Kvantitativ Trading Strategies. Author Date 26 Jan 2011, Views. Quantitative Trading Strategies Utnytte kraften til kvantitative teknikker for å skape et vinnende handelsprogram 256 sider 1 utgave 16. juli 2003 0071412395 Filtype PDF 2 mb. Harnessing Kraften til kvantitative teknikker for å lage et vinnende handelsprogram Programmer Kestner Quantitative Trading Strategies tar leserne gjennom utviklings - og evalueringsstadiene i dagens s mest populære og markedsbeviste tekniske handelsstrategier. Kvantifisering av hver subjektiv beslutning i handelsprosessen, evaluerer denne analytiske boken arbeidet med kjente quants fra John Henry til Monroe Trout og introduserer 12 helt nye handelsstrategier Det debunks mange populære misforståelser, og er sikker på å gjøre wavesand forandre seg i verden av teknisk analyse og trading. Copyright Ansvarsfraskrivelse Dette nettstedet lagrer ikke filer på sin server Vi bare indekserer og lenke til innhold levert av andre nettsteder Ta kontakt med innholdet rs for å slette copyright innhold hvis noen og email oss, vil vi fjerne relevante lenker eller innhold umiddelbart. En empirisk analyse av kvantitative handelsstrategier. En empirisk analyse av kvantitative handelsstrategier. Advisor Andrew W Lo. Department Sloan School of Management. Publisert Massachusetts Institute of Technology. Date Utgitt 2008. Sammen med den økende datakraften, økte tilgjengeligheten av ulike datastrømmer, innføring av de elektroniske børsene, avtagende handelskostnader og oppvarmingskonkurranse i finansinvesteringsindustrien, kvantitative handelsstrategier eller kvantitative handelsregler har utviklet seg raskt på noen få tiår De utfordrer den effektive markedshypotesen ved å prøve å prognostisere fremtidige prisbevegelser av risikable eiendeler fra den historiske markedsinformasjonen på algoritmiske måter eller på statistiske måter. De forsøker å finne noen patter eller trender fra de historiske dataene og bruke dem til å slå markedets referanseindeks I denne undersøkelsen presenterer jeg flere kvantitative handelsstrategier og undersøke deres forestillinger empirisk, dvs. ved å gjennomføre backtester, forutsatt at SP 500-aksjeindeksen er en risikofylt aktiv for handel. Strategiene utnytter de historiske dataene i aksjeindeksen selv, volumbevegelse, risikofri rentebevegelse og underforståtte volatilitetsbevegelse for å generere kjøp eller salg av handelssignaler Da forsøker jeg å artikulere og dekomponere kilden til suksess for noen strategier i back-testene i flere faktorer som trendmønstre eller relasjoner mellom markedsinformasjonsvariabler på intuitiv måte. Noen strategier registreres høyere forestillinger enn referansepunktet i back-testene, men det er fortsatt et problem hvordan vi kan skille disse vinnerstrategiene på forhånd fra taperne i begynnelsen av investeringshorisonten. Mennesketisk skjønn som makrovisjon på fremtidens markedstendens anses å fortsatt spille en viktig rolle for kvantitativ handel for å lykkes i det lange løp. Tesis MBA - Massachusetts Institute of Technology, Sloan School of Management, 2008 Inkluderer bibliografiske referanser p 277-280.Keywords Sloan School of Management. Regner s Guide til kvantitativ handel. I denne artikkelen skal jeg introdusere deg til noen av de grunnleggende konseptene som følger med en end-to-end kvantitativ handelssystem 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 personer som ønsker å prøve å sette opp egen detaljhandel algoritmisk trading business. Quantitative trading er et 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 trading strategier Ikke bare det, men det krever omfattende programmeringskompetanse, i det minste på et språk som MATLAB, R eller Python Men da handelsfrekvensen i strategien øker, blir de teknologiske aspektene mye mer relevant Således å være kjent med CC vil være av avgjørende betydning. Et kvantitativt handelssystem består av fire hovedkomponenter. Strategiidentifikasjon - Finne en strategi, utnytte en kant og avgjøre om tradingfrekvens. Strategi Backstesting - Å skaffe data, analysere strategiytelse og fjerne biaser. 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 du identifiserer en handelsstrategi. Strategi Identifikasjon. Alle kvantitative handelsprosesser begynner med en første undersøkelsesperiode 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 strategien for høyere avkastning og eller lavere risiko Du må faktor i din egen kapitalbehov rements hvis kjører strategien som en detaljhandel og hvordan eventuelle transaksjonskostnader vil påvirke strategien. I motsetning til populær tro er det faktisk ganske greit å finne lønnsomme strategier gjennom ulike offentlige kilder. Akademikere publiserer regelmessig teoretiske handelsresultater, om enn det meste brutto transaksjonskostnader. Kvantitativ finans blogger vil diskutere strategier i detalj Handelsjournaler vil skissere noen av strategiene ansatt av midler. Du kan spørsmålet hvorfor enkeltpersoner og firmaer er opptatt av å diskutere deres lønnsomme strategier, spesielt når de vet at andre som trenger handel, kan stoppe strategien fra å jobbe i langsiktig 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 bære ut 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 i kategoriene av middelreversjon og trender-etter-momentum. En gjennombruddsstrategi er en som forsøk på å utnytte det faktum at et langsiktig middel på en prisserie som spredningen mellom to korrelerte eiendeler eksisterer, og at kortsiktige avvik fra dette mener vil til slutt gå tilbake. En momentumstrategi forsøker å utnytte både investorpsykologi og stor fondstruktur ved å hitching en tur på en markedstendens som kan samle fart i en retning og følge trenden til den reverserer. Et annet enormt viktig aspekt ved kvantitativ handel er frekvensen av handelsstrategien. Lavfrekvenshandel LFT refererer generelt til enhver strategi som holder eiendeler lenger enn en handelsdag Tilsvarende refererer høyfrekvent trading HFT generelt til en strategi som har eiendeler intradag Ultra-high frequency trading 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 handelssteknologistakken og ordrebokdynamikken. Vi har ikke tenkt å diskutere disse aspektene i stor grad i dette innledende artikkel. Når en strategi eller et sett av strategier er identifisert, må det nå testes for lønnsomhet på historiske data. Det er domenet til backtesting. Strategi Backtesting. Målet med backtesting er å gi bevis for at strategien identifisert via ovenfor prosessen er lønnsom når den brukes på både historiske og utgående data Dette setter forventningen om hvordan strategien vil utføre i den virkelige verden. Det er imidlertid ikke en garanti for suksess, av ulike grunner. Det er kanskje det mest subtile området av kvantitativ handel siden det innebærer en rekke forspenninger, som må vurderes og elimineres så mye som mulig. Vi vil diskutere de vanlige typene o f bias inkludere fremadrettede bias overlevelsesforstyrrelser og optimalisering bias 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 vil diskutere transaksjonskostnader videre i delen Execution Systems nedenfor. Når en strategi er identifisert, er det nødvendig å skaffe seg de historiske dataene gjennom hvilke å utføre testing og kanskje raffinering. Det er et betydelig antall dataleverandører på tvers av alle aktivaklasser. med kvaliteten, dybden og aktualiteten til dataene Det tradisjonelle utgangspunktet for begynnende kvanthandlere i det minste på detaljhandelsnivå er å bruke det frie datasettet fra Yahoo Finance jeg vil ikke bo på leverandører for mye her, heller jeg vil konsentrere meg på de generelle problemene når det gjelder historiske datasett. De viktigste bekymringene med historiske data inkluderer nøyaktighet c leanliness, overlevelsesforstyrrelser og justering for virksomhetsaksjoner som utbytte og aksjeskift. Accuracy gjelder den generelle kvaliteten på dataene - om det inneholder feil. Feil kan noen ganger være enkle å identifisere, for eksempel med et spikefilter som vil plukke ut feil spikes i tidsseriedata 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 billig datasett Et datasett med overlevelsesforstyrrelser betyr at det ikke inneholder eiendeler som ikke lenger handler. For aksjer betyr dette delistede konkursbeholdninger. Denne forutsetningen betyr at enhver aksjehandelsstrategi som er testet på en slik datasett, sannsynligvis vil fungere bedre enn i den virkelige verden som de historiske vinnerne allerede er forhåndsvalgte. Bedriftsaksjoner inkluderer logistiske aktiviteter utført av selskapet som vanligvis forårsaker en trinnfunksjon endring i råprisen som ikke skal inkluderes i beregningen av avkastningen på prisen. Justeringer for utbytte og aksjeklover er de vanlige synderne. En prosess kjent som tilbakestilling er nødvendig for å bli gjennomført ved hver av disse handlingene. En må være veldig forsiktig for ikke å forvirre en aksjesplitt med en ekte avkastningsjustering Mange en handelsmann har blitt fanget av en bedriftsaksjon. For å gjennomføre en backtest-prosedyre er det nødvendig å bruke en programvareplattform. Du har valget mellom dedikert backtest-programvare, slik som Tradestation, en numerisk plattform som 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, som jeg tror på å skape en fullstendig internt teknologisk stakk av grunner som er skissert nedenfor En av fordelene ved å gjøre det er at backtestprogramvaren og kjøresystemet kan være tett integrert, selv med ekstremt avansert statistisk strateg Ies For HFT-strategier er det spesielt viktig å bruke en tilpasset implementering. Når du skal teste et system, må man kunne kvantifisere hvor godt det utfører. Standardstandardene for kvantitative strategier er maksimal drawdown og Sharpe Ratio. Den maksimale drawdown karakteriserer største topp-til-gjennom-dråp 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 de meravkastningen. Her er overskudd avkastning refererer til retur av strategien over et forhåndsbestemt referanse som S slippage, som er differen ce mellom hva du ment at bestillingen din skal fylles i mot hva den faktisk var fylt til spredning, hvilket er forskjellen mellom budsprisen på sikkerheten som handles. Merk at spredningen ikke er konstant og er avhengig av dagens likviditet, dvs. tilgjengelighet av kjøp av salgsordrer i markedet. Transaksjonskostnader kan gjøre forskjellen mellom en ekstremt lønnsom strategi med et godt Sharpe-forhold og en ekstremt ulønnsom strategi med en forferdelig Sharpe-ratio. Det kan være en utfordring å korrekt forutse transaksjonskostnader fra en backtest Avhengig av frekvensen av strategien, vil du trenge tilgang til historiske utvekslingsdata, som vil inkludere tick-data for tilbudspriser. Hele teamet av quants er dedikert til optimalisering av gjennomføring i de større fondene, av disse grunnene Tenk på scenariet der et fond må avlastes en betydelig mengde bransjer som årsakene til dette er mange og varierte. Ved å dumpe så mange aksjer på markedet, vil de Jeg trykker raskt på prisen og kan ikke få optimal utførelse. Algoritmer som drikker foderordrer på markedet eksisterer, selv om fondet løper risikoen for glidning. I tillegg danner andre strategier for disse nødvendighetene og kan utnytte ineffektiviteten. Dette er domenet av arbitrage i fondstrukturen. Det endelige hovedproblemet for eksekveringssystemer gjelder divergens av strategiprestasjon fra tilbakeprøvd ytelse Dette kan skje av en rekke årsaker. Vi har allerede diskutert fremtidsforstyrrelser og optimaliseringskonsekvenser i dybden, når vi vurderer backtests. Noen strategier gjør imidlertid ikke gjør det enkelt 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 viser seg i live trading Markedet kan ha vært gjenstand for en regimeendring etter utplasseringen av strategien Nye reguleringsmiljøer, endring av investorstidspunktet nt og makroøkonomiske fenomener kan alle føre til avvik i hvordan markedet oppfører seg og dermed lønnsomheten i din strategi. Risikostyring. Det endelige stykket til det kvantitative handelspuslespillet er risikostyringsprosessen Risiko inkluderer alle de tidligere forutsetningene vi har diskutert Det inkluderer teknologibesparelser, for eksempel servere som er lokalisert på utvekslingen, plutselig utvikler en feil på harddisken. Det inkluderer meglerrisiko, slik at megleren blir konkurs, ikke så gal som det høres, gitt den siste skremme med MF Global. Kort sagt dekker det nesten alt Det kan muligens forstyrre handelsimplementeringen, hvorav det er mange kilder. Hele bøkene er viet til risikostyring for kvantitative strategier, så jeg vil ikke forsøke å belyse alle mulige kilder til risiko her. Risikostyring omfatter også det som kalles optimal kapital allokering som er en gren av porteføljeorientering Dette er måten som kapital er allokert til et sett av ulike strategier ies og handler innenfor disse strategiene. Det er et komplekst område og er avhengig av noen ikke-trivial matematikk. Industristandarden som optimal kapitalfordeling og innflytelse av strategiene er relatert kalles Kelly-kriteriet. Siden dette er en innledende artikkel, vandret jeg t legger på beregningen 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 selvsagt er mindre problematisk med algoritmisk handel hvis strategien er igjen. En felles bias er at tap aversjon hvor en tapende stilling ikke vil bli stengt på grunn av smerten ved å innse et tap på samme måte kan fortjenesten bli tatt for tidlig fordi frykten for å miste en allerede oppnådd fortjeneste kan b e for stor En annen vanlig bias er kjent som gjennomsiktighetsforstyrrelser Dette manifesterer seg når handelsmenn legger for mye vekt på nylige hendelser og ikke på lengre sikt. Så selvfølgelig er det det klassiske paret av følelsesmessige forstyrrelser - frykt og grådighet. Disse kan ofte føre til under - eller overbelastning, noe som kan føre til oppblåsning, dvs. kontoskapitaloverskriften 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 skrapet overflaten av emnet i denne artikkelen, og det blir allerede ganske lenge. Hele bøker og papirer er skrevet om problemer som jeg bare har gitt en setning eller to. Av den grunn, før du søker om kvantitative fondhandelsjobber, er det nødvendig å bære ut en betydelig mengde grunnarbeidstudie I det minste trenger du en omfattende bakgrunn i statistikk og økonometri, med stor erfaring i implementering, via en programmeringslangua Ge som MATLAB, Python eller R For mer sofistikerte strategier ved høyere frekvensenden, vil ditt ferdighetssett sannsynligvis inkludere Linux-kjernemodifisering, CC, monteringsprogrammering og nettverkslatensoptimalisering. Hvis du er interessert i å prøve å lage din egen algoritmiske handel strategier, mitt første forslag ville være å bli god til programmering. Min preferanse er å bygge så mye av data grabber, strategi backtester og eksekveringssystem av deg selv som mulig. Hvis din egen hovedstad er på linjen, ville du ikke sove bedre om natten at du har testet systemet fullt ut og er klar over fallgruvene og bestemte problemstillinger. Outsourcing dette til en leverandør, samtidig som det kan spare tid på kort sikt, kan være ekstremt dyrt på lang sikt. Bare å komme i gang med kvantitativ handel.
No comments:
Post a Comment