Quantitative Trading Strategie

Quant Strategies - sono per voi le strategie d'investimento quantitative sono evoluti in strumenti molto complessi con l'avvento dei moderni computer, ma le strategie radici risalgono oltre 70 anni. Essi sono in genere gestiti da team altamente istruiti e utilizzano modelli proprietari per aumentare la loro capacità di battere il mercato. Ci sono programmi, anche off-the-shelf che sono plug-and-play per chi cerca semplicità. modelli Quant funzionano sempre bene quando torna testato, ma le loro applicazioni reali e tasso di successo sono discutibili. Mentre sembrano funzionare bene in mercati toro. quando i mercati vanno in tilt, le strategie quant sono sottoposti agli stessi rischi come qualsiasi altra strategia. La storia Uno dei padri fondatori dello studio della teoria quantitativa applicata alla Finanza era Robert Merton. Si può solo immaginare quanto sia difficile e richiede molto tempo il processo è stato prima l'uso del computer. Altre teorie della finanza si sono evoluti anche da alcuni dei primi studi quantitativi, compresa la base di diversificazione del portafoglio sulla base di moderna teoria di portafoglio. L'uso di entrambi finanza quantitativa e calcolo ha portato a molti altri strumenti comuni, tra cui uno dei più famosi, la formula di valutazione delle opzioni di Black-Scholes, che aiuta non solo le opzioni investitori di prezzo e sviluppare strategie, ma aiuta a mantenere i mercati sotto controllo con la liquidità. Quando viene applicato direttamente alla gestione del portafoglio. l'obiettivo è come qualsiasi altra strategia di investimento. per aggiungere valore, alfa o rendimenti in eccesso. Quants, come gli sviluppatori sono chiamati, compongono complessi modelli matematici per individuare opportunità di investimento. Ci sono molti modelli là fuori come quants che li sviluppano, e tutti sostengono di essere il migliore. Uno di un quant strategys investimento best-seller punti è che il modello, e, infine, il computer, prende la decisione buysell reale, non un essere umano. Questo tende a rimuovere ogni risposta emotiva che una persona può sperimentare per comprare o vendere investimenti. strategie Quant sono ora accettati nella comunità degli investitori e gestiti da fondi comuni, hedge fund e investitori istituzionali. Essi in genere vanno dai generatori nome alfa. o gens alfa. Dietro la cortina proprio come nel Mago di Oz, qualcuno è dietro la tenda guidare il processo. Come con qualsiasi modello, il suo solo buono come l'essere umano che si sviluppa il programma. Mentre non vi è alcun requisito specifico per diventare un Quant, la maggior parte delle imprese che eseguono modelli quant uniscono le competenze di analisti finanziari, statistici e programmatori che il codice del processo nei computer. A causa della natura complessa dei modelli matematici e statistici, la sua comune vedere le credenziali come lauree e dottorati in finanza, economia, matematica e ingegneria. Storicamente, questi i membri del team hanno lavorato negli uffici di back. ma come modelli quant è diventato più comune, il back office si sta muovendo per il front office. Benefici delle strategie Quant Mentre il tasso globale di successo è discutibile, la ragione per alcune strategie di quant lavoro è che si basano sulla disciplina. Se il modello è di destra, la disciplina mantiene la strategia di lavorare con i computer fulmini velocità per sfruttare le inefficienze dei mercati sulla base di dati quantitativi. I modelli stessi possono essere basate su un minimo di alcuni rapporti come PE. debiti in capitale e la crescita degli utili, o utilizzare migliaia di ingressi che lavorano insieme allo stesso tempo. Strategie di successo possono prendere sulle tendenze nelle fasi iniziali, come i computer eseguono costantemente scenari per individuare inefficienze prima degli altri. I modelli sono in grado di analizzare un gruppo molto ampio di investimenti contemporaneamente, in cui l'analista tradizionale può guardare solo pochi alla volta. Il processo di screening può valutare l'universo da livelli di qualità come 1-5 o A-F a seconda del modello. Questo rende il processo di negoziazione reale molto semplice, investendo negli investimenti ad alto rating e la vendita di quelli a basso rating. modelli Quant aprono anche le variazioni delle strategie come lungo, corto e longshort. fondi quant successo tenere un occhio attento sul controllo del rischio a causa della natura dei loro modelli. La maggior parte delle strategie di iniziare con un universo o di riferimento e utilizzare settore e le ponderazioni di settore nei loro modelli. Questo permette ai fondi di controllare la diversificazione in una certa misura, senza compromettere il modello stesso. fondi quant genere eseguite su una base di costo più basso perché non hanno bisogno come molti analisti e gestori di portafoglio tradizionali per farli funzionare. Svantaggi di strategie Quant Non ci sono ragioni per cui così tanti investitori non cogliere appieno il concetto di lasciare una scatola nera eseguire i loro investimenti. Per tutti i fondi quant successo là fuori, proprio come molti sembrano non avere successo. Purtroppo per la reputazione quants, quando falliscono, falliscono grande tempo. Long-Term Capital Management è stato uno dei più famosi hedge fund quant, come è stato gestito da alcuni dei leader accademici più rispettati e due economisti Nobel Memorial Prize-winning Myron S. Scholes e Robert C. Merton. Negli anni 1990, la loro squadra ha generato rendimenti superiori alla media e ha attirato capitali da tutti i tipi di investitori. Erano famosi non solo per sfruttare le inefficienze, ma utilizzando un facile accesso al capitale per creare enormi scommesse leva su indicazioni del mercato. La natura disciplinata della loro strategia in realtà creato la debolezza che ha portato alla loro collasso. Long-Term Capital Management è stata liquidata e sciolta nei primi mesi del 2000. I suoi modelli non includono la possibilità che il governo russo risulti inadempiente su alcuni del proprio debito. Questo evento ha innescato eventi e una reazione a catena ingrandita dal caos leva-creato. LTCM è stato così pesantemente coinvolto con altre operazioni di investimento che il suo crollo ha interessato i mercati mondiali, innescando eventi drammatici. Nel lungo periodo, la Federal Reserve è intervenuta per aiutare, e altre banche e fondi di investimento sostenuto LTCM per evitare ulteriori danni. Questo è uno dei motivi per fondi quant può fallire, in quanto si basano su eventi storici che non possono comprendere gli eventi futuri. Mentre una squadra forte quant sarà l'aggiunta di sempre nuovi aspetti ai modelli per predire eventi futuri, la sua impossibile prevedere il futuro ogni volta. fondi quant possono anche essere sopraffatti quando l'economia ed i mercati stanno vivendo volatilità superiore alla media. I segnali di acquisto e vendita possono venire così rapidamente che il turnover può creare alte commissioni e gli eventi imponibili. fondi quant possono anche rappresentare un pericolo quando sono commercializzati come orso a prova o si basano su strategie a breve. Prevedere flessioni. utilizzando strumenti derivati ​​e combinare leva può essere pericoloso. Una curva sbagliata può portare a implosioni, che spesso fanno notizia. Le strategie di investimento quantitative Bottom Line si sono evoluti da back office scatole nere a strumenti di investimento tradizionali. Essi sono progettati per utilizzare le migliori menti del settore e dei computer più veloci sia per sfruttare le inefficienze e utilizzare la leva per fare le scommesse del mercato. Possono essere molto efficace se i modelli hanno incluso tutti gli input giusti e sono abbastanza agile per predire eventi di mercato anomali. Il rovescio della medaglia, mentre i fondi quant sono rigorosamente testati indietro fino a che non lavorano, il loro punto debole è che si basano su dati storici per il loro successo. Mentre Quant-style che investe ha il suo posto nel mercato, è importante essere consapevoli dei suoi difetti e rischi. Per essere coerenti con le strategie di diversificazione. è una buona idea per il trattamento di strategie quant come uno stile di investimento e combinarlo con le strategie tradizionali per realizzare un'adeguata diversificazione. Una teoria economica della spesa totale per l'economia e dei suoi effetti sulla produzione e l'inflazione. economia keynesiana è stato sviluppato. Una partecipazione di un bene in un portafoglio. Un investimento di portafoglio è realizzato con l'aspettativa di guadagnare un ritorno su di esso. Questo. Un rapporto sviluppato da Jack Treynor che misura i rendimenti ottenuti, superiori a quelle che avrebbero potuto essere guadagnati su un privo di rischio. Il riacquisto delle azioni in circolazione (riacquisto) da parte di una società al fine di ridurre il numero di azioni sul mercato. Aziende. Il rimborso fiscale è un rimborso sulle tasse pagate ad un individuo o famiglia quando l'onere fiscale effettivo è inferiore alla quantità. Il valore monetario di tutti i beni finiti e servizi prodotti all'interno di un confini country039s in un momento specifico period. Quantitative Trading Qual è Quantitative Trading commercio quantitativa consiste di strategie di trading basate sull'analisi quantitativa. che si basano su calcoli matematici e macinare numeri per identificare le opportunità di trading. Come di trading quantitativo è generalmente utilizzato da istituzioni finanziarie e fondi hedge. le transazioni sono di solito di grandi dimensioni e può prevedere l'acquisto e la vendita di centinaia di migliaia di azioni e altri titoli. Tuttavia, il commercio quantitativa sta diventando sempre più comunemente utilizzato dai singoli investitori. SMONTAGGIO Quantitative Trading del prezzo e di volume sono due degli ingressi di dati più comuni utilizzati in analisi quantitativa come il principale input per modelli matematici. tecniche di trading quantitative includono trading ad alta frequenza. trading algoritmico e l'arbitraggio statistico. Queste tecniche sono fuoco rapido e in genere hanno orizzonti di investimento a breve termine. Molti commercianti quantitativi sono più familiarità con strumenti quantitativi, come ad esempio le medie e oscillatori in movimento. Comprendere i commercianti Quantitative Trading Quantitative sfruttano la tecnologia moderna, la matematica e la disponibilità di basi di dati completi per prendere decisioni di trading razionali. commercianti quantitativi prendono una tecnica di trading e creare un modello di esso utilizzando la matematica, e poi sviluppare un programma per computer che applica il modello ai dati storici di mercato. Il modello è quindi backtested e ottimizzato. Se i risultati favorevoli sono raggiunti, il sistema viene implementato in mercati in tempo reale con il capitale reale. La funzione di modelli di trading modo quantitativo può essere meglio descritto con un'analogia. Considerate le previsioni del tempo in cui il meteorologo prevede un 90 possibilità di pioggia mentre il sole splende. Il meteorologo deriva questa conclusione controintuitiva raccogliendo e analizzando i dati climatici dai sensori in tutta l'area. Un'analisi quantitativa computerizzata rivela modelli specifici nei dati. Quando questi modelli vengono confrontati con gli stessi schemi rivelati nel centro storico di clima dei dati (backtesting), e 90 di 100 volte il risultato è la pioggia, poi il meteorologo può trarre la conclusione con fiducia, da cui il 90 previsione. commercianti quantitativi applicare questo stesso processo al mercato finanziario per prendere decisioni di trading. Vantaggi e svantaggi di Trading quantitativa L'obiettivo di trading è quello di calcolare la probabilità ottimale di esecuzione di un commercio redditizio. Un tipico trader può effettivamente monitorare, analizzare e prendere decisioni di trading su un numero limitato di titoli prima della quantità di dati in entrata travolge il processo decisionale. L'uso di tecniche di trading quantitative illumina questo limite utilizzando i computer per automatizzare le decisioni di monitoraggio, analisi e trading. Superare emozione è uno dei problemi più diffusi con negoziazione. Che si tratti di paura o l'avidità, quando le negoziazioni, emozione serve solo a soffocare il pensiero razionale, che di solito porta a perdite. I computer e la matematica non possiedono emozioni, in modo di trading quantitativo elimina questo problema. commercio quantitativa ha i suoi problemi. I mercati finanziari sono alcuni dei soggetti più dinamici che esistono. Pertanto, modelli di trading quantitativi devono essere il più dinamico per essere sempre successo. Molti commercianti quantitativi sviluppano modelli che sono momentaneamente redditizi per la condizione di mercato per cui sono stati sviluppati, ma in ultima analisi, non quando le condizioni di mercato change. Quantitative Trading Strategies compravendite basate su eventi aziendali previsti, come la fusione anticipata o acquisizione di attività o di fallimento di deposito . Chiamato anche l'arbitraggio rischio. Relative Value Trading vs direzionale Trading La maggior parte quantitativa Hedge Fund tradinginvestment si avvicina a rientrare in una delle due categorie: quelli che utilizzano strategie di valore relativo, e quelli la cui strategie sarebbero caratterizzati come direzionale. Entrambe le strategie fortemente utilizzano modelli di computer e software statistico. strategie di valore relativo cercano di capitalizzare i rapporti dei prezzi prevedibili (spesso significare-ritornando relazioni) tra più attivi (ad esempio, il rapporto tra breve scadenza US Treasury Bill rendimenti vs. rendimenti US Treasury Bond a lunga scadenza, o il rapporto nel implicita La volatilità in due diversi contratti di opzione). strategie direzionali, nel frattempo, in genere si basano su trend-following o altri percorsi di pattern-based suggestivi di alto o slancio verso il basso per un titolo o serie di titoli (per esempio, le scommesse che i rendimenti US Treasury Bond a lunga scadenza aumenteranno o che la volatilità implicita volontà declino). Relative strategie di valore Esempi comuni di strategie di valore relativo comprendono scommesse relativi (cioè l'acquisto di un bene e vendita di un altro) delle attività i cui prezzi sono strettamente legate: titoli di Stato dei due paesi diversi governo titoli di due differenti lunghezze a titoli obbligazionari mutuo Corporate vs. scadenza il differenziale di volatilità implicita tra due derivati ​​prezzi azionari contro i prezzi delle obbligazioni per un rendimento del titolo Corporate Bond emittente societarie vs Credit default Swap (CDS) diffonde la lista di potenziali strategie di valore relativo è molto lunga sopra sono solo alcuni esempi. Ci sono tre molto importanti e più comunemente utilizzati strategie valore relativo di essere a conoscenza, però: Statistical Arbitrage: negoziazione una tendenza media-ritornare dei valori di cesti simili di beni sulla base di rapporti commerciali storici. Una forma comune di arbitraggio statistico, o Stat Arb, il commercio, è conosciuto come Equity Market Neutral di trading. In questa strategia, due panieri di titoli azionari sono scelti (una lunga canestro e una breve basket), con l'obiettivo che i pesi relativi dei due canestri lasciano il fondo con l'esposizione netta zero a diversi fattori di rischio (industria, la geografia, settore, ecc .) Stat Arb potrebbe coinvolgere anche il commercio di un indice contro un ETF simile abbinato, o di un indice contro un singolo companys magazzino. Convertible Arbitrage: acquisto di questioni obbligazioni convertibili da una società e la vendita contemporaneamente azioni ordinarie stessi Companys, con l'idea è che se il magazzino di un dato declino società, il profitto dalla posizione corta sarà più che compensare eventuali perdite sul prestito obbligazionario convertibile posizione, dato il valore delle obbligazioni convertibili come strumento a reddito fisso. Allo stesso modo, in qualsiasi movimento verso l'alto prezzo delle azioni ordinarie, il fondo può trarre profitto dalla conversione delle proprie obbligazioni convertibili in azioni, vendendo quello stock al valore di mercato di un importo che supera le perdite sulla sua posizione corta. Fixed Income Arbitrage: titoli a reddito fisso di trading nei mercati obbligazionari sviluppati per sfruttare percepiti relativi anomalie dei tassi di interesse. posizioni nel reddito fisso di arbitraggio possono utilizzare titoli di stato, interest rate swap e futures su tassi di interesse. Un esempio popolare di questo stile di trading a reddito fisso di arbitraggio è il commercio fondamento, in cui si vende (acquisti) future del Tesoro, e acquista (vende) una corrispondente quantità di potenziale legame risultato finale. Qui, si sta prendendo una vista sulla differenza tra il prezzo a pronti di un legame e il prezzo del contratto future regolato (fattore di conversione dei prezzi dei futures) e negoziazione le coppie di beni di conseguenza. Direzionali strategie di trading strategie direzionali, nel frattempo, in genere si basano su trend-following o altri percorsi di pattern-based suggestivi di slancio verso l'alto o verso il basso per un prezzo di sicurezza. di trading direzionale spesso incorporare alcuni aspetti di analisi tecnica o grafici. Ciò comporta prevedere la direzione dei prezzi attraverso lo studio del prezzo passato e dati di mercato volume. La direzione viene scambiato può essere quello di un bene in sé (lo slancio dei corsi azionari, per esempio, o le euroU. S. Tasso di cambio del dollaro) o un fattore che influenza direttamente il prezzo dell'attività stessa (ad esempio, la volatilità implicita delle opzioni o interessi i tassi dei titoli di Stato). commercio tecnica può comprendere anche l'utilizzo di medie mobili, fasce intorno la deviazione standard storica dei prezzi, i livelli di supporto e resistenza, e tassi di variazione. In genere, gli indicatori tecnici non costituirebbero l'unica base per un hedge fund strategia di investimento quantitativa Fondi Hedge Quant impiegano molti fattori aggiuntivi al di là dei prezzi storici e informazioni sul volume. In altre parole, gli hedge fund quantitativi che utilizzano strategie di trading direzionali hanno generalmente strategie quantitative globali che sono molto più sofisticati di analisi tecnica generale. Questo non vuol dire che i commercianti di giorno non possono essere in grado di trarre profitto dalla Analysison tecnico al contrario, molte strategie di trading momentum-based può essere redditizia. Così ai fini di questo modulo di formazione, i riferimenti a Quant Hedge strategie di trading Fondo non includono solo le strategie di Analisi Tecnica-based. Altri Quantitative Strategies Altri approcci di trading quantitativo che non sono facilmente classificati come strategie di valore relativo o strategie direzionali includono: High-Frequency Trading. dove i commercianti cercano di approfittare delle differenze di prezzo tra più piattaforme con molti mestieri durante il giorno Managed strategie Volatilità utilizzano futures e contratti a termine di concentrarsi sulla generazione di basso, ma rendimenti stabili, LIBOR-plus assoluto, aumentando o diminuendo il numero di contratti in modo dinamico come le volatilità sottostanti del azionari, obbligazionari e altri mercati spostano. Le strategie di volatilità Managed hanno guadagnato in popolarità negli ultimi anni a causa della recente instabilità di entrambi i mercati azionari e obbligazionari. larrWhat è un Hedge Fund Quantitative Top quantitativa Hedge FundsrarrBeginner39s Guide to Quantitative Trading In questo articolo ho intenzione di farvi conoscere alcuni dei concetti di base che accompagnano un sistema di trading quantitativo end-to-end. Questo post, si spera, servirà due tipi di pubblico. Il primo sarà individui che cercano di ottenere un lavoro presso un fondo come un commerciante quantitativa. Il secondo sarà individui che desiderano cercare di creare la propria attività di vendita al dettaglio di trading algoritmico. commercio quantitativa è una zona estremamente sofisticato della finanza quant. Si può prendere una notevole quantità di tempo per acquisire le conoscenze necessarie per superare un colloquio o costruire le proprie strategie di trading. Non solo, ma richiede una vasta esperienza di programmazione, almeno in una lingua come MATLAB, R o Python. Tuttavia, come la frequenza di trading degli aumenti di strategia, gli aspetti tecnologici diventano molto più rilevante. Così avere familiarità con CC sarà di fondamentale importanza. Un sistema di trading quantitativo è costituito da quattro componenti principali: strategia di identificazione - Trovare una strategia, sfruttando un bordo e decidere la frequenza di trading backtesting strategia - raccolta di dati, l'analisi delle prestazioni di strategia e la rimozione di pregiudizi Execution System - Collegamento a una società di intermediazione, automatizzando il trading e riducendo al minimo costi di transazione Risk Management - l'allocazione ottimale del capitale, scommessa criterio sizeKelly e psicologia commerciale ben cominciare dare un'occhiata a come identificare una strategia di trading. Strategia Identificazione Tutti i processi di trading quantitativo iniziano con un periodo iniziale di ricerca. Questo processo di ricerca comprende trovare una strategia, vedere se la strategia si inserisce in un portafoglio di altre strategie si può essere in esecuzione, ottenendo tutti i dati necessari per testare la strategia e cercando di ottimizzare la strategia di rendimenti più alti Andor rischio più basso. Sarà necessario fattore in i propri requisiti patrimoniali se si esegue la strategia come un commerciante al dettaglio e come eventuali costi di transazione influenzerà la strategia. Contrariamente alla credenza popolare è in realtà abbastanza semplice da trovare strategie redditizie attraverso varie fonti pubbliche. Gli accademici pubblicano regolarmente risultati commerciali teorici (anche se in gran parte al lordo dei costi di transazione). blog finanza quantitativa discuteranno le strategie in dettaglio. Riviste specializzate illustrerà alcune delle strategie utilizzate dai fondi. Si potrebbe in discussione perché gli individui e le imprese sono pronti a discutere le loro strategie redditizie, soprattutto quando sanno che gli altri affollano il commercio può fermare la strategia di operare nel lungo termine. La ragione risiede nel fatto che essi non saranno spesso discutere i parametri esatti e metodi di ottimizzazione che esse effettuati. Queste ottimizzazioni sono la chiave per trasformare una strategia relativamente mediocre in uno molto redditizio. In effetti, uno dei migliori modi per creare le proprie strategie uniche è quello di trovare metodi simili e quindi effettuare la propria procedura di ottimizzazione. Ecco un piccolo elenco di luoghi per iniziare la ricerca di idee di strategia: Molte delle strategie si guardare cadrà nelle categorie di ritorno alla media e trend-followingmomentum. Una strategia di medio-ritornare è quella che tenta di sfruttare il fatto che significa a lungo termine su una serie di prezzi (come ad esempio lo spread tra due asset correlati) esiste e che le deviazioni a breve termine di questa media alla fine tornerà. Una strategia slancio tenta di sfruttare sia la psicologia degli investitori e grande struttura del fondo da hitching un giro su un trend di mercato, che può raccogliere slancio in una direzione, e seguire il trend fino a quando non inverte. Un altro aspetto estremamente importante di negoziazione quantitativa è la frequenza della strategia commerciale. commercio di bassa frequenza (LFT) si riferisce in generale a qualsiasi strategia che detiene attività più di un giorno di negoziazione. Corrispondentemente, trading ad alta frequenza (HFT) si riferisce generalmente ad una strategia che detiene attività intraday. Ultra-high frequency trading (UHFT) si riferisce a strategie che detengono asset nell'ordine di secondi e millisecondi. Come praticante di vendita al dettaglio HFT e UHFT sono certamente possibile, ma solo con la conoscenza dettagliata della tecnologia di scambio di stack e del libro ordine dinamiche. Noi rimarremo discutere di questi aspetti in misura rilevante in questo articolo introduttivo. Una volta che una strategia, o un insieme di strategie, è stata identificata ora ha bisogno di essere testati per la redditività su dati storici. Questo è il dominio di backtesting. Strategia Backtesting L'obiettivo di backtesting è quello di fornire la prova che la strategia individuata tramite il processo di cui sopra è vantaggioso se applicato a entrambi i dati storici e out-of-campione. Questo imposta l'aspettativa di come la strategia si esibirà nel mondo reale. Tuttavia, backtesting non è una garanzia di successo, per vari motivi. È forse la zona più sottile di negoziazione quantitativa quanto comporta numerosi pregiudizi, che devono essere attentamente considerati ed eliminate il più possibile. Discuteremo i tipi comuni di distorsione tra cui pregiudizi look-ahead. bias di sopravvivenza e la polarizzazione ottimizzazione (noto anche come bias dati-snooping). Altre aree di importanza all'interno backtesting includono la disponibilità e la pulizia dei dati storici, il factoring in costi di transazione realistici e decidere su una piattaforma robusta backtesting. Bene discutere ulteriormente i costi di transazione nella sezione Execution System di seguito. Una volta che una strategia è stata identificata, è necessario per ottenere i dati storici attraverso i quali eseguono una prova e, forse, raffinatezza. Ci sono un numero significativo di fornitori di dati in tutte le classi di attività. I loro costi generalmente scala con la qualità, la profondità e la tempestività dei dati. Il punto di partenza tradizionale per iniziare i commercianti quant (almeno a livello di vendita al dettaglio) è quello di utilizzare i dati sulla impostati da Yahoo Finance. I wont soffermo sui fornitori di troppo qui, piuttosto vorrei concentrarmi sulle questioni generali quando si tratta di insiemi di dati storici. Le principali preoccupazioni con i dati storici sono accuracycleanliness, pregiudizi sopravvivenza e la regolazione per le azioni aziendali, come i dividendi e stock split: Precisione riguarda la qualità complessiva dei dati - se contiene gli eventuali errori. Gli errori possono essere a volte facile da identificare, come ad esempio con un filtro picco. che sarà individuare i punti non corretti nei dati di serie temporali e corretta per loro. Altre volte possono essere molto difficili da individuare. Spesso è necessario avere due o più fornitori e controllare tutti i loro dati contro l'altro. bias di sopravvivenza è spesso una caratteristica di set di dati gratuite o economiche. Un insieme di dati con pregiudizi sopravvivenza significa che non contiene le attività che non sono più commerciali. Nel caso di titoli di capitale questo significa scorte delistedbankrupt. Questo pregiudizio significa che qualsiasi strategia di trading azionario testato su tale insieme di dati sarà probabilmente un rendimento migliore rispetto al mondo reale come i vincitori storici sono già stati preselezionati. azioni Corporate comprendono le attività logistiche svolte dalla società che di solito causano un cambiamento di passo-funzione nel prezzo grezzo, che non dovrebbe essere incluso nel calcolo dei rendimenti del prezzo. Rettifiche per dividendi e frazionamenti azionari sono i colpevoli comuni. Un processo noto come registrazione posteriore è necessario da effettuare in ciascuna di queste azioni. Bisogna stare molto attenti a non confondere un frazionamento azionario con una vera e propria regolazione ritorni. Molti un operatore è stato catturato da un'azione societaria Per effettuare una procedura backtest è necessario utilizzare una piattaforma software. Avete la scelta tra il software backtest dedicato, come ad esempio Tradestation, una piattaforma numerica come Excel o MATLAB o un'implementazione personalizzata completa in un linguaggio di programmazione come Python o C. I wont soffermarsi troppo su Tradestation (o simili), Excel o MATLAB, come credo nella creazione di una tecnologia stack completo in-house (per i motivi descritti di seguito). Uno dei vantaggi di farlo è che il sistema software e l'esecuzione backtest può essere strettamente integrato, anche con le strategie di statistica estremamente avanzate. Per le strategie HFT in particolare è indispensabile utilizzare un'implementazione personalizzata. Quando un sistema di backtesting si deve essere in grado di quantificare quanto bene si sta eseguendo. Le metriche standard di settore per strategie quantitative sono il massimo prelievo e la Sharpe Ratio. Il drawdown massimo caratterizza il più grande calo di picco-valle nella curva conto capitale nel corso di un determinato periodo di tempo (di solito annuale). Questo è più spesso citato come percentuale. strategie LFT tenderanno ad avere utilizzi più grandi rispetto strategie HFT, a causa di una serie di fattori statistici. Un backtest storica mostrerà il passato prelievo massimo, che è una buona guida per il futuro prestazioni prelievo della strategia. La seconda misura è Ratio Sharpe, che è euristicamente definito come la media dei rendimenti in eccesso diviso per la deviazione standard di tali rendimenti in eccesso. Qui, rendimenti in eccesso si riferisce al ritorno della strategia sopra un punto di riferimento predeterminato. come ad esempio la SP500 o 3 mesi Treasury Bill. Si noti che il ritorno annualizzato non è una misura normalmente utilizzata, in quanto non tiene conto della volatilità della strategia (a differenza Ratio Sharpe). Una volta che una strategia è stata backtested ed è considerato privo di pregiudizi (in quanto ciò è possibile), con una buona Sharpe e prelievi ridotti al minimo, è il momento di costruire un sistema di esecuzione. Execution Systems Un sistema di esecuzione è il mezzo con cui l'elenco dei traffici generati dalla strategia vengono inviati e eseguito dal broker. Nonostante il fatto che la generazione commercio può essere parzialmente o addirittura completamente automatizzato, il meccanismo di esecuzione può essere manuale, semi-manuale (cioè uno scatto) o completamente automatizzato. Per le strategie LFT, tecniche manuali e semi-manuali sono comuni. Per le strategie HFT è necessario creare un meccanismo di esecuzione completamente automatizzato, che sarà spesso strettamente accoppiato con il generatore (dovuto l'interdipendenza della strategia e della tecnologia). Le considerazioni chiave durante la creazione di un sistema di esecuzione sono l'interfaccia per l'intermediazione. la riduzione al minimo dei costi di transazione (incluse le provvigioni, lo slittamento e la diffusione) e divergenza di prestazioni del sistema live performance backtested. Ci sono molti modi per interfacciarsi ad una società di intermediazione. Si va da richiamare il broker al telefono fino ad un Application Programming Interface ad alte prestazioni completamente automatizzata (API). Idealmente si desidera automatizzare l'esecuzione dei vostri commerci il più possibile. In questo modo si libera fino a concentrarsi su ulteriori ricerche, oltre che permetterà di eseguire strategie multiple o anche strategie di frequenza più alta (in realtà, HFT è sostanzialmente impossibile senza esecuzione automatica). Il software backtesting comune di cui sopra, come ad esempio MATLAB, Excel e Tradestation sono buoni per frequenza più bassa, le strategie più semplici. Tuttavia sarà necessario costruire un sistema esecutivo interno scritto in un linguaggio ad alto rendimento come C per fare una reale HFT. Come un aneddoto, nel fondo ho usato per essere impiegato presso, abbiamo avuto un ciclo di trading 10 minuti dove avremmo scaricare nuovi dati di mercato ogni 10 minuti e poi eseguire operazioni sulla base di tali informazioni nello stesso lasso di tempo. Questo stava usando uno script Python ottimizzato. Per qualcosa che si avvicini dati minuto - o di seconda frequenza, credo CC sarebbe più ideale. In un fondo più grande spesso non è il dominio del commerciante quant per ottimizzare l'esecuzione. Tuttavia, in piccoli negozi o imprese HFT, i commercianti sono gli esecutori e così un skillset molto più ampia è spesso desiderabile. Tenete a mente che se si vuole essere impiegato da un fondo. Le vostre abilità di programmazione saranno altrettanto importante, se non di più, di quanto le statistiche ed econometria talenti Un'altra questione importante che ricade sotto la bandiera di esecuzione è quello della minimizzazione dei costi di transazione. Ci sono generalmente tre componenti a costi di transazione: Commissioni (o fiscali), che sono i canoni imposti dalla mediazione, lo scambio e la SEC (o simile ente governativo di regolamentazione) slittamento, che è la differenza tra ciò che si intende l'ordine di essere riempita in rispetto a ciò che in realtà è stato riempito a diffusione, che è la differenza tra il prezzo del titolo bidask essere stato ceduto. Si noti che la diffusione non è costante e dipende dalla liquidità corrente (cioè la disponibilità di ordini buysell) nel mercato. I costi di transazione possono fare la differenza tra una strategia estremamente vantaggioso con un buon indice di Sharpe e una strategia estremamente redditizia con un terribile indice di Sharpe. Può essere una sfida di prevedere correttamente i costi di transazione da un backtest. A seconda della frequenza della strategia, è necessario l'accesso ai dati di cambio storici, che comprenderà i dati tick per i prezzi bidask. Intere squadre di quants sono dedicati alla ottimizzazione di esecuzione nei fondi più grandi, per questi motivi. Si consideri lo scenario in cui un fondo ha bisogno di scaricare una quantità notevole di scambi (di cui le ragioni per farlo sono molti e vari). Dal dumping tante azioni sul mercato, saranno rapidamente deprimere il prezzo e non possono ottenere l'esecuzione ottimale. Quindi esistono algoritmi che goccia a goccia avanzamento ordini sul mercato, anche se poi il fondo corre il rischio di slittamento. Oltre a ciò, altre strategie predano queste necessità e possono sfruttare le inefficienze. Questo è il dominio della struttura del fondo di arbitraggio. Il problema principale finale per i sistemi di esecuzione riguarda divergenza di rendimento della strategia di prestazioni backtested. Ciò può accadere per una serie di motivi. Weve già discusso pregiudizi look-ahead e pregiudizi ottimizzazione in profondità, quando si considera estensivi. Tuttavia, alcune strategie non rendono facile per verificare questi pregiudizi prima della distribuzione. Ciò si verifica in HFT più predominante. Ci possono essere bug nel sistema di esecuzione, nonché la strategia di trading in sé che non compare su un backtest ma mostrano in trading dal vivo. Il mercato potrebbe essere stato oggetto di un cambio di regime a seguito della distribuzione della vostra strategia. I nuovi contesti normativi, cambiando sentiment degli investitori e dei fenomeni macroeconomici possono portare a divergenze nel modo in cui il mercato si comporta e quindi la redditività della vostra strategia. Risk Management Il pezzo finale del puzzle di trading quantitativo è il processo di gestione del rischio. Rischio include tutti i pregiudizi precedenti di cui abbiamo parlato. Esso include il rischio di tecnologia, come ad esempio i server di co-situato al cambio improvviso sviluppo di un malfunzionamento del disco rigido. Esso include il rischio di intermediazione, come ad esempio il broker diventare bancarotta (non così folle come sembra, data la paura recente con MF Global). In breve, copre quasi tutto ciò che potrebbe interferire con l'attuazione di trading, di cui ci sono molte fonti. Interi libri sono dedicati alla gestione del rischio per le strategie quantitative così ho wontt tento di chiarire su tutte le possibili fonti di rischio qui. La gestione del rischio comprende anche ciò che è noto come l'allocazione ottimale del capitale. che è una branca della teoria di portafoglio. Questo è il mezzo con cui il capitale è allocato ad una serie di strategie diverse e ai mestieri all'interno di tali strategie. Si tratta di un settore complesso e si basa su alcuni matematica non banali. Lo standard del settore con cui l'allocazione ottimale del capitale e della leva delle strategie sono correlate è chiamato il criterio di Kelly. Poiché si tratta di un articolo introduttivo, mi dispiacerebbe soffermo su suo calcolo. Il criterio di Kelly fa alcune ipotesi circa la natura statistica dei rendimenti, che spesso non valgono nei mercati finanziari, in modo da i commercianti sono spesso conservatori quando si tratta di realizzazione. Un altro componente chiave della gestione dei rischi è nel trattare con quelli proprio profilo psicologico. Ci sono molti pregiudizi cognitivi che può insinuarsi in alla negoziazione. Anche se questo è certamente meno problematico con il trading algoritmico se la strategia è lasciato solo un pregiudizio comune è quella di avversione alla perdita in cui una posizione in perdita non sarà chiusa fuori a causa del dolore di dover realizzare una perdita. Allo stesso modo, i profitti possono essere prese troppo presto perché la paura di perdere un risultato già acquisito può essere troppo grande. Un altro pregiudizio comune è noto come bias passato recente. Questo si manifesta quando i commercianti mettono troppa enfasi sui recenti avvenimenti e non sul lungo periodo. Poi, naturalmente, ci sono la classica coppia di pregiudizi emotivi - la paura e l'avidità. Queste possono spesso portare a sottostimare o over-leveraging, che può causare blow-up (cioè l'intestazione conto capitale a zero o peggio) o dei profitti. Come si vede, la negoziazione quantitativa è estremamente complesso, anche se molto interessante, area di finanza quantitativa. Ho letteralmente scalfito la superficie del tema di questo articolo e sta già ottenendo piuttosto lunghi Interi libri e documenti sono stati scritti sui problemi che ho dato solo una frase o due verso. Per questo motivo, prima di applicare per i lavori quantitativi fondo negoziazione, è necessario effettuare una quantità significativa di studio basi. Per lo meno è necessario un ampio background in statistica ed econometria, con un sacco di esperienza in realizzazione, tramite un linguaggio di programmazione come MATLAB, Python o R. Per le strategie più sofisticate alla fine frequenza più alta, il set di abilità è probabile per includere Linux modifica del kernel, CC, programmazione assembly e l'ottimizzazione latenza di rete. Se siete interessati a provare a creare le proprie strategie di trading algoritmico, il mio primo suggerimento sarebbe quello di ottenere buoni programmazione. La mia preferenza è quella di costruire, come gran parte del sistema grabber dati, backtester strategia e l'esecuzione da soli il più possibile. Se il capitale proprio è sulla linea, wouldnt a dormire meglio la notte sapendo che si è completamente testato il sistema e sono consapevole delle sue insidie ​​e problemi particolari di outsourcing a un fornitore, mentre potenzialmente risparmiare tempo nel breve termine, potrebbe essere estremamente costoso nel lungo periodo. Appena iniziato con Trading Quantitative