Strategie handlu ilościowego pdf

Handel ilościowym Co to jest handel ilościowy Handel ilościami składa się z strategii handlowych opartych na analizie ilościowej. które opierają się na obliczeniach matematycznych i liczeniu liczb w celu określenia możliwości handlowych. Ponieważ handel ilościowy jest powszechnie używany przez instytucje finansowe i fundusze hedgingowe. transakcje są zwykle duże i mogą obejmować kupno i sprzedaż setek tysięcy akcji i innych papierów wartościowych. Jednakże handel ilościowy staje się coraz powszechniej używany przez indywidualnych inwestorów. BREAKING DOWN Ilościowa Cena i Wolumen obrotu to dwa bardziej powszechne dane wprowadzane w analizie ilościowej jako główne dane wejściowe do modeli matematycznych. Ilościowe techniki obrotu obejmują handel o wysokiej częstotliwości. handlu algorytmicznego i arbitrażu statystycznego. Techniki te są szybkie i zazwyczaj mają krótkoterminowe horyzonty inwestycyjne. Wielu handlowców ilościowych jest bardziej zaznajomionych z narzędziami ilościowymi, takimi jak średnie ruchome i oscylatory. Zrozumienie ilościowego handlu Ilościowe podmioty gospodarcze korzystają z nowoczesnej technologii, matematyki i dostępności kompleksowych baz danych do podejmowania racjonalnych decyzji handlowych. Ilościowi handlowcy podejmują technikę handlową i tworzą jej model za pomocą matematyki, a następnie opracowują program komputerowy, który stosuje model do historycznych danych rynkowych. Model jest następnie sprawdzany i zoptymalizowany. Jeśli osiągnięte zostaną korzystne wyniki, system jest następnie wdrażany na rynkach czasu rzeczywistego z prawdziwym kapitałem. Sposób, w jaki funkcjonują modele ilościowe, można najlepiej opisać stosując analogię. Zastanów się nad raportem pogodowym, w którym meteorolog przewiduje 90 szans na deszcz, podczas gdy słońce świeci. Meteorolog wyciąga ten sprzeczny ze sobą wniosek, zbierając i analizując dane klimatyczne z czujników na całym obszarze. Skomputeryzowana analiza ilościowa ujawnia konkretne wzorce w danych. Kiedy te wzorce są porównywane z tymi samymi wzorcami ujawnionymi w historycznych danych klimatycznych (backtesting), a 90 na 100 razy wynikiem jest deszcz, to meteorolog może wyciągnąć wnioski z ufnością, stąd prognoza 90. Ilościowe podmioty gospodarcze stosują ten sam proces na rynku finansowym do podejmowania decyzji handlowych. Zalety i wady obrotu ilościowego Celem handlu jest wyliczenie optymalnego prawdopodobieństwa realizacji dochodowego handlu. Typowy przedsiębiorca może efektywnie monitorować, analizować i podejmować decyzje handlowe na ograniczonej liczbie papierów wartościowych, zanim ilość przychodzących danych przewyższy proces podejmowania decyzji. Wykorzystanie ilościowych technik handlu rozświetla ten limit, wykorzystując komputery do automatycznego monitorowania, analizy i podejmowania decyzji handlowych. Pokonywanie emocji jest jednym z najbardziej rozpowszechnionych problemów z handlem. Czy to strach czy chciwość, gdy handel, emocje służą tylko do strofowania racjonalnego myślenia, co zwykle prowadzi do strat. Komputery i matematyka nie posiadają emocji, więc wymiana ilościowa eliminuje ten problem. Handel ilościami ma swoje problemy. Rynki finansowe to jedne z najbardziej dynamicznych podmiotów, które istnieją. Dlatego też modele ilościowego handlu muszą być tak dynamiczne, aby były konsekwentnie skuteczne. Wielu przedsiębiorców ilościowych rozwija modele, które są czasowo opłacalne z powodu warunków rynkowych, na które zostały opracowane, ale w końcu ulegają zmianie, gdy zmiany warunków rynkowych zmieniają się. Strategie - to dla ciebie Ilościowe strategie inwestycyjne przekształciły się w bardzo skomplikowane narzędzia wraz z pojawieniem się nowoczesnych komputerów , ale korzenie strategii sięgają ponad 70 lat. Zazwyczaj są prowadzone przez wysoce wykształconych zespołów i wykorzystują własne modele w celu zwiększenia ich zdolności do pokonania rynku. Są nawet programy off-the-shelf, które są plug-and-play dla tych, którzy szukają prostoty. Modele Quant zawsze działają dobrze, gdy są testowane, ale ich rzeczywiste aplikacje i szybkość powodzenia są dyskusyjne. Choć wydają się dobrze działać na rynkach byków. kiedy rynki się pogrążają, strategie kwantowe są narażone na takie same ryzyko, jak inne strategie. Historia Jednym z ojców założycieli teorii ilościowej stosowanej do finansów była Robert Merton. Można tylko sobie wyobrazić, jak trudne i czasochłonne było to, że proces był używany przed komputerami. Inne teorie w dziedzinie finansów ewaluowały również niektóre z pierwszych badań ilościowych, w tym podstawy dywersyfikacji portfeli opartej na nowoczesnej teorii portfeli. Wykorzystanie zarówno ilościowego finansowania, jak i rachunku przyczyniło się do wielu innych popularnych narzędzi, w tym jednej z najbardziej znanych formuły wyceny opcji Black-Scholes, która nie tylko pomaga inwestorom w ustalaniu cen i opracowuje strategie, ale pomaga zachować rynki w kontroli płynności. Stosowane bezpośrednio do zarządzania portfelem. cel jest jak każda inna strategia inwestycyjna. dodawanie wartości, alfa lub nadwyżki. Quants, jak wywołują deweloperzy, komponują złożone modele matematyczne w celu wykrycia możliwości inwestycyjnych. Istnieje tak wiele modeli, jak tam quants, którzy je rozwijają, a wszystkie twierdzą, że są najlepsze. Jedną z najatrakcyjniejszych inwestycji w strategie inwestycyjne jest to, że model, a ostatecznie komputer, czyni rzeczywistą decyzję buysell, a nie człowieka. Ma to tendencję do usuwania wszelkiej emocjonalnej reakcji, jaką może doświadczyć osoba podczas zakupu lub sprzedaży inwestycji. Strategie Quant są teraz akceptowane w społeczności inwestycyjnej i prowadzone przez fundusze inwestycyjne, fundusze hedgingowe i inwestorów instytucjonalnych. Zazwyczaj używają nazwy generatorów alfa. lub alfa. Za zasłoną Podobnie jak w Czarodzieju z Oz, ktoś za zasłoną prowadzi proces. Podobnie jak w przypadku każdego modelu, jest tak dobry, jak człowiek, który rozwija program. Choć nie ma konkretnego wymogu, aby stać się kwantem, większość firm prowadzących modele kwantowe łączy umiejętności analityków inwestycyjnych, statystów i programistów, którzy kodują proces na komputery. Ze względu na skomplikowany charakter modeli matematycznych i statystycznych jest powszechny, aby uzyskać poświadczenia, takie jak stopnie naukowe i doktoraty z dziedziny finansów, ekonomii, matematyki i inżynierii. Historycznie, członkowie zespołu pracowali w biurach. ale jako modele kwantowe stało się bardziej powszechne, biuro back office przenosi się do front office. Korzyści z Quant Strategies Chociaż ogólna liczba sukcesów jest dyskusyjna, to niektóre strategie pracy kwantowej są takie, że opierają się na dyscyplinie. Jeśli model jest słuszny, dyscyplina utrzymuje strategię pracy z komputerami szybkobieżnymi w celu wykorzystania nieefektywności na rynkach na podstawie danych ilościowych. Same modele mogą opierać się na zaledwie kilku stosunkach, takich jak PE. długów do kapitału własnego i wzrostu zysków lub wykorzystywać tysiące wejść pracujących jednocześnie w tym samym czasie. Skuteczne strategie mogą podążać za trendami we wczesnych etapach, ponieważ komputery stale uruchamiają scenariusze, aby określić nieefektywność przed innymi. Modele są w stanie analizować bardzo dużą grupę inwestycji równocześnie, gdzie tradycyjny analityk może oglądać tylko kilka na raz. Proces przesiewowy może ocenić wszechświat według poziomów klasy, np. 1-5 lub A-F w zależności od modelu. Sprawia to, że rzeczywisty proces handlowy jest bardzo prosty, inwestując w wysoko oceniane inwestycje i sprzedając nisko oceniane. Modele Quanta otwierają również różne strategie, takie jak długie, krótkie i długie ognie. Skuteczne fundusze kwantowe dbają o kontrolę ryzyka ze względu na charakter swoich modeli. Większość strategii zaczyna się od wszechświata lub benchmarku i wykorzystuje wagi sektorowe i branżowe w swoich modelach. Pozwala to funduszom kontrolować dywersyfikację w pewnym stopniu bez uszczerbku dla samego modelu. Fundusze kwotowe zwykle działają w oparciu o niższe koszty, ponieważ nie potrzebują tak wielu tradycyjnych analityków i zarządzających portfelami, aby je uruchamiać. Wady Strategii Quant Istnieją powody, dla których tak wielu inwestorów nie w pełni uwzględnia koncepcję wynajmu czarnej skrzynki prowadzenia swoich inwestycji. Dla wszystkich pomyślnych funduszy kwantowych tam, jak wielu wydaje się nieudane. Niestety, dla reputacji quants, gdy się nie udają, nie mają wielkiego czasu. Długoterminowe zarządzanie kapitałem było jednym z najbardziej znanych funduszy hedgingowych, gdyż prowadzone były przez niektórych najbardziej cenionych liderów akademickich oraz dwóch ekonomistów z Myronu S. Scholesa i Roberta C. Mertona. W latach dziewięćdziesiątych ich zespół generował ponadprzeciętne zyski i przyciągnął kapitał od wszystkich typów inwestorów. Byli znani z nie tylko wykorzystania nieefektywności, ale także łatwego dostępu do kapitału, aby stworzyć olbrzymie zakłady dźwigniowe na kierunkach rynkowych. Zdyscyplinowany charakter ich strategii faktycznie stworzył słabość, która doprowadziła do ich upadku. Długoterminowe zarządzanie kapitałem zostało zlikwidowane i rozwiązane na początku 2000 roku. Jej modele nie uwzględniały możliwości, że rząd rosyjski mógłby spłacić część swojego długu. To jedno zdarzenie wywołało zdarzenia i reakcję łańcuchową powiększoną przez spustoszenie spowodowane dźwignią. LTCM był tak bardzo zaangażowany w inne operacje inwestycyjne, że jego upadek wpłynął na rynki światowe, powodując dramatyczne wydarzenia. W dłuższej perspektywie Federal Reserve wkroczył do pomocy, a inne banki i fundusze inwestycyjne wspierały LTCM w celu uniknięcia dalszych szkód. Jest to jeden z powodów, dla których kwota może się nie powieść, ponieważ są one oparte na wydarzeniach historycznych, które mogą nie obejmować przyszłych wydarzeń. Chociaż silny zespół kwantowy będzie stale dodawać nowe aspekty modeli do przewidywania przyszłych wydarzeń, niemożliwych do przewidzenia przyszłości za każdym razem. Fundusze kwantowe mogą również zostać przytłoczone, gdy gospodarka i rynki doświadczają większego niż przeciętna zmienności. Sygnały kupna i sprzedaży mogą się tak szybko, że wysokie obroty mogą generować wysokie prowizje i zdarzenia podatkowe. Fundusze Quant mogą również stanowić zagrożenie, gdy są wprowadzane do obrotu jako niedźwiedzie lub są oparte na krótkich strategiach. Prognozowanie spadków. stosowanie instrumentów pochodnych i łączenie dźwigni finansowej może być niebezpieczne. Jeden zły zwrot może prowadzić do implozji, które często składają się na wiadomości. Dolna linia Ilościowe strategie inwestycyjne ewoluowały z czarnych pól back office do głównych narzędzi inwestycyjnych. Są one przeznaczone do wykorzystania najlepszych umysłów w biznesie i najszybszych komputerach, aby zarówno wykorzystać nieefektywność jak i wykorzystać dźwignię do zakładów na rynku. Mogą być bardzo skuteczne, jeśli modele zawierają wszystkie właściwe dane wejściowe i są wystarczająco elastyczne, aby przewidzieć nieprawidłowe zdarzenia rynkowe. Z drugiej strony, a fundusze kwantowe są rygorystycznie sprawdzane do czasu ich pracy, ich słabość polega na tym, że polegają na danych historycznych na ich sukces. Chociaż inwestycje typu kwantowego mają swoje miejsce na rynku, ważne jest, aby mieć świadomość jego niedociągnięć i ryzyka. Aby być spójnym ze strategiami dywersyfikacji. dobrym pomysłem jest traktowanie strategii kwantowych jako stylu inwestowania i łączenie jej z tradycyjnymi strategiami, aby osiągnąć odpowiednią dywersyfikację. Ekonomiczna teoria całkowitych wydatków w gospodarce i jej wpływu na produkcję i inflację. Opracowano ekonomię keynesowską. Aktywa w portfelu. Inwestycje portfelowe są realizowane z oczekiwaniem na uzyskanie zwrotu z inwestycji. To. Stosunek opracowany przez Jacka Treynora, który mierzy zarobki uzyskane ponad to, co można zarobić na ryzyku. Odkup akcji (odkupu) przez spółkę w celu zmniejszenia liczby akcji na rynku. Firmy. Zwrotem podatkowym jest zwrot podatku od osób fizycznych lub domowych, gdy rzeczywiste zobowiązanie podatkowe jest niższe od kwoty. Wartość pieniężna wszystkich gotowych towarów i usług wyprodukowanych w granicach danego kraju w określonym czasie. Przewodnik po obrotach ilościowych W tym artykule przedstawię Wam kilka podstawowych pojęć towarzyszących kompleksowemu obrotowi ilościowemu system. Ten post, miejmy nadzieję, będzie służył dwóm audytorom. Pierwszymi będą osoby starające się o pracę w funduszu jako handlowiec ilościowy. Drugi to osoby, które chciałyby spróbować założyć własną firmę handlującą algorytmami handlu detalicznego. Handel ilościowy jest niezwykle wyrafinowanym obszarem finansów kwantowych. Może to zająć dużo czasu, aby zdobyć niezbędną wiedzę do przeprowadzenia wywiadu lub skonstruowania własnych strategii handlowych. Nie tylko, ale wymaga dużej wiedzy programistycznej, przynajmniej w języku takim jak MATLAB, R lub Python. Jednak wraz ze wzrostem częstotliwości handlu strategia technologiczna staje się o wiele bardziej istotna. Tak więc znajomość CC będzie miała ogromne znaczenie. Ilościowy system transakcyjny składa się z czterech głównych komponentów: Identyfikacja strategii - Znalezienie strategii, wykorzystanie przewagi i ustalenie częstotliwości obrotu Strategia Analiza historyczna - Pozyskanie danych, analiza skuteczności strategii i usunięcie błędów System wykonywania zleceń - Połączenie z domem maklerskim, automatyzacja transakcji i minimalizacja koszty transakcji Zarządzanie ryzykiem - optymalna alokacja kapitału, wielkość zakładuWyjątkowe kryterium i psychologia handlowa Zacznij od przyjrzenia się, jak rozpoznać strategię handlową. Identyfikacja strategii Wszystkie ilościowe procesy handlowe rozpoczynają się od początkowego okresu badań. Ten proces badawczy obejmuje znalezienie strategii, sprawdzanie, czy strategia mieści się w portfolio innych strategii, które można uruchomić, pozyskiwanie wszelkich danych niezbędnych do testowania strategii i próbę optymalizacji strategii w celu uzyskania wyższych zysków i niższego ryzyka. Będziesz musiał uwzględnić własne wymogi kapitałowe, jeśli strategia będzie prowadzona jako sprzedawca detaliczny i jak wszelkie koszty transakcji wpłyną na strategię. Wbrew powszechnemu przekonaniu jest całkiem proste znalezienie skutecznych strategii za pośrednictwem różnych źródeł publicznych. Nauczyciele akademiccy regularnie publikują teoretyczne wyniki handlu (aczkolwiek przeważnie obfitujące w koszty transakcji). Ilościowe blogi finansowe omawiają szczegółowo strategie. W dziennikach handlowych zostaną zarysowane niektóre strategie stosowane przez fundusze. Można by zapytać, dlaczego osoby prywatne i firmy chętnie dyskutują o swoich dochodowych strategiach, zwłaszcza gdy wiedzą, że inni tłoczyli się w handlu, może zatrzymać strategię na dłuższą metę. Przyczyna leży w tym, że nie będą często omawiać dokładnie parametrów i metod strojenia, które przeprowadzili. Optymalizacje te są kluczem do przekształcenia stosunkowo kiepskiej strategii w wysoce rentowną. W rzeczywistości jednym z najlepszych sposobów tworzenia własnych unikatowych strategii jest znalezienie podobnych metod, a następnie przeprowadzenie własnej procedury optymalizacji. Oto mała lista miejsc, w których można zacząć szukać pomysłów na strategię: Wiele strategii, które przyjrzysz się, znajdzie się w kategoriach średniej-rewersji i trend-followmomentum. Strategia powrotu do średniej to taka, która próbuje wykorzystać fakt, że istnieje długoterminowa średnia dla serii cen (takich jak różnica między dwoma skorelowanymi aktywami) i że krótkoterminowe odchylenia od tej średniej ostatecznie się odwrócą. Strategia rozpędu próbuje wykorzystać zarówno psychologię inwestorów, jak i strukturę dużych funduszy, łącząc trend rynkowy, który może nabrać rozpędu w jednym kierunku i podążać za trendem, aż się odwróci. Kolejnym niezwykle istotnym aspektem handlu ilościowego jest częstotliwość strategii handlowej. Handel niskimi częstotliwościami (LFT) odnosi się ogólnie do każdej strategii, która utrzymuje aktywa dłużej niż jeden dzień handlowy. Odpowiednio, transakcje o wysokiej częstotliwości (HFT) ogólnie odnoszą się do strategii, która utrzymuje śróddzienne aktywa. Handel ultra-wysokimi częstotliwościami (UHFT) odnosi się do strategii, które przechowują aktywa w kolejności sekund i milisekund. Jako praktyk sprzedaży detalicznej HFT i UHFT są z pewnością możliwe, ale tylko ze szczegółową znajomością stosu technologii handlowej i dynamiki portfela zamówień. W tym wstępnym artykule nie będziemy omawiać tych aspektów w jakikolwiek sposób. Po zidentyfikowaniu strategii lub zestawu strategii należy ją przetestować pod kątem opłacalności na danych historycznych. To jest dziedzina analizy historycznej. Strategia Backtesting Celem weryfikacji historycznej jest dostarczenie dowodów na to, że strategia zidentyfikowana za pomocą powyższego procesu przynosi zyski, gdy jest stosowana do danych historycznych i pozapróbkowych. To określa, w jaki sposób strategia będzie działać w rzeczywistym świecie. Jednak analiza historyczna NIE jest gwarancją sukcesu z różnych powodów. Jest to prawdopodobnie najbardziej subtelny obszar handlu ilościowego, ponieważ pociąga za sobą liczne uprzedzenia, które należy starannie rozważyć i wyeliminować w jak największym stopniu. Omówimy powszechne rodzaje błędów, w tym uprzedzenia wyprzedzające. rozbieżność w zachowaniu i tendencja optymalizacyjna (określana również jako "sabotaż danych"). Inne obszary ważne w ramach analizy historycznej obejmują dostępność i czystość danych historycznych, uwzględniające realistyczne koszty transakcyjne i decydujące o solidnej platformie analizy historycznej. Dobrze omówmy koszty transakcji w dalszej części poniższej sekcji Systemy wykonawcze. Po zidentyfikowaniu strategii konieczne jest uzyskanie danych historycznych, za pomocą których można przeprowadzić testowanie i, być może, udoskonalić. Istnieje znaczna liczba dostawców danych we wszystkich klasach aktywów. Ich koszty na ogół skalują się z jakością, głębokością i aktualnością danych. Tradycyjnym punktem wyjścia dla początkujących handlowców ilościowych (przynajmniej na poziomie detalicznym) jest wykorzystanie bezpłatnego zestawu danych z Yahoo Finance. Nie będę tutaj zbyt często zastanawiał się nad dostawcami, a raczej chciałbym skupić się na ogólnych kwestiach związanych z zestawami danych historycznych. Główne problemy związane z danymi historycznymi obejmują dokładność, odchylenie w zachowaniu i dostosowanie do działań korporacyjnych, takich jak dywidendy i podziały akcji: Dokładność odnosi się do ogólnej jakości danych - bez względu na to, czy zawiera błędy. Błędy mogą być czasami łatwe do zidentyfikowania, na przykład z filtrem impulsów. który wykryje nieprawidłowe skoki w danych szeregów czasowych i skoryguje je. Innym razem mogą być bardzo trudne do wykrycia. Często konieczne jest posiadanie dwóch lub więcej dostawców, a następnie sprawdzanie wszystkich swoich danych względem siebie. Obciążenie związane z nieszczęściem jest często cechą darmowych lub tanich zestawów danych. Zbiór danych z nastawieniem na przetrwanie oznacza, że ​​nie zawiera on aktywów, które nie są już przedmiotem handlu. W przypadku akcji oznacza to delistingbankrupt akcji. To nastawienie oznacza, że ​​każda strategia handlu akcjami przetestowana na takim zestawie danych prawdopodobnie będzie działać lepiej niż w realnym świecie, ponieważ historyczni zwycięzcy zostali już wcześniej wybrani. Działania korporacyjne obejmują działania logistyczne prowadzone przez firmę, które zwykle powodują zmianę funkcji ceny surowej, która nie powinna być uwzględniana przy obliczaniu zwrotu z ceny. Korekty dotyczące dywidend i podziału akcji są częstymi sprawcami. W każdym z tych działań należy przeprowadzić proces zwany dostosowaniem wstecznym. Trzeba być bardzo ostrożnym, aby nie pomylić podziału akcji z prawdziwym dostosowaniem zwrotów. Wielu przedsiębiorców zostało przyłapanych na skutek działań korporacyjnych. W celu przeprowadzenia procedury analizy historycznej konieczne jest skorzystanie z platformy oprogramowania. Masz do wyboru dedykowane oprogramowanie do testów historycznych, takie jak Tradestation, platforma numeryczna, na przykład Excel lub MATLAB, lub pełna implementacja niestandardowa w języku programowania, takim jak Python lub C. Nie będę zbytnio zajmować się Tradestation (lub podobnym), Excelem lub MATLAB, ponieważ wierzę w tworzenie pełnego wewnętrznego stosu technologii (z powodów opisanych poniżej). Jedną z korzyści jest to, że oprogramowanie do testowania historycznego i system wykonawczy mogą być ściśle zintegrowane, nawet z bardzo zaawansowanymi strategiami statystycznymi. W przypadku strategii HFT szczególnie ważne jest zastosowanie niestandardowej implementacji. Podczas weryfikacji historycznej systemu należy ocenić jego wydajność. Standardowymi wskaźnikami branżowymi dla strategii ilościowych są maksymalne wypłaty i współczynnik Sharpe'a. Maksymalny poziom wypłaty charakteryzuje się największym spadkiem wartości rynkowej konta w danym okresie (zwykle rocznym). Jest to najczęściej podawane w procentach. Strategie LFT będą miały zwykle większe wypłaty niż strategie HFT, ze względu na szereg czynników statystycznych. Historyczna analiza historyczna pokaże maksymalną wypłatę z przeszłości, która jest dobrym wskaźnikiem dla przyszłej skuteczności strategii. Drugim pomiarem jest Sharpe Ratio, który jest heurystycznie definiowany jako średnia nadwyżki zwrotów podzielona przez odchylenie standardowe tych nadwyżek zwrotów. W tym przypadku nadwyżka zwrotów odnosi się do zwrotu strategii powyżej ustalonego wcześniej poziomu odniesienia. takie jak SP500 lub trzymiesięczna ustawa skarbowa. Zwróć uwagę, że annualizowany zwrot nie jest miarą zwykle wykorzystywaną, ponieważ nie uwzględnia zmienności strategii (w przeciwieństwie do Sharpe Ratio). Po odrzuceniu strategii i uznaniu jej za wolną od uprzedzeń (na tyle, na ile jest to możliwe), przy dobrym Sharpie i zminimalizowanych wypłatach, nadszedł czas na zbudowanie systemu wykonawczego. Systemy realizacji System realizacji to sposób, w jaki lista transakcji generowanych przez strategię jest wysyłana i wykonywana przez brokera. Pomimo tego, że generowanie handlu może być częściowo lub nawet w pełni zautomatyzowane, mechanizm wykonawczy może być ręczny, pół-manualny (to jest za pomocą jednego kliknięcia) lub w pełni zautomatyzowany. W przypadku strategii LFT często stosuje się techniki ręczne i pół-manualne. W przypadku strategii HFT konieczne jest stworzenie w pełni zautomatyzowanego mechanizmu realizacji, który często będzie ściśle powiązany z generatorem handlu (ze względu na współzależność strategii i technologii). Kluczowe kwestie związane z tworzeniem systemu wykonawczego są interfejsem do pośrednictwa. minimalizacja kosztów transakcyjnych (w tym prowizji, poślizgu i spreadu) oraz rozbieżności w wydajności systemu na żywo z testowanej wydajności. Istnieje wiele sposobów na połączenie z brokerem. Obejmują one od wywoływania brokera przez telefon aż po w pełni zautomatyzowany interfejs API (Application Programming Interface). Idealnie chcesz zautomatyzować wykonywanie swoich transakcji w jak największym stopniu. Pozwala to skoncentrować się na dalszych badaniach, a także pozwala na uruchamianie wielu strategii, a nawet strategii o wyższej częstotliwości (w rzeczywistości HFT jest zasadniczo niemożliwe bez automatycznego wykonywania). Powszechnie stosowane oprogramowanie do analizy historycznej, takie jak MATLAB, Excel i Tradestation, jest dobre dla prostszych strategii o niższej częstotliwości. Konieczne będzie jednak zbudowanie wewnętrznego systemu wykonawczego napisanego w języku o wysokiej wydajności, takim jak C, w celu wykonania prawdziwego HFT. Jako anegdota, w funduszu, w którym kiedyś byłem zatrudniony, mieliśmy 10-minutową pętlę transakcyjną, w której pobieraliśmy nowe dane rynkowe co 10 minut, a następnie przeprowadzaliśmy transakcje na podstawie tych informacji w tym samym przedziale czasowym. Użyto zoptymalizowanego skryptu w języku Python. Jeśli chodzi o wszystko, co zbliża się do minutowej lub drugiej częstotliwości, uważam, że CC byłoby bardziej idealne. W większym funduszu często nie jest domeną handlowca kwantowego, aby zoptymalizować wykonanie. Jednak w mniejszych sklepach lub firmach HFT przedsiębiorcy SĄ wykonawcami, więc często pożądany jest znacznie szerszy zestaw umiejętności. Miej to na uwadze, jeśli chcesz być zatrudniony przez fundusz. Twoje umiejętności programistyczne będą równie ważne, jeśli nie ważniejsze, niż twoje statystyki i talenty ekonometrii Kolejną ważną kwestią, która wchodzi pod sztandar realizacji, jest minimalizacja kosztów transakcji. Zasadniczo są trzy składniki kosztów transakcji: prowizje (lub podatek), które są opłatami pobieranymi przez dom maklerski, giełdę i SEC (lub podobny rządowy organ regulacyjny) poślizgiem, który jest różnicą między tym, co zamierzałeś, aby twoje zamówienie było wypełnione w stosunku do tego, co zostało faktycznie wypełnione spreadem, co stanowi różnicę między ceną bidaskowanego papieru wartościowego. Należy zauważyć, że spread nie jest stały i zależy od bieżącej płynności (tj. Dostępności zleceń kupna) na rynku. Koszty transakcji mogą stanowić różnicę między niezwykle dochodową strategią a dobrym wskaźnikiem Sharpe'a i niezwykle nieopłacalną strategią o strasznym współczynniku Sharpe'a. Wyzwaniem może być prawidłowe przewidywanie kosztów transakcyjnych z analizy historycznej. W zależności od częstotliwości strategii, będziesz potrzebować dostępu do historycznych danych giełdowych, które będą zawierały dane o tikach dla cen z puli. Całe zespoły quantów są poświęcone optymalizacji wykonania w większych funduszach, z tych powodów. Rozważ scenariusz, w którym fundusz musi wyładować znaczną ilość transakcji (z których wiele jest powodów do podjęcia). Poprzez zrzucenie na rynek tak wielu udziałów, oni szybko obniżą cenę i mogą nie uzyskać optymalnej realizacji. W związku z tym istnieją algorytmy, które nakładają zamówienia paszowe na rynek, chociaż wówczas fundusz ponosi ryzyko poślizgu. Co więcej, inne strategie żerują na tych potrzebach i mogą wykorzystać nieefektywność. Jest to domena arbitrażu struktury funduszu. Ostatnim poważnym problemem dotyczącym systemów wykonawczych jest rozbieżność w zakresie skuteczności strategii na podstawie sprawdzianu wstecznego. Może się tak zdarzyć z wielu powodów. Już podczas rozważań historycznych omawialiśmy już uprzednio uprzedzenia i uprzedzenia optymalizacyjne. Jednak niektóre strategie nie ułatwiają testowania tych błędów przed wdrożeniem. Dzieje się to głównie w HFT. Mogą występować błędy w systemie wykonawczym, a także sama strategia handlowa, która nie pojawia się podczas testu historycznego, ale pojawia się w handlu na żywo. Rynek mógł podlegać zmianom w systemie po wdrożeniu strategii. Nowe otoczenie regulacyjne, zmieniające się nastroje inwestorów i zjawiska makroekonomiczne mogą prowadzić do rozbieżności w zachowaniu rynku, a tym samym rentowności Twojej strategii. Zarządzanie ryzykiem Ostatnim elementem układanki ilościowego handlu jest proces zarządzania ryzykiem. Ryzyko obejmuje wszystkie uprzednie uprzedzenia, które omówiliśmy. Obejmuje to ryzyko związane z technologią, takie jak serwery znajdujące się w pobliżu giełdy, nagle powodujące awarię dysku twardego. Obejmuje ryzyko maklerskie, takie jak broker, który staje się bankrutem (nie tak szalony jak się wydaje, biorąc pod uwagę niedawne przestoje w MF Global). W skrócie obejmuje ona prawie wszystko, co może zakłócić realizację transakcji, z których istnieje wiele źródeł. Całe książki poświęcone są zarządzaniu ryzykiem dla strategii ilościowych, więc nie próbuję wyjaśnić tutaj wszystkich możliwych źródeł ryzyka. Zarządzanie ryzykiem obejmuje również tzw. Optymalną alokację kapitału. który jest gałęzią teorii portfela. Jest to środek, za pomocą którego kapitał jest alokowany do zestawu różnych strategii i do transakcji w ramach tych strategii. Jest to złożony obszar i opiera się na pewnej niebanalnej matematyce. Standard branżowy, za pomocą którego optymalna alokacja kapitału i dźwignia strategii są powiązane, nazywa się kryterium Kelly. Ponieważ jest to artykuł wprowadzający, nie będę się rozwodził nad jego obliczeniami. Kryterium Kelly'ego przyjmuje pewne założenia dotyczące statystycznego charakteru zwrotów, które nierzadko są prawdziwe na rynkach finansowych, a więc inwestorzy często zachowują konserwatyzm, jeśli chodzi o wdrożenie. Kolejnym kluczowym elementem zarządzania ryzykiem jest radzenie sobie z własnym profilem psychologicznym. Istnieje wiele uprzedzeń poznawczych, które mogą wkradnąć się do handlu. Chociaż jest to wprawdzie mniej problematyczne w przypadku handlu algorytmicznego, jeśli strategia zostanie pozostawiona bez zmian Wspólnym uprzedzeniem jest niechęć do strat, gdy pozycja przegrana nie zostanie zamknięta z powodu bólu spowodowanego koniecznością poniesienia straty. Podobnie, zyski mogą być brane zbyt wcześnie, ponieważ strach przed utratą już osiągniętego zysku może być zbyt duży. Inną popularną tendencją jest polaryzacja odwrotna. Przejawia się to, gdy inwestorzy kładą zbyt duży nacisk na ostatnie wydarzenia, a nie na dłuższą metę. Oczywiście mamy klasyczną parę emocjonalnych uprzedzeń - strach i chciwość. Mogą one często prowadzić do niedostatecznego lub nadmiernego efektu dźwigni, co może spowodować rozdęcie (to znaczy spadek wartości kapitału własnego do zera lub gorszy) lub zmniejszenie zysków. Jak widać, handel ilościowy jest niezwykle złożonym, aczkolwiek bardzo interesującym obszarem finansowania ilościowego. Dosłownie porysowałem powierzchnię tematu w tym artykule i już trwa to dość długo. Zostały napisane całe książki i artykuły na temat zagadnień, którym oddałem tylko jedno zdanie. Z tego powodu, przed złożeniem wniosku o ilościowe zlecenia inwestycyjne, konieczne jest przeprowadzenie znacznej ilości badań podwalinowych. Przynajmniej będziesz potrzebować bogatego zaplecza w zakresie statystyki i ekonometrii, z dużym doświadczeniem w implementacji, poprzez język programowania, taki jak MATLAB, Python lub R. W przypadku bardziej zaawansowanych strategii na wyższym końcu, twój zestaw umiejętności jest prawdopodobnie włączenie modyfikacji jądra systemu Linux, CC, programowanie zespołów i optymalizację opóźnień sieci. Jeśli jesteś zainteresowany próbą stworzenia własnych algorytmicznych strategii handlowych, moją pierwszą propozycją byłoby uzyskanie dobrego programowania. Moją preferencją jest jak najlepsze zbudowanie jak największej ilości grabber danych, backtestu strategii i systemu wykonawczego. Jeśli twój kapitał jest na linii, czy nie lepiej byś spał w nocy, wiedząc, że w pełni przetestowałeś swój system i jesteś świadomy jego pułapek i szczególnych problemów Przekazywanie go sprzedawcy, a potencjalnie oszczędzanie czasu w krótkim czasie, może być bardzo trudne. drogie w długim okresie. Rozpoczęcie działalności od ilościowych transakcji handlowych Skuteczne strategie handlowe Transakcje oparte na przewidywanych zdarzeniach korporacyjnych, takich jak przewidywana fuzja lub przejęcie działalności lub zgłoszenie upadłości. Zwany także arbitrażem ryzyka. Względna wartość handlowa a handel kierunkowy Większość metod ilościowego inwestowania w fundusze hedgingowe należy do jednej z dwóch kategorii: tych, które stosują strategie wartości względnej, oraz tych, których strategie zostałyby określone jako kierunkowe. Obie strategie w dużym stopniu wykorzystują modele komputerowe i oprogramowanie statystyczne. Strategie wartości relatywnej próbują wykorzystać przewidywalne relacje cenowe (często relacje polegające na odwróceniu relacji) między wieloma aktywami (na przykład związek między krótkoterminowymi dochodami z amerykańskich obligacji skarbowych a długoterminowymi rentownościami obligacji skarbowych w Stanach Zjednoczonych lub relacją w domniemanych zmienność w dwóch różnych umowach opcyjnych). Tymczasem strategie kierunkowe opierają się zwykle na trendach lub innych ścieżkach opartych na wzorcach, sugerujących wzrost lub zmniejszenie wartości papierów wartościowych (np. Obstawianie długoterminowych rentowności amerykańskich obligacji skarbowych wzrośnie lub domniemywana niestabilność będzie upadek). Strategie względnej wartości Typowe przykłady strategii Relative Value obejmują umieszczanie względnych zakładów (np. Kupowanie jednego składnika aktywów i jego sprzedaż) na aktywach, których ceny są ze sobą ściśle powiązane: rządowe papiery wartościowe dwóch różnych krajów. Rządowe papiery wartościowe o dwóch różnych długościach do terminu zapadalności. Różnice w implikowanej zmienności pomiędzy dwoma instrumentami pochodnymi Ceny akcji i ceny obligacji emitenta obligacji korporacyjnych Spready rentowności obligacji korporacyjnych a spready swapów ryzyka kredytowego (CDS) Lista potencjalnych strategii wartości Relatywnych jest bardzo długa, to tylko kilka przykładów. Istnieją trzy bardzo ważne i powszechnie stosowane strategie Relative Value, które należy jednak uwzględnić: Arbitraż statystyczny: handel tendencją do powrotu do wartości podobnych koszyków w oparciu o historyczne relacje handlowe. Jedna powszechna forma arbitrażu statystycznego lub Stat Arb, handlująca, jest znana jako neutralny handel akcjami. W tej strategii wybierane są dwa koszyki akcji (jeden długi koszyk i jeden krótki koszyk), przy czym względne wagi dwóch koszy opuszczają fundusz przy zerowej ekspozycji netto na różne czynniki ryzyka (przemysł, geografia, sektor itp.). .) Stat Arb może również wiązać się z obrotem indeksem z podobnie dopasowaną ETF lub indeksem w stosunku do jednej akcji spółki. Convertible Arbitrage: zakup przez emitenta obligacji zamiennych na akcje i jednoczesna sprzedaż akcji zwykłych tej samej spółki, przy założeniu, że w przypadku spadku akcji danej spółki zysk z pozycji krótkiej zrekompensuje więcej niż stratę na obligacjach zamiennych pozycji, biorąc pod uwagę wartość obligacji zamiennych jako instrument o stałym dochodzie. Podobnie, we wszelkich zmianach cen akcji zwykłych, fundusz może czerpać zyski z zamiany obligacji zamiennych na akcje, sprzedając je w wartości rynkowej o kwotę przekraczającą wszelkie straty z tytułu krótkiej pozycji. Fixed Arbitrage Income: inwestowanie w papiery wartościowe o stałym dochodzie na rozwiniętych rynkach obligacji w celu wykorzystania postrzeganych anomalii stóp procentowych. Stałe pozycje dochodu Arbitrażowego mogą korzystać z obligacji rządowych, swapów procentowych i kontraktów futures na stopy procentowe. Popularnym przykładem tego stylu handlu arbitrażem o stałym dochodzie jest handel podstawowy, w którym sprzedaje się (kupuje) kontrakty skarbowe, a także kupuje (sprzedaje) odpowiednią ilość potencjalnej dostawy. W tym przypadku rozważa się różnicę między ceną kasową obligacji a skorygowaną ceną kontraktów futures (współczynnik konwersji cen kontraktów terminowych) i odpowiednio inwestuje pary aktywów. Strategie kierunkowe Kierunkowe strategie transakcyjne zwykle bazują na trendach lub innych ścieżkach opartych na wzorcach, sugerujących wzrost lub zniżkę za cenę bezpieczeństwa. Handel kierunkowy często zawiera pewien aspekt analizy technicznej lub wykresów. Obejmuje to przewidywanie kierunku cen poprzez badanie danych rynkowych z przeszłości i wolumenu. Obracanym kierunkiem może być sam środek trwały (np. Wzrost cen akcji lub kurs dolara w euro) lub czynnik bezpośrednio wpływający na cenę aktywów (na przykład zmienność implikowana dla opcji lub odsetek). stawki dla obligacji rządowych). Obrót techniczny może również obejmować wykorzystanie średnich ruchomych, pasm wokół historycznego odchylenia standardowego cen, poziomów wsparcia i oporu oraz stóp zmian. Zazwyczaj wskaźniki techniczne nie stanowiłyby wyłącznej podstawy dla strategii ilościowej funduszy hedgingowych. Fundusze hedgingowe wykorzystują wiele dodatkowych czynników wykraczających poza historyczne informacje o cenie i wolumenie. Innymi słowy, ilościowe fundusze hedgingowe, które wykorzystują kierunkowe strategie transakcyjne, generalnie mają ogólne strategie ilościowe, które są znacznie bardziej wyrafinowane niż ogólna analiza techniczna. To nie sugeruje, że dzień handlowcy mogą nie być w stanie czerpać zysków z analizy technicznej przeciwnie, wiele strategii opartych na dynamice może przynosić zyski. Tak więc dla celów tego modułu szkoleniowego odniesienia do strategii transakcyjnych w ramach Quant Hedge Fund nie obejmują wyłącznie strategii opartych na analizie technicznej. Inne strategie ilościowe Inne podejścia do handlu ilościowego, które nie są łatwo skategoryzowane jako strategie względnej wartości lub strategie kierunkowe obejmują: transakcje o wysokiej częstotliwości. gdzie handlowcy próbują skorzystać z rozbieżności cenowych na wielu platformach z wieloma transakcjami w ciągu dnia Strategie Zarządzania Zmiennością wykorzystują transakcje terminowe i kontrakty forward, aby skupić się na generowaniu niskich, ale stabilnych, bezwzględnych zwrotów LIBOR-plus, zwiększając lub zmniejszając liczbę kontraktów dynamicznie, zmieniają się bazowe wahania rynku akcji, obligacji i innych rynków. Strategie Zarządzania Zmiennością zyskały na popularności w ostatnich latach ze względu na niedawną niestabilność rynków akcji i obligacji. Larr Czym jest Quantitative Hedge Fund Top Quantitative Hedge Fundsrarr