Handelsstrategier. Det maximala beloppet av pengar som Förenta staterna kan låna. Skuldtaket skapades enligt Second Liberty Bond Act. Räntan vid vilken ett förvaltningsinstitut lånar medel som förvaras i Federal Reserve till ett annat förvaringsinstitut.1 En statistisk åtgärd av Spridningen av avkastning för ett visst värdepapper eller marknadsindex Volatilitet kan antingen mätas. En akt som den amerikanska kongressen antog 1933 som banklagen, som förbjöd kommersiella banker att delta i investeringen. Nonfarm lön hänvisar till något jobb utanför gårdarna, privata hushåll och den ideella sektorn Den amerikanska presidiet för arbete. Valutakortet eller valutasymbolen för den indiska rupien INR, indiens valuta Rupén består av 1.Quant Strategies - är de för dig. Kvantitativa investeringsstrategier har utvecklats till väldigt komplexa verktyg med tillkomsten av moderna datorer, men strategierna går tillbaka över 70 år. De drivs vanligtvis av högutbildade lag och använda proprietära modeller för att öka deras förmåga att slå marknaden. Det finns till och med hylla program som är plug-and-play för dem som söker enkelhet. Kvantmodeller fungerar alltid bra när de testas igen, men deras faktiska applikationer och framgångsgrad är diskutabelt Även om de verkar fungera bra på tjurmarknaderna när marknaderna går haywire, är kvantstrategier utsatta för samma risker som någon annan strategi. Historien En av grundarna till studien av kvantitativ teori tillämpad på finans var Robert Merton. Du kan bara föreställ dig hur svårt och tidskrävande processen var innan datorn användes. Andra teorier i ekonomin utvecklades också från några av de första kvantitativa studierna, inklusive grunden för diversifiering av portföljen baserat på modern portföljteori. Användningen av både kvantitativ finansiering och kalkyl ledde till att många andra vanliga verktyg inklusive en av de mest kända, Black-Scholes alternativ prissättning formel, som inte bara hjälper investerare prisalternativ och utveckla strategier, men hjälper till att hålla marknaderna i kontroll med likviditeten. När de tillämpas direkt på portföljförvaltning är målet som varje annan investeringsstrategi för att mervärde, alfa eller meravkastning. Quants, som utvecklarna heter, komponerar komplexa matematiska modeller för att upptäcka investeringar möjligheter Det finns så många modeller där ute som quants som utvecklar dem och alla hävdar att de är bästa. En av en kvant investeringsstrategi s bästsäljande poäng är att modellen och slutligen datorn gör det faktiska köpförsäljningsbeslutet, inte en människa Det här tenderar att ta bort eventuellt känslomässigt svar som en person kan uppleva när man köper eller säljer investeringar. Några strategier accepteras nu i investeringssamhället och drivs av fonder, hedgefonder och institutionella investerare. De brukar gå med namnet alfa generatorer eller alfa gens. Beground gardinen Precis som i Wizard of Oz, är någon bakom gardinen som kör processen. Liksom med vilken modell som helst, är den bara lika bra som hummen en som utvecklar programmet Även om det inte finns något specifikt krav på att bli en kvant, kombinerar de flesta företag som köper kvantmodeller kompetensen hos investeringsanalytiker, statistiker och programmerare som kodar processen i datorerna. På grund av de matematiska och statistiska modellernas komplicerade karaktär , det är vanligt att se legitimationsuppgifter som doktorander i ekonomi, ekonomi, matematik och teknik. Historiskt har dessa lagmedlemmar arbetat i bakkontor men som kvantmodeller blev vanligare flyttar backkontoret till frontkontoret. Fördelar av Quant Strategies Medan den övergripande framgångsgraden är diskutabel, är orsaken till att vissa kvantstrategier fungerar, att de är baserade på disciplin. Om modellen har rätt håller disciplinen strategin i bruk med blixtsnabbsdatorer för att utnyttja ineffektivitet på marknaderna baserad på kvantitativa data Modellerna själva kan baseras på så lite som några förhållanden som PE-skuld till eget kapital och vinsttillväxt eller användning tusentals insatser som fungerar samtidigt. Succesfulla strategier kan hämta trender i sina tidiga skeden, eftersom datorerna ständigt driver scenarier för att lokalisera ineffektivitet innan andra gör. Modellerna kan analysera en mycket stor grupp av investeringar samtidigt, där den traditionella analytiker kan titta på bara ett fåtal i taget Screeningprocessen kan rangordna universum på betygsnivåer som 1-5 eller AF beroende på modell. Detta gör den faktiska handelsprocessen väldigt enkel genom att investera i de högt rankade investeringarna och sälja den låga - berättigade. De olika modellerna öppnar också variationer av strategier som långa, korta och långa korta. Framgångsrika kvantfonder håller koll på riskkontroll på grund av deras modellers karaktär. De flesta strategier börjar med ett universum eller riktmärke och använder sektorer och branschvikter i deras modeller Detta gör det möjligt för fonderna att kontrollera diversifieringen i viss utsträckning utan att kompromissa med själva modellen Quant funds typica lly går till lägre kostnad eftersom de inte behöver så många traditionella analytiker och portföljförvaltare att köra dem. Nackdelar med Quant Strategies Det finns anledningar till att så många investerare inte fullt ut tar hand om begreppet att låta en svart låda köra sina investeringar För alla De framgångsrika kvantfonderna där ute, lika många verkar vara misslyckade. Tyvärr för quants rykte, när de misslyckas misslyckas de stora tiden. Långsiktigt kapitalhantering var en av de mest kända kvanthäckfonderna, eftersom den drivs av vissa av de mest respekterade akademiska ledarna och två nobelministerns prisvinnande ekonomer Myron S Scholes och Robert C Merton Under 1990-talet genererade deras lag över genomsnittliga avkastningar och lockade kapital från alla typer av investerare. De var kända för att inte bara utnyttja ineffektivitet, utan också med enkel tillgång till kapital för att skapa enorma hävstångsbidrag på marknadsriktningar. Den disciplinerade karaktären hos deras strategi skapade faktiskt den svaghet som ledde till att de föll samman se Långfristig kapitalhantering likviderades och löstes i början av 2000. Modellerna inkluderade inte möjligheten att den ryska regeringen kunde standard på en del av sin egen skuld. Den här händelsen utlöste händelser och en kedjereaktion förstorad av hävstångsskapande förödelse LTCM var så starkt involverad i andra investeringsverksamheter som dess kollaps påverkade världsmarknaderna, vilket ledde till dramatiska händelser. På lång sikt gick Federal Reserve in för att hjälpa och andra banker och investeringsfonder stödde LTCM för att förhindra ytterligare skador. Detta är en av anledningarna till att kvant Fonder kan misslyckas eftersom de bygger på historiska händelser som inte kan inkludera framtida händelser. Även om ett starkt kvantteam kontinuerligt kommer att lägga till nya aspekter på modellerna för att förutsäga framtida händelser, är det omöjligt att förutsäga framtiden varje gång Quant-medel kan också bli överväldigad när ekonomin och marknaderna upplever större volatilitet. Köpa och sälja signaler kan komma så snabbt att den höga Omsättning kan skapa höga provisioner och skattepliktiga händelser. Kvantfonder kan också utgöra en fara när de marknadsförs som bärsäkra eller bygger på korta strategier. Att förutse nedgångar med hjälp av derivat och kombinera hävstång kan vara farligt. En fel tur kan leda till implosioner, vilket ofta gör nyheterna. Bottom Line Kvantitativa investeringsstrategier har utvecklats från svarta lådor i back office till vanliga investeringsverktyg. De är utformade för att utnyttja de bästa sinnena i verksamheten och de snabbaste datorerna för att både utnyttja ineffektivitet och använda hävstångseffekt för att göra marknadssatser. De kan vara mycket framgångsrikt om modellerna har inkluderat alla rätt ingångar och är fina nog för att förutsäga onormala marknadshändelser. På flipsidan, medan kvantfonder strängt testas tills de fungerar, är deras svaghet att de bygger på historiska data för deras framgång. stil investerar har sin plats på marknaden, det är viktigt att vara medveten om sina brister och risker för att vara konsekvent med h diversifieringsstrategier är det en bra idé att behandla kvantstrategier som en investeringsstil och kombinera den med traditionella strategier för att uppnå rätt diversifiering. Det maximala beloppet av pengar som Förenta staterna kan låna Skuldloftet skapades enligt Second Liberty Bond Act. Intresset ränta vid vilken en förvaringsinstitut lånar ut medel som förvaras i Federal Reserve till en annan förvaringsinstitut.1 En statistisk åtgärd av spridningen av avkastningen för ett visst värdepapper eller marknadsindex Volatilitet kan antingen mätas. En akt som amerikanska kongressen antog 1933 som Banken Act, som förbjudit kommersiella banker att delta i investeringen. Nonfarm lön hänvisar till något jobb utanför gårdar, privata hushåll och nonprofit sektorn Den amerikanska presidiet av Labor. The valuta förkortning eller valutasymbol för den indiska rupien INR, valutan av Indien Rupén består av 1.Beginner s Guide till kvantitativ handel. I den här artikeln kommer jag att presentera yo du till några av de grundläggande begreppen som följer med ett slutet-till-än-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 försök och skapa sin egen detaljhandels algoritmiska handelsaffär. Kvantitativ handel är ett extremt sofistikerat område med kvantfinansiering Det kan ta mycket tid att få den nödvändiga kunskapen för att skicka en intervju eller bygga 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. Att vara bekant med CC kommer därför att vara av största vikt. Ett kvantitativt handelssystem består av fyra huvudkomponenter. Strategiidentifiering - Hitta en strategi, utnyttja en kant och besluta om trading frequency. Strate gy Backtesting - Få data, analysera strategins prestanda och ta bort biases. Execution System - Länka till en mäklare, automatisera handeln och minimera transaktionskostnader. Risk Management - Optimal kapitaltilldelning, vadslagning Kelly kriterium och handelspsykologi. Vi börjar med att ta en titta på hur man identifierar en handelsstrategi. Strategi Identification. All kvantitativa handelsprocesser börjar med en första period av forskning. Denna forskningsprocess omfattar att hitta en strategi och se om strategin passar in i en portfölj av andra strategier du kan springa, skaffa data nödvändigt för att testa strategin och försöka optimera strategin för högre avkastning och eller lägre risk. Du måste faktor i dina egna kapitalkrav om du kör strategin som detaljhandlare och hur eventuella transaktionskostnader kommer att påverka strategin. I motsats till populär tro det är faktiskt ganska enkelt att hitta lönsamma strategier genom olika offentliga källor akademiker regelbundet publicera teoretiska handelsresultat om än för det mesta brutto av transaktionskostnader Kvantitativa finansbloggar kommer att diskutera strategier i detalj Handels tidskrifter kommer att skissera några av de strategier som används av medel. Du kan fråga om 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 inte ofta diskuterar de exakta parametrar och inställningsmetoder som de har genomfört. Dessa optimeringar är nyckeln till att göra en relativt medioker strategi till en mycket lönsam En faktum är att ett av de bästa sätten att skapa dina egna unika strategier är att hitta liknande metoder och sedan utföra din egen optimeringsprocedur. Här är en liten lista över platser att börja leta efter strategidesigner. Många av strategierna du kommer att titta på kommer att falla in i kategorierna av medel-reversion och trend-following momentum En genomsnittlig återställning st rategy är en som försöker utnyttja det faktum att ett långsiktigt medelvärde på en prisserie som spridningen mellan två korrelerade tillgångar existerar och att kortsiktiga avvikelser från detta medel kommer att återgå till en momentumstrategi som försöker utnyttja både investorspsykologi och stor fondstrukturen genom att hämta en tur på en marknadsutveckling som kan samla moment i en riktning och följa trenden tills den återgår. En annan enormt viktig aspekt av kvantitativ handel är frekvensen av handelsstrategin. Lågfrekvenshandel LFT hänvisar i allmänhet till vilken strategi som helst som innehar tillgångar längre än en handelsdag motsvarande högfrekvent handel HFT hänvisar i allmänhet till en strategi som innehar tillgångar intradag Ultrahögfrekvenshandel UHFT avser strategier som håller tillgångar i storleksordningen sekunder och millisekunder. Som en detaljhandlare är HFT och UHFT säkerligen möjligt, men bara med detaljerad kunskap om handelsteknikstaket och orderbokdynamik Vi vann td stryka dessa aspekter i stor utsträckning i denna inledande artikel. När en strategi eller uppsättning strategier har identifierats behöver den nu testas för lönsamhet på historiska data. Det är domänen för backtesting. Strategi Backtesting. Målet med backtesting är för att bevisa att strategin som identifierats via ovanstående process är lönsam när den tillämpas på både historisk och out-of-sample-data. Detta ställer förväntan på hur strategin ska fungera i den verkliga världen. Backtesting är INTE en garanti för framgång för olika orsaker Det är kanske det mest subtila området för kvantitativ handel eftersom det medför många förspänningar, vilket måste noggrant övervägas och elimineras så mycket som möjligt. Vi kommer att diskutera de gemensamma typerna av förspänning, inklusive blivande bias överlevnadsförmåga och optimering bias också känd som data-snooping bias Andra områden av betydelse inom backtesting inkluderar tillgänglighet och renlighet av historiska data, factoring i realistiska transaktioner på kostnader och besluta om en robust backtesting-plattform Vi kommer att diskutera transaktionskostnaderna ytterligare 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 datalagörer över alla tillgångsklasser. De kostar i allmänhet skala med dataens kvalitet, djup och aktualitet. Den traditionella utgångspunkten för att börja kvanthandlare, åtminstone på detaljhandeln, är att använda den fria datamängden från Yahoo Finance jag vann Jag bor inte på leverantörer för mycket här, men jag vill hellre koncentrera mig på de allmänna frågorna när det handlar om historiska dataset. De viktigaste problemen med historiska data är noggrannhet, överlevnadsperspektiv och justering för företagsåtgärder som utdelning och lageruppdelning. gäller den övergripande kvaliteten på data - om det innehåller några fel Fel kan ibland vara lätta att identifiera, till exempel wi ett spikfilter som kommer att välja felaktiga spikar i tidsseriedata och korrigera dem. Vid andra tillfällen kan de vara mycket svåra att upptäcka. Det är ofta nödvändigt att ha två eller flera leverantörer och sedan kontrollera alla sina data mot varandra. Förbättring bias är ofta en funktion av gratis eller billiga dataset En dataset med överlevnadsperspektiv innebär att den 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 sannolikt att fungera bättre än i den verkliga världen, eftersom de historiska vinnarna redan har förhandlats. Företagsåtgärder innefattar logistikaktiviteter som bedrivs av företaget som vanligtvis medför en stegfunktionsförändring i råpriset, som inte bör ingå i beräkningen av avkastning av priset Justeringar för utdelning och lager splittringar är de vanliga synderna En process som är känd som backjustering är nödvändig att utföras vid varje på e av dessa åtgärder Man måste vara mycket försiktig om att inte förväxla en aktiesplit med en sann avkastningsjustering Många en näringsidkare har blivit upptagen genom en företagsaktion. För att kunna genomföra ett backtestförfarande är det nödvändigt att använda en mjukvaruplattform som du har valet mellan dedikerad backtest-programvara, 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, vilket jag tror för att skapa en fullständig inbyggd teknikstack av skäl som beskrivs nedan En av fördelarna med att göra det är att backtestprogrammet och exekveringssystemet kan integreras tätt, även med extremt avancerade statistiska strategier. För HFT-strategier är det särskilt viktigt att använda en anpassad implementation. When backtesting ett system måste man kunna kvantifiera hur väl det fungerar. Branschstandardmetrimerna för kvantitativa strategier är maximala d rawdown och Sharpe-förhållandet Den maximala nedräkningen karaktäriserar den största topp-till-droppfallet i kontotkapitalkurvan under en viss tidsperiod vanligtvis årligen. Detta är oftast citerat som en procentuell LFT-strategin tenderar att ha större drawdowns än HFT-strategier, på grund av till ett antal statistiska faktorer En historisk backtest kommer att visa den senaste maximala drawdownen som är en bra guide för strategins framtida dragningsresultat. Den andra mätningen är Sharpe Ratio, som är heuristiskt definierad som genomsnittet av meravkastningen dividerat med standardavvikelsen för dessa överskjutande avkastningar Här hänvisar meravkastning till strategins återkomst över ett förutbestämt riktmärke som S-släpp, vilket är skillnaden mellan vad du menade att din order skulle fyllas i jämfört med vad den faktiskt fyllde vid spridning, vilket är skillnaden mellan anbudspriset för 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 historisk utbytesdata, som inkluderar kryssdata för budpris. Hela teamet av quants är dedikerade till optimering av genomförandet i de större fonderna, av dessa skäl. Tänk på scenariot där en fond måste avlasta en betydande mängd affärer, varför orsakerna till det är många och varierade. Genom att dumpa så många aktier på marknaden kommer de snabbt att trycka på priset och får inte uppnå optimal utförande. Därmed algoritmer som drar in matningsorder på marknaden finns, men då löper fonden risken att slippa bort. Dessutom ökar andra strategier på dessa nödvändigheter och kan utnyttja ineffektiviteten Detta är domänen för fondstrukturen arbitrage. Det sista huvudproblemet för exekveringssystem handlar om divergens av strategins prestanda från backtested prestanda Detta kan hända av ett antal anledningar. Vi har redan diskuterat framåtblickande bias och optimeringsförskjutning i djupet, när man överväger backtests Men vissa strategier gör det inte lätt att testa för dessa förskjutningar före utplacering Detta sker i HFT mest övervägande Det kan finnas buggar 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 reglerversion efter utplaceringen av din strategi Nya regleringsmiljöer, förändrade investerarnas känslor och makroekonomiska fenomen kan alla leda till avvikelser i hur marknaden beter sig och därmed lönsamheten i din strategi. Risk Management. The sista stycket till det kvantitativa tradingpuzzeln är processen för riskhantering Risk inclu av alla tidigare förevändningar som vi har diskuterat Det inkluderar teknikrisk, som servrar som är samlokaliserade vid utbytet plötsligt utvecklar en hårddiskfel Det inkluderar mäklarrisk, som att mäklaren blir konkurs, inte så galen som den låter, med tanke på den senaste tiden skrämma med MF Global I korthet täcker det nästan allt som eventuellt skulle kunna störa handelens genomförande, varav det finns många källor. Hela böckerna ägnas åt riskhantering för kvantitativa strategier, så jag vill inte försöka klargöra alla möjliga riskkällor här. Riskhantering omfattar också det som kallas optimal kapitalallokering som är en gren av portföljteori. Det här är det sätt på vilket kapital är allokerat till en uppsättning olika strategier och till affärer inom dessa strategier. Det är ett komplext område och bygger på vissa icke - - trivial matematik Branschstandarden genom vilken optimal kapitaltilldelning och hävstångseffekt av strategierna är relaterade kallas Kelly-kriteriet Eftersom det här är en inledande artikel, har jag inte behållit sin beräkning. Kelly-kriteriet ger några antaganden om den statistiska karaktären av avkastningen, som inte ofta håller sant på finansmarknaderna, så handlare är ofta konservativa när det gäller genomförandet. En annan Viktig komponent i riskhantering handlar om att hantera en egen psykologisk 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 kommer inte att stängas ut på grund av smärtan att behöva inse en förlust På samma sätt kan vinster tas för tidigt eftersom rädslan för att förlora en redan uppnådd vinst kan vara för stor. En annan vanlig bias är känd som nyhetsförspänning. Detta manifesteras när handlare lägger för mycket tonvikt på de senaste händelserna och inte på längre sikt Då är det naturligtvis det klassiska paret av emotionella fördomar - rädsla och girighet se kan ofta leda till under - eller överutnyttjande, vilket kan orsaka uppblåsning, dvs kontotkapitalrubriken till noll eller sämre eller lägre vinst. Som kan ses är kvantitativ handel ett extremt komplext, om än mycket intressant, område av kvantitativt finans Jag har bokstavligen klatrat ämnets yta i den här artikeln och det börjar redan bli ganska lång. Hela böcker och papper har skrivits om frågor som jag bara har givit en mening eller två mot. Därför, innan du ansöker om kvantitativa fondhandel jobb , är det nödvändigt att utföra en betydande mängd grundarbetarstudier. Du behöver åtminstone 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 optimering av nätets latentitet. Om du är intresserad av Jag försöker skapa egna algoritmiska handelsstrategier. Mitt första förslag skulle vara att bli bra på programmeringen. Min preferens är att bygga så mycket av datagrabber, strategi backtester och exekveringssystem själv som möjligt. Om din egen kapital är på linjen, skulle du inte sova bättre på natten och veta att du har testat ditt system fullt ut och är medveten om sina fallgropar och specifika problem. Att outsourca detta till en leverantör, kan potentiellt spara tid på kort sikt, vara mycket dyrt på lång sikt. Bara Komma igång med kvantitativ handel.
No comments:
Post a Comment