Kvantitativa Trading Strategies. Author Datum 26 Jan 2011, Views. Quantitative Trading Strategies Utnyttja kraften av kvantitativa tekniker för att skapa ett vinnande handelsprogram 256 sidor 1 utgåva 16 juli 2003 0071412395 Filtyp PDF 2 mb. Använda kraften i kvantitativa tekniker för att skapa Ett vinnande handelsprogram Programmer Kestner kvantitativa handelsstrategier tar läsare genom dagens utvecklings - och utvärderingsstadier s mest populära och marknadsbevisade tekniska handelsstrategier. Kvantifiering av varje subjektivt beslut i handelsprocessen utvärderar denna analytiska bok arbetet med välkända quants från John Henry till Monroe Trout och introducerar 12 helt nya handelsstrategier. Det debunks många populära missuppfattningar och är säker på att göra wavesand förändra sig i en värld av teknisk analys och trading. Copyright Disclaimer Denna webbplats lagrar inte några filer på sin server Vi indexerar bara och länk till innehåll som tillhandahålls av andra webbplatser Vänligen kontakta innehållet Rs för att ta bort upphovsrättsinnehåll om någon och maila oss, tar vi omedelbart bort relevanta länkar eller innehåll. Brevguide till kvantitativ handel. I den här artikeln kommer jag att presentera några av de grundläggande begreppen som följer med en end-to-end kvantitativt handelssystem Detta inlägg kommer förhoppningsvis att tjäna två publikum. Den första kommer att vara individer som försöker få ett jobb hos en fond som en kvantitativ näringsidkare. Den andra kommer att vara individer som vill försöka skapa sin egen detaljhandelalgoritmiska handelsaffär. Kvantitativ handel är en extremt sofistikerat område av kvantfinansiering Det kan ta mycket tid att få den nödvändiga kunskapen för att skicka en intervju eller bygga upp egna handelsstrategier. Inte bara det men det kräver omfattande programkompetens, åtminstone på ett språk som MATLAB, R eller Python Men eftersom handelsfrekvensen i strategin ökar blir de tekniska aspekterna mycket mer relevanta. Således är det bekant att CC kommer att vara par kvantitativ betydelse. Ett kvantitativt handelssystem består av fyra huvudkomponenter. Strategiidentifiering - Hitta en strategi, utnyttja en kant och bestämma om tradingfrekvensen. Strategi Backtesting - Erhållande av data, analysering av strategins prestanda och avlägsnande av biaser. Execution System - Linking to a brokerage, automatisering av handeln och minimering av transaktionskostnader. Riskkapitalförvaltning - Optimal kapitaltilldelning, satsstorlek Kelly-kriterium och handelspsykologi. Vi börjar med att titta på hur man identifierar en handelsstrategi. Strategi Identification. All kvantitativa handelsprocesser börjar med en initial period av forskning Denna forskningsprocess omfattar att hitta en strategi och se huruvida strategin passar in i en portfölj av andra strategier du kan köra, skaffa all nödvändig information för att testa strategin och försöka optimera strategin för högre avkastning och eller lägre risk. Du behöver Att faktor i dina egna kapitalkrav om du kör strategin som en näringsidkare an D hur eventuella transaktionskostnader kommer att påverka strategin. I motsats till populär tro är det faktiskt ganska enkelt att hitta lönsamma strategier genom olika offentliga källor. Akademiker publicerar regelbundet teoretiska handelsresultat, om än mestadels brutto transaktionskostnader. Kvantitativa finansbloggar kommer att diskutera strategier i detalj. Skissera några av de strategier som används av medel. Du kan fråga sig varför individer och företag är angelägna om att diskutera sina lönsamma strategier, särskilt när de vet att andra som tränger handeln kan stoppa strategin från att arbeta på lång sikt. Orsaken ligger i det faktum att De kommer inte ofta att diskutera de exakta parametrar och inställningsmetoder som de har genomfört. Dessa optimeringar är nyckeln till att göra en relativt medelmåttig strategi till en mycket lönsam. Faktum är att ett av de bästa sätten att skapa egna unika strategier är att hitta liknande Metoder och sedan utföra ditt eget optimeringsförfarande. Här är en liten Lista över platser att börja leta efter strategidéer. Många av de strategier du kommer att titta på kommer att falla in i kategorierna av medelåtervändning och trendmässig drivkraft. En medelåterkallande strategi är en som försöker utnyttja det faktum att en långsiktig Menar på en prisserie som spridningen mellan två korrelerade tillgångar existerar och att kortsiktiga avvikelser från detta medel kommer att återvända till en momentumstrategi försöker exploatera både investorspsykologi och stor fondstruktur genom att ha en ritt på en marknadsutveckling som kan samla momentum i en riktning och följ trenden tills den återgår. En annan enormt viktig aspekt av kvantitativ handel är frekvensen av handelsstrategin. Lågfrekvenshandel LFT hänvisar i allmänhet till en strategi som innehar tillgångar längre än en handelsdag. HFT brukar hänvisa till en strategi som innehar tillgångar intradag Ultrahögfrekvenshandel UHFT avser strategier som håller tillgångar i storleksordningen sekunder och millisekunder Som detaljhandlare är HFT och UHFT säkert möjliga men endast med detaljerad kunskap om handelsteknikstaket och orderbokdynamik. Vi vann inte att diskutera dessa aspekter i någon större utsträckning i denna inledande artikel. När en strategi eller uppsättning av Strategier har identifierats, det behöver nu testas för lönsamhet på historiska data. Det är domänen för backtesting. Strategi Backtesting. Målet med backtesting är att bevisa att strategin som identifierats via ovanstående process är lönsam när den tillämpas på både historiska och Utgående data Det här ställer förväntan på hur strategin kommer att fungera i den verkliga världen. Backtesting är INTE en garanti för framgång, av olika anledningar. Det är kanske det mest subtila området för kvantitativ handel eftersom det medför många förskjutningar, vilket Måste noggrant övervägas och elimineras så mycket som möjligt Vi kommer att diskutera de gemensamma typerna av förspänning inklusive framåtblickande bias överlevnadsförmåga en d optimering bias även känd som data-snooping bias Andra områden av betydelse inom backtesting inkluderar tillgänglighet och renlighet av historiska data, factoring i realistiska transaktionskostnader och beslut om en robust backtesting plattform Vi kommer att diskutera transaktionskostnader längre i avsnittet Execution Systems nedan. När En strategi har identifierats är det nödvändigt att erhålla de historiska uppgifterna för att genomföra testning och kanske förfining. Det finns ett betydande antal dataleverantörer över alla tillgångsklasser. De kostar i allmänhet med kvaliteten, djupet och aktualiteten hos de Data Den traditionella utgångspunkten för att börja kvanthandlare, åtminstone på detaljhandelsnivå, är att använda den fria datasatsen från Yahoo Finance. Jag vann inte bo för leverantörer för mycket här, men jag vill hellre koncentrera mig på de allmänna frågorna när det handlar om historiska data De viktigaste problemen med historiska data inkluderar noggrannhet renhet, överlevnad bias och justering för corp orate handlingar som utdelning och lager splittringar. Accuracy hänför sig till dataens övergripande kvalitet - om det innehåller några fel Fel kan ibland vara lätta att identifiera, till exempel med ett spikfilter som kommer att välja felaktiga spikar i tidsseriedata och korrigera För andra Att det inte innehåller tillgångar som inte längre handlas. När det gäller aktier betyder detta avyttrade konkursbestånd. Denna bias innebär att varje aktiehandelstrategi som testas på en sådan dataset kommer troligen att fungera bättre än i den verkliga världen, eftersom de historiska vinnarna redan har varit Förinställda. Företagsåtgärder innefattar logistikverksamhet som bedrivs av företaget som vanligtvis orsakar en stegfunktionsförändring i råpriset, som inte bör ingå i beräkningen av prisavkastningen Justeringar för utdelning och lagerfördelning är de vanliga synderna En process som är känd som backjustering är nödvändig för att genomföras vid var och en av dessa åtgärder Man måste vara mycket försiktig om att inte förvirra en aktieuppdelning med en sann Returjustering Många en näringsidkare har fångats ut av en företagsaktion. För att kunna genomföra ett backtestförfarande är det nödvändigt att använda en mjukvaruplattform. Du har valet mellan dedikerad backtestprogramvara, till exempel Tradestation, en numerisk plattform som Excel eller MATLAB eller en fullständig anpassad implementering i ett programmeringsspråk som Python eller CI vann t för mycket på Tradestation eller liknande, Excel eller MATLAB, eftersom jag tror på att skapa en fullständig inbyggd teknikstack av skäl som beskrivs nedan. En av fördelarna med Det gör att backtestprogrammet och exekveringssystemet kan integreras tätt, även med extremt avancerade statistiska strategier. För HFT-strategier är det särskilt viktigt att att använda en anpassad implementering. När man testar ett system måste man kunna kvantifiera hur väl det är. Industristandardens mätvärden för kvantitativa strategier är maximal drawdown och Sharpe Ratio Den maximala drawdownen karakteriserar den största topp-till-droppfallet i konto egenkapitalkurva över en viss tidsperiod vanligtvis årligen Detta är oftast citerade som en procentuell LFT-strategier tenderar att ha större drawdowns än HFT-strategier, på grund av ett antal statistiska faktorer. En historisk backtest visar den senaste maximala drawdownen, vilket är en bra vägledning för strategins framtida dragningsprestanda Den andra mätningen är Sharpe-förhållandet, vilket är heuristiskt definierat som genomsnittet av meravkastningen dividerat med standardavvikelsen för dessa meravkastningar. Här hänvisar meravkastningen till strategins återkomst ovan Ett förutbestämt riktmärke som S-släpp, vilket är skillnaden mellan vad du menade att din beställning skulle fyllas i i jämförelse med vad det faktiskt fylldes på spridning, vilket är skillnaden mellan budgivningspriset på den säkerhet som handlas. Observera att spridningen inte är konstant och är beroende av den nuvarande likviditeten, dvs. tillgång till köpförsäljningsorder på marknaden. Transaktionskostnader kan göra skillnaden mellan en extremt lönsam strategi med ett bra Sharpe-förhållande och en extremt olönsam strategi med ett fruktansvärt Sharpe-förhållande. Det kan vara en utmaning att korrekt förutsäga transaktionskostnaderna från en backtest. Beroende på strategins frekvens behöver du tillgång till Historiska utbytesdata, som inkluderar kryssdata för budsprispriser. Hela teamet av quants är dedikerade till optimering av genomförandet i de större fonderna. Av dessa skäl Beakta scenariet där en fond måste avlasta en betydande mängd affärer, varav anledningarna till att gör så många och varierade Genom att dumpa så många aktier på marknaden kommer de snabbt att trycka på priset och får inte få optima I exekvering Därmed finns algoritmer som drar in foderordrar på marknaden, men även om fonden löper risken för att slippa bort, så ökar också andra strategier på dessa nödvändigheter och kan utnyttja ineffektiviteten. Det här är domänen för fondstrukturen arbitrage. Den sista huvudfrågan för exekveringssystem gäller divergens av strategins prestanda från backtested prestanda Detta kan hända av ett antal skäl Vi har redan diskuterat framåtblickande bias och optimeringsförskjutning i djupet, när vi överväger backtests Men vissa strategier gör det inte lätt att testa för dessa förspänningar Före utplacering Detta sker i HFT mest övervägande Det kan finnas fel i exekveringssystemet såväl som handelsstrategin själv som inte dyker upp på en backtest men DO dyker upp i live trading Marknaden kan ha varit föremål för en regimskifte efterföljande Till utplaceringen av din strategi Nya lagstiftningsmiljöer, förändrade investerarnas känslor och makroekonomiska fenomen kan alla leda till avvikelser ences i hur marknaden beter sig och därmed lönsamheten i din strategi. Risk Management. The slutliga stycket till det kvantitativa trading pusslet är processen för riskhantering Risken inkluderar alla tidigare förevändningar som vi har diskuterat Det inkluderar teknikrisk, som servrar co - placerad vid utbytet som plötsligt utvecklar en hårddiskfel Det inbegriper mäklarrisk, som att mäklaren blir konkurs, inte så galen som den låter, med tanke på den senaste skrämningen med MF Global I korthet täcker den nästan allt som eventuellt skulle kunna störa handelsimplementeringen , Varav det finns många källor Hela böckerna ägnas åt riskhantering för kvantitativa strategier, så jag vill inte försöka belysa alla möjliga riskkällor här. Riskostyrning omfattar också det som kallas optimal kapitaltilldelning som är en gren av portföljteori Det här är det sätt på vilket kapital tilldelas en uppsättning olika strategier och till branschen inom dessa strategier. Det är en komplexa områden och bygger på lite icke-trivial matematik. Industristandarden med vilken optimal kapitaltilldelning och hävstång av strategierna är relaterad kallas Kelly-kriteriet. Eftersom det här är en inledande artikel, vann jag inte med att beräkna kalkylen. Kelly-kriteriet gör vissa antaganden om den statistiska karaktären av avkastningen, som inte ofta är sant på finansmarknaderna, så handlarna ofta är konservativa när det gäller genomförandet. En annan viktig del av riskhanteringen är att hantera sin egen psykologiska profil. Det finns många kognitiva företeelser som kan krypa in till handel Även om detta visserligen är mindre problematiskt med algoritmisk handel om strategin lämnas ensam. En gemensam bias är det för förlustaversion där en förlorande position inte kommer att stängas ut på grund av smärtan att behöva inse en förlust. På liknande sätt kan vinster kan tas för tidigt eftersom rädslan att förlora en redan uppnådd vinst kan vara för stor En annan vanlig bias är känd som recency b ias Detta manifesterar sig när näringsidkare lägger för mycket tonvikt på de senaste händelserna och inte på längre sikt. Sedan är det naturligtvis det klassiska paret av emotionella fördomar - rädsla och girighet. Dessa kan ofta leda till under - eller överhöjning, vilket kan orsaka slag - dvs. kontotkapitalrubriken till noll eller sämre eller lägre vinst. Som kan ses är kvantitativ handel ett extremt komplext, om än mycket intressant, område med kvantitativ finansiering. Jag har bokstavligen klatrat ytan av ämnet i denna artikel och det är Håller redan ganska långa Hela böcker och papper har skrivits om frågor som jag bara har givit en mening eller två mot. Därför måste du, innan du ansöker om kvantitativa fondhandelsjobb, göra en stor del av grundstudien. minst du behöver en omfattande bakgrund i statistik och ekonometri, med stor erfarenhet av implementering, via ett programmeringsspråk som MATLAB, Python eller R För mer sofistikerad strategier vid den högre frekvensänden, kommer din färdighetsuppsättning sannolikt att innefatta Linux-kärnändring, CC, monteringsprogrammering och nätverks latensoptimering. Om du är intresserad av att försöka skapa dina egna algoritmiska handelsstrategier, skulle mitt första förslag vara att bli bra på programmering Min preferens är att bygga upp så mycket av datagrabber, strategi backtester och exekveringssystem själv som möjligt Om din egen kapital ligger på linjen skulle du inte sova bättre på natten och veta att du har testat ditt system fullt ut och är medveten om dess fallgropar och specifika problem Outsourcing detta till en leverantör, samtidigt som det potentiellt sparar tid på kort sikt, kan vara extremt dyrt på lång sikt. Bara komma igång med kvantitativ handel. Det ser inte ut som möjligt men det är med våra algoritmiska handelsstrategier. Det verkar inte möjligt Ett algoritmiskt handelssystem med så mycket trendidentifiering, cykelanalys, köp säljvolymen, flera handelsstrategier es, dynamisk inmatning, mål och stopppriser och ultrasnabb signalteknik Men det är faktum att AlgoTrades algoritmiska handelssystemplattform är den enda i sitt slag. Inte mer söker efter heta lager, sektorer, råvaror, index eller läsning marknadsuttalanden Algotrades gör allt som söker, timing och handel för dig som använder vårt algoritmiska handelssystem. AlgoTrades beprövade strategier kan följas manuellt genom att ta emot e-post - och sms-textvarningar, eller det kan vara 100 handsfree-handel, det är upp till dig. Du kan stäng av automatiskt handel när som helst så att du alltid har kontroll över ditt öde. Automatiserade handelssystem för savvy investerare. Copyright 2017 - ALGOTRADES - Automated Algorithmic Trading System. CFTC RULE 4 41 - HYPOTETISKA ELLER SIMULERADE RESULTATRESULTAT HAR SÄRSKILDA BEGRÄNSNINGAR, SÄRSKILDA RESULTATRESULTAT, SIMULERADE RESULTAT FÖRSÄLJER INTE DIREKT HANDEL SAMARBETA, SOM HANDLINGARNA INTE HAR UTFÄRTS, HAR RESULTATEN KAN HAVA UNDER ELLER OMFATTNING FÖR IMPAKTEN, OM NÅGON AV SÄRSKILDA MARKNADSFAKTORER, SOM SOM LIKVIDITETSIMULERADE HANDELSPROGRAM I ALLMÄNNA ÄR ÄVEN FAKTA ATT DE DESIGNERAS MED FÖRSÄLJNINGEN AV HINDSIGHT SKALL INTE FÖRESLÄPPAS ATT DET VAR NÅGOT KONTO VIL ELLER ÄR LIKELIGT ATT SKA LÖSA ELLER TABELLER SOM LIKNAR TILL DESS VISA. Ingen representation görs eller antyds att användningen av det algoritmiska handelssystemet kommer att generera intäkter eller garantera en vinst. Det finns en väsentlig risk för förlust i samband med valutaterminer och handelstransaktioner. Futures trading och trading exchange traded funds innebär en väsentlig risk för förlust och är inte lämplig för alla. Dessa resultat är baserade på simulerade eller hypotetiska resultat som har vissa inneboende begränsningar Till skillnad från resultaten som visas i en verklig prestationspost representerar dessa resultat inte den faktiska handeln. Eftersom dessa branscher inte har genomförts kan dessa resultat ha under - eller Överkompenseras för eventuella konsekvenser av vissa marknadsfaktorer, såsom brist på likviditet Simulerade eller hypotetiska handelsprogram i allmänhet är också föremål för det faktum att de är utformade till förmån för efterhand Ingen representation görs för att något konto Kommer eller kommer sannolikt att uppnå vinster eller förluster som liknar dessa. Informationen på denna webbplats har upprättats utan hänsyn till investerarnas investeringsmål, ekonomiska situation och behov, och ger ytterligare upplysningar till abonnenter om att inte agera på någon information utan att få specifika råd Från sina finansiella rådgivare att inte förlita sig på information från webbplatsen som den primära grunden för deras investeringsbeslut och att överväga sin egen riskprofil, risk tolerans och sina egna stopp förluster - drivs av Enfold WordPress Theme.
No comments:
Post a Comment