Quant estratégias de negociação blog

Arquivo do blog.

Como usar códigos MQL4 personalizados no EA Wizard.

O EA Wizard contém muitas funções úteis que podem ser facilmente utilizadas e permite que você construa rapidamente seu próprio consultor especialista. Se você precisar de uma função que não esteja presente, você não está preso. Nesse cenário, você pode usar o recurso de função personalizada do EA Wizard. Usar esse recurso requer que você entenda [& hellip;]

Tutorial simples do sistema de negociação de suporte de suporte para o EA Wizard.

Neste artigo vamos mostrar como construir um sistema de negociação semi-automático simples baseado em níveis de suporte e resistência (níveis S / R). O sistema terá as seguintes características: os preços dos níveis S / R serão definidos pelo usuário usando os parâmetros de entrada. Se não, o EA irá colocá-los automaticamente no gráfico [& hellip;]

Evolução das Ilhas em StrategyQuant 4.

Em StrategyQuant 4 nós introduzimos o novo recurso genético & # 8211; modelo de evolução das ilhas. A evolução das ilhas no motor genético é uma duplicação de um fenômeno do mundo real para um mundo de programação. No mundo natural, as populações de organismos são geralmente separadas por geografia. Deixados para evoluir em relativo isolamento ao longo de muitas gerações, espécies muito diferentes poderiam ocorrer em [& hellip;]

Você quer saber como se tornar um profissional lucrativo? .. uma entrevista.

O que se segue é uma entrevista com um cliente que usa com sucesso o StrategyQuant para sua negociação, além de uma pequena surpresa. O nome do cliente é Thomas. Ele começou a usar este programa em 2014. Ele foi orientado pelo meu colega Zdenek Zanka, que oferece cursos de negociação para traders na Europa central. Em pouco tempo, Thomas criou seu primeiro portfólio de [& hellip;]

Correlação de portfólio explicada.

QuantAnalyzer tem um novo recurso que pode calcular uma correlação de estratégias no portfólio. Isso pode ser usado na guia Analyze ou no Portfolio Master, onde as configurações de correlação podem ser usadas para filtrar portfólios com correlação muito grande. Aqui nós vamos descrever todas as opções possíveis de correlações de computação. Correlação por (período) é simplesmente [& hellip;]

História de sucesso & # 8211; um & quot; perfeito & quot; carteira forex.

Este artigo será sobre uma história de sucesso StrategyQuant. O título é um pouco exagerado, é claro que não existe um portfólio perfeito, mas neste artigo eu vou apresentar um que está próximo 🙂 Eu fui contatado recentemente por dois traders que têm muito bons resultados construindo e carteira de negociação ao vivo de estratégias [& hellip;]

Processo de construção de estratégia (E-mini S & amp; P 500 Futures)

Construindo uma estratégia emini lucrativa para ES / TF / EMD por Mark FricNeste artigo eu explicarei o processo passo-a-passo completo de construir uma estratégia lucrativa e robusta para ES (E-mini S & amp; P 500 Futures), incluindo várias etapas de diferentes testes de robustez. Esta é uma variação do meu artigo antigo sobre o processo de construção de estratégia para forex. [& hellip;]

Estratégias de barra de faixa passo a passo.

Neste artigo, explicarei o processo passo a passo de criação de uma estratégia para gráficos range ou renko no MetaTrader4. O exemplo abaixo usará barras de intervalo, mas o mesmo processo pode ser aplicado também aos gráficos renko. Quais são os gráficos Range ou Renko? Eles são gráficos alternativos que não exibem dados em blocos agrupados por [& hellip;]

Matriz Walk-Forward.

O Walk-Forward Matrix é um recurso único e poderoso na plataforma StrategyQuant. Ele pode ajudá-lo com duas coisas: Verificar a robustez da estratégia - se a estratégia passar no teste Walk-Forwad Matrix significa que com a ajuda da reotimização de parâmetros ela é adaptável a uma grande variedade de condições de mercado. ;]

Otimização Walk-Forward.

O que é otimização? A ideia por trás de uma otimização é simples. Primeiro você tem que ter um sistema de negociação & # 8211; por exemplo, um crossover de média móvel simples: Se o EMA (10) cruzar acima do EMA (20) for longo, caso contrário, fique aquém. Em quase todos os sistemas de negociação existem alguns parâmetros (períodos de indicadores, constantes para comparar, etc.) que influenciam o sistema [& hellip;]

Guia para iniciantes em negociação quantitativa.

Guia para iniciantes em negociação quantitativa.

Neste artigo, vou apresentar alguns dos conceitos básicos que acompanham um sistema de negociação quantitativo de ponta a ponta. Espera-se que este post atenda a dois públicos-alvo. O primeiro será indivíduos tentando obter um emprego em um fundo como um comerciante quantitativo. A segunda será pessoas que desejam tentar montar seu próprio negócio de comércio algorítmico "de varejo".

A negociação quantitativa é uma área extremamente sofisticada de finanças quânticas. Pode levar uma quantidade significativa de tempo para obter o conhecimento necessário para passar uma entrevista ou construir suas próprias estratégias de negociação. Não só isso, mas requer extensa experiência em programação, pelo menos em uma linguagem como MATLAB, R ou Python. No entanto, à medida que a frequência de negociação da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Assim, estar familiarizado com o C / C ++ será de suma importância.

Um sistema de negociação quantitativo consiste em quatro componentes principais:

Identificação Estratégica - Encontrando uma estratégia, explorando uma vantagem e decidindo sobre a frequência de negociação Backtesting da estratégia - Obtendo dados, analisando o desempenho da estratégia e removendo vieses Sistema de Execução - Vinculando a uma corretora, automatizando a negociação e minimizando custos de transação tamanho da aposta "/ critério de Kelly e psicologia de negociação.

Começaremos dando uma olhada em como identificar uma estratégia de negociação.

Identificação de estratégia.

Todos os processos de negociação quantitativos começam com um período inicial de pesquisa. Este processo de pesquisa engloba encontrar uma estratégia, verificando se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, obtendo quaisquer dados necessários para testar a estratégia e tentando otimizar a estratégia para retornos mais altos e / ou menor risco. Você precisará levar em conta suas próprias necessidades de capital se administrar a estratégia como um operador de "varejo" e como os custos de transação afetarão a estratégia.

Ao contrário da crença popular, é bastante simples encontrar estratégias lucrativas por meio de várias fontes públicas. Os acadêmicos publicam regularmente resultados teóricos de negociação (embora, em sua maioria, sejam brutos dos custos de transação). Os blogs de finanças quantitativas discutirão as estratégias em detalhes. Os jornais de comércio delinearão algumas das estratégias empregadas pelos fundos.

Você pode questionar por que os indivíduos e as empresas estão interessados ​​em discutir suas estratégias lucrativas, especialmente quando sabem que outras pessoas "que estão ocupando o mercado" podem impedir que a estratégia funcione a longo prazo. A razão está no fato de que eles não costumam discutir os parâmetros exatos e os métodos de ajuste que eles realizaram. Essas otimizações são a chave para transformar uma estratégia relativamente medíocre em uma altamente lucrativa. Na verdade, uma das melhores maneiras de criar suas próprias estratégias únicas é encontrar métodos semelhantes e, em seguida, realizar seu próprio procedimento de otimização.

Aqui está uma pequena lista de lugares para começar a procurar ideias estratégicas:

Muitas das estratégias que você irá analisar se encaixarão nas categorias de reversão à média e tendência / momento. Uma estratégia de reversão à média é aquela que tenta explorar o fato de que existe uma média de longo prazo em uma "série de preços" (como o spread entre dois ativos correlatos) e que desvios de curto prazo dessa média eventualmente reverterão. Uma estratégia de momentum tenta explorar tanto a psicologia do investidor quanto a grande estrutura de fundos, "pegando carona" em uma tendência de mercado, que pode ganhar impulso em uma direção e seguir a tendência até que ela se reverta.

Outro aspecto extremamente importante da negociação quantitativa é a frequência da estratégia de negociação. A negociação de baixa frequência (LFT) geralmente se refere a qualquer estratégia que detenha ativos por mais de um dia de negociação. Correspondentemente, a negociação de alta frequência (HFT) geralmente se refere a uma estratégia que mantém ativos intraday. Negociação de frequência ultra alta (UHFT) refere-se a estratégias que mantêm ativos na ordem de segundos e milissegundos. Como um profissional de varejo, HFT e UHFT certamente são possíveis, mas apenas com conhecimento detalhado da “pilha de tecnologia” e da dinâmica do livro de pedidos. Não vamos discutir esses aspectos em grande medida neste artigo introdutório.

Uma vez que uma estratégia, ou conjunto de estratégias, tenha sido identificada, ela agora precisa ser testada quanto à lucratividade nos dados históricos. Esse é o domínio do backtesting.

Backtesting de estratégia.

O objetivo do backtesting é fornecer evidências de que a estratégia identificada por meio do processo acima é lucrativa quando aplicada a dados históricos e fora da amostra. Isso define a expectativa de como a estratégia funcionará no "mundo real". No entanto, backtesting não é garantia de sucesso, por várias razões. É talvez a área mais sutil do comércio quantitativo, uma vez que implica inúmeros vieses, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível. Discutiremos os tipos comuns de polarização, incluindo viés de antecipação, viés de sobrevivência e viés de otimização (também conhecido como viés de "espionagem de dados"). Outras áreas de importância dentro do backtesting incluem a disponibilidade e a limpeza de dados históricos, levando em consideração custos de transação realistas e decidindo sobre uma plataforma robusta de backtesting. Discutiremos os custos de transação na seção Sistemas de Execução abaixo.

Uma vez que uma estratégia tenha sido identificada, é necessário obter os dados históricos através dos quais realizar testes e, talvez, refinamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Seus custos geralmente variam de acordo com a qualidade, profundidade e pontualidade dos dados. O ponto de partida tradicional para os comerciantes de quantia iniciais (pelo menos no nível de varejo) é usar o conjunto de dados gratuito do Yahoo Finance. Não vou me debruçar muito sobre fornecedores aqui, em vez disso, gostaria de me concentrar nas questões gerais ao lidar com conjuntos de dados históricos.

As principais preocupações com dados históricos incluem exatidão / limpeza, viés de sobrevivência e ajuste para ações corporativas, como dividendos e desdobramentos:

Precisão pertence à qualidade geral dos dados - se contém algum erro. Às vezes, os erros podem ser fáceis de identificar, como com um filtro de pico, que detecta "picos" incorretos nos dados de séries temporais e os corrige. Em outras ocasiões, podem ser muito difíceis de detectar. Muitas vezes é necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. O viés de sobrevivência é muitas vezes uma "característica" de conjuntos de dados gratuitos ou baratos. Um conjunto de dados com viés de sobrevivência significa que ele não contém ativos que não estão mais sendo negociados. No caso de ações, isso significa ações excluídas / falidas. Esse viés significa que qualquer estratégia de negociação de ações testada em tal conjunto de dados provavelmente terá um desempenho melhor do que no "mundo real", já que os "vencedores" históricos já foram pré-selecionados. As ações corporativas incluem atividades "logísticas" realizadas pela empresa, que geralmente causam uma mudança na função de etapa do preço bruto, que não deve ser incluída no cálculo dos retornos do preço. Ajustes para dividendos e desdobramentos são os culpados comuns. Um processo conhecido como ajuste de costas é necessário para ser realizado em cada uma dessas ações. É preciso ter muito cuidado para não confundir um desdobramento de ações com um verdadeiro ajuste de retorno. Muitos traders foram pegos por uma ação corporativa!

Para realizar um procedimento de backtest, é necessário usar uma plataforma de software. Você tem a escolha entre softwares backtest dedicados, como o Tradestation, uma plataforma numérica como o Excel ou o MATLAB ou uma implementação personalizada completa em uma linguagem de programação como Python ou C ++. Eu não vou me demorar muito em Tradestation (ou similar), Excel ou MATLAB, como eu acredito em criar uma pilha de tecnologia interna completa (por razões descritas abaixo). Um dos benefícios disso é que o software de backtest e o sistema de execução podem ser totalmente integrados, mesmo com estratégias estatísticas extremamente avançadas. Para as estratégias de HFT, em particular, é essencial usar uma implementação personalizada.

Ao fazer o backtest de um sistema, é preciso ser capaz de quantificar o desempenho do mesmo. As métricas "padrão da indústria" para estratégias quantitativas são o rebaixamento máximo e o Índice de Sharpe. O rebaixamento máximo caracteriza a maior queda de ponta a ponta na curva de patrimônio da conta em um determinado período de tempo (geralmente anual). Isso é mais frequentemente citado como uma porcentagem. As estratégias de LFT tenderão a ter rebaixamentos maiores do que as estratégias de HFT, devido a vários fatores estatísticos. Um backtest histórico mostrará o último drawdown máximo, que é um bom guia para o futuro desempenho de drawdown da estratégia. A segunda medida é o Índice de Sharpe, que é definido heuristicamente como a média dos retornos excedentes dividida pelo desvio padrão desses retornos excedentes. Aqui, os retornos excedentes referem-se ao retorno da estratégia acima de um benchmark pré-determinado, como o S & P500 ou um Tesouro de 3 meses. Note que o retorno anualizado não é uma medida normalmente utilizada, pois não leva em conta a volatilidade da estratégia (diferentemente do Índice de Sharpe).

Uma vez que uma estratégia tenha sido backtested e seja considerada livre de preconceitos (na medida em que isso é possível!), Com um bom Sharpe e rebaixamentos minimizados, é hora de construir um sistema de execução.

Sistemas de Execução.

Um sistema de execução é o meio pelo qual a lista de negociações geradas pela estratégia é enviada e executada pelo corretor. Apesar do fato de que a geração de comércio pode ser semi ou totalmente automatizada, o mecanismo de execução pode ser manual, semi-manual (ou seja, "um clique") ou totalmente automatizado. Para estratégias de LFT, técnicas manuais e semi-manuais são comuns. Para as estratégias de HFT, é necessário criar um mecanismo de execução totalmente automatizado, que muitas vezes será fortemente acoplado ao gerador de comércio (devido à interdependência entre estratégia e tecnologia).

As principais considerações ao criar um sistema de execução são a interface com a corretora, a minimização dos custos de transação (incluindo comissão, derrapagem e spread) e a divergência de desempenho do sistema ao vivo do desempenho do backtested.

Há muitas maneiras de interagir com uma corretora. Eles variam de chamar seu corretor por telefone até uma Application Programming Interface (API) de alto desempenho totalmente automatizada. O ideal é que você queira automatizar a execução de suas negociações o máximo possível. Isso libera você para se concentrar em mais pesquisas, bem como permitir que você execute várias estratégias ou mesmo estratégias de maior frequência (na verdade, HFT é essencialmente impossível sem execução automatizada). O software comum de backtesting descrito acima, como MATLAB, Excel e Tradestation, é bom para estratégias mais simples e de menor frequência. No entanto, será necessário construir um sistema de execução interno escrito em uma linguagem de alto desempenho, como C ++, para fazer qualquer HFT real. Como uma anedota, no fundo em que eu costumava trabalhar, tínhamos um "ciclo de negociação" de 10 minutos, onde baixávamos novos dados de mercado a cada 10 minutos e depois executávamos negociações com base nessas informações no mesmo período de tempo. Isso estava usando um script Python otimizado. Para qualquer coisa que se aproxime de dados de frequência de minutos ou segundos, acredito que C / C ++ seria mais ideal.

Em um fundo maior, muitas vezes não é o domínio do comerciante de quantificação para otimizar a execução. No entanto, em pequenas lojas ou empresas de HFT, os comerciantes são os executores e, portanto, um conjunto de habilidades muito mais amplo é geralmente desejável. Tenha isso em mente se você deseja ser empregado por um fundo. Suas habilidades de programação serão tão importantes, se não mais, do que suas estatísticas e talentos econométricos!

Outra questão importante que cai sob a bandeira da execução é a minimização dos custos de transação. Geralmente, há três componentes nos custos de transação: Comissões (ou impostos), que são as taxas cobradas pela corretora, pela bolsa e pela SEC (ou órgão regulador governamental similar); escorregamento, que é a diferença entre o que você pretendia que seu pedido fosse preenchido versus o que foi realmente preenchido; spread, que é a diferença entre o preço de compra / venda do título negociado. Observe que o spread NÃO é constante e depende da liquidez atual (ou seja, disponibilidade de ordens de compra / venda) no mercado.

Os custos de transação podem fazer a diferença entre uma estratégia extremamente lucrativa com um bom índice de Sharpe e uma estratégia extremamente não lucrativa com um índice de Sharpe terrível. Pode ser um desafio prever corretamente os custos de transação de um backtest. Dependendo da frequência da estratégia, você precisará acessar os dados históricos do câmbio, que incluirão dados de ticks para preços de compra / venda. Equipes inteiras de quantos são dedicadas à otimização da execução nos fundos maiores, por esses motivos. Considere o cenário em que um fundo precisa descarregar uma quantidade substancial de negociações (das quais as razões para isso são muitas e variadas!). Ao "despejar" tantas ações no mercado, elas rapidamente deprimirão o preço e podem não obter uma execução ideal. Daí algoritmos que "gotejam feed" ordens para o mercado existem, embora o fundo corre o risco de derrapagem. Além disso, outras estratégias "atacam" essas necessidades e podem explorar as ineficiências. Este é o domínio da arbitragem da estrutura do fundo.

A última grande questão para os sistemas de execução diz respeito à divergência de desempenho da estratégia do desempenho do backtested. Isso pode acontecer por vários motivos. Já analisamos o viés de look-ahead e o viés de otimização em profundidade, ao considerar os backtests. No entanto, algumas estratégias não facilitam o teste desses vieses antes da implantação. Isso ocorre em HFT mais predominantemente. Pode haver bugs no sistema de execução, bem como a própria estratégia de negociação que não aparece em um backtest, mas aparece no live trading. O mercado pode ter sido sujeito a uma mudança de regime após a implantação de sua estratégia. Novos ambientes regulatórios, mudanças no sentimento do investidor e fenômenos macroeconômicos podem levar a divergências na forma como o mercado se comporta e, portanto, na rentabilidade de sua estratégia.

Gerenciamento de riscos.

A peça final do quebra-cabeça de negociação quantitativa é o processo de gerenciamento de risco. "Risco" inclui todos os vieses anteriores que discutimos. Isso inclui risco de tecnologia, como servidores co-localizados na central de repente desenvolvendo um mau funcionamento do disco rígido. Isso inclui risco de corretagem, como o corretor estar falido (não tão louco quanto parece, dado o recente susto com a MF Global!). Em suma, abrange quase tudo o que poderia interferir com a implementação comercial, dos quais existem muitas fontes. Livros inteiros são dedicados ao gerenciamento de risco para estratégias quantitativas, então eu não tentarei elucidar todas as possíveis fontes de risco aqui.

A gestão de risco também abrange o que é conhecido como alocação de capital ideal, que é um ramo da teoria de portfólio. Esse é o meio pelo qual o capital é alocado a um conjunto de estratégias diferentes e aos negócios dentro dessas estratégias. É uma área complexa e depende de algumas matemáticas não triviais. O padrão da indústria pelo qual a alocação ótima de capital e a alavancagem das estratégias estão relacionadas é chamado de critério de Kelly. Como este é um artigo introdutório, não vou me alongar em seu cálculo. O critério de Kelly faz algumas suposições sobre a natureza estatística dos retornos, que muitas vezes não são verdadeiros nos mercados financeiros, de modo que os operadores geralmente são conservadores quando se trata da implementação.

Outro componente fundamental do gerenciamento de riscos é lidar com o próprio perfil psicológico. Existem muitos vieses cognitivos que podem surgir na negociação. Embora isso seja reconhecidamente menos problemático com negociação algorítmica se a estratégia for deixada em paz! Um viés comum é o da aversão à perda, em que uma posição perdedora não será fechada devido à dor de ter que perceber uma perda. Da mesma forma, os lucros podem ser tomados muito cedo porque o medo de perder um lucro já ganho pode ser muito grande. Outro viés comum é conhecido como viés de recência. Isso se manifesta quando os operadores enfatizam demais os eventos recentes e não a longo prazo. Então, é claro, há o par clássico de preconceitos emocionais - medo e ganância. Estes podem muitas vezes levar a sub ou sobre-alavancagem, o que pode causar blow-up (ou seja, o título da conta indo para zero ou pior!) Ou lucros reduzidos.

Como pode ser visto, o comércio quantitativo é uma área extremamente complexa, embora muito interessante, de financiamento quantitativo. Eu literalmente arranhei a superfície do tópico neste artigo e já está ficando bastante longo! Livros e documentos inteiros foram escritos sobre questões para as quais eu só dei uma ou duas sentenças. Por esse motivo, antes de se candidatar a cargos quantitativos de negociação de fundos, é necessário realizar uma quantidade significativa de estudo de base. No mínimo, você precisará de um extenso conhecimento em estatística e econometria, com muita experiência em implementação, por meio de uma linguagem de programação como MATLAB, Python ou R. Para estratégias mais sofisticadas no final de frequência mais alta, seu conjunto de habilidades é provável para incluir a modificação do kernel do Linux, C / C ++, programação de montagem e otimização de latência de rede.

Se você estiver interessado em tentar criar suas próprias estratégias de negociação algorítmica, minha primeira sugestão seria se programar bem. Minha preferência é construir o máximo possível de dados capturados, backtester de estratégia e sistema de execução. Se o seu próprio capital está em jogo, não dormiria melhor à noite sabendo que você testou completamente o seu sistema e está ciente de suas armadilhas e problemas específicos? Terceirizar isso para um fornecedor, enquanto potencialmente economiza tempo a curto prazo, pode ser extremamente caro a longo prazo.

A Quantcademy.

Participe do portal de associação da Quantcademy que atende à crescente comunidade de traders de quantificação de varejo e aprenda como aumentar a lucratividade de sua estratégia.

Abordagem Quant para Construir Estratégias de Negociação: Parte Um.

Recentemente, Quandl entrevistou um gerente sênior de carteira quantitativa em um grande fundo de hedge. Nós falamos sobre como ela constrói estratégias de negociação - como ela transita de uma representação abstrata do mercado para algo concreto com poderes preditivos genuínos.

Você pode nos dizer como você cria novas estratégias de negociação?

Tudo começa com uma hipótese. Eu conjecturo que deve haver uma relação entre dois instrumentos, ou talvez haja um novo instrumento no mercado que esteja ganhando popularidade, ou talvez haja um fator macroeconômico incomum que descobri que impulsiona o comportamento de precificação de micro. Então eu escrevo uma equação - um modelo, se você quiser - que visa capturar esse relacionamento. Normalmente, haverá algum tipo de equação de processo que mostra como as variáveis ​​evoluem com o tempo, com um componente aleatório (estocástico).

O próximo passo é encontrar uma solução de formato fechado para este modelo. Às vezes isso é fácil; às vezes isso leva dias e semanas de álgebra; às vezes não há solução de forma fechada e tenho que me contentar com uma aproximação. Acho muito útil o kit de ferramentas de manipulação simbólica do Mathematica nesta etapa do processo.

Ok, agora eu tenho um modelo do mercado. Eu preciso testar se é realista. Nesta fase, geralmente me volto para o Matlab. Assumo alguns valores plausíveis para vários parâmetros e executo algumas simulações. As saídas simuladas parecem razoáveis? Eles refletem, pelo menos conceitualmente, a dinâmica real do mercado?

Supondo que o modelo passe por essa verificação de integridade, é hora de ir além da exploração ou da ideação do céu azul e da pesquisa formal.

O que você quer dizer com “pesquisa formal”? E por que isso é necessário?

Refiro-me à transição de uma representação abstrata e estilizada do mercado para algo que é concreto e não ambíguo, com poderes preditivos genuínos.

É difícil criar modelos realmente preditivos. Mas é muito fácil se enganar pensando que você criou um modelo preditivo, quando, na verdade, você simplesmente se encaixou demais ou usou testes na amostra ou impôs um conhecimento exógeno em suas regras, ou o que você tem. A maioria dos "sistemas" desmorona no mundo real por esse motivo preciso.

Eu não quero que isso aconteça ao meu modelo; Eu vou estar arriscando dinheiro real com isso. Assim, ao longo dos anos, construí e aprimorei uma abordagem sistemática, lenta e constante que minimiza o risco de me enganar. Isso é o que eu chamo de "pesquisa formal".

Quais etapas você inclui no seu processo formal de pesquisa?

Logo no início, meu maior medo é a contaminação de dados. A história é um recurso limitado; Depois de esgotar os dados históricos para testar, você não poderá gerar mais nenhum. Estou paranóico por não ter esgotado meu suprimento de dados fora de amostra não contaminados.

Então começo dividindo meus dados históricos em partes não sobrepostas. Eu então escolho aleatoriamente para que nem eu saiba qual pedaço é qual. (Isso protege contra preconceitos subconscientes: por exemplo, ter aversão ao risco quando eu sei que meu conjunto de dados de teste é 2008, ou que estou buscando risco em 2009).

Eu designo um pedaço como meu conjunto de calibração. Eu costumo usar Python para calibração: eu uso suas bibliotecas de otimização embutidas e escrevi algumas das minhas próprias. Neste exemplo em particular, meus parâmetros são restritos e correlacionados. Então eu uso um processo de otimização de 2 etapas chamado algoritmo EM. Os otimizadores podem ser sensíveis às condições iniciais, então eu uso o Monte Carlo para escolher um número de pontos de partida no espaço da solução. Tudo isso é muito fácil de fazer em Python.

O resultado dessa calibração deve ser um conjunto de “parâmetros do modelo” - valores numéricos - que podem ser combinados com observações reais do mercado para prever outros preços de mercado.

Depois de calibrar o modelo, testei a amostra. As previsões são estáveis ​​e os resíduos significam uma reversão? Se não, o modelo não funciona; tão simples como isso. Eu tento vários "truques" para quebrar o modelo. Por exemplo, calibre dados mensais, mas teste em dados diários. Ou eu testo parâmetros dos EUA nos dados do mercado canadense. Se o modelo reflete verdadeiramente a realidade econômica subjacente, deve ser bastante robusto para esses tipos de ataques. (Economia não muda quando você cruza fronteiras).

Então, você separa estritamente na amostra e fora da amostra; você se cega para intervalos de datas; você usa Monte Carlo para evitar vieses de ponto inicial; e você tenta vários truques de robustez. O que mais você faz para garantir que não está se enganando?

Eu coloco um prêmio muito alto em parcimônia. Se meu modelo requer muitos parâmetros ou tem muitos graus de liberdade, é apenas ajuste de curva; não é um modelo de todo. Então, estou constantemente tentando remover fatores. Se o modelo continuar funcionando (e permanecer "rico") com vários fatores removidos, provavelmente será um bom fator.

Uma segunda prova de robustez é se o modelo funciona bem, não importa qual estratégia de negociação você construa em cima dele. Se você só pode ganhar dinheiro usando uma regra de escala não linear complexa com todos os tipos de condições de borda, isso sugere uma falta de robustez.

Por fim, não há substituto para os dados. Penso em todos os conjuntos de dados possíveis fora da amostra em que posso testar o modelo de forma plausível: diferentes países, diferentes instrumentos, diferentes intervalos de tempo, diferentes frequências de datas. O modelo tem que trabalhar em todos eles; senão você tem viés de seleção nos resultados.

Isso parece abrangente. O que acontece depois?

Armado com um modelo calibrado, o próximo passo é construir uma simulação de PL. Resíduos de reversão média podem não ser suficientes se o conjunto de oportunidades for muito pequeno para compensar o bid-ask, ou se as explosões ocasionais matarem todos os meus lucros. Então eu preciso testar uma estratégia de negociação real usando o meu modelo. Aqui é onde eu tenho que exercitar o máximo cuidado: é muito fácil adaptar-se à curva adicionando novas variáveis ​​livres, ou distorcer os resultados com conhecimento subconsciente, ou eliminar os valores discrepantes. Simplicidade, separação rigorosa de amostras e honestidade intelectual são importantes aqui.

Eu uso o Excel para back-testing. Esta é uma escolha deliberada: o Excel não é tão poderoso quanto o Python, e isso significa que existe um limite superior em quão complexo eu posso fazer minhas regras de negociação. Isso é uma coisa boa: uma estratégia que requer complexidade para ser lucrativa provavelmente não é uma boa estratégia em primeiro lugar.

O Excel também permite que eu veja minhas suposições explicitadas; É fácil perder o controle de tais coisas quando você está trabalhando no código. Ele me permite visualizar as estatísticas de desempenho (risco, retorno, rebaixamentos, eficiência de capital, taxa de Sharpe e assim por diante) de forma rápida e clara. Mesmo que meu modelo “funcione”, não há garantia de que uma estratégia de negociação construída em torno do modelo será economicamente viável, portanto, essas estatísticas são importantes.

Muito poucos modelos de negociação superam todas as etapas acima: formulação de blue-sky e testes de sanidade; calibração histórica e desempenho fora da amostra; back-test e rentabilidade da estratégia de negociação. Mas, para os poucos que fazem isso, agora é hora de entrar em produção. Este é um jogo totalmente diferente.

Você pode ler a segunda parte da entrevista aqui. Nele, discutimos como a produção é um jogo totalmente novo e onde obter ideias para novas estratégias. Também respondemos às perguntas do leitor na terceira parte da entrevista.

Alguma pergunta para o nosso quant? Comentários? Deixe-os abaixo e ela responderá a você. Gostaríamos de saber sobre seu processo de criação de estratégias de negociação.

Quantas Estratégias Implementadas pela Comunidade Quantopiana.

Na semana passada, fiz uma palestra sobre finanças no quesito Hacker Dojo em Mountain View, Califórnia. O formato foi inspirado por algumas análises que fiz sobre os tipos de algoritmos compartilhados e clonados na comunidade de Quantopian - inicialmente eu queria perguntar: Quais são as estratégias mais populares codificadas em Quantopian? Para responder a essa pergunta, classifiquei todas as postagens do fórum público de três formas, primeiro no número de respostas, segunda no número de visualizações e terceira no número de vezes clonadas. Calculei a média dessas pontuações e re-classifiquei a lista para chegar às 25 primeiras postagens mais populares de todos os tempos. (NB: Eu não fiz nenhuma correção para a data do post original, então a quantidade de tempo que o thread esteve vivo não foi normalizada.)

Partindo desta lista, trabalhei de trás para frente e usei exemplos da comunidade de Quantopian para introduzir 5 tipos básicos de estratégia de quant: Reversão Média, Momento, Valor, Sentimento e Sazonalidade. Embora essa lista não seja tecnicamente "mutuamente exclusiva e coletiva - mente exaustiva", abrange uma grande fração do intraday para estratégias de quant de frequência mais baixa e fornece uma boa visão geral da maneira como os futuros focados em ações pensam sobre a previsão de preços de mercado. Voltei para minha lista dos 25 principais e categorizei cada um dos algoritmos em um desses cinco intervalos e depois criei esse gráfico de pizza com base no número agregado de visualizações para cada tipo de estratégia.

Há uma série de conclusões interessantes a serem tiradas desta visão inicial da atividade da comunidade. Talvez o mais óbvio e previsível é que as estratégias baseadas em preços estão atualmente na liderança por uma grande margem - devido, espero, ao fácil acesso a precificação de capital por minuto e à acessibilidade da lógica para o momentum e a reversão à média. . Na verdade, não houve estratégias baseadas em valor que entraram no Top 25 - o que, a meu ver, representa um espaço-chave para oportunidades no momento.

Mais sutil e, do meu ponto de vista reconhecidamente tendencioso, mais atraente é a diversidade e a qualidade do conteúdo e da colaboração na esfera pública. Tendo se juntado à equipe da Quantopian de um grande ambiente corporativo trabalhando com um pequeno grupo de clientes institucionais, vendo que os top 25 algos foram clonados mais de 13.000 vezes, uma média de mais de 500 clones por estratégia é ... bem, é muito legal.

Abaixo você pode encontrar o deck de slides da minha apresentação:

O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta para fornecer serviços de consultoria de investimento pela Quantopian.

Além disso, o material não oferece opinião com relação à adequação de qualquer investimento específico ou de segurança. Nenhuma informação aqui contida deve ser considerada como uma sugestão para se envolver ou se abster de qualquer ação relacionada ao investimento, pois nenhuma das suas afiliadas está comprometida em fornecer consultoria de investimento, agir como um consultor para qualquer plano ou entidade sujeita a o Employee Retirement Income Security Act de 1974, conforme alterado, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em uma capacidade fiduciária com relação aos materiais aqui apresentados. Se você for um investidor individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado com a Quantopian sobre se qualquer ideia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não garante a exatidão ou integridade das opiniões expressas no site. As opiniões estão sujeitas a alterações e podem ter se tornado não confiáveis ​​por várias razões, incluindo mudanças nas condições de mercado ou circunstâncias econômicas.

25 lugares para encontrar estratégias de negociação quantitativa.

Compartilhe este post:

O comércio quantitativo envolve o uso de cálculos matemáticos, análise de dados e processamento de números para buscar oportunidades de negócios lucrativos nos mercados financeiros.

Preço, volume e dados fundamentais podem ser usados ​​para formular estratégias de negociação quantitativas, dependendo do que você está esperando alcançar. No restante deste artigo, identificarei 25 lugares on-line, onde você poderá encontrar algumas estratégias e ideias lucrativas de negociação de quant:

O SSRN, a Rede de Pesquisas em Ciências Sociais, contém uma grande quantidade de informações acadêmicas de alta qualidade, e há muitos periódicos e artigos interessantes relacionados a finanças e comércio.

Se você for ao site principal e começar a pesquisar palavras-chave como & # 8216; trading & # 8217 ;, & # 8216; stocks & # 8217 ;, & # 8216; forex & # 8217; etc você é obrigado a encontrar alguns grandes trabalhos e muitas idéias interessantes. Pode ser uma boa idéia classificar seus resultados para que você esteja observando as adições mais recentes, já que alguns dos trabalhos mais antigos não são mais tão relevantes ou efetivos.

Quantpedia é chamada de enciclopédia on-line de estratégias de negociação de quant e este é um dos meus lugares favoritos para encontrar idéias de sistemas sólidos. Há uma grande mistura de sistemas aqui, alguns complexos e alguns simples, e ao longo de vários prazos e mercados diferentes.

Enquanto SSRN contém cargas de trabalhos de pesquisa diferentes em vários tópicos, Quantpedia supera organizando só as melhores estratégias em um lugar. Ele divide várias idéias de estratégias acadêmicas e as apresenta em um formato fácil de entender, o que é crucial.

Eu tive muito sucesso com algumas das estratégias lá e consegui transferir algumas delas para a Amibroker para testá-las eu mesmo. Não é particularmente barato, mas vale a pena o dinheiro na minha opinião.

A Quantocracia é um agregador curado de links de negociação quântica de toda a web e é um excelente recurso para ficar de olho. Há sempre muitos artigos que podem ser instigados e perspicazes no site, desde simples ideias de negociação de quantia até argumentos muito mais complexos.

O Elite Trader é chamado de rede social número um para os comerciantes, mas é essencialmente um fórum que contém muitas discussões interessantes e tópicos relacionados à negociação. Há uma quantidade razoável de discussão relacionada à negociação quantitativa, com seções sobre negociação automatizada, NinjaTrader, Collective2 etc.

O sucesso do sistema comerciante tem ido por um bom tempo e contém inúmeras idéias e estratégias de sistema de negociação de vários contribuintes e profissionais de negociação. O site está sempre aberto a novos envios, o que significa que há sempre conteúdos novos e interessantes provenientes de uma ampla variedade de fontes. O objetivo da STS é "educar e capacitar o comerciante de varejo com todo o conhecimento e ferramentas para ter sucesso no mundo comercial quantitativo".

A Quantopian oferece uma plataforma que oferece aos usuários a oportunidade de trabalhar em algoritmos de negociação ao vivo. Reúne os melhores talentos do mundo de algoritmos e finanças e dá a eles a chance de se tornarem inativos. As ferramentas oferecidas pela Quantopian facilitam a resolução de problemas de infraestrutura e qualidade de dados, permitindo que os usuários se concentrem no desenvolvimento de suas ideias de investimento.

O fórum Trade2Win tem um grande número de seguidores dos comerciantes do Reino Unido e contém muitas discussões de negociação em todos os tipos de áreas. Se você navegar para a seção sobre sistemas de negociação, provavelmente encontrará alguns tópicos interessantes sobre as estratégias de negociação de quant.

Como o Fórum Trade2Win, o Fórum de Ações Aussie também tem uma seção relacionada a estratégias e sistemas de negociação e também há muitas informações úteis para os usuários da Amibroker.

Blue Owl Press é a página inicial de todos os livros do Dr. Howard Bandy. O Dr. Bandy é um programador experiente da Amibroker e possui vários livros que contêm todos os tipos de estratégias de negociação.

O Price Action Lab é um software para analisar a ação do preço construído pelo experiente trader Michael Harris. Harris & # 8217; O blog PAL é uma mina de ouro para pesquisa e ideias quantitativas de negociação e é uma leitura obrigatória para quem acha que a negociação quant é fácil. Como Harris mostra e outra vez, há muito mais a negociação quantitativa do que a maioria das pessoas imagina.

O Better System Trader é um blog relativamente novo que apresenta entrevistas quinzenais em podcast com alguns dos melhores traders do sistema do setor e muitos dos autores nesta página foram apresentados no site nos últimos meses. Fundada por Andrew Swanscott, esta é uma obrigação para qualquer pessoa interessada em idéias de negociação de quant.

Ernie Chan é um comerciante quantitativo bem respeitado e autor de uma série de best-seller quântico negociando livros, incluindo "Quantitative Trading: How to Build Your Own Algorithmic Trading Business".

Ernie tem estado na indústria desde o final dos anos 90 e seu blog contém muitas informações interessantes sobre o mundo comercial quantitativo.

A Trading Markets foi fundada por Larry Connors (criador do indicador RSI da Connors), Kevin Haggerty e alguns outros profissionais de trading. O site de Mercados de Negociação tem uma enorme quantidade de conteúdo relacionado à negociação de ações, bem como outros ativos, e vale sempre a pena vasculhar novas idéias de negociação. O site também contém vários sistemas de negociação pagos e cursos úteis para o aprendizado do Amibroker.

Cesar Alvarez é engenheiro de software, trader de quant e programador da Amibroker que passou nove anos trabalhando para a Trading Markets e a Connors Research (acima). Seu blog é atualizado regularmente com novas idéias e pesquisas sobre sistemas de negociação e vale a pena ficar de olho nele.

O ASX Market Watch é um excelente recurso para trocar idéias de sistemas e tutoriais da Amibroker executados por Dave McLachlan. O site é focado principalmente para o mercado de ações australiano (ASX), mas também contém muitos vídeos úteis e material grátis.

Pesquisa Quantitativa e Negociação de Jonathan Kinlay é um ótimo recurso para os mais recentes modelos, teorias e estratégias de investimento usando quant research e trading. O site contém várias estratégias de negociação desenvolvidas a partir de algoritmos baseados em notícias criados pela Quantitative Trading na Systematic Strategies, LLC. A pesquisa de investimentos do Dr. Kinlay criou as estratégias de arbitragem de volatilidade atualmente sendo usadas pelo fundo de hedge Caissa Capital.

Alpha Architect visa capacitar os investidores através da educação. As quatro crenças fundamentais da Alpha Architect reforçam sua missão de reduzir a lacuna de retorno comportamental entre os investidores. Ele fornece uma série de estratégias sobre patrimônio ativo, alocação de ativos e alternativas. O site é um excelente recurso para investidores de longo prazo, com mentalidade independente e sensíveis a impostos, que buscam obter um bom valor pelo seu dinheiro.

Turing Finance desenvolvido a partir StuartReid. co. za, um blog pessoal que mostra as idéias pessoais do autor sobre a aplicação da informática moderna nos mercados financeiros. A Turing Finance concentra-se no conteúdo e não no autor e pretende solicitar contribuições de pesquisadores que compartilham a paixão de Stuart Reid. Promove o conceito de que a ciência da computação e a aprendizagem de máquina podem transformar todo o cenário do mercado financeiro.

Dual Momentum Investing fornece uma visão sobre o método de investimento de momentum utilizado por Gary Antonacci. O método visa aumentar os níveis de lucro, reduzindo o risco. Oferece aos investidores uma maneira de obter retornos de longo prazo em seus investimentos enquanto reduz as perdas de mercado e se baseia nos 35 anos de experiência de Gary Antonacci. Dual Momentum visa utilizar variações significativas na força relativa e tendências do mercado.

O Quants Portal é um projeto de fundos hedge de fonte aberta que oferece estratégias quantitativas baseadas em investimentos momentâneos. Com um crescente interesse em quantocracia, o site oferece inúmeros recursos para discutir o investimento de momentum, back testing e outras estratégias financeiras quantitativas. A equipe por trás do Quants Portal é composta por estudantes de gestão financeira, gestão de investimentos e estatística matemática, que pesquisam e revisam os métodos de investimento em dinâmica.

Eu ouvi pela primeira vez de Quantifiable Edges de Rob Hanna através de um podcast Better System Trader e é um ótimo site para pesquisa quantificável e ver os resultados de interessantes idéias de negociação. Rob utiliza conceitos de análise técnica para quantificar bordas lucrativas no mercado. Tais ideias de negociação geralmente incorporam indicadores, amplitude, volume, sentimento, volatilidade, sazonalidade e ação de preço. Seu trabalho nas bordas noturnas também é muito interessante.

A KJ Trading Systems oferece métodos para melhorar o desempenho comercial entre os investidores. Oferece as técnicas usadas por Kevin Davey em seus 25 anos de experiência em negociação. Além dos artigos de livre comércio, a KJ Trading Systems também oferece inúmeros vídeos, webinars gratuitos e a estratégia de negociação de futuros usada por Kevin Davey em seus próprios investimentos.

O QuantStart é um recurso de negociação algorítmica que fornece aos investidores em potencial uma excelente maneira de iniciar uma carreira em finanças quantitativas e negociação algorítmica. Também oferece inúmeros artigos e vídeos intuitivos. O QuantStart também explica como as ferramentas Python podem ser usadas na criação de estratégias de negociação lucrativas.

O Chartist vem do comerciante experiente e seguidor de tendência Nick Radge, que é autor de vários livros e artigos populares. Nick Radge é baseado na Austrália e é outro programador competente da Amibroker. O site oferece vários modelos de investimento de assinatura que permitem que os operadores copiem as negociações de Nick, além de fornecerem vários artigos e vídeos informativos.

O Automated Trading System da Jez Liberty é focado principalmente na estratégia de acompanhamento de tendências, e o blog contém vários artigos interessantes que são úteis para qualquer profissional que siga o sistema. O site também contém retornos mensais de uma série de assistentes de tendência que sempre faz uma leitura interessante.

Portanto, há 25 locais on-line para começar a procurar estratégias e ideias quantitativas de negociação. Tenho certeza de que perdi alguns da lista, então, por favor, deixe-me saber nos comentários quais são seus favoritos. # 8230;