Popolare Algoritmico Trading Strategie

Top 5 essenziali per principianti libri per Algorithmic Trading trading algoritmico è normalmente considerato come un settore complesso per i principianti per fare i conti con. Copre una vasta gamma di discipline, con alcuni aspetti che richiedono un notevole grado di maturità matematica e statistica. Di conseguenza, può essere estremamente scoraggiante per i non iniziati. In realtà, i concetti generali sono semplici da capire, mentre i dettagli possono essere apprese in maniera continuativa iterativo. La bellezza di trading algoritmico è che non c'è bisogno di testare le proprie conoscenze sul capitale reale, come molti broker offrono simulatori di mercato altamente realistiche. Mentre ci sono alcune avvertenze associati a tali sistemi, che forniscono un ambiente per favorire un profondo livello di comprensione, senza alcun rischio di capitale. Una domanda comune che ricevo dai lettori di QuantStart è Come devo fare per iniziare nel commercio quantitativa. Ho già scritto una guida per principianti alla negoziazione quantitativa. ma un articolo non può sperare di coprire la diversità del soggetto. Così Ive ha deciso di raccomandare il mio preferito entry-level libri quant commerciali in questo articolo. Il primo compito è quello di ottenere una solida panoramica del soggetto. Ho trovato che sia molto più facile per evitare pesanti discussioni matematiche fino a quando le basi sono coperti e compresi. I migliori libri che ho trovato per questo scopo sono i seguenti: 1) Quantitative Trading Ernest Chan - Questo è uno dei miei libri preferiti di finanza. Dr. Chan offre una grande panoramica del processo di creazione di un sistema di negoziazione quantitativi di vendita al dettaglio, utilizzando Matlab o Excel. Si rende il soggetto altamente accessibile e dà l'impressione che chiunque può farlo. Anche se ci sono un sacco di dettagli che vengono saltati (soprattutto per brevità), il libro è una grande introduzione a come funziona algoritmica di trading. Si discute generazione di alfa (il modello di trading), la gestione del rischio, sistemi di esecuzione automatica e certe strategie (in particolare di moto e mean reversion). Questo libro è il punto di partenza. 2) dentro la scatola nera da Rishi Narang K. - In questo libro il Dr. Narang spiega dettagliatamente come un fondo professionale siepe quantitativa opera. Si è lanciato in un investitore esperto che sta valutando la possibilità di investire in una scatola nera del genere. Nonostante l'apparente irrilevanza di un commerciante al dettaglio, il libro in realtà contiene una grande quantità di informazioni su come un sistema di negoziazione quant corretta deve essere effettuata. Per esempio, l'importanza dei costi di transazione e di gestione dei rischi sono descritti, con le idee su dove cercare ulteriori informazioni. Molti commercianti al dettaglio algo potrebbe fare bene a scegliere questo e vedere come i professionisti svolgono il loro commercio. 3) Trading algoritmico amp DMA da Barry Johnson - Il trading algoritmico frase, nel settore finanziario, di solito si riferisce agli algoritmi di esecuzione utilizzati da banche e intermediari di eseguire operazioni efficienti. Sto usando il termine per coprire non solo gli aspetti del trading, ma anche il commercio quantitativa o sistematico. Questo libro è soprattutto per il primo, essendo scritto da Barry Johnson, che è uno sviluppatore di software quantitativa ad una banca d'investimento. Questo significa che è di alcuna utilità per la vendita al dettaglio quant Niente affatto. In possesso di una più profonda comprensione di come funzionano gli scambi e la microstruttura del mercato possono aiutare immensamente la redditività delle strategie di vendita al dettaglio. Nonostante sia un tomo pesante, vale la pena raccogliere. Una volta che i concetti di base vengono afferrati, è necessario iniziare a sviluppare una strategia commerciale. Questo è generalmente noto come componente del modello alfa di un sistema commerciale. Le strategie sono facili da trovare in questi giorni, ma il vero valore arriva a determinare i propri parametri di negoziazione attraverso approfondite ricerche e backtesting. I seguenti libri affrontano alcuni tipi di sistemi di esecuzione trading e di come fare per la loro attuazione: 4) Trading algoritmico da Ernest Chan - Questo è il secondo libro del Dr. Chan. Nel primo libro che sfuggiva alla quantità di moto, mean reversion e certe strategie ad alta frequenza. Questo libro discute tali strategie in profondità e fornisce importanti dettagli di implementazione, anche se con maggiore complessità matematica rispetto ai primi (ad esempio Kalman Filtri, StationarityCointegration, CADF ecc). Le strategie, ancora una volta, fanno largo uso di MatLab, ma il codice può essere facilmente modificati per C, Pythonpandas o R per quelli con esperienza di programmazione. Esso fornisce anche gli aggiornamenti sulle ultime comportamento del mercato, come il primo libro è stato scritto qualche anno fa. 5) Trading e scambi di Larry Harris - Questo libro si concentra sulla microstruttura del mercato. che personalmente ritengo sia un settore essenziale per conoscere, anche nelle fasi iniziali di commercio Quant. microstruttura del mercato è la scienza di come i partecipanti al mercato interagiscono e le dinamiche che si verificano nel libro degli ordini. E 'strettamente legato al modo in cui la funzione scambi e cosa succede in realtà quando un commercio è collocato. Questo libro è meno di negoziazione strategie in quanto tale, ma più di cose di essere a conoscenza di quando la progettazione di sistemi di esecuzione. Molti professionisti del quant riguarda lo spazio di finanza questo come un libro eccellente e anche io lo consiglio vivamente. In questa fase, come un commerciante al dettaglio, vi troverete in un buon posto per iniziare la ricerca degli altri componenti di un sistema di negoziazione, come il meccanismo di esecuzione (e la sua relazione profonda con costi di transazione), nonché del rischio e gestione del portafoglio. Io dicuss libri per questi argomenti in articoli successivi. Appena iniziato con quantitativi TradingBasics di Algorithmic Trading: Concetti ed esempi Un algoritmo è un insieme specifico di istruzioni ben definite finalizzate a svolgere un compito o processo. trading algoritmico (trading automatico, black-box di trading, o semplicemente algo-trading) è il processo di utilizzo di computer programmati per seguire una serie definita di istruzioni per l'immissione un mestiere al fine di generare profitti a una velocità e frequenza che è impossibile per un operatore umano. I set definito di regole si basano sui tempi, prezzo, quantità o qualsiasi modello matematico. A parte le opportunità di profitto per il commerciante, algo-trading rende i mercati più liquidi e rende di trading più sistematico escludendo gli impatti umani emozionali dell'attività di negoziazione. Supponiamo che un trader segue questi criteri commerciali semplici: Acquisto 50 azioni di una società quando la sua media mobile a 50 giorni passa sopra il mobile a 200 giorni vendere le azioni medio del titolo quando la sua media mobile a 50 giorni scende al di sotto della media mobile a 200 giorni l'utilizzo di questo set di due semplici istruzioni, è facile scrivere un programma per computer che seguirà automaticamente il prezzo delle azioni (e gli indicatori in movimento medi) e posizionare il acquisto e in vendita quando sono soddisfatte le condizioni definite. Il commerciante non ha più bisogno di tenere sotto controllo per i prezzi in tempo reale e grafici, o mettere negli ordini manualmente. Il sistema di trading algoritmico lo fa automaticamente per lui, identificando correttamente l'opportunità di trading. (Per ulteriori informazioni su medie mobili, vedere: semplici medie mobili Fai Trends distinguersi.) Algo-trading offre i seguenti vantaggi: negoziazioni eseguite ai migliori prezzi possibili dell'ordine commercio istantanea e precisa (quindi alte probabilità di esecuzione a livelli desiderati) Trades cronometrato correttamente e immediatamente, per evitare variazioni significative dei prezzi ridotti costi di transazione (si veda il deficit esempio di implementazione di seguito) controlli automatici simultanei su più le condizioni di mercato ridotto rischio di errori manuali nella disposizione dei mestieri backtest l'algoritmo, sulla base dei dati storici e in tempo reale disponibili ridotti possibilità di errori da parte dei commercianti umani in base a fattori emotivi e psicologici La maggior parte dei nostri giorni algo-trading è alto il commercio frequenza (HFT), che tenta di capitalizzare mettendo un gran numero di ordini a velocità molto veloci su più mercati e decisione multipla parametri, sulla base di istruzioni pre-programmate. (Per maggiori informazioni sul trading ad alta frequenza, vedere: strategie e segreti di High Trading frequenza () Aziende HFT) Algo-trading è utilizzato in molte forme di attività di trading e di investimento, tra cui: Metà di investitori a lungo termine o comprare aziende laterali (fondi pensione , fondi comuni di investimento, assicurazioni) che acquistano in azioni in grandi quantità, ma non vogliono influenzare i prezzi delle scorte con discreti, gli investimenti di grande volume. commercianti di breve termine e vendono partecipanti laterali (market maker. speculatori. e arbitraggisti) beneficiano di esecuzione delle negoziazioni automatizzate in aggiunta, gli aiuti algo-negoziazione nella creazione di liquidità sufficiente per i venditori sul mercato. commercianti sistematiche (trend followers. coppie commercianti. hedge funds ecc.) trovano molto più efficiente di programmare le loro regole di negoziazione e lasciare che automaticamente il commercio programma. trading algoritmico fornisce un approccio più sistematico alla negoziazione attiva rispetto ai metodi basati su un commercianti intuizione o istinto umano. Strategie di trading algoritmico Qualsiasi strategia per il trading algoritmico richiede una opportunità identificate che è redditizio in termini di guadagni miglioramento o la riduzione dei costi. Di seguito sono le strategie di trading comuni utilizzati in algo-trading: Le strategie più comuni di trading algoritmico seguono le tendenze medie mobili. sblocchi canale. movimenti livello dei prezzi e relativi indicatori tecnici. Queste sono le strategie più facili e più semplici per attuare attraverso il trading algoritmico, perché queste strategie non comportano fare pronostici o previsioni di prezzo. Ordini vengono avviate in base al verificarsi di tendenze desiderabili. che sono facile e semplice da implementare attraverso algoritmi senza entrare nella complessità di analisi predittiva. L'esempio di cui sopra di 50 e 200 giorni di media mobile è una tendenza popolare seguente strategia. (Per ulteriori informazioni su strategie di trading di tendenza, vedi: strategie semplici per Capitalizzando sulle tendenze.) L'acquisto di un magazzino a doppia quotata ad un prezzo inferiore a quello di mercato e contemporaneamente vendere a un prezzo più elevato in un altro mercato offre il differenziale di prezzo come profitto privo di rischio o di arbitraggio. La stessa operazione può essere replicato per gli stock rispetto a strumenti a termine, come le differenze di prezzo fanno esiste di volta in volta. Implementazione di un algoritmo per individuare tali differenze di prezzo e l'immissione degli ordini consente opportunità redditizie in modo efficiente. fondi indicizzati hanno definito i periodi di riequilibrio per portare le loro partecipazioni a pari con i loro rispettivi indici di riferimento. Questo crea opportunità di profitto per i commercianti algoritmico, che capitalizzano sulle compravendite che ci si attende che offrono 20-80 punti base profitti a seconda del numero di titoli nel fondo indice, appena prima di riequilibrio fondo indicizzato. Tali operazioni sono avviate tramite i sistemi di trading algoritmico per l'esecuzione tempestiva e migliori prezzi. Un sacco di modelli matematici collaudati, come la strategia di trading delta-neutral, che consentono di negoziazione in combinazione di opzioni e il suo titolo sottostante. dove i commerci sono posti per compensare delta positivi e negativi in ​​modo che il delta del portafoglio è mantenuta a zero. Media strategia di reversione si basa sull'idea che i prezzi alti e bassi di un bene sono un fenomeno temporaneo che ritornano alle loro valore medio periodicamente. L'identificazione e la definizione di una fascia di prezzo e l'attuazione di algoritmo basato su che consente di traffici di essere inseriti automaticamente quando il prezzo delle interruzioni di attività dentro e fuori del suo campo definito. Volume ponderata strategia di prezzo medio rompe un grande ordine e rilascia determinato dinamicamente blocchi più piccoli della fine di mercato utilizzando azionari specifici profili storici del volume. L'obiettivo è quello di eseguire l'ordine nei pressi del Volume Weighted Average Price (VWAP), beneficiando in tal modo il prezzo medio. Tempo strategia di prezzo medio ponderato rompe un grande ordine e rilascia determinate dinamicamente blocchi più piccoli dell'ordine al mercato utilizzando gli intervalli di tempo divisi tra un tempo di inizio e di fine. L'obiettivo è quello di eseguire l'ordine vicino al prezzo medio tra i tempi di inizio e di fine, riducendo al minimo l'impatto sul mercato. Fino dell'ordine commerciale è completamente riempito, questo algoritmo continua invio ordini parziali, in base al rapporto di partecipazione definito e in base al volume degli scambi nei mercati. La strategia di passaggi legati invia ordini ad una percentuale definita dall'utente dei volumi di mercato e aumenta o diminuisce questo tasso di partecipazione quando il prezzo raggiunge livelli definiti dall'utente. La strategia di attuazione deficit mira a ridurre al minimo il costo di esecuzione di un ordine da negoziazione fuori dal mercato in tempo reale, risparmiando così sul costo dell 'ordine e che beneficiano di il costo opportunità di esecuzione ritardata. La strategia aumenterà il tasso di partecipazione mirato quando il prezzo del titolo si muove con favore e diminuire quando il prezzo delle azioni si muove negativamente. Ci sono alcuni particolari classi di algoritmi che tentano di identificare eventi sull'altro lato. Questi algoritmi sniffing, utilizzati, per esempio, da parte di un market maker lato delle vendite hanno l'intelligenza in-built di identificare l'esistenza di eventuali algoritmi sul lato degli acquisti di un grande ordine. Tale rilevazione tramite algoritmi aiuterà il market maker di identificare grandi opportunità di ordine e gli permettono di beneficiare riempiendo gli ordini ad un prezzo superiore. Questo a volte è identificato come high-tech front-running. (Per maggiori informazioni sul trading ad alta frequenza e le pratiche fraudolente, vedi: se si acquistano azioni online, si è coinvolti in HFTs.) Requisiti tecnici per Algorithmic Trading Implementare l'algoritmo utilizzando un programma per computer è l'ultima parte, bastonato con backtesting. La sfida è trasformare la strategia individuata in un processo computerizzato integrato che ha accesso a un conto di trading per l'immissione degli ordini. I seguenti sono necessarie: conoscenza di programmazione informatica per programmare la strategia di trading richiesto, ingaggiato programmatori o pre-fatto di connettività software di rete di scambio e l'accesso a piattaforme di trading per l'immissione degli ordini L'accesso ai dati di mercato feed che saranno monitorati dall'algoritmo di opportunità per collocare ordini la capacità e infrastrutture di backtest il sistema, una volta costruito, prima che va in diretta su mercati reali dati storici disponibili per il test a ritroso, a seconda della complessità delle regole implementate in algoritmo Ecco un esempio completo: Royal Dutch Shell (RDS) è quotata Amsterdam Borsa (AEX) e London Stock Exchange (LSE). Consente di costruire un algoritmo per individuare le opportunità di arbitraggio. Qui ci sono alcune interessanti osservazioni: compravendite AEX in Euro, mentre LSE commercia in Sterline a causa della differenza di tempo di un'ora, AEX apre un'ora prima del LSE, seguito da due scambi di negoziazione simultaneamente per il prossimo paio d'ore e poi negoziazione solo in LSE durante l'ultima ora come si chiude AEX possiamo esplorare la possibilità di arbitraggio di negoziazione sul titolo Royal Dutch Shell quotata su questi due mercati in due diverse valute un programma per computer in grado di leggere i prezzi correnti di mercato Prezzo feed sia da LSE e AEX Un feed tasso forex GBP-EUR tasso di cambio di ordinare capacità che può instradare l'ordine al corretto scambio Back-testing capacità sul prezzo storico alimenta il programma per computer deve eseguire le seguenti operazioni: Leggere il feed prezzo in ingresso di RDS magazzino da entrambi gli scambi utilizzando i tassi di cambio disponibili . convertire il prezzo di una valuta ad altri Se esiste una grande differenza di prezzo abbastanza (attualizzando i costi di intermediazione) che porta ad una opportunità di proficua, quindi inserire l'ordine di acquisto in cambio di prezzo inferiore e ordine di vendita in borsa a prezzi più elevato Se gli ordini vengono eseguiti come lo si desidera, il profitto di arbitraggio seguirà semplice e facile Tuttavia, la pratica di trading algoritmico non è così semplice da mantenere ed eseguire. Ricordate, se è possibile effettuare un commercio algo-generated, così può gli altri partecipanti al mercato. Di conseguenza, i prezzi fluttuano in millisecondi e anche microsecondi. Nel precedente esempio, cosa succede se il buy commercio viene eseguito, ma vendere il commercio doesnt come i prezzi cambiano vendita per il momento l'ordine colpisce il mercato Vi ritroverete seduti con una posizione aperta. rendendo la vostra strategia di arbitraggio inutile. Ci sono rischi e sfide aggiuntive: per esempio, i rischi di guasto del sistema, errori di connettività di rete, ritardi temporali tra ordini commerciali e di esecuzione, e, cosa più importante di tutte, algoritmi imperfetti. Il più complesso un algoritmo, è necessario il backtesting più severi prima di essere messo in atto. Analisi quantitativa di una performance algoritmi gioca un ruolo importante e dovrebbe essere esaminato criticamente. La sua emozionante di andare per l'automazione aiutato da computer con un concetto di fare soldi senza fatica. Ma si deve fare in modo che il sistema è accuratamente testato e sono impostati limiti richiesti. commercianti di analisi dovrebbero prendere in considerazione l'apprendimento dei sistemi di programmazione e di costruzione per conto proprio, per essere sicuri di attuare le giuste strategie in maniera infallibile. uso cauto e test approfonditi di algo-trading possono creare opportunità di profitto. Un tipo di struttura di compensazione che i gestori di hedge fund tipicamente impiegano in cui una parte del compenso è basato sulle prestazioni. Una protezione contro la perdita di reddito che risulterebbe se l'assicurato è deceduto. Il beneficiario di nome riceve il. Una misura del rapporto tra un cambiamento nella quantità richiesta a un particolare buona e una variazione del suo prezzo. Prezzo. Il valore di mercato totale in dollari di tutto ad un company039s azioni in circolazione. La capitalizzazione di mercato è calcolato moltiplicando. Frexit abbreviazione di quotFrench exitquot è uno spin-off francese del termine Brexit, che è emerso quando il Regno Unito ha votato per. Un ordine con un broker che unisce le caratteristiche di ordine di stop con quelli di un ordine limite. Un ordine stop limit will. How di individuare strategie di trading algoritmico In questo articolo voglio farvi conoscere i metodi con cui io mi identifico proficue strategie di trading algoritmico. Il nostro obiettivo oggi è quello di capire in dettaglio come trovare, valutare e selezionare tali sistemi. Ill spiegare come l'individuazione di strategie è tanto circa preferenza personale come si tratta di prestazioni di strategia, come determinare il tipo e la quantità di dati storici per i test, come valutare spassionatamente una strategia di trading e, infine, come procedere verso la fase di backtesting e l'attuazione della strategia . Identificare le proprie preferenze personali per il Trading Al fine di essere un trader di successo - sia discrezionalmente o algoritmicamente - è necessario porsi alcune domande oneste. Trading vi offre la possibilità di perdere denaro ad un ritmo allarmante, per cui è necessario conoscere te stesso, per quanto è necessario capire la vostra strategia scelta. Direi che la considerazione più importante nel trading è essere consapevoli della propria personalità. Trading e trading algoritmico, in particolare, richiede un notevole grado di disciplina, pazienza e distacco emotivo. Dal momento che si sta lasciando un algoritmo eseguire il tuo trading per te, è necessario essere risolto non interferire con la strategia quando è in esecuzione. Questo può essere estremamente difficile, specialmente nei periodi di prelievo estesa. Tuttavia, molte strategie che hanno dimostrato di essere altamente redditizio in un backtest può essere rovinato da semplice interferenza. Capire che se si vuole entrare nel mondo del trading algoritmico sarete messi alla prova emotivamente e che per avere successo, è necessario lavorare attraverso queste difficoltà La considerazione successiva è uno di tempo. Hai un lavoro a tempo pieno si fa a lavorare part-time Non si lavora da casa o avere un lungo pendolari ogni giorno queste domande vi aiuteranno a determinare la frequenza della strategia che si dovrebbe cercare. Per quelli di voi nel lavoro a tempo pieno, una strategia future intraday potrebbe non essere indicato (almeno fino a quando non è completamente automatizzato). I suoi vincoli di tempo sarà anche dettare la metodologia della strategia. Se la strategia è spesso scambiato e affidamento sulla news feed costosi (come ad esempio un terminale Bloomberg) si chiaramente bisogno di essere realistici circa la sua capacità di eseguire correttamente questo mentre in ufficio Per quelli di voi con un sacco di tempo, o le competenze per automatizzare la tua strategia, si potrebbe desiderare di guardare in una strategia più tecnica di trading ad alta frequenza (HFT). La mia convinzione è che è necessario effettuare la ricerca continua nelle vostre strategie di trading di mantenere un portafoglio costantemente vantaggiosa. Poche le strategie di rimanere sotto il radar per sempre. Quindi una parte significativa del tempo assegnato alla negoziazione sarà il compimento di ricerche in corso. Chiedetevi se siete disposti a fare questo, come può essere la differenza tra la forte redditività o un lento declino verso perdite. È inoltre necessario considerare il vostro capitale di trading. L'importo minimo ideale generalmente accettato per una strategia quantitativa è di 50.000 dollari (circa 35.000 per noi nel Regno Unito). Se ho iniziato di nuovo, vorrei cominciare con una quantità maggiore, probabilmente più vicino 100.000 USD (circa 70.000). Questo perché i costi di transazione può essere estremamente costoso per metà a strategie ad alta frequenza ed è necessario avere capitale sufficiente per assorbirli in tempi di prelievo. Se state pensando di iniziare con meno di 10.000 dollari allora si avrà bisogno di limitarvi a strategie a bassa frequenza, la negoziazione di uno o due beni, come i costi di transazione saranno rapidamente mangiare nel vostro rendimento. Interactive Brokers, che è uno dei mediatori più accoglienti a quelli con competenze di programmazione, grazie alla sua API, ha un conto minimo di vendita al dettaglio di 10.000 dollari. Programmazione abilità è un fattore importante nella creazione di una strategia di negoziazione algoritmica automatizzato. Essere informati in un linguaggio di programmazione come C, Java, C, Python o R vi permetterà di creare il sistema di memorizzazione dei dati end-to-end, il motore backtest e l'esecuzione da soli. Questo ha una serie di vantaggi, il principale dei quali è la capacità di essere completamente a conoscenza di tutti gli aspetti dell'infrastruttura di trading. Consente inoltre di esplorare le strategie più alta frequenza, come si sarà in pieno controllo del tuo stack tecnologico. Anche se questo significa che è possibile testare il proprio software e di eliminare gli insetti, ma significa anche più tempo speso codificare fino infrastrutture e meno sulle strategie di attuazione, almeno nella prima parte della tua carriera di trading algo. Potreste scoprire che si sono negoziazione confortevoli in Excel o MATLAB e può esternalizzare lo sviluppo di altri componenti. Non consiglierei questo però, in particolare per coloro negoziazione ad alta frequenza. È necessario chiedersi che cosa sperate di ottenere con il trading algoritmico. Sei interessato a un reddito regolare, per cui si spera di trarre guadagno dal proprio conto di trading Oppure, siete interessati ad un guadagno di capitale a lungo termine e può permettersi di operare senza la necessità di drawdown fondi dipendenza reddito detterà la frequenza della vostra strategia . Altri prelievi di reddito regolari richiedono una strategia di negoziazione frequenza più elevata con una minore volatilità (cioè un indice di Sharpe più elevato). i commercianti a lungo termine possono permettersi una frequenza di trading più tranquillo. Infine, non essere ingannati dalla nozione di diventare estremamente ricchi in un breve lasso di tempo Algo trading non è un programma per diventare ricchi rapido-get - semmai può essere uno schema di diventare povero-rapido. Ci vuole disciplina significativo, la ricerca, la diligenza e pazienza per avere successo in trading algoritmico. Si può richiedere mesi, se non anni, per generare la redditività costante. Sourcing Trading algoritmico Idee Nonostante la percezione comune in senso contrario, in realtà è abbastanza semplice per individuare strategie di trading profittevoli di dominio pubblico. Non hanno idee di trading stati più facilmente disponibile di quanto non siano oggi. riviste accademiche finanza, i server di pre-stampa, blog, forum di scambio di trading, riviste commerciali settimanali e testi specialistici forniscono migliaia di strategie di trading con cui basare le vostre idee su. Il nostro obiettivo come ricercatori di trading quantitativo è di stabilire una pipeline strategia che ci fornirà un flusso di idee di trading in corso. Idealmente vogliamo creare un approccio metodico per l'approvvigionamento, la valutazione e le strategie che si incontrano attuazione. Gli obiettivi del gasdotto sono per generare una quantità costante di nuove idee e di fornire noi con un quadro per respingere la maggior parte di queste idee con il minimo di considerazione emotiva. Dobbiamo essere estremamente attenti a non lasciare distorsioni cognitive influenzano la nostra metodologia di processo decisionale. Questo potrebbe essere semplice come avere una preferenza per una classe di asset rispetto ad un altro (oro e altri metalli preziosi vengono in mente) perché sono percepiti come più esotici. Il nostro obiettivo deve sempre essere quello di trovare strategie costantemente vantaggiosa, con aspettativa positiva. La scelta di asset class dovrebbe essere basata su altre considerazioni, come ad esempio vincoli di capitale di trading, le commissioni di intermediazione e capacità di leva. Se siete completamente familiarità con il concetto di una strategia di trading, allora il primo posto da guardare è con libri di testo stabiliti. testi classici forniscono una vasta gamma di idee, più semplici semplici, con cui familiarizzare con il trading quantitativo. Ecco una selezione che consiglio per coloro che sono nuovi alla negoziazione quantitativa, che gradualmente diventano sempre più sofisticati, come si lavora attraverso la lista: Per un elenco dei libri di trading quantitative più a lungo, si prega di visitare la lista di lettura QuantStart. Il prossimo luogo per trovare le strategie più sofisticate è con forum e blog di trading di trading. Tuttavia, una nota di cautela: Molti blog di trading si basano sul concetto di analisi tecnica. L'analisi tecnica prevede l'utilizzo di indicatori di base e psicologia comportamentale per determinare le tendenze e modelli di inversione dei prezzi delle attività. Pur essendo estremamente popolare nello spazio complessivo di trading, l'analisi tecnica è considerato un po 'inefficace nel mondo della finanza quantitativa. Alcuni hanno suggerito che non è meglio che leggere un oroscopo o studiare foglie di tè in termini di potere predittivo in realtà ci sono persone di successo facendo uso di analisi tecnica. Tuttavia, come quants con un più sofisticato degli strumenti matematici e statistici a nostra disposizione, possiamo facilmente valutare l'efficacia di tali strategie TA-based e prendere decisioni basate sui dati, piuttosto che basare la nostra su considerazioni emotive o preconcetti. Ecco un elenco di tutto rispetto blog di trading algoritmico e forum: Una volta che hai avuto qualche esperienza a valutare le strategie più semplici, è il momento di guardare ai più sofisticati offerta formativa. Alcune riviste accademiche saranno di difficile accesso, senza abbonamenti o alti costi una tantum. Se sei un membro o di alunno di una università, si dovrebbe essere in grado di ottenere l'accesso ad alcuni di questi giornali finanziari. In caso contrario, si può guardare i server pre-stampa. che sono depositi di Internet di fine bozze di pubblicazioni accademiche che sono sottoposti a peer review. Dal momento che siamo interessati solo a strategie che siamo in grado di replicare con successo, backtest ed ottenere redditività per, una revisione tra pari è di minore importanza per noi. Il principale aspetto negativo di strategie accademici è che spesso possono o non essere aggiornati, richiedere dati storici oscuri e costosi, gli scambi di classi di attivi illiquidi o non tiene in considerazione le tasse, lo slittamento o la diffusione. Può anche essere chiaro se la strategia di trading deve essere effettuata con gli ordini di mercato, di limitare gli ordini o se contiene fermare le perdite ecc Così è assolutamente essenziale per replicare la strategia da soli nel miglior modo possibile, backtest e aggiungere in un'operazione realistica costi che includono come molti aspetti delle classi di attività che si desidera al commercio di Ecco un elenco dei più popolari server di pre-stampa e riviste finanziarie che è possibile fonte di idee:. che dire di formare le proprie strategie quantitative Ciò richiede in genere ( ma non è limitato a) competenze in una o più delle seguenti categorie: microstruttura di mercato - per le strategie di frequenza più alte, in particolare, si può fare uso di microstruttura del mercato. cioè comprensione delle dinamiche dell'ordine telefonico per generare redditività. Diversi mercati avranno varie limitazioni tecnologiche, i regolamenti, gli operatori di mercato e vincoli che sono tutti aperti allo sfruttamento tramite strategie specifiche. Si tratta di una zona molto sofisticata e operatori al dettaglio sarà difficile per essere competitivi in ​​questo spazio, tanto più che la competizione comprende grandi e ben capitalizzati fondi hedge quantitative con forti capacità tecnologiche. Struttura del fondo - i fondi di investimento collettivo, come i fondi pensione, le società di investimento privati ​​(fondi speculativi), commodity trading advisor e fondi comuni di investimento sono vincolati sia dalla normativa pesante e le loro grandi riserve di capitale. Così certi comportamenti coerenti possono essere sfruttati con coloro che sono più agile. Per esempio, grandi fondi sono soggetti a vincoli di capacità a causa delle loro dimensioni. Così se devono scaricare rapidamente (vendita) una quantità di titoli, dovranno scaglionare al fine di evitare di spostare il mercato. Sofisticati algoritmi possono trarre vantaggio da questo, e altre idiosincrasie, in un processo generale noto come struttura di fondo di arbitraggio. Macchina learningartificial intelligenza - algoritmi di apprendimento automatico sono diventati più frequenti negli ultimi anni nei mercati finanziari. Classificatori (come Naive Bayes-, et al.) Matchers non lineari funzione (reti neurali) e routine di ottimizzazione (algoritmi genetici) sono stati utilizzati per prevedere i percorsi di attività o di ottimizzare le strategie di trading. Se si dispone di un background in questo settore si può avere una certa comprensione di come gli algoritmi di particolare potrebbe essere applicato ad alcuni mercati. Ci sono, naturalmente, molti altri settori per quants per indagare. Beh discutere su come elaborare strategie personalizzate in dettaglio in un articolo successivo. Continuando a monitorare queste sorgenti su un settimanale o addirittura giornaliera, si sta impostando te stesso per ricevere un elenco consistente di strategie da una vasta gamma di fonti. Il passo successivo è quello di determinare come rifiutare una grande sottoinsieme di queste strategie per ridurre al minimo spreco di risorse di tempo e di backtesting sulle strategie che possono essere redditizie. Valutare Strategie Trading Il primo, e forse più ovvia considerazione è se effettivamente capire la strategia. Sareste in grado di spiegare la strategia in modo conciso o richiede una serie di avvertimenti e gli elenchi dei parametri infinite Inoltre, fa la strategia di avere una buona base, solida, in realtà, ad esempio, potrebbe puntare a qualche logica comportamentale o struttura del fondo vincolo che potrebbe essere la causa del modello (s) che si sta tentando di sfruttare Sarebbe questo vincolo ospitare fino a un cambiamento di regime, come ad esempio un drammatico contesto interruzione normativo la strategia si basa su regole statistiche o matematiche complesse non si applica a qualsiasi serie finanziarie o è è specifico per questa classe di attivi che si è affermato di essere redditizia su si dovrebbe sempre pensare a questi fattori quando la valutazione di nuovi metodi di negoziazione, altrimenti si può sprecare una notevole quantità di tempo cercando di backtest e ottimizzare le strategie redditizie. Una volta stabilito che si capisce i principi di base della strategia è necessario decidere se si adatta con il citato profilo di personalità. Questo non è così vaga una considerazione come sembra Strategie differiranno sostanzialmente nelle loro caratteristiche prestazionali. Ci sono alcuni tipi di personalità in grado di gestire i periodi più significativi di prelievo, o che sono disposti ad accettare un rischio maggiore per il ritorno più grande. Nonostante il fatto che noi, come quants, cercare di eliminare il più distorsione cognitiva possibile e dovremmo essere in grado di valutare una strategia spassionatamente, pregiudizi sempre insinuarsi. Così abbiamo bisogno di una coerente, mezzi senza emozioni attraverso cui valutare le prestazioni delle strategie . Ecco l'elenco dei criteri che ho giudicare un potenziale nuova strategia: Metodologia - è la quantità di moto strategia basata, mean-reverting, market neutral, direzionale La strategia si basa su sofisticati (o complessi) statistica o della macchina tecniche di apprendimento che sono difficili per capire e richiedono un dottorato di ricerca in statistica per cogliere fare queste tecniche introducono una quantità significativa di parametri, che potrebbe condurre a pregiudizi ottimizzazione è la strategia rischia di resistere a un cambiamento di regime (cioè il potenziale nuova disciplina dei mercati finanziari) indice di Sharpe - l'indice di Sharpe caratterizza euristicamente il rapporto rewardrisk della strategia. Si quantifica la quantità di ritorno è possibile ottenere per il livello di volatilità sopportato dalla curva di equità. Naturalmente, abbiamo bisogno di determinare il periodo e la frequenza che questi rendimenti e la volatilità (cioè deviazione standard) sono misurati su. Una strategia frequenza più elevata richiede una maggiore frequenza di campionamento di deviazione standard, ma un breve periodo di tempo complessivo di misura, per esempio. Leverage - La strategia richiede un importante effetto leva al fine di essere redditizia La strategia rendere necessario il ricorso a contratti di leveraged derivati ​​(futures, opzioni, swap) al fine di fare un ritorno Tali contratti leveraged possono avere volatilità pesante caratterizza e quindi può facilmente portare a richieste di margini. Avete la capitale commerciale e il temperamento per tale frequenza volatilità - La frequenza della strategia è intimamente collegato al tuo stack tecnologico (e la competenza tecnologica in tal modo), l'indice di Sharpe e il livello generale dei costi di transazione. Tutte le altre questioni considerate, le strategie più alta frequenza richiedono più capitale, sono più sofisticati e più difficili da implementare. Tuttavia, supponendo che il motore di backtesting è sofisticato e privo di bug, che spesso hanno molto più elevati indici di Sharpe. Volatilità - volatilità è correlata fortemente al rischio di strategia. L'indice di Sharpe caratterizza questo. Una maggiore volatilità delle classi di attività sottostanti, se non coperta, spesso porta a una maggiore volatilità della curva di equità e quindi più piccoli rapporti di Sharpe. Sono ovviamente supponendo che la volatilità positivo è approssimativamente uguale alla volatilità negativo. Alcune strategie possono avere una maggiore volatilità negativa. È necessario essere consapevoli di questi attributi. WinLoss, media ProfitLoss - Strategie sarà diversa nella loro winloss e caratteristiche medie profitloss. Uno può avere una strategia molto redditizia, anche se il numero di mestieri perdere superare il numero di trade vincenti. strategie Momentum tendono ad avere questo modello in quanto si basano su un piccolo numero di grandi successi per essere redditizio. strategie di ritorno alla media tendono ad avere opposti profili in cui più dei mestieri sono vincitori, ma i commerci perdenti possono essere molto gravi. Massimo ribasso - Il massimo drawdown è la più grande percentuale di calo complessivo di picco-valle sulla curva di equità della strategia. strategie Momentum sono ben noti a soffrire di periodi di utilizzi prolungati (a causa di una serie di molti mestieri perdenti incrementali). Molti commercianti daranno in periodi di prelievo prolungato, anche se il test storica ha suggerito questo è business as usual per la strategia. Avrete bisogno di determinare la percentuale di prelievo (e in che periodo di tempo) si può accettare prima di cessare l'attività la vostra strategia. Si tratta di una decisione molto personale e, quindi, deve essere considerato con attenzione. CapacityLiquidity - A livello di vendita al dettaglio, a meno che non si sta operando in uno strumento altamente illiquidi (come un magazzino small-cap), non dovrete preoccuparvi notevolmente con capacità di strategia. Capacità determina la scalabilità della strategia per un'ulteriore capitale. Molti dei fondi hedge più grandi soffrono di problemi di capacità significativi come le loro strategie aumentano di allocazione del capitale. Parametri - Alcune strategie (specialmente quelle che si trovano nella comunità apprendimento automatico) richiedono una grande quantità di parametri. Ogni parametro aggiuntivo che una strategia richiede lascia più vulnerabile polarizzare ottimizzazione (noto anche come curva-montaggio). Si dovrebbe cercare di strategie di destinazione con il minor numero di parametri come possibile o assicurarsi di avere una quantità sufficiente di dati con cui testare le vostre strategie su. Indice di riferimento - Quasi tutte le strategie (a meno che il carattere di rendimento assoluto) sono misurati nei confronti di alcuni benchmark delle prestazioni. Il benchmark è di solito un indice che caratterizza un ampio campione della classe di attività sottostante che i mestieri di strategia. Se la strategia commercia large-cap titoli azionari statunitensi, allora la SP500 sarebbe un punto di riferimento naturale per misurare la vostra strategia contro. Si sente l'alfa e beta termini, applicato a strategie di questo tipo. Discuteremo questi coefficienti in profondità negli articoli successivi. Si noti che non abbiamo discusso i rendimenti effettivi della strategia. Perché questo è in isolamento, i rendimenti in realtà ci forniscono informazioni limitate per quanto riguarda la efficacia della strategia. Essi non si darà una panoramica di leva, la volatilità, benchmark o requisiti di capitale. Così le strategie sono raramente giudicati sulla loro dichiarazioni da solo. Sempre in considerazione gli attributi di rischio di una strategia prima di guardare i rendimenti. In questa fase molte delle strategie che dal gasdotto saranno respinte di mano, in quanto si suole che soddisfano il fabbisogno di capitale, vincoli di leva, la tolleranza massima perdita o preferenze di volatilità. Le strategie che rimangono possono ora essere prese in considerazione per backtesting. Tuttavia, prima che questo è possibile, è necessario considerare uno criterio rifiuto finale - quello dei dati storici disponibili su cui testare queste strategie. Ottenere dati storici Al giorno d'oggi, l'ampiezza dei requisiti tecnici attraverso classi di attività per la conservazione dei dati storici è sostanziale. Al fine di rimanere competitivi, sia per il buy-side (fondi) e sell-side (banche di investimento) investire pesantemente nella loro infrastruttura tecnica. E 'indispensabile prendere in considerazione la sua importanza. In particolare, siamo interessati a requisiti di tempestività, precisione e di stoccaggio. Passo ora a delineare le basi di ottenere dati storici e come conservarlo. Purtroppo questo è un argomento molto profondo e tecnico, in modo Non sarò in grado di dire tutto in questo articolo. Tuttavia, Scriverò molto di più su questo in futuro, come la mia esperienza nel settore, prima nel settore finanziario è principalmente interessati con l'acquisizione dei dati finanziari, la conservazione e l'accesso. Nel paragrafo precedente abbiamo creato una pipeline strategia che ci ha permesso di rifiutare certe strategie basate sulle nostre criteri di scarto personale. In questa sezione verranno filtro più strategie basate sulle nostre preferenze per l'ottenimento di dati storici. Le considerazioni principali (in particolare a livello medico al dettaglio) sono i costi dei dati, i requisiti di archiviazione e il vostro livello di competenza tecnica. Abbiamo anche bisogno di discutere i diversi tipi di dati disponibili e le varie considerazioni che ogni tipo di dati sarà imporci. Iniziamo discutendo i tipi di dati disponibili e le questioni chiave avremo bisogno di pensare: dati fondamentali - Questo include i dati sulle tendenze macroeconomiche, come i tassi di interesse, i dati sull'inflazione, le azioni societarie (dividendi, stock-split), depositati presso la SEC , i conti aziendali, guadagni figure, i rapporti delle colture, dati meteorologici ecc Questi dati è spesso usato per le aziende di valore o altre attività su una base fondamentale, vale a dire attraverso alcuni mezzi di flussi di cassa attesi. Non include serie di prezzo delle azioni. Alcuni dati fondamentali è liberamente disponibile da siti web del governo. Altri dati fondamentali storici a lungo termine possono essere estremamente costoso. Requisiti per la conservazione spesso non sono particolarmente grandi, se non migliaia di aziende sono allo studio in una sola volta. Notizie Dati - Notizie dati è spesso di natura qualitativa. Si compone di articoli, post di blog, i messaggi nei microblog (tweets) e editoriale. tecniche di apprendimento automatico quali classificatori sono spesso utilizzati per interpretare il sentimento. Questo dato è spesso disponibile gratuitamente oa buon mercato, tramite sottoscrizione ai media. I database di archiviazione dei documenti NoSQL più recenti sono progettati per archiviare questo tipo di dati non strutturati, qualitativi. Asset Price dati - Questo è il dominio di dati tradizionale della Quant. Si compone di serie storiche dei prezzi delle attività. Equities (azioni), prodotti a reddito fisso (obbligazioni), materie prime e prezzi dei cambi tutti si siedono all'interno di questa classe. dati storici quotidiana è spesso semplice di ottenere per le classi di attività più semplici, come le azioni. Tuttavia, una volta la precisione e la pulizia sono inclusi e pregiudizi statistici rimossi, i dati possono diventare costoso. Inoltre, i dati di serie temporali possiede spesso le esigenze di storage importanti soprattutto quando i dati intraday è considerato. Strumenti finanziari - azioni, obbligazioni, futures e le opzioni di derivati ​​più esotici hanno caratteristiche e parametri molto diversi. Quindi non c'è taglia unica struttura del database che li può accogliere. cura significativa deve essere data alla progettazione e realizzazione di strutture di database per vari strumenti finanziari. Discuteremo la situazione a lungo quando si arriva a costruire un database master titoli nei prossimi articoli. Frequenza - Più alta è la frequenza dei dati, maggiori sono i costi ei requisiti di memorizzazione. Per le strategie a bassa frequenza, dati giornalieri è spesso sufficiente. Per le strategie ad alta frequenza, potrebbe essere necessario per ottenere dati a livello di tick e copie anche storici di particolare negoziazione di dati ordine scambio di libri. L'implementazione di un motore di memorizzazione di questo tipo di dati è tecnologicamente molto intenso e adatto solo per quelli con un forte background programmingtechnical. Benchmark - Le strategie sopra descritte saranno spesso rispetto a un punto di riferimento. Questo di solito si manifesta come una serie finanziarie aggiuntive. Per i titoli azionari, questo è spesso un titolo di riferimento nazionale, come l'indice SP500 (USA) il FTSE100 (Regno Unito). Per un fondo di reddito fisso, è utile confrontare contro un paniere di obbligazioni o prodotti a reddito fisso. Il tasso privo di rischio (cioè tasso di interesse appropriato) è anche un altro punto di riferimento ampiamente accettato. Tutte le categorie di asset class in possesso di un punto di riferimento privilegiato, quindi sarà necessario per la ricerca questo in base alla particolare strategia, se si vuole guadagnare l'interesse nella vostra strategia esternamente. Tecnologia - Le pile tecnologia alla base di un centro di stoccaggio di dati finanziari sono complessi. Questo articolo può soltanto graffiare la superficie di ciò che è coinvolto nella costruzione di uno. Tuttavia, lo fa centro intorno ad un motore di database, come ad esempio un Relational Database Management System (RDBMS), come MySQL, SQL Server, Oracle o un motore di archiviazione di documenti (cioè NoSQL). Questo si accede tramite codice dell'applicazione della logica di business che interroga il database e fornisce l'accesso a strumenti esterni, come MATLAB, R o Excel. Spesso questa logica di business è scritto in C, C, Java o Python. Sarà inoltre necessario per ospitare tali dati da qualche parte, sia sul proprio personal computer, o in remoto tramite server internet. Prodotti come Amazon Web Services hanno fatto di questa semplice ed economico negli ultimi anni, ma sarà ancora bisogno di significativi competenze tecniche per realizzare in modo robusto. 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. Si possono trovare è necessario respingere una strategia basata esclusivamente su considerazioni di dati storici. 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