Implementando Estratégias De Negociação

Como identificar estratégias de negociação algorítmicas Neste artigo, quero apresentar-lhe os métodos pelos quais eu próprio identifico estratégias de negociação algorítmicas rentáveis. Nosso objetivo hoje é entender detalhadamente como encontrar, avaliar e selecionar esses sistemas. Vou explicar como a identificação de estratégias é tanto sobre preferência pessoal quanto sobre o desempenho da estratégia, como determinar o tipo e quantidade de dados históricos para testes, como avaliar de forma imparcial uma estratégia de negociação e, finalmente, como proceder para a fase de teste e a implementação da estratégia. . Identificando suas próprias preferências pessoais para negociação Para ser um comerciante bem-sucedido - de forma discricionária ou algorítmica - é necessário fazer-se algumas perguntas honestas. A negociação oferece a você a capacidade de perder dinheiro a um ritmo alarmante, por isso é necessário se conhecer tanto quanto for necessário entender a estratégia escolhida. Eu diria que a consideração mais importante na negociação é estar ciente de sua própria personalidade. O comércio e o comércio algorítmico em particular, requer um grau significativo de disciplina, paciência e descolamento emocional. Uma vez que você está deixando um algoritmo executar sua negociação para você, é necessário ser resolvido para não interferir com a estratégia quando está sendo executado. Isso pode ser extremamente difícil, especialmente em períodos de redução prolongada. No entanto, muitas estratégias que mostraram ser altamente rentáveis ​​em um backtest podem ser arruinadas por uma simples interferência. Compreenda que, se você deseja entrar no mundo da negociação algorítmica, você será testado emocionalmente e, para ser bem sucedido, é necessário trabalhar com essas dificuldades. A próxima consideração é uma vez. Você trabalha em tempo integral Você trabalha em meio período Você trabalha em casa ou tem uma longa jornada diária? Essas perguntas ajudarão a determinar a freqüência da estratégia que você deve procurar. Para aqueles de vocês no emprego a tempo inteiro, uma estratégia de futuros intradiária pode não ser apropriada (pelo menos até que seja totalmente automatizada). Suas restrições de tempo também ditarão a metodologia da estratégia. Se sua estratégia é freqüentemente negociada e dependente de feeds de notícias caras (como um terminal da Bloomberg), você terá claramente que ser realista sobre a sua capacidade de executar com sucesso enquanto estiver no escritório Para aqueles com você com muito tempo, ou as habilidades Para automatizar sua estratégia, você pode querer examinar uma estratégia mais técnica de negociação de alta freqüência (HFT). Minha opinião é que é necessário realizar pesquisas contínuas sobre suas estratégias de negociação para manter um portfólio consistentemente lucrativo. Poucas estratégias permanecem sob o radar para sempre. Assim, uma parcela significativa do tempo atribuído à negociação será na realização de pesquisas em andamento. Pergunte a si mesmo se você está preparado para fazer isso, pois pode ser a diferença entre uma forte rentabilidade ou um declínio lento em relação às perdas. Você também precisa considerar seu capital de negociação. O valor mínimo ideal geralmente aceito para uma estratégia quantitativa é de 50,000 USD (aproximadamente 35,000 para nós no Reino Unido). Se eu estivesse começando de novo, eu começaria com uma quantidade maior, provavelmente mais perto de 100,000 USD (aproximadamente 70,000). Isso ocorre porque os custos de transação podem ser extremamente caros para estratégias de média a alta freqüência e é necessário ter capital suficiente para absorvê-los em tempos de redução. Se você está considerando começar com menos de 10.000 USD, então você precisará se restringir a estratégias de baixa freqüência, negociando em um ou dois ativos, já que os custos de transação irão comer rapidamente em seus retornos. Interactive Brokers, que é um dos corretores mais amigáveis ​​para aqueles com habilidades de programação, devido à sua API, possui uma conta mínima de 10.000 USD. A habilidade de programação é um fator importante na criação de uma estratégia de negociação algorítmica automatizada. Estar bem informado em uma linguagem de programação como C, Java, C, Python ou R permitirá que você crie o sistema de armazenamento de dados, back-test e execução de ponta a ponta você mesmo. Isso tem uma série de vantagens, cujo chefe é a capacidade de estar completamente atento a todos os aspectos da infra-estrutura comercial. Também permite que você explore as estratégias de maior freqüência, pois você terá o controle total da sua pilha de tecnologia. Embora isso signifique que você possa testar seu próprio software e eliminar erros, também significa mais tempo gasto na codificação de infra-estrutura e menos na implementação de estratégias, pelo menos na parte anterior da sua carreira de trading. Você pode achar que você está confortável negociando no Excel ou MATLAB e pode terceirizar o desenvolvimento de outros componentes. Eu não recomendaria isso no entanto, particularmente para aqueles que negociam em alta freqüência. Você precisa se perguntar o que você espera alcançar por meio de negociação algorítmica. Você está interessado em um rendimento regular, pelo qual você deseja obter lucros da sua conta de negociação Ou você está interessado em um ganho de capital a longo prazo e pode se negociar sem a necessidade de retirar recursos. A dependência da renda determinará a freqüência de sua estratégia . As retiradas de renda mais regulares exigirão uma estratégia de negociação de maior freqüência com menor volatilidade (ou seja, uma proporção Sharpe mais alta). Os comerciantes de longo prazo podem pagar uma frequência comercial mais tranquila. Finalmente, não se sinta iludido com a noção de tornar-se extremamente rico num curto espaço de tempo. A negociação de Algo não é um esquema rápido e rápido. Se alguma coisa pode ser um esquema rápido e rápido. É preciso disciplina, pesquisa, diligência e paciência importantes para serem bem-sucedidos no comércio algorítmico. Pode levar meses, senão anos, gerar rentabilidade consistente. Sourcing Algorithmic Trading Ideas Apesar das percepções comuns ao contrário, é realmente bastante direto para localizar estratégias comerciais rentáveis ​​no domínio público. Nunca as idéias comerciais estão mais disponíveis do que hoje. Revistas de finanças acadêmicas, servidores de pré-impressão, blogs comerciais, fóruns de negociação, revistas comerciais semanais e textos especializados fornecem milhares de estratégias de negociação com as quais basear suas idéias. Nosso objetivo como pesquisadores quantitativos de negócios é estabelecer um pipeline estratégico que nos forneça um fluxo de idéias comerciais em andamento. Idealmente, queremos criar uma abordagem metódica para sourcing, avaliação e implementação de estratégias que encontramos. Os objetivos do pipeline são gerar uma quantidade consistente de novas idéias e fornecer-nos uma estrutura para rejeitar a maioria dessas idéias com o mínimo de consideração emocional. Devemos ter o cuidado de não deixar influenciar a tendência cognitiva na nossa metodologia de tomada de decisão. Isso poderia ser tão simples como ter uma preferência por uma classe de ativos sobre outra (o ouro e outros metais preciosos vêm à mente) porque são percebidos como mais exóticos. Nosso objetivo sempre deve ser encontrar estratégias consistentemente lucrativas, com expectativas positivas. A escolha da classe de ativos deve basear-se em outras considerações, como restrições de capital de negociação, taxas de corretagem e recursos de alavancagem. Se você não está completamente familiarizado com o conceito de estratégia comercial, então o primeiro lugar a olhar é com os livros didáticos estabelecidos. Os textos clássicos fornecem uma ampla gama de idéias mais simples e diretas, para se familiarizarem com a negociação quantitativa. Aqui está uma seleção que eu recomendo para aqueles que são novos para o comércio quantitativo, que gradualmente se tornam mais sofisticados conforme você trabalha através da lista: Para uma lista mais longa de livros de negociação quantitativos, visite a lista de leitura QuantStart. O próximo local para encontrar estratégias mais sofisticadas é com fóruns de negociação e blogs comerciais. No entanto, uma nota de cautela: muitos blogs comerciais dependem do conceito de análise técnica. A análise técnica envolve a utilização de indicadores básicos e psicologia comportamental para determinar tendências ou padrões de reversão nos preços dos ativos. Apesar de ser extremamente popular no espaço comercial geral, a análise técnica é considerada um pouco ineficaz na comunidade de finanças quantitativas. Alguns sugeriram que não é melhor do que ler um horóscopo ou estudar folhas de chá em termos de seu poder preditivo. Na realidade, há indivíduos bem sucedidos que fazem uso da análise técnica. No entanto, como quants com uma caixa de ferramentas matemática e estatística mais sofisticada à nossa disposição, podemos avaliar facilmente a eficácia de tais estratégias baseadas em TA e tomar decisões baseadas em dados, em vez de basear nossa em considerações ou preconceitos emocionais. Aqui está uma lista de blogs e fóruns de negociação algorítmica bem respeitados: uma vez que você teve alguma experiência na avaliação de estratégias mais simples, é hora de analisar as ofertas acadêmicas mais sofisticadas. Algumas revistas acadêmicas serão de difícil acesso, sem inscrições elevadas ou custos pontuais. Se você é membro ou aluno de uma universidade, você poderá obter acesso a algumas dessas revistas financeiras. Caso contrário, você pode olhar para servidores de pré-impressão. Que são repositórios de internet de rascunhos finais de documentos acadêmicos que estão sendo submetidos a revisão pelos pares. Uma vez que estamos apenas interessados ​​em estratégias que possamos replicar com sucesso, backtest e obter rentabilidade, uma revisão pelos pares é de menor importância para nós. A principal desvantagem das estratégias acadêmicas é que muitas vezes podem estar desactualizadas, requerem dados históricos obscuros e dispendiosos, trocam classes de ativos ilíquidas ou não influenciam taxas, derrapagens ou spread. Também pode não estar claro se a estratégia de negociação deve ser realizada com ordens de mercado, ordens limitantes ou se contém perdas de parada, etc. Portanto, é absolutamente essencial replicar a estratégia o melhor que puder, fazer uma prova e adicionar uma transação realista Custos que incluem tantos aspectos das classes de ativos que você deseja negociar. Aqui está uma lista dos servidores de pré-impressão mais populares e jornais financeiros dos quais você pode criar ideias: o que é sobre a formação de suas próprias estratégias quantitativas. Mas não está limitado a) experiência em uma ou mais das seguintes categorias: Microestrutura de mercado - Para estratégias de maior freqüência em particular, pode-se usar a microestrutura do mercado. Ou seja, compreensão da dinâmica do livro de pedidos para gerar rentabilidade. Diferentes mercados terão várias limitações tecnológicas, regulamentos, participantes do mercado e restrições que estão abertas à exploração através de estratégias específicas. Esta é uma área muito sofisticada e os profissionais de varejo terão dificuldade em ser competitivos neste espaço, particularmente porque a competição inclui fundos de hedge quantitativos grandes e bem capitalizados com fortes capacidades tecnológicas. Estrutura do fundo - Os fundos de investimento em conjunto, como fundos de pensão, parcerias de investimentos privados (hedge funds), consultores de negociação de commodities e fundos de investimento, são limitados por uma regulamentação pesada e suas grandes reservas de capital. Assim, certos comportamentos consistentes podem ser explorados com aqueles que são mais ágeis. Por exemplo, grandes fundos estão sujeitos a restrições de capacidade devido ao tamanho deles. Assim, se eles precisam rapidamente descarregar (vender) uma quantidade de valores mobiliários, eles terão que escaloná-lo para evitar mover o mercado. Algoritmos sofisticados podem tirar proveito disso, e outras idiossincrasias, em um processo geral conhecido como arbitragem de estrutura de fundos. Aprendizagem mecânica de inteligência artificial - Os algoritmos de aprendizagem de máquinas tornaram-se mais prevalentes nos últimos anos nos mercados financeiros. Os classificadores (como Naive-Bayes, et al.) Correspondentes de função não-linear (redes neurais) e rotinas de otimização (algoritmos genéticos) foram usados ​​para prever caminhos de ativos ou otimizar estratégias de negociação. Se você tem um histórico nesta área, você pode ter alguma visão sobre como determinados algoritmos podem ser aplicados em certos mercados. Há, é claro, muitas outras áreas para investigar quants. Bem, discuta como apresentar estratégias personalizadas em detalhes em um artigo posterior. Ao continuar monitorando essas fontes numa base semanal, ou mesmo diária, você está se preparando para receber uma lista consistente de estratégias de uma variedade diversificada de fontes. O próximo passo é determinar como rejeitar um grande subconjunto destas estratégias, a fim de minimizar o desperdício do seu tempo e os recursos de teste em estratégias que provavelmente não serão lucrativas. Avaliando Estratégias de Negociação A primeira e, possivelmente, a consideração mais óbvia é se você realmente entende a estratégia. Você poderia explicar a estratégia de forma concisa ou exigir uma série de advertências e listas de parâmetros intermináveis. Além disso, a estratégia tem uma base boa e sólida na realidade. Por exemplo, você poderia apontar alguma lógica comportamental ou restrição de estrutura de fundos que Pode estar causando o (s) padrão (s) que você está tentando explorar. Essa restrição suportaria uma mudança de regime, como uma ruptura dramática do ambiente regulatório. A estratégia depende de regras estatísticas ou matemáticas complexas Aplica-se a qualquer série de tempo financeiro ou é É específico para a classe de ativos que se afirma ser rentável. Você deve estar pensando constantemente nesses fatores ao avaliar novos métodos comerciais, caso contrário você pode desperdiçar uma quantidade significativa de tempo tentando fazer backtest e otimizar estratégias não lucrativas. Uma vez que você tenha determinado que você entende os princípios básicos da estratégia, você precisa decidir se ele se encaixa com o seu perfil de personalidade acima mencionado. Esta não é uma consideração tão vaga quanto parece. As estratégias diferirão substancialmente em suas características de desempenho. Existem certos tipos de personalidade que podem lidar com períodos mais significativos de redução ou estão dispostos a aceitar um maior risco de retorno maior. Apesar do fato de que nós, como quants, tentamos eliminar todo o viés cognitivo possível e deveríamos poder avaliar uma estratégia de forma desapaixonada, os preconceitos sempre se aproximarão. Portanto, precisamos de um meio consistente, sem emoção, através do qual avaliar o desempenho das estratégias . Aqui está a lista de critérios que eu julgo uma nova estratégia potencial através de: Metodologia - É o impulso da estratégia, a reversão média, o mercado neutro, direcional. A estratégia depende de técnicas sofisticadas (ou complexas) de técnicas estatísticas ou de máquinas que são difíceis. Para entender e exigir um doutorado em estatísticas para entender. Essas técnicas introduzem uma quantidade significativa de parâmetros, o que pode levar a um viés de otimização. A estratégia é susceptível de suportar uma mudança de regime (ou seja, uma nova regulamentação potencial dos mercados financeiros). Razão de Sharpe - A relação de Sharpe Caracteriza heuristicamente o rácio de risco de risco da estratégia. Quantifica quanto retorno você consegue para o nível de volatilidade suportado pela curva patrimonial. Naturalmente, precisamos determinar o período e a frequência em que esses retornos e volatilidade (ou seja, o desvio padrão) são medidos. Uma estratégia de freqüência mais alta exigirá maior taxa de amostragem do desvio padrão, mas um período de tempo geral mais curto, por exemplo. Alavancagem - A estratégia exige alavancagem significativa para ser lucrativa. A estratégia requer o uso de contratos de derivativos alavancados (futuros, opções, swaps) para fazer um retorno. Estes contratos alavancados podem ter uma forte volatilidade e, portanto, podem facilmente levar a Chamadas de margem. Você tem o capital de negociação e o temperamento para essa volatilidade Frequência - A freqüência da estratégia está intimamente ligada à sua pilha de tecnologia (e, portanto, experiência tecnológica), ao índice de Sharpe e ao nível geral dos custos de transação. Todas as outras questões consideradas, estratégias de maior freqüência requerem mais capital, são mais sofisticadas e mais difíceis de implementar. No entanto, assumindo que seu mecanismo de teste de backtest é sofisticado e livre de erros, eles geralmente terão taxas de Sharpe muito maiores. Volatilidade - A volatilidade está fortemente relacionada ao risco da estratégia. A relação Sharpe caracteriza isso. A maior volatilidade das classes de ativos subjacentes, se não coberta, muitas vezes leva a uma maior volatilidade na curva de patrimônio e, portanto, menores índices de Sharpe. Naturalmente, suponho que a volatilidade positiva seja aproximadamente igual à volatilidade negativa. Algumas estratégias podem ter maior volatilidade negativa. Você precisa estar ciente desses atributos. WinLoss, Average ProfitLoss - As estratégias serão diferentes nas suas características de ganhos e ganhos de lucro. Pode-se ter uma estratégia muito lucrativa, mesmo que o número de negociações perdidas exceda o número de negócios vencedores. As estratégias de impulso tendem a ter esse padrão, pois dependem de um pequeno número de grandes sucessos para serem lucrativos. As estratégias de reversão média tendem a ter perfis opostos onde mais dos negócios são vencedores, mas os negócios perdidos podem ser bastante graves. Drawdown máximo - A redução máxima é a maior queda percentual global na curva de equidade da estratégia. As estratégias de Momentum são bem conhecidas por sofrerem períodos de redução prolongada (devido a uma série de muitos negócios perdidos incrementais). Muitos comerciantes vão desistir em períodos de redução prolongada, mesmo que os testes históricos sugeriram que este é um negócio como de costume para a estratégia. Você precisará determinar qual porcentagem de redução (e em que período de tempo) você pode aceitar antes de deixar de negociar sua estratégia. Esta é uma decisão altamente pessoal e, portanto, deve ser considerada com cuidado. CapacityLiquidity - No nível de varejo, a menos que você esteja negociando em um instrumento altamente ilíquido (como um estoque de pequena capitalização), você não terá que se preocupar muito com a capacidade da estratégia. A capacidade determina a escalabilidade da estratégia para aumentar o capital. Muitos dos maiores hedge funds sofrem de importantes problemas de capacidade à medida que suas estratégias aumentam em alocação de capital. Parâmetros - Certas estratégias (especialmente aquelas encontradas na comunidade de aprendizagem de máquinas) exigem uma grande quantidade de parâmetros. Todo parâmetro adicional que uma estratégia requer deixa mais vulnerável ao viés de otimização (também conhecido como ajuste de curva). Você deve tentar e segmentar estratégias com o menor número possível de parâmetros ou garantir que você tenha quantidades suficientes de dados para testar suas estratégias. Benchmark - Quase todas as estratégias (a menos que caracterizadas como retorno absoluto) são medidas em relação a um benchmark de desempenho. O benchmark geralmente é um índice que caracteriza uma grande amostra da classe de ativos subjacentes na qual a estratégia negocia. Se a estratégia negociar ações americanas de grande capitalização, então o SP500 seria uma referência natural para medir a sua estratégia. Você ouvirá os termos alfa e beta, aplicado a estratégias deste tipo. Vamos discutir estes coeficientes em profundidade em artigos posteriores. Observe que não discutimos os retornos reais da estratégia. Por que isso é isolado, os retornos realmente nos fornecem informações limitadas sobre a eficácia da estratégia. Eles não lhe dão uma visão de alavancagem, volatilidade, benchmarks ou requisitos de capital. Assim, as estratégias raramente são avaliadas apenas em seus retornos. Considere sempre os atributos de risco de uma estratégia antes de analisar os retornos. Nesta fase, muitas das estratégias encontradas no seu pipeline serão rejeitadas, uma vez que não atendem aos requisitos de capital, alavancar restrições, tolerar a tolerância máxima ou preferências de volatilidade. As estratégias que permanecem podem agora ser consideradas para testes anteriores. No entanto, antes disso é possível, é necessário considerar um critério de rejeição final - o dos dados históricos disponíveis para testar essas estratégias. Obtenção de dados históricos Atualmente, a amplitude dos requisitos técnicos em todas as classes de ativos para o armazenamento histórico de dados é substancial. Para se manterem competitivos, tanto o lado da compra (fundos) quanto os de venda (bancos de investimento) investem fortemente em sua infraestrutura técnica. É imperativo considerar sua importância. Em particular, estamos interessados ​​em requisitos de tempo, precisão e armazenamento. Vou agora descrever os conceitos básicos de obtenção de dados históricos e como armazená-lo. Infelizmente, este é um tópico muito profundo e técnico, então não consigo dizer tudo neste artigo. No entanto, vou escrever muito mais sobre isso no futuro, já que minha experiência na indústria anterior no setor financeiro se preocupou principalmente com a aquisição, armazenamento e acesso de dados financeiros. Na seção anterior, montamos um pipeline de estratégia que nos permitiu rejeitar certas estratégias com base em nossos próprios critérios de rejeição pessoal. Nesta seção, vamos filtrar mais estratégias com base em nossas próprias preferências para obter dados históricos. As principais considerações (especialmente no nível do profissional varejista) são os custos dos dados, dos requisitos de armazenamento e do seu nível de conhecimento técnico. Também precisamos discutir os diferentes tipos de dados disponíveis e as diferentes considerações que cada tipo de dados nos importam. Comece por discutir os tipos de dados disponíveis e as questões-chave que precisaremos para pensar: Dados Fundamentais - Isso inclui dados sobre tendências macroeconômicas, tais como taxas de juros, números de inflação, ações corporativas (dividendos, estoque-divisão), registros da SEC , Contas corporativas, números de ganhos, relatórios de culturas, dados meteorológicos, etc. Estes dados são freqüentemente usados ​​para valorizar as empresas ou outros ativos em uma base fundamental, ou seja, por meio de fluxos de caixa futuros esperados. Não inclui séries de preços de ações. Alguns dados fundamentais estão disponíveis gratuitamente nos sites do governo. Outros dados fundamentais históricos de longo prazo podem ser extremamente caros. Os requisitos de armazenamento geralmente não são particularmente grandes, a menos que milhares de empresas estejam sendo estudadas de uma só vez. Dados de notícias - Os dados de notícias são muitas vezes de natureza qualitativa. Consiste em artigos, postagens de blog, postagens de microblog (tweets) e editoriais. As técnicas de aprendizagem de máquinas, como os classificadores, costumam ser usadas para interpretar o sentimento. Esses dados também são freqüentemente disponíveis gratuitamente ou baratos, por meio da assinatura de meios de comunicação. Os bancos de dados de armazenamento de documentos Novos NoSQL são projetados para armazenar esse tipo de dados qualitativos não estruturados. Dados do preço do recurso - Este é o domínio de dados tradicional do quant. Consiste em séries temporais de preços dos ativos. As ações (ações), produtos de renda fixa (títulos), commodities e preços de câmbio se enquadram nesta classe. Os dados históricos diários são frequentemente simples de obter para classes de ativos mais simples, como ações. No entanto, uma vez que a precisão e a limpeza estão incluídas e os desvios estatísticos removidos, os dados podem se tornar caros. Além disso, os dados das séries temporais geralmente possuem requisitos significativos de armazenamento, especialmente quando os dados intradiários são considerados. Instrumentos Financeiros - Ações, títulos, futuros e opções derivadas mais exóticas possuem características e parâmetros muito diferentes. Assim, não existe um tamanho único para toda a estrutura de banco de dados que possa acomodá-los. Deve ser dado um cuidado significativo à concepção e implementação de estruturas de banco de dados para vários instrumentos financeiros. Vamos discutir a situação ao longo de quando chegarmos a construir um banco de dados mestre de valores mobiliários em futuros artigos. Frequência - Quanto maior a frequência dos dados, maiores são os custos e os requisitos de armazenamento. Para estratégias de baixa frequência, os dados diários são frequentemente suficientes. Para estratégias de alta freqüência, pode ser necessário obter dados de nível de tiquetaque e até cópias históricas de determinados dados do livro de pedidos de troca de negócios. A implementação de um mecanismo de armazenamento para este tipo de dados é altamente tecnológica e só é apropriada para aqueles que possuem um sólido cenário técnico de programação. Pontos de referência - As estratégias descritas acima serão comparadas com um benchmark. Isso geralmente se manifesta como uma série de tempo financeiro adicional. Para as ações, isso geralmente é uma referência de estoque nacional, como o índice SP500 (EUA) ou FTSE100 (Reino Unido). Para um fundo de renda fixa, é útil comparar com uma cesta de títulos ou produtos de renda fixa. A taxa livre de risco (ou seja, a taxa de juros adequada) também é outra referência amplamente aceita. Todas as categorias de classe de ativos possuem uma referência preferencial, por isso será necessário pesquisar isso com base em sua estratégia específica, se desejar ganhar interesse em sua estratégia externamente. Tecnologia - As pilhas de tecnologia por trás de um centro de armazenamento de dados financeiros são complexas. Este artigo apenas pode arranhar a superfície sobre o que está envolvido na construção de um. No entanto, ele se centra em torno de um mecanismo de banco de dados, como um Sistema de Gerenciamento de Banco de Dados Relacional (RDBMS), como MySQL, SQL Server, Oracle ou um Document Storage Engine (ou seja, NoSQL). Isso é acessado através do código de aplicativo de lógica de negócios que questiona o banco de dados e fornece acesso a ferramentas externas, como MATLAB, R ou Excel. Muitas vezes, essa lógica de negócios está escrita em C, C, Java ou Python. Você também precisará hospedar esses dados em algum lugar, seja em seu próprio computador pessoal, seja remotamente através de servidores de internet. Produtos como o Amazon Web Services tornaram isso mais simples e barato nos últimos anos, mas ainda exigirá conhecimentos técnicos significativos para alcançar de forma robusta. Como pode ser visto, uma vez que uma estratégia tenha sido identificada através do pipeline, será necessário avaliar a disponibilidade, os custos, a complexidade e os detalhes de implementação de um determinado conjunto de dados históricos. Você pode achar que é necessário rejeitar uma estratégia baseada unicamente em considerações de dados históricos. Esta é uma grande área e equipes de doutorados trabalham em grandes fundos garantindo que os preços sejam precisos e oportunos. Não subestime as dificuldades de criar um centro de dados robusto para os seus resultados de backtesting. Eu quero dizer, no entanto, que muitas plataformas de backtesting podem fornecer esses dados para você automaticamente - a um custo. Assim, demorará muito da dor de implementação para você, e você pode se concentrar exclusivamente na implementação e otimização da estratégia. Ferramentas como a TradeStation possuem essa capacidade. No entanto, minha visão pessoal é implementar o máximo possível internamente e evitar terceirizar partes da pilha para fornecedores de software. Eu prefiro estratégias de freqüência mais altas devido aos seus índices de Sharpe mais atraentes, mas muitas vezes estão fortemente acoplados à pilha de tecnologia, onde a otimização avançada é crítica. Agora que discutimos as questões relacionadas aos dados históricos, é hora de começar a implementar nossas estratégias em um mecanismo de teste. Este será o assunto de outros artigos, uma vez que é uma área igualmente grande de discussão4 Estratégias de negociação comum de risco A negociação ativa é o ato de comprar e vender títulos com base em movimentos de curto prazo para lucrar com os movimentos de preços em um estoque de curto prazo gráfico. A mentalidade associada a uma estratégia de negociação ativa difere da estratégia de longo prazo de compra e retenção. A estratégia de compra e retenção emprega uma mentalidade que sugere que os movimentos de preços a longo prazo superarão os movimentos de preços no curto prazo e, como tal, os movimentos de curto prazo devem ser ignorados. Os comerciantes ativos, por outro lado, acreditam que os movimentos de curto prazo e a captura da tendência do mercado são os lucros obtidos. Existem vários métodos utilizados para realizar uma estratégia de negociação ativa, cada uma com ambientes de mercado apropriados e riscos inerentes à estratégia. Aqui estão quatro dos tipos mais comuns de negociação ativa e os custos internos de cada estratégia. (A negociação ativa é uma estratégia popular para aqueles que tentam superar a média do mercado. Para saber mais, veja como superar o mercado.) 1. Day Trading Day trading é talvez o estilo de negociação ativo mais conhecido. É considerado frequentemente um pseudônimo para a negociação ativa propriamente dita. O comércio diário, como o próprio nome indica, é o método de compra e venda de títulos no mesmo dia. As posições estão fechadas no mesmo dia em que são tomadas e nenhuma posição é realizada durante a noite. Tradicionalmente, o comércio diário é feito por comerciantes profissionais, como especialistas ou criadores de mercado. No entanto, o comércio eletrônico abriu essa prática para comerciantes novatos. (Para leitura relacionada, veja também Day Trading Strategies for Beginners.) Alguns realmente consideram que a negociação de posição é uma estratégia de compra e retenção e não negociação ativa. No entanto, a negociação de posição, quando realizada por um comerciante avançado, pode ser uma forma de negociação ativa. A negociação de posições usa gráficos de longo prazo - em qualquer lugar do dia a mês - em combinação com outros métodos para determinar a tendência da direção atual do mercado. Este tipo de comércio pode durar vários dias a várias semanas e às vezes mais, dependendo da tendência. Os comerciantes da Tendência procuram maiores ou mais altos altos para determinar a tendência de uma segurança. Ao saltar e andar na onda, os comerciantes de tendências têm como objetivo beneficiar-se tanto da queda como da queda dos movimentos do mercado. Os comerciantes da tendência procuram determinar a direção do mercado, mas eles não tentam prever nenhum nível de preço. Normalmente, os comerciantes da tendência pulam na tendência depois de se estabelecer, e quando a tendência se rompe, eles geralmente saem da posição. Isso significa que, em períodos de alta volatilidade do mercado, o comércio de tendências é mais difícil e suas posições geralmente são reduzidas. Quando uma tendência se quebra, os comerciantes de balanço normalmente entram no jogo. No final de uma tendência, geralmente há uma certa volatilidade de preços à medida que a nova tendência tenta estabelecer-se. Os comerciantes Swing compram ou vendem como a volatilidade dos preços. Os negócios Swing geralmente são mantidos por mais de um dia, mas por um período mais curto do que os negócios de tendências. Os comerciantes Swing muitas vezes criam um conjunto de regras comerciais baseadas em análises técnicas ou fundamentais. Essas regras comerciais ou algoritmos são projetados para identificar quando comprar e vender uma segurança. Enquanto um algoritmo de troca de balanço não precisa ser exato e prever o pico ou o vale de um movimento de preço, ele precisa de um mercado que se mova em uma direção ou outra. Um mercado limitado ou paralelo é um risco para os comerciantes swing. (Para mais informações sobre negociação de swing, veja a Introdução à Swing Trading.) 4. Scalping Scalping é uma das estratégias mais rápidas empregadas por comerciantes ativos. Inclui a exploração de várias lacunas de preços causadas por spreads de bidask e fluxos de pedidos. A estratégia geralmente funciona fazendo o spread ou a compra ao preço da oferta e vende no preço de pedido para receber a diferença entre os dois pontos de preço. Os Scalpers tentam manter suas posições por um curto período, diminuindo assim o risco associado à estratégia. Além disso, um scalper não tenta explorar grandes movimentos ou mover altos volumes, em vez disso, eles tentam tirar proveito de pequenos movimentos que ocorrem com freqüência e movem pequenos volumes com mais freqüência. Uma vez que o nível de lucros por comércio é pequeno, os scalpers procuram mercados mais líquidos para aumentar a freqüência de seus negócios. E ao contrário dos comerciantes de swing, os scalpers gostam de mercados silenciosos que não são propensos a movimentos súbitos de preços para que eles possam potencialmente propagar repetidamente os mesmos preços de bidask. (Para saber mais sobre esta estratégia de negociação ativa, leia Scalping: Pequenos lucros rápidos podem adicionar.) Custos inerentes às estratégias de negociação Existe uma razão pela qual as estratégias de negociação ativa foram empregadas apenas por profissionais. Não só ter uma casa de corretagem interna reduzindo os custos associados ao comércio de alta freqüência. Mas também garante uma melhor execução comercial. Comissões mais baixas e melhor execução são dois elementos que melhoram o potencial de lucro das estratégias. Importantes compras de hardware e software são necessárias para implementar com êxito essas estratégias, além de dados de mercado em tempo real. Esses custos tornam bem sucedida implementar e lucrar com o comércio ativo um pouco proibitivo para o comerciante individual, embora nem todos sejam incomuns. Os comerciantes ativos podem empregar uma ou várias das estratégias acima mencionadas. No entanto, antes de decidir sobre o envolvimento com essas estratégias, os riscos e custos associados a cada um precisam ser explorados e considerados. (Para leitura relacionada, veja também as Técnicas de Gerenciamento de Riscos para Tradutores ativos.) Lista de Leitura de Finanças Quantitativas O financiamento quantitativo é um assunto técnico e abrangente. Abrange mercados financeiros, análise de séries temporais, gerenciamento de riscos, engenharia financeira, estatística e aprendizado de máquinas. Os seguintes livros começam com os princípios básicos absolutos para cada área de assunto e aumentam gradualmente o nível de dificuldade. Você não precisa ler todos eles, mas você certamente deve estudar alguns em profundidade. Quant Finance Tópicos Lista Navegação As listas cobrem financiamento quantitativo geral, guias de carreiras, preparação de entrevistas, negociação quantitativa, matemática, análise estatística e programação em C, Python e R. Lista Navegação Livros clássicos em mercados quantitativos Uma área que rotineiramente alcança quentes prospectivos em A entrevista é a falta de conhecimento básico dos mercados financeiros. É tudo bem e bom ser o melhor matemático e programador do mundo, mas se você não pode dizer o seu estoque de seu vínculo, ou seu banco do seu fundo, você achará muito mais difícil passar esses exames de RH. Esses livros também fazem uma leitura melhor da hora de dormir do que os textos de pós-graduação em cálculos estocásticos. Livros para ajudá-lo a se preparar para entrevistas de trabalho quantas Além de precisar estar ciente dos mercados de capitais e de como funcionam, a matemática de preços de derivativos e métodos de negociação quantitativa, podendo programar em C e possivelmente em Python, você também precisa aceitar Quant entrevista Os seguintes livros são recursos fantásticos para prepará-lo. Certifique-se de estudar não só o conteúdo dos queimadores, mas também tentar desconstruir o modo como eles estão juntos e o que você realmente está sendo perguntado. Livros-chave para ajudá-lo a aprender o comércio quantitativo, sistemático e algorítmico. Os caminhos de carreira dos quants mudaram recentemente para negociação quantitativa direta e longe do preço dos derivativos. Embora a teoria de Black-Scholes ainda seja imensamente importante para fins de hedge e de preços de opções exóticas, agora é necessário estar intimamente familiarizado com o comércio sistemático e as empresas que o empregam. É difícil obter informações de fundos sobre suas estratégias de negociação (não há surpresa), mas esses livros fornecem uma visão detalhada em como a caixa preta opera. Textos-chave para ajudá-lo a aprender a previsão e previsão de séries temporais multivariadas. A análise de séries temporais ea econometria financeira são componentes-chave da negociação algorítmica moderna - permitindo previsão e previsão dos preços dos ativos. As técnicas de análise de séries temporais são amplamente utilizadas em financiamento quantitativo, incluindo gerenciamento de ativos e hedge funds, para fins de previsão. Assim, se você quer que algum dia se torne um comerciante quantitativo habilidoso, é necessário ter um amplo conhecimento da análise estatística das séries temporais e econometria financeira. Os seguintes livros irão levá-lo de séries temporais introdutórias e econometria até a teoria das séries temporais multivariadas avançadas em um nível matemático razoavelmente abrangente: Preços de derivativos através de modelos de cálculo estocástico aplicados O preço de derivativos ainda é uma parte fundamental do setor financeiro, particularmente para renda fixa e Classes de ativos de crédito e depende da teoria desenvolvida a partir do cálculo estocástico. Embora você não precise ler todos os livros abaixo, eles são todos bons. Cada um fornece uma perspectiva ou ênfase diferente na teoria de preços das opções. Se você tem o seu coração definido para se tornar um preço de derivativos variável, talvez trabalhando em ações, crédito, renda fixa ou câmbio, então você deve tentar estudar tantos livros da lista a seguir quanto possível: Modelagem de derivativos de renda fixa através de técnicas matemáticas avançadas O mercado de derivativos de renda fixa é o maior mercado global de derivativos, impulsionado principalmente pela demanda de investidores por pontos de vista específicos sobre taxas de juros ou requisitos de fluxo de caixa. A modelagem de derivados de taxas de juros requer matemática complexa e requer uma sólida compreensão das técnicas de cálculo estocástico. Os textos a seguir apresentam os principais modelos: textos clássicos e modernos sobre como se tornar um especialista C O programador C é uma das áreas mais difíceis para iniciar quads iniciais. Since it is such a large programming language, and may in fact be a quants first taste of programming, it can be extremely daunting. The first six books on the list, if understood properly, would make you a competent C programmer. By reading the remainder, you will (eventually) become an expert: Beginner C These books are designed for learning the basics and how to utilise the language effectively: Intermediate C These books will cover nearly everything a practising quant will likely ever need to learn about C itself: AdvancedReference C For those who wish to become the best in their peer group andor work in high-frequency trading, you will need to know a lot more about the language, including template programming, the ins-and-outs of the STL and Linux programming: Classic and modern texts on how to become an expert Python programmer In recent years Python has become a staple in the quantitative finance world. I personally know of many funds that employ it as the end-to-end computational infrastructure for carrying out systematic trading. It is an easy language to learn but it is harder to master, due to the many libraries a quant will use. Regardless of which type of quant you wish to become, I would suggest learning Python, as it is only going to become more widely adopted as time goes on: Beginner Python These books are designed for learning the basics and how to utilise Python - and its many scientific libraries - effectively: IntermediateAdvanced Python These books will cover nearly everything a practising quant will likely ever need to learn about programming in Python and using its libraries - particularly with regard to data science, machine learning and quant finance: Textbooks on learning the R statistical programming environment R is an advanced statistical programming environment used widely within systematic quant funts and investment banks. A great way to learn R is to pair the following books with an online course in statistics (which will often make use of R anyway). This will really help you get to grips with the methods of quantitative trading. In addition numerous books have been written on various statistical topics, often using R as the implementation language: Beginner R These books are designed for learning the basics of statistics with R, as related to quantitative finance: IntermediateAdvanced R The following books build on the statistical theory learnt in the aforementioned texts across the fields of time series analysis and machine learning: Click Below To Learn More About. A informação contida neste site é a opinião dos autores individuais com base em sua observação pessoal, pesquisa e anos de experiência. A editora e seus autores não são conselheiros de investimento registrados, advogados, CPAs ou outros profissionais de serviços financeiros e não prestam assessoria jurídica, fiscal, contábil, de investimento ou outros serviços profissionais. A informação oferecida por este site é apenas de educação geral. Como cada situação factual de indivíduos é diferente, o leitor deve procurar seu próprio conselheiro pessoal. Nem o autor nem o editor assumem qualquer responsabilidade ou responsabilidade por quaisquer erros ou omissões e não devem ter responsabilidade nem responsabilidade para qualquer pessoa ou entidade em relação a danos causados ​​ou alegadamente causados ​​direta ou indiretamente pelas informações contidas neste site. Use por sua conta e risco. Além disso, este site pode receber compensações financeiras das empresas mencionadas através de publicidade, programas afiliados ou de outra forma. Taxas e ofertas de anunciantes exibidos neste site mudam com freqüência, às vezes sem aviso prévio. Enquanto nos esforçamos para manter informações precisas e oportunas, os detalhes da oferta podem estar desactualizados. Os visitantes devem assim verificar os termos de tais ofertas antes de participar delas. O autor e a editora não se responsabilizam por atualizar informações e negar a responsabilidade pelo conteúdo, produtos e serviços de terceiros, inclusive quando acessados ​​através de hiperlinks ou propagandas neste site.