Trading Estratégias Algoritmos

Noções básicas de Forex Algorithmic Trading. Nearly trinta anos atrás, o mercado de câmbio Forex foi caracterizado por negócios realizados por telefone, os investidores institucionais opaco informações sobre os preços, uma clara distinção entre interdealer negociação e negociação negociante cliente e baixa concentração de mercado Hoje, os avanços tecnológicos Transformaram o mercado Os negócios são feitos principalmente através de computadores, permitindo que os comerciantes de varejo para entrar no mercado, os preços de streaming em tempo real levaram a uma maior transparência ea distinção entre revendedores e seus clientes mais sofisticados desapareceu em grande parte. De negociação algorítmica que, ao fazer melhorias significativas para o funcionamento da negociação Forex, também coloca uma série de riscos Ao olhar para o básico do mercado Forex e negociação algorítmica, vamos identificar algumas vantagens negociação algorítmica trouxe para a negociação de moeda, enquanto também apontando Alguns dos riscos. Forex Basics. Forex é o lugar virtual em que os pares de moeda são negociados em volumes variados de acordo com os preços cotados em que uma moeda base é dado um preço em termos de uma moeda de cotação Operando 24 horas por dia, cinco dias por semana, Forex é considerado Para ser o maior e mais líquido mercado financeiro do mundo Por o Banco de Pagamentos Internacionais BIS o volume médio diário global de negociação em abril de 2013 foi de 2 0 trilhões A maior parte deste comércio é feito para dólares dos EUA, euros e ienes japoneses e envolve um intervalo Dos jogadores, incluindo bancos privados, bancos centrais, fundos de pensões investidores institucionais, grandes corporações, empresas financeiras e comerciantes varejistas individuais. Embora a negociação especulativa pode ser a principal motivação para certos investidores, a principal razão para a existência do mercado Forex é que as pessoas precisam Para negociar moedas correntes a fim comprar bens e serviços extrangeiros A atividade no mercado de Forex afeta taxas de câmbio reais e pode conseqüentemente afetar profundamente o Tput, o emprego, a inflação e os fluxos de capital de qualquer nação em particular Por esta razão, os decisores políticos, o público e os meios de comunicação têm um interesse no que se passa no mercado Forex. Basics of Algorithmic Trading. An algoritmo é essencialmente um conjunto de específicos Regras destinadas a completar uma tarefa claramente definida Na negociação no mercado financeiro, computadores realizar algoritmos definidos pelo usuário caracterizada por um conjunto de regras que consistem em parâmetros, tais como tempo, preço ou quantidade que estrutura os comércios que serão feitos. Existem quatro tipos básicos De negociação algorítmica dentro de mercados financeiros estatística, auto-hedging, estratégias de execução algorítmica e acesso direto ao mercado Estatística refere-se a uma estratégia algorítmica que procura oportunidades comerciais rentáveis ​​com base na análise estatística de dados de séries históricas históricas Auto-hedging é uma estratégia que gera regras Para reduzir a exposição de um comerciante ao risco O objetivo das estratégias de execução algorítmicas é executar um predefin Finalmente, o acesso direto ao mercado descreve as velocidades ótimas e os custos mais baixos aos quais os comerciantes algorítmicos podem acessar e se conectar a plataformas de negociação múltiplas. Uma das subcategorias de negociação algorítmica é a negociação de alta freqüência, Que é caracterizada pela freqüência extremamente alta de execuções de ordem de comércio Negociação de alta velocidade pode dar vantagens significativas para os comerciantes, dando-lhes a capacidade de fazer negócios dentro de milissegundos de mudanças de preços incrementais, mas também pode levar certos riscos. Algorithmic Trading no Mercado Forex. Mucho do crescimento em negociação algorítmica nos mercados de Forex nos últimos anos tem sido devido a algoritmos automatizando certos processos e reduzindo as horas necessárias para realizar transações de câmbio A eficiência criada pela automação leva a custos mais baixos na realização desses processos Um tal processo É a execução de ordens comerciais Automatizando o processo de negociação com um alg Orithm que os comércios baseados em critérios predeterminados, como a execução de ordens ao longo de um determinado período de tempo ou a um preço específico, é significativamente mais eficiente do que a execução manual por seres humanos. Bancos também se aproveitaram de algoritmos que são programados para atualizar os preços de pares de moedas Em plataformas de negociação eletrônica Esses algoritmos aumentam a velocidade com que os bancos podem cotizar os preços de mercado ao mesmo tempo em que reduzem o número de horas de trabalho manuais necessárias para cotizar preços. Alguns algoritmos de bancos para reduzir sua exposição ao risco Os algoritmos podem ser usados ​​para vender um determinado Moeda para corresponder ao comércio de um cliente em que o banco comprou o montante equivalente, a fim de manter uma quantidade constante daquela moeda específica Isso permite que o banco para manter um nível pré-especificado de exposição ao risco para a realização dessa moeda. Estes processos foram feitos Significativamente mais eficiente por algoritmos, levando a custos de transação mais baixos No entanto, estes não são Rs que têm vindo a impulsionar o crescimento em algoritmos de negociação Forex Algoritmos têm sido cada vez mais utilizados para o comércio especulativo como a combinação de alta freqüência ea capacidade do algoritmo para interpretar dados e executar ordens permitiu comerciantes para explorar oportunidades de arbitragem decorrentes de pequenos desvios de preço entre moeda Pares. Todas estas vantagens têm levado ao aumento do uso de algoritmos no mercado Forex, mas vamos olhar para alguns dos riscos que acompanham a negociação algorítmica. Riscos envolvidos em Algorithmic Forex Trading. Although negociação algorítmica tem feito muitas melhorias, existem Algumas desvantagens que poderiam ameaçar a estabilidade ea liquidez do mercado Forex Uma dessas desvantagens relaciona-se a desequilíbrios no poder de negociação de participantes do mercado Alguns participantes têm os meios para adquirir tecnologia sofisticada que lhes permite obter informações e executar ordens a uma velocidade muito mais rápida do que outros Este desequilíbrio entre os que têm e os que não têm em termos de A tecnologia algorítmica mais sofisticada pode levar à fragmentação dentro do mercado que pode levar à escassez de liquidez ao longo do tempo. Além disso, embora haja diferenças fundamentais entre os mercados de ações eo mercado Forex, existem alguns que temem que a negociação de alta freqüência que exacerbou o estoque Mercado flash crash em 6 de maio de 2010 poderia igualmente afetar o mercado de Forex Como algoritmos são programados para cenários de mercado específicos, eles podem não responder rapidamente o suficiente se o mercado foram drasticamente mudar Para evitar este cenário mercados precisam ser monitorados e algoritmos No entanto, em tais cenários extremos, uma suspensão simultânea de negociação algorítmica por numerosos participantes do mercado poderia resultar em alta volatilidade e uma drástica redução na liquidez do mercado. A Bottom Line. Although negociação algorítmica tem sido capaz de aumentar a eficiência, portanto Reduzindo os custos de negociação de moedas, também veio Com alguns riscos adicionais Para as moedas funcionarem corretamente, eles devem ser lojas de valor um pouco estável e ser altamente líquido Assim, é importante que o mercado Forex permanecer líquido com baixa volatilidade de preços. Como com todas as áreas da vida, a nova tecnologia introduz muitos benefícios , Mas também vem com novos riscos O desafio para o futuro da negociação algorítmica Forex será como instituir mudanças que maximizam os benefícios, reduzindo os riscos. A taxa de juros em que uma instituição depositária empresta fundos mantidos no Federal Reserve para outro depósito Uma medida estatística da dispersão de retornos para um dado índice de segurança ou mercado A volatilidade pode ser medida. Um ato que o Congresso dos EUA aprovou em 1933 como a Lei Bancária, que proibia os bancos comerciais de participar no investimento. A qualquer trabalho fora das fazendas, das famílias particulares e do setor sem fins lucrativos. A US Bureau of Labour. Bol para a rupia indiana INR, a moeda da Índia A rupia é composta de 1.Uma oferta inicial sobre os ativos de uma empresa falida de um comprador interessado escolhido pela empresa falida De um pool de licitantes. Fundamentos de Algorithmic Trading Conceitos e Exemplos . Um algoritmo é um conjunto específico de instruções claramente definidas destinadas a realizar uma tarefa ou processo. Algorithmic trading trading automatizado, black-box trading, ou simplesmente algo-trading é o processo de utilização de computadores programados para seguir um conjunto definido de instruções para Colocando um comércio a fim de gerar lucros a uma velocidade e freqüência que é impossível para um comerciante humano Os conjuntos de regras definidas são baseadas em tempo, preço, quantidade ou qualquer modelo matemático Além de oportunidades de lucro para o comerciante, algo-trading faz mercados Mais líquido e torna a negociação mais sistemática, excluindo os impactos humanos emocionais sobre as atividades de negociação. Suponha um comerciante segue estes critérios comerciais simples. Compre 50 ações de uma ação quando seu mo 50 dias Ving média vai acima da média móvel de 200 dias. Ações de ações do estoque quando sua média móvel de 50 dias vai abaixo da média móvel de 200 dias. Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que irá Monitorar automaticamente o preço das ações e os indicadores de média móvel e colocar as ordens de compra e venda quando as condições definidas forem atendidas O comerciante não precisa mais manter um relógio para os preços e gráficos ao vivo, ou colocar as ordens manualmente O sistema de negociação algorítmica automaticamente faz Ele para ele, ao identificar corretamente a oportunidade de negociação Para obter mais informações sobre médias móveis, consulte Simple Moving Averages Make Out Trends Stand Out. Algo-negociação oferece os seguintes benefícios. Trades executado com os melhores preços possíveis. Instant e exata colocação ordem comercial, De execução em níveis desejados. Os tempos cronometrados corretamente e imediatamente, para evitar mudanças significativas do preço. Os custos de transação reduzidos vêem o exemplo da falta da execução abaixo. Verificações automatizadas simultâneas em condições de mercado múltiplas. Risco reduzido de erros manuais em colocar os comércios. Testa o algoritmo, baseado em dados históricos e em tempo real disponíveis. Possibilidade reduzida de erros por comerciantes humanos baseada em fatores emocionais e psicológicos. A maior parte do presente Dia negociação é HFT negociação de alta freqüência, que tenta capitalizar sobre a colocação de um grande número de encomendas em velocidades muito rápidas em vários mercados e parâmetros de decisão múltipla, com base em instruções pré-programadas Para mais informações sobre negociação de alta freqüência, consulte Estratégias e segredos De negociação de alta freqüência HFT Firms. Algo-trading é usado em muitas formas de comércio e atividades de investimento, incluindo. Mid para investidores de longo prazo ou comprar empresas de fundos de pensões, fundos mútuos, companhias de seguros que compram em ações em grandes quantidades, mas não Querem influenciar os preços das ações com discreto, de grande volume de investimentos. Comerciantes de curto prazo e vendem lado participantes market maker S especuladores e arbitradores beneficiar de execução de comércio automatizado, além de algo de comércio ajuda na criação de liquidez suficiente para os vendedores no mercado. Systematic comerciantes tendência seguidores pares comerciantes hedge fundos etc achar muito mais eficiente para programar suas regras comerciais e deixar o programa de comércio Automaticamente. Algorithmic trading fornece uma abordagem mais sistemática para a negociação ativa do que métodos baseados na intuição de um comerciante humano ou instinto. Algorithmic Trading Strategies. Any estratégia de negociação algorítmica requer uma oportunidade identificada que é rentável em termos de melhoria dos ganhos ou redução de custos São estratégias de negociação comuns usadas em algo-trading. As estratégias de negociação algorítmicas mais comuns seguem as tendências em movimentação de médias de rupturas de canal movimentos de nível de preço e indicadores técnicos relacionados Estas são as estratégias mais fáceis e mais simples de implementar através de negociação algorítmica porque estas estratégias não envolvem fazer qualquer Previsões ou As negociações são iniciadas com base na ocorrência de tendências desejáveis ​​que são fáceis e simples de implementar através de algoritmos sem entrar na complexidade da análise preditiva O exemplo acima mencionado de 50 e 200 dias de média móvel é uma tendência popular seguir a estratégia Para mais sobre a tendência Negociando estratégias, veja Estratégias simples para capitalizar em tendências. Comprar um estoque listado duplo em um preço mais baixo em um mercado e vendê-lo simultaneamente em um preço mais elevado em um outro mercado oferece o diferencial de preço como lucro sem risco ou arbitragem A mesma operação pode ser Implementado um algoritmo para identificar tais diferenciais de preços e colocar as ordens permite oportunidades rentáveis ​​de forma eficiente. Os fundos de indexação definiram períodos de reequilíbrio para trazer as suas participações a par com as suas Respectivos índices de benchmark Isso cria oportunidades lucrativas Para comerciantes algorítmicos, que capitalizam em negociações esperadas que oferecem lucros de 20 a 80 pontos base dependendo do número de ações no fundo de índice, imediatamente antes do rebalanceamento do fundo de índice Essas negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços. Uma série de modelos matemáticos comprovados, como a estratégia de negociação delta neutra, que permitem negociação na combinação de opções e sua segurança subjacente, onde os negócios são colocados para compensar deltas positivos e negativos para que o delta da carteira é mantida em zero. Baseado na idéia de que os preços altos e baixos de um ativo são um fenômeno temporário que revertem para seu valor médio periodicamente Identificar e definir uma faixa de preço e algoritmo de implementação com base em que permite que os comércios sejam colocados automaticamente quando o preço do ativo invadir e sair Da sua gama definida. Volume ponderada estratégia de preço médio quebra uma grande ordem e libera dinamicamente determinada chu menor O objetivo é executar a ordem perto do preço médio ponderado do volume VWAP, beneficiando desse modo o preço médio. A estratégia de preço médio ponderada do tempo quebra acima uma ordem grande e libera dinâmicamente determinadas mais pequenas Pedaços da ordem para o mercado usando intervalos de tempo uniformemente divididos entre um início e fim tempo O objetivo é executar a ordem perto do preço médio entre o início eo fim vezes, minimizando assim o impacto no mercado. Utilizando a ordem comercial é totalmente preenchido, Este algoritmo continua a enviar encomendas parciais, de acordo com o rácio de participação definido e de acordo com o volume negociado nos mercados A estratégia de passos relacionados envia encomendas a uma percentagem definida pelo utilizador dos volumes de mercado e aumenta ou diminui esta taxa de participação quando o preço das acções atinge o utilizador A estratégia de redução da implementação tem como objetivo minimizar o custo de execução de uma Economizando assim no custo da ordem e beneficiando do custo de oportunidade da execução atrasada A estratégia aumentará a taxa de participação alvejada quando o preço conservado em estoque mover favoravelmente e o diminuir quando o preço conservado em estoque move adversamente. Há alguns Classes especiais de algoritmos que tentam identificar acontecimentos no outro lado Estes algoritmos de sniffing, usados, por exemplo, por um fabricante de mercado vendem lado têm a inteligência embutida para identificar a existência de quaisquer algoritmos no lado da compra de uma grande ordem. A detecção por meio de algoritmos ajudará o criador de mercado a identificar oportunidades de grande porte e a capacitá-lo a se beneficiar com o preenchimento de pedidos a um preço mais alto. Veja mais sobre negociação de alta freqüência e práticas fraudulentas. Comprar Stocks Online, você está envolvido em HFTs. Technical Requisitos para Algorithmic Trading. Implementing o algoritmo usando um programa de computador é a última parte, Clubbed with backtesting O desafio é transformar a estratégia identificada em um processo computarizado integrado que tem acesso a uma conta de negociação para a colocação de ordens Os seguintes são neededputer conhecimento de programação para programar a estratégia de negociação necessária, programadores contratados ou pre-made trading softwarework conectividade e acesso A plataformas de negociação para colocar as ordens. Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de colocar ordens. A capacidade e infra-estrutura para backtest o sistema construído uma vez, antes de ir viver em mercados reais. Dados disponíveis para backtesting , Dependendo da complexidade das regras implementadas em algorithm. Here é um exemplo abrangente Royal Dutch Shell RDS está listado na Bolsa de Valores de Amsterdã AEX e London Stock Exchange LSE Vamos construir um algoritmo para identificar oportunidades de arbitragem Aqui estão algumas observações interessantes. AEX trades in Euros, enquanto LSE comércios em Sterling Pounds. Due para um hou R diferença de tempo, AEX abre uma hora mais cedo do que LSE, seguido por ambas as trocas de negociação simultaneamente para as próximas horas e, em seguida, negociação apenas na LSE durante a última hora como AEX fecha. Podemos explorar a possibilidade de negociação de arbitragem no estoque Royal Dutch Shell Listadas nestes dois mercados em duas moedas diferentes. Um programa de computador que possa ler preços de mercado atuais. O preço alimenta de LSE e de AEX. A forex alimenta da taxa para a taxa de troca GBP-EUR. Posição que coloca a potencialidade que pode rotar a ordem à correta Exchange. Back-testando em feeds históricos do preço. O programa de computador deve executar o seguinte. Ler o feed entrante do preço do estoque de RDS de ambas as trocas. Usando as taxas de câmbio disponíveis converte o preço de uma moeda corrente a outro. Discrepância de preço suficientemente grande descontando os custos de corretagem que levam a uma oportunidade lucrativa, então coloque a ordem de compra em câmbio de menor preço e venda na ordem de câmbio mais alta. Os executivos são executados como desejado, o lucro de arbitragem seguirá. Simples e fácil No entanto, a prática de negociação algorítmica não é tão simples de manter e executar Lembre-se, se você pode colocar um comércio algo-gerado, Os preços flutuam em milissegundos e até mesmo microssegundos No exemplo acima, o que acontece se o seu comércio comprar é executado, mas vender o comércio doesn t como os preços de venda mudar no momento em que sua ordem atinge o mercado Você vai acabar sentado com uma posição aberta fazendo Sua estratégia de arbitragem é inútil. Existem riscos e desafios adicionais, por exemplo, riscos de falha de sistema, erros de conectividade de rede, intervalos de tempo entre ordens comerciais e execução e, o mais importante de tudo, algoritmos imperfeitos Quanto mais complexo um algoritmo, É necessário antes de ser posto em ação. Análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinado criticamente É interessante para ir para um Utomation ajudado por computadores com a noção de ganhar dinheiro sem esforço Mas um deve certificar-se de que o sistema está completamente testado e limites necessários estão definidos comerciantes analíticos devem considerar a aprendizagem de programação e sistemas de construção por conta própria, para estar confiante sobre a implementação de estratégias corretas de forma infalível Uso cauteloso e testes minuciosos de algo-trading pode criar oportunidades lucrativas. O montante máximo de dinheiro os Estados Unidos podem emprestar O teto da dívida foi criado sob o segundo Liberty Bond Act. A taxa de juros em que uma instituição depositária empresta fundos mantidos no Federal Reserva para outra instituição depositária.1 Uma medida estatística da dispersão de retornos para um determinado título ou índice de mercado A volatilidade pode ser medida. Um ato que o Congresso dos EUA aprovou em 1933 como a Lei Bancária, que proibia os bancos comerciais de participar do investimento A folha de pagamento não-agrícola refere-se a qualquer trabalho fora das fazendas, T setor O Bureau dos EUA de Labour. The sigla de moeda ou símbolo de moeda para a rupia indiana INR, a moeda da Índia A rupia é composta de 1.Como identificar Algorithmic Trading Strategies. In neste artigo quero apresentar-lhe os métodos Pelo qual eu mesmo identifico rentáveis ​​estratégias de negociação algorítmica Nosso objetivo hoje é entender em detalhes como encontrar, avaliar e selecionar esses sistemas Eu vou explicar como identificar estratégias é tanto sobre preferência pessoal quanto sobre o desempenho da estratégia, como determinar o tipo E quantidade de dados históricos para testar, como avaliar desapaixonadamente uma estratégia negociando e finalmente como proceder para a fase de backtesting e implementação de estratégia. Identificando suas próprias preferências pessoais para negociar. Para ser um comerciante bem sucedido - discricionária ou algoritmicamente - ele É necessário perguntar-se algumas perguntas honestas Trading fornece-lhe a capacidade de perder dinheiro em uma taxa alarmante, por isso É necessário conhecer a si mesmo, tanto quanto é necessário para entender a sua estratégia escolhida. Eu diria que a consideração mais importante na negociação é estar ciente de sua própria personalidade Trading, e negociação algorítmica em particular, exige um grau significativo de disciplina, paciência e Distanciamento emocional Uma vez que você está deixando um algoritmo realizar a sua negociação para você, é necessário ser resolvido a não interferir com a estratégia quando está sendo executado Isso pode ser extremamente difícil, especialmente em períodos de alongamento desdobramento No entanto, muitas estratégias que foram Mostrado ser altamente rentável em um backtest pode ser arruinado por interferência simples Entenda que se você deseja entrar no mundo de negociação algorítmica você será emocionalmente testado e que, para ser bem sucedido, é necessário trabalhar com estas dificuldades. Consideração é uma do tempo Você tem um emprego a tempo inteiro Você trabalha a tempo parcial Você trabalha em casa ou tem um longo trajeto todos os dias Se perguntas irá ajudar a determinar a freqüência da estratégia que você deve procurar Para aqueles de vocês no emprego a tempo inteiro, uma estratégia de futuros intraday pode não ser apropriado pelo menos até que ele é totalmente automatizado Seu tempo restrições também ditar a metodologia da estratégia Se Sua estratégia é freqüentemente negociada e dependente de feeds de notícias caras, como um terminal Bloomberg você terá que ser claramente realista sobre a sua capacidade de executar com êxito, enquanto no escritório Para aqueles de você com muito tempo, ou as habilidades para automatizar o seu Estratégia, você pode querer olhar para uma técnica de alta freqüência HFT estratégia de negociação. Minha crença é que é necessário realizar pesquisas contínuas em suas estratégias de negociação para manter um portfólio consistentemente rentável poucas estratégias ficar sob o radar para sempre De aqui uma significativa Parte do tempo atribuído à negociação será na realização de pesquisa em andamento. Pergunte a si mesmo se você está preparado para fazer isso, como pode ser A diferença entre a rentabilidade forte ou um declínio lento para loss. You também precisa considerar o seu capital comercial O montante mínimo ideal geralmente aceite para uma estratégia quantitativa é de USD 50.000 aproximadamente 35.000 para nós no Reino Unido Se eu estava começando novamente, eu começaria com Uma quantidade maior, provavelmente perto de 100.000 USD aproximadamente 70.000 Isto é porque os custos de transação podem ser extremamente caros para as estratégias de média a alta freqüência e é necessário ter capital suficiente para absorvê-los em momentos de redução Se você está considerando começar com menos de 10.000 USD, então você precisará se restringir a estratégias de baixa freqüência, negociação em um ou dois ativos, como os custos de transação vai comer rapidamente em seus retornos Interactive Brokers, que é um dos corretores mais amigável para aqueles com habilidades de programação, devido à sua API, tem uma conta de varejo mínimo de 10.000 USD. Programação habilidade é um fator importante na criação de um algoritmo automatizado trading strat Egy Estar bem informado em uma linguagem de programação como C, Java, C, Python ou R permitirá que você crie o armazenamento de dados de ponta a ponta, o mecanismo de backtest e o próprio sistema de execução Isto tem várias vantagens, Capacidade de estar completamente consciente de todos os aspectos da infra-estrutura de negociação Ele também permite que você explore as estratégias de maior freqüência como você estará no controle total de sua pilha de tecnologia Enquanto isso significa que você pode testar seu próprio software e eliminar bugs, também significa Mais tempo gasto codificação de infra-estrutura e menos sobre a implementação de estratégias, pelo menos na parte anterior da sua negociação algo comercial Você pode achar que você está confortável negociação no Excel ou MATLAB e pode terceirizar o desenvolvimento de outros componentes Eu não recomendaria isso no entanto, Especialmente para aqueles que operam em alta freqüência. Você precisa perguntar a si mesmo o que você espera alcançar por negociação algorítmica Você está interessado em uma renda regular, Você está interessado em um ganho de capital a longo prazo e pode dar ao luxo de negociar sem a necessidade de fundos de saque A dependência de renda irá ditar a freqüência de sua estratégia mais regulares retiradas de renda exigirá uma estratégia de negociação de freqüência mais alta com menos Por fim, não se deixe iludir pela noção de se tornar extremamente rico em um curto espaço de tempo Algo negociação não é um esquema get-rich-quick - se alguma coisa Ele pode ser um esquema de tornar-pobre-rápido É preciso disciplina significativa, pesquisa, diligência e paciência para ser bem sucedido em negociação algorítmica Pode levar meses, se não anos, para gerar rentabilidade consistente. Sorcing Algorithmic Trading Ideas. Despite percepções comuns para o Ao contrário, é realmente bastante simples para localizar estratégias de negociação rentável no domínio público Nunca ter idéias comerciais foram mais facilmente disponíveis do que o Hoje são revistas de finanças acadêmicas, servidores de pré-impressão, blogs comerciais, fóruns de negociação, revistas semanais de negociação e textos especializados fornecem milhares de estratégias de negociação com as quais basear suas idéias em cima. Nosso objetivo como pesquisadores quantitativos é estabelecer um pipeline de estratégia que Irá fornecer-nos com um fluxo de idéias de negociação em curso Idealmente, queremos criar uma abordagem metódica para sourcing, avaliar e implementar estratégias que nos deparamos Os objetivos do pipeline são gerar uma quantidade consistente de novas idéias e nos fornecer um quadro Por rejeitar a maioria dessas idéias com o mínimo de consideração emocional. Devemos ser extremamente cuidadosos para não deixar influências cognitivas influência nossa tomada de decisão metodologia Isso poderia ser tão simples como ter uma preferência por uma classe de ativos sobre outro ouro e outros metais preciosos vêm A mente porque eles são percebidos como mais exóticos Nosso objetivo deve ser sempre encontrar estratégias consistentemente rentável S, com expectativa positiva A escolha da classe de ativo deve ser baseada em outras considerações, tais como restrições de capital de negociação, taxas de corretagem e capacidades de alavancagem. Se você está completamente familiarizado com o conceito de uma estratégia comercial, em seguida, o primeiro lugar para olhar é com estabelecido Textos clássicos fornecem uma ampla gama de idéias mais simples, mais diretas, com as quais se familiarizar com o comércio quantitativo. Aqui está uma seleção que eu recomendo para aqueles que são novos para o comércio quantitativo, que gradualmente se tornam mais sofisticados como 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 de negociação dependem do conceito de análise técnica Análise técnica envolve Utilizando indicadores básicos e psicologia comportamental para determinar tendências ou padrões de reversão em ativos Apesar de ser extremamente popular no espaço comercial global, a análise técnica é considerada um pouco ineficaz na comunidade financeira quantitativa Alguns sugeriram que não é melhor do que ler um horóscopo ou estudar folhas de chá em termos de seu poder preditivo Na realidade, há sucesso 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 o nosso em considerações emocionais ou preconceitos. Aqui está uma lista de blogs e fóruns de negociação algorítmicos bem respeitados. 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 altas assinaturas ou uma - off custos Se você é um membro ou aluno de uma universidade, você deve ser capaz de 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 tardios de artigos acadêmicos que estão passando por revisão por pares Desde que estamos apenas interessados ​​em estratégias que podemos replicar com êxito, backtest e obter rentabilidade para , Uma revisão de pares é de menor importância para nós. A principal desvantagem das estratégias acadêmicas é que muitas vezes podem estar desatualizados, exigem dados históricos obscuros e caros, o comércio de classes de ativos ilíquidos ou não factor de taxas, escorregamento ou propagação Também pode ser claro se a estratégia de negociação deve ser realizada com ordens de mercado, ordens de limite ou se ele contém parar de perdas etc Assim, é absolutamente essencial para replicar a estratégia de si mesmo como melhor você pode, backtest-lo e adicionar em custos de transação realistas 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 que você Pode gerar idéias de. O que sobre a formação de suas próprias estratégias quantitativas Isso geralmente requer, mas não se limita a experiência em uma ou mais das seguintes categorias. Microestrutura do mercado - Para estratégias de alta freqüência, em particular, pode-se fazer uso da microestrutura do mercado, A dinâmica do livro de encomendas, 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 praticantes de varejo terão dificuldade para ser competitivo neste space, particularly as the competition includes large, well-capitalised quantitative hedge funds with strong technological capabilities. Fund structure - Pooled investment funds, such as pension funds, private investment partnerships hedge funds , commodity trading advisors and mutual funds are constrained both by heavy regulation and their large capital reserves Thus certain consistent behaviours can be exploited with those who are more nimble For instance, large funds are subject to capacity constraints due to their size Thus if they need to rapidly offload sell a quantity of securities, they will have to stagger it in order to avoid moving the market Sophisticated algorithms can take advantage of this, and other idiosyncrasies, in a general process known as fund structure arbitrage. Machine learning artificial intelligence - Machine learning algorithms have become more prevalent in recent years in financial markets Classifiers such as Naive-Bayes, et al non-linear function matchers neural networks and optimisation routines genetic algorithms have all been used to predict asset paths or optimise trading strategies If you have a background in this area you may have some insight into how particular algorithms might be applied to certain markets. There are, of course, many other areas for quants to investigate We ll discuss how to come up with cu stom strategies in detail in a later article. By continuing to monitor these sources on a weekly, or even daily, basis you are setting yourself up to receive a consistent list of strategies from a diverse range of sources The next step is to determine how to reject a large subset of these strategies in order to minimise wasting your time and backtesting resources on strategies that are likely to be unprofitable. Evaluating Trading Strategies. The first, and arguably most obvious consideration is whether you actually understand the strategy Would you be able to explain the strategy concisely or does it require a string of caveats and endless parameter lists In addition, does the strategy have a good, solid basis in reality For instance, could you point to some behavioural rationale or fund structure constraint that might be causing the pattern s you are attempting to exploit Would this constraint hold up to a regime change, such as a dramatic regulatory environment disruption Does the stra tegy rely on complex statistical or mathematical rules Does it apply to any financial time series or is it specific to the asset class that it is claimed to be profitable on You should constantly be thinking about these factors when evaluating new trading methods, otherwise you may waste a significant amount of time attempting to backtest and optimise unprofitable strategies. Once you have determined that you understand the basic principles of the strategy you need to decide whether it fits with your aforementioned personality profile This is not as vague a consideration as it sounds Strategies will differ substantially in their performance characteristics There are certain personality types that can handle more significant periods of drawdown, or are willing to accept greater risk for larger return Despite the fact that we, as quants, try and eliminate as much cognitive bias as possible and should be able to evaluate a strategy dispassionately, biases will always creep in Thus we need a consistent, unemotional means through which to assess the performance of strategies Here is the list of criteria that I judge a potential new strategy by. Methodology - Is the strategy momentum based, mean-reverting, market-neutral, directional Does the strategy rely on sophisticated or complex statistical or machine learning techniques that are hard to understand and require a PhD in statistics to grasp Do these techniques introduce a significant quantity of parameters, which might lead to optimisation bias Is the strategy likely to withstand a regime change i e potential new regulation of financial markets. Sharpe Ratio - The Sharpe ratio heuristically characterises the reward risk ratio of the strategy It quantifies how much return you can achieve for the level of volatility endured by the equity curve Naturally, we need to determine the period and frequency that these returns and volatility i e standard deviation are measured over A higher frequency strategy will require greater sa mpling rate of standard deviation, but a shorter overall time period of measurement, for instance. Leverage - Does the strategy require significant leverage in order to be profitable Does the strategy necessitate the use of leveraged derivatives contracts futures, options, swaps in order to make a return These leveraged contracts can have heavy volatility characterises and thus can easily lead to margin calls Do you have the trading capital and the temperament for such volatility. Frequency - The frequency of the strategy is intimately linked to your technology stack and thus technological expertise , the Sharpe ratio and overall level of transaction costs All other issues considered, higher frequency strategies require more capital, are more sophisticated and harder to implement However, assuming your backtesting engine is sophisticated and bug-free, they will often have far higher Sharpe ratios. Volatility - Volatility is related strongly to the risk of the strategy The Sharpe ratio cha racterises this Higher volatility of the underlying asset classes, if unhedged, often leads to higher volatility in the equity curve and thus smaller Sharpe ratios I am of course assuming that the positive volatility is approximately equal to the negative volatility Some strategies may have greater downside volatility You need to be aware of these attributes. Win Loss, Average Profit Loss - Strategies will differ in their win loss and average profit loss characteristics One can have a very profitable strategy, even if the number of losing trades exceed the number of winning trades Momentum strategies tend to have this pattern as they rely on a small number of big hits in order to be profitable Mean-reversion strategies tend to have opposing profiles where more of the trades are winners , but the losing trades can be quite severe. Maximum Drawdown - The maximum drawdown is the largest overall peak-to-trough percentage drop on the equity curve of the strategy Momentum strategies are well k nown to suffer from periods of extended drawdowns due to a string of many incremental losing trades Many traders will give up in periods of extended drawdown, even if historical testing has suggested this is business as usual for the strategy You will need to determine what percentage of drawdown and over what time period you can accept before you cease trading your strategy This is a highly personal decision and thus must be considered carefully. Capacity Liquidity - At the retail level, unless you are trading in a highly illiquid instrument like a small-cap stock , you will not have to concern yourself greatly with strategy capacity Capacity determines the scalability of the strategy to further capital Many of the larger hedge funds suffer from significant capacity problems as their strategies increase in capital allocation. Parameters - Certain strategies especially those found in the machine learning community require a large quantity of parameters Every extra parameter that a strate gy requires leaves it more vulnerable to optimisation bias also known as curve-fitting You should try and target strategies with as few parameters as possible or make sure you have sufficient quantities of data with which to test your strategies on. Benchmark - Nearly all strategies unless characterised as absolute return are measured against some performance benchmark The benchmark is usually an index that characterises a large sample of the underlying asset class that the strategy trades in If the strategy trades large-cap US equities, then the S P500 would be a natural benchmark to measure your strategy against You will hear the terms alpha and beta , applied to strategies of this type We will discuss these coefficients in depth in later articles. Notice that we have not discussed the actual returns of the strategy Why is this In isolation, the returns actually provide us with limited information as to the effectiveness of the strategy They don t give you an insight into leverage, vol atility, benchmarks or capital requirements Thus strategies are rarely judged on their returns alone Always consider the risk attributes of a strategy before looking at the returns. At this stage many of the strategies found from your pipeline will be rejected out of hand, since they won t meet your capital requirements, leverage constraints, maximum drawdown tolerance or volatility preferences The strategies that do remain can now be considered for backtesting However, before this is possible, it is necessary to consider one final rejection criteria - that of available historical data on which to test these strategies. Obtaining Historical Data. Nowadays, the breadth of the technical requirements across asset classes for historical data storage is substantial In order to remain competitive, both the buy-side funds and sell-side investment banks invest heavily in their technical infrastructure It is imperative to consider its importance In particular, we are interested in timeliness, accu racy and storage requirements I will now outline the basics of obtaining historical data and how to store it Unfortunately this is a very deep and technical topic, so I won t be able to say everything in this article However, I will be writing a lot more about this in the future as my prior industry experience in the financial industry was chiefly concerned with financial data acquisition, storage and access. In the previous section we had set up a strategy pipeline that allowed us to reject certain strategies based on our own personal rejection criteria In this section we will filter more strategies based on our own preferences for obtaining historical data The chief considerations especially at retail practitioner level are the costs of the data, the storage requirements and your level of technical expertise We also need to discuss the different types of available data and the different considerations that each type of data will impose on us. Let s begin by discussing the types of data available and the key issues we will need to think about. Fundamental Data - This includes data about macroeconomic trends, such as interest rates, inflation figures, corporate actions dividends, stock-splits , SEC filings, corporate accounts, earnings figures, crop reports, meteorological data etc This data is often used to value companies or other assets on a fundamental basis, i e via some means of expected future cash flows It does not include stock price series Some fundamental data is freely available from government websites Other long-term historical fundamental data can be extremely expensive Storage requirements are often not particularly large, unless thousands of companies are being studied at once. News Data - News data is often qualitative in nature It consists of articles, blog posts, microblog posts tweets and editorial Machine learning techniques such as classifiers are often used to interpret sentiment This data is also often freely available or cheap, via subscription to media outlets The newer NoSQL document storage databases are designed to store this type of unstructured, qualitative data. Asset Price Data - This is the traditional data domain of the quant It consists of time series of asset prices Equities stocks , fixed income products bonds , commodities and foreign exchange prices all sit within this class Daily historical data is often straightforward to obtain for the simpler asset classes, such as equities However, once accuracy and cleanliness are included and statistical biases removed, the data can become expensive In addition, time series data often possesses significant storage requirements especially when intraday data is considered. Financial Instruments - Equities, bonds, futures and the more exotic derivative options have very different characteristics and parameters Thus there is no one size fits all database structure that can accommodate them Significant care must be given to the design and implementation of database structures for various financial instruments We will discuss the situation at length when we come to build a securities master database in future articles. Frequency - The higher the frequency of the data, the greater the costs and storage requirements For low-frequency strategies, daily data is often sufficient For high frequency strategies, it might be necessary to obtain tick-level data and even historical copies of particular trading exchange order book data Implementing a storage engine for this type of data is very technologically intensive and only suitable for those with a strong programming technical background. Benchmarks - The strategies described above will often be compared to a benchmark This usually manifests itself as an additional financial time series For equities, this is often a national stock benchmark, such as the S P500 index US or FTSE100 UK For a fixed income fund, it is useful to compare against a basket of bonds or fixed income products The risk-free rate i e appropriate interest rate is also another widely accepted benchmark All asset class categories possess a favoured benchmark, so it will be necessary to research this based on your particular strategy, if you wish to gain interest in your strategy externally. Technology - The technology stacks behind a financial data storage centre are complex This article can only scratch the surface about what is involved in building one However, it does centre around a database engine, such as a Relational Database Management System RDBMS , such as MySQL, SQL Server, Oracle or a Document Storage Engine i e NoSQL This is accessed via business logic application code that queries the database and provides access to external tools, such as MATLAB, R or Excel Often this business logic is written in C , C , Java or Python You will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner. As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data You may find it is necessary to reject a strategy based solely on historical data considerations This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely Do not underestimate the difficulties of creating a robust data centre for your backtesting purposes. I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation Tools like TradeStation possess this capability However, my personal view is to implement as much as possible internally and avoid outsourcing part s of the stack to software vendors I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical. Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine This will be the subject of other articles, as it is an equally large area of discussion. Just Getting Started with Quantitative Trading.