Algorytmy handlu wewnątrzgrupowego

Podstawy algorytmicznych koncepcji handlowych i przykładów. Algorytm jest określonym zestawem jasno zdefiniowanych instrukcji służących do realizacji zadania lub procesu. Algorytmem obrotu handlu zautomatyzowanego, handlu kartami czarnymi lub po prostu handlu algorytmicznego jest proces korzystania z komputerów zaprogramowanych do postępuj zgodnie z określonym zbiórem instrukcji dotyczących handlu w celu osiągnięcia zysków z prędkością i częstotliwością, która jest niemożliwa dla handlarza ludzkiego. Określone zestawy reguł opierają się na harmonogramie, cenie, ilości lub modelu matematycznym. handlowiec, handel algorytmem sprawia, że ​​rynki są bardziej płynne i sprawiają, że handel jest bardziej systematyczny, wykluczając emocjonalny wpływ człowieka na działalność handlową. Upewnij się, że przedsiębiorca stosuje te proste kryteria handlowe. Kup 50 udziałów w akcji, gdy jego 50-dniowa średnia ruchoma przekracza 200 średniej ruchomej średniej. Zapisz swoje akcje, gdy średnia 50-dniowa średnia ruchoma spadnie poniżej 200-dniowej średniej ruchomej. Wykorzystując ten zestaw dwóch prostych instrukcji, łatwo jest wr to jest program komputerowy, który automatycznie monitoruje cenę akcji i wskaźniki średnie ruchome i umieszcza zamówienia kupna i sprzedaży, gdy spełnione zostaną określone warunki Kupiec nie musi już oglądać cen i wykresów na żywo, ani też składać zamówień ręcznie Algorytmiczny system obrotu automatycznie to robi dla niego, poprawnie identyfikując szanse handlowe Więcej informacji na temat średnich kroczących można znaleźć w artykule Proste średnie kroczące, aby trendy były widoczne. Algo-trading oferuje następujące korzyści. Regulacje są realizowane po najlepszych cenach. Dokładne i dokładne dane uporządkowanie zamówień handlowych, a tym samym wysokie szanse realizacji na pożądanym poziomie. Szybsze i dokładne ustalenie terminów, aby uniknąć znacznych zmian cen. Zmniejszone koszty transakcji zawierają przykład niedoboru wdrożenia poniżej. Jednoczesne automatyczne sprawdzanie wielu warunków rynkowych. Zmniejszone ryzyko ręcznych błędów w umieszczaniu transakcje. Wybierz algorytm, w oparciu o dostępne dane historyczne i rzeczywiste. Zmniejsz możliwości błędów popełnianych przez handlowców w oparciu o czynniki emocjonalne i psychologiczne. Największym udziałem handlu algo-handlem jest handel wysokonapięciowy HFT, który stara się wykorzystać duże ilości zamówień z dużą szybkością na wielu rynkach i wielu parametrach decyzyjnych, w oparciu o zaprogramowane instrukcje Więcej informacji na temat handlu wysokonapięciowego zawiera strategie i tajemnice firm z branży HFT o wysokiej częstotliwości. Handel jest używany w wielu formach handlowych i inwestycyjnych, w tym w zakresie Mid do inwestorów długoterminowych lub po stronie firmowych fundusze, fundusze inwestycyjne, firmy ubezpieczeniowe, które kupują w dużych ilościach, ale nie chcą wpływać na ceny akcji z dyskretnymi inwestycjami o dużej objętości. Krótkoterminowe podmioty gospodarcze i sprzedający strony uczestnicy rynku spekulantów i arbitrażystów korzystają z zautomatyzowanego handlu, algo-trading pomoc w tworzeniu wystarczającej płynności dla sprzedawców na rynku. Systrybucjoniści handlowcy trend followers pary tra ded funduszy hedgingowych itp. stwierdzić, że znacznie bardziej efektywne jest zaprogramowanie ich zasad handlowych i niech program automatycznie handlu. Algorytm handlu zapewnia bardziej systematyczne podejście do aktywnego handlu niż metody oparte na ludzkiej przedsiębiorcy intuicji lub instynkt. Algorytmiczne strategie handlowe. Każda strategia handel algorytmiczny wymaga zidentyfikowanej szansy, która jest opłacalna pod względem poprawy zarobków lub obniżenia kosztów Poniżej przedstawiono wspólne strategie handlowe stosowane w handlu algorytmem. Najczęstsze algorytmiczne strategie handlowe dotyczą trendów przenoszenia średnich ruchów poziomu cen i powiązanych wskaźników technicznych są najłatwiejsze i najprostsze strategie wdrażania poprzez algorytmiczny handel, ponieważ te strategie nie wymagają przewidywania ani prognoz cenowych Transakcje są inicjowane w oparciu o występowanie pożądanych trendów, które są łatwe i proste do wdrożenia za pomocą algorytmów bez wchodzenia w złożoność analizy predyktywnej sis Powyższy przykład średniej ruchomej 50 i 200 dni jest popularną tendencją po strategii Więcej strategicznych strategii handlowych można znaleźć w artykule Proste strategie wykorzystywania trendów. Kupowanie podwójnego indeksu giełdowego po niższej cenie na jednym rynku, a jednocześnie sprzedaż go na wyższa cena na innym rynku oferuje zróżnicowanie cen jako zysk bez ryzyka lub arbitraż Ta sama operacja może być replikowana w odniesieniu do zapasów w porównaniu z instrumentami terminowymi, ponieważ różnica cen istnieje od czasu do czasu Wdrożenie algorytmu umożliwiającego określenie takich różnic cenowych i składanie zleceń pozwala na efektywne opłacalne inwestycje. Fundusze indeksu mają zdefiniowane okresy ponownego zrównoważenia, aby ich udziały były porównywalne ze swoimi odpowiednikami. Stwarza to opłacalne możliwości dla algorytmicznych przedsiębiorców, którzy wykorzystują spodziewane transakcje, które oferują 20-80 punktów bazowych zyski w zależności od liczby akcji w funduszu indeksowym, tuż przed reorganizacją funduszu indeksującego Takie transakcje są inicjowane za pomocą algorytmicznych systemów handlowych dla terminowej realizacji i najlepszych cen. Wiele udowodnionych modeli matematycznych, takich jak delta-neutralna strategia handlowa, które umożliwiają handel połączeniami i zabezpieczeniami, w których transakcje są umieszczane w celu zrównoważenia pozytywnych i ujemnych delt, że delta portfela utrzymywana jest na poziomie zerowym. Strategia rewersji jest oparta na założeniu, że wysokie i niskie ceny aktywów są zjawiskiem przejściowym, które powracają do wartości średniej, okresowo identyfikując i definiując zakres cen oraz implementując algorytm bazujący na tym, transakcje powinny być umieszczane automatycznie, gdy cena aktywów przechodzi w i poza określony zakres. Średnia strategia cenowa ważona w procentach rozciąga duże zamówienie i uwalnia dynamicznie określone mniejsze kawałki zlecenia na rynek przy użyciu specyficznych historycznych profili wielkościowych zapasów. wykonaj zlecenie zbliżone do VWAP ważonej średniej wielkości wolumenu, a tym samym korzystając ze średniej ceny śruba średnia strategia cenowa powoduje zerwanie dużego zlecenia i uwalnia dynamicznie określone mniejsze kawałki zlecenia na rynek przy użyciu równomiernie rozstawionych szczelin czasowych między rozpoczęciem a końcowym czasem Celem jest zrealizowanie zamówienia blisko średniej ceny między czasem rozpoczęcia i zakończenia , minimalizując tym samym wpływ na rynek. Dopóki zlecenie handlowe nie jest w pełni wypełnione, ten algorytm ciągle wysyła częściowe zlecenia, zgodnie ze zdefiniowanym współczynnikiem partycypacji i według wielkości transakcji na rynkach. Strategia z odpowiednimi etapami wysyła zlecenia w zdefiniowanym przez użytkownika procent rynku wolumenów oraz zwiększa lub obniża ten poziom uczestnictwa, gdy cena akcji osiągnie poziom zdefiniowany przez użytkownika. Strategia niedostateczna realizacja ma na celu minimalizację kosztu realizacji zlecenia poprzez zerwanie z rynkiem w czasie rzeczywistym, a tym samym oszczędność kosztów zamówienia i korzyści od kosztów okazji do opóźnienia realizacji Strategia zwiększy ukierunkowaną stopę uczestnictwa, gdy kurs akcji się zbliży przychylnie i spadku, gdy kurs akcji się niekorzystnie. Istnieje kilka specjalnych klas algorytmów, które próbują zidentyfikować wydarzenia z drugiej strony Te algorytmy wąchania, używane, na przykład przez sprzedawców po stronie sprzedaży mają wbudowaną inteligencję zidentyfikować istnienie dowolnych algorytmów po stronie kupna dużego zamówienia takie wykrycie za pomocą algorytmów pomoże producentowi rynku zidentyfikować duże możliwości zlecenia i umożliwić mu korzystanie poprzez wypełnienie zamówień po wyższej cenie. Jest to czasami określane jako zaawansowane technologie front - bieganie Więcej informacji na temat handlu i fałszywych praktyk o wysokiej częstotliwości można znaleźć w artykule "Kupowanie zapasów online", które są zaangażowane w technologie HFT. Wymagania techniczne dotyczące handlu algorytmicznego. Zastosowanie algorytmu przy użyciu programu komputerowego jest ostatnią częścią, połączoną z testowaniem wstecznym. przekształcić zidentyfikowaną strategię w zintegrowany skomputeryzowany proces, który ma dostęp do konta handlowego do składania zamówień r znajomość programowania w celu zaprogramowania wymaganej strategii handlowej, wynajętych programistów lub wstępnej łączności z oprogramowaniem handlowym i dostępu do platform obrotu do składania zamówień. Dostęp do danych danych rynkowych, które będą monitorowane przez algorytm umożliwiający składanie zamówień. infrastruktura do testowania systemu po jego zbudowaniu, zanim zacznie działać na rzeczywistych rynkach. Dostępne historyczne dane do testowania wstecznego, w zależności od złożoności reguł implementowanych w algorytmie. Oto obszerny przykład Royal Dutch Shell RDS jest notowany na giełdach w Amsterdamie AEX i Londynie Giełda LSE Niech s buduje algorytm w celu zidentyfikowania możliwości arbitrażowych Oto kilka ciekawych obserwacji. AEX handlu w euro, podczas gdy LSE prowadzi działalność w funtach szterlingowych. handlu przez kilka następnych godzin, a następnie tylko w LSE w ostatniej godzinie, gdy AEX się zamyka możliwość handlu arbitrażem na akcjach Royal Dutch Shell, które są wymienione na tych dwóch rynkach w dwóch różnych walutach. Program komputerowy, który potrafi odczytywać aktualne ceny rynkowe. Posiłki z LSE i AEX. A są kursy walutowe dla kursu wymiany GBP-EUR. Możliwość wprowadzania zamówień, które mogą kierować kolejnością do prawidłowej wymiany. Możliwość przeszukiwania po cenach historycznych. Program komputerowy powinien wykonywać następujące czynności: odczytać nadchodzący kanał ceny zasobów RDS z obu tych giełd. Wykorzystanie dostępnych kursów walut obraca cena jednej waluty na inną. Jeśli istnieje wystarczająco duża rozbieżność cen pomniejszająca koszty maklerskie prowadzące do opłacalnej możliwości, a następnie złożyć zlecenie kupna na niższą cenę wymiany i zlecenia sprzedaży na wyższej cenie. Jeśli zamówienia są wykonywane zgodnie z życzeniem, zysk arbitrażu będzie przestrzegać. Proste i łatwe Jednak praktyka handlu algorytmicznego nie jest prosta w utrzymaniu i realizacji Pamiętaj, jeśli możesz umieścić algo-g jak również inni uczestnicy rynku W konsekwencji ceny wahają się w mili lub nawet mikrosekundach W powyższym przykładzie, co się stanie, jeśli twój zakup kupuje się, ale sprzedaż handlu nie robi, gdy ceny sprzedaży zmieniają się o czas, kiedy Twoje zamówienie uderza w rynek Skończysz z otwartą pozycją, która czyni strategię arbitrażową bezwartościowym. Istnieją dodatkowe zagrożenia i wyzwania, na przykład ryzyko awarii systemu, błędy połączeń sieciowych, opóźnienia czasowe między zamówieniami handlowymi a realizacją, a co najważniejsze, niedoskonały algorytmy Im bardziej złożony algorytm, tym bardziej potrzebny jest bardziej rygorystyczny test wsteczny, zanim zostanie oddany do użytku. Która analiza wyników algorytmu odgrywa ważną rolę i powinna zostać zbadana krytycznie To ekscytujące podejście do automatyzacji wspieranej przez komputery z pojęciem zarabiać bez wysiłku Ale trzeba upewnić się, że system jest dokładnie przetestowany i wymagane limity Analitycy handlowi powinni rozważyć program nauczania ming i systemów budowlanych na własną rękę, aby mieć pewność co do wdrożenia odpowiednich strategii w sposób niezawodny. Ostrożne użycie i dokładne testowanie handlu algorytmami może przynieść zyski. Maksymalna kwota, którą Stany Zjednoczone mogą pożyczać, Druga ustawa o obligacjach skarbowych (Liberty Bond Act). Stawka procentowa, w jakiej instytucja depozytowa pożycza środki utrzymywane w Rezerwie Federalnej w innej instytucji depozytowej.1 Statystyczna metoda rozproszenia rentowności dla danego indeksu bezpieczeństwa lub rynku Zmienność może być mierzona. Kongres Stanów Zjednoczonych zdał w 1933 r. Jako ustawę o bankowości, która zabraniała bankom komercyjnym udziału w inwestycji. Płaca płaca nordycka odnosi się do jakiejkolwiek pracy poza gospodarstwami domowymi, prywatnymi domami i sektorem non-profit US Bureau of Labor. Skrót walucie lub symbol waluty dla Rupia indyjska INR, waluta indyjska Rupia składa się z 1.BREAKING DOWN Intraday. This termin jest często używany do r efer do nowych poziomów i niskich poziomów bezpieczeństwa Na przykład nowa wysokość w ciągu dnia oznacza, że ​​bezpieczeństwo osiągnęło wysoki poziom w stosunku do innych cen podczas sesji giełdowej W niektórych przypadkach najwyższy poziom może być równy cenie zamknięcia. zwracając uwagę na ruch cen w ciągu dnia, korzystając z wykresów w czasie rzeczywistym, aby skorzystać z krótkoterminowych wahań cen. Krótkoterminowe podmioty gospodarcze zazwyczaj korzystają z wykresów śródrocznych o długości jednego, pięciu, 15, 30 i 60 minut w handlu wewnątrz dzień Zwykle stosuje się wykresy jedno - i pięciominutowe do skalpowania, a wykresy 30 i 60 minut są wykorzystywane do czasów obrotu w ciągu kilku godzin w ciągu kilku godzin Średnia ważona ważona cena Zleceń VWAP są często wykorzystywane w ciągu dnia do wzrostu wymiany handlowej efektywność wykonania przez podawanie ekspozycji zlecenia do różnych cen w ciągu dnia handlowego. Zalety i wady handlu wewnątrzgodzinnego. Największą zaletą obrotu wewnątrzgodzinnego jest to, że nie ma wpływu na pozycje niekorzystne overnig ht nowości, które mogą potencjalnie wpłynąć na cenę zabezpieczenia Przykłady są najważniejszymi raportami ekonomicznymi i zarobkowymi oraz uaktualnieniami brokerów i obniżkami, które występują zarówno przed otwarciem rynku, jak i po zamknięciu rynku Transakcje terminowe oferują kilka innych kluczowych korzyści które obejmują zdolność do stosowania ścisłych zleceń stop loss, dostęp do zwiększonej dźwigni finansowej oraz zapewnia przedsiębiorcom więcej możliwości uczenia się Wady handlu wewnątrzgrupowego to niewystarczający czas na zwiększenie pozycji w zyskach i rosnące koszty prowizji spowodowane częstymi transakcjami. Intraday Strategie. Istnieją liczne strategie śródroczne, które mogą być wykorzystywane przez handlowców. Strategie te obejmują skalpowanie, które próbuje zarobić liczne zyski na małych cenach, zmienia zakres obrotu, który zasadniczo wykorzystuje poziomy wsparcia i oporu w celu określenia decyzji kupna i sprzedaży oraz handlu opartego na wiadomościach, które zwykle wykorzystuje zwiększoną zmienność wokół wydarzeń, które mogą być krytyczne Możliwe możliwości obrotu w ciągu dnia Strategie handlu wysokimi częstotliwościami wykorzystujące złożone algorytmy wykorzystywania małych nieefektywności rynku wewnętrznego zazwyczaj działają na zasadzie w ciągu dnia. Jak zidentyfikować algorytmiczne strategie obrotu. W tym artykule chcę przedstawić Ci metody, za pomocą których sam identyfikuję opłacalne algorytmiczne strategie handlowe Naszym celem jest szczegółowo zrozumieć, jak znaleźć, ocenić i wybrać takie systemy wyjaśnię, w jaki sposób strategie identyfikacyjne są tak wiele o preferencjach osobistych, jak o wydajności strategii, o sposobie określania typu i ilości danych historycznych do testowania, jak beznamiętnie ocenić strategię handlową i na końcu, jak postępować w kierunku fazy testowania i wdrażania strategii. Określić własne indywidualne preferencje handlowe. Aby być skutecznym przedsiębiorcą - czy to dyskretnie, czy algorytmicznie - musisz zadać sobie pytanie niektóre uczciwe pytania Trading daje Ci możliwość aby stracić pieniądze w niepokojącym tempie, więc trzeba wiedzieć, ile musisz zrozumieć swoją wybraną strategię. Chciałbym powiedzieć, że najważniejszą kwestią w handlu jest świadomość własnej osobowości Trading i handlu algorytmicznego w szczególności , wymagają znacznego stopnia dyscypliny, cierpliwości i emocjonalnego oderwania Ponieważ pozwalasz na algorytm prowadzenia transakcji dla Ciebie, należy rozstrzygnąć, aby nie ingerować w strategię podczas jej wykonywania Może to być bardzo trudne, zwłaszcza w okresach długotrwałego wycofania Jednak wiele strategii, które okazały się wysoce rentowne w testach wstecznych mogą zostać zrujnowane przez proste zakłócenia Zrozum, że jeśli chcesz wejść w świat handlu algorytmicznego, będziesz emocjonalnie testowany, a aby odnieść sukces, jest konieczne, aby przezwyciężyć te trudności. Następna kwestia dotyczy okresu czasu Czy masz pracę na pełnym etacie Czy pracujesz w niepełnym wymiarze Czy pracujesz z w domu lub przez długi czas dojeżdżać codziennie Te pytania pomagają określić częstotliwość strategii, którą należy szukać Dla tych z Państwa, którzy pracują w pełnym wymiarze godzin, strategia kontraktów terminowych w ciągu dnia może być nieodpowiednia przynajmniej do czasu pełnego zautomatyzowania Twoich ograniczeń czasowych również podyktować metodologię strategii Jeśli Twoja strategia jest często sprzedawana i polegać na kosztownych kanałach informacyjnych, takich jak terminal Bloomberg, będzie jasno musiała być realistyczna na temat Twojej zdolności do skutecznego prowadzenia tego podczas pobytu w biurze Dla tych z Was wiele czas lub umiejętności automatyzacji strategii, warto spojrzeć na bardziej techniczną technikę handlu na dużą skalę HFT. Wierzę w to, że konieczne jest przeprowadzanie ciągłych badań nad strategiami handlowymi w celu utrzymania spójnego zysku portfela Kilka strategii pozostańcie pod radarem na zawsze W związku z tym znaczna część czasu przeznaczonego na handel będzie prowadzona w trakcie prowadzonych badań Zadaj sobie pytanie jesteś gotowa to zrobić, ponieważ może to być różnica między wysoką rentownością lub powolnym spadkiem w stosunku do strat. Należy wziąć pod uwagę kapitał obrotowy Ogólnie przyjęta minimalna minimalna kwota dla strategii ilościowej wynosi 50 000 USD w przybliżeniu 35 000 dla nas w Wielka Brytania Jeśli zacznę od nowa, zacznę od większej kwoty, prawdopodobnie blisko 100 000 000 USD w przybliżeniu 70 000 To dlatego, że koszty transakcyjne mogą być bardzo kosztowne w przypadku strategii średnio - i wysokiej częstotliwości i konieczne jest posiadanie wystarczającego kapitału, aby je pochłonąć czasy wypłaty Jeśli rozważasz początek mniej niż 10 000 USD, musisz ograniczyć się do strategii o niskich częstotliwościach, z którymi handluje jeden lub dwa aktywa, ponieważ koszty transakcji szybko zjadą w Twoich zwrotach. Interactive Brokers, który jest jednym z najbardziej przyjaznych brokerów dla osób z umiejętnościami programowania, ze względu na swoje API, ma konto detaliczne minimum 10 000 USD. Programowanie umiejętności jest ważnym czynnikiem w creati ng zautomatyzowanej algorytmicznej strategii handlowej Znajomość języka programowania, takiego jak C, Java, C, Python czy R pozwoli Ci stworzyć kompletny system przechowywania danych, samoczynnie testować silnik i system wykonawczy. Ma wiele zalet, którego główną cechą jest zdolność do pełnej znajomości wszystkich aspektów infrastruktury handlowej. Pozwala również na zbadanie strategii o wyższej częstotliwości, ponieważ będziesz w pełnej kontroli stosu technologii. Oznacza to, że możesz przetestować własne oprogramowanie i wyeliminować błędy, oznacza to również więcej czasu poświęcanego na kodowanie infrastruktury i mniej na wdrażanie strategii, przynajmniej we wcześniejszej części kariery handlowej algo. Może się okazać, że jesteś wygodny w handlu w programie Excel lub MATLAB i może zlecić rozwój innych komponentów, które chciałbym nie polecam tego jednak, szczególnie dla tych transakcji na wysokiej częstotliwości. Musisz zadać sobie pytanie, co masz osiągnąć poprzez algorytmiczny handel Czy jesteś zainteresowany re dochody gularzy, w ramach której chcesz zarobić na swoim koncie handlowym, czy też jesteś zainteresowany (a) długoterminowym zyskiem kapitałowym i może sobie pozwolić na handel bez konieczności zaciągania funduszy. Zależność od dochodów będzie dyktować częstotliwość strategii wymagają wyższej częstotliwości handlu strategią z mniejszą zmiennością iea wyższy wskaźnik Sharpe Długoterminowe podmioty gospodarcze mogą sobie pozwolić na większą sedan handlu częstotliwość. Wreszcie, nie daj się zwieść o pojęcie stają się bardzo zamożni w krótkim czasie czasu handlu Algo nie jest get - szybki schemat - jeśli cokolwiek to może stać się programem ubogim-szybkim Potrzeba znacznej dyscypliny, badań, staranności i cierpliwości, aby odnieść sukces w handlu algorytmicznym Może trwać miesiące, jeśli nie lata, aby generować stałą opłacalność. Sourcing Algorithmic Pomysły handlowe. Pomimo powszechnych postrzeganiu przeciwieństw, jest całkiem proste, aby zlokalizować zyskowne strategie handlowe w domenie publicznej. Nigdy nie handlowałem deas był bardziej dostępny niż są dzisiaj Akademickie czasopisma finansowe, serwery pre-print, blogi handlowe, fora handlowe, tygodniki handlowe i teksty specjalistyczne zapewniają tysiące strategii handlowych, na których opierać się będą Twoje pomysły. Naszym celem jest ilo handlowych naukowców stworzenie rurociągu strategicznego, które dostarczy nam strumienia bieżących pomysłów handlowych. Chcemy stworzyć metodyczne podejście do pozyskiwania, oceny i wdrażania strategii, które napotykamy. Celem rurociągu jest generowanie spójnej ilości nowych pomysłów i aby zapewnić nam ramy odrzucenia większości tych pomysłów z minimalnym uwzględnieniem emocjonalnym. Musimy być bardzo ostrożni, aby nie wpływały na nasze podejście do poznawczych wpływających na metodologię podejmowania decyzji Mogłoby to być tak proste, że preferowanie jednej klasy aktywów nad drugą złoto i inne metale szlachetne przychodzą mi do głowy, ponieważ są postrzegane jako bardziej egzotyczne Naszym celem powinno być zawsze aby znaleźć konsekwentnie zyskowne strategie z pozytywnym oczekiwaniem Wybór klasy aktywów powinien opierać się na innych kwestiach, takich jak ograniczenia kapitału handlowego, opłaty maklerskie i zdolność dźwigni. Jeśli nie jesteś zupełnie nieznany koncepcji strategii handlowej, pierwsze miejsce na wygląd jest z ustalonymi podręcznikami Teksty klasyczne zapewniają szeroki wachlarz prostszych, bardziej prostych pomysłów, dzięki którym zapoznać się z obrotem ilościowym Oto wybór, który polecam dla tych, którzy są nowi w handlu ilościowym, które stopniowo stają się bardziej wyrafinowane podczas pracy za pośrednictwem listy. W przypadku dłuższej listy ilościowych ksiąg handlowych odwiedź listę czytania QuantStart. Następne miejsce, aby znaleźć bardziej wyrafinowane strategie jest z forami handlowymi i blogami handlowymi. Jednakże ostrożność Wiele blogów handlowych opiera się na koncepcji technicznych analiza Analiza techniczna polega na wykorzystaniu podstawowych wskaźników i psychologii behawioralnej do określenia trendy ine lub odwrócenie wzorców w cenach aktywów. Mimo że jest bardzo popularny w ogólnej przestrzeni handlowej, analiza techniczna jest uważana za nieco nieskuteczną w finansowej społeczności finansowej. Niektóre z nich sugerują, że nie lepiej niż czytać horoskop lub studiować liście herbaty pod względem jego moc predykcyjna W rzeczywistości istnieją udane osoby wykorzystujące analizę techniczną Mimo to, jako quants z bardziej wyrafinowaną matematyczną i statystyczną skrzynką narzędziową, możemy łatwo ocenić skuteczność takich strategii opartych na TA i podejmować decyzje oparte na danych, a nie bazę nasze rozważania emocjonalne lub wstępne wyobrażenia. Oto lista dobrze znanych szablonów handlowych i forumów algorytmicznych. Gdy doświadczyliście pewnych doświadczeń w ocenie prostszych strategii, nadszedł czas na zbadanie bardziej złożonych ofert akademickich Niektóre czasopisma naukowe będą trudne bez wysokich subskrypcji lub jednorazowych kosztów Jeśli jesteś członkiem lub absolwentem a uniwersytet powinien mieć możliwość uzyskania dostępu do niektórych z tych czasopism finansowych W przeciwnym razie można spojrzeć na serwery pre-print, które są repozytoriami internetowymi późnych wersji roboczych artykułów akademickich, które są poddawane peer review Ponieważ interesuje nas tylko strategie, które możemy pomyślnie replikować, testować wyniki i uzyskać rentowność, przegląd wzajemny ma dla nas mniej znaczenie. Główne minusy strategii akademickich polegają na tym, że często mogą być nieaktualne, wymagają mrocznych i kosztownych danych historycznych, handlu słabymi klasami aktywów lub a nie czynnik w opłatach, poślizgnięciach lub rozproszeniu Może być również niejasne, czy strategia handlowa ma być realizowana z zamówieniami rynkowymi, ograniczać zlecenia czy też zawiera straty z zatrzymania itp. Dlatego absolutnie konieczne jest powtórzenie strategii najlepiej jak potrafisz, sprawdzaj go i dodaj realistyczne koszty transakcji, które zawierają wiele aspektów klas aktywów, które chcesz sprzedać. Poniżej znajduje się lista popularniejszych materiałów przedrukujących serwerów i czasopism finansowych, które mogą pochodzić z innych pomysłów. Co do tworzenia własnych strategii ilościowych Ogólnie to wymaga, ale nie jest ograniczone do wiedzy specjalistycznej w jednej lub kilku następujących kategoriach. Mikrostruktura rynku - w szczególności w odniesieniu do strategii o wyższej częstotliwości można skorzystać mikrostruktury rynku, tj. zrozumienie dynamiki książki zamówień w celu wygenerowania rentowności RóŜne rynki będą miały róŜne ograniczenia technologiczne, przepisy, uczestnicy rynku i ograniczenia, które są otwarte na eksploatację za pośrednictwem konkretnych strategii Jest to bardzo wyrafinowany obszar, a detaliści detaliczni znajdą to trudne do konkurowania w tej przestrzeni, zwłaszcza że konkurencja obejmuje duże, dobrze kapitalizowane ilościowe fundusze hedgingowe o silnych możliwościach technologicznych. Struktura funduszy - połączone fundusze inwestycyjne, takie jak fundusze emerytalne, prywatne fundusze inwestycyjne, fundusze hedgingowe, doradcy ds. handlu surowcami i fundusze inwestycyjne są ograniczone zarówno przez ciężkie ponowne gulation i ich duże rezerwy kapitałowe W związku z tym niektóre konsekwentne zachowania mogą być wykorzystane z tymi, którzy są bardziej zwinni Na przykład duże fundusze podlegają ograniczeniom pojemności ze względu na ich wielkość W ten sposób, jeśli potrzebują szybko wyładować sprzedaż papierów wartościowych, będą musieli przeskakuj ją w celu uniknięcia poruszania się na rynku Wyrafinowane algorytmy mogą wykorzystać to i inne idiomatyki, w ogólnym procesie określanym jako arbitraż arbitrażu w strukturze funduszy. Nauka uczenia się sztucznej inteligencji - algorytmy uczenia maszyn stały się bardziej rozpowszechnione w ostatnich latach na rynkach finansowych Klasyfikatory takie jak Naive-Bayes, i nielinearne funkcje sieci neuronowych i procedury optymalizacji algorytmy genetyczne zostały wykorzystane do przewidywania ścieżek zasobów lub optymalizacji strategii handlowych Jeśli masz tło w tym obszarze, możesz mieć pewien wgląd w to, jak poszczególne algorytmy mogły mogą być stosowane na niektórych rynkach. Istnieje oczywiście wiele innych obszarów, na które można się zwrócić brama Omówimy szczegółowo opisane w dalszej części artykule. Będziemy kontynuować monitorowanie tych źródeł na podstawie tygodniowych lub nawet codziennie, na których przygotowujesz się do otrzymania spójnej listy strategii z różnych dziedzin źródła Następnym krokiem jest określenie, jak odrzucić duży podgrupę tych strategii w celu zminimalizowania marnowania czasu i testowania zasobów na strategie, które mogą być nieopłacalne. Ocenia strategie handlowe. Po pierwsze, i najbardziej oczywistym czynnikiem jest to, czy właściwie zrozumieć strategię Czy mógłbyś wyjaśnić tę strategię zwięźle lub potrzebować szeregu niedopowiedzeń i niekończących się spisów parametrów Ponadto strategia ma dobrą, solidną podstawę w rzeczywistości Na przykład możesz wskazać na niektóre uzasadnienie zachowań lub Ograniczenie struktury funduszu, które może powodować, że próbujesz wykorzystać ten wzorzec, czy ograniczenie to utrzyma się na zmianie reżimu, na przykład w dramatycznym regulaminie tory zakłóceń w środowisku Czy strategia opiera się na złożonych regułach statystycznych lub matematycznych Czy ma zastosowanie do każdej serii czasowych finansowych lub czy jest specyficzna dla klasy aktywów, o której twierdzono, że jest opłacalna Należy zawsze rozmyślać o tych czynnikach przy ocenie nowych metod handlu , w przeciwnym razie możesz marnować znaczną ilość czasu, próbując testować wstecz i zoptymalizować nierentowne strategie. Po ustaleniu, że zrozumiesz podstawowe zasady strategii, musisz zdecydować, czy pasuje do Twojego profilu osobowości. To nie jest tak mgliste rozważanie ponieważ wydaje się, że strategie różnią się istotnie w ich charakterystyce działania Istnieją pewne rodzaje osobowości, które mogą obsługiwać większe okresy wypłaty lub są skłonne zaakceptować większe ryzyko większego powrotu Pomimo tego, że jako quants staramy się wyeliminować tak wiele procesów poznawczych jak najszerszego nastawienia, i powinna być w stanie ocenić strategię bez oporów, skłonności zawsze będą pełzały W ten sposób potrzebujemy spójnego, pozbawionego emocjonalnych środków, dzięki któremu możemy ocenić skuteczność strategii Oto lista kryteriów, które oceniają potencjalną nową strategię. Metodologia - czy strategia opiera się, średnio zwalnia, neutralne, kierunkowe Czy strategia polega na wyrafinowanych lub złożonych technikach uczenia się komputerów komputerowych, które są trudne do zrozumienia i wymagają zdobycia doktora w dziedzinie statystyki Czy te techniki wprowadzają znaczną liczbę parametrów, co może prowadzić do optymalizacji stron internetowych Czy strategia, odporność na zmianę reżimu, tj. potencjalną nową regulację rynków finansowych. Współczynnik szarości - wskaźnik Sharpe'a heurystycznie charakteryzuje stosunek ryzyka do wynagrodzenia w strategii Określa ilościowo, ile można osiągnąć przychodów z tytułu poziomu zmienności znoszonego przez krzywą kapitału naturalnego Naturalnie musimy Określ okres i częstotliwość, w których te zwroty i zmienność, tj. odchylenie standardowe są mierzone w skali A wyższej strategia zapotrzebowania będzie wymagała większej częstotliwości próbkowania odchylenia standardowego, ale na przykład krótszy całkowity czas pomiaru. Reverage - Czy strategia wymaga znacznej dźwigni, aby mogła być opłacalna Strategia wymaga używania kontraktów futures, opcji, swapy w celu dokonania zwrotu Te wykupione kontrakty mogą mieć dużą charakterystykę zmienności, a zatem mogą łatwo doprowadzić do wywołania depozytów Czy masz kapitał obrotowy i temperament takiej niestabilności. Częstotliwość - częstotliwość strategii jest ściśle związana z stosem technologii a tym samym wiedza technologiczna, stosunek Sharpe'a i ogólny poziom kosztów transakcji Wszystkie inne rozważane kwestie, strategie wyższej częstotliwości wymagają większego kapitału, są bardziej wyrafinowane i trudniejsze do wdrożenia Przy założeniu, że silnik testów wstecznych jest wyrafinowany i bezbłędny, często mają znacznie wyższe wskaźniki Sharpe'a. Uwalnianie - lotność jest silnie związana z Ryzyko strategii Stosunek Sharpe'a charakteryzuje Ta wyższa zmienność podstawowych klas aktywów, jeśli nie jest to zabezpieczone, często prowadzi do wyższej zmienności krzywej kapitału własnego, a tym samym mniejszej liczby wskaźników Sharpe'a oczywiście jestem przekonany, że dodatnia zmienność jest w przybliżeniu równa ujemnej zmienności Niektóre strategie mogą mieć większe wahania zwrotne Musisz być świadoma tych atrybutów. Utrata straty, średnia strata zysku - strategie różnią się w ich stratach wygranych i średniej charakterystyce strat zysku Można mieć bardzo korzystną strategię, nawet jeśli liczba przegranych transakcji exceed the number of winning trades Momentum strategies tend to have this pattern as they rely on a small number of big hits in order to be profitable Mean-reversion strategies tend to have opposing profiles where more of the trades are winners , but the losing trades can be quite severe. Maximum Drawdown - The maximum drawdown is the largest overall peak-to-trough percentage drop on the equity curve of th e strategy Momentum strategies are well known to suffer from periods of extended drawdowns due to a string of many incremental losing trades Many traders will give up in periods of extended drawdown, even if historical testing has suggested this is business as usual for the strategy You will need to determine what percentage of drawdown and over what time period you can accept before you cease trading your strategy This is a highly personal decision and thus must be considered carefully. Capacity Liquidity - At the retail level, unless you are trading in a highly illiquid instrument like a small-cap stock , you will not have to concern yourself greatly with strategy capacity Capacity determines the scalability of the strategy to further capital Many of the larger hedge funds suffer from significant capacity problems as their strategies increase in capital allocation. Parameters - Certain strategies especially those found in the machine learning community require a large quantity of param eters Every extra parameter that a strategy requires leaves it more vulnerable to optimisation bias also known as curve-fitting You should try and target strategies with as few parameters as possible or make sure you have sufficient quantities of data with which to test your strategies on. Benchmark - Nearly all strategies unless characterised as absolute return are measured against some performance benchmark The benchmark is usually an index that characterises a large sample of the underlying asset class that the strategy trades in If the strategy trades large-cap US equities, then the S P500 would be a natural benchmark to measure your strategy against You will hear the terms alpha and beta , applied to strategies of this type We will discuss these coefficients in depth in later articles. Notice that we have not discussed the actual returns of the strategy Why is this In isolation, the returns actually provide us with limited information as to the effectiveness of the strategy They don t give you an insight into leverage, volatility, benchmarks or capital requirements Thus strategies are rarely judged on their returns alone Always consider the risk attributes of a strategy before looking at the returns. At this stage many of the strategies found from your pipeline will be rejected out of hand, since they won t meet your capital requirements, leverage constraints, maximum drawdown tolerance or volatility preferences The strategies that do remain can now be considered for backtesting However, before this is possible, it is necessary to consider one final rejection criteria - that of available historical data on which to test these strategies. Obtaining Historical Data. Nowadays, the breadth of the technical requirements across asset classes for historical data storage is substantial In order to remain competitive, both the buy-side funds and sell-side investment banks invest heavily in their technical infrastructure It is imperative to consider its importance In particul ar, we are interested in timeliness, accuracy and storage requirements I will now outline the basics of obtaining historical data and how to store it Unfortunately this is a very deep and technical topic, so I won t be able to say everything in this article However, I will be writing a lot more about this in the future as my prior industry experience in the financial industry was chiefly concerned with financial data acquisition, storage and access. In the previous section we had set up a strategy pipeline that allowed us to reject certain strategies based on our own personal rejection criteria In this section we will filter more strategies based on our own preferences for obtaining historical data The chief considerations especially at retail practitioner level are the costs of the data, the storage requirements and your level of technical expertise We also need to discuss the different types of available data and the different considerations that each type of data will impose on us. Le t s begin by discussing the types of data available and the key issues we will need to think about. Fundamental Data - This includes data about macroeconomic trends, such as interest rates, inflation figures, corporate actions dividends, stock-splits , SEC filings, corporate accounts, earnings figures, crop reports, meteorological data etc This data is often used to value companies or other assets on a fundamental basis, i e via some means of expected future cash flows It does not include stock price series Some fundamental data is freely available from government websites Other long-term historical fundamental data can be extremely expensive Storage requirements are often not particularly large, unless thousands of companies are being studied at once. News Data - News data is often qualitative in nature It consists of articles, blog posts, microblog posts tweets and editorial Machine learning techniques such as classifiers are often used to interpret sentiment This data is also often fr eely available or cheap, via subscription to media outlets The newer NoSQL document storage databases are designed to store this type of unstructured, qualitative data. Asset Price Data - This is the traditional data domain of the quant It consists of time series of asset prices Equities stocks , fixed income products bonds , commodities and foreign exchange prices all sit within this class Daily historical data is often straightforward to obtain for the simpler asset classes, such as equities However, once accuracy and cleanliness are included and statistical biases removed, the data can become expensive In addition, time series data often possesses significant storage requirements especially when intraday data is considered. Financial Instruments - Equities, bonds, futures and the more exotic derivative options have very different characteristics and parameters Thus there is no one size fits all database structure that can accommodate them Significant care must be given to the design a nd implementation of database structures for various financial instruments We will discuss the situation at length when we come to build a securities master database in future articles. Frequency - The higher the frequency of the data, the greater the costs and storage requirements For low-frequency strategies, daily data is often sufficient For high frequency strategies, it might be necessary to obtain tick-level data and even historical copies of particular trading exchange order book data Implementing a storage engine for this type of data is very technologically intensive and only suitable for those with a strong programming technical background. Benchmarks - The strategies described above will often be compared to a benchmark This usually manifests itself as an additional financial time series For equities, this is often a national stock benchmark, such as the S P500 index US or FTSE100 UK For a fixed income fund, it is useful to compare against a basket of bonds or fixed income pro ducts The risk-free rate i e appropriate interest rate is also another widely accepted benchmark All asset class categories possess a favoured benchmark, so it will be necessary to research this based on your particular strategy, if you wish to gain interest in your strategy externally. Technology - The technology stacks behind a financial data storage centre are complex This article can only 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 i e 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 You 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 hav e 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 possi ble 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.