Quant Trading Strategier Bloggen

Kvantstrategier - er de for deg. Kvantitative investeringsstrategier har utviklet seg til svært komplekse verktøy med advent av moderne datamaskiner, men strategidøtene går tilbake over 70 år. De drives vanligvis av høyt utdannede lag og bruker proprietære modeller for å øke sin evne til å slå markedet Det er til og med hylleprogrammer som er plug-and-play for de som søker enkelhet. Kvantmodeller fungerer alltid bra når de testes på nytt, men deres faktiske applikasjoner og suksessrate kan diskuteres Mens de ser ut til å fungere godt på oksemarkeder når markeder går til haywire, blir kvantstrategier utsatt for samme risiko som enhver annen strategi. Historien En av grunnleggerne av studiet av kvantitativ teori anvendt på finans var Robert Merton. Du kan bare forestille deg hvor vanskelig og tidkrevende prosessen var før bruk av datamaskiner Andre teorier i økonomi utviklet seg også fra noen av de første kvantitative studiene, inkludert grunnlaget for porteføljediversifiseringsgrunnlaget d på moderne portefølje teori Bruken av både kvantitativ finans og kalkulator førte til mange andre vanlige verktøy, inkludert en av de mest berømte, Black-Scholes opsjonsprisformelen, som ikke bare hjelper investorer til prisalternativer og utvikler strategier, men bidrar til å holde markeder i kontroll med likviditet. Når det brukes direkte til porteføljestyring, er målet som enhver annen investeringsstrategi for verdiskaping, alfa eller meravkastning. Quants, som utviklerne kalles, komponerer komplekse matematiske modeller for å oppdage investeringsmuligheter. Det finnes så mange modeller der ute som quants som utvikler dem, og alle hevder å være de beste. En av en kvant investeringsstrategi s bestselgende poeng er at modellen, og til slutt datamaskinen, gjør den faktiske kjøpsbeslutningen, ikke et menneske. Dette har en tendens til å fjerne eventuelle emosjonelle svar som en person kan oppleve når man kjøper eller selger investeringer. Antall strategier er nå akseptert i investeringssamfunnet og drives av fond, hedgefond og d institusjonelle investorer De går vanligvis etter navnet alpha generatorer eller alpha gens. Begre gardinet I likhet med i Wizard of Oz, er noen bak gardinen som driver prosessen. Som med enhver modell, er den bare like god som den menneskelige som utvikler program Mens det ikke er noe spesifikt krav for å bli en kvant, kombinerer de fleste firmaer som kjører kvantmodeller ferdighetene til investeringsanalytikere, statistikere og programmererne som koden prosessen inn i datamaskinene. På grunn av den komplekse naturen til de matematiske og statistiske modellene, er det vanlig å se legitimasjon som doktorgrader og doktorgrader i økonomi, økonomi, matte og engineering. Historisk arbeidet disse gruppemedlemmene i bakkontorene, men ettersom kvantmodeller ble mer vanlig, flytter kontoret til front office. Benefits of Quant Strategies While Den totale suksessraten er diskutabel, årsaken til at noen kvantstrategier fungerer, er at de er basert på disiplin. Hvis modellen har rett, holder disiplinen seg e strategi som arbeider med lyndrevne datamaskiner for å utnytte ineffektivitet i markedene basert på kvantitative data Modellene selv kan baseres på så lite som noen få forhold som PE-gjeld til egenkapital og inntektsvekst, eller bruk tusenvis av innganger som samarbeider på samme time. Successful strategier kan hente på trender i sine tidlige stadier da datamaskinene hele tiden driver scenarier for å finne ineffektivitet før andre. Modellerne kan analysere en veldig stor gruppe investeringer samtidig, der den tradisjonelle analytikeren kanskje ser på noen få av gangen Screeningprosessen kan rangere universet etter karakternivåer som 1-5 eller AF, avhengig av modellen. Dette gjør den faktiske handelsprosessen veldig enkel ved å investere i de høyt vurderte investeringene og selge de lavt vurderte. opp variasjoner av strategier som lang, kort og lang kort Suksessfulle kvantfonde holder et godt øye med risikostyring på grunn av arten av modellene deres M ost-strategier starter med et univers eller referanse og bruker sektor og bransjeviktinger i modellene deres. Dette gjør at midlene kan kontrollere diversifiseringen til en viss grad uten å kompromittere modellen selv. Kvantfondene kjører vanligvis på lavere pris fordi de ikke trenger så mange tradisjonelle analytikere og porteføljeforvaltere for å drive dem. Ulemper med Quant Strategies Det er grunner til at så mange investorer ikke fullt ut tar imot konseptet om å la en svart boks kjøre sine investeringer. For alle de vellykkede kvantfondene der ute, ser like mange som mislykkes Dessverre for kantenes rykte, når de feiler, feiler de stor tid. Langsiktig kapitalforvaltning var en av de mest berømte quant hedgefondene, da den ble drevet av noen av de mest respekterte akademiske lederne og to Nobel-minnesprisvinnende økonomer Myron S Scholes og Robert C Merton I løpet av 1990-tallet genererte teamet over gjennomsnittet avkastning og tiltrukket kapital fra alle typer investorer. De w ere berømt for ikke bare å utnytte ineffektivitet, men ved å bruke enkel tilgang til kapital for å skape enorme løftede spill på markedsretninger. Den disiplinære karakteren av strategien har faktisk skapt svakheten som førte til at de ble kollapset. Langsiktig kapitalforvaltning ble likvidert og oppløst i begynnelsen av 2000 Dens modeller inneholdt ikke muligheten for at den russiske regjeringen kunne misligholde noen av sin egen gjeld. Denne ene hendelsen utløste hendelser og en kjedereaksjon forstørret av løfteskadet ødeleggelse LTCM var så tungt involvert med andre investeringsoperasjoner at dets sammenbrudd påvirket verdensmarkedet , utløser dramatiske hendelser I det lange løp gikk føderalbanken inn for å hjelpe, og andre banker og investeringsfond støttet LTCM for å forhindre ytterligere skade. Dette er en av årsakene til at kvantfondene kan mislykkes, da de er basert på historiske hendelser som kan Ikke inkludert fremtidige hendelser. Mens et sterkt kvantteam stadig vil legge til nye aspekter til modellene for å forutsi fremtid hendelser er det umulig å forutsi fremtiden hver gang Quant-midler kan også bli overveldet når økonomien og markedene opplever større volatilitet. Kjøps - og salgssignaler kan komme så raskt at den høye omsetningen kan skape høye provisjoner og skattepliktige hendelser Kvantfonde kan også utgjøre en fare når de markedsføres som bjørnsikre eller er basert på korte strategier. Forutsigbare nedturer ved å bruke derivater og kombinere innflytelse kan være farlig. En feil sving kan føre til implosjoner, noe som ofte gjør nyheten. Bunnlinjen Kvantitativ investering strategier har utviklet seg fra bakre kontorer svart bokser til vanlige investeringsverktøy De er designet for å utnytte de beste tankene i virksomheten og de raskeste datamaskinene til både å utnytte ineffektivitet og bruke innflytelse til å gjøre markedsbud. De kan være svært vellykkede hvis modellene har inkludert alle høyre innganger og er krevende nok til å forutsi unormale markedshendelser På forsiden, mens kvantfonde er strenge tilbake testet til de jobber, deres svakhet er at de stole på historiske data for deres suksess. Mens kvant-investering har sitt plass i markedet, er det viktig å være oppmerksom på manglene og risikoene. For å være konsistent med diversifiseringsstrategier, er det bra ide å behandle kvantstrategier som en investeringsstil og kombinere den med tradisjonelle strategier for å oppnå riktig diversifisering. Det maksimale beløpet av penger USA kan låne Gjeldstaket ble opprettet under Second Liberty Bond Act. Renten som en innskuddsinstitusjon låner midler oppbevart ved Federal Reserve til en annen depotinstitusjon.1 Et statistisk mål for spredningen av avkastning for en gitt sikkerhets - eller markedsindeks Volatilitet kan enten måles. En handling vedtok den amerikanske kongressen i 1933 som bankloven, som forbød kommersiell banker fra deltakelse i investeringen. Nonfarm lønn refererer til enhver jobb utenfor gårder, private husholdninger og ideelle organisasjoner sektoren Det amerikanske presidiet for arbeid. Den valuta forkortelse eller valutasymbol for den indiske rupee INR, den indiske valutaen Rupee består av 1.StrategyQuant - Computer Generated Trading Strategies Platform. Use StrategyQuant for å bygge nye automatiserte handelssystemer for ethvert marked eller tidsramme. Generell 2012-2017. Alle rettigheter forbeholdt. Høy risiko Investeringsadvarsel Handel utenlandsk valuta eller kontrakter for forskjeller på margin har høy risiko og kan ikke være egnet for alle investorer. Muligheten er at du kan opprettholde et tap i overkant av dine deponerte midler, og derfor bør du ikke spekulere med kapital som du ikke har råd til å miste. Informasjon gitt er bare generelle råd som ikke tar hensyn til dine mål, økonomiske situasjoner eller behov. Det må ikke tolkes som personlig rådgivning. s Guide til kvantitativ handel. I denne artikkelen skal jeg introdusere deg til noen av de grunnleggende konseptene som følger med en ende-til-ende kvantitet Ative trading system Dette innlegget vil forhåpentligvis tjene to publikum. Den første vil være enkeltpersoner som prøver å skaffe seg en jobb hos et fond som en kvantitativ handelsmann. Den andre vil være enkeltpersoner som ønsker å forsøke å sette opp sin egen algoritmiske handelsvirksomhet. Kvartalhandel er en ekstremt sofistikert område av quant finance Det kan ta betydelig tid å få den nødvendige kunnskapen til å passere et intervju eller bygge dine egne handelsstrategier Ikke bare det, men det krever omfattende programmeringskompetanse, i det minste på et språk som MATLAB, R eller Python Men når handelsfrekvensen i strategien øker, blir de teknologiske aspektene mye mer relevante. Det er derfor avgjørende å være kjent med CC. Et kvantitativt handelssystem består av fire hovedkomponenter. Strategiidentifikasjon - Finne en strategi som utnytter en kanten og bestemmer seg for handelsfrekvens. Strategi Backtesting - Innhenting av data, analyse av strategiytelse og r emoving biases. Execution System - Kobling til en megling, automatisering av handel og minimering av transaksjonskostnader. Risikostyring - Optimal kapitalallokering, innsatsstørrelse Kelly-kriterium og handelspsykologi. Vi skal begynne med å se på hvordan vi identifiserer en handelsstrategi. Strategi Identifikasjon. Alle kvantitative handelsprosesser begynner med en innledende periode med forskning. Denne forskningsprosessen omfatter å finne en strategi for å se om strategien passer inn i en portefølje av andre strategier du kan kjøre, oppnå data som er nødvendige for å teste strategien og forsøke å optimalisere strategi for høyere avkastning og eller lavere risiko Du må faktor i dine egne kapitalkrav hvis du kjører strategien som detaljhandel og hvordan eventuelle transaksjonskostnader vil påvirke strategien. I motsetning til populær tro er det faktisk ganske greit å finne lønnsomme strategier gjennom Forskellige offentlige kilder Akademikere publiserer regelmessig teoretiske handelsresultater, om enn det meste brutto av Transaksjonskostnader Kvantitative finansblogger vil diskutere strategier i detalj Handelsjournaler vil skissere noen av strategiene som brukes av midler. Du kan spørre hvorfor enkeltpersoner og firmaer er opptatt av å diskutere deres lønnsomme strategier, spesielt når de vet at andre som trengsler handel, kan stoppe strategien fra å jobbe på sikt Årsaken ligger i det faktum at de ikke ofte vil diskutere de nøyaktige parametrene og innstillingsmetodene de har utført. Disse optimaliseringene er nøkkelen til å gjøre en relativt middelmådig strategi til en svært lønnsom. Faktisk er en av de beste måtene å lage dine egne unike strategier er å finne lignende metoder og deretter utføre din egen optimaliseringsprosedyre. Her er en liten liste over steder å begynne å lete etter strategidetaljer. Mange av strategiene du vil se på, kommer til å falle inn i kategoriene av middel-reversjon og trend-etter-momentum En gjennombruddsstrategi er en som forsøker å utnytte det faktum at et langsiktig middel på en prisserie som spredningen mellom to korrelerte eiendeler eksisterer, og at kortsiktige avvik fra dette betyr, vil til slutt gå tilbake. En momentumstrategi forsøker å utnytte både investorpsykologi og stor fondstruktur ved å ha en tur på en markedstendens som kan samle fart i en retning og følg trenden til den reverserer. Et annet enormt viktig aspekt ved kvantitativ handel er hyppigheten av handelsstrategien. Lavfrekvent handel LFT refererer generelt til enhver strategi som har eiendeler lenger enn en handelsdag. Tilsvarende er høyfrekvent trading HFT generelt refererer til en strategi som har eiendeler intradag Ultrahøyfrekvenshandel UHFT refererer til strategier som holder eiendeler i rekkefølge av sekunder og millisekunder. Som en detaljhandler er HFT og UHFT sikkert mulig, men bare med detaljert kunnskap om handelssteknologiens stabel og rekkefølge Bokdynamikk Vi har ikke vunnet å diskutere disse aspektene i stor grad i denne innledende artikkelen . Når en strategi eller et sett av strategier er blitt identifisert, må det nå testes for lønnsomhet på historiske data. Det er domenet til backtesting. Strategi Backtesting. Målet med backtesting er å gi bevis på at strategien identifisert via den ovennevnte prosessen er lønnsomt når det brukes på både historiske og utgående data Dette forklarer forventningen om hvordan strategien skal utføre i den virkelige verden. Det er imidlertid ikke en garanti for suksess, av ulike årsaker. Det er kanskje det mest subtile området av kvantitative handel siden det innebærer en rekke forstyrrelser som må nøye vurderes og elimineres så mye som mulig. Vi vil diskutere de vanlige typene bias, inkludert fremtidsforstyrrelser, bias og bias for optimalisering, også kjent som data-snooping bias. Andre områder av betydning innen backtesting inkluderer tilgjengelighet og renslighet av historiske data, factoring i realistiske transaksjonskostnader og avgjørelse om en robust backtesting plattform Vi diskuterer s transaksjonskostnader ytterligere i delen Execution Systems nedenfor. Når en strategi er identifisert, er det nødvendig å skaffe seg de historiske dataene for å utføre testing og kanskje raffinement. Det er et betydelig antall datalagere på tvers av alle aktivaklasser. Kostnader generelt i skala med kvaliteten, dybden og aktualiteten til dataene Det tradisjonelle utgangspunktet for begynnende kvanthandlere i det minste på detaljnivå er å bruke det frie datasettet fra Yahoo Finance jeg ville ikke bo på leverandører for mye her, heller jeg ville liker å konsentrere seg om de generelle problemene når det gjelder historiske datasett. De viktigste bekymringene med historiske data inkluderer nøyaktighet renslighet, overlevelsesforstyrrelser og justering for bedriftsaksjoner som utbytte og aksjesplittelser. Sikkerhet gjelder den generelle kvaliteten på dataene - enten det er inneholder eventuelle feil Feil kan noen ganger være lett å identifisere, for eksempel med et spikefilter som vil plukke ut feil pigger i tidsseriene data og korrigere for dem Andre ganger kan de være svært vanskelig å få øye på. Det er ofte nødvendig å ha to eller flere leverandører og deretter sjekke alle dataene sine mot hverandre. Oppfølgingsforstyrrelser er ofte en funksjon av gratis eller billige datasett. Et datasett med Overlevelsesforstyrrelser betyr at det ikke inneholder eiendeler som ikke lenger handler. For aksjer betyr dette avnoterte konkursbeholdninger Denne forutsetningen innebærer at en aksjehandelsstrategi som er testet på et datasett, sannsynligvis vil fungere bedre enn i den virkelige verden som de historiske vinnerne har allerede blitt forvalgt. Bedriftsaksjoner inkluderer logistiske aktiviteter utført av selskapet som vanligvis forårsaker en trinnfunksjon endring i råprisen, som ikke skal inkluderes i beregningen av prisavkastningen. Justeringer for utbytte og lagerskift er felles syndere En prosess kjent som tilbakestilling er nødvendig for å bli utført ved hver enkelt av disse tiltakene. En må være veldig forsiktig så du ikke forveksler en aksjespor opplyst med en ekte avkastningsjustering Mange næringsdrivende har blitt fanget av en bedriftsaksjon. For å kunne utføre en backtest-prosedyre, er det nødvendig å bruke en programvareplattform. Du har valget mellom dedikert backtest-programvare, for eksempel Tradestation, en numerisk plattform for eksempel Excel eller MATLAB eller en fullstendig tilpasset implementering i et programmeringsspråk som Python eller CI, vil jeg ikke holde meg for mye på Tradestation eller lignende, Excel eller MATLAB, da jeg tror på å skape en full intern teknologistekst av grunner som er skissert under One av fordelene ved å gjøre det er at backtestprogramvaren og utførelsessystemet kan være tett integrert, selv med ekstremt avanserte statistiske strategier. For HFT-strategier er det spesielt viktig å bruke en tilpasset implementering. Når du skal teste et system må man kunne kvantifisere hvordan vel det utfører Bransjestandardene for kvantitative strategier er maksimal drawdown og Sharpe Ratio Den maksimale drawdown karakteriserer l Argest peak-to-through dråpe i kontoen egenkapitalkurven over en bestemt tidsperiode vanligvis årlig Dette er oftest sitert som en prosentandel LFT strategier vil ha en tendens til å ha større drawdowns enn HFT strategier, på grunn av en rekke statistiske faktorer En historisk backtest vil vis den siste maksimale drawdownen som er en god guide for strategiens fremtidige drawdown-resultat. Den andre måling er Sharpe-forholdet, som er heuristisk definert som gjennomsnittet av meravkastningen dividert med standardavviket for disse meravkastningene her, overskytende avkastning refererer til retur av strategien over et forhåndsbestemt referansepunkt som S slippage, som er forskjellen mellom hva du ment at bestillingen din skal fylles i mot hva den faktisk var fylt på spredning, hvilket er forskjellen mellom budet spør prisen på sikkerheten som blir omsatt Merk at spredningen ikke er konstant og er avhengig av dagens likviditet, dvs. tilgjengeligheten av å kjøpe salgsordrer i merket Et. Transaksjonskostnader kan gjøre forskjellen mellom en ekstremt lønnsom strategi med et godt Sharpe-forhold og en ekstremt ulønnsom strategi med et forferdelig Sharpe-forhold. Det kan være en utfordring å korrekt forutsi transaksjonskostnader fra en backtest Avhengig av strategiens frekvens, vil trenge tilgang til historiske utvekslingsdata, som vil inkludere tickdata for tilbudspriser. Hele teamet av quants er dedikert til optimalisering av gjennomføring i de større fondene. Av disse grunnene Vurder situasjonen hvor et fond må avlaste en betydelig mengde handler av hvilke grunner til å gjøre det er mange og varierte Ved å dumpe så mange aksjer på markedet, vil de raskt presse prisen og muligens ikke få optimal utførelse. Algoritmer som dråper foderordrer på markedet eksisterer, selv om fondet risikerer å slippage I tillegg til at andre strategier byttes på disse nødvendighetene og kan utnytte ineffektivitetene Dette er domenet i fondstrukturen arbitrage. Det endelige hovedproblemet for kjøringssystemer gjelder divergens av strategiytelse fra backtested performance Dette kan skje av en rekke årsaker. Vi har allerede diskutert fremtidsforspenning og optimaliseringskonsekvens i dybden, når vi vurderer backtests. Noen strategier gjør det imidlertid ikke lett å teste for disse biases før distribusjon Dette skjer i HFT mest overveiende Det kan være feil i kjøringssystemet, så vel som handelsstrategien selv som ikke vises på en backtest, men DO vises i live trading Markedet kan ha vært gjenstand for et regimeendring etter utplasseringen av strategien Nye reguleringsmiljøer, endring av investorens følelser og makroøkonomiske fenomener kan alle føre til avvik i hvordan markedet oppfører seg og dermed lønnsomheten i din strategi. Risikostyring. Det endelige stykket til den kvantitative handel puslespill er prosessen med risikostyring Risiko inkluderer alle de tidligere forutsetningene vi har diskutert Det inkluderer technolo gy risiko, for eksempel servere samlokalisert på utveksling plutselig utvikle en harddisk feil Det inkluderer megler risiko, slik som megleren blir konkurs ikke så gal som det høres, gitt den siste skremme med MF Global Kort sagt dekker det nesten alt som kan muligens forstyrre handelsimplementasjonen, hvorav det er mange kilder Hele bøkene er viet til risikostyring for kvantitative strategier, så jeg vil ikke forsøke å belyse alle mulige risikokilder her. Risikostyring omfatter også det som kalles optimal kapitalallokering som er en gren av portefølje teori Dette er måten som kapital er allokert til et sett av forskjellige strategier og til handler innenfor disse strategiene. Det er et komplekst område og er avhengig av noen ikke-trivial matematikk. Industristandarden med hvilken optimal kapitalallokering og innflytelse av strategiene er relatert kalles Kelly-kriteriet Siden dette er en innledende artikkel, vant jeg ikke å holde meg på sin beregning ion Kelly-kriteriet gir noen antagelser om den statistiske karakteren av avkastningen, som ofte ikke holder fast i finansmarkedet, slik at handelsmenn ofte er konservative når det gjelder implementeringen. En annen viktig del av risikostyringen er å håndtere en s egen psykologisk profil Det er mange kognitive forstyrrelser som kan krype inn i handel Selv om dette er riktignok mindre problematisk med algoritmisk handel hvis strategien er igjen. En felles bias er at tap aversjon hvor en tapende stilling ikke vil bli stengt ut på grunn av smerten ved å ha å innse et tap På samme måte kan fortjenesten bli tatt for tidlig fordi frykten for å miste en allerede oppnådd fortjeneste kan være for stor. En annen vanlig bias kalles fornybarhet. Dette manifesterer seg når handelsmenn legger for mye vekt på nylige hendelser og ikke lenger Termen Deretter er det selvfølgelig det klassiske paret av følelsesmessige forstyrrelser - frykt og grådighet. Disse kan ofte føre til under - eller overforbruk, noe som kan føre til blåsing, opp, dvs. konto egenkapital overskriften til null eller verre eller redusert fortjeneste. Som det kan ses, er kvantitativ handel et ekstremt komplekst, men svært interessant, område med kvantitativ finans. Jeg har bokstavelig talt kløftet overflaten av emnet i denne artikkelen, og det er allerede blir ganske lang Hele bøker og papirer er skrevet om saker jeg bare har gitt en setning eller to. Av den grunn, før du søker om kvantitative fondhandelsjobber, er det nødvendig å utføre en betydelig mengde grunnarbeidstest. I det minste du vil trenge en omfattende bakgrunn i statistikk og økonometri, med stor erfaring i implementering, via et programmeringsspråk som MATLAB, Python eller R. For mer avanserte strategier ved høyere frekvensenden, vil ditt ferdighetssett sannsynligvis inkludere Linux-kjernemodifisering , CC, monteringsprogrammering og optimalisering av nettverkstid. Hvis du er interessert i å prøve å lage dine egne algoritmiske handelsstrategier, er min første forslag ville være å bli god til programmering. Min preferanse er å bygge så mye av data grabber, strategi backtester og kjøringssystem for deg selv som mulig. Hvis din egen hovedstad er på linjen, vil du ikke sove bedre om natten og vite at du har fullt ut testet systemet og er klar over sine fallgruver og bestemte problemer. Outsourcing dette til en leverandør, mens potensielt spare tid på kort sikt, kan være ekstremt dyrt på lang sikt. Bare å komme i gang med kvantitativ handel.