Estratégias de negociação algorítmicas comuns

Fundamentos do comércio algorítmico: conceitos e exemplos.

Um algoritmo é um conjunto específico de instruções claramente definidas destinadas a realizar uma tarefa ou processo.

O comércio algorítmico (negociação automatizada, negociação em caixa preta ou simplesmente algo-trading) é o processo de uso de computadores programados para seguir um conjunto definido de instruções para colocar um comércio para gerar lucros a uma velocidade e freqüência impossíveis para um comerciante humano. Os conjuntos definidos de regras são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Além das oportunidades de lucro para o comerciante, o algo-trading torna os mercados mais líquidos e torna a negociação mais sistemática descartando impactos emocionais humanos nas atividades comerciais. (Para mais, consulte Picking the Right Algorithmic Trading Software.)

Suponha que um comerciante siga esses critérios de comércio simples:

Compre 50 ações de uma ação quando sua média móvel de 50 dias excede a média móvel de 200 dias. Vende ações da ação quando sua média móvel de 50 dias está abaixo da média móvel de 200 dias.

Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitorará automaticamente o preço das ações (e os indicadores de média móvel) e colocará as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais manter um relógio para preços e gráficos ao vivo, ou colocar as ordens manualmente. O sistema de negociação algorítmica automaticamente faz isso para ele, identificando corretamente a oportunidade comercial. (Para mais informações sobre as médias móveis, consulte Médias móveis simples, faça as tendências se destacarem.)

[Se você quiser saber mais sobre as estratégias comprovadas e pontuais que podem eventualmente ser trabalhadas em um sistema de comércio alorítico, confira o Curso de Torneio de Dia de Torneio da Invastopedia Academy. ]

Benefícios da negociação algorítmica.

A Algo-trading oferece os seguintes benefícios:

Negociações executadas com os melhores preços Posicionamento instantâneo e preciso da ordem comercial (com altas chances de execução nos níveis desejados) Negociações cronometradas corretamente e instantaneamente, para evitar mudanças de preços significativas Custos de transação reduzidos (veja o exemplo de falta de implementação abaixo) Verificações automatizadas simultâneas em múltiplos condições de mercado Reduziu o risco de erros manuais na colocação dos negócios Backtest o algoritmo, com base nos dados históricos e em tempo real disponíveis Reduzida a possibilidade de erros por comerciantes humanos com base em fatores emocionais e psicológicos.

A maior parte do dia-a-dia é a negociação de alta freqüência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em múltiplos mercados e múltiplos parâmetros de decisão, com base em instruções pré-programadas. (Para obter mais informações sobre o comércio de alta freqüência, consulte Estratégias e Segredos de Empresas de Negociação de Alta Freqüência (HFT).)

O Algo-trading é usado em muitas formas de atividades de comércio e investimento, incluindo:

Investidores de médio a longo prazo ou empresas de compra (fundos de pensão, fundos de investimento, companhias de seguros) que adquirem ações em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e de grande porte. Os comerciantes de curto prazo e os participantes do lado da venda (fabricantes de mercado, especuladores e arbitragentes) se beneficiam da execução comercial automatizada; Além disso, ajudas de algo-trading na criação de liquidez suficiente para os vendedores no mercado. Os comerciantes sistemáticos (seguidores de tendências, comerciantes de pares, hedge funds, etc.) acham muito mais eficiente programar suas regras comerciais e permitir que o programa seja comercializado automaticamente.

O comércio algorítmico proporciona uma abordagem mais sistemática ao comércio ativo do que os métodos baseados na intuição ou instinto do comerciante humano.

Estratégias de negociação algorítmica.

Qualquer estratégia de negociação algorítmica exige uma oportunidade identificada que seja rentável em termos de melhoria de ganhos ou redução de custos. As seguintes são estratégias de negociação comuns usadas em algo-trading:

As estratégias de negociação algorítmicas mais comuns seguem as tendências em médias móveis, fuga de canais, movimentos no nível de preços e indicadores técnicos relacionados. Estas são as estratégias mais fáceis e simples de implementar através de negociação algorítmica porque essas estratégias não envolvem fazer previsões ou previsões de preços. Os negócios são iniciados com base na ocorrência de tendências desejáveis, que são fáceis e direitas de implementar através de algoritmos sem entrar na complexidade da análise preditiva. O exemplo acima mencionado de média móvel de 50 e 200 dias é uma tendência popular seguindo a estratégia. (Para mais informações sobre as estratégias de negociação de tendências, consulte: Estratégias simples para capitalizar as tendências.)

Comprar um estoque cotado duplo a um preço mais baixo em um mercado e simultaneamente vendê-lo a um preço mais alto em outro mercado oferece o diferencial de preço como lucro ou arbitragem sem risco. A mesma operação pode ser replicada para ações versus instrumentos de futuros, pois os diferenciais de preços existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preços e colocar as ordens permite oportunidades lucrativas de forma eficiente.

Os fundos do índice definiram períodos de reequilíbrio para que suas participações fossem compatíveis com seus respectivos índices de referência. Isso cria oportunidades rentáveis ​​para comerciantes algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos base, dependendo do número de ações no fundo do índice, apenas antes do reequilíbrio do fundo do índice. Essas negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.

Muitos modelos matemáticos comprovados, como a estratégia de negociação neutra do delta, que permitem a negociação de combinações de opções e sua segurança subjacente, onde os negócios são colocados para compensar deltas positivos e negativos, de modo que o portfólio delta seja mantido em zero.

A estratégia de reversão média baseia-se na ideia de que os preços altos e baixos de um bem são um fenômeno temporário que retorna periodicamente ao seu valor médio. Identificar e definir uma faixa de preço e implementar algoritmos com base em isso permite que os negócios sejam colocados automaticamente quando o preço do recurso entra e sai do seu alcance definido.

A estratégia de preços médios ponderados por volume quebra uma grande ordem e libera pedaços menores determinados dinamicamente da ordem para o mercado usando perfis de volume histórico específicos de estoque. O objetivo é executar a ordem perto do preço médio ponderado do volume (VWAP), beneficiando assim o preço médio.

A estratégia de preço médio ponderado no tempo quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando intervalos de tempo uniformemente divididos entre o início e o fim do tempo. O objetivo é executar a ordem perto do preço médio entre os horários de início e término, minimizando assim o impacto no mercado.

Até que a ordem comercial seja totalmente preenchida, este algoritmo continua enviando ordens parciais, de acordo com o índice de participação definido e de acordo com o volume negociado nos mercados. A "estratégia de etapas" relacionada envia ordens a uma porcentagem definida pelo usuário de volumes de mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge os níveis definidos pelo usuário.

A estratégia de falta de implementação visa minimizar o custo de execução de uma ordem através da negociação do mercado em tempo real, economizando assim o custo da ordem e beneficiando do custo de oportunidade da execução atrasada. A estratégia aumentará a taxa de participação direcionada quando o preço das ações se mover de forma favorável e diminuí-lo quando o preço das ações se mover de forma adversa.

Existem algumas classes especiais de algoritmos que tentam identificar "acontecimentos" do outro lado. Esses "algoritmos de sniffing", usados, por exemplo, por um market maker market market têm a inteligência interna para identificar a existência de qualquer algoritmo no lado da compra de uma grande ordem. Essa detecção através de algoritmos ajudará o fabricante de mercado a identificar grandes oportunidades de ordem e permitir que ele se beneficie ao preencher os pedidos a um preço mais alto. Isso às vezes é identificado como front-running de alta tecnologia. (Para obter mais informações sobre negociação de alta freqüência e práticas fraudulentas, consulte: Se você comprar ações on-line, você está envolvido em HFTs.)

Requisitos técnicos para negociação algorítmica.

Implementar o algoritmo usando um programa de computador é a última parte, batida com backtesting. O desafio é transformar a estratégia identificada em um processo informatizado integrado que tenha acesso a uma conta de negociação para fazer pedidos. São necessários os seguintes:

Conhecimento de programação de computador para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricado Conectividade de rede e acesso a plataformas de negociação para colocar os pedidos Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de colocar pedidos A capacidade e infra-estrutura para voltar a testar o sistema uma vez construído, antes de entrar em operação em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.

Aqui está um exemplo abrangente: o Royal Dutch Shell (RDS) está listado na Amsterdam Stock Exchange (AEX) e London Stock Exchange (LSE). Vamos construir um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes:

AEX negocia em Euros, enquanto a LSE negocia em libras esterlinas. Devido à diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguido de ambas as trocas comerciais simultaneamente durante as próximas horas e depois de negociar apenas na LSE durante a última hora à medida que o AEX fecha .

Podemos explorar a possibilidade de negociação de arbitragem nas ações da Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes?

Um programa de computador que pode ler os preços atuais do mercado Os feeds de preços de LSE e AEX A taxa de câmbio para a taxa de câmbio GBP-EUR Capacidade de colocação de pedidos que podem rotear a ordem para a troca correta do recurso Back-testing em feeds históricos de preços.

O programa de computador deve executar o seguinte:

Leia o preço de entrada do estoque RDS de ambas as bolsas Usando as taxas de câmbio disponíveis, converta o preço de uma moeda para outra. Se houver uma discrepância de preço suficientemente grande (descontando os custos de corretagem) levando a uma oportunidade rentável, então coloque a compra ordem em troca de preços mais baixos e ordem de venda em troca de preços mais elevados Se as ordens forem executadas conforme desejado, o lucro de arbitragem seguirá.

Simples e fácil! No entanto, a prática de negociação algorítmica não é simples de manter e executar. Lembre-se, se você pode colocar um comércio gerado por algo, os outros participantes do mercado podem também. Conseqüentemente, os preços flutuam em milissegundos e até mesmo em microssegundos. No exemplo acima, o que acontece se o seu comércio de compras for executado, mas o comércio de vendas não acontece à medida que os preços de venda mudam quando o seu pedido atinge o mercado? Você vai acabar sentado com uma posição aberta, tornando sua estratégia de arbitragem inútil.

Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos de tempo entre ordens comerciais e execução e, o mais importante de tudo, algoritmos imperfeitos. O algoritmo mais complexo é o backtesting mais rigoroso antes de ser posto em ação.

The Bottom Line.

A análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinada criticamente. É excitante ir pela automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso certificar-se de que o sistema está completamente testado e os limites exigidos são definidos. Os comerciantes analíticos devem considerar a aprendizagem de sistemas de programação e construção por conta própria, ter confiança em implementar as estratégias certas de forma infalível. O uso cauteloso eo teste completo de algo-trading podem criar oportunidades rentáveis. (Para mais informações, consulte Como codificar seu próprio robô Algo Trading.)

Tipos comuns de algoritmos de negociação.

Esta é uma breve visão geral dos tipos comuns de algoritmos de finanças quantitativas que são negociados hoje. Claro, isso é apenas uma visão geral, e não abrangente! Deixe-me saber se você acha que existem outros tipos de algo que eu deveria abranger.

Inversores de reversão média assumem que o preço das ações ao longo do tempo retornará ao seu preço médio de longa data. Eles usam a análise do preço das ações para determinar os limites de negociação da significância estatística. Se o estoque estiver negociando significativamente acima da média móvel, eles serão curtos. Por outro lado, se o estoque tende significativamente abaixo da média móvel, eles vão comprá-lo. Veja o exemplo de estratégia Avaliação - Compras de pechincha.

Os investidores criam estratégias que dependem da época do ano. Está bem documentado que os mercados tendem a ter melhores retornos no final do ano e durante os meses de verão, enquanto setembro geralmente é um mês com retornos mais baixos. Para evitar perda de capital, alguns investidores optam por vender suas posições com perdas no final de dezembro para beneficiar da indenização fiscal. Em janeiro, os investidores retornam em triunfo e compram estoques de pequena e menor valor, elevando seus preços. Os preços das ações também se diferenciam em torno de feriados e períodos de fechamento do trimestre. Uma estratégia simples é comprar e manter ações (SPY) de outubro a abril e depois girar para comprar e manter títulos (BSV) de maio a setembro. Veja o exemplo da Estratégia Sentimento - Compre o boato, venda as novidades.

O comércio de Análise Sentimental deriva da psicologia da multidão, onde os investidores ficam atualizados nas notícias recentes e as ações de compra prevêem a reação da multidão. Eles tentam capturar mudanças de preços de curto prazo e colher os benefícios rápidos. Os investidores podem monitorar fontes, incluindo tendências de pesquisa do Google, meios de comunicação, blogs / fóruns e postagens do Twitter. Veja a estratégia de exemplo Fundamental Investing.

Esta é uma forma de avaliar o verdadeiro valor intrínseco de um estoque, examinando fatores de macro-nível, como indicadores econômicos, comparações de indústria e setor, e análise de demonstrações financeiras da empresa. Os cálculos derivados de dados reais tentam modelar o valor verdadeiro do estoque, que é comparado ao preço de mercado da ação - direcionando a decisão de comprar ou vender. Exemplo de pontos de dados para análise fundamental incluem receitas das empresas, ganhos, crescimento futuro, retorno sobre o patrimônio líquido e margens de lucro. Investimento Técnico.

Este método examina a atividade do mercado passado para mudanças no preço e volume do estoque, acreditando que o desempenho histórico é indicativo de resultados futuros. Os investidores usam gráficos, estatísticas e outras ferramentas para descobrir padrões nos dados para prever futuros movimentos de preços. Esse estilo de investimento não analisa o valor intrísico do estoque, mas sim o movimento futuro da segurança. Para adicionar análise técnica ao seu código de Quantopian, veja a biblioteca de código aberto ta-lib.

O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.

Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.

Comentários estão fechados.

O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.

Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.

O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer garantia ou estratégia, nem constitui uma oferta para fornecer consultoria de investimento ou outros serviços por meio de Quantopian. Além disso, o conteúdo do site não oferece nenhuma opinião em relação à adequação de qualquer garantia ou qualquer investimento específico.

A Quantopian não oferece garantias quanto à exatidão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas. Todos os investimentos envolvem risco - incluindo perda de principal. Você deve consultar um profissional de investimentos antes de tomar decisões de investimento.

QuantStart.

Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo bem informado de mentalistas quant pronto para responder suas perguntas comerciais mais importantes.

Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.

Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.

Por Michael Halls-Moore em 19 de abril de 2013.

Neste artigo, quero apresentar-lhe os métodos pelos quais eu próprio identifico estratégias de negociação algorítmicas rentáveis. Nosso objetivo hoje é entender em detalhes como encontrar, avaliar e selecionar esses sistemas. Vou explicar como as estratégias de identificação são tanto sobre preferências pessoais quanto sobre o desempenho da estratégia, como determinar o tipo e a quantidade de dados históricos para o teste, como avaliar de forma imparcial uma estratégia de negociação e, finalmente, como avançar para a fase de backtesting e implementação estratégica.

Identificando suas próprias preferências pessoais para negociação.

Para ser um comerciante bem sucedido - de forma discricionária ou algorítmica - é necessário fazer-se algumas perguntas honestas. O Trading oferece a você a capacidade de perder dinheiro em uma taxa alarmante, por isso é necessário "conhecer você mesmo" tanto quanto é necessário entender a estratégia escolhida.

Eu diria que a consideração mais importante na negociação é estar ciente de sua própria personalidade. O comércio e o comércio algorítmico em particular, requer um grau significativo de disciplina, paciência e desapego emocional. Como você está deixando um algoritmo executar sua negociação para você, é necessário ser resolvido para não interferir com a estratégia quando está sendo executado. Isso pode ser extremamente difícil, especialmente em períodos de redução prolongada. No entanto, muitas estratégias que mostraram ser altamente rentáveis ​​em um backtest podem ser arruinadas por uma simples interferência. Compreenda que se você deseja entrar no mundo da negociação algorítmica, você será testado emocionalmente e, para ser bem-sucedido, é necessário trabalhar com essas dificuldades!

A próxima consideração é uma das vezes. Você tem um emprego a tempo inteiro? Você trabalha a tempo parcial? Você trabalha em casa ou tem uma longa viagem diária? Essas perguntas ajudarão a determinar a freqüência da estratégia que você deve procurar. Para aqueles de você no emprego a tempo inteiro, uma estratégia de futuros intradiária pode não ser apropriada (pelo menos até que seja totalmente automatizada!). Suas restrições de tempo também ditarão a metodologia da estratégia. Se sua estratégia é freqüentemente negociada e dependente de feeds de notícias caras (como um terminal da Bloomberg), você terá claramente que ser realista sobre sua capacidade de executar com sucesso durante o escritório! Para aqueles de vocês com muito tempo, ou as habilidades para automatizar sua estratégia, você pode querer examinar uma estratégia mais técnica de negociação de alta freqüência (HFT).

Minha opinião é que é necessário realizar pesquisas contínuas sobre suas estratégias de negociação para manter um portfólio consistentemente lucrativo. Poucas estratégias permanecem "sob o radar" para sempre. Assim, uma parte importante do tempo atribuído à negociação será na realização de pesquisas em andamento. Pergunte a si mesmo se você está preparado para fazer isso, pois pode ser a diferença entre uma forte rentabilidade ou um declínio lento em relação a perdas.

Você também precisa considerar seu capital de negociação. O valor mínimo ideal geralmente aceito para uma estratégia quantitativa é de 50,000 USD (aproximadamente £ 35,000 para nós no Reino Unido). Se eu estivesse começando de novo, eu começaria com uma quantidade maior, provavelmente mais perto de 100,000 USD (aproximadamente £ 70,000). Isso ocorre porque os custos de transação podem ser extremamente caros para estratégias de média a alta freqüência e é necessário ter capital suficiente para absorvê-los em tempos de redução. Se você está considerando começar com menos de 10.000 USD, então você precisará se restringir a estratégias de baixa freqüência, negociando em um ou dois ativos, já que os custos de transação irão comer rapidamente em seus retornos. Interactive Brokers, que é um dos corretores mais amigáveis ​​para aqueles com habilidades de programação, devido à sua API, tem uma conta de varejo mínima de 10.000 USD.

A habilidade de programação é um fator importante na criação de uma estratégia de negociação algorítmica automatizada. Estar bem informado em uma linguagem de programação como C ++, Java, C #, Python ou R permitirá que você crie o sistema de armazenamento de dados, o sistema de backtest e o sistema de execução de ponta a ponta. Isso tem uma série de vantagens, cujo chefe é a capacidade de estar completamente atento a todos os aspectos da infra-estrutura comercial. Também permite que você explore as estratégias de freqüência mais alta, pois você terá o controle total da sua "pilha de tecnologia". Embora isso signifique que você possa testar seu próprio software e eliminar erros, também significa mais tempo gasto na codificação de infra-estrutura e menos na implementação de estratégias, pelo menos na parte anterior da sua carreira de trading. Você pode achar que você está confortável negociando no Excel ou MATLAB e pode terceirizar o desenvolvimento de outros componentes. Eu não recomendaria isso no entanto, especialmente para aqueles que negociavam em alta freqüência.

Você precisa se perguntar o que você espera alcançar por meio de negociação algorítmica. Você está interessado em um rendimento regular, pelo qual você espera obter lucros de sua conta de negociação? Ou, você está interessado em um ganho de capital a longo prazo e pode se negociar sem a necessidade de retirar fundos? A dependência de renda determinará a freqüência de sua estratégia. As retiradas de renda mais regulares exigirão uma estratégia de negociação de maior freqüência com menor volatilidade (ou seja, uma proporção Sharpe mais alta). Os comerciantes de longo prazo podem pagar uma frequência comercial mais tranquila.

Finalmente, não se ilude com a noção de tornar-se extremamente rico num curto espaço de tempo! O comércio de Algo não é um esquema rápido e rápido - se alguma coisa pode ser um esquema rápido e rápido. É preciso disciplina, pesquisa, diligência e paciência importantes para serem bem-sucedidos no comércio algorítmico. Pode levar meses, senão anos, gerar rentabilidade consistente.

Sourcing Algorithmic Trading Ideas.

Apesar das percepções comuns em contrário, é realmente bastante direto localizar estratégias de negociação rentáveis ​​no domínio público. Nunca as idéias comerciais estão mais disponíveis do que hoje. Revistas de finanças acadêmicas, servidores de pré-impressão, blogs comerciais, fóruns de negociação, revistas comerciais semanais e textos especializados fornecem milhares de estratégias de negociação com as quais basear suas idéias.

Nosso objetivo como pesquisadores quantitativos de negócios é estabelecer um pipeline estratégico que nos forneça um fluxo de idéias comerciais em andamento. Idealmente, queremos criar uma abordagem metódica para sourcing, avaliação e implementação de estratégias que encontramos. Os objetivos do pipeline são gerar uma quantidade consistente de novas idéias e fornecer-nos uma estrutura para rejeitar a maioria dessas idéias com o mínimo de consideração emocional.

Devemos ser extremamente cuidadosos para não permitir influências cognitivas na nossa metodologia de tomada de decisão. Isso pode ser tão simples como ter uma preferência por uma classe de ativos sobre outra (o ouro e outros metais preciosos vêm à mente) porque são percebidos como mais exóticos. Nosso objetivo sempre deve ser encontrar estratégias consistentemente lucrativas, com expectativas positivas. A escolha da classe de ativos deve basear-se em outras considerações, como restrições de capital de negociação, taxas de corretagem e capacidades de alavancagem.

Se você não está completamente familiarizado com o conceito de estratégia comercial, então o primeiro lugar a procurar é com os livros didáticos estabelecidos. Os textos clássicos fornecem uma ampla gama de idéias mais simples e diretas, para se familiarizarem com a negociação quantitativa. Aqui está uma seleção que eu recomendo para aqueles que são novos para negociação quantitativa, que gradualmente se tornam mais sofisticados enquanto você trabalha através da lista:

Para uma lista mais longa de livros de negociação quantitativos, visite a lista de leitura QuantStart.

O próximo lugar para encontrar estratégias mais sofisticadas é com fóruns de negociação e blogs comerciais. No entanto, uma nota de cautela: muitos blogs comerciais dependem do conceito de análise técnica. A análise técnica envolve a utilização de indicadores básicos e psicologia comportamental para determinar tendências ou padrões de reversão nos preços dos ativos.

Apesar de ser extremamente popular no espaço comercial geral, a análise técnica é considerada um pouco ineficaz na comunidade de finanças quantitativas. Alguns sugeriram que não é melhor que ler um horóscopo ou estudar folhas de chá em termos de seu poder preditivo! Na realidade, existem indivíduos bem-sucedidos que utilizam análises técnicas. No entanto, como quants com uma caixa de ferramentas matemática e estatística mais sofisticada à nossa disposição, podemos facilmente avaliar a eficácia de tais estratégias "baseadas em TA" e tomar decisões baseadas em dados, em vez de basear nossas em considerações ou preconceitos emocionais.

Aqui está uma lista de bem-respeitados blogs e fóruns de negociação algorítmica:

Depois de ter tido alguma experiência na avaliação de estratégias mais simples, é hora de olhar para as ofertas acadêmicas mais sofisticadas. Algumas revistas acadêmicas serão de difícil acesso, sem inscrições elevadas ou custos pontuais. Se você é um membro ou ex-aluno de uma universidade, você poderá obter acesso a algumas dessas revistas financeiras. Caso contrário, você pode olhar para os servidores de pré-impressão, que são repositórios de internet de rascunhos finais de documentos acadêmicos que estão sendo submetidos a revisão pelos pares. Uma vez que estamos apenas interessados ​​em estratégias que possamos replicar com sucesso, fazer backtest e obter rentabilidade, uma revisão por pares é de menor importância para nós.

A principal desvantagem das estratégias acadêmicas é que muitas vezes podem estar desatualizadas, exigir dados históricos obscuros e dispendiosos, negociar classes de ativos ilíquidas ou não influenciar taxas, derrapagens ou propagação. Também não está claro se a estratégia de negociação deve ser realizada com ordens de mercado, ordens limitadas ou se contém perdas de parada, etc. Portanto, é absolutamente essencial replicar a estratégia o melhor que puder, fazer o backtest e adicionar uma transação realista custos que incluem tantos aspectos das classes de ativos que você deseja negociar.

Aqui está uma lista dos servidores de pré-impressão mais populares e revistas financeiras das quais você pode criar ideias:

E sobre como formar suas próprias estratégias quantitativas? Isso geralmente requer (mas não está limitado a) conhecimento em uma ou mais das seguintes categorias:

Microestrutura de mercado - Para estratégias de freqüência mais altas em particular, pode-se usar a microestrutura do mercado, ou seja, a compreensão da dinâmica do livro de pedidos, a fim de gerar rentabilidade. Diferentes mercados terão várias limitações tecnológicas, regulamentos, participantes do mercado e restrições que estão abertas à exploração através de estratégias específicas. Esta é uma área muito sofisticada e os profissionais de varejo terão dificuldade em ser competitivos neste espaço, particularmente porque a competição inclui fundos de hedge quantitativos grandes e bem capitalizados com fortes capacidades tecnológicas. Estrutura do fundo - Os fundos de investimento em conjunto, como fundos de pensão, parcerias de investimento privado (hedge funds), consultores de negociação de commodities e fundos de investimento, são limitados por uma forte regulamentação e suas grandes reservas de capital. Assim, certos comportamentos consistentes podem ser explorados com aqueles que são mais ágeis. Por exemplo, grandes fundos estão sujeitos a restrições de capacidade devido ao seu tamanho. Assim, se eles precisam rapidamente descarregar (vender) uma quantidade de valores mobiliários, eles terão que diminuí-lo para evitar "mover o mercado". Algoritmos sofisticados podem tirar proveito disso, e outras idiossincrasias, em um processo geral conhecido como arbitragem de estrutura de fundos. Aprendizado de máquinas / inteligência artificial - Os algoritmos de aprendizagem de máquinas tornaram-se mais prevalentes nos últimos anos nos mercados financeiros. Os classificadores (como Naive-Bayes, et al.) Correspondentes de função não-linear (redes neurais) e rotinas de otimização (algoritmos genéticos) foram todos usados ​​para prever caminhos de ativos ou otimizar estratégias de negociação. Se você tem um histórico nesta área, você pode ter alguma visão sobre como determinados algoritmos podem ser aplicados a certos mercados.

Há, é claro, muitas outras áreas para investigar quants. Vamos discutir como apresentar estratégias personalizadas em detalhes em um artigo posterior.

Ao continuar monitorando essas fontes em uma base semanal, ou mesmo diária, você está se preparando para receber uma lista consistente de estratégias de uma variedade diversificada de fontes. O próximo passo é determinar como rejeitar um grande subconjunto dessas estratégias, a fim de minimizar o desperdício de seu tempo e os recursos de backtesting em estratégias que provavelmente não serão lucrativas.

Avaliando Estratégias de Negociação.

A primeira consideração, e indiscutivelmente mais óbvia, é se você realmente entende a estratégia. Você poderia explicar a estratégia de forma concisa ou exigir uma série de advertências e listas de parâmetros infinitas? Além disso, a estratégia tem uma base boa e sólida na realidade? Por exemplo, você poderia apontar alguma lógica comportamental ou restrição da estrutura do fundo que possa estar causando o (s) padrão (s) que você está tentando explorar? Esta restrição suportaria uma mudança de regime, como uma dramática perturbação do ambiente regulatório? A estratégia depende de regras estatísticas ou matemáticas complexas? Aplica-se a qualquer série de tempo financeiro ou é específico para a classe de ativos em que se afirma ser lucrativo? Você deve constantemente pensar nesses fatores ao avaliar novos métodos comerciais, caso contrário você pode desperdiçar uma quantidade significativa de tempo tentando fazer backtest e otimizar estratégias não lucrativas.

Uma vez que você tenha determinado que você entende os princípios básicos da estratégia, você precisa decidir se ele se encaixa com o seu perfil de personalidade acima mencionado. Esta não é uma consideração tão vaga quanto parece! As estratégias diferirão substancialmente em suas características de desempenho. Existem certos tipos de personalidade que podem lidar com períodos mais significativos de redução ou estão dispostos a aceitar um maior risco de retorno maior. Apesar do fato de que nós, como quants, tentamos eliminar todo o viés cognitivo possível e devemos avaliar uma estratégia de forma imparcial, os preconceitos sempre entrarão. Por isso, precisamos de um meio consistente e sem emoção para avaliar o desempenho das estratégias . Aqui está a lista de critérios que eu julgo uma nova estratégia potencial por:

Metodologia - O impulso da estratégia está baseado, o retorno médio, o mercado neutro, direcional? A estratégia baseia-se em técnicas de aprendizado estatístico ou de máquinas complexas (ou complexas) que são difíceis de entender e exigem um doutorado em estatísticas para entender? Essas técnicas introduzem uma quantidade significativa de parâmetros, o que pode levar a um viés de otimização? A estratégia é susceptível de suportar uma mudança de regime (ou seja, uma nova regulamentação potencial dos mercados financeiros)? Sharpe Ratio - O índice de Sharpe caracteriza heuristicamente o índice de recompensa / risco da estratégia. Quantifica quanto retorno você consegue para o nível de volatilidade sofrido pela curva patrimonial. Naturalmente, precisamos determinar o período e a frequência em que esses retornos e volatilidade (ou seja, o desvio padrão) são medidos. Uma estratégia de freqüência mais alta exigirá maior taxa de amostragem do desvio padrão, mas um período de tempo geral mais curto, por exemplo. Alavancagem - A estratégia exige alavancagem significativa para ser lucrativa? A estratégia exige o uso de contratos de derivativos alavancados (futuros, opções, swaps) para fazer um retorno? Estes contratos alavancados podem ter uma forte volatilidade e, portanto, podem facilmente levar a chamadas de margem. Você tem o capital comercial e o temperamento para essa volatilidade? Frequência - A frequência da estratégia está intimamente ligada à sua pilha de tecnologia (e, portanto, à experiência tecnológica), ao índice Sharpe e ao nível geral dos custos de transação. Todas as outras questões consideradas, as estratégias de maior freqüência requerem mais capital, são mais sofisticadas e difíceis de implementar. No entanto, assumindo que seu mecanismo de teste de backtest é sofisticado e livre de erros, eles geralmente terão taxas Sharpe muito maiores. Volatilidade - A volatilidade está fortemente relacionada ao "risco" da estratégia. A relação Sharpe caracteriza isso. A maior volatilidade das classes de ativos subjacentes, se não coberta, muitas vezes leva a uma maior volatilidade na curva patrimonial e, portanto, menores índices de Sharpe. Naturalmente, suponho que a volatilidade positiva seja aproximadamente igual à volatilidade negativa. Algumas estratégias podem ter maior volatilidade negativa. Você precisa estar ciente desses atributos. Ganhe / Perda, Lucro / Perda Médio - As estratégias serão diferentes nas suas ganhos / perdas e características médias de lucro / perda. Pode-se ter uma estratégia muito lucrativa, mesmo que o número de negócios perdidos exceda o número de negociações vencedoras. As estratégias de impulso tendem a ter esse padrão, pois dependem de um pequeno número de "grandes sucessos" para serem lucrativos. As estratégias de reversão média tendem a ter perfis opostos onde mais dos negócios são "vencedores", mas os negócios perdidos podem ser bastante graves. Drawdown máximo - A redução máxima é a maior queda percentual global na curva de equidade da estratégia. As estratégias de Momentum são bem conhecidas por sofrerem períodos de redução prolongada (devido a uma série de muitos negócios perdidos incrementais). Muitos comerciantes vão desistir em períodos de redução prolongada, mesmo que os testes históricos sugeriram que este é "business as usual" para a estratégia. Você precisará determinar qual porcentagem de redução (e em que período de tempo) você pode aceitar antes de deixar de negociar sua estratégia. Esta é uma decisão altamente pessoal e, portanto, deve ser considerada com cuidado. Capacidade / liquidez - No nível de varejo, a menos que você esteja negociando em um instrumento altamente ilíquido (como um estoque de pequena capital), você não terá que se preocupar muito com a capacidade da estratégia. A capacidade determina a escalabilidade da estratégia para aumentar o capital. Muitos dos maiores hedge funds sofrem de importantes problemas de capacidade à medida que suas estratégias aumentam em alocação de capital. Parâmetros - Certas estratégias (especialmente aquelas encontradas na comunidade de aprendizagem de máquinas) requerem uma grande quantidade de parâmetros. Todo parâmetro adicional que uma estratégia exige deixa-o mais vulnerável ao viés de otimização (também conhecido como "ajuste de curva"). Você deve tentar segmentar estratégias com o menor número possível de parâmetros ou garantir que você tenha quantidades suficientes de dados para testar suas estratégias. Benchmark - Quase todas as estratégias (a menos que sejam caracterizadas como "retorno absoluto") são medidas em relação a um benchmark de desempenho. O benchmark geralmente é um índice que caracteriza uma grande amostra da classe de ativos subjacentes em que a estratégia negocia. Se a estratégia negociar ações americanas de grande capitalização, o S & P500 seria uma referência natural para medir sua estratégia. Você ouvirá os termos "alfa" e "beta", aplicado a estratégias deste tipo. Vamos discutir esses coeficientes em profundidade em artigos posteriores.

Observe que não discutimos os retornos reais da estratégia. Por que é isso? De forma isolada, os retornos realmente nos fornecem informações limitadas sobre a eficácia da estratégia. Eles não lhe dão uma visão de alavancagem, volatilidade, benchmarks ou requisitos de capital. Assim, as estratégias raramente são avaliadas apenas em seus retornos. Considere sempre os atributos de risco de uma estratégia antes de analisar os retornos.

Nesta fase, muitas das estratégias encontradas em seu pipeline serão rejeitadas, uma vez que não atenderão aos requisitos de capital, alavancar restrições, tolerar a tolerância máxima ou preferências de volatilidade. As estratégias que permanecem podem agora ser consideradas para testes anteriores. No entanto, antes disso é possível, é necessário considerar um critério de rejeição final - o dos dados históricos disponíveis para testar essas estratégias.

Obtenção de dados históricos.

Hoje em dia, a amplitude dos requisitos técnicos em todas as classes de ativos para o armazenamento histórico de dados é substancial. Para se manter competitivo, tanto o lado da compra (fundos) como os de venda (bancos de investimento) investem fortemente em sua infraestrutura técnica. É imperativo considerar sua importância. Em particular, estamos interessados ​​em requisitos de tempo, precisão e armazenamento. Agora vou descrever os conceitos básicos de obtenção de dados históricos e como armazená-lo. Infelizmente, este é um tópico muito profundo e técnico, então não poderei dizer tudo neste artigo. No entanto, vou escrever muito mais sobre isso no futuro, já que minha experiência na indústria anterior no setor financeiro estava principalmente preocupada com aquisição, armazenamento e acesso de dados financeiros.

Na seção anterior, estabelecemos um pipeline de estratégia que nos permitiu rejeitar certas estratégias com base em nossos próprios critérios de rejeição pessoal. Nesta seção, vamos filtrar mais estratégias com base em nossas próprias preferências para obter dados históricos. As principais considerações (especialmente no nível do profissional varejista) são os custos dos dados, dos requisitos de armazenamento e do seu nível de experiência técnica. Também precisamos discutir os diferentes tipos de dados disponíveis e as diferentes considerações que cada tipo de dados nos importam.

Vamos começar discutindo os tipos de dados disponíveis e os principais problemas sobre os quais devemos pensar:

Dados fundamentais - Isso inclui dados sobre tendências macroeconômicas, como taxas de juros, índices de inflação, ações corporativas (dividendos, estoque-divisões), registros da SEC, contas corporativas, números de ganhos, relatórios de culturas, dados meteorológicos etc. Esses dados são freqüentemente usados ​​para valorizar as empresas ou outros ativos em uma base fundamental, ou seja, por meio de alguns fluxos de caixa futuros esperados. Não inclui séries de preços de ações. Alguns dados fundamentais estão disponíveis gratuitamente nos sites do governo. Outros dados fundamentais históricos de longo prazo podem ser extremamente caros. Os requisitos de armazenamento geralmente não são particularmente grandes, a menos que milhares de empresas estejam sendo estudadas de uma só vez. Dados de notícias - Os dados de notícias são geralmente de natureza qualitativa. Consiste em artigos, postagens de blog, postagens de microblog ("tweets") e editoriais. As técnicas de aprendizagem de máquinas, como os classificadores, costumam ser usadas para interpretar o sentimento. Esses dados também são freqüentemente disponíveis gratuitamente ou baratos, por meio da assinatura de meios de comunicação. Os bancos de dados de armazenamento de documentos "NoSQL" mais novos foram projetados para armazenar esse tipo de dados qualitativos não estruturados. Dados do preço do recurso - Este é o domínio de dados tradicional do quant. Consiste em séries temporais de preços dos ativos. As ações (ações), produtos de renda fixa (títulos), commodities e preços de câmbio se enquadram nesta classe. Os dados históricos diários são geralmente simples de obter para as classes de ativos mais simples, como ações. No entanto, uma vez que a precisão e a limpeza estão incluídas e os preconceitos estatísticos removidos, os dados podem se tornar caros. Além disso, os dados das séries temporais geralmente possuem requisitos de armazenamento significativos, especialmente quando os dados intradiários são considerados. Instrumentos Financeiros - Ações, títulos, futuros e opções derivadas mais exóticas possuem características e parâmetros muito diferentes. Assim, não existe uma estrutura de banco de dados "tamanho único" que possa acomodá-los. Deve ser dado um cuidado significativo à concepção e implementação de estruturas de banco de dados para vários instrumentos financeiros. Vamos discutir a situação ao longo de quando chegamos a construir um banco de dados mestre de valores mobiliários em futuros artigos. Frequência - Quanto maior a frequência dos dados, maiores são os custos e os requisitos de armazenamento. Para estratégias de baixa frequência, os dados diários são frequentemente suficientes. Para estratégias de alta freqüência, pode ser necessário obter dados de nível de tiquetaque e até mesmo cópias históricas de determinados dados de cadastro de trocas comerciais. A implementação de um mecanismo de armazenamento para esse tipo de dados é muito tecnicamente intensiva e só é adequada para aqueles que possuem uma sólida base de programação / técnica. Pontos de referência - As estratégias descritas acima serão muitas vezes comparadas a uma referência. Isso geralmente se manifesta como uma série de tempo financeiro adicional. Para as ações, isso geralmente é um benchmark de estoque nacional, como o índice S & P500 (US) ou FTSE100 (Reino Unido). Para um fundo de renda fixa, é útil comparar-se com uma cesta de títulos ou produtos de renda fixa. A "taxa livre de risco" (ou seja, a taxa de juros apropriada) também é outra referência amplamente aceita. Todas as categorias de classe de ativos possuem um benchmark favorecido, por isso será necessário pesquisar isso com base em sua estratégia específica, se desejar ganhar interesse em sua estratégia externamente. Tecnologia - As pilhas de tecnologia por trás de um centro de armazenamento de dados financeiros são complexas. Este artigo apenas pode arranhar a superfície sobre o que está envolvido na construção de um. No entanto, ele se centra em torno de um mecanismo de banco de dados, como um Sistema de Gerenciamento de Banco de Dados Relacional (RDBMS), como MySQL, SQL Server, Oracle ou um Document Storage Engine (ou seja, "NoSQL"). Isso é acessado através do código de aplicativo "lógica comercial" que consulta o banco de dados e fornece acesso a ferramentas externas, como MATLAB, R ou Excel. Muitas vezes, esta lógica de negócios está escrita em C ++, C #, Java ou Python. Você também precisará hospedar esses dados em algum lugar, seja em seu próprio computador pessoal, seja remotamente através de servidores de internet. Produtos como o Amazon Web Services tornaram isso mais simples e barato nos últimos anos, mas ainda exigirá conhecimentos técnicos significativos para alcançar de forma robusta.

Como pode ser visto, uma vez que uma estratégia tenha sido identificada através do pipeline, será necessário avaliar a disponibilidade, os custos, a complexidade e os detalhes de implementação de um determinado conjunto de dados históricos. Você pode achar que é necessário rejeitar uma estratégia baseada unicamente em considerações de dados históricos. Esta é uma grande área e equipes de doutorados trabalham em grandes fundos garantindo que os preços sejam precisos e oportunos. Não subestime as dificuldades de criar um centro de dados robusto para os seus efeitos de backtesting!

Eu quero dizer, no entanto, que muitas plataformas de backtesting podem fornecer esses dados para você automaticamente - a um custo. Assim, demorará muito da dor de implementação para você, e você pode se concentrar exclusivamente na implementação e otimização da estratégia. Ferramentas como a TradeStation possuem essa capacidade. No entanto, minha visão pessoal é implementar o máximo possível internamente e evitar a terceirização de partes da pilha para fornecedores de software. Eu prefiro estratégias de freqüência mais altas devido aos seus índices de Sharpe mais atraentes, mas muitas vezes estão fortemente acoplados à pilha de tecnologia, onde a otimização avançada é crítica.

Agora que discutimos os problemas relacionados aos dados históricos, é hora de começar a implementar nossas estratégias em um mecanismo de teste. Este será o assunto de outros artigos, pois é uma área de discussão igualmente grande!

Apenas iniciando o comércio quantitativo?

3 razões para se inscrever para a lista de e-mails QuantStart:

1. Quant Trading Lessons.

Você terá acesso instantâneo a um curso de e-mail gratuito de 10 partes, repleto de sugestões e dicas para ajudá-lo a começar a negociação quantitativa!

2. Todo o conteúdo mais recente.

Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.

Real, dicas de negociação viáveis, sem tonturas.

Negociação Algorítmica 101.

O comércio algorítmico está aqui para ficar. Assista CNBC, e veja o chão vazio da vez que uma gloriosa bolsa de valores de Nova York.

Bilhões de ações ainda negociam no chão todos os dias, mas a maioria desses pedidos de compra e venda são feitos por computadores. Atrás foram os dias do especialista, comerciante ou comerciante de pisos & # 8230;

Deixe descobrir o que os algoritmos de negociação podem fazer e como você pode se tornar um comerciante ou desenvolvedor de algo.

O que é o comércio algorítmico?

O comércio algorítmico é um processo que usa computadores, para colocar os negócios perfeitamente. O principal benefício é o computador e o algoritmo, nunca quebra suas regras.

Esse método geralmente se chama algo trading. Outras variações incluem negociação automatizada e negociação em caixa preta. O comércio de alta freqüência ou "HFT" é uma forma especializada de negociação algorítmica. Para lhe dar uma imagem completa, devemos também mencionar o comércio de caixa cinza.

Uma caixa preta permite que o computador faça 100% das decisões. Uma caixa cinza permite decisões discricionárias pelo comerciante.

O comércio de Algo é fascinante e misterioso, mas simplesmente significa suas idéias comerciais, são executadas perfeitamente. O computador faz todo o trabalho, depois de inserir seus critérios.

Observe que eu disse "os lugares funcionam perfeitamente" e "executados perfeitamente". Quando desenvolvemos um algoritmo de negociação, nosso objetivo é escrever um programa, que segue nossa estratégia, 100% do tempo.

O algo, é um conjunto de critérios específicos, que:

1: Encontra trades que combinam com nossa vantagem.

2: Identifica os critérios de entrada predefinidos.

3: Coloque a entrada comercial.

4: analisa e rastreia movimento de preços, lances, ofertas e transações.

5: identifica os critérios de saída predefinidos.

6: coloca as ordens de saída para concluir o comércio.

O passo 1 é crucial para o processo. Uma vantagem bem definida, identifica a oportunidade. Os computadores poderosos de hoje permitem aos comerciantes como nós, detectar oportunidades de comércio e oportunidades, anteriormente apenas disponíveis para as instituições de grande dinheiro.

Uma estratégia de algo simples parece assim.

A) Compre um contrato (ou 100 ações, se negociação de ações) quando o último preço, negocia acima do dia anterior # 8217; s alto.

B) Vende a nova posição, a qualquer momento o preço declina .35.

Este algoritmo é puro. Não há qualificadores para ajustar a borda. Qualificadores poderiam ser:

* O último preço deve estar acima do preço aberto de hoje.

* O último preço deve estar acima do dia anterior # 8217; s alto, por pelo menos 30 minutos.

* O último preço deve ser superior ao preço aberto, no primeiro dia do mês.

* O SPY ETF deve ser positivo líquido para o dia.

Desenvolver uma vantagem, e convertê-la em código de programação, é onde o dinheiro é ganho em negociação algorítmica. Qualificadores forçam a ação e o volume de preço, para se desdobrar de acordo com nosso plano, ou não entramos em um novo comércio.

O desenvolvimento da estratégia algorítmica, está crescendo mais rápido que os computadores pessoais no início de 1980; s. Hoje, estima-se que até 70% de todas as negociações nos mercados de ações dos EUA sejam executadas por computadores. Nunca houve um melhor momento para se tornar um comerciante ou desenvolvedor de algo.

Para colocar o crescimento em perspectiva, uma pesquisa do Google em & # 8220; algo trading & # 8221; Retorna 1,2 milhões de resultados. Uma pesquisa usando o Google Trends, para a palavra & # 8220; algo & # 8221; e & # 8220; HFT & # 8221; mais do que duplicou nos últimos 5 anos.

Como desenvolver uma estratégia rentável algorítmica.

Uma vantagem de ganhar, significa que você identificou um momento de preço, volume e tempo, que ocorre com maior freqüência do que não.

O termo de negociação para isso é expectativa de comércio.

Você está buscando uma razão para alocar o capital, porque acredita no lucro potencial, vale o risco potencial. Estratégias e programas de negociação algorítmica, escaneiam todos os dados disponíveis e executam negócios quando sua vantagem é válida.

Identificar uma vantagem é bastante simples. Escolher os melhores qualificadores que combinam com seus objetivos, recursos e capital é onde seu algo se torna especial.

Existem essencialmente três melhores práticas para validar sua estratégia de algo: back-testing | negociação simulada | negociação ao vivo.

Algo Trading Development: Como Validar Seu Edge.

Back-testar uma estratégia algo envolve a simulação do desempenho de uma estratégia de negociação usando dados históricos. Isso significa que você testa uma estratégia, usando a ação de preço que já ocorreu. Esta forma de validação, dá-lhe a oportunidade de estimar a eficácia da sua vantagem.

Back-testing your algo é um ponto de partida.

Não deve ser usado como validação final, mas funciona bem para determinar se sua vantagem vale a pena prosseguir. Uma ressalva a considerar com back-testing, e depois analisar seus resultados, é a armadilha da otimização.

É tentador ajustar seu algoritmo para combinar os dados anteriores, de modo que ele gera resultados impressionantes. Esta é uma armadilha viciosa de perfeição. Depois de ter uma validação preliminar, avance para negociação simulada.

Negociação simulada, rastreia sua estratégia de algo em relação aos dados do mercado ao vivo. Você obtém resultados e comentários sem o benefício de saber o resultado da ação de preço. Em essência, você não pode escolher o dia perfeito para validar sua vantagem.

Esse processo é obviamente mais lento, porque você só pode testar um dia por vez. O benefício é que você não pode fazer ajustes em retrospectiva. Você deixa sua estratégia de algo executar o dia inteiro e depois revisa os dados para possíveis mudanças.

O comércio ao vivo para validar sua estratégia de algo é, de longe, o método mais efetivo para uma verdadeira validação. Você obtém comentários que mostram execuções reais e como seu programa de negociação se realizou dentro das duas condições críticas de mercado, liquidez e volatilidade.

Teste Algorímetro aplicado à Liquidez e Volatilidade.

Embora valiosos, back-testing e simulados de negociação fornecem feedback para negociações que nunca ocorrem. Isso pode dar falsas esperanças.

Como o teste de back-testing e a negociação simulada nunca adicionam ou removem partes de um mercado, você realmente nunca conhecerá o desempenho até tentar negociações que interagem com as ações disponíveis no mercado.

A liquidez identifica a facilidade com que você pode executar um comércio, porque existem ações cotadas na oferta ou pedido, e seu algo, e uma transação ocorreu. Você verá isso ocorrer na fita & # 8220; & # 8221;

À medida que você desenvolve e teste sua estratégia algorítmica, você deve ter em conta o tamanho do contrato (ou compartilhar tamanho) que planeja negociar e a facilidade com que você pode executar razoavelmente esse comércio.

Quanto menos liquidez, sua estratégia de negociação precisará considerar o "deslizamento" e # 8221; em desempenho.

Slippage significa que você antecipa não receber o preço de preenchimento perfeito que você recebeu durante o back-testing ou a negociação simulada. Grandes pedidos, sem liquidez, podem ser um desastre de deslizamento.

A volatilidade representa, quão rápido e quão longe, uma segurança se move, dentro de um período de tempo designado. Na linguagem comercial, muitos que usam análises técnicas determinam a volatilidade, usando o indicador Average True Range. Or & # 8220; ATR & # 8221;

O ATR determina o quão longe é um comércio de segurança de alta, a baixa durante um período de tempo designado. Por exemplo; ATR da BOA, o Bank of America é de .58 nos últimos 14 dias. O ATR para AMZN, Amazon é $ 27.52.

Isso significa que se você estiver negociando o AMZN, os balanços são muito mais amplos e o tamanho do compartilhamento deve corresponder à sua tolerância ao risco.

O mesmo se aplica aos contratos de futuros. Negociando o S & # 038; P 500 é muito diferente da negociação do Eurodólar. Liquidez e volatilidade são elementos-chave a serem considerados ao validar o seu algo.

Estratégias de negociação algorítmica.

Há literalmente milhares de possíveis estratégias de negociação algorítmicas, aqui estão alguns dos mais comuns para começar a sua jornada:

Trend After Algos: Sua vantagem é determinada pela identificação de uma direção óbvia para o fluxo de pedidos. Esta vantagem pode ser ao longo de meses, ou em minutos. A chave para o sucesso com esta estratégia é definir o prazo para operar.

O objetivo é escolher um lado, depois escolher um ponto para entrar. Quanto menor o prazo, mais freqüentemente você trocará porque a tendência mudará mais rapidamente e você receberá mais sinais.

Estratégias de Algo baseadas em Momentum: Momentum algos procura o contrato de futuros para se mover rapidamente em uma direção em alto volume.

Esta vantagem busca entrar rapidamente em uma pausa, montar o impulso e depois sair da próxima pausa. Este algo não conduz grandes vencedores. O lado positivo é que também não deve ter grandes perdedores. As estratégias de impulso na direção do fluxo de pedidos, geralmente são consideradas como negociação inteligente.

Counter-Trend Algo Strategies: Esta estratégia normalmente identifica um ponto de saturação no momento, e # 8220; fades & # 8221; o movimento, ao invés de negociar com o impulso. O comércio contra tendência é uma forma especializada de alocar capital e não para os fracos de coração.

Esta última afirmação é especialmente verdade por causa de algoritmos! Houve um período no tempo, quando a ação do preço teve um bom ritmo fluido de ida e volta. Se você estivesse em uma troca perdedora, houve uma boa chance de que você pudesse, & # 8220; trocar de uma posição perdedora. & # 8221;

Algos tem mudanças que dramaticamente. Hoje, o mundo impulsionado pela Google verá múltiplos programas algorítmicos disparar ao mesmo tempo, e o preço explode ou implode em uma direção. Não deixando nenhum adiamento para o neófito contra-tendência.

Reversão às Estratégias Mean Algo: Imagine uma banda de borracha que normalmente se expande para & # 8220; 10. & # 8221; Quando chegar tão longe, ele puxa para trás, ou reverte para a distância normal. Isso é reversão para a média de negociação. Seu algo disseca dados e coloca ordens quando um contrato de futuros se expande para além dele significa.

O objetivo deste comércio é o tempo de entrada, em um ponto de preço extremo, antecipando uma reversão lucrativa.

Scalping Algo Strategies: certos mercados, oferecem oportunidades para rastrear grandes compradores e vendedores. A estratégia aqui, é "capturar a propagação". # 8221; Isso significa comprar na oferta, e depois vender na oferta, com o lucro de alguns carrapatos.

Esta estratégia de algo era o pão e a manteiga para comerciantes de vários dias / comerciantes de chão ao longo dos anos. Mais flexíveis se espalham e computadores mais rápidos, tornaram isso desafiante para o comerciante manual. Uma porta se fecha e uma porta se abre, abriram oportunidades de scalping para desenvolvedores e comerciantes inteligentes.

HFT | Algos de negociação de alta freqüência: este é o algo que obtém toda a publicidade. A máquina de dinheiro percebida para os magos quantos privilegiados. Os programas HFT executam dentro de um segundo mili e exigem o que é conhecido como # 8220; co-localizado & # 8221; servidores perto de uma troca.

A velocidade da execução é crucial para o sucesso.

A indústria em constante expansão do comércio informatizado, é uma paisagem em mudança que parece não ter limites, poupar imaginação e velocidade de computação.

A linha inferior, há um milhão de maneiras de descrever o comércio algorítmico, e pode parecer intimidante, mas o "pequeno cara" e # 8221; pode e deve, procurar competir. O acesso a programadores, consultores, acesso de alta velocidade e computadores servidores poderosos está ao seu alcance.

Para toda a linguagem comercial elegante, isso é simplesmente uma negociação automatizada. É apenas uma questão de seu período de tempo.

Linguagem de programação visual para a Algo Trading.

CLIQUE A IMAGEM PARA EXPANDER VISTA COMPLETA.

A linguagem de programação visual permite aos comerciantes de futuros e opções projetar, criar e implantar algoritmos automatizados de negociação de alta freqüência sem ter que escrever uma única linha de código.

Com uma interface fácil de usar, arrastar e soltar, os usuários aplicam blocos de construção para construir desenhos semelhantes a um circuito em suas telas de computador.

A linguagem e o programa oferecem flexibilidade para projetar sua própria estratégia e a oportunidade de estudar e implementar estratégias pré-fabricadas.

A linguagem de programação visual preferida para o Professor Algo consultores e parceiros certificados é Algo Design Lab pela TT.

Quando uma estratégia "ADL" é implantada no servidor de comércio, a estratégia é compilada e executada como se fosse um programa de computador tradicional. A ADL torna o design do algoritmo acessível a qualquer um, não apenas programadores avançados.

A ADL fornece medidas de segurança (em tempo de design e tempo de execução) que não estão disponíveis no contexto de programação tradicional, reduzindo assim o risco e o tempo necessário para projetar, criar e testar programas, proporcionando um ambiente de negociação mais seguro.

CLIQUE A IMAGEM PARA EXPANDER VISTA COMPLETA.

O que uma vez levou dias ou semanas, agora leva minutos.

Além disso, manipulando a escrita de código & # 8220; nos bastidores & # 8221; Para o usuário, a ADL reduz os riscos para comerciantes, empresas comerciais e trocas # 8211; especialmente para negociação automatizada de alta freqüência.

** Professor Algo Nota: A linguagem de programação visual é o foco do nosso Programa de Certificação ADL. Assista ao Vídeo de Início Rápido abaixo para saber mais.

Algo Trading Languages ​​para codificadores e desenvolvedores.

Java é popular e com bons motivos. Este idioma sofisticado é construído em torno de um benefício chave, codifique um programa uma vez e você pode se integrar perfeitamente em todas as plataformas.

Outra vantagem, o abastecimento da subida de Java é que o idioma é fácil de implementar (para codificadores) e é confiável. Pode ser depurado, o que coloca ênfase na verificação de erros. Questões que não apareceriam até o tempo de execução ao usar outros idiomas são encontradas rapidamente com o Java.

Python é conhecido como, uma linguagem orientada a objetos. A linguagem de programação é interativa e portátil, o que facilita o trabalho com (para codificadores profissionais).

Sua estrutura de programação está bem organizada, o que significa que os codificadores de longa data podem se adaptar rapidamente e começar a produzir programas com o Python.

Esta linguagem de propósito geral é tipicamente usada na programação de sistemas, e é bastante popular. C ++ é um idioma avançado que não é para iniciantes.

Foi projetado com uma tendência para programação de sistemas e sistemas embutidos, com recursos limitados e grandes, com desempenho, eficiência e flexibilidade de uso como destaques de design.

4 estratégias comuns de negociação ativa.

O comércio ativo é o ato de comprar e vender títulos com base em movimentos de curto prazo para lucrar com os movimentos de preços em um gráfico de ações de curto prazo. A mentalidade associada a uma estratégia de negociação ativa difere da estratégia de longo prazo de compra e retenção. A estratégia de compra e retenção emprega uma mentalidade que sugere que os movimentos de preços a longo prazo superarão os movimentos de preços no curto prazo e, como tal, os movimentos de curto prazo devem ser ignorados. Os comerciantes ativos, por outro lado, acreditam que os movimentos de curto prazo e a captura da tendência do mercado são os lucros obtidos. Existem vários métodos utilizados para realizar uma estratégia de negociação ativa, cada uma com ambientes de mercado adequados e riscos inerentes à estratégia. Aqui estão quatro dos tipos mais comuns de negociação ativa e os custos internos de cada estratégia. (A negociação ativa é uma estratégia popular para aqueles que tentam superar a média do mercado. Para saber mais, veja como superar o mercado.)

O comércio diário é talvez o estilo de negociação ativo mais conhecido. Muitas vezes, é considerado um pseudônimo para negociação ativa. O comércio diário, como o próprio nome indica, é o método de compra e venda de títulos no mesmo dia. As posições são fechadas no mesmo dia em que são tomadas e nenhuma posição é realizada durante a noite. Tradicionalmente, o comércio diário é feito por comerciantes profissionais, como especialistas ou fabricantes de mercado. No entanto, a negociação eletrônica abriu essa prática para comerciantes novatos. (Para leitura relacionada, veja também Day Trading Strategies For Beginners.)

[Aprender qual estratégia vai funcionar melhor para você é uma das primeiras etapas que você precisa tomar como comerciante aspirante. Se você está interessado em fazer o dia, o Curso de Tradutor do Dia da Academia Investopedia pode ensinar-lhe uma estratégia comprovada que inclui seis tipos diferentes de negócios. ]

Alguns realmente consideram a negociação de posições como uma estratégia de compra e retenção e não negociação ativa. No entanto, a negociação de posição, quando realizada por um comerciante avançado, pode ser uma forma de negociação ativa. A negociação de posições usa gráficos de longo prazo - em qualquer lugar do dia a mês - em combinação com outros métodos para determinar a tendência da direção atual do mercado. Este tipo de comércio pode durar vários dias a várias semanas e às vezes mais, dependendo da tendência. Os comerciantes da Tendência procuram maiores ou mais altos sucessivos ou altos baixos para determinar a tendência de uma segurança. Ao saltar e montar a "onda", os comerciantes de tendências pretendem beneficiar tanto da desvantagem como dos movimentos do mercado. Os comerciantes tendem a determinar a direção do mercado, mas eles não tentam prever nenhum nível de preço. Normalmente, os comerciantes de tendências pulam na tendência depois de se estabelecer, e quando a tendência se rompe, eles geralmente saem da posição. Isso significa que, em períodos de alta volatilidade do mercado, a negociação de tendências é mais difícil e suas posições geralmente são reduzidas.

Quando uma tendência se rompe, os comerciantes de swing geralmente entram no jogo. No final de uma tendência, geralmente há uma certa volatilidade de preços à medida que a nova tendência tenta estabelecer-se. Os comerciantes Swing compram ou vendem como a volatilidade dos preços. Os negócios Swing geralmente são mantidos por mais de um dia, mas por um período mais curto do que os negócios de tendências. Os comerciantes Swing muitas vezes criam um conjunto de regras comerciais baseadas em análises técnicas ou fundamentais; Essas regras comerciais ou algoritmos são projetados para identificar quando comprar e vender uma segurança. Enquanto um algoritmo de troca de balanço não precisa ser exato e prever o pico ou o vale de um movimento de preço, ele precisa de um mercado que se mova em uma direção ou outra. Um mercado limitado ou paralelo é um risco para os comerciantes swing. (Para mais informações sobre negociação de swing, veja nossa Introdução ao Swing Trading.)

Scalping é uma das estratégias mais rápidas empregadas pelos comerciantes ativos. Inclui a exploração de várias lacunas de preços causadas por spreads de lances / pedidos e fluxos de pedidos. A estratégia geralmente funciona fazendo o spread ou a compra ao preço da proposta e a venda no preço do pedido para receber a diferença entre os dois pontos de preço. Os Scalpers tentam manter suas posições por um curto período, diminuindo assim o risco associado à estratégia. Além disso, um scalper não tenta explorar grandes movimentos ou mover grandes volumes; Em vez disso, eles tentam aproveitar os pequenos movimentos que ocorrem com freqüência e movem pequenos volumes com mais freqüência. Uma vez que o nível de lucros por comércio é pequeno, os scalpers procuram mercados mais líquidos para aumentar a freqüência de seus negócios. E ao contrário dos comerciantes de swing, os scalpers gostam de mercados silenciosos que não são propensos a movimentos repentinos de preços para que possam potencialmente fazer a propagação repetidamente nos mesmos preços de oferta / pedido. (Para saber mais sobre esta estratégia de negociação ativa, leia Scalping: Pequenos lucros rápidos podem ser adicionados.)

Custos inerentes às estratégias de negociação.

Há uma razão pela qual as estratégias de negociação ativa foram empregadas apenas por comerciantes profissionais. Não só ter uma corretora interna reduz os custos associados ao comércio de alta freqüência, mas também garante uma melhor execução comercial. Comissões mais baixas e melhor execução são dois elementos que melhoram o potencial de lucro das estratégias. Importantes compras de hardware e software são necessárias para implementar com êxito essas estratégias, além de dados de mercado em tempo real. Esses custos tornam bem sucedida implementar e lucrar com o comércio ativo um pouco proibitivo para o comerciante individual, embora nem todos sejam incomuns.

Os comerciantes ativos podem empregar uma ou várias das estratégias acima mencionadas. No entanto, antes de decidir sobre o envolvimento nessas estratégias, os riscos e custos associados a cada um precisam ser explorados e considerados. (Para leitura relacionada, veja também as Técnicas de Gerenciamento de Riscos para Tradutores ativos.)

Estratégias de negociação algorítmica.

Certificação.

A certificação reconhecida pela indústria permite que você adicione essa credencial ao seu currículo após a conclusão de todos os cursos.

Precisa de treinamento personalizado para sua equipe?

Linha gratuita (844) 397-3739.

Informe-se sobre este curso.

Instrutor.

Nick Firoozye.

Instrutor: Nick Firoozye.

Análise, Design e Confirmação de Estratégias Quantitativas de Negociação.

O curso cobre os princípios subjacentes à negociação algorítmica, abrangendo princípios e análises de tendências, carry, valor, reversão média, valor relativo e outras estratégias mais obscuras, como a gama curta. O instrutor tem mais de 20 anos de experiência no setor financeiro, tanto na compra quanto na venda. Começou sua carreira na Lehman Brothers fazendo modelagem MBS / ABS e depois assumiu vários papéis seniores na Goldman Sachs, DeutscheBank, Sanford Bernstein e Citadel.

Sobre o curso.

Pré-requisitos.

Currículo.

Descrição do Curso.

Os fundos Systematic Quant são uma parte em rápida expansão do hedge fund e do mundo beta inteligente. Embora exista um grande foco na alta freqüência por acadêmicos, as contas de negociação de média a baixa frequência por mais de $ 350 bilhões de AUM e é o segmento de maior crescimento do mundo HF. Este curso de negociação algorítmica cobre os princípios subjacentes à negociação algorítmica, incluindo análises de estratégias de seguimento, carry, valor, reversão média e estratégias de valor relativo. Discutiremos as razões para a estratégia, os projetos de estratégia padrão, os prós e os contras de várias opções de design e os ganhos decorrentes da diversificação em estratégias de portfólio. Finalmente, uma vez que a indústria está atormentada pela superposição e o mau desempenho resultante, discutiremos o p-hacking (ou o "charlatanismo financeiro") e várias estratégias para evitá-lo.

O que eu vou conseguir deste curso?

Pré-requisitos e público-alvo.

O que os alunos devem saber ou fazer antes de iniciar este curso?

Graduação ODE e PDE (física de matemática ou engenharia / expansão de Fourier com base) Algumas Equações Diferenciais Estocásticas (SDEs), embora algumas sejam abordadas no curso.

Análise básica de análise Otimização de álgebra linear numérica.

Quem deveria seguir este curso? Quem não deveria?

em Ciências Físicas e Engenharia em Ciência da Computação com uma sólida compreensão da matemática em Economia ou Finanças com um firme conhecimento da econometria.

Currículo.

Módulo 1: Visão geral do curso.

Discutimos estratégias de negociação e seu contexto recente no mundo da gestão de investimentos alternativos.

Introdução à área, Algo em oposição ao comércio de alta freqüência / baixa latência e áreas de crescimento. Os objetivos do curso, para estudantes / acadêmicos, profissionais e outros comerciantes, e antecedentes gerais do curso.

O que o curso não é. The Role of Data Science e ML - os cientistas de dados precisam saber sobre "canônico" estratégias? Eles podem começar de novo? Nós argumentamos que algumas das estratégias mais comumente usadas fornecem boas orientações para cientistas de dados cujas técnicas raramente funcionam "fora da caixa" e são especialmente propensos a problemas na área de estratégias de troca de algo.

Nós descrevemos os conceitos básicos do programa. Alguns desses materiais são cobertos muito bem, enquanto outros são abordados bastante rapidamente como métodos em uso / abordagens para considerar na elaboração e refinamento de estratégias. Nós abordamos as estratégias de Fundo, Momento, Reversão Média, Carry, Value, Basic Portfolio e o conceito importante de Overfitting, com foco na justificativa matemática e estatística, formulação e propriedades de cada estratégia.

Módulo 2: Visão geral da indústria e revisão de matemática.

Alternativas, Hedge Funds, CTAs e Quant Funds. Qual tamanho e quais números? Quanto eles estão crescendo? Onde estão as oportunidades? De cima para baixo, olhe para as perspectivas gerais da indústria em que a Algo Trading Strategies está empregada.

Quiz sobre fundo e introdução.

Revisamos o método básico Box-Jenkins para modelos ARMA, olhamos polinômios característicos, descrevemos processos estacionários versus não-estacionários.

Revisamos algumas das matemáticas básicas para timeseries, incluindo o ruído branco e o movimento browniano.

Revisamos o ACF e sua relação com os modelos ARMA e começamos os critérios (AIC, BIC) como forma de fazer uma escolha de modelo.

Nós tocamos em métodos mais intensivos em computador para fazer a seleção do modelo - validação cruzada e encontrar erros padrão - bootstrap. Finalmente, discutimos dois métodos mais comuns para resolver SDEs em constantes fechadas e muticipantes e integração por partes / lema de Ito.

Passamos por alguns modelos ARMA básicos e seus ACFs.

Módulo 3: Momentum / Trend Following.

Apresentamos a intuição muito básica por trás do impulso e como construiríamos as estratégias mais simplistas.

Discutimos algumas das propriedades e trocas de impulso, muitas das quais podem ser alteradas pelo design da estratégia.

Mais concretos, incluindo exemplos de retornos na prática.

Nós olhamos as versões de momento discreto e procuram provar que a aspereza muda pelo horizonte.

Esta é uma seção de quadro branco sobre os conceitos básicos da aspeto sobre os resultados do horizonte (Martin-Zou), passando pela prova, mostrando que os conceitos são relativamente fáceis (mesmo que a álgebra seja um pouco tediosa).

Tendo provado resultados sobre a disparidade de retornos de impulso em diferentes horizontes, aplicamos-no a uma regra de média móvel ponderada exponencialmente (EWMA), mostrando como o ponto alto é relacionado ao lookback efetivo (no nosso caso, o "span") de o EWMA.

Nós descrevemos os métodos mais utilizados na indústria, de Kalman Filters para Moving Anes to ARIMA models. Usado corretamente, a maioria desses modelos pode atingir quase a mesma performance.

Apresentamos um notebook ipython. Demora dados de Quandl (e alguns do Yahoo finance), incluindo SPX, SPTR e Fed Funds. Usamos estes para construir retornos em excesso S & amp; P 500 e comparar com SPX. Em seguida, elaboramos uma estratégia de impulso.

Informando as estatísticas relevantes (Sharpes e Skewness) em diferentes horizontes.

Incidente transversal a Timeships. Qual é melhor? Onde eles são usados? Por que devemos conhecê-los? Fads e fantasias na modelagem momentânea. Modelos vs Método.

Nós olhamos para Winsorising ou tapando e pavimentando os sinais (às vezes necessários para evitar uma utilização de capacidade muito grande), usando limiares, etc. Isso geralmente diminui a afinidade, mas eles podem ajudar o desempenho geral. Olhamos vários métodos e discutimos seus prós e contras e como medi-los.

Nós fornecemos links e resumimos o punhado de artigos mais importantes sobre aspectos estatísticos da negociação de impulso para um estudo mais aprofundado. Sendo bem conhecidos, estes são também os papéis mais citados, e, portanto, qualquer nova pesquisa acadêmica pode ser encontrada (usando google scholar) apenas pesquisando pré-impressões e documentos que citam esses importantes estudos.

Resumindo os principais pontos que fizemos na seção 2 sobre Momentum.

Módulo 4: Reversão média / pontos de mudança.

Visão geral da MR e os cronogramas / horizontes associados ao MR, Momentum e Valor.

Uma continuação da palestra anterior, colocando os prazos todos juntos e procurando a história antiga (se necessário)

As características típicas de uma estratégia de negociação de MR, o que esperar e com o que cuidar.

Várias razões concorrentes (ou não tão concorrentes) para a reversão média: provisão de liquidez e reação excessiva.

Volatilidade e reversão média, a teoria e empirismo por trás de sua relação.

Alguns dos mais importantes trabalhos acadêmicos sobre liquidez.

Uma análise dos tipos de comportamento que desejamos discernir entre, enfocando-se na inversão média versus os processos raiz da unidade.

Os Testes ADF são os testes de raiz de unidades mais comumente usados ​​lá fora. Apresentamos seu uso e limitações.

Os testes KPSS tornam H0 e H1 em suas cabeças, testando a reversão média. Eles também têm suas limitações.

Apresentamos testes de proporção de variância, exploramos seu uso e abusos.

Testes de Cointegration e Engle Granger, e o teste mais completo de Johansen.

Harvey Nyblom é para Johansen como KPSS é para ADF e nós exploramos H-N Testes e, em seguida, as falhas para todos os métodos de teste.

poder de testes, intervalos de confiança, erros de tipo 1 e tipo 2.

RV Trade ideas e MR.

Visão geral e abordagens mais clássicas para a detecção de ponto de mudança. Estes são úteis para ajustes lineares por partes dos dados para estabelecer meios de tendência e reversão média para esses meios de tendências.

Usando a regressão do lasso para detectar tendências, podemos identificar pontos de interrupção e extrair tendências ao mesmo tempo. Embora nem sempre seja o método mais fácil, os métodos de regularização, como o lasso, são úteis em muitas circunstâncias e também são um quadro decente para pensar nos problemas subjacentes.

Acompanhamos uma ferramenta muito prática e implementável - segmentação binária seqüencial (e segmentação binária selvagem)

Módulo 5: estratégias de Carry, Value e Portfolio.

Definimos levar e dar uma justificativa em termos de medidas P vs Q.

Continuamos a discussão das diferenças entre a medida P (mundo físico) versus a medida Q (para preços e derivativos de hedge). Enquanto Q (onde as taxas no local sempre se deslocam para o frente ou - "forwards" são realizadas, é uma construção interessante, é simplesmente isso. Nós temos que usá-lo para negociar e proteger (ou "gerenciar riscos") derivativos. Realmente, em mercados incompletos, Q não é realmente único e é apenas uma construção útil. Realisticamente falando, as taxas no local tendem a ficar colocadas, e as caminhadas aleatórias são muito mais prováveis ​​do que terem realizado avanços. Se as taxas pontuais são martingales / passeios aleatórios, esta é uma racionalidade perfeitamente correta para estudar levar.

Definir carry-- o que é isso? Por que nos preocupamos com isso? O que é uma posição de transporte positivo e o que é uma posição de transporte negativo? E quanto a commodities?

Definimos o carry for swaps, algo não tão facilmente disponível, e também um pouco para os títulos. As obrigações, no entanto, são completamente mais difíceis, uma vez que você precisa saber as taxas de financiamento específicas dos títulos (taxas de reimportação a prazo), então, principalmente, buscamos transferências para swaps.

Nós descrevemos brevemente o carry for Futures (incluindo commodity e equity) e FX e para a área de Derivados menos bem coberta.

Resumimos a exploração do carry.

Definimos valor, uso e como isso difere de Equities (onde está bem definido e seguido regularmente) para renda fixa, fx e commodities. O valor, com suas propriedades de reversão média de longo prazo, é naturalmente ortogonal ao impulso e reversão média.

Otimização média da variância como guia para os princípios básicos da estratégia de portfólio.

Apresentamos a otimização do portfólio como uma regressão e descrevemos os testes F para significância estatística das mudanças nos pesos do portfólio.

Nós introduzimos carteiras condicionais e otimização para incluir reatribuição dinâmica. O uso de carteiras aumentadas nos permite considerar sinais dinâmicos na otimização de portfólio. Finalmente, falamos sobre as deficiências da maioria das otimizações do portfólio de estilo MVO e introduzimos uma série de medidas de desempenho padrão usadas nos problemas de medição e alocação.

Módulo 6: superposição.

Apresentamos o problema e as questões relacionadas com o p-hacking, a falta de reprodutibilidade e a superação excessiva nas competições Kaggle.

A superação em finanças é talvez mais problemática do que qualquer outro campo. Enquanto a Amazon ou o Google perderam alguns cliques, contando com resultados espúrios, em finanças, poderíamos facilmente arriscar a insolvência. Enquanto isso, a superposição é bastante comum e estudos recentes mostraram sua prevalência.

Bailey e outros propuseram aumentar os comprimentos do backtest para evitar a superposição. O método é ilustrativo, mas fornece mais uma regra geral. Nós descrevemos os resultados de seu artigo sobre "Charlatanism Financeiro e Pseudo-Matemática" e o conceito de comprimento mínimo de backtest.

Harvey e Liu discutem as estatísticas dos índices Sharpe, convertendo-se para p-values ​​(se Sharpe = E [Ret] / Std [Ret], o teste é H0: E [Ret] = 0). Eles então discutem testes de hipóteses múltiplas e como se lida com isso.

Formas de lidar com o Teste de Hipóteses Múltiplos - métodos Holm e Bonferroni, um pouco mais extremos do que ótimos, mas dando uma boa visão sobre os meios de ajuste de valores de p.

Descrevemos o melhor método para controlar a taxa de descoberta falsa (FDR), o ajuste BHY e falamos sobre seu impacto em Ratios Sharpe com base no número de estratégias executadas e no tamanho do histórico disponível para backtest. Finalmente, resumimos as abordagens práticas para a superação do backtest.

Módulo 7: Resumo do curso.

Jay J.

Dezembro de 2016.

Dezembro de 2016.

Este curso me deu uma compreensão mais profunda do comércio algorítmico e sua prática. A entrega do instrutor é muito clara e envolvente. Ele parece muito experiente e apaixonado pelos temas. Vale a pena cada minuto e cada dólar. Altamente recomendado.

Maio de 2017

Um curso muito útil para empresas de comércio de finanças como eu com experiência em engenharia. Isso me ajudou a aprimorar minhas habilidades analíticas em estratégias de negociação quantitativas. O instrutor explicou os princípios de troca de algoritmos e aplicando-os para soluções em tempo real. As palestras foram fáceis de entender com informações fornecidas em vários prós e contras de abordagens na concepção de estratégias e na compreensão das armadilhas. Como comerciante de algoritmos, o curso me ajudou a entender muitos pequenos detalhes das propriedades estatísticas das estratégias. Estou realmente em dívida com a instrução para entender os muitos aspectos dos algoritmos, alguns dos quais não conheci plenamente. Todos os tópicos da palestra foram muito úteis para mim.

Maio de 2017

Em geral, um curso muito bom para aqueles que querem prosseguir o campo de comércio de finanças. Fiel à declaração feita no curso, este curso abrange todos os fundamentos dos fundos de hedge e dos fundos de negociação e negociação de algoritmos. Eu acho benéfico.

Maio de 2017

Excelente curso. Como um profissional de comércio que envolveu fundos, isso me ajudou a desenvolver meus conhecimentos teóricos na compreensão dos ativos de implementação e da estratégia de negociação baseada em portfólio.

Julho de 2017.

Este curso abrange alguns programas comerciais que funcionam nos mercados em desenvolvimento. Isso coloca métodos baseados em colisões de impulso, impulso, persistência de ganhos, reversão de preços, qualidade de ganhos, viés comportamentais, crescimento de negócios subjacente e análise textual de relatórios de negócios.

Julho de 2017.

Neste curso, você pode aprender a ler um documento acadêmico. As explicações sobre os elementos a serem ignorados e quais elementos devem prestar atenção e discussão aqui. Além disso, as explicações para cada estratégia, introdução à pesquisa fundamental e, então, como implementar a estratégia é fácil de entender.

Juan Camilo M.

Gostaria de dizer que, em geral, é um bom curso, e particularmente benéfico para o iniciante. Bom valor para o dinheiro gasto neste curso.

Julho de 2017.

Adorei a maneira como este assunto foi ensinado. Houve alguns conselhos muito úteis, como o valor de se manter disciplinado ao aderir ao algoritmo que você compôs.

Informe-se sobre este curso.

Por favor, preencha os detalhes e nossa equipe de suporte irá voltar para você no prazo de 1 dia útil.

Ofertas.

Contate-Nos.

Harvard Innovation Launch Lab.

114 Western Ave, Boston, MA 02134.

Linha gratuita: (844) EXPERFY ou.

Manter contato.

Ao se inscrever, você confirma que aceita os Termos de Serviço e a Política de Privacidade.