流
主持人 Shigeru：最近一年，链上策略和中心化交易所策略各自有哪些新发展？在实际资产配置或交易中，应该如何权衡链上与中心化交易所的策略组合？大模型驱动的 AI 交易工具在真实交易中是否好用？是噱头还是有效的辅助交易工具？
Jason Huang：早期曾参与链上投机与流动性相关业务，但因智能合约风险认知、去中心化钱包管理效率等问题，目前已逐步退出链上资金配置，将重心全面转向中心化交易平台。
作为核心交易场景，聚焦中高频策略，交易收益占比 60%-70%，同时为分散风险，正逐步将部分资金转移至传统合规券商，形成“中心化交易平台 + 合规券商”的双场景布局，借助券商合规资质与丰富产品拓宽配置边界。
AI 工具仅作为辅助手段，用于提供交易信号参考、协助代码编写，且所有 AI 生成的代码上线前必须经过人工逐条核对，确保逻辑严谨，未参与核心交易决策。
王坚波：链上与中心化交易二者属于不同生态体系，功能定位与激励导向存在显著区别。链上交易更多聚焦合规需求与生态运营相关方向，交易价值相对有限，仅高频套利可能存在少量机会；中心化交易平台凭借成熟机制、丰富产品与高效资金管理功能，仍是大规模资金配置的核心选择。
中低频策略下，传统统计模型已能满足需求，复杂技术工具并非必需，过度依赖可能增加模型复杂性与不确定性。AI 工具的价值主要体现在辅助代码编写、基本面分析中的文本处理等场景，核心仍依赖维度筛选与数据结构化能力，高频策略中其应用空间相对更大。
Charles：对链上策略参与保持谨慎态度，核心顾虑集中在安全风险与底层资产穿透难度，参与需以对私钥管理、智能合约逻辑的深入理解为前提，仅关注头部去中心化交易平台的合规套利机会，避免涉足复杂嵌套的相关产品。
AI 工具已在量化领域实现多场景渗透，包括因子挖掘、信号生成、文本数据处理等，但部分模型存在“黑盒问题”，当策略出现业绩波动时，难以精准归因问题根源，给风险控制与策略优化带来挑战。
Wonder Xu：链上策略的分层特征是资金量较小、策略灵活的高频自营团队，可在链上市场挖掘部分套利机会，但对于资金规模较大的资管机构而言，链上交易存在安全性不足、工具便利性欠缺、资金容量有限等约束，收益表现受市场流动性影响显著。
套利策略与 AI 工具关联度较低，传统算法已能满足需求；高频与 CTA 策略中，AI 工具可在数据处理、因子挖掘等环节提升效率，但外部工具对成熟团队赋能有限，更适合开发能力较弱的中小团队，当前阶段难以成为核心竞争力。
Spencer Fan：链上现货交易因管理痛点，未来仍将是小众市场，但链上合约交易具备一定发展潜力，部分新兴平台在用户体验上已接近中心化交易平台，且合规限制更为宽松，适合全球化布局需求；此外，部分预测市场也存在数据驱动型的投资机会。
组合保证金、多资产保证金、杠杆限制完善等功能迭代，提升了资金使用效率与交易安全性，体现了平台风控体系的日趋成熟。当前核心价值在于提升开发效率，而非替代人工决策，其生成的相关策略或代码需人工修正才能使用，无法独立完成完善的量化策略。但长期来看，在小众化自动化交易需求领域仍具备一定发展空间。
当流动性消失，“活得长”比“赚得快”更重要
主持人 Shigeru：面对 1011 黑天鹅后市场流动性不充沛的现状，各位在策略产品的风控机制上，针对流动性问题做了哪些实质性调整？相较于之前，在仓位设置、回撤容忍度、止损逻辑等方面是否有变化？
JasonHuang：建立币种评级体系是基于市值排名、日均交易量、持仓量、上线时长等核心指标，对交易标的进行评级，设置差异化开仓上限，从源头控制高风险标的敞口。
每小时推送持仓标的的自动减仓排名及相关保障基金余额变化，针对宏观数据发布等波动节点，采取境内外同事 24 小时倒班制，结合多重监控手段，确保市场剧烈波动时能够第一时间响应。针对市场波动中暴露的流程漏洞，完善程序平仓逻辑与敞口监控机制，明确仓位再平衡要求，避免单一标的过度暴露。
王坚波：核心风控策略是聚焦主流标的交易，这类标的市场深度与流动性更有保障，能够有效降低交易执行风险，主动收缩小众标的交易敞口。
市场趋势较弱、流动性不足时，提高交易信号筛选标准，仅选择确定性更强的交易机会，大幅降低交易频率，通过“稳健优先”原则规避潜在风险。依托因子驱动的策略选择，在一定程度上对冲流动性不足的影响，确保策略在不同市场环境下的相对稳健。
Charles：将风控融入策略与团队筛选环节，全面核查底层策略的风控细节，要求团队提供明确的风险应对方案，对缺乏完整市场周期经历的团队保持谨慎态度。
在资产、策略、标的等多个维度实施分散配置，避免过度集中，通过不同资产与策略的低相关性，对冲市场高波动性与流动性不足带来的风险。策略管理者的风控意识与执行能力是风控体系的核心，同样的策略在不同管理者手中，风险表现可能存在显著差异，因此将其作为团队筛选的重要评估指标。
Wonder Xu：市场波动让团队深刻认识到小众标的的流动性风险，当前已大幅收缩小众标的敞口，将交易重心集中于流动性更有保障的核心资产，平衡风险与收益。
建立动态调整机制，在市场情绪狂热、投机氛围浓厚的阶段，主动降低整体仓位规模与杠杆率，避免因市场回调与流动性突然收缩导致的被动风险。在合作过程中密切关注团队的风控执行情况，对不配合风控要求的合作方，即使短期收益表现优异，也会果断终止合作，避免长期风险。
Spencer Fan：根据市场格局变化，通过客观数据模型调整不同因子的权重分配，减少主观判断带来的干扰，确保策略在不同市场环境下保持相对稳健的表现。
重点增加市场中性的做市策略与事件驱动型策略配置，这类策略与市场整体流动性关联度较低，能够有效对冲收益波动，提升组合的抗周期能力。在应对极端行情与保证常态收益之间寻找平衡点，根据自身风险容忍度设定合理的波动阈值，通过因子优化、策略多元化等方式提升极端行情应对能力。
没有经历过完整牛熊的团队，已不在头部资方的名单上
主持人 Shigeru：各位嘉宾如何看待当前量化及交易策略团队的赛道发展现状（团队数量增长但机构化水平不足的背景下）？作为资管机构或交易平台，在筛选和评价量化及交易策略团队时，核心看重哪些标准或指标？
Jason Huang：当前，赛道现状是部分传统套利策略竞争日趋激烈，资方对这类策略的兴趣有所下降，更倾向于选择能够降低管理成本的合作模式；量化团队的收益空间与分润比例面临压力，资方对合作的稳健性要求日益提高，资金向头部优质团队集中的趋势愈发明显。
对于团队的筛选标准为：一是长期波动控制能力，重点关注团队在极端行情中的表现与恢复能力；二是策略迭代优化能力，评估策略更新频率及核心指标变化趋势；三是应急处理与沟通效率，包括极端行情下的响应速度与日常沟通质量；四是差异化竞争优势，关注团队独特的策略逻辑与技术禀赋。
王坚波：技术工具的普及降低了行业入门门槛，但也加剧了分化，部分团队缺乏核心能力，策略同质化严重，难以持续盈利；高频策略生命周期逐渐缩短，中低频策略因依赖更稳定的因子与周期逻辑，表现出更强的可持续性；多资产配置的重要性日益凸显。
对于团队的筛选标准为：一是因子挖掘与整合能力，尤其是对宏观数据、行业基本面等关键信息的理解与应用能力；二是策略与资产的适配性，评估团队是否能根据不同资产特性设计适配策略；三是长期主义导向，优先选择聚焦中低频、多维度、多资产策略的团队；四是职业操守与诚信水平，这是长期合作的基础。
Charles：团队数量快速增长但质量参差不齐，不少新团队缺乏完整市场周期经历，仅在特定市场环境下表现优异，市场风格切换后易出现业绩波动；头部团队凭借完善的策略体系、技术支撑与风险应对经验，市场份额持续提升，行业“马太效应”日益明显；策略的市场适配性成为核心竞争力。
对于团队的筛选标准为：一是核心团队的背景与能力，包括学术基础、行业经验、学习能力与人品；二是团队的风险应对与复盘能力，经历过市场风险事件并能总结优化的团队更值得信任；三是定量与定性结合的评估，既关注核心业绩数据，也重视风控意识、决策机制等软因素；四是策略的透明度与可解释性，避免选择完全无法归因的策略。
Wonder Xu：行业中仍存在部分数据不真实的团队，用模拟数据替代实际交易数据，误导合作方；团队机构化运营能力差异显著，不少团队缺乏完善的风控与合规流程，难以满足机构资方的规模化合作需求；策略多元化成为趋势，具备多策略布局能力的团队更具竞争优势。
对于团队的筛选标准为：一是数据真实性与背景调研，通过多渠道核实团队过往业绩与从业经历；二是小资金测试与渐进式合作，先通过小规模资金测试团队表现，再决定是否扩大合作规模；三是风控体系与执行能力，重点关注波动控制、止损逻辑、仓位管理等措施；四是长期跟踪与动态评估，合作过程中持续关注团队表现，发现潜在风险及时采取措施。
Spencer Fan：全球范围内数字资产配置资金持续增长，为量化团队带来了广阔的市场需求；行业格局呈现区域化分工特征，不同区域团队聚焦本地市场资源与客户；前沿交易技术与策略迭代能力成为核心竞争力，量化大赛等公开场景成为团队展示实力的重要平台。
对于团队的筛选标准为：一是核心量化指标，包括收益能力、波动控制等基础评估维度；二是实战表现与市场适应性，优先选择经历过完整市场周期、在不同市场环境下均能保持稳定表现的团队；三是技术实力与策略壁垒，评估团队的研发能力、代码编写水平与独特策略优势；四是合作适配性，包括沟通效率、合规意识与合作态度等。
总体来看，圆桌会议达成了以下共识：在交易场景与工具应用方面，中心化交易所仍是大资金配置的核心场景，链上交易在合约领域与小众需求场景具备增长潜力，但安全性与流动性问题仍是主要约束；AI 工具当前以辅助功能为主，在代码编写、数据处理、信号参考等环节发挥价值，尚未成熟到替代人工核心决策，未来的发展重点在于提升代码准确性与策略生成能力，量化团队需理性看待其价值，避免过度依赖。
在风控与流动性应对方面，流动性不足与黑天鹅事件将成为市场常态，风控机制的动态调整是生存关键。核心应对策略包括：聚焦高流动性资产，降低小币种敞口；建立多维度的风险监控与预警体系，提升极端行情响应速度；通过策略多元化、资产分散配置等方式对冲风险；在风险容忍度范围内，平衡极端行情应对与常态收益表现，避免走向任何一个极端。
在量化团队发展与筛选方面，行业竞争加剧推动量化团队向机构化、专业化、差异化方向转型，单纯依赖单一策略或跟风技术的团队难以持续发展；团队筛选需采用“定量 + 定性”的综合评估体系，定量指标关注长期收益与风险控制数据，定性指标聚焦团队核心能力、风控意识、合作适配性等软因素，同时需通过小资金测试、长期跟踪等方式，确保合作的安全性与可持续性。
关于 Crypto Quant 2026：是由巴伦中国与 DeAI Expo 联合发起，MetaEra、CGV、Crypto Alpha 联合主办，汇聚金融、媒体、AI 及数字资产生态多方力量的全新品牌，核心目标是用机构级标准打造长期演进的数字资产管理体系。其发起源于当前市场三大趋势——AI 改变决策方式、量化成为主流执行工具、合规决定机构化路径，聚焦 AI、量化与合规制度的协同，构建可持续资产管理能力。
品牌由两大核心板块构成：一是 2026 年 4 月下旬在香港举办的数字资产管理论坛，会前将在中东、美国、亚洲开展闭门分站交流，面向机构投资人，围绕交易结构、AI 策略演化、跨司法辖区合规等议题，回顾市场变化并探讨未来交易范式，核心关注算法流动、制度确权与资本长期协作；二是全球数字资产量化交易大赛，2026 年 1-4 月进行 60 天以上实盘比拼，报名已从 2025 年底启动，参赛队伍需在主流交易平台用真实账户与资金竞技，分综合组和套利组，通过多维度评估筛选稳定、风控能力强的团队，大赛提供统一追踪系统，机构可长期观察筛选合作对象，奖励包括奖金、机构推荐、媒体曝光等长期价值资源。
CQ2026 并非单纯赛事，而是真实市场中的能力筛选平台，旨在连接全球策略团队与资本，邀请关注 AI 量化、希望推动策略机构化的团队及相关投资方参与，共同探索数字资产管理的长期路径。
