Grundläggande om algoritmiska handelsbegrepp och exempel. En algoritm är en specifik uppsättning tydligt definierade instruktioner som syftar till att utföra en uppgift eller process. Algoritmisk handel med automatiserad handel, svart-box-handel eller helt enkelt algo-trading är processen att använda datorer som är programmerade att Följa en definierad uppsättning instruktioner för att göra en handel för att generera vinst med en hastighet och frekvens som är omöjlig för en näringsidkare De definierade reglerna baseras på tidpunkt, pris, kvantitet eller någon matematisk modell förutom vinstmöjligheter för Näringsidkare, algo-trading gör marknaderna mer likvida och gör handel mer systematisk genom att utesluta känslomässiga mänskliga konsekvenser på handelsaktiviteter. Uppta en näringsidkare följer dessa enkla handelsvillkor. Köp 50 aktier i ett lager när dess 50-dagars glidande medel går över 200 - day moving average. Sell aktier på lageret när dess 50-dagars glidande medelvärde går under 200-dagars glidande medelvärde. Med denna uppsättning av två enkla instruktioner är det lätt att skriva Det är ett datorprogram som automatiskt kommer att övervaka aktiekursen och de glidande medelindikatorerna och placera köp - och säljordern när de fastställda villkoren är uppfyllda. Den näringsidkare behöver inte längre hålla koll på livepriser och diagram eller lägga in orderen manuellt Det algoritmiska handelssystemet gör det automatiskt för honom genom att korrekt identifiera handelsmöjligheten. För mer om glidande medelvärden, se Enkla rörliga genomsnittsvärden. Utveckla tendenser. Allmän handel ger följande fördelar. Handlar utförda till bästa möjliga priser. Instant och korrekt Handelsorderplacering därmed höga chanser att genomföras på önskade nivåer. Traderna raderades korrekt och omedelbart för att undvika betydande prisförändringar. Reducerade transaktionskostnader se genomförandebortfallet nedan. Samtidigt automatiserade kontroller på flera marknadsförhållanden. Reducerad risk för manuella fel vid placering av Trades. Backtest algoritmen, baserat på tillgänglig historisk och realtid data. Reduced möjlighet Av misstag av mänskliga handlare baserat på känslomässiga och psykologiska faktorer. Den största delen av dagens algo-trading är HFT-handel med hög frekvens, som försöker kapitalisera att placera ett stort antal order med mycket snabba hastigheter över flera marknader och flera beslutsparametrar, Baserat på förprogrammerade instruktioner För mer om handel med högfrekventa handelar, se Strategier och hemligheter hos HFT-företag med hög frekvens. All-trading används i många former av handels - och investeringsverksamhet, inklusive. Fonder, fonder, försäkringsbolag som köper aktier i stora mängder, men vill inte påverka lagerpriserna med diskreta investeringar i stor volym. Kortfristiga näringsidkare och sälja sidodeltagare gör marknadsmakare spekulanter och arbitragerare gynnas av automatiserad handel, Algo-trading hjälpmedel för att skapa tillräcklig likviditet för säljare på marknaden. Systematiska handlare trend följare par tra Ders hedge funds etc tycker det mycket effektivare att programmera sina handelsregler och låta programmet handla automatiskt. Algorithmic trading ger ett mer systematiskt tillvägagångssätt för aktiv handel än metoder som baseras på en mänsklig näringsidkare s intuition eller instinct. Algorithmic Trading Strategies. Any strategi för Algoritmisk handel kräver en identifierad möjlighet som är lönsam när det gäller förbättrad vinst eller kostnadsminskning. Följande är vanliga handelsstrategier som används i algo-trading. De vanligaste algoritmiska handelsstrategierna följer trenderna i glidande medelvärden kanalavbrott Prisnivårörelser och relaterade tekniska indikatorer Dessa Är de enklaste och enklaste strategierna att genomföra genom algoritmisk handel eftersom dessa strategier inte involverar några förutsägelser eller prisprognoser. Trader initieras baserat på förekomsten av önskvärda trender som är enkla och enkla att genomföra genom algoritmer utan att komma in i komplexiteten hos prediktiv analys Sis Ovannämnda exempel på 50 och 200 dagars glidande medelvärde är en populär trend som följer strategi För mer om trend trading strategier, se Simple Strategies for Capitalizing on Trends. Buying ett dubbelnoterat lager till ett lägre pris på en marknad och samtidigt sälja det på Ett högre pris på en annan marknad erbjuder prisskillnaden som riskfri vinst eller arbitrage Samma operation kan replikeras för aktier jämfört med terminsinstrument, eftersom prisskillnader existerar från tid till annan Genomförande av en algoritm för att identifiera sådana prisskillnader och att beställa Möjliggör lönsamma möjligheter på ett effektivt sätt. Indexfonder har definierat perioder av ombalansering för att få sina innehav i nivå med sina respektive referensindex. Detta skapar lönsamma möjligheter för algoritmiska handlare som utnyttjar förväntad handel som erbjuder 20-80 basispoäng vinst beroende på antal Av aktier i indexfonden, precis före indexfonden ombalansering av sådana affärer Initieras via algoritmiska handelssystem för snabb genomförande och bästa priser. Ett flertal beprövade matematiska modeller, som den delta-neutrala handelsstrategin, som möjliggör handel med kombinationer av alternativ och dess underliggande säkerhet där handeln placeras för att kompensera positiva och negativa delta så Att portföljen delta bibehålls på noll. Mean reversion strategi bygger på idén att de höga och låga priserna på en tillgång är ett temporärt fenomen som återgår till deras medelvärde periodiskt. Identifiera och definiera ett prisklass och implementeringsalgoritm baserat på det tillåter Handeln placeras automatiskt när priset på tillgången bryter in och ut ur sitt definierade område. Volymvägd genomsnittsprisstrategi bryter upp en stor order och släpper dynamiskt bestämda mindre bitar av ordern till marknaden med hjälp av aktiespecifika historiska volymprofiler. Syftet är att Exekvera ordern nära volymvägd genomsnittspris VWAP och därigenom dra fördel av genomsnittspriset. Tid vi Uppskattad genomsnittsprisstrategi bryter upp en stor order och släpper dynamiskt bestämda mindre bitar av ordern till marknaden med jämnt fördelade tidsluckor mellan en start - och sluttid. Syftet är att genomföra ordern nära genomsnittet mellan start - och sluttider För att minimera marknadspåverkan. Innan handelsordern är fullt fylld fortsätter denna algoritm att skicka delbeställningar enligt det definierade deltagandekvoten och enligt volymen på marknaden. Den relaterade stegstrategin skickar order till en användardefinierad procentandel av marknaden Volymer och ökar eller minskar denna delaktighet när aktiekursen når användardefinierade nivåer. Implementeringsbriststrategin syftar till att minimera genomförandekostnaden för en order genom att handla i realtidsmarknaden och därigenom spara på beställningskostnaden och gynna Från möjlighetskostnaden för försenat genomförande Strategin kommer att öka den riktade deltagandesatsen när aktiekursen rör sig Positivt och minska det när aktiekursen går negativt. Det finns några speciella klasser av algoritmer som försöker identifiera händelser på andra sidan. Dessa sniffningsalgoritmer, som till exempel används av en försäljningssida-marknadsförare, har den inbyggda intelligensen att Identifiera existensen av några algoritmer på köpesidan av en stor order. En sådan detektion genom algoritmer kommer att hjälpa marknadsmakaren att identifiera stora ordermöjligheter och göra det möjligt för honom att dra nytta av att fylla orderna till ett högre pris. Detta identifieras ibland som högteknologiska front - Köra För mer om högfrekvent handel och bedrägliga rutiner, se Om du köper aktier online, är du involverad i HFTs. Technical Requirements for Algorithmic Trading. Genomförandet av algoritmen med ett datorprogram är den sista delen, clubbed med backtesting. Utmaningen är att Omvandla den identifierade strategin till en integrerad datoriserad process som har tillgång till ett handelskonto för att placera order. Följande är nödvändiga R programmeringskunskap för att programmera den erforderliga handelsstrategin, anställda programmörer eller färdiga handelsprogramvaror, anslutning och tillgång till handelsplattformar för att placera orderna. Tillgång till marknadsdata feeds som kommer att övervakas av algoritmen för möjligheter att placera order. Förmågan och Infrastruktur för att backtest systemet en gång byggt innan det går live på reala marknader. Tillgänglig historisk data för backtesting, beroende på komplexiteten av regler som implementeras i algoritmen. Här är ett omfattande exempel Royal Dutch Shell RDS är noterat på Amsterdambörsen AEX och London Börsen LSE Låt oss bygga en algoritm för att identifiera arbitrage möjligheter Här är några intressanta observationer. AEX handlar i euro, medan LSE handlar i Sterling Pounds. Därefter till en timmes tidsskillnad öppnar AEX en timme tidigare än LSE, följt av båda börserna Handla samtidigt för de närmaste timmarna och handla sedan endast i LSE under den sista timmen när AEX stänger. Kan vi utforska t Han möjlighet till arbitragehandel på Royal Dutch Shell-börsen som är listad på dessa två marknader i två olika valutor. Ett datorprogram som kan läsa aktuella marknadspriser. Prismatningar från både LSE och AEX. A-valutahastighet för GBP-EUR-växelkurs. Beställa placeringskapacitet som kan styra ordern till rätt utbyte. Backtestningskapacitet på historiska prismatningar. Datorprogrammet bör utföra följande. Redda inkommande prismatning av RDS-lager från båda börserna. Använd de tillgängliga valutakurserna omräkna Priset av en valuta till andra. Om det finns en tillräckligt stor prissammanhang som diskonterar mäklarkostnaderna som leder till ett lönsamt tillfälle, placerar du köpordern på lägre prissättning och säljer order på högre prissättning. Om orderna exekveras som önskat, Arbitrage vinsten kommer att följa. Simple och Easy Men övningen av algoritmisk handel är inte så enkelt att upprätthålla och genomföra Kom ihåg, om du kan placera en algo-g Enerated trade, så kan andra marknadsaktörer Följaktligen fluktuerar priserna i milli - och till och med mikrosekunder I ovanstående exempel, vad händer om din köphandel blir verkställd, men sälja handel gör det inte när försäljningspriserna ändras när din order träffar Marknaden Du kommer att sluta sitta med ett öppet läge vilket gör din arbitrage strategi värdelös. Det finns ytterligare risker och utmaningar till exempel systemfel risker, nätverksanslutningsfel, tidslag mellan handelsorder och utförande, och viktigast av allt, ofullkomliga Algoritmer Den mer komplexa algoritmen, desto strängare backtesting behövs innan den tas i funktion. Kvantitativ analys av en algoritms prestanda spelar en viktig roll och bör granskas kritiskt. Det är spännande att gå för automatisering som stöds av datorer med en uppfattning om att Tjäna pengar utan problem Men man måste se till att systemet är noggrant testat och att gränser ställs in. Analytiska handlare bör överväga att lära sig Ming och byggsystem på egen hand, för att vara övertygade om att implementera rätt strategier på idioterligt sätt. Försiktig användning och grundlig testning av algo-trading kan skapa lönsamma möjligheter. Det maximala beloppet av pengar som USA kan låna. Skuldtaket skapades under Second Liberty Bond Act. Räntan vid vilken ett förvaringsinstitut lånar medel som förvaras i Federal Reserve till ett annat förvaringsinstitut.1 En statistisk åtgärd av spridning av avkastning för en viss säkerhet eller marknadsindex Volatilitet kan antingen mätas. Amerikanska kongressen gick i 1933 som Banking Act, som förbjöd kommersiella banker att delta i investeringen. Nonfarm lön hänvisar till något jobb utanför gårdar, privata hushåll och nonprofit sektorn US Bureau of Labor. The valuta förkortning eller valutasymbol för Indiens rupi INR, indiens valuta Rupén består av 1.Top 5 Essential Beginner Books för Algorithmic Trad Ing. Algoritmisk handel uppfattas vanligtvis som ett komplext område för nybörjare att ta tag i. Den täcker ett brett spektrum av discipliner, med vissa aspekter som kräver en betydande grad av matematisk och statistisk mognad. Därför kan det vara extremt off-putting för de oinitierade In Verkligheten är de övergripande koncepten lätt att förstå, medan detaljerna kan läras på ett iterativt och löpande sätt. Skönheten i algoritmisk handel är att det inte finns något behov av att testa den kunskapen om verklig kapital, eftersom många mäklare ger en mycket realistisk marknad Simulatorer Även om det finns vissa tillvägagångssätt i samband med sådana system, ger de en miljö för att skapa en djup förståelse med absolut ingen kapitalrisk. En vanlig fråga som jag får från QuantStart-läsare är hur jag börjar i kvantitativ handel jag har Redan skrivit en nybörjar s guide till kvantitativ handel men en artikel kan inte hoppas att täcka mångfalden i ämnet Således har jag Bestämde sig för att rekommendera mina favorithandelskvantitetshandelsböcker i den här artikeln. Den första uppgiften är att få en gedigen översikt över ämnet som jag har funnit det vara mycket lättare att undvika tunga matematiska diskussioner tills grunderna är täckta och förstådda De bästa böckerna jag Har funnit för detta ändamål är följande.1 Kvantitativ handel av Ernest Chan - Detta är en av mina favoritfinansieringsböcker Dr Chan ger en bra översikt över processen med att inrätta ett kvantitativt handelssystem för detaljhandel med MatLab eller Excel. Han gör ämnet Högt tillgänglig och ger intrycket att någon kan göra det Även om det finns många detaljer som hoppas över huvudsakligen för korthet, är boken en bra introduktion till hur algoritmisk handel fungerar. Han diskuterar alfa-generationen handelsmodellen, riskhantering, automatiserade exekveringssystem Och vissa strategier speciellt momentum och genomsnittlig reversion Den här boken är platsen att börja.2 Inne i Black Box av Rishi K Narang - I den här boken Dr Narang förklarar i detalj hur en professionell kvantitativ hedgefond verkar. Den är upptagen hos en kunnig investerare som överväger att investera i en sådan svart låda. Trots den verkliga irrelevansen hos en detaljhandlare, innehåller boken faktiskt en mängd information om hur en Rätt kvanthandel system bör genomföras. Exempelvis är betydelsen av transaktionskostnader och riskhantering skisserade med idéer om var man ska leta efter ytterligare information. Många detaljhandelshandlare kan göra det bra att ta upp det här och se hur de professionella utför sina Trading.3 Algorithmic Trading DMA av Barry Johnson - Frasen algoritmisk handel, i finansbranschen, brukar referera till de genomförandealgoritmer som används av banker och mäklare för att utföra effektiva affärer. Jag använder termen för att täcka inte bara de aspekterna av handel utan också Även kvantitativ eller systematisk handel Denna bok handlar huvudsakligen om den förra, som skrivs av Barry Johnson, som är en kvantitativ mjukvaruutvecklare Hos en investeringsbank Betydar detta att det inte är till nytta för detaljhandelskvantiteten Inte alls Innehåller en djupare förståelse för hur utbytet fungerar och marknadsmikrostruktur kan hjälpa orimligt lönsamheten hos detaljhandelsstrategier Trots att det är en tung tome är det värt att plocka upp . När de grundläggande begreppen förstås är det nödvändigt att börja utveckla en handelsstrategi. Detta kallas vanligtvis som alfa-modellkomponenten i ett handelssystem. Strategier är enkla att hitta idag, men det verkliga värdet kommer att bestämma dina egna handelsparametrar via Omfattande forskning och backtesting Följande böcker diskuterar vissa typer av handels - och exekveringssystem och hur man går vidare för att implementera dem.4 Algoritmisk handel av Ernest Chan - Det här är den andra boken av Dr Chan I den första boken slog han ur fart, betyder återvändande och Vissa högfrekventa strategier Den här boken diskuterar sådana strategier djupt och ger betydande detaljer om genomförandet, om än med mer mathe Matisk komplexitet än i de första, t. ex. Kalman-filter, Stationarity Cointegration, CADF osv. Strategierna använder återigen en stor användning av MatLab men koden kan lätt ändras till C, Python pandor eller R för dem med programmeringserfarenhet. Det ger också uppdateringar om Det senaste marknadsbeteendet, som den första boken skrevs några år tillbaka. 5 Handel och utbyte av Larry Harris - Denna bok koncentrerar sig på marknadsmikrostruktur som jag personligen anser är ett viktigt område att lära sig om, även i början av kvanthandel Marknadsmikrostruktur är vetenskapen om hur marknadsaktörer interagerar och den dynamik som uppstår i orderboken. Det är nära relaterat till hur utbyten fungerar och vad som faktiskt händer när en handel placeras. Denna bok handlar mindre om handelsstrategier som sådan men mer om saker Att vara medveten om när man utformar exekveringssystem Många experter på kvantfinansieringsutrymmen anser detta som en utmärkt bok och jag rekommenderar det också. I detta skede kommer du som en detaljhandlare att vara på ett bra ställe för att börja undersöka de andra komponenterna i ett handelssystem som exekveringsmekanismen och dess djupa förhållande till transaktionskostnader, samt risk - och portföljhantering, jag kommer att skriva böcker För dessa ämnen i senare artiklar. Bara att komma igång med kvantitativ handel. Hur man identifierar algoritmiska handelsstrategier. I den här artikeln vill jag presentera dig för de metoder som jag själv identifierar lönsamma algoritmiska handelsstrategier. Vårt mål idag är att förstå hur Att hitta, utvärdera och välja sådana system Jag ska förklara hur identifierande strategier handlar lika mycket om personlig preferens som det handlar om strategiprestanda, hur man bestämmer typen och kvantiteten av historiska data för testning, hur man diskutivt utvärderar en handelsstrategi och äntligen hur Att gå vidare mot backtesting-fasen och strategiimplementering. Identifiera dina egna personliga preferenser för handel. För att vara En framgångsrik näringsidkare - antingen diskret eller algoritmiskt - det är nödvändigt att fråga dig själv ärliga frågor. Trading ger dig möjlighet att förlora pengar i en alarmerande takt, så det är nödvändigt att känna dig så mycket som det är nödvändigt för att förstå din valda strategi . Jag skulle säga att det viktigaste övervägandet i handel är att vara medveten om din egen personlighet. Handel och särskilt algoritmisk handel kräver en betydande grad av disciplin, tålamod och emotionell avreglering. Eftersom du låter en algoritm utföra din handel för dig är det Nödvändigt att lösas för att inte störa strategin när den utförs. Det kan vara extremt svårt, särskilt i perioder med förlängd drawdown. Men många strategier som har visat sig vara mycket lönsamma i en backtest kan förstöras genom enkel inblandning. Förstå att Om du vill komma in i algoritmiska handelsvärlden kommer du att bli emotionellt testad och att för att bli framgångsrik , Är det nödvändigt att arbeta genom dessa svårigheter. Nästa övervägning är en gång Har du ett heltidsjobb Arbetar du deltid Arbetar du hemifrån eller har en lång pendling varje dag Dessa frågor hjälper till att bestämma frekvensen av Strategi som du bör söka För dig som är heltidsanställd kanske en strategi för intraday futures kanske inte är lämplig åtminstone tills den är helt automatiserad. Dina tidsbegränsningar kommer också att diktera strategins metodik. Om din strategi ofta handlas och är beroende av dyra Nyhetsflöden som en Bloomberg-terminal måste du tydligt vara realistiska om din förmåga att framgångsrikt driva det här på kontoret För dig med mycket tid eller kompetens för att automatisera din strategi, kanske du vill undersöka en Mer teknisk högfrekvenshandel HFT-strategi. Min tro är att det är nödvändigt att genomföra kontinuerlig forskning i dina handelsstrategier för att behålla en konsekvent lönsam portfölj Få steg Gies stanna under radar för evigt Därför kommer en betydande del av den tid som allokeras till handel att vara i genomförande av pågående forskning Fråga dig själv om du är beredd att göra detta, eftersom det kan vara skillnaden mellan stark lönsamhet eller en långsam nedgång till förluster. Du Måste också överväga ditt handelskapital Det allmänt accepterade idealbeloppet för en kvantitativ strategi är 50 000 USD cirka 35 000 för oss i Storbritannien Om jag började igen skulle jag börja med en större mängd, förmodligen närmare 100 000 USD cirka 70 000 Detta beror på att Transaktionskostnader kan vara extremt dyra för mellan - och högfrekventa strategier och det är nödvändigt att ha tillräckligt med kapital för att absorbera dem i uttagstider. Om du funderar på att börja med mindre än 10 000 USD måste du begränsa dig till lågfrekvensen Strategier, handel med en eller två tillgångar, eftersom transaktionskostnaderna snabbt kommer att äta i din avkastning Interactive Brokers, som är en av vännen Befria mäklare till dem med programmeringsförmåga på grund av API: n, har ett kundkonto på minst 10 000 USD. Programmeringsfärdighet är en viktig faktor för att skapa en automatiserad algoritmisk handelsstrategi. Att vara kunnig i ett programmeringsspråk som C, Java, C, Python Eller R kommer att göra det möjligt för dig att skapa end-to-end datalagring, backtestmotor och exekveringssystem själv Det här har ett antal fördelar, vars chef är möjligheten att vara helt medveten om alla aspekter av handelsinfrastrukturen. Det gör det också möjligt för dig Att utforska de högre frekvensstrategierna eftersom du kommer att ha full kontroll över din teknikstack. Medan det här betyder att du kan testa din egen programvara och eliminera buggar, betyder det också mer tid att spendera kodning av infrastruktur och mindre på implementeringsstrategier, åtminstone i Tidigare del av din karriär för algohandel Du kanske tycker att du är bekväm handel i Excel eller MATLAB och kan outsourca utvecklingen av andra komponenter Jag skulle inte rekommendera detta Dock speciellt för de som handlar med hög frekvens. Du måste fråga dig själv vad du hoppas uppnå genom algoritmisk handel. Är du intresserad av en regelbunden inkomst, varigenom du hoppas kunna dra in intäkter från ditt handelskonto. Eller är du intresserad av en långsiktig Långsiktiga realisationsvinst och har råd att handla utan att behöva drawdown fonder Inkomstberoende kommer att diktera frekvensen av din strategi Fler regelbundna inkomstoptagningar kommer att kräva en högre frekvens handelsstrategi med mindre volatilitet dvs högre Sharpe-förhållande Långsiktiga näringsidkare har råd med en mer lugn Handelsfrekvens. Slutligen bli inte lurad av tanken att bli extremt rik på kort tid. Algo trading är inte ett snabbt riksschema - om någonting kan det bli ett snabbt fattigt system. Det tar stor disciplin , Forskning, flit och tålamod att lyckas med algoritmisk handel Det kan ta flera månader, om inte år, att skapa konsekvent lönsamhet. Sourcing Algoritmiska Trading Ideas. Despi Te gemensamma uppfattningar tvärtom är det faktiskt ganska enkelt att hitta lönsamma handelsstrategier i det offentliga området Aldrig har handelsidéer varit mer tillgängliga än de är idag Akademiska finansblad, förtrycksservrar, handelsbloggar, handelsforum, veckohandel Tidskrifter och specialtexter ger tusentals handelsstrategier för att basera dina idéer på. Vårt mål som kvantitativa handelsforskare är att upprätta en strategipipeline som ger oss en ström av pågående handelsideer. Vi vill helst skapa ett metodiskt tillvägagångssätt för sourcing , Utvärdera och genomföra strategier som vi stöter på. Syftet med rörledningen är att skapa en konsekvent mängd nya idéer och att ge oss en ram för att avvisa majoriteten av dessa idéer med det minsta emotionella övervägandet. Vi måste vara mycket försiktiga inte Att låta kognitiva förspänningar påverka vår beslutsfattande metodik. Det kan vara så enkelt att ha en Preferensen för en tillgångsklass över ett annat guld och andra ädla metaller kommer i åtanke eftersom de uppfattas som mer exotiska. Vårt mål bör alltid vara att hitta konsekvent lönsamma strategier med positiv förväntan. Valet av tillgångsklass bör baseras på andra överväganden, till exempel Handelskapitalbegränsningar, mäklaravgifter och hävstångsförmåga. Om du är helt okunnig med begreppet handelsstrategi är det första stället att titta på med etablerade läroböcker. Klassiska texter ger ett brett utbud av enklare och mer enkla idéer för att bekanta dig själv Med kvantitativ handel Här är ett urval som jag rekommenderar för dem som är nya för kvantitativ handel, som gradvis blir mer sofistikerade när du arbetar genom listan. För en längre lista över kvantitativa handelsböcker, besök QuantStart-läsningslistan. Nästa plats Att hitta mer sofistikerade strategier är med handelsforum och handelsbloggar Men en notering av cau Tion Många handelsbloggar bygger på begreppet teknisk analys Teknisk analys innebär att man använder grundläggande indikatorer och beteendepsykologi för att bestämma trender eller reverseringsmönster i tillgångspriser. Trots att det är extremt populärt i det totala handelsutrymmet, anses teknisk analys vara något ineffektiv i den kvantitativa finansieringen Gemenskapen Några har föreslagit att det inte är bättre att läsa ett horoskop eller studera teblad med avseende på dess prediktiva kraft. I verkligheten finns det framgångsrika individer som använder sig av teknisk analys. Men som quants med en mer sofistikerad matematisk och statistisk verktygslåda till vårt förfogande, Vi kan enkelt utvärdera effektiviteten av sådana TA-baserade strategier och göra databaserade beslut i stället för att basera oss på känslomässiga överväganden eller förutryckningar. Här är en lista över väl respekterade algoritmiska handelsbloggar och forum. När du har haft lite erfarenhet vid utvärdering Enklare strategier, det är dags att titta på mer sofistiska Inskränkta akademiska erbjudanden Vissa akademiska tidskrifter kommer vara svåra att få tillgång till, utan höga abonnemang eller engångskostnader. Om du är medlem eller alumni på ett universitet bör du kunna få tillgång till några av dessa finansiella tidskrifter. Annars kan du titta på Förtrycksservrar som är internetförvar av sena utkast till akademiska papper som genomgår peer review Eftersom vi bara är intresserade av strategier som vi framgångsrikt kan replikera, backtest och få lönsamhet för, är en peer review mindre viktig för oss. Nackdelen med akademiska strategier är att de ofta också kan vara föråldrade, kräva dolda och dyra historiska data, handla i illikvida tillgångsklasser eller inte medföra avgifter, släppa eller sprida. Det kan också vara oklart huruvida handelsstrategin ska bäras Ut med marknadsordningar, gränsvärden eller om det innehåller stoppförluster mm Således är det absolut nödvändigt att replikera strategin själv så mycket du kan, backtest det en D lägg till i realistiska transaktionskostnader som innehåller så många aspekter av de tillgångsklasser som du vill handla in. Här är en lista över de mer populära förtrycksservrarna och finansiella tidskrifter som du kan ge idéer från. Vad sägs om att skapa din egen kvantitativa Strategier Detta kräver i allmänhet men är inte begränsat till expertis inom en eller flera av följande kategorier. Marknadsmikrostruktur - För högre frekvensstrategier kan man särskilt utnyttja marknadsmikrostruktur, dvs förståelse av orderbokens dynamik för att skapa lönsamhet. Olika marknader Kommer att ha olika tekniska begränsningar, regler, marknadsaktörer och begränsningar som alla är öppna för exploatering via specifika strategier. Detta är ett mycket sofistikerat område och detaljhandlare kommer att få svårt att vara konkurrenskraftiga i detta utrymme, särskilt i tävlingen ingår stora, Kapitaliserade kvantitativa hedgefonder med starka tekniska möjligheter. Fondstruktur - Sammanslagna investeringar Fondfonder, privata investeringspartnerskap hedgefonder, råvaruhandledare och fonder begränsas både av kraftig reglering och deras stora kapitalreserver. Således kan vissa konsekventa beteenden utnyttjas hos dem som är mer fina. Till exempel är stora medel Utsatt för kapacitetsbegränsningar på grund av deras storlek Således om de behöver snabbt avlasta sälja en mängd värdepapper måste de staggera det för att undvika att flytta marknaden. Sofistikerade algoritmer kan dra fördel av detta och andra idiosynkraser i en allmän process Känd som arbitrage för fonden struktur. Maskininlärning algoritmer har blivit mer utbredd de senaste åren på finansmarknaderna Klassificatorer som Naive-Bayes, et al. Icke-linjära funktionskompatörer neurala nätverk och optimeringsrutiner genetiska algoritmer har alla varit vana vid Förutsäga tillgångsbanor eller optimera handelsstrategier Om du har en bakgrund i detta a Rea du kan ha viss inblick i hur särskilda algoritmer kan tillämpas på vissa marknader. Det finns naturligtvis många andra områden för quants att undersöka. Vi kommer att diskutera hur man kommer fram med anpassade strategier i detalj i en senare artikel. Genom att fortsätta Övervaka dessa källor varje vecka, eller till och med dagligen, baserar du dig på att få en konsekvent lista över strategier från ett brett spektrum av källor. Nästa steg är att bestämma hur man avvisar en stor delmängd av dessa strategier för att minimera slöseri Din tid och backtesting resurser på strategier som sannolikt är olönsam. Evaluering Trading Strategies. The första och förmodligen mest uppenbara övervägande är om du faktiskt förstår strategin Vill du kunna förklara strategin kortfattat eller behöver det en rad försiktighetsåtgärder Och oändliga parametern listor Dessutom har strategin en bra, solid grund i verkligheten Kan du till exempel peka på vissa beteendeförhållanden eller fondstrukturer Ture begränsning som kan orsaka det mönster som du försöker utnyttja Skulle denna begränsning hålla sig till en regimförändring, till exempel en dramatisk miljöförstöring Är strategin beroende av komplexa statistiska eller matematiska regler Gäller det för någon ekonomisk tidsserie eller Är det specifikt för tillgångsklassen att det hävdas att det är lönsamt? Du borde ständigt tänka på dessa faktorer när du utvärderar nya handelsmetoder, annars kan du slösa bort en betydande tid som försöker backtest och optimera olönsamma strategier. När du har bestämt Att du förstår de grundläggande principerna i strategin du behöver bestämma om den passar din ovannämnda personlighetsprofil Detta är inte så vett en övervägande som det låter Strategierna kommer att skilja sig väsentligt i deras prestandaegenskaper Det finns vissa personlighetstyper som kan hantera mer betydande perioder Av drawdown, eller är villiga att acceptera större risk för större Återvända Trots att vi som quants försöker eliminera så mycket kognitiv bias som möjligt och borde kunna utvärdera en strategi passivt, kommer biases alltid att krypa in. Således behöver vi ett konsekvent, unemotionellt sätt genom vilket man bedömer prestandan i strategier Här är listan över kriterier som jag bedömer en potentiell ny strategi genom. Metodologi - Är strategisk momentum baserad, medelåtervändande, marknadsneutral, riktad? Använder strategin sig på sofistikerade eller komplexa statistiska eller maskininlärningstekniker som är svåra att förstå Och kräver en doktorand i statistik att förstå Gör dessa tekniker introducera en betydande mängd parametrar som kan leda till optimeringsförskjutning. Om strategin sannolikt kommer att motstå en reglerversion, dvs potentiell ny reglering av finansmarknaderna. Sharpe Ratio - Sharpe-förhållandet karaktäriserar heuristiskt Belöning risk ratio av strategin Det kvantifierar hur mycket avkastning du kan uppnå för volatiliteten nivå uthärdat av th E-kurva Naturligtvis måste vi bestämma vilken period och frekvens som dessa avkastningar och volatilitet, dvs standardavvikelsen mäts över. En högre frekvensstrategi kräver en större samplingsfrekvens av standardavvikelsen, men en kortare total mätperiod, t. ex. - Behöver strategin betydande hävstångseffekt för att vara lönsam? Tror strategin att användningen av levererade derivatkontrakt futures, optioner, swappar för att få en avkastning. Dessa leveransavtal kan ha stor volatilitet karakteriseras och kan sålunda enkelt leda till marginalsamtal. Du har handelskapitalet och temperamentet för en sådan volatilitet. Frequency - Strategins frekvens är nära kopplad till din teknikstack och därmed teknisk expertis, Sharpe-förhållandet och övergripande nivå av transaktionskostnader. Alla andra frågor som beaktas kräver högre frekvensstrategier mer Kapital, är mer sofistikerade och svårare att genomföra Men assu Ming din backtesting motor är sofistikerad och bugfri, de kommer ofta att ha mycket högre Sharpe-förhållanden. Volatilitet är starkt relaterad till strategins risk Sharpe-förhållandet karaktäriserar denna högre volatilitet av de underliggande tillgångsklasserna, om de inte är kopplade, leder ofta Till högre volatilitet i aktiekurvan och därmed mindre Sharpe-förhållanden antar jag naturligtvis att den positiva volatiliteten är ungefär lika med den negativa volatiliteten Vissa strategier kan ha större volatilitet i nackdelen. Du måste vara medveten om dessa attribut. Vinförlust, genomsnittlig vinstförlust Strategierna skiljer sig åt i deras vinstförluster och genomsnittliga vinstförlustegenskaper Man kan ha en väldigt lönsam strategi, även om antalet förlorade affärer överstiger antalet vinnande affärer Momentumstrategier tenderar att ha detta mönster eftersom de är beroende av ett litet antal stora Träffar för att vara lönsamma Mean-reversion strategier tenderar att ha motsatta profiler där mer av branschen är vinnare, men De förlorande affärer kan vara ganska allvarliga. Maximal Drawdown - Den maximala drawdownen är den största övergripande topp-till-droppprocentnedgången på strategiska aktiekurvan. Momentum-strategier är kända för att drabbas av perioder av förlängda drawdowns på grund av en sträng av många Inkrementella förlorande affärer Många handlare kommer att ge upp i perioder med förlängd drawdown även om historisk testning har föreslagit att det här är affärer som vanligt för strategin. Du måste bestämma vilken procentandel av drawdownen och över vilken tidsperiod du kan acceptera innan du slutar handla din Strategi Detta är ett mycket personligt beslut och måste därför övervägas noggrant. Kapacitet Likviditet - I detaljhandeln, om du inte handlar i ett starkt illikvide instrument som ett småkapitalbolag, behöver du inte oroa sig mycket för strategisk kapacitet Kapacitet Bestämmer strategins skalbarhet för ytterligare kapital Många av de större hedgefonderna lider av betydande kapacitetsproblem som deras strateg Det är en ökning av kapitaltilldelningen. Parametrar - Vissa strategier, särskilt de som finns i maskininlärningsgruppen, kräver en stor mängd parametrar. Varje extra parameter som en strategi kräver gör den mer sårbar mot optimeringspartiklar, även känd som kurvmontering. Du bör försöka rikta in strategier Med så få parametrar som möjligt eller se till att du har tillräckliga mängder data för att testa dina strategier. Benchmark - Nästan alla strategier, om de inte karaktäriseras som absolut avkastning, mäts mot vissa prestationsindex. Referensindex är vanligtvis ett index som karakteriserar ett stort urval Av den underliggande tillgångsklassen som strategin handlar om Om strategin handlar med stora aktiepapper i USA, skulle S P500 vara ett naturligt referensvärde för att mäta din strategi mot. Du kommer att höra termerna alfa och beta, tillämpade på strategier av denna typ Vi Kommer att diskutera dessa koefficienter i djupet i senare artiklar. Notice som vi inte har diskuterat actua Jag returnerar strategin Varför är det här Isolerat ger avkastningen oss faktiskt begränsad information om strategins effektivitet De ger inte dig insikt i hävstångseffekt, volatilitet, riktmärken eller kapitalkrav. Således bedöms strategier sällan på deras avkastning Ensam Ta alltid hänsyn till riskattributen för en strategi innan du tittar på avkastningen. I det här skedet kommer många av de strategier som hittas från din pipeline att bli avvisade, eftersom de inte uppfyller dina kapitalkrav, hävstångseffekter, maximal avdragstolerans eller volatilitet Preferenser De strategier som finns kvar kan nu övervägas för backtesting. Men innan det är möjligt måste man överväga ett slutligt avslagskriterium - det med tillgängliga historiska data som ska testa dessa strategier. Innehåller historiska data. Idag är bredden av De tekniska kraven över tillgångsklasser för historiskt datalagring är väsentliga För att kunna vara konkurrenskraftig, bo De köpande fonderna och försäljningsinvesteringsbankerna investerar kraftigt i sin tekniska infrastruktur. Det är absolut nödvändigt att överväga dess betydelse. Vi är särskilt intresserade av tidlighet, noggrannhet och lagringskrav. Jag ska nu redogöra för grunderna för att erhålla historisk data och hur Att lagra det Tyvärr är det här ett mycket djupt och tekniskt ämne, så jag vann inte att kunna säga allt i den här artikeln Men jag kommer att skriva mycket mer om detta i framtiden, eftersom min tidigare branschupplevelse i finansbranschen var främst Oroat för förvärv av finansiella data, lagring och access. In den föregående sektionen hade vi upprättat en strategiprocess som gjorde att vi kunde avvisa vissa strategier utifrån våra egna personliga avslagskriterier. I det här avsnittet kommer vi att filtrera fler strategier utifrån våra egna preferenser för att erhålla Historiska data Huvudhänsynen särskilt på detaljhandelsnivå är kostnaderna för data, lagringskraven och din nivå av t Teknisk kompetens Vi måste också diskutera olika typer av tillgängliga data och de olika överväganden som varje typ av data kommer att införa på oss. Låt oss börja med att diskutera vilka typer av data som finns och de viktigaste frågorna vi behöver tänka på. Grundläggande data - Detta inkluderar data om makroekonomiska trender, såsom räntesatser, inflationstal, utdelningar av företagsaktioner, lageruppdelningar, SEC-arkiv, företagsredovisning, resultattal, grödorapporter, meteorologiska data etc. Dessa data används ofta för att värdera företag eller andra tillgångar På grundval av en del av förväntade framtida kassaflöden Det ingår inte aktiekursserier Vissa grundläggande uppgifter är fritt tillgängliga från offentliga webbplatser. Andra långsiktiga historiska grundläggande data kan vara extremt dyra. Lagringskraven är ofta inte särskilt stora, såvida inte Tusentals företag studeras på en gång. Ny data - Nyhetsdata är ofta kvalitativa. Den består av artiklar, bloggar Inlägg, mikrobloginlägg tweets och redaktionella Maskininlärningstekniker som klassificeringar används ofta för att tolka känslor Dessa data är också ofta fritt tillgängliga eller billiga via abonnemang på mediautbud. De nyare databaserna för lagringsdatabaser för NoSQL är utformade för att lagra denna typ av ostrukturerad, kvalitativ Data. Asset Price Data - Detta är den traditionella datadomänen för kvanten. Det består av tidsserier av tillgångspriser. Aktier, obligationer, obligationer, råvaror och valutakurser ligger alla i denna klass. Dagliga historiska data är ofta enkla att erhålla för De enklare tillgångsklasserna, till exempel aktier När en noggrannhet och renhet ingår och statistiska förskjutningar tas bort kan uppgifterna bli dyra. Dessutom har tidsseriedata ofta betydande lagringskrav, speciellt när intradagdata beaktas. Finansiella instrument - Aktier, obligationer , Futures och de mer exotiska derivatalternativen har väldigt olika Egenskaper och parametrar Således finns det ingen storlek som passar alla databasstrukturer som kan rymma dem. Väsentlig omsorg måste ges till utformning och implementering av databasstrukturer för olika finansiella instrument. Vi kommer att diskutera situationen i längd när vi kommer att bygga en värdepappers huvuddatabas I framtida artiklar. Frekvens - Ju högre frekvensen av data, ju högre kostnader och lagringskrav. För lågfrekventa strategier är dagliga data ofta tillräckliga. För högfrekventa strategier kan det vara nödvändigt att få fältnivådata och till och med historiska Kopior av särskild handelsutbyte orderbok Data Genomförandet av en lagringsmotor för denna typ av data är mycket tekniskt intensiv och lämpar sig bara för dem med en stark programmeringsteknik. Bakgrund - De strategier som beskrivs ovan kommer ofta att jämföras med ett riktmärke. Detta brukar manifestera sig Som en extra finansiell tidsserie För aktier är det ofta en natio Nal stock benchmark, såsom S P500 index USA eller FTSE100 Storbritannien För en räntebärande fond är det bra att jämföra med en korg med obligationer eller ränteprodukter. Den riskfria räntan dvs. lämplig ränta är också ett annat allmänt accepterat riktmärke All Tillgångsklasskategorier har ett favoriserat riktmärke, så det kommer att bli nödvändigt att undersöka detta baserat på din specifika strategi om du vill intressera dig för din strategi externt. Teknik - Teknikstakarna bakom ett finansiellt datalagringscenter är komplexa Denna artikel kan endast scratch the surface about what is involved in building one However, it does centre around a database engine, such as a Relational Database Management System RDBMS , such as MySQL, SQL Server, Oracle or a Document Storage Engine ie NoSQL This is accessed via business logic application code that queries the database and provides access to external tools, such as MATLAB, R or Excel Often this business logic is written in C , C , Java or Python Yo u will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner. As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data You may find it is necessary to reject a strategy based solely on historical data considerations This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely Do not underestimate the difficulties of creating a robust data centre for your backtesting purposes. I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation Tools like TradeStation possess this capability However, my personal view is to implement as much as possible internally and avoid outsourcing parts of the stack to software vendors I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical. Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine This will be the subject of other articles, as it is an equally large area of discussion. Just Getting Started with Quantitative Trading.
No comments:
Post a Comment