Popularne algorytmy strategie transakcyjne

Algorytmiczne strategie handlowe Pierwszym rodzajem strategii handlu algo, o której mowa w sprawie injosll, jest strategia arbitrażu. Strategie dotyczące arbitrażu wykorzystują różne różnice cenowe, aby wygenerować zysk bez ryzyka. Chociaż te różnice różnią się między sobą donapostami, algorytm monitoruje rynek dla Ciebie. To nie tylko oszczędza czas, ale również wykonuje się w krótkim czasie, który jest dostępny dla nichaposre. Jednym z przykładów możliwości arbitrażu jest różnica między ceną spotową a ceną futuresoption dla pary walutowej. Trend Innym typem popularnej algorytmicznej strategii handlowej jest tendencja po strategii. Strategie dotyczące następujących tendencji obejmują algorytmy monitorowania rynku wskaźników do wykonywania transakcji. Te transakcje zazwyczaj używają analizy technicznej z wzorcami i wskaźnikami wykresów do podejmowania decyzji. Te algorytmy są popularne ze względu na ich względną łatwość projektowania i użycia w porównaniu do innych strategii handlu algo. Niektóre z analiz technicznych, które mogą być wykorzystane w tej strategii, mogą pochodzić od oscylatorów i wskaźników, przy wykorzystaniu średnich ruchów i średniej rewersji. Strategie realizacji W ostatnim typie algorytmicznej strategii handlowej odnoszą się do strategii opartych na realizacji. Są to strategie, które inwestorzy instytucjonalni podejmują przy wykonywaniu dużych zamówień ilościowych. Te typy strategii wykorzystują różne metody, aby zapewnić możliwie najbardziej stabilny zakup. Możesz na przykład podzielić zakup pod względem ilości lub czasu. Materiały Forex Real Time After Hours Przedsprzedaż Aktualności Flash Cytat Podsumowanie Quote Interaktywne wykresy Ustawienie domyślne Należy pamiętać, że po dokonaniu wyboru będzie ono dotyczyć wszystkich przyszłych wizyt na NASDAQ. Jeśli w dowolnym momencie jesteś zainteresowany przywróceniem domyślnych ustawień, wybierz opcję Domyślne ustawienie powyżej. Jeśli masz jakieś pytania lub napotykasz jakiekolwiek problemy podczas zmiany ustawień domyślnych, napisz do isfeedbacknasdaq. Potwierdź wybór: Wybrano zmianę domyślnego ustawienia wyszukiwania ofertowego. To będzie Twoja domyślna strona docelowa, chyba że zmienisz konfigurację ponownie lub usuniesz ciasteczka. Czy na pewno chcesz zmienić swoje ustawienia Mamy przyjemność zapytać Proszę wyłączyć blokowanie reklam (lub zaktualizować ustawienia, aby zapewnić, że javascript i pliki cookie są włączone), abyśmy mogli nadal dostarczać Ci najwyższej jakości wiadomości na temat rynku i dane, których możesz oczekiwać od nas. Popularna algorytmiczna strategia handlowa jest typu: Long Short. Z tej podstawowej idei możesz stworzyć wiele różnych strategii handlowych. Być może warto spojrzeć na strategię Long Short jako wzorzec projektowania, podobnie jak w architekturze i projektowaniu oprogramowania. Algorytm długookresowy gromadzi koszyk zapasów, który według ciebie (czynnik) wzrośnie, a kosz zapasów, który zakłada twoja logika, spadnie. W ten sposób można usunąć ruch na rynku, a tym samym generować zwroty, które nie są zwracane przez ruch rynku. Jest to popularne ze względu na niezależność ruchów rynkowych, osiąganie stałych zysków, podczas gdy rynek jest mniejszy lub bardziej zmienny, mniej lub bardziej niestabilny itp. Jesteś w stanie uczynić go neutralnym na rynku, ale nie wszystkie strategie długookresowe są rynkowe neutralny. Możesz wykorzystać ruchy rynkowe jako przewagę w długo-krótkiej strategii algorytmicznej. Długi krótki pomysł jest rodzajem strategii i można uruchomić wiele różnych wariantów. Twój algorytm wykorzystuje czynniki takie jak wartość, pęd, zmienność, wielkość firmy itd. Niebo jest granicą, a kreatywność jest twoim przewodnikiem1. Przyjrzyj się algorytmicznym strategiom handlowym pod kątem, w którym jesteś już ekspertem lub masz talent. Istnieje wiele różnych sposobów patrzenia na rynek. Osobiście lubię gromadzić ludzi jako zespół, który może połączyć kreatywność i tworzyć strategie handlowe w sposób ciągły. Nie wszystkie strategie, w większości nie pozostają na zawsze opłacalne. Lepiej je dalej rozwijać. Jeśli podoba ci się ta odpowiedź, proszę poddać ją głosowaniu up. W ten sposób mogę poznać ludzi, którzy są zainteresowani opracowaniem strategii handlowych. Dzięki Rene 1.6k Widoki Middot View Upvotes Middot Not for Reproduction Algorytm to specyficzny zestaw jasno zdefiniowanych instrukcji mających na celu wykonanie zadania lub procesu. Handel algorytmiczny (zautomatyzowany handel, handel na czarno lub po prostu algo-trading) to proces korzystania z komputerów zaprogramowanych podążać za określonym zestawem instrukcji dotyczących wprowadzania handlu w celu osiągnięcia zysków z prędkością i częstotliwością niemożliwą do ludzkim przedsiębiorcą. Określone zestawy reguł opierają się na czasie, cenie, ilości lub modelu matematycznym. Poza szansami dla przedsiębiorcy, algorytm wymiany handlowej sprawia, że ​​rynki są bardziej płynne i sprawiają, że handel jest bardziej systematyczny, wykluczając emocjonalne skutki dla działalności handlowej. Załóżmy, że przedsiębiorca postępuje zgodnie z tymi prostymi kryteriami handlowymi: Kup 50 udziałów w akcji, gdy jego 50-dniowa średnia ruchoma przekracza 200-dniową średnią ruchową Sprzedaj akcje, gdy średnia 50-dniowa średnia ruchoma spadnie poniżej 200-dniowej średniej ruchomej Używając tego zestawu dwóch prostych instrukcji, łatwo można napisać program komputerowy, który automatycznie monitoruje cenę akcji (i wskaźniki średnie ruchome) i umieści zamówienia kupna i sprzedaży, gdy spełnione zostaną określone warunki. Przedsiębiorca nie musi już trzymać zegarka na żywe ceny i wykresy, lub ręcznie złożyć zamówienie. Algorytmiczny system obrotu automatycznie to robi dla niego, poprawnie identyfikując szansę handlową. Algo-trading oferuje następujące korzyści: transakcje wykonywane w najlepszych cenach natychmiastowe i dokładne umieszczenie zleceń handlowych (dzięki temu duże szanse na realizację na pożądanym poziomie) transakcje handlowe poprawne i natychmiastowe ustalenie terminów, aby uniknąć znacznych zmian cen Zmniejszone koszty transakcji (patrz przykład niedoboru implementacji poniżej) Jednoczesne automatyczne sprawdzanie wielu warunków rynkowych Zmniejszone ryzyko ręcznych błędów w wprowadzaniu transakcji Sprawdzić algorytm, oparty na dostępnych danych historycznych i czasie rzeczywistym Redukcja możliwość popełnienia błędu przez handlarzy w oparciu o czynniki emocjonalne i psychologiczne Największą częścią handlu algobierczego jest handel wysokonakładowy (HFT), który stara się wykorzystać duże ilości zamówień z dużą szybkością na wielu rynkach i podejmować wiele decyzji parametrów, w oparciu o zaprogramowane instrukcje. (Więcej informacji na temat handlu wysokonapięciowego można znaleźć pod adresem: Strategie i tajemnice firm z zakresu handlu wysokimi częstotliwościami (HFT)) Algo-trading jest używany w wielu formach handlowych i inwestycyjnych, w tym: inwestorzy średnio - i długoterminowi lub firmy zajmujące się zakupem (fundusze emerytalne , fundusze inwestycyjne, firmy ubezpieczeniowe), które kupują w dużych ilościach, ale nie chcą wpływać na ceny akcji z dyskretnymi, wielkogabarytowymi inwestycjami. Handlowcy krótkoterminowi i uczestnicy rynku sprzedaży (animatorzy rynku, spekulanci i arbitrzy) dodatkowo zyskują dzięki automatycznej realizacji transakcji, algo-trading pomagają w stworzeniu wystarczającej płynności dla sprzedawców na rynku. Systematyczni handlowcy (twórcy trendów, handlowcy parami, fundusze hedgingowe itp.) Uważają, że programowanie reguł handlowych jest o wiele bardziej efektywne i pozwala programowi handlować automatycznie. Handel algorytmiczny zapewnia bardziej systematyczne podejście do aktywnego handlu, niż metody oparte na intuicji lub instynkcie przedsiębiorcy. Algorytmiczne strategie handlowe Każda strategia handlu algorytmicznego wymaga zidentyfikowanej możliwości, która jest korzystna pod względem poprawy zarobków lub redukcji kosztów. Poniżej wymieniono wspólne strategie handlowe stosowane w handlu algorytmem handlu: najczęstsze algorytmiczne strategie handlowe są zgodne z trendami w średnich krokach. kanały. zmian poziomu cen i powiązanych wskaźników technicznych. Są to najprostsze i najprostsze strategie wdrażania poprzez algorytmiczny handel, ponieważ te strategie nie wymagają przewidywania ani prognoz cen. Transakcje są inicjowane w oparciu o pojawienie się pożądanych trendów. które są łatwe i łatwe do zaimplementowania za pomocą algorytmów, nie wchodząc w złożoność analizy predyktywnej. Powyższy przykład średniej ruchomej 50 i 200 dni jest popularnym trendem po strategii. (Więcej informacji na temat strategii handlowych, patrz: Proste strategie na rzecz wykorzystania trendów). Kupowanie podwójnego zapasu notowanego na giełdzie po niższej cenie na jednym rynku, a jednocześnie sprzedaż go po wyższej cenie na innym rynku, zapewnia różnicę cen jako zysk bez ryzyka lub arbitrażu. Ta sama operacja może być powtórzona w odniesieniu do zapasów w porównaniu z instrumentami terminowymi, ponieważ różnice czasowe istnieją od czasu do czasu. Wdrożenie algorytmu umożliwiającego identyfikację takich różnic cenowych i wprowadzanie zleceń umożliwia wydajne wykonywanie zysków. Fundusze indeksowe określiły okresy ponownego bilansowania, aby ich udziały były porównywalne z ich odpowiednikami. Stwarza to rentowne możliwości dla podmiotów zajmujących się algorytmem, którzy wykorzystują spodziewane transakcje, które oferują 20-80 punktów bazowych zyski w zależności od liczby zasobów w funduszu indeksowym, tuż przed reorganizacją funduszy indeksowych. Takie transakcje są inicjowane za pomocą algorytmicznych systemów handlowych dla terminowego wykonania i najlepszych cen. Strategie oparte na modelach matematycznych: wiele sprawdzonych modeli matematycznych, takich jak strategia neutralna dla transakcji delta, które umożliwiają handel kombinacją opcji i zabezpieczeniami bazowymi, w których transakcje są pozycjonowane w celu zrównoważenia dodatnich i ujemnych delt, aby delta portfela została utrzymana na poziomie: zero. Średnia strategia rewersji opiera się na założeniu, że wysokie i niskie ceny aktywów są zjawiskiem przejściowym, które co jakiś czas wracają do wartości średniej. Identyfikacja i definiowanie zakresu cen oraz algorytm implementacji polegający na tym, że transakcje mogą być umieszczane automatycznie, gdy cena aktywów przechodzi w i poza określony zakres. Średnia ważona wolumenem cena (VWAP): Strategia ważonej objętościowo średniej ceny rozbija duże zlecenie i uwalnia dynamicznie określone mniejsze porcje zamówienia na rynek przy użyciu specyficznych dla danego stanu profili wolumenu historycznych. Celem jest zrealizowanie zamówienia blisko średniej ceny ważonej (VWAP), a tym samym skorzystanie ze średniej ceny. Średnia ważona czasem (TWAP): Strategia ważona według średniej czasu dzieli duże zlecenie i uwalnia dynamicznie określone mniejsze porcje zlecenia na rynek za pomocą równo podzielonych przedziałów czasowych między czasem rozpoczęcia i zakończenia. Celem jest zrealizowanie zlecenia blisko średniej ceny między początkiem a końcem, minimalizując tym samym wpływ na rynek. Dopóki nie zostanie w pełni wypełniony zlecenie handlowe, ten algorytm ciągle wysyła częściowe zlecenia, zgodnie z określonym współczynnikiem partycypacji i według wielkości obrotu na rynkach. Strategia związana z podobnymi krokami wysyła zamówienia według zdefiniowanego przez użytkownika procentu wielkości rynku i zwiększa lub zmniejsza współczynnik uczestnictwa, kiedy cena akcji osiąga poziomy zdefiniowane przez użytkownika. Strategia niedoboru wdrożenia ma na celu zminimalizowanie kosztu realizacji zleceń przez zerwanie z rynkiem czasu rzeczywistego, a tym samym zaoszczędzenie na kosztach zamówienia i korzystanie z kosztu możliwości opóźnienia w realizacji. Strategia zwiększy ukierunkowaną stopę partycypacji, gdy cena akcji wzrośnie korzystnie i spadnie, gdy kurs akcji spadnie negatywnie. Poza zwykłymi algorytmami handlowymi: Istnieje kilka specjalnych klas algorytmów, które próbują zidentyfikować zdarzenia po drugiej stronie. Te algorytmy quotsniffingowe, używane na przykład przez producenta rynkowego strony sprzeday, mają wbudowaną inteligencję, która identyfikuje istnienie dowolnych algorytmów po stronie kupna dużego zamówienia. Takie wykrycie za pomocą algorytmów pomogą animatorowi zidentyfikować duże możliwości zlecenia i umożliwić mu skorzystanie z zamówień po wyższej cenie. Jest to czasami identyfikowane jako front-high-tech. (Więcej informacji na temat handlu i fałszywych praktyk o wysokiej częstotliwości można znaleźć pod adresem: Jeśli kupujesz zapasy online, jesteś zaangażowany w transakcje typu HFT). Wymagania techniczne dotyczące handlu algorytmicznego Wdrażanie algorytmu przy użyciu programu komputerowego jest ostatnią częścią, połączoną z testami wstecznymi. Wyzwaniem jest przekształcenie zidentyfikowanej strategii w zintegrowany skomputeryzowany proces, który ma dostęp do konta handlowego do składania zamówień. Potrzebne są następujące elementy: Wiedza programistyczna programująca wymaganą strategię handlową, wynajęci programiści lub gotowe oprogramowanie transakcyjne Łączność sieciowa i dostęp do platform transakcyjnych do składania zamówień Dostęp do rynkowych kanałów danych, które będą monitorowane przez algorytm pod kątem możliwości umieszczenia zamówienia Zdolność i infrastruktura do testowania wstecznego systemu po jego zbudowaniu, zanim zostanie wprowadzona na rzeczywiste rynki Dostępne historyczne dane do analizy historycznej, w zależności od złożoności reguł zaimplementowanych w algorytmie Oto przykładowy przykład: Royal Dutch Shell (RDS) jest notowany na Amsterdamie Giełda (AEX) i Giełda Londyńska (LSE). Pozwala zbudować algorytm identyfikujący możliwości arbitrażu. Oto kilka interesujących spostrzeżeń: AEX inwestuje w euro, a LSE w funtach szterlingach Ze względu na różnicę godzinową AEX otwiera godzinę wcześniej niż LSE, a następnie obie giełdy handlują jednocześnie przez kilka następnych godzin, a następnie handlują tylko w LSE podczas ostatnia godzina w miarę zamykania AEX Czy możemy zbadać możliwość handlu arbitrażowego na rynku akcji Royal Dutch Shell notowanych na tych dwóch rynkach w dwóch różnych walutach Program komputerowy, który odczytuje bieżące ceny rynkowe Kanały cenowe z LSE i AEX A Kurs wymiany GBP-EUR Zdolność do składania zleceń, która może doprowadzić zamówienie do właściwej wymiany Potencjał testowy w historycznych kanałach cenowych Program komputerowy powinien wykonywać następujące czynności: Odczytać przychodzący strumień ceny zasobów RDS z obu giełd. Wykorzystanie dostępnych kursów wymiany walut , zamień cenę jednej waluty na drugą Jeśli istnieje wystarczająco duża rozbieżność cenowa (zdyskontowanie kosztów maklerskich) prowadząca do profi możliwość stołu, a następnie złożyć zamówienie kupna po niższej cenie i zlecić sprzedaż po wyższej cenie Jeśli zlecenia zostaną zrealizowane zgodnie z oczekiwaniami, zysk arbitrażowy będzie prosty i łatwy Jednak praktyka handlowania algorytmicznego nie jest łatwa do utrzymania i wykonania . Pamiętaj, że jeśli możesz umieścić handel algorytmem, to też inni uczestnicy rynku. W konsekwencji ceny wahają się w mili lub nawet mikrosekundach. W powyższym przykładzie, co się stanie, jeśli twój zakup zostanie zrealizowany, ale nie sprzedajesz handlu, ponieważ ceny sprzedaży zmieniają się w momencie, gdy twoje zamówienie trafi na rynek. W końcu będziesz siedział z otwartą pozycją, co sprawi, że twoja strategia arbitrażu będzie bezwartościowa. Istnieje dodatkowe ryzyko i wyzwania: na przykład ryzyko awarii systemu, błędy połączeń sieciowych, opóźnienia czasowe między zamówieniami handlowymi a wykonywaniem, a co najważniejsze, niedoskonałe algorytmy. Im bardziej złożony algorytm, tym bardziej rygorystyczne testowanie wsteczne jest potrzebne przed jego wprowadzeniem w życie. The Bottom Line Ilościowa analiza wydajności algorytmów odgrywa ważną rolę i powinna być krytycznie badana. Jego ekscytujące, aby przejść do automatyzacji wspomaganej przez komputery z myślą, aby zarabiać bez wysiłku. Musimy jednak upewnić się, że system jest dokładnie testowany i wymagane limity są ustawione. Przedsiębiorcy analityczni powinni rozważyć samodzielne programowanie programów nauczania i budowanie systemów, aby mieć pewność, że wdrażanie właściwych strategii w sposób niezawodny. Ostrożne użycie i dokładne testowanie algo-tradingu może przynieść zyskiem możliwości. 833 Widoki Middot View Upvotes middot Nie dla reprodukcji Po stronie sprzedaży są to narzędzia automatyczne zaprojektowane, aby pomóc w poprawie jakości wykonania dla handlowców i wykonać bloki akcji przy minimalnym możliwym wpływie na cenę, oprócz tworzenia rynku i innych strategii hedgingowych. Wszystko, co mieli zautomatyzować, było ostatnio (nawet jeszcze teraz) zrobione ręcznie, nic nowego od mojego wzroku, ale wszyscy mają wspólny cel polegający na czerpaniu korzyści z prowizji, nagrań, wynajmu lub nawet miękkich dolarów. Na tym polu można znaleźć inteligentne algorytmy poszukiwania płynności, strategie VWAP podobne, partycypacyjne i implementacyjne dotyczące niedoborów, między wieloma innymi, czasami z fantazyjnymi, kreskówkowymi nazwami, takimi jak quotinterceptorquot, quotphantomquot lub quothawkquot. zależy od nastroju brokera. Po stronie zakupu. w tym samym przypadku, zautomatyzowane narzędzia pomagające w poprawie jakości realizacji transakcji, ale mające na celu czerpanie zysków ze wzrostu wartości (jeśli w ogóle) sprzedawanego składnika aktywów. Nie wiem zbyt wiele o prawdziwym i trwałym sukcesie kolejnych trendów i innych technicznych bazach wzmacniających, ale wiem, że są dosłownie legiony inwestorów detalicznych i programistów, którzy zastanawiają się, jaki model powiązany z MACD, RSI lub MA ma zautomatyzować następnie i od lat. Ogólnie rzecz biorąc, są tylko narzędziami (podobnie jak śrubokręt dla ręki), ale dla twojego umysłu. 438 Widoki middot Not for Reproduction Algorithmic trading to proces używania komputerów zaprogramowanych do wykonywania określonego zestawu instrukcji do umieszczenia transakcji w celu generowania zysków z prędkością i częstotliwością, które są niemożliwe dla handlowca ludzkiego. Określone zestawy reguł opierają się na czasie, cenie, ilości lub modelu matematycznym. Oprócz możliwości zysku dla przedsiębiorcy. Najczęściej stosowane strategie handlu algorytmicznego są zgodne z trendami dotyczącymi średnich kroczących, pęknięć kanałów, zmian poziomu cen i powiązanych wskaźników technicznych. Są to najprostsze i najprostsze strategie wdrażania poprzez algorytmiczny handel, ponieważ te strategie nie wymagają przewidywania ani prognoz cen. Zakup podwójnego notowania akcji po niższej cenie na jednym rynku i jednoczesne sprzedawanie go po wyższej cenie na innym rynku oferuje różnicę cen jako wolny od ryzyka zysk lub arbitraż. Ta sama operacja może być powtórzona w odniesieniu do zapasów w porównaniu z instrumentami terminowymi, ponieważ różnice czasowe istnieją od czasu do czasu. Fundusze indeksowe określiły okresy ponownego bilansowania, aby ich udziały były porównywalne z ich odpowiednikami. Stwarza to zyskowne możliwości dla handlowców algorytmicznych, którzy wykorzystują oczekiwane transakcje, które oferują 20-80 punktów bazowych zysków w zależności od liczby akcji w funduszu indeksowym, tuż przed ponownym równoważeniem funduszy indeksu. 202 wyświetleń middot Not for Reproduction George Goldmann. algorytmiczny przedsiębiorca, inwestor, szkoleniowiec wideo online, programista Każdy zestaw reguł wchodzenia i wychodzenia z rynku zakodowany w programie, który może przeprowadzić analizę historyczną i objąć te zasady wcześniejszymi danymi rynkowymi i strumieniowymi. 108 Odsłony middot Nie do powielania middot Odpowiedź wymagana przez Aakasha Parikha Podstawy handlu algorytmicznego: pojęcia i przykłady Algorytm to określony zestaw jasno zdefiniowanych instrukcji mających na celu wykonanie zadania lub procesu. Handel algorytmiczny (zautomatyzowany handel, handel na czarno lub po prostu algo-trading) to proces korzystania z komputerów zaprogramowanych podążać za określonym zestawem instrukcji dotyczących wprowadzania handlu w celu osiągnięcia zysków z prędkością i częstotliwością niemożliwą do ludzkim przedsiębiorcą. Określone zestawy reguł opierają się na czasie, cenie, ilości lub modelu matematycznym. Poza szansami dla przedsiębiorcy, algorytm wymiany handlowej sprawia, że ​​rynki są bardziej płynne i sprawiają, że handel jest bardziej systematyczny, wykluczając emocjonalne skutki dla działalności handlowej. Załóżmy, że przedsiębiorca postępuje zgodnie z tymi prostymi kryteriami handlowymi: Kup 50 udziałów w akcji, gdy jego 50-dniowa średnia ruchoma przekracza 200-dniową średnią ruchową Sprzedaj akcje, gdy średnia 50-dniowa średnia ruchoma spadnie poniżej 200-dniowej średniej ruchomej Używając tego zestawu dwóch prostych instrukcji, łatwo można napisać program komputerowy, który automatycznie monitoruje cenę akcji (i wskaźniki średnie ruchome) i umieści zamówienia kupna i sprzedaży, gdy spełnione zostaną określone warunki. Przedsiębiorca nie musi już trzymać zegarka na żywe ceny i wykresy, lub ręcznie złożyć zamówienie. Algorytmiczny system obrotu automatycznie to robi dla niego, poprawnie identyfikując szansę handlową. Algo-trading oferuje następujące korzyści: transakcje wykonywane w najlepszych cenach natychmiastowe i dokładne umieszczenie zleceń handlowych (dzięki temu duże szanse na realizację na pożądanym poziomie) transakcje handlowe poprawne i natychmiastowe ustalenie terminów, aby uniknąć znacznych zmian cen Zmniejszone koszty transakcji (patrz przykład niedoboru implementacji poniżej) Jednoczesne automatyczne sprawdzanie wielu warunków rynkowych Zmniejszone ryzyko ręcznych błędów w wprowadzaniu transakcji Sprawdzić algorytm, oparty na dostępnych danych historycznych i czasie rzeczywistym Redukcja możliwość popełnienia błędu przez handlarzy w oparciu o czynniki emocjonalne i psychologiczne Największą częścią handlu algobierczego jest handel wysokonakładowy (HFT), który stara się wykorzystać duże ilości zamówień z dużą szybkością na wielu rynkach i podejmować wiele decyzji parametrów, w oparciu o zaprogramowane instrukcje. (Więcej informacji na temat handlu wysokonapięciowego można znaleźć pod adresem: Strategie i tajemnice firm z zakresu handlu wysokimi częstotliwościami (HFT)) Algo-trading jest używany w wielu formach handlowych i inwestycyjnych, w tym: inwestorzy średnio - i długoterminowi lub firmy zajmujące się zakupem (fundusze emerytalne , fundusze inwestycyjne, firmy ubezpieczeniowe), które kupują w dużych ilościach, ale nie chcą wpływać na ceny akcji z dyskretnymi, wielkogabarytowymi inwestycjami. Krótkoterminowe podmioty handlowe i sprzedające strony uczestniczące w rynku (specjaliści zajmujący się sprawami rynku, spekulanci i arbitraże) również korzystają z zautomatyzowanej realizacji handlowej, a takŜe pomocy handlowej w celu zapewnienia wystarczającej płynności sprzedawcom na rynku. Systematyczni handlarze (zwolennicy trendów, par handlowcy, fundusze hedgingowe itd.) Uważają, że programowanie reguł handlowych jest o wiele bardziej efektywne i niech program handlu się automatycznie. Handel algorytmiczny zapewnia bardziej systematyczne podejście do aktywnego handlu niż metody oparte na intuicji czy instynktie dla ludzi. Algorytmiczne strategie handlowe Każda strategia handlu algorytmicznego wymaga zidentyfikowanej możliwości, która jest korzystna pod względem poprawy zarobków lub redukcji kosztów. Poniżej wymieniono wspólne strategie handlowe stosowane w handlu algorytmem handlu: najczęstsze algorytmiczne strategie handlowe są zgodne z trendami w średnich krokach. kanały. zmian poziomu cen i powiązanych wskaźników technicznych. Są to najprostsze i najprostsze strategie wdrażania poprzez algorytmiczny handel, ponieważ te strategie nie wymagają przewidywania ani prognoz cen. Transakcje są inicjowane w oparciu o pojawienie się pożądanych trendów. które są łatwe i łatwe do zaimplementowania za pomocą algorytmów, nie wchodząc w złożoność analizy predyktywnej. Powyższy przykład średniej ruchomej 50 i 200 dni jest popularnym trendem po strategii. (Więcej informacji na temat strategii handlowych, patrz: Proste strategie na rzecz wykorzystania trendów). Kupowanie podwójnego zapasu notowanego na giełdzie po niższej cenie na jednym rynku, a jednocześnie sprzedaż go po wyższej cenie na innym rynku, zapewnia różnicę cen jako zysk bez ryzyka lub arbitrażu. Ta sama operacja może być powtórzona w odniesieniu do zapasów w porównaniu z instrumentami terminowymi, ponieważ różnice czasowe istnieją od czasu do czasu. Wdrożenie algorytmu umożliwiającego identyfikację takich różnic cenowych i wprowadzanie zleceń umożliwia wydajne wykonywanie zysków. Fundusze indeksowe określiły okresy ponownego bilansowania, aby ich udziały były porównywalne z ich odpowiednikami. Stwarza to rentowne możliwości dla podmiotów zajmujących się algorytmem, którzy wykorzystują spodziewane transakcje, które oferują 20-80 punktów bazowych zyski w zależności od liczby zasobów w funduszu indeksowym, tuż przed reorganizacją funduszy indeksowych. Takie transakcje są inicjowane za pomocą algorytmicznych systemów handlowych dla terminowego wykonania i najlepszych cen. Wiele sprawdzonych modeli matematycznych, takich jak delta-neutralna strategia handlowa, które umożliwiają handel połączeniami i zabezpieczeniami. gdzie transakcje są umieszczane w celu zrównoważenia dodatnich i ujemnych delt, tak aby delta portfela utrzymywana była na poziomie zera. Średnia strategia rewersji opiera się na założeniu, że wysokie i niskie ceny aktywów są zjawiskiem przejściowym, które co jakiś czas wracają do wartości średniej. Identyfikacja i definiowanie zakresu cen oraz algorytm implementacji polegający na tym, że transakcje mogą być umieszczane automatycznie, gdy cena aktywów przechodzi w i poza określony zakres. Średnia strategia cen ważona woluminem łamie duży porządek i uwalnia dynamicznie określone mniejsze kawałki zlecenia na rynek, używając szczegółowych profili wielkości magazynowych. Celem jest zrealizowanie zamówienia blisko średniej ceny ważonej (VWAP), a tym samym skorzystanie ze średniej ceny. Strategia średniej ważonej według średniej ceny powoduje zerwanie dużego zlecenia i uwalnia dynamicznie określone mniejsze kawałki zlecenia na rynek przy użyciu równomiernie rozstawionych szczelin czasowych między początkiem a końcem. Celem jest zrealizowanie zlecenia blisko średniej ceny między początkiem a końcem, minimalizując tym samym wpływ na rynek. Dopóki nie zostanie w pełni wypełniony zlecenie handlowe, ten algorytm ciągle wysyła częściowe zlecenia, zgodnie z określonym współczynnikiem partycypacji i według wielkości obrotu na rynkach. Strategia powiązanych kroków wysyła zamówienia w zdefiniowanym przez użytkownika procentie wolumenu rynku i zwiększa lub zmniejsza ten udział, gdy cena akcji osiągnie poziom zdefiniowany przez użytkownika. Strategia niedoboru wdrożenia ma na celu zminimalizowanie kosztu realizacji zleceń przez zerwanie z rynkiem czasu rzeczywistego, a tym samym zaoszczędzenie na kosztach zamówienia i korzystanie z kosztu możliwości opóźnienia w realizacji. Strategia zwiększy ukierunkowaną stopę partycypacji, gdy cena akcji wzrośnie korzystnie i spadnie, gdy kurs akcji spadnie negatywnie. Istnieje kilka specjalnych klas algorytmów, które próbują zidentyfikować wydarzenia z drugiej strony. Te algorytmy wąchania, używane na przykład przez producenta strony sprzedającego, mają wbudowaną inteligencję w celu zidentyfikowania istnienia algorytmów po stronie kupna dużego zamówienia. Takie wykrycie za pomocą algorytmów pomogą animatorowi zidentyfikować duże możliwości zlecenia i umożliwić mu skorzystanie z zamówień po wyższej cenie. Jest to czasami identyfikowane jako front-high-tech. (Więcej informacji na temat handlu i fałszywych praktyk o wysokiej częstotliwości można znaleźć pod adresem: Jeśli kupujesz zapasy online, jesteś zaangażowany w transakcje typu HFT). Wymagania techniczne dotyczące handlu algorytmicznego Wdrażanie algorytmu przy użyciu programu komputerowego jest ostatnią częścią, połączoną z testami wstecznymi. Wyzwaniem jest przekształcenie zidentyfikowanej strategii w zintegrowany skomputeryzowany proces, który ma dostęp do konta handlowego do składania zamówień. Potrzebne są następujące informacje: znajomość programowania komputerowego w celu zaprogramowania wymaganej strategii handlowej, wynajętych programistów lub gotowych oprogramowania handlowego Połączenie sieciowe i dostęp do platform transakcyjnych w celu składania zleceń Dostęp do danych danych rynkowych, które będą monitorowane przez algorytm możliwości umieszczania zamówień Zdolność i infrastruktura do testowania systemu po jego zbudowaniu, zanim pojawi się na rynku rzeczywistym Dostępne dane historyczne dotyczące testów wstecznych, w zależności od złożoności reguł implementowanych w algorytmie Oto przykładowy przykład: Royal Dutch Shell (RDS) jest notowany w Amsterdamie Giełda Papierów Wartościowych (AEX) i Giełda Papierów Wartościowych w Londynie (LSE). Pozwala zbudować algorytm identyfikujący możliwości arbitrażu. Oto kilka interesujących obserwacji: transakcje AEX w euro, podczas gdy transakcje LSE w funtach szterlinga Ze względu na jednoroczną różnicę czasu, AEX otwiera godzinę wcześniej niż LSE, a następnie obie giełdy handluje jednocześnie na kilka godzin, a następnie tylko w handlu LSE ostatnia godzina zamknięcia AEX Czy możemy zbadać możliwość arbitrażu handlowego na Royal Dutch Shell notowanego na tych dwóch rynkach w dwóch różnych walutach Program komputerowy, który potrafi odczytywać aktualne ceny rynkowe Kanały z ceny LSE i AEX A Kurs walutowy GBP-EUR Możliwość wprowadzania zamówień, które mogą kierować kolejnością do prawidłowej wymiany Zdolność do testowania wstecznego w przypadku historycznych cen towarów Program komputerowy powinien spełniać następujące wymagania: Przeczytaj nadchodzący kanał cenowy zasobów RDS z obu transakcji Korzystając z dostępnych kursów walut . przelicz cenę jednej waluty na inną Jeśli istnieje wystarczająco duża rozbieżność cen (dyskontowanie kosztów maklerskich), co prowadzi do zyskownej możliwości, a następnie złożyć zlecenie kupna na niższą cenę wymiany i zlecenia sprzedaży na wyższej cenie wymiany Jeśli zamówienia są wykonywane jako pożądane, zysku arbitrażu będzie postępować prosty i łatwy Jednak praktyka handlu algorytmicznego nie jest tak proste w utrzymaniu i realizacji. Pamiętaj, że jeśli możesz umieścić handel algorytmem, to też 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 sprzedaj handel nie robi, ponieważ ceny sprzedaży zmieniają się o czas, kiedy Twoje zamówienie uderza na rynek. Skończysz na pozycji otwartej. sprawiając, że strategia arbitrażu jest bezwartościowa. Istnieje dodatkowe ryzyko i wyzwania: na przykład ryzyko awarii systemu, błędy połączeń sieciowych, opóźnienia czasowe między zamówieniami handlowymi a wykonywaniem, a co najważniejsze, niedoskonałe algorytmy. Im bardziej złożony algorytm, tym bardziej rygorystyczne testowanie wsteczne jest potrzebne przed jego wprowadzeniem w życie. Ilościowa analiza wyników algorytmów odgrywa ważną rolę i powinna zostać zbadana w sposób krytyczny. Jego ekscytujące, aby przejść do automatyzacji wspomaganej przez komputery z myślą, aby zarabiać bez wysiłku. Musimy jednak upewnić się, że system jest dokładnie testowany i wymagane limity są ustawione. Przedsiębiorcy analityczni powinni rozważyć samodzielne programowanie programów nauczania i budowanie systemów, aby mieć pewność, że wdrażanie właściwych strategii w sposób niezawodny. Ostrożne użycie i dokładne testowanie algo-tradingu może przynieść zyskiem możliwości. Artykuł 50 stanowi klauzulę negocjacyjno-rozliczeniową zawartą w traktacie UE, w którym przedstawiono kroki, które należy podjąć dla każdego kraju, który. Wstępna oferta na zbankrutowane aktywa spółki od zainteresowanego nabywcy wybranego przez bankrutującą firmę. Z puli licytujących. Beta jest miarą zmienności lub systematycznego ryzyka bezpieczeństwa lub portfela w porównaniu z rynkiem jako całości. Rodzaj podatku nakładanego na zyski kapitałowe poniesione przez osoby fizyczne i przedsiębiorstwa. Zyski kapitałowe to zyski inwestora. Zamówienie zakupu zabezpieczenia z lub poniżej określonej ceny. Zlecenie z limitem kupna umożliwia określenie podmiotów gospodarczych i inwestorów. Reguła Internal Revenue Service (IRS), która umożliwia wycofanie bez kary z konta IRA. Zasada wymaga, aby. Jak zidentyfikować algorytmiczne strategie handlowe W tym artykule chcę przedstawić Państwu metody, dzięki którym sam identyfikować zyskowne strategie handlu algorytmicznego. Naszym celem jest dziś szczegółowe zrozumienie, jak znaleźć, ocenić i wybrać takie systemy. Objaśniam, w jaki sposób identyfikacja strategii dotyczy zarówno osobistych preferencji, jak i skuteczności strategii, określania rodzaju i ilości historycznych danych do testowania, jak beznamiętnie oceniać strategię handlową i wreszcie, jak przejść do etapu analizy historycznej i realizacji strategii. . Określanie własnych preferencji osobistych dla handlu Aby odnieść sukces jako inwestor - dyskretnie lub algorytmicznie - należy zadać sobie uczciwe pytania. Trading daje ci możliwość utraty pieniędzy w alarmującym tempie, więc musisz znać siebie tak, jak to konieczne, aby zrozumieć wybraną strategię. Powiedziałbym, że najważniejszym czynnikiem w handlu jest świadomość własnej osobowości. Handel, a zwłaszcza handel algorytmiczny, wymaga znacznej dyscypliny, cierpliwości i emocjonalnego dystansu. Ponieważ pozwalasz, aby algorytm wykonywał transakcję za Ciebie, konieczne jest, aby rozwiązać, aby nie zakłócać strategii podczas jej wykonywania. Może to być niezwykle trudne, szczególnie w okresach przedłużonej wypłaty. Jednak wiele strategii, które okazały się bardzo opłacalne w teście historycznej, może zostać zrujnowane przez zwykłą interferencję. Zrozum, że jeśli chcesz wejść w świat handlu algorytmicznego, zostaniesz poddany emocjonalnym testom i aby odnieść sukces, musisz przezwyciężyć te trudności. Następnym zagadnieniem jest czas. Czy masz pracę w pełnym wymiarze czasu Czy pracujesz w niepełnym wymiarze godzin Czy pracujesz w domu lub codziennie jeździsz codziennie do przodu Te pytania pomogą określić częstotliwość strategii, której powinieneś szukać. Dla osób zatrudnionych w pełnym wymiarze godzin strategia kontraktów terminowych typu intraday może nie być odpowiednia (przynajmniej do czasu pełnej automatyzacji). Twoje ograniczenia czasowe będą również dyktować metodologię strategii. Jeśli twoja strategia jest często przedmiotem handlu i opiera się na drogich kanałach informacyjnych (takich jak terminal Bloomberg), będziesz musiał realistycznie oceniać swoją zdolność do skutecznego prowadzenia tego w biurze Dla tych z dużą ilością czasu lub umiejętności Aby zautomatyzować swoją strategię, możesz przyjrzeć się bardziej technicznym strategiom transakcji wysokiej częstotliwości (HFT). Uważam, że konieczne jest prowadzenie ciągłych badań w zakresie strategii handlowych w celu utrzymania stale dochodowego portfela. Niewiele strategii pozostaje na zawsze w radarach. W związku z tym znaczna część czasu przeznaczonego na handel będzie polegać na prowadzeniu bieżących badań. Zadaj sobie pytanie, czy jesteś gotowy to zrobić, ponieważ może to być różnica między wysoką rentownością lub powolnym spadkiem strat. Musisz także wziąć pod uwagę swój kapitał obrotowy. Ogólnie przyjęta idealna minimalna kwota dla strategii ilościowej wynosi 50 000 USD (około 35 000 dla nas w Wielkiej Brytanii). Gdybym zaczynał od nowa, zaczynałbym od większej kwoty, prawdopodobnie bliższej 100 000 USD (około 70 000). Wynika to z faktu, że koszty transakcyjne mogą być niezwykle kosztowne w przypadku strategii średnio - i wysokoczęstotliwościowych i konieczne jest posiadanie wystarczającego kapitału, aby je zaabsorbować w momencie wypłaty. Jeśli rozważasz rozpoczęcie od mniej niż 10 000 USD, będziesz musiał ograniczyć się do strategii niskiej częstotliwości, handlując jednym lub dwoma aktywami, ponieważ koszty transakcji szybko zjedzą twoje zwroty. Interactive Brokers, który jest jednym z najbardziej przyjaznych brokerów dla osób posiadających umiejętności programistyczne, ze względu na swoje API, ma konto detaliczne minimum 10 000 USD. Umiejętność programowania jest ważnym czynnikiem w tworzeniu zautomatyzowanej strategii handlu algorytmicznego. Znajomość w języku programowania, takim jak C, Java, C, Python lub R, umożliwi Ci samodzielne tworzenie kompleksowej pamięci masowej, silnika analizy historycznej i systemu wykonawczego. Ma to wiele zalet, z których najważniejszą jest umiejętność pełnego zrozumienia wszystkich aspektów infrastruktury handlowej. Pozwala również na zbadanie strategii wyższych częstotliwości, ponieważ będziesz w pełni kontrolować swój stos technologii. Oznacza to, że możesz testować własne oprogramowanie i eliminować błędy, ale oznacza to również więcej czasu na kodowanie infrastruktury, a mniej na wdrażanie strategii, przynajmniej we wcześniejszej części swojej kariery w handlu algo. Może się okazać, że wygodnie inwestujesz w Excel lub MATLAB i możesz zlecić rozwój innych komponentów. Nie polecałbym tego jednak, szczególnie tym, którzy handlują z wysoką częstotliwością. Musisz zadać sobie pytanie, co masz nadzieję osiągnąć dzięki algorytmicznej wymianie. Czy jesteś zainteresowany regularnymi dochodami, dzięki którym masz nadzieję na czerpanie zysków z rachunku handlowego Czy jesteś zainteresowany długoterminowym zyskiem kapitałowym i możesz sobie pozwolić na handel bez konieczności wypłaty środków Zależność od dochodów będzie dyktować częstotliwość twojej strategii . Więcej regularnych wypłat dochodu będzie wymagać strategii handlu o wyższej częstotliwości z mniejszą zmiennością (tj. Wyższy wskaźnik Sharpe'a). Długoterminowi inwestorzy mogą sobie pozwolić na bardziej stabilną częstotliwość transakcji. Wreszcie, nie dajcie się zwieść idei stania się niezwykle bogatym w krótkim czasie Handel Algo NIE jest szybkim i szybkim systemem - jeśli cokolwiek, może to stać się kiepsko-szybkim programem. Potrzeba dużej dyscypliny, badań, staranności i cierpliwości, aby odnieść sukces w handlu algorytmicznym. Może to trwać miesiące, jeśli nie lata, aby generować stałą rentowność. Pozyskiwanie algorytmicznych pomysłów na handel Mimo powszechnego przekonania, w rzeczywistości jest całkiem proste zlokalizowanie dochodowych strategii handlowych w domenie publicznej. Nigdy nie było łatwiej dostępnych pomysłów na handel niż obecnie. Akademickie czasopisma finansowe, serwery typu pre-print, blogi handlowe, fora handlowe, cotygodniowe czasopisma handlowe i teksty specjalistyczne dostarczają tysięcy strategii handlowych, na których można oprzeć swoje pomysły. Naszym celem, jako badaczy zajmujących się badaniem ilościowym, jest ustalenie strategii, która zapewni nam strumień bieżących pomysłów na handel. Idealnie chcemy stworzyć metodyczne podejście do pozyskiwania, oceny i wdrażania strategii, które napotykamy. Celem gazociągu jest wygenerowanie spójnej ilości nowych pomysłów i zapewnienie ram umożliwiających odrzucenie większości z tych pomysłów przy minimalnym uwzględnieniu emocjonalnym. Musimy być bardzo ostrożni, aby nie pozwolić, aby poznawcze odchylenia wpłynęły na naszą metodologię podejmowania decyzji. Może to być tak proste, jak preferowanie jednej klasy aktywów nad inną (złoto i inne metale szlachetne przychodzą na myśl), ponieważ są postrzegane jako bardziej egzotyczne. Naszym celem powinno być zawsze znalezienie konsekwentnie dochodowych strategii z pozytywnym oczekiwaniem. Wybór klasy aktywów powinien opierać się na innych przesłankach, takich jak ograniczenia kapitału obrotowego, opłaty maklerskie i możliwości dźwigni. Jeśli nie jesteś całkowicie zaznajomiony z koncepcją strategii handlowej, to pierwsze miejsce, na które warto zwrócić uwagę, to sprawdzone podręczniki. Teksty klasyczne dostarczają szerokiej gamy prostszych, prostszych pomysłów, dzięki którym można zapoznać się z obrotem ilościowym. Oto wybór, który polecam tym, którzy są nowi w handlu ilościowym, które stopniowo stają się coraz bardziej wyrafinowane podczas pracy nad listą: Aby uzyskać dłuższą listę ilościowych książek handlowych, odwiedź listę czytania QuantStart. Kolejnym miejscem, w którym można znaleźć bardziej wyrafinowane strategie, są fora handlowe i blogi handlowe. Jednak uwaga: wiele blogów handlowych opiera się na koncepcji analizy technicznej. Analiza techniczna obejmuje wykorzystanie podstawowych wskaźników i psychologii behawioralnej w celu określenia trendów lub odwrócenia wzorców w cenach aktywów. Pomimo ogromnej popularności w ogólnej przestrzeni handlowej, analiza techniczna jest uważana za nieco nieefektywną w finansowaniu ilościowym. Niektórzy sugerują, że nie jest to lepsze niż czytanie horoskopu lub studiowanie liści herbaty pod względem siły predykcyjnej. W rzeczywistości istnieją osoby odnoszące sukcesy, które korzystają z analizy technicznej. Jednak jako kwanty z bardziej wyrafinowanym zestawem narzędzi matematycznych i statystycznych, którymi dysponujemy, możemy łatwo ocenić skuteczność takich strategii opartych na TA i podejmować decyzje oparte na danych, zamiast opierać się na emocjonalnych rozważaniach lub uprzedzeniach. Oto lista dobrze przestrzeganych blogów i forów poświęconych algorytmicznym transakcjom: kiedy masz już doświadczenie w ocenie prostszych strategii, czas spojrzeć na bardziej wyrafinowane oferty akademickie. Niektórych czasopism akademickich będzie trudno uzyskać dostęp, bez wysokich subskrypcji lub jednorazowych kosztów. Jeśli jesteś członkiem lub absolwentem uniwersytetu, powinieneś być w stanie uzyskać dostęp do niektórych z tych czasopism finansowych. W przeciwnym razie możesz przejrzeć serwery wydruku wstępnego. które są internetowymi repozytoriami późnych wersji roboczych artykułów naukowych, które są poddawane wzajemnej ocenie. Ponieważ interesują nas tylko strategie, które możemy z powodzeniem replikować, analizować historie i uzyskiwać rentowność, ocena wzajemna ma dla nas mniejsze znaczenie. Główną wadą strategii akademickich jest to, że często są albo nieaktualne, wymagają mało znanych i kosztownych danych historycznych, handlują klasami aktywów niepłynnych, albo nie uwzględniają opłat, poślizgów czy spreadów. Nie można również wyjaśnić, czy strategia handlowa ma być realizowana przy zleceniach rynkowych, zleceniach z limitem lub czy zawiera ona stop loss itd. Dlatego absolutnie niezbędna jest samodzielna replikacja strategii, backtest i realistyczna transakcja. koszty, które obejmują tyle aspektów klas aktywów, którymi chcesz handlować. Oto lista bardziej popularnych serwerów druku i czasopism finansowych, z których możesz czerpać pomysły: Co z tworzeniem własnych strategii ilościowych Zasadniczo wymaga to ( ale nie ogranicza się do) wiedzy specjalistycznej w co najmniej jednej z następujących kategorii: Mikrostruktura rynku - w szczególności w przypadku strategii o wyższych częstotliwościach można wykorzystać mikrostrukturę rynku. tj. zrozumienie dynamiki portfela zamówień w celu wygenerowania rentowności. Różne rynki będą podlegać różnym ograniczeniom technologicznym, regulacjom, uczestnikom rynku i ograniczeniom, które są otwarte na wykorzystanie poprzez konkretne strategie. Jest to bardzo wyrafinowany obszar, a sprzedawcy detaliczni będą mieli trudności z konkurowaniem w tej dziedzinie, zwłaszcza że konkurencja obejmuje duże, dobrze skapitalizowane ilościowe fundusze hedgingowe o dużych możliwościach technologicznych. Struktura funduszu - Połączone fundusze inwestycyjne, takie jak fundusze emerytalne, prywatne partnerstwa inwestycyjne (fundusze hedgingowe), doradcy handlowi towarami i fundusze inwestycyjne są ograniczane zarówno przez rygorystyczne regulacje, jak i ich duże rezerwy kapitałowe. W ten sposób pewne spójne zachowania można wykorzystać dla tych, którzy są bardziej zwinni. Na przykład duże fundusze podlegają ograniczeniom pojemności wynikającym z ich wielkości. Jeśli więc będą musieli szybko wyładować (sprzedać) pewną ilość papierów wartościowych, będą musieli je rozłożyć, aby uniknąć przesunięcia rynku. Wyrafinowane algorytmy mogą wykorzystać tę i inne cechy charakterystyczne w ogólnym procesie zwanym arbitrażem struktury funduszy. Uczenie maszynowe Sztuczna inteligencja - algorytmy uczenia maszynowego stały się bardziej powszechne w ostatnich latach na rynkach finansowych. Klasyfikatory (takie jak Naive-Bayes i in.) Nieliniowe funkcje matujące (sieci neuronowe) i procedury optymalizacyjne (algorytmy genetyczne) zostały wykorzystane do przewidywania ścieżek aktywów lub optymalizacji strategii handlowych. Jeśli masz doświadczenie w tym obszarze, możesz mieć pewien wgląd w to, jak poszczególne algorytmy mogą być stosowane na niektórych rynkach. Oczywiście istnieje wiele innych obszarów do zbadania przez kwanty. Przedyskutuj, jak szczegółowo wymyślić niestandardowe strategie w kolejnym artykule. Kontynuując monitorowanie tych źródeł tygodniowo lub nawet codziennie, przygotowujesz się do otrzymania spójnej listy strategii z różnych źródeł. Następnym krokiem jest ustalenie, jak odrzucić duży podzbiór tych strategii, aby zminimalizować marnowanie czasu i analizę historyczną zasobów na strategiach, które mogą być nieopłacalne. Ocena strategii handlowych Pierwszym i prawdopodobnie najbardziej oczywistym zagadnieniem jest to, czy faktycznie rozumiesz strategię. Czy byłbyś w stanie wyjaśnić tę strategię zwięźle, czy też wymaga ona szeregu zastrzeżeń i niekończących się list parametrów? Dodatkowo, czy strategia ma dobrą, solidną podstawę w rzeczywistości? Na przykład, czy możesz wskazać pewne behawioralne przesłanki lub ograniczenia struktury funduszy, które może powodować wzorce, które próbujesz wykorzystać Czy ograniczenie to byłoby zgodne ze zmianą reżimu, na przykład dramatyczne zakłócenie środowiska regulacyjnego Czy strategia opiera się na złożonych zasadach statystycznych lub matematycznych Czy ma zastosowanie do dowolnej serii czasowej lub jest jest to specyficzne dla klasy aktywów, o której twierdzi się, że jest rentowne, należy stale zastanawiać się nad tymi czynnikami przy ocenie nowych metod handlu, w przeciwnym razie można zmarnować znaczną ilość czasu na przeprowadzenie analizy historycznej i optymalizację nieopłacalnych strategii. Po ustaleniu, że rozumiesz podstawowe zasady strategii, musisz zdecydować, czy pasuje ona do wspomnianego wcześniej profilu osobowości. Nie jest to tak mgliste, jak się wydaje, strategie będą się znacznie różnić pod względem charakterystyki działania. Istnieją pewne typy osobowości, które mogą obsłużyć więcej znaczących okresów wypłaty lub są skłonne zaakceptować większe ryzyko dla większego zwrotu. Pomimo tego, że jako quanty staramy się eliminować tak wiele błędów poznawczych, jak to tylko możliwe i powinniśmy być w stanie bezstronnie ocenić strategię, zawsze wkradną się uprzedzenia. Dlatego potrzebujemy spójnego, pozbawionego emocji sposobu oceny skuteczności strategii . Oto lista kryteriów, według których oceniam potencjalną nową strategię: Metodologia - czy strategia oparta jest na strategii, średnie zwroty, neutralny na rynku, kierunkowy Czy strategia opiera się na zaawansowanych (lub złożonych) technikach statystycznych lub uczenia maszynowego, które są trudne zrozumieć i wymagać doktoratu w statystykach do uchwycenia Czy techniki te wprowadzają znaczną liczbę parametrów, co może prowadzić do błędu optymalizacji Czy strategia może wytrzymać zmianę reżimu (tj. potencjalna nowa regulacja rynków finansowych) Sharpe Ratio - Stosunek Sharpe'a heurystycznie charakteryzuje stosunek nagród do strategii. Określa ona wielkość zwrotu z inwestycji w odniesieniu do poziomu zmienności, na jaki wpływa krzywa kapitału własnego. Naturalnie, musimy określić okres i częstotliwość, z jaką te powroty i zmienność (tj. Odchylenie standardowe) są mierzone. Strategia o wyższej częstotliwości będzie wymagać większej częstotliwości próbkowania odchylenia standardowego, ale na przykład krótszego całkowitego czasu pomiaru. Dźwignia finansowa - Czy strategia wymaga znacznego efektu dźwigni, aby była rentowna Czy strategia wymaga stosowania kontraktów na instrumenty pochodne oparte na dźwigniach (kontrakty futures, opcje, swapy) w celu uzyskania zwrotu Te umowy lewarowane charakteryzują się znaczną zmiennością, a zatem mogą łatwo prowadzić do depozyty zabezpieczające. Czy posiadasz kapitał obrotowy i temperament dla takiej zmienności Częstotliwość - częstotliwość strategii jest ściśle powiązana z twoją technologią (a więc technologiczną ekspertyzą), współczynnikiem Sharpe'a i ogólnym poziomem kosztów transakcyjnych. Wszystkie inne kwestie brane pod uwagę, strategie o wyższej częstotliwości wymagają więcej kapitału, są bardziej wyrafinowane i trudniejsze do wdrożenia. Jednak zakładając, że twój mechanizm analizy historycznej jest wyrafinowany i pozbawiony błędów, często będą mieć znacznie wyższe wskaźniki Sharpe'a. Zmienność - Zmienność wiąże się silnie z ryzykiem strategii. Współczynnik Sharpe'a to charakteryzuje. Większa zmienność podstawowych klas aktywów, jeżeli jest niezabezpieczona, często prowadzi do wyższej zmienności krzywej kapitału własnego, a tym samym mniejszych współczynników Sharpe'a. Zakładam oczywiście, że dodatnia zmienność jest w przybliżeniu równa ujemnej zmienności. Niektóre strategie mogą mieć większą zmienność w dół. Musisz zdawać sobie sprawę z tych atrybutów. WinLoss, Average ProfitLoss - Strategie różnią się pod względem wydajności i średniej rentowności. Można mieć bardzo dochodową strategię, nawet jeśli liczba przegrywających transakcji przekracza liczbę zwycięskich transakcji. Strategie Momentum mają ten wzorzec, ponieważ opierają się na niewielkiej liczbie dużych trafień, aby przynosić zyski. Strategie średniej zmiany mają tendencję do posiadania przeciwnych profili, gdzie więcej transakcji jest zwycięzcami, ale przegrane transakcje mogą być dość poważne. Maksymalne wypłaty - maksymalne wypłaty są największym ogólnym spadkiem procentowym na krzywej kapitałowej strategii. Strategie Momentum są znane z tego, że cierpią z powodu okresów przedłużonych wypłat (ze względu na ciąg wielu skokowych transakcji tracących). Wielu przedsiębiorców rezygnuje z okresów zwiększonego wypłaty, nawet jeśli historyczne testy sugerują, że jest to normalna strategia. Będziesz musiał określić, jaki procent wypłaty (i jaki okres czasu) możesz zaakceptować, zanim przestaniesz handlować swoją strategią. Jest to wysoce osobista decyzja i dlatego należy ją dokładnie rozważyć. CapacityLiquidity - Na poziomie detalicznym, o ile nie sprzedaje się instrumentów o dużej płynności (takich jak akcje o małej kapitalizacji), nie trzeba zbytnio obawiać się możliwości strategicznych. Pojemność określa skalowalność strategii do dalszego kapitału. Wiele z większych funduszy hedgingowych cierpi z powodu znacznych problemów z przepustowością, ponieważ ich strategie zwiększają alokację kapitału. Parametry - Niektóre strategie (szczególnie te występujące w społeczności uczącej się maszyn) wymagają dużej ilości parametrów. Każdy dodatkowy parametr wymagany przez strategię powoduje, że jest bardziej podatny na błędy optymalizacji (znane również jako dopasowanie krzywej). Powinieneś próbować kierować strategie przy użyciu jak najmniejszej liczby parametrów lub upewnić się, że masz wystarczającą ilość danych do przetestowania swoich strategii. Benchmark - prawie wszystkie strategie (chyba że określono je jako bezwzględny zwrot) są mierzone w odniesieniu do niektórych wskaźników wydajności. Benchmark to zazwyczaj indeks, który charakteryzuje dużą próbę podstawowej klasy aktywów, którą obraca strategia. Jeśli strategia obraca amerykańskie akcje o dużej kapitalizacji, wówczas SP500 byłby naturalnym punktem odniesienia do pomiaru strategii. Usłyszysz terminy alfa i beta, stosowane do strategii tego typu. Omówimy te współczynniki dogłębnie w późniejszych artykułach. Zauważ, że nie omówiliśmy faktycznych zwrotów strategii. Dlaczego to jest w izolacji, zwroty faktycznie dostarczają nam ograniczonych informacji na temat skuteczności strategii. Nie dają one wglądu w dźwignię, zmienność, poziomy odniesienia ani wymogi kapitałowe. Tak więc strategie rzadko są oceniane wyłącznie na podstawie ich zwrotu. Zawsze rozważ ryzyko atrybutów strategii przed spojrzeniem na zwroty. Na tym etapie wiele strategii znalezionych w twoim rurociągu zostanie odrzuconych z ręki, ponieważ nie spełnią twoich wymagań kapitałowych, nie wykorzystają ograniczeń, maksymalnej tolerancji wypłat ani preferencji dotyczących zmienności. Strategie, które pozostają, można teraz rozważyć w przypadku analizy historycznej. Zanim to jednak będzie możliwe, należy rozważyć jedno ostateczne kryterium odrzucenia - dostępne historyczne dane, na podstawie których można przetestować te strategie. Uzyskiwanie danych historycznych W dzisiejszych czasach zakres wymagań technicznych dla klas aktywów dla przechowywania danych historycznych jest znaczny. Aby zachować konkurencyjność, zarówno strona kupująca (fundusze), jak i strona sprzedająca (banki inwestycyjne) inwestują znaczne kwoty w swoją infrastrukturę techniczną. Konieczne jest rozważenie jego znaczenia. W szczególności interesują nas wymagania dotyczące terminowości, dokładności i przechowywania. Przedstawię teraz podstawy uzyskiwania danych historycznych i sposobu ich przechowywania. Niestety jest to bardzo głęboki i techniczny temat, więc nie będę mógł powiedzieć wszystkiego w tym artykule. W przyszłości jednak będę o tym pisać dużo więcej, ponieważ moje wcześniejsze doświadczenie branżowe w branży finansowej dotyczyło przede wszystkim pozyskiwania, przechowywania i dostępu do danych finansowych. W poprzedniej sekcji przygotowaliśmy strategię, która pozwoliła nam odrzucić pewne strategie oparte na naszych własnych kryteriach odrzucenia. W tej sekcji będziemy filtrować więcej strategii w oparciu o własne preferencje dotyczące uzyskiwania danych historycznych. Najważniejsze uwagi (szczególnie na poziomie sprzedawcy detalicznego) to koszty danych, wymagania dotyczące pamięci masowej i poziom wiedzy technicznej. Musimy również omówić różne rodzaje dostępnych danych i różne rozważania, które każdy typ danych będzie na nas nakładał. Zacznijmy od omówienia rodzajów dostępnych danych i kluczowych kwestii, które będziemy musieli przemyśleć: Dane podstawowe - Obejmuje to dane o tendencjach makroekonomicznych, takie jak stopy procentowe, dane o inflacji, działania korporacyjne (dywidendy, podziały akcji), wnioski składane przez SEC , rachunki korporacyjne, zarobki, raporty zbiorów, dane meteorologiczne itp. Dane te są często wykorzystywane do wyceny spółek lub innych aktywów na fundamentalnych zasadach, tj. za pomocą pewnych środków oczekiwanych przyszłych przepływów pieniężnych. Nie obejmuje serii cen akcji. Niektóre podstawowe dane są swobodnie dostępne na stronach rządowych. Inne długoterminowe historyczne dane podstawowe mogą być niezwykle kosztowne. Wymagania dotyczące pamięci masowej często nie są zbyt duże, chyba że tysiące firm jest badanych jednocześnie. Dane z wiadomości - dane z wiadomości mają często charakter jakościowy. 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 freely 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 and 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 programmingtechnical 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 SP500 index (US) or FTSE100 (UK). For a fixed income fund, it is useful to compare against a basket of bonds or fixed income products. 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 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