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. En undersökning som gjorts av Förenta staternas presidium för arbetsstatistik för att mäta lediga platser. Samlar in uppgifter från arbetsgivare. Det maximala beloppet av pengar som Förenta staterna kan låna. Skuldtaket skapades enligt Second Liberty Bond Act. Räntan vid vilken ett förvaltningsinstitut lånar medel som förvaras i Federal Reserve till ett annat förvaringsinstitut. 1 En statistisk Mått på spridning av avkastning för ett visst värdepapper eller marknadsindex Volatilitet kan antingen mätas. En akt som amerikanska kongressen antog 1933 som banklagen, som förbjöd kommersiella banker att delta i investeringen. Nonfarm lön hänvisar till vilket jobb som helst utanför Gårdar, privata hushåll och icke-vinstdrivande sektorn Den amerikanska presidiet för arbetskraft. Algoritmiska handelsstrategier med MATLAB-examen Ples. Det traditionella paradigmet att tillämpa olinjära maskininlärningstekniker på algoritmiska handelsstrategier har vanligtvis massiva data snooping bias Å andra sidan har linjära tekniker inspirerad och begränsad av djup domänkunskap visat sig vara värdefulla. Denna presentation beskriver tillämpningen av Kalman-filtret, en praktiskt linjär teknik, på två olika sätt till algoritmisk trading. Product Focus. Välj ditt land. Hur identifierar du algoritmiska handelsstrategier. I den här artikeln vill jag presentera dig för de metoder som jag själv identifierar lönsam algoritmisk handel Strategier Vårt mål idag är att i detalj förstå hur man hittar, utvärderar och väljer 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 man går vidare mot backt Esting fas och strategi implementation. Identifying dina egna personliga preferenser för Trading. In order att vara en framgångsrik näringsidkare - antingen diskret eller algoritmiskt - är det nödvändigt att fråga dig själv några 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. Handels - och algoritmisk handel i synnerhet kräver en väsentlig grad av disciplin, Tålamod och känslomässig frigöring Eftersom du låter en algoritm utföra din handel för dig, är det nödvändigt att bli löst för att inte störa strategin när den utförs. Detta 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 av enkel inblandning. Förstå att om du wi För att komma in i algoritmiska handelns värld kommer du att bli känslomässigt testad och att för att lyckas är det nödvändigt att arbeta genom dessa svårigheter. Nästa övervägning är en gång Har du ett heltidsjobb Arbetar du deltid Do? Du jobbar hemifrån eller har en lång pendling varje dag. Dessa frågor kommer att hjälpa dig att bestämma frekvensen av strategin som du ska söka. För dig som är heltidsanställd, kanske en intradag-futuresstrategi kanske inte är lämplig åtminstone tills den är helt automatiserad Din Tidsbegränsningar kommer också att diktera strategins metodik. Om din strategi ofta handlas och beroende av dyra nyhetsflöden som en Bloomberg-terminal måste du tydligt vara realistisk om din förmåga att framgångsrikt driva det här på kontoret. För er av dig med Mycket tid eller kompetens för att automatisera din strategi, kanske du vill titta på en mer teknisk högfrekvenshandel HFT-strategi. Min tro är att det är nödvändigt att bära Ut kontinuerlig forskning i dina handelsstrategier för att upprätthålla en konsekvent lönsam portfölj Få strategier förblir under radaren för evigt Därför kommer en betydande del av tiden för handel att vara i genomförande av pågående forskning Fråga dig själv om du är beredd att göra detta, som det kan Var skillnaden mellan stark lönsamhet eller en långsam nedgång i förluster. Du måste också överväga ditt handelskapital Det allmänt accepterade ideala lägsta beloppet 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 ca 70 000 Detta beror på att transaktionskostnader kan vara extremt dyra för mellan - och högfrekvensstrategier och det är nödvändigt att ha tillräcklig kapital för att absorbera dem i utdragstiderna Om du funderar på att börja med mindre Än 10 000 USD då behöver du begränsa dig till lågfrekventa strategier, handel med ett eller två a Ssets, eftersom transaktionskostnaderna snabbt kommer att äta i dina avkastningar. Interaktiva Mäklare, som är en av de vänligaste mäklarna till de som har programmeringsförmåga, har på grund av sitt API ett detaljhandelskonto på minst 10 000 USD. Programmeringsförmåga är en viktig faktor för att skapa en Automatiserad algoritmisk handelsstrategi Att vara kunnig i ett programmeringsspråk som C, Java, C, Python eller R gör det möjligt för dig att skapa end-to-end datalagring, backtestmotor och exekveringssystem själv. Detta har ett antal fördelar, chef för Vilket är möjligheten att vara helt medveten om alla aspekter av handelsinfrastrukturen. Det låter dig också 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, Det betyder också mer tid att koda upp infrastruktur och mindre på implementeringsstrategier, åtminstone i den tidigare delen av din karriär för algohandel. Du kanske tycker att du är komfortabl E handel i Excel eller MATLAB och kan outsourca utvecklingen av andra komponenter, skulle jag inte rekommendera det här, särskilt för dem som handlar med hög frekvens. Du måste fråga dig själv vad du hoppas uppnå genom algoritmisk handel. Är du intresserad av regelbunden inkomst, Varigenom du hoppas att räkna intäkter från ditt handelskonto eller är du intresserad av en långsiktig realisationsvinst och har råd att handla utan att behöva räkna pengar. Inkomstberoende kommer att diktera frekvensen av din strategi. Mer regelbundna inkomstavdrag kräver en högre Frekvenshandelstrategi med mindre volatilitet dvs högre Sharpe-förhållande Långsiktiga näringsidkare har råd med en mer lugn handelsfrekvens. Slutligen bli inte lurad av tanken på att bli extremt rik på kort tid. Algo trading är inte en get-rich - Snabb ordning - om någonting kan det bli ett snabbt fattigt system Det krävs stor disciplin, forskning, flit och tålamod för att lyckas med algoritmisk handel jag T kan ta månader, om inte år, för att skapa konsekvent lönsamhet. Söka Algoritmiska Trading Ideas. Trots gemensamma uppfattningar tvärtom är det faktiskt ganska enkelt att hitta lönsamma handelsstrategier i det offentliga området. Aldrig har handelsideer varit mer tillgängliga än de Är idag akademiska finans tidskrifter, pre-print servrar, handelsbloggar, handelsforum, veckohandel tidningar och specialtexter ger tusentals handelsstrategier att basera dina idéer på. Vårt mål som kvantitativa handelsforskare är att upprätta en strategiprocess som kommer att Ge oss en ström av pågående handelsideer Ideellt vill vi skapa ett metodiskt tillvägagångssätt för inköp, utvärdering och genomförande av strategier som vi stöter på. Syftet med rörledningen är att skapa en konsekvent mängd nya idéer och att ge oss en ram för Avvisar majoriteten av dessa idéer med det minsta emotionella övervägandet. Vi måste vara extremt bil Eful att inte låta kognitiva förspänningar påverka vår beslutsfattande metodik Det kan vara så enkelt att ha en preferens för en tillgångsklass över ett annat guld och andra ädla metaller kommer i åtanke eftersom de uppfattas som mer exotiska. Vårt mål borde alltid vara att hitta konsekvent lönsamma Strategier med positiv förväntning Valet av tillgångsklass bör baseras på andra överväganden, såsom handelskapitalbegränsningar, mäklaravgifter och hävstångsförmåga. Om du är helt obekant med begreppet handelsstrategi är det första stället att titta på med etablerad Läroböcker Klassiska texter ger ett brett utbud av enklare och mer enkla idéer, för att bekanta sig 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. Ne Xt plats för att hitta mer sofistikerade strategier är med handelsforum och handelsbloggar Men en försiktighetsåtgärd Många handelsbloggar bygger på begreppet teknisk analys Teknisk analys innebär att man använder grundläggande indikatorer och beteendesspecykologi för att bestämma trender eller omvändningsmönster i tillgångspriser. Att vara extremt populär i det övergripande handelsutrymmet anses teknisk analys vara något ineffektiv i det kvantitativa finanssamhället. Några har föreslagit att det inte är bättre att läsa ett horoskop eller studera teblad i termer av dess prediktiva kraft. I verkligheten finns det framgångsrika individer som använder sig av Av teknisk analys Men som quants med en mer sofistikerad matematisk och statistisk verktygslåda till vårt förfogande kan vi enkelt utvärdera effektiviteten av sådana TA-baserade strategier och göra databaserade beslut snarare än basen på känslomässiga överväganden eller förutfattningar. Här är en Lista över väl respekterade algoritmiska handelsbloggar och för När du har haft erfarenhet av att utvärdera enklare strategier är det dags att titta på de mer sofistikerade akademiska erbjudandenen. Vissa akademiska tidskrifter kommer vara svåra att få tillgång till, utan höga abonnemang eller engångskostnader. Om du är medlem eller alumn av en Universitetet 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 uppsatser som genomgår peer review Eftersom vi bara är intresserade av strategier som vi kan Framgångsrikt replikera, backtest och få lönsamhet för en peer review är av mindre betydelse för oss. Den stora nackdelen med akademiska strategier är att de ofta antingen kan vara föråldrade, kräva obskyra och dyra historiska data, handla i illikvida tillgångsklasser eller göra Inte faktor i avgifter, släpp eller spridning Det kan också vara oklart huruvida handelsstrategin ska genomföras med marknadsorder, begränsningsorder eller om det innehåller stopp Förluster etc. Således är det absolut nödvändigt att replikera strategin själv så gott du kan, backtest det och lägga 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 pre - printservrar och finansiella tidskrifter som du kan skapa idéer från. Vad sägs om att skapa egna 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 i synnerhet 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 Tycker det är svårt att vara konkurrenskraftigt i detta utrymme, särskilt som tävlingen innehåller stor, w Ell-kapitaliserade kvantitativa hedgefonder med starka tekniska möjligheter. Fondstruktur - Samlade investeringsfonder, såsom pensionsfonder, privata investeringspartnerskap hedgefonder, råvaruhandelsrådgivare och fonder begränsas både av kraftreglering och deras stora kapitalreserver. Således är vissa konsekventa beteenden Kan utnyttjas hos dem som är mer fina. Till exempel är stora fonder utsatta för kapacitetsbegränsningar på grund av deras storlek. Om de behöver snabbt avlasta sälja en mängd värdepapper, måste de staggeras för att undvika att flytta marknaden. Algoritmer kan dra nytta av detta och andra idiosynkraser, i en generell process som kallas fonden strukturarbitrage. Maskininlärning artificiell intelligens - Maskininlärningsalgoritmer har blivit mer utbrett de senaste åren på finansmarknaderna Klassificatorer som Naive Bayes, et al. Lineära funktion matchers neurala nätverk och optimeringsrutiner genetisk algorit Ms har alla använts för att förutsäga tillgångsbanor eller optimera handelsstrategier. Om du har en bakgrund i detta område kan du ha viss inblick i hur särskilda algoritmer kan tillämpas på vissa marknader. Det finns ju många andra områden för quants att undersöka Vi kommer att diskutera hur man kommer fram med anpassade strategier i detalj i en senare artikel. Om du fortsätter att övervaka dessa källor varje vecka eller till och med dagligen, ställer du dig in för 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 med din tid och backtesting resurser på strategier som sannolikt kommer att vara olönsam. Evalerande handelsstrategier. Det första och förmodligen mest uppenbara övervägande är om du faktiskt Förstå strategin Skulle du kunna förklara strategin kortfattat eller behöver den en rad försiktighetsåtgärder och oändliga parameterlistor Dessutom gör strategin Ha en bra och solid grund i verkligheten Kan du till exempel peka på någon beteendemässig motivering eller fondstrukturbegränsning som kan orsaka det mönster som du försöker utnyttja Skulle denna begränsning hålla fast vid en regimskifte, till exempel en dramatisk lagstiftning Störning Ställer strategin på komplexa statistiska eller matematiska regler Gäller det för eventuella finansiella tidsserier eller är det specifikt för tillgångsklassen att det hävdas vara lönsamt? Du bör ständigt tänka på dessa faktorer när du utvärderar nya handelsmetoder annars Du kan slösa bort en betydande tid som försöker backtest och optimera olönsamma strategier. När du har bestämt dig för att du förstår de grundläggande principerna i strategin måste du bestämma om det passar din ovannämnda personlighetsprofil. Det är inte så vett en övervägande som den Ljud Strategier kommer att skilja sig väsentligt i deras prestanda egenskaper Det finns vissa personliga Y-typer som kan hantera mer signifikanta perioder av uppdelning eller är villiga att acceptera större risk för större avkastning Trots att vi som kvanta försöker eliminera så mycket kognitiv bias som möjligt och borde kunna utvärdera en strategi på ett olämpligt sätt, Kommer alltid att krypa in Således behöver vi ett konsekvent, unemotional sätt genom vilket att bedöma strategins resultat Här är listan över kriterier som jag bedömer en potentiell ny strategi genom. Metodologi - Är strategin momentum baserad, medelåtervänd, marknadsneutral , Riktning Är strategin beroende av sofistikerade eller komplexa statistiska eller maskininlärningstekniker som är svåra att förstå och kräver en doktorand i statistik Att förstå dessa tekniker en betydande mängd parametrar, vilket kan leda till optimeringsförskjutning Är strategin troligt att klara sig En regim förändras, dvs potentiell ny reglering av finansmarknaderna. Sharpe Ratio - Sharpe-förhållandet karaktäriserar heuristiskt belöningsrisken Förhållandet mellan strategin Det kvantifierar hur mycket avkastning du kan uppnå för volatiliteten som hålls ut av aktiekurvan. Naturligtvis måste vi bestämma den period och frekvens som dessa avkastningar och volatilitet, dvs standardavvikelsen mäts över. En högre frekvensstrategi kommer att kräva större Samplingsfrekvens för standardavvikelse, men en kortare övergripande mätperiod, till exempel. Behöver - Behöver strategin betydande hävstång för att kunna vara lönsam. Behöver strategin användningen av levererade derivatkontrakt terminer, optioner, swappar för att göra En retur Dessa leveransavtal kan ha stor volatilitet karaktäriserar och kan sålunda lätt leda till marginalsamtal. Har du handelskapitalet och temperamentet för sådan volatilitet. Frekvens - Strategins frekvens är nära kopplad till din teknikstack och därmed teknisk expertis, Sharpe-förhållandet och den övergripande nivån på transaktionskostnaderna Alla andra frågor som beaktas, Högre frekvensstrategier kräver mer kapital, är mer sofistikerade och svårare att implementera Men, förutsatt att din backtesting-motor är sofistikerad och bugfri, kommer de ofta att ha mycket högre Sharpe-förhållanden. Volatilitet är starkt relaterad till risken för strategin Sharpe Förhållandet karaktäriserar denna högre volatilitet hos de underliggande tillgångsklasserna, om de inte följer, leder ofta till högre volatilitet i aktiekurvan och därmed mindre Sharpe-förhållanden. Jag antar självklart att den positiva volatiliteten är ungefär lika med den negativa volatiliteten. Vissa strategier kan ha större nackdel Volatilitet Du måste vara medveten om dessa attribut. Vinförlust, genomsnittlig vinstförlust - Strategier skiljer sig åt i vinstförlusten och genomsnittliga vinstförlustegenskaper Man kan ha en mycket lönsam strategi, även om antalet förlustaffärer överstiger antalet vinnande affärer Momentumstrategier tenderar att ha detta mönster eftersom de är beroende av ett litet antal stora träffar för att kunna vara p Lönsamma Mean-reversion strategier tenderar att ha motsatta profiler där mer av branschen är vinnare, men de förlorande branscherna kan vara ganska allvarliga. Maximal Drawdown - Den maximala drawdownen är den största totala topp-till-droppprocentnedgången på egenkapitalkurvan för Strategi Momentumstrategier är väl kända för att drabbas av perioder av förlängda drawdowns på grund av en rad många inkrementella förlorande affärer. Många handlare kommer att ge upp i perioder med förlängd drawdown, även om historisk testning har föreslagit att detta är affärer som vanligt för strategin. Du behöver För att bestämma vilken procentandel av utbetalningen 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 - På detaljnivå, om du inte handlar i ett starkt illikvikt instrument Som en litenkapitalandel behöver du inte mycket om dig själv med strategisk kapacitet. Kapaciteten bestämmer strategins skalbarhet Y till ytterligare kapital Många av de större hedgefonderna lider av stora kapacitetsproblem, eftersom deras strategier ökar i kapitaltilldelningen. Parametrar - Vissa strategier, särskilt de som finns i maskininlärningsgruppen, kräver en stor mängd parametrar Varje extra parameter som en strategi kräver lämnar den Mer sårbar för optimeringsförspänning, även känd som kurvmontering Du borde försöka rikta in strategier med så få parametrar som möjligt eller se till att du har tillräckliga mängder data för att testa dina strategier. Bänkmark - Nästan alla strategier om 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 alpha och beta, tillämpas på strategier för detta Typ Vi kommer att diskutera dessa koefficienter i djupet i senare artiklar. Notera att vi inte har diskuterat strategins faktiska avkastning Varför är det här isolerat? Avkastningen ger oss faktiskt begränsad information om strategins effektivitet De ger dig inte En inblick i hävstångseffekt, volatilitet, riktmärken eller kapitalkrav. Däremot bedöms strategier sällan på deras avkastning ensamma. Alltid överväga riskstrategierna för en strategi innan man tittar på avkastningen. I detta skede kommer många av de strategier som hittas från din pipeline att avvisas Hand eftersom de inte uppfyller dina kapitalkrav, hävstångseffekter, maximal avdragstolerans eller volatilitetspreferenser. De strategier som finns kvar kan nu betraktas som backtesting. Men innan det är möjligt måste man överväga ett slutligt avslagskriterium Tillgänglig historisk data för att testa dessa strategier. Innehållande historiska data. Nuförtiden, bredden av den tekniska r Equirements över tillgångsklasser för historisk datalagring är väsentlig För att kunna vara konkurrenskraftig investerar både köpsidan och investeringsbankerna starkt i sin tekniska infrastruktur. Det är viktigt att överväga dess betydelse. Vi är särskilt intresserade av aktualitet, Noggrannhet och lagringskrav Jag kommer nu att redogöra för grunderna för att erhålla historisk data och hur man lagrar den. Tyvärr är det här ett mycket djupt och tekniskt ämne, så jag vann inte att kunna säga allt i den här artikeln. Jag ska dock skriva mycket mer Om detta i framtiden, eftersom min tidigare branschserfarenhet i finansbranschen var främst inriktad på förvärv av finansiella data, lagring och access. In den föregående sektionen hade vi satt upp en strategiprocess som gjorde att vi kunde avvisa vissa strategier utifrån vårt eget personliga avslag Kriterier I det här avsnittet kommer vi att filtrera fler strategier utifrån våra egna preferenser för att erhålla historiska data. Huvudhänsynen e Speciellt på detaljhandelsnivå är kostnaderna för data, lagringskraven och din tekniska expertis. Vi behöver också diskutera olika typer av tillgängliga data och de olika överväganden som varje typ av data kommer att införa på oss. Vi börjar med att Diskutera vilka typer av data som är tillgängliga och de viktigaste frågorna som vi kommer att behöva tänka på. Grundläggande data - Detta inkluderar data om makroekonomiska trender, såsom räntor, inflationstal, företagsaktioner utdelningar, aktieutdelningar, SEC-arkiv, företagsredovisning, resultat Siffror, växtrapporter, meteorologiska data etc. Dessa data används ofta för att värdera företag eller andra tillgångar på grundval av ett visst medel för förväntade framtida kassaflöden. Det inkluderar inte aktiekursserier Vissa grundläggande data är fritt tillgängliga från offentliga webbplatser. Övriga Långsiktiga historiska grundläggande data kan vara extremt dyra Lagringskraven är ofta inte särskilt stora, såvida inte tusentals kompanier S studeras genast. Nyheter Data - Nyhetsdata är ofta kvalitativa Det består av artiklar, blogginlägg, mikrobloginlägg tweets och redaktionella Maskininlärningstekniker som klassificerare används ofta för att tolka känslan Dessa data är också ofta fritt tillgängliga eller Billigt, via abonnemang på mediaaffärer De nyare NoSQL-dokumentlagringsdatabaserna är utformade för att lagra denna typ av ostrukturerad, kvalitativ data. Aset Prisdata - Det här är den traditionella datadomänen för kvantet. Det består av tidsserier av tillgångspriser. Aktier, fasta Inkomstprodukter obligationer, råvaror och valutakurser ligger alla inom denna klass. Dagliga historiska data är ofta enkla att få för enklare tillgångsklasser, t. ex. aktier. När noggrannhet och renlighet ingår och statistiska förskjutningar tas bort kan uppgifterna bli dyra. Dessutom har tidsseriedata ofta betydande lagringskrav, speciellt när intradagdata är övervägda D. Finansiella instrument - Aktier, obligationer, terminer och de mer exotiska derivatalternativen har väldigt olika egenskaper och parametrar Således finns det ingen storlek som passar alla databastrukturer som kan rymma dem. Väsentlig omsorg måste ges till utformningen och genomförandet av databasstrukturer för Olika finansiella instrument Vi kommer att diskutera situationen på lång sikt när vi kommer att bygga en värdepappers huvuddatabas i framtida artiklar. Frekvens - Ju högre frekvensen av data, ju större kostnader och lagringskrav. För lågfrekventa strategier är dagliga data ofta Tillräcklig För högfrekventa strategier kan det vara nödvändigt att få fältnivådata och till och med historiska kopior av särskild handelsutbytesorderdata. Genomförandet av en lagringsmotor för denna typ av data är mycket tekniskt intensiv och endast lämplig för personer med stark programmeringsteknik Background. Benchmarks - De strategier som beskrivs ovan kommer ofta att jämföras med en benc Hmark Detta brukar manifesteras som en extra finansiell tidsserie För aktier är detta ofta ett nationellt aktieindex, såsom S P500 indexet US eller FTSE100 UK För en räntebärande fond är det bra att jämföra med en korg med obligationer eller fasta Inkomstprodukter Den riskfria räntan dvs. lämplig ränta är också ett annat allmänt accepterat riktmärke. Alla tillgångsklasskategorier har ett favoriserat riktmärke, så det kommer att vara nödvändigt att undersöka detta baserat på din specifika strategi om du vill intressera dig för din strategi externt. Technology - Teknikstakarna bakom ett finansiellt datalagringscenter är komplexa. Denna artikel kan bara skrapa ytan om vad som är inblandat i att bygga en. Det ligger emellertid kring en databasmotor, som ett Relational Database Management System RDBMS, som MySQL , SQL Server, Oracle eller en Document Storage Engine, dvs NoSQL. Detta nås via Business Logic Application Code som frågar databasen och ger åtkomst t O externa verktyg, till exempel MATLAB, R eller Excel. Denna affärslogik är ofta skrivet i C, C, Java eller Python. Du måste också vara värd för dessa data någonstans, antingen på din egen dator eller på distans via internetservrar. Amazon Web Services har gjort det enklare och billigare de senaste åren men det kommer fortfarande att kräva en betydande teknisk expertis för att uppnå på ett robust sätt. Som kan ses, när en strategi har identifierats via rörledningen kommer det att vara nödvändigt att utvärdera tillgängligheten , Kostnader, komplexitet och implementeringsdetaljer för en viss uppsättning historiska data Det kan hända att du måste avvisa en strategi baserad uteslutande på historiska dataöverväganden. Det här är ett stort område och lag av doktorer arbetar i stora fonder vilket gör att prissättningen är korrekt och i rätt tid Underskattar inte svårigheterna att skapa ett robust datacenter för dina backtesting ändamål. Jag vill dock säga att många backtesting-plattformar kan ge dessa data för dig autom Atically - till en kostnad Således kommer det att ta mycket av implementeringsproblemet bort från dig och du kan koncentrera dig rent på implementering och optimering Verktyg som TradeStation har denna förmåga Men min personliga uppfattning är att implementera så mycket som möjligt internt och undvika outsourcing Delar av stacken till mjukvaruförsäljare Jag föredrar högre frekvensstrategier på grund av deras mer attraktiva Sharpe-förhållanden, men de är ofta tätt kopplade till teknikstacken, där avancerad optimering är kritisk. Nu när vi har diskuterat problemen kring historiska data är det dags Att börja implementera våra strategier i en backtesting motor Detta kommer att bli föremål för andra artiklar, eftersom det är ett lika stort diskussionsområde. Bara att komma igång med kvantitativ handel.
No comments:
Post a Comment