Algoritmisk Trading Strategier Kode

Grunnleggende om Algoritmiske Trading Begreper og Eksempler. En algoritme er et bestemt sett med klart definerte instruksjoner som er rettet mot å utføre en oppgave eller prosess. Algoritmisk handel, automatisert handel, svart bokhandel eller ganske enkelt algo-trading er prosessen med å bruke datamaskiner programmert til Følg et definert sett med instruksjoner for å sette en handel for å generere fortjeneste med en hastighet og frekvens som er umulig for en menneskehandel. De definerte settene av regler er basert på timing, pris, kvantitet eller hvilken som helst matematisk modell. Bortsett fra profittmuligheter for handelsmann, algo-trading gjør markedene mer likvide og gjør handel mer systematisk ved å utelukke følelsesmessige menneskelige virkninger på handelsaktiviteter. Oppsett av næringsdrivende følger disse enkle handlekriteriene. Kjøp 50 aksjer på en aksje når 50-dagers glidende gjennomsnitt går over 200 dagers glidende gjennomsnitt. Selger aksjer på aksjen når det 50-dagers glidende gjennomsnittet går under 200-dagers glidende gjennomsnitt. Ved hjelp av dette settet med to enkle instruksjoner, er det enkelt å skrive det er et dataprogram som automatisk overvåker aksjekursen og de bevegelige gjennomsnittsindikatorene og legger kjøps - og salgsordrene når de definerte vilkårene er oppfylt. Trafikken trenger ikke lenger å holde øye med livepriser og grafer, eller legge inn ordrene manuelt Det algoritmiske handelssystemet gjør det automatisk for ham ved å identifisere handelsmuligheten riktig. For mer om å flytte gjennomsnitt, se Simple Moving Averages. Gjør trendene stående. All-trading gir følgende fordeler. Handler utført til de beste mulige prisene. Instant og nøyaktig handel ordre plassering og dermed høye muligheter for utførelse på ønsket nivå. Trader timet riktig og umiddelbart, for å unngå betydelige prisendringer. Reduserte transaksjonskostnader se gjennomføringsfeil eksempelet nedenfor. Samtidig automatisert sjekker på flere markedsforhold. Redusert risiko for manuelle feil ved å plassere trades. Backtest algoritmen, basert på tilgjengelig historisk og sanntid data. Reduced mulighet av feil av menneskelige handelsfolk basert på følelsesmessige og psykologiske faktorer. Den største delen av dagens algo-trading er høyfrekvent trading HFT, som forsøker å kapitalisere på å plassere et stort antall bestillinger med svært høye hastigheter på tvers av flere markeder og flere beslutningsparametre, basert på forhåndsprogrammerte instruksjoner For mer om handel med høyfrekvent handel, se Strategier og hemmeligheter for HFT-firmaer med høy frekvenshandel. All-trading brukes i mange former for handels - og investeringsvirksomhet, inkludert. Mid til langsiktige investorer eller kjøpspensjonspensjoner fond, fond, forsikringsselskaper som kjøper i aksjer i store mengder, men vil ikke påvirke aksjekursene med diskrete, store voluminvesteringer. Korttidshandlere og selger sideaktører gjør beslutningstakere i spekulantene og arbitragerne avhengige av automatisert handelstiltak i tillegg, algo-trading hjelpemidler i å skape tilstrekkelig likviditet for selgere i markedet. Systematiske handelsfolk trend tilhenger par tra ders hedge funds osv. synes det er mye mer effektivt å programmere sine handelsregler og la programmet handle automatisk. Algoritmisk handel gir en mer systematisk tilnærming til aktiv handel enn metoder basert på en menneskelig næringsdrivendes intuisjon eller instinkt. Algoritmiske handelsstrategier. En ny strategi for algoritmisk handel krever en identifisert mulighet som er lønnsom når det gjelder bedre inntjening eller kostnadsreduksjon. Følgende er vanlige handelsstrategier som brukes i algo-trading. De vanligste algoritmiske handelsstrategiene følger trender i bevegelige gjennomsnitt, kanalbrudd, prisnivåbevegelser og tilhørende tekniske indikatorer. Disse er de enkleste og enkleste strategiene for å implementere gjennom algoritmisk handel fordi disse strategiene ikke involverer å foreta noen spådommer eller prisprognoser. Handler initieres basert på forekomsten av ønskelige trender som er enkle og grei å implementere gjennom algoritmer uten å komme inn i kompleksiteten til prediktiv analyse sis Ovennevnte eksempel på 50 og 200 dagers glidende gjennomsnitt er en populær trend som følger strategi. For mer om trend trading strategier, se Simple Strategies for å kapitalisere på Trends. Buying en dobbelt notert aksje til en lavere pris i ett marked og samtidig selge det på En høyere pris i et annet marked tilbyr prisforskjellen som risikofri gevinst eller arbitrage. Samme operasjon kan replikeres for aksjer i motsetning til futuresinstrumenter, da prisforskjeller eksisterer fra tid til annen. Implementere en algoritme for å identifisere slike prisforskjeller og plassere bestillingene gir lønnsomme muligheter på en effektiv måte. Indeksfondene har definert perioder med rebalansering for å bringe sine beholdninger på nivå med deres respektive referanseindekser. Dette skaper lønnsomme muligheter for algoritmiske handelsmenn, som utnytter forventede bransjer som tilbyr 20-80 basispoeng fortjeneste avhengig av tallet av aksjer i indeksfondet, like før indeksfondet rebalancing Slike handler er initiert via algoritmiske handelssystemer for rettidig utførelse og beste priser. Mange påviste matematiske modeller, som delta-nøytral handelsstrategi, som tillater handel på kombinasjon av opsjoner og den underliggende sikkerheten der bransjer er plassert for å kompensere positive og negative deltakere så at porteføljedeltaket opprettholdes til null. Mean reverseringsstrategi er basert på ideen om at høye og lave priser på en eiendel er et midlertidig fenomen som regelmessig vender tilbake til gjennomsnittverdien. Identifisere og definere et prisklasse og implementeringsalgoritme basert på det tillater handler som skal plasseres automatisk når prisen på aktiva bryter inn og ut av sitt definerte område. Volumvekt gjennomsnittlig prisstrategi bryter opp en stor ordre og frigjør dynamisk bestemte mindre stykker av ordren til markedet ved hjelp av aksjespesifikke historiske volumprofiler. Målet er å Kjør bestillingen nær Volumvektet Gjennomsnittlig Pris VWAP, og derved nytte av gjennomsnittlig pris. Tid vi ighted gjennomsnittlig prisstrategi bryter opp en stor ordre og frigjør dynamisk bestemte mindre stykker av ordren til markedet ved å bruke jevnt fordelte tidsluker mellom en start og sluttid. Målet er å utføre bestillingen nær gjennomsnittlig pris mellom start - og sluttider og dermed minimere markedsvirkningen. Inntil handelsordren er fullstendig, fortsetter denne algoritmen å sende partielle ordrer i henhold til definert deltakelsesforhold og i henhold til volumet som handles på markedene. Den relaterte trinnstrategien sender ordrer til en brukerdefinert prosentandel av markedet volum og øker eller reduserer denne deltakelsesraten når aksjekursen når brukerdefinerte nivåer. Implementeringsbriststrategien tar sikte på å minimere eksekveringskostnaden for en ordre ved å handle i sanntidsmarkedet, og dermed spare på kostnaden for ordren og nytte fra mulighetskostnaden ved forsinket gjennomføring Strategien vil øke den målrettede deltakelsesrenten når aksjekursen beveger seg gunstig og redusere det når aksjekursen beveger seg negativt. Det er noen spesielle klasser av algoritmer som forsøker å identifisere hendelser på den andre siden. Disse sniffingsalgoritmene, som for eksempel brukes av en selger side markedsfører, har den innebygde intelligensen til å identifisere eksistensen av noen algoritmer på kjøpssiden av en stor ordre. Slik deteksjon gjennom algoritmer vil hjelpe markedsmakeren til å identifisere store ordremuligheter og gjøre det mulig for ham å dra nytte av å fylle ordrene til en høyere pris. Dette er noen ganger identifisert som høyteknologisk front - løp For mer om høyfrekvent handel og bedragerisk praksis, se Hvis du kjøper aksjer på nettet, blir du involvert i HFTs. Technical Requirements for Algorithmic Trading. Implementering av algoritmen ved hjelp av et dataprogram er den siste delen, klubbbedret med backtesting. Utfordringen er å forvandle den identifiserte strategien til en integrert datastyrt prosess som har tilgang til en handelskonto for å plassere ordrer. Følgende er nødvendig r programmeringskunnskap til å programmere den nødvendige handelsstrategien, ansatte programmerere eller ferdigstillede handelssoftwareforbindelser og tilgang til handelsplattformer for å plassere ordrer. Tilgang til markedsdatainnmatninger som vil bli overvåket av algoritmen for muligheter til å plassere ordrer. Evnen og infrastruktur for backtest systemet en gang bygget, før den går live på ekte markeder. Tilgjengelig historisk data for backtesting, avhengig av kompleksiteten av regler implementert i algoritmen. Her er et omfattende eksempel Royal Dutch Shell RDS er notert på Amsterdam Børs AEX og London Børs LSE La oss bygge en algoritme for å identifisere arbitrasjemuligheter. Her er noen interessante observasjoner. AEX handler i euro, mens LSE handler i Sterling Pounds. Dagen til en times tidsforskjell åpner AEX en time tidligere enn LSE, etterfulgt av begge børser handler samtidig for de neste par timene og handler kun i LSE i løpet av den siste timen når AEX lukkes. Kan vi utforske t han mulighet for arbitragehandel på Royal Dutch Shell-børsen notert på disse to markedene i to forskjellige valutaer. Et dataprogram som kan lese nåværende markedspriser. Prisfeed fra både LSE og AEX. A forex rate feed for GBP-EUR valutakurs. Ordne plassering evne som kan rute ordren til riktig utveksling. Back-testing evne på historiske pris feeds. The dataprogram bør utføre følgende. Read innkommende pris feed av RDS lager fra begge børser. Bruk de tilgjengelige valutakursene konvertere pris av en valuta til andre. Hvis det eksisterer en stor nok prisavvik som diskonterer meglerkostnadene som fører til en lønnsom mulighet, legger du kjøpsordren på lavere prisutveksling og salgsordre på høyere prissentral. Hvis ordrene utføres som ønsket, arbitrage fortjenesten vil følge. Simple og Easy Men praksis av algoritmisk handel er ikke så enkelt å vedlikeholde og utføre Husk, hvis du kan plassere en algo-g enerated trade, så kan de andre markedsdeltakere. Derfor fluktuerer prisene i milli - og til og med mikrosekunder I eksempelet ovenfor, hva skjer hvis kjøpekjøpene dine blir henrettet, men selger handel, da selgerprisene endres når bestillingen treffes marked Du vil ende opp med å sitte med en åpen posisjon som gjør arbitrage-strategien din verdiløs. Det er flere risikoer og utfordringer, for eksempel systemfeilrisiko, nettverkstilkoblingsfeil, tidsforsinkelser mellom handelsordre og utførelse, og viktigst av alt, ufullkommen algoritmer Jo mer komplekse en algoritme, desto strengere backtesting er nødvendig før den blir satt i gang. Kvantitativ analyse av en algoritme s ytelse spiller en viktig rolle og bør undersøkes kritisk. Det er spennende å gå for automatisering støttet av datamaskiner med en ide å tjene penger uten problemer Men man må sørge for at systemet er grundig testet og kreves grenser er satt Analytiske handelsfolk bør vurdere å lære programmet ming og bygningssystemer alene, for å være sikre på å implementere de riktige strategiene på tåpelig måte. Forsiktig bruk og grundig testing av algo-trading kan skape lønnsomme muligheter. En undersøkelse gjort av USAs arbeidsstyringsstatistikk for å måle ledige stillinger. samler data fra arbeidsgivere. Det maksimale beløpet av penger som USA kan låne. Gjeldstaket ble opprettet under Second Liberty Bond Act. Renten der et depotinstitusjon låner midler oppbevart ved Federal Reserve til en annen depotinstitusjon. 1 En statistisk måling av spredningen av avkastning for en gitt sikkerhet eller markedsindeks. Volatilitet kan enten måles. En handling vedtok den amerikanske kongressen i 1933 som bankloven, som forbyde handelsbanker å delta i investeringen. Nonfarm lønn refererer til hvilken som helst jobb utenfor gårder, private husholdninger og nonprofit sektor Den amerikanske arbeidsbyrået. Det ser ikke ut som mulig, men det er med våre alger orithmic Trading Strategies. Det virker ikke mulig. En algoritmisk handelssystem med så mye trendidentifikasjon, syklusanalyse, kjøp salgsstrømvolumstrømmer, flere handelsstrategier, dynamisk inngang, mål og stopppriser og ultrasnabb signalteknologi. Men det er i Faktisk er AlgoTrades algoritmiske handelssystemplattform den eneste i sitt slag. Ingen mer søker etter varme aksjer, sektorer, varer, indekser eller leser markedsuttalelser. Algotrades gjør all søk, timing og handel for deg ved hjelp av vårt algoritmiske handelssystem. AlgoTrades velprøvde strategier kan følges manuelt ved å motta e-post og SMS-tekstvarsler, eller det kan være 100 handsfree-handel. Det er opp til deg. Du kan slå av automatisk handel når som helst slik at du alltid har kontroll over din skjebne. Automatiserte handelssystemer for savvy investorer. Copyright 2017 - ALGOTRADES - Automated Algorithmic Trading System. CFTC RULE 4 41 - HYPOTETISKE ELLER SIMULERTE RESULTATRESULTATER HAR VISSE BEGRENSNINGER UTEN EN FAKTISK PRESTASJONSOPPTAK, SIMULERTE RESULTATER ER IKKE REPRESENTERER FAKTISK HANDEL OGSÅ, DER HANDELENE IKKE ER UTFØRT, HAR RESULTATET KAN HAVE UNDER-ELLER OVERGJELDET FOR KONSEKVENSEN, OM NOEN, AV VISSE MARKEDSFAKTORER, SOM MANGLENDE LIKVIDITETSIMULERTE HANDELSPROGRAMMER I ALMINDELIGT ER OGSÅ FØLGENDE AT DE ER DESIGNERT MED HENSYN TIL HINDSIGHT, ER INGEN REPRESENTASJON SOM GJELDES AT NOEN Regnskapet vil eller er like for å oppnå fortjeneste eller tap som ligner på dem. Ingen representasjon blir gjort eller underforstått at bruken av det algoritmiske handelssystemet vil generere inntekt eller garantere et overskudd. Det er en betydelig risiko for tap forbundet med futures trading og trading exchange traded funds. Futures trading og trading exchange trading fond innebærer en betydelig risiko for tap og er ikke egnet for alle. Disse resultatene er basert på simulerte eller hypotetiske resultatresultater som har visse inneboende begrensninger. I motsetning til resultatene som vises i en faktisk ytelsesrekord, representerer disse resultatene ikke virkelig handel. Også fordi disse handlingene ikke faktisk er blitt utført, kan disse resultatene ha under - eller Overkompensert for eventuell påvirkning av visse markedsfaktorer, som manglende likviditet Simulerte eller hypotetiske handelsprogrammer generelt er også underlagt det faktum at de er utformet til fordel for ettersyn Ingen representasjon gjøres for at noen konto vil eller er sannsynlig å oppnå fortjeneste eller tap som ligner på disse blir vist. Informasjonen på denne nettsiden er utarbeidet uten hensyn til investeringsmålsettingen, den økonomiske situasjonen og behovene til en bestemt investor, og videre gir abonnenterne beskjed om å ikke handle uten å få bestemt råd fra deres finansielle rådgivere ikke å stole på informasjon fra nettsiden som den primære basis for deres investeringsbeslutninger og å vurdere egen risikoprofil, risikotoleranse og deres egne stoppfall - drevet av Enfold WordPress Theme. How å identifisere algoritmiske handelsstrategier. I denne artikkelen vil jeg introdusere deg til metodene som jeg selv identifiserer lønnsomme algoritmiske handelsstrategier Vårt mål i dag er å forstå detaljert hvordan man finner, evaluerer og velger slike systemer. Jeg skal forklare hvordan identifiseringsstrategier er like mye om personlig preferanse som det handler om strategisk ytelse, hvordan man bestemmer typen og kvantiteten av historiske data for testing, hvordan man evaluerer en handelsstrategi uavhengig og endelig hvordan man går videre mot backtesting-fasen og strategiimplementering. Identifiser dine egne personlige preferanser for Trading. For å være en vellykket handelsmann - enten diskret eller algoritmisk - er det nødvendig å spørre deg selv litt ærlige spørsmål Trading gir deg muligheten til å tape penger i en alarmerende hastighet, så det er neu ssary å kjenne deg så mye som det er nødvendig å forstå din valgte strategi. Jeg vil si det viktigste hensynet i handel er å være klar over din egen personlighet Trading, og spesielt algoritmisk handel krever en betydelig grad av disiplin, tålmodighet og emosjonell løsrivelse Siden du lar en algoritme utføre din handel for deg, er det nødvendig å bli løst for ikke å forstyrre strategien når den blir utført. Dette kan være ekstremt vanskelig, spesielt i perioder med utvidet drawdown. Men mange strategier som har blitt vist å være svært lønnsomt i en backtest kan bli ødelagt av enkel forstyrrelse. Forstå at hvis du ønsker å gå inn i algoritmisk handel, vil du bli følelsesmessig testet, og at for å lykkes, er det nødvendig å arbeide gjennom disse vanskelighetene. Neste overveielse er en gang Har du en heltid jobber du deltid Arbeider du hjemmefra eller har en lang pendling hver dag Disse spørsmålet satser vil bidra til å avgjøre frekvensen av strategien du bør søke. For deg som er i full tid ansettelse, kan en intradag futures strategi ikke være hensiktsmessig i det minste til den er fullt automatisert. Dagsbegrensningene vil også diktere strategiens metodikk. Hvis din strategi handles ofte og avhenger av dyre nyhetsstrømmer som en Bloomberg-terminal, må du klart være realistisk om din evne til å kjøre dette på kontoret. For de av dere med mye tid, eller ferdighetene til å automatisere strategien din , kan det hende du ønsker å se på en mer teknisk høyfrekvent trading HFT-strategi. Min tro er at det er nødvendig å utføre kontinuerlig forskning i dine handelsstrategier for å opprettholde en konsekvent lønnsom portefølje. Få strategier holder seg under radaren for alltid. Derfor er en betydelig del av tiden som er tildelt handel vil være i gjennomføring av pågående forskning Spør deg selv om du er forberedt på å gjøre dette, som det kan være di frykt mellom sterk lønnsomhet eller langsom nedgang i tap. Du må også vurdere din handelskapital. Den aksepterte ideelle minimumsbeløpet for en kvantitativ strategi er 50 000 USD ca 35 000 for oss i Storbritannia. Hvis jeg begynte igjen, ville jeg begynne med en større beløp, sannsynligvis nærmere 100 000 USD ca 70 000 Dette skyldes at transaksjonskostnadene kan være ekstremt dyre for mellom - og høyfrekvensstrategier, og det er nødvendig å ha tilstrekkelig kapital til å absorbere dem i uttellingstider. Hvis du vurderer å begynne med mindre enn 10 000 USD, må du begrense deg til lavfrekvente strategier, handel med en eller to eiendeler, da transaksjonskostnader vil raskt spiser i dine avkastninger Interactive Brokers, som er en av de vennligste meglerne til de som har programmeringsferdigheter, på grunn av API , har en detaljhandelskonto på minimum 10.000 USD. Programmeringskunnskap er en viktig faktor i å skape en automatisert algoritmisk handelsstrategi Bei Ng kunnskapsrik i et programmeringsspråk som C, Java, C, Python eller R, gjør det mulig for deg å lage end-to-end datalagring, backtest engine og kjøringssystem selv. Dette har en rekke fordeler, hvorav sjef er evnen å være helt klar over alle aspekter av handelsinfrastrukturen. Det lar deg også utforske de høyere frekvensstrategiene som du vil være i full kontroll over teknologistakken. Dette betyr at du kan teste din egen programvare og eliminere feil, det betyr også mer tid brukt til å kutte opp infrastruktur og mindre på implementering av strategier, i hvert fall i den tidligere delen av algo trading karriere Du kan finne at du er komfortabel handel i Excel eller MATLAB og kan outsource utviklingen av andre komponenter jeg vil ikke anbefale dette, spesielt for de som handler med høy frekvens. Du må spørre deg selv hva du håper å oppnå ved algoritmisk handel. Er du interessert i en vanlig inntekt, hvor du håper å trekke inntjening fra din handelskonto Eller er du interessert i en langsiktig kapitalgevinster og har råd til å handle uten behov for å trekke penger Inntektsavhengighet vil diktere frekvensen av strategien Flere vanlige inntektsuttak vil kreve en høyere frekvenshandelstrategi med mindre volatilitet dvs. en høyere Sharpe-ratio Langtidshandlere har råd til en mer sederlig handelsfrekvens. Endelig bli ikke bedratt av tanken om å bli ekstremt velstående på kort tid. Algo trading er IKKE en rask rike ordning - hvis noe er det kan bli en fattig rask ordning. Det tar betydelig disiplin, forskning, flid og tålmodighet for å lykkes med algoritmisk handel. Det kan ta måneder, om ikke år, å generere konsistent lønnsomhet. Oppsummering av algoritmiske handelsideer. Til tross for felles oppfatninger til det motsatte , det er faktisk ganske greit å finne lønnsomme handelsstrategier i det offentlige området. Aldri har handelsideer vært mer lett tilgjengelige enn de er t oday Faglige finansjournaler, pre-print-servere, handelsblogger, handelsfora, ukentlige handelsblader og spesialtekster gir tusenvis av handelsstrategier som du kan basere dine ideer på. Vårt mål som kvantitative handelsforskere er å etablere en strategipipeline som vil gi oss med en strøm av pågående handelsideer Ideelt sett ønsker vi å skape en metodisk tilnærming til innkjøp, evaluering og implementering av strategier som vi kommer over. Målet med rørledningen er å skape en konsistent mengde nye ideer og gi oss et rammeverk for avvisning De fleste av disse ideene med det minste følelsesmessige hensyn. Vi må være svært forsiktige for ikke å la kognitive forstyrrelser påvirke vår beslutningsprosedyre. Dette kan være like enkelt som å ha en preferanse for en aktivaklasse over en annen gull og andre edle metaller, kom til tankene fordi de oppfattes som mer eksotiske. Vårt mål bør alltid være å finne konsekvent lønnsomme strategier med positiv forventning Valget av aktivaklasse bør baseres på andre hensyn, for eksempel handelskapitalbegrensninger, meglerkostnader og innflytelsesmuligheter. Hvis du er helt ukjent med begrepet handelsstrategi, er det første stedet å se på med etablerte lærebøker Klassiske tekster gi et bredt spekter av enklere og mer enkle ideer, for å gjøre deg kjent med kvantitativ handel. Her er et utvalg som jeg anbefaler for de som er ny på kvantitativ handel, som gradvis blir mer sofistikert når du jobber gjennom listen. For en lengre periode liste over kvantitative handelsbøker, vennligst besøk QuantStart-leselisten. Det neste stedet for å finne mer sofistikerte strategier er med handelsfora og handelsblogger. En advarsel: Mange handelsblogger stole på begrepet teknisk analyse. Teknisk analyse innebærer bruk av grunnleggende indikatorer og atferdspsykologi for å bestemme trender eller reverseringsmønstre i eiendomspriser. Til tross for at den er ekstremt populær i den totale handelsplassen, anses teknisk analyse som lite ineffektiv i det kvantitative finanssamfunnet. Noen har antydet at det ikke er bedre enn å lese et horoskop eller å studere teblad med hensyn til dets prediktive kraft. I virkeligheten er det vellykkede personer som lager bruk av teknisk analyse Men som quants med en mer sofistikert matematisk og statistisk verktøykasse til vår disposisjon, kan vi enkelt evaluere effektiviteten av slike TA-baserte strategier og ta databaserte beslutninger fremfor å basere oss på følelsesmessige hensyn eller forutsetninger. Her er en liste over respekterte algoritmiske handelsblogger og forum. Når du har hatt litt erfaring med å evaluere enklere strategier, er det på tide å se på de mer sofistikerte akademiske tilbudene. Noen akademiske tidsskrifter vil være vanskelige å få tilgang til, uten høye abonnementer eller engangsløsninger. kostnader Hvis du er medlem eller alumn på et universitet, bør du kunne få tilgang til noen av disse finansjournaler Ellers kan du se på forhåndstrykksservere som er internettreklam med forsinkede utkast til akademiske artikler som gjennomgår peer review. Siden vi bare er interessert i strategier som vi med suksess kan kopiere, backtest og få lønnsomhet for, en peer review er av mindre betydning for oss. Den store ulempen med akademiske strategier er at de ofte også kan være utdaterte, krever uklare og dyre historiske data, handle i illikvide aktivaklasser eller ikke faktor i avgifter, slippe eller spre det Det kan også være uklart om handelsstrategien skal utføres med markedsordrer, begrensningsordrer eller om det inneholder stopptap osv. Det er derfor helt nødvendig å replikere strategien selv så godt du kan, teste det og legge til i realistiske transaksjonskostnader som inkludere så mange aspekter av aktivaklassene du ønsker å handle i. Her er en liste over de mer populære forhåndsskriverens servere og økonomiske tidsskrifter som du kan suppe rce ideer fra. Hva med å danne dine egne kvantitative strategier Dette krever generelt, men er ikke begrenset til kompetanse i en eller flere av følgende kategorier. Markedsmikrostruktur - For høyere frekvensstrategier spesielt kan man benytte seg av markedsmikrostruktur, dvs. forståelse av Bestillingsdynamikk for å generere lønnsomhet Forskjellige markeder vil ha ulike teknologiske begrensninger, forskrifter, markedsdeltakere og begrensninger som alle er åpne for utnyttelse via bestemte strategier. Dette er et meget sofistikert område og forhandlere vil finne det vanskelig å være konkurransedyktig i dette rommet , særlig da konkurransen inkluderer store, godt kapitaliserte kvantitative hedgefond med sterke teknologiske evner. Fondstruktur - Samlede investeringsfond, som pensjonskasser, private investeringspartnerskap hedgefond, råvarehandlerådgivere og verdipapirfond begrenses både av tung regulering og deres store kapitalreserver dermed c oppnå konsekvent atferd kan utnyttes med de som er mer kvelbare. For eksempel er store midler utsatt for kapasitetsbegrensninger på grunn av deres størrelse. Dermed hvis de trenger å raskt laste ned, selger en mengde verdipapirer, må de forskyve det for å unngå å bevege seg markedet Sofistikerte algoritmer kan dra nytte av dette og andre idiosyncrasies, i en generell prosess kjent som arbitrage i fondsstruktur. Maskininnlæring kunstig intelligens - Maskininlæringsalgoritmer er blitt mer utbredt de siste årene i finansmarkeder Klassifiserere som Naive Bayes, et al ikke-lineære funksjonskamperne neurale nettverk og optimaliseringsrutiner genetiske algoritmer har alle blitt brukt til å forutsi aktivitetsbaner eller optimalisere handelsstrategier. Hvis du har en bakgrunn i dette området, kan du ha litt innsikt i hvordan bestemte algoritmer kan brukes til enkelte markeder. Der er selvfølgelig mange andre områder for kjente å undersøke. Vi vil diskutere hvordan du kommer opp med egendefinert st Rategies i detalj i en senere artikkel. Ved å fortsette å overvåke disse kildene på en ukentlig eller daglig basis, setter du deg opp for å få en konsekvent liste over strategier fra et mangfoldig utvalg av kilder. Det neste trinnet er å bestemme hvordan du skal avvise en stor delmengde av disse strategiene for å minimere sløsing med tid og tilbakeprøvende ressurser på strategier som sannsynligvis er urentable. Evaluering av handelsstrategier. Den første og uten tvil mest åpenbare vurdering er om du faktisk forstår strategien. Ville du kunne forklare strategien konsistent eller krever det en rekke forbehold og endeløse parameterlister I tillegg har strategien et godt og solid grunnlag i virkeligheten. For eksempel kan du peke på noen atferdsmessig begrunnelse eller fondstrukturbegrensning som kan forårsake mønsteret s du forsøker å utnytte Vil denne begrensningen holde fast i en regimebrytelse, for eksempel en dramatisk forstyrrelser i reguleringsmiljøet Er strategien igjen ly på komplekse statistiske eller matematiske regler Gjelder det for enhver økonomisk tidsserie eller er det spesifikk for aktivaklassen at det hevdes å være lønnsomt? Du bør hele tiden tenke på disse faktorene når du vurderer nye handelsmetoder, ellers kan du kaste bort en betydelig tid på å forsøke å sikkerhetskopiere og optimalisere ulønnsomme strategier. Når du har bestemt deg for at du forstår de grunnleggende prinsippene i strategien, må du avgjøre om den passer med din personlighetsprofil som er nevnt ovenfor. Dette er ikke så vett en vurdering som det høres Strategier vil avvike Vesentlig i deres ytelsesegenskaper Det er visse personlighetstyper som kan håndtere mer signifikante perioder med drawdown, eller er villige til å akseptere større risiko for større retur. Til tross for at vi som kvanter forsøker å eliminere så mye kognitiv bias som mulig og bør være i stand til å evaluere en strategi dispassionately, vil biases alltid krype inn. Vi trenger derfor en konsis stent, unemotional middel for å vurdere resultatene av strategier Her er listen over kriterier som jeg dømmer en potensiell ny strategi ved. Metodologi - Er strategimomentet basert, gjennombrudd, markedsneutralt, retningsbestemt Støtter strategien seg på sofistikert eller komplekse statistiske eller maskinlæringsteknikker som er vanskelige å forstå og krever en doktorgrad i statistikk å forstå. Føy disse teknikkene en betydelig mengde parametre som kan føre til optimaliseringsforstyrrelser. Er strategien sannsynlig å motstå en regimebift, dvs. potensiell ny regulering av finansmarkeder. Svært forhold - Sharpe-forholdet karakteriserer heuristisk risikobeløpet for strategien. Det kvantifiserer hvor mye avkastning du kan oppnå for volatilitetsnivået som utgjøres av egenkapitalkurven. Naturligvis må vi bestemme hvilken periode og frekvens disse returnerer og volatilitet dvs. standardavvik måles over En høyere frekvensstrategi vil kreve større prøvetaking standardavvik, men en kortere totalmålingstid, for eksempel. Beholdning - Krever strategien betydelig innflytelse for å være lønnsom. Trenger strategien bruk av leverede derivatkontrakter futures, opsjoner, swaps for å gjøre en returnere Disse leveransekontrakter kan ha stor volatilitet karakteriserer og kan dermed lett føre til marginsamtaler. Har du handelskapitalen og temperamentet for en slik volatilitet. Frequency - Strategiens frekvens er nært knyttet til teknologistakken din og dermed teknologisk ekspertise, den Sharpe-forhold og overordnet transaksjonskostnader Alle andre forhold som anses, krever høyere frekvensstrategier mer kapital, er mer sofistikert og vanskeligere å implementere. Imidlertid, hvis du har en sofistikert og feilfri motor, vil de ofte ha langt høyere Sharpe-forhold. Volatilitet - Volatilitet er sterkt knyttet til risikoen for strategien. Sharpe-forholdet karakter ser denne høyere volatiliteten til de underliggende aktivaklassene, hvis den ikke er tilkoblet, ofte fører til høyere volatilitet i egenkapitalkurven og dermed mindre Sharpe-forhold. Selvfølgelig antar jeg at den positive volatiliteten er omtrent lik den negative volatiliteten. Noen strategier kan ha større nedadgående volatilitet Du må være oppmerksom på disse attributter. Winthrough, gjennomsnittlig fortjeneste tap - Strategier vil variere i deres gevinst tap og gjennomsnittlig fortjeneste tap karakterer En kan ha en svært lønnsom strategi, selv om antall tapende handler overstiger antall vinnende handler Momentum strategier har en tendens til å ha dette mønsteret som de stole på et lite antall store treff for å være lønnsomme. Gjennomgangsprosesser har en tendens til å ha motstridende profiler hvor flere av bransjene er vinnere, men de tapende handler kan være ganske alvorlige. Maksimal Drawdown - Maksimal drawdown er den største samlede topp-til-gjennom-prosentdråpet på egenkapitalkurven i strategien Momentum-strategier er velkjente for Lider av perioder med utvidet drawdowns på grunn av en rekke mange inkrementelle tapende handler Mange tradere vil gi opp i perioder med utvidet drawdown, selv om historisk testing har antydet at dette er forretning som vanlig for strategien. Du må bestemme hvilken prosentandel av drawdown og over hvilken tidsperiode du kan godta før du slutter å handle med strategien. Dette er en svært personlig beslutning og må derfor vurderes nøye. Kapasitets Likviditet - På detaljnivå, med mindre du handler i et svært illikvitt instrument som en litenkapitalandel, du trenger ikke å bekymre deg sterkt med strategisk kapasitet Kapasitet bestemmer skalerbarheten til strategien for ytterligere kapital. Mange av de større hedgefondene lider av betydelige kapasitetsproblemer ettersom strategiene øker i kapitalallokering. Parametre - Visse strategier, spesielt de som er funnet i maskinen lære samfunn krever en stor mengde parametere Hver ekstra parameter som en strategi krever ires etterlater det mer sårbar for optimalisering, også kjent som kurvepassing. Du bør prøve og målrette strategier med så få parametere som mulig, eller sørg for at du har tilstrekkelige mengder data for å teste dine strategier. Bennemark - Nesten alle strategier med mindre karakterisert som absolutt avkastning måles mot noen ytelses benchmark Referansen er vanligvis en indeks som karakteriserer en stor utvalg av den underliggende aktivaklassen som strategien handler om. Hvis strategien handler store amerikanske dollar, vil S P500 være et naturlig referanse til måle strategien din mot Du vil høre vilkårene alpha og beta, anvendt på strategier av denne typen. Vi diskuterer disse koeffisientene i dybden i senere artikler. Notat som vi ikke har diskutert den faktiske avkastningen av strategien. Hvorfor er dette Isolert avkastningen faktisk gi oss begrenset informasjon om strategiens effektivitet. De gir deg ikke et innblikk i løftestang, volatilitet , benchmarks eller kapitalkrav. Således vurderes strategier sjelden på avkastningen deres. Altid vurdere risikotributtene til en strategi før du ser på avkastningen. I dette stadiet vil mange av strategiene som er funnet fra rørledningen bli avvist, fordi de vant t oppfyller dine kapitalkrav, innflytelsesbegrensninger, maksimal ulempetoleranse eller volatilitetspreferanser. Strategiene som forblir, kan nå vurderes for backtesting. Før det er mulig, er det imidlertid nødvendig å vurdere en endelig avvisningskriterium - den tilgjengelige historiske data som test disse strategiene. Oppnå historisk data. I dag investeres bredden på de tekniske kravene på tvers av aktivaklasser for historisk datalagring. For å forbli konkurransedyktige investerer både kjøpsfondsmidlene og investeringsbankene i selgerne tungt i sin tekniske infrastruktur. er viktig å vurdere dens betydning Spesielt er vi interessert i aktualitet, nøyaktighet og d lagringskrav Jeg vil nå skissere grunnleggende om å skaffe historiske data og hvordan lagre det. Dessverre er dette et veldig dypt og teknisk tema, så jeg vant t kan si alt i denne artikkelen. Men jeg vil skrive mye mer om Dette i fremtiden som min tidligere bransjeerfaring i finansbransjen var hovedsakelig opptatt av finansiell datainnsamling, lagring og tilgang. I den foregående delen hadde vi opprettet en strategipipeline som tillot oss å avvise bestemte strategier basert på våre egne personlige avslagskriterier I denne seksjonen vil vi filtrere flere strategier basert på våre egne preferanser for å skaffe historiske data. Hovedsakene spesielt på detaljhandlernivå er kostnadene ved dataene, lagerkravene og nivået på teknisk ekspertise. Vi må også diskutere de forskjellige typer tilgjengelige data og de ulike hensynene som hver type data vil pålegge oss. La oss begynne med å diskutere hvilke typer data som er tilgjengelige ble og de viktigste problemene vi trenger å tenke på. Fundamental Data - Dette inkluderer data om makroøkonomiske trender, som rentesatser, inflasjonsfaktorer, aksjeselskapsutbytte, aksjesplittelser, SEC-arkiver, bedriftsregnskap, inntjenings tall, avkastningsrapporter, meteorologiske data osv. Disse dataene brukes ofte til å verdsette selskaper eller andre eiendeler på grunnlag, det vil si via noen form for forventede fremtidige kontantstrømmer. Det inkluderer ikke aksjekursserier Noen grunnleggende data er fritt tilgjengelige fra offentlige nettsider. Andre langsiktige historiske fundamentale data kan være ekstremt dyrt Lagringskrav er ofte ikke spesielt store, med mindre tusenvis av selskaper blir studert på en gang. Ny data - Nyhetsdata er ofte kvalitative i naturen. Det består av artikler, blogginnlegg, microblog-innlegg, tweets og redaksjonelle maskinlæringsteknikker som som klassifiseringsverktøy brukes ofte til å tolke følelser. Disse dataene er også ofte fritt tilgjengelige eller billige, via abonnement på med ia utsalgssteder De nyere NoSQL-dokumentlagringsdatabasene er utformet for å lagre denne typen ustrukturerte, kvalitative data. Satsprisdata - Dette er det tradisjonelle datadomenet til kvantet. Det består av tidsserier av eiendomspriser. Aktier, obligasjoner, obligasjoner, varer og utenlandsk valutakurs alle ligger innenfor denne klassen. Daglige historiske data er ofte enkle å få for enklere aktivaklasser, for eksempel aksjer. Når nøyaktighet og renslighet er inkludert og statistiske forstyrrelser fjernes, kan dataene bli dyre. I tillegg er tidsseriedata ofte innehar betydelige lagringskrav, spesielt når intradagdata er vurdert. Finansielle instrumenter - aksjer, obligasjoner, futures og de mer eksotiske derivative opsjonene har svært forskjellige egenskaper og parametere. Således er det ingen størrelse som passer til all databasestruktur som kan imøtekomme dem. Vesentlig omsorg må være gitt til design og implementering av databasestrukturer for var finansielle instrumenter Vi vil diskutere situasjonen i lengden når vi kommer til å bygge en verdipapirmasterdatabase i fremtidige artikler. Frequency - Jo høyere frekvensen av dataene er, desto større kostnader og lagringskrav. For lavfrekvente strategier er det daglig data ofte tilstrekkelig For høyfrekvente strategier, kan det være nødvendig å skaffe teltnivådata og til og med historiske kopier av bestemte handelsutvekslingsordrebokføringsdata. Implementering av en lagringsmotor for denne typen data er meget teknologisk intensiv og bare egnet for de med en sterk programmeringsteknisk background. Benchmarks - Strategiene beskrevet ovenfor vil ofte bli sammenlignet med et referanseindeks Dette manifesterer seg vanligvis som en ekstra finansiell tidsserie For aksjer er dette ofte et nasjonalt aksjeindeks, for eksempel S P500-indeksen US eller FTSE100 UK For en fast inntekt fond, er det nyttig å sammenligne mot en kurv med obligasjoner eller renteinntekter. Risikofri rente dvs. passende interesser t-rate er også et annet godt akseptert referanseindeks Alle aktivaklassekategorier har en favorisert referanse, så det vil være nødvendig å undersøke dette basert på din spesifikke strategi, hvis du ønsker å få interesse for din strategi eksternt. Teknologi - Teknologien stabler bak en økonomisk Datamagasinet er komplekst Denne artikkelen kan bare skrape overflaten om hva som er involvert i å bygge en. Den senterer imidlertid rundt en databasemotor, for eksempel et Relational Database Management System RDBMS, for eksempel MySQL, SQL Server, Oracle eller en dokumentlagring Engine ie NoSQL Dette er tilgjengelig via Business Logic Application Code som spørrer databasen og gir tilgang til eksterne verktøy, for eksempel MATLAB, R eller Excel. Denne forretnings logikken er ofte skrevet i C, C, Java eller Python. Du må også være vert for dette data et sted, enten på egen PC eller eksternt via Internett-servere. Produkter som Amazon Web Services har gjort dette enklere og billigere de siste årene, men det vil fortsatt kreve betydelig teknisk kompetanse for å oppnå på en robust måte. Som det kan sees når en strategi er identifisert via rørledningen, vil det være nødvendig å evaluere tilgjengeligheten, kostnadene, kompleksiteten og implementeringsdetaljer for et bestemt sett av historiske data Det kan hende du finner det nødvendig å avvise en strategi basert utelukkende på historiske dataoverveielser Dette er et stort område og lag av doktorgrader arbeider i store mengder, slik at prissetting er korrekt og rettidig Ikke undervurder vanskelighetene med å opprette et robust datasenter for din backtesting formål. Jeg vil imidlertid si at mange backtesting plattformer kan gi disse dataene automatisk for deg - til en pris. Dermed vil det ta mye av implementerings smerten vekk fra deg, og du kan konsentrere deg rent på implementering av strategier og optimaliseringsverktøy Som TradeStation har denne kapasiteten Men min personlige oppfatning er å implementere så mye som mulig internt og unngå outsourcing deler av th e-stakk til programvareleverandører Jeg foretrekker høyere frekvensstrategier på grunn av deres mer attraktive Sharpe-forhold, men de er ofte tett koblet til teknologistakken, hvor avansert optimalisering er kritisk. Nå har vi diskutert problemene rundt historiske data, det er på tide å begynne implementere våre strategier i en backtesting motor Dette vil bli gjenstand for andre artikler, da det er et like stort område av diskusjon. Bare å komme i gang med kvantitativ handel.