BREAKING DOWN Intraday Ce terme est souvent utilisé pour désigner les nouveaux hauts et les bas d'une sécurité. Par exemple, un nouvel intraday élevé signifie une sécurité atteint un nouveau sommet par rapport à tous les autres prix au cours d'une séance de bourse. Dans certains cas, un intraday élevé peut être égal au prix de clôture. Les traders prêtent une attention particulière au mouvement des prix intraday en utilisant des graphiques en temps réel dans une tentative de bénéficier des fluctuations de prix à court terme. Les traders à court terme utilisent généralement des graphiques intraday d'une, cinq, 15, 30 et 60 minutes lorsqu'ils sont négociés dans la journée. En règle générale, les graphiques à un et cinq minutes sont utilisés pour le scalpage et les graphiques de 30 et de 60 minutes sont utilisés pour des périodes de négociation intraday de plusieurs heures. Les ordres de prix moyens pondérés en volume (VWAP) sont souvent utilisés sur une base intraday afin d'accroître l'efficacité de l'exécution commerciale en donnant une exposition de commande à une variété de prix tout au long de la journée de négociation. Avantages et inconvénients de la négociation intraday Le plus grand avantage de la négociation intraday est que les positions ne sont pas affectés par la possibilité de nouvelles négatives de nuit qui a le potentiel d'impact important sur le prix d'une valeur mobilière. Les exemples sont des rapports économiques et de bénéfices clés ainsi que des mises à niveau et des déclassements de courtier qui se produisent soit avant l'ouverture du marché, soit après la fermeture du marché. La négociation intrajournalière offre plusieurs autres avantages clés, notamment la possibilité d'utiliser des ordres stop-loss serrés, l'accès à un effet de levier accru et offre aux traders davantage de possibilités d'apprentissage. Les inconvénients de la négociation intraday incluent le temps insuffisant pour une position à des augmentations dans le bénéfice et des coûts augmentés de commission en raison des métiers étant pris plus fréquemment. Stratégies intraday Il existe de nombreuses stratégies intraday qui peuvent être utilisés par les commerçants. Ces stratégies comprennent le scalping, qui tente de faire de nombreux bénéfices sur les petits prix change la négociation de gamme, qui utilise essentiellement des niveaux de soutien et de résistance pour déterminer les décisions d'achat et de vente et de négoce basé sur les nouvelles, qui utilise généralement la volatilité accrue autour de nouvelles événements qui peuvent créer intraday possible Possibilités commerciales. Les stratégies de négociation à haute fréquence qui utilisent des algorithmes complexes pour exploiter de petites inefficiences intraday marché fonctionnent généralement sur une base intraday. Basics of Algorithmic Trading: Concepts et exemples Un algorithme est un ensemble spécifique d'instructions clairement définies visant à mener à bien une tâche ou un processus. Le trading algorithmique (trading automatisé, black-box trading ou simplement algo-trading) est le processus d'utilisation d'ordinateurs programmés pour suivre un ensemble défini d'instructions pour placer un commerce afin de générer des profits à une vitesse et une fréquence qui est impossible pour un Commerçant humain. Les ensembles de règles définis sont basés sur le calendrier, le prix, la quantité ou tout modèle mathématique. En dehors des opportunités de profit pour le trader, algo-trading rend les marchés plus liquides et rend le trading plus systématique en excluant les impacts émotionnels de l'homme sur les activités de trading. Supposons qu'un commerçant respecte ces critères commerciaux simples: Achetez 50 actions d'un stock lorsque sa moyenne mobile de 50 jours dépasse la moyenne mobile de 200 jours Vendez les actions du stock lorsque sa moyenne mobile de 50 jours est inférieure à la moyenne mobile de 200 jours En utilisant cet ensemble de deux instructions simples, il est facile d'écrire un programme informatique qui surveillera automatiquement le prix des actions (et les indicateurs de la moyenne mobile) et placer les ordres d'achat et de vente lorsque les conditions définies sont remplies. Le commerçant n'a plus besoin de garder une montre pour les prix et les graphiques en direct, ou de passer les commandes manuellement. Le système de trading algorithmique le fait automatiquement pour lui, en identifiant correctement l'opportunité de négociation. (Pour en savoir plus sur les moyennes mobiles, voir: Les moyennes mobiles simples font ressortir les tendances.) Algo-trading offre les avantages suivants: Des métiers exécutés aux meilleurs prix possibles Des placements instantanés et précis (Voir exemple de défaillance de mise en œuvre ci-dessous) Contrôles automatisés simultanés sur de multiples conditions de marché Réduction du risque d'erreurs manuelles lors de la mise en place des opérations Backtest de l'algorithme, basé sur les données historiques et en temps réel disponibles Réduit La possibilité d'erreurs par les commerçants humains basé sur des facteurs émotionnels et psychologiques La plus grande partie de l'actualisation d'aujourd'hui est le commerce de haute fréquence (HFT), qui tente de capitaliser sur la mise en place d'un grand nombre de commandes à des vitesses très rapides sur plusieurs marchés et multiples décisions Paramètres, sur la base d'instructions préprogrammées. Algo-trading est utilisé dans de nombreuses formes d'activités de négociation et d'investissement, y compris: Les investisseurs à moyen ou long terme ou les sociétés d'achat (fonds de pension , Les fonds communs de placement, les compagnies d'assurance) qui achètent des actions en grandes quantités, mais qui ne veulent pas influencer les cours des actions avec des investissements discrets et volumineux. Les commerçants à court terme et les vendeurs participants (market makers, spéculateurs et arbitraires) bénéficient de l'exécution automatisée du commerce, en plus, de l'aide à la négociation pour créer une liquidité suffisante pour les vendeurs sur le marché. Les traders systématiques (adeptes de la tendance, pairs traders, hedge funds, etc.) trouvent qu'il est beaucoup plus efficace de programmer leurs règles commerciales et de laisser le programme échanger automatiquement. Le trading algorithmique offre une approche plus systématique du commerce actif que les méthodes basées sur l'intuition ou l'instinct des commerçants humains. Stratégies de trading algorithmique Toute stratégie de trading algorithmique nécessite une opportunité identifiée qui est rentable en termes d'amélioration des bénéfices ou de réduction des coûts. Voici les stratégies de trading courantes utilisées dans le commerce d'algo: Les stratégies de négociation algorithmiques les plus courantes suivent les tendances des moyennes mobiles. Canaux. Les mouvements du niveau des prix et les indicateurs techniques connexes. Ce sont les stratégies les plus faciles et les plus simples à mettre en œuvre grâce à la négociation algorithmique parce que ces stratégies n'impliquent pas de faire des prévisions ou des prévisions de prix. Les métiers sont initiés en fonction des tendances souhaitables. Qui sont faciles et simples à mettre en œuvre par des algorithmes sans entrer dans la complexité de l'analyse prédictive. L'exemple susmentionné de moyenne mobile de 50 et 200 jours est une tendance populaire suivant stratégie. L'achat d'un stock dual coté à un prix inférieur sur un marché et simultanément le vendre à un prix plus élevé sur un autre marché offre le différentiel de prix comme un profit sans risque Ou l'arbitrage. La même opération peut être répliquée pour les actions par rapport aux instruments à terme, car les écarts de prix existent de temps à autre. La mise en œuvre d'un algorithme permettant d'identifier ces écarts de prix et de passer les ordres permet des possibilités rentables de manière efficace. Les fonds indiciels ont défini des périodes de rééquilibrage pour aligner leurs avoirs sur leurs indices de référence respectifs. Cela crée des opportunités rentables pour les négociateurs algorithmiques, qui capitalisent sur les métiers attendus qui offrent 20-80 points de base des bénéfices en fonction du nombre d'actions dans le fonds indice, juste avant le rééquilibrage du fonds d'indice. Ces transactions sont initiées via des systèmes de négociation algorithmique pour une exécution en temps opportun et les meilleurs prix. Un grand nombre de modèles mathématiques éprouvés, comme la stratégie de négociation neutre, qui permettent de négocier sur la combinaison d'options et de sa sécurité sous-jacente. Où les métiers sont placés pour compenser les deltas positifs et négatifs afin que le delta du portefeuille soit maintenu à zéro. La stratégie de réversion moyenne est basée sur l'idée que les prix élevés et bas d'un actif sont un phénomène temporaire qui revient à leur valeur moyenne périodiquement. L'identification et la définition d'une fourchette de prix et l'implémentation d'un algorithme basé sur ce qui permet de commerces à être placés automatiquement lorsque le prix de l'actif casse dans et hors de sa fourchette définie. La stratégie de prix moyens pondérée en volume décompose une grande commande et libère des morceaux plus petits déterminés dynamiquement de l'ordre sur le marché en utilisant des profils de volume historiques spécifiques. L'objectif est d'exécuter la commande proche du prix moyen pondéré en volume (VWAP), profitant ainsi au prix moyen. La stratégie de prix moyens pondérée en fonction du temps décompose un ordre important et libère des morceaux plus petits déterminés dynamiquement de l'ordre sur le marché en utilisant des intervalles de temps répartis uniformément entre une heure de début et une heure de fin. L'objectif est d'exécuter l'ordre proche du prix moyen entre les heures de début et de fin, minimisant ainsi l'impact sur le marché. Jusqu'à ce que l'ordre commercial soit pleinement rempli, cet algorithme continue à envoyer des ordres partiels, selon le taux de participation défini et selon le volume négocié sur les marchés. La stratégie des étapes associées envoie des ordres à un pourcentage de volume de marché défini par l'utilisateur et augmente ou diminue ce taux d'activité lorsque le cours d'actions atteint les niveaux définis par l'utilisateur. La stratégie de réduction de la mise en œuvre vise à minimiser le coût d'exécution d'une commande en négociant sur le marché en temps réel, ce qui permet d'économiser sur le coût de la commande et de bénéficier du coût d'opportunité d'une exécution retardée. La stratégie permettra d'augmenter le taux de participation ciblé lorsque le cours des actions se déplace favorablement et de la diminuer lorsque le cours des actions se déplace négativement. Il existe quelques classes spéciales d'algorithmes qui tentent d'identifier les événements de l'autre côté. Ces algorithmes de reniflement, utilisés, par exemple, par un fabricant de marché côté vente ont l'intelligence intégrée pour identifier l'existence de tous les algorithmes sur le côté d'achat d'une grande commande. Une telle détection grâce à des algorithmes aidera le market maker à identifier de grandes opportunités de commandes et lui permettra de bénéficier en remplissant les commandes à un prix plus élevé. Cela est parfois identifié comme avant-courir de haute technologie. (Pour en savoir plus sur le commerce à haute fréquence et les pratiques frauduleuses, consultez: Si vous achetez des actions en ligne, vous êtes impliqué dans HFT.) Exigences techniques pour Algorithmic Trading Mettre en œuvre l'algorithme à l'aide d'un programme informatique est la dernière partie. Le défi consiste à transformer la stratégie identifiée en un processus informatique intégré qui a accès à un compte de négociation pour passer des commandes. Ce qui suit sont nécessaires: Connaissance de la programmation informatique pour programmer la stratégie de négociation requise, programmeurs embauchés ou logiciel de trading pré-fabriqué Connectivité réseau et accès aux plateformes de négociation pour placer les ordres Accès aux flux de données du marché qui seront surveillés par l'algorithme pour les opportunités de placer La capacité et l'infrastructure de backtest le système une fois construit, avant qu'il ne vienne en direct sur les marchés réels Données historiques disponibles pour backtesting, en fonction de la complexité des règles implémentées dans l'algorithme Voici un exemple complet: Royal Dutch Shell (RDS) Stock Exchange (AEX) et la Bourse de Londres (LSE). Lets construire un algorithme pour identifier les opportunités d'arbitrage. En raison de la différence d'une heure, AEX ouvre une heure plus tôt que LSE, suivie par les deux échanges qui se négocient simultanément pour les prochaines heures et puis se négocier uniquement dans LSE pendant La dernière heure à la clôture d'AEX Peut-on explorer la possibilité de négociation d'arbitrage sur les actions Royal Dutch Shell cotées sur ces deux marchés en deux monnaies différentes Un programme informatique qui peut lire les prix du marché actuel Prix des flux de LSE et AEX A forex taux feed for Taux de change GBP-EUR Capacité de placement de commande qui peut acheminer l'ordre à l'échange correct Possibilité de back-testing sur des flux de prix historiques Le programme d'ordinateur devrait effectuer les opérations suivantes: . Convertir le prix d'une devise à une autre. S'il existe un écart de prix assez important (en actualisant les coûts de courtage) qui donne lieu à une occasion rentable, Désiré, le bénéfice d'arbitrage suivra Simple et facile Cependant, la pratique du trading algorithmique n'est pas si simple à maintenir et à exécuter. Rappelez-vous, si vous pouvez placer un commerce algo-généré, peuvent donc les autres participants du marché. Par conséquent, les prix fluctuent en millisecondes et même en microsecondes. Dans l'exemple ci-dessus, que se passe-t-il si votre commerce d'achat est exécuté, mais ne vend pas de commerce que les prix de vente changent au moment où votre commande frappe le marché Vous finirez par vous asseoir avec une position ouverte. Rendant votre stratégie d'arbitrage sans valeur. Il existe des risques et des défis supplémentaires: par exemple, les risques de défaillance du système, les erreurs de connectivité réseau, les délais entre les ordres et l'exécution et, surtout, les algorithmes imparfaits. Plus un algorithme est complexe, plus le backtesting est nécessaire avant d'être mis en action. L'analyse quantitative d'une performance algorithmique joue un rôle important et doit être examinée de manière critique. Son excitant pour aller pour l'automatisation assistée par des ordinateurs avec une idée de gagner de l'argent sans effort. Mais il faut s'assurer que le système est bien testé et que les limites requises sont fixées. Les commerçants analytiques devraient envisager d'apprendre les systèmes de programmation et de construction par eux-mêmes, d'être confiants dans la mise en œuvre des stratégies de droite à toute épreuve. L'utilisation prudente et les tests approfondis d'algo-trading peuvent créer des opportunités rentables. Le fonds de roulement est une mesure à la fois de l'efficacité d'une entreprise et de sa santé financière à court terme. Le fonds de roulement est calculé. L'Environmental Protection Agency (EPA) a été créée en décembre 1970 sous la présidence du président américain Richard Nixon. Le. Un règlement mis en œuvre le 1er janvier 1994, qui a diminué et a finalement éliminé les tarifs douaniers pour encourager l'activité économique. Une norme permettant de mesurer la performance d'un titre, d'un fonds commun de placement ou d'un gestionnaire de placements. Portefeuille mobile est un portefeuille virtuel qui stocke les informations de carte de paiement sur un appareil mobile. 1. L'utilisation de divers instruments financiers ou le capital emprunté, tels que la marge, pour augmenter le rendement potentiel d'un investissement. Comment identifier les stratégies de négociation algorithmique Dans cet article, je veux vous présenter les méthodes par lesquelles je moi-même identifier rentable trading algorithmique stratégies. Notre objectif aujourd'hui est de comprendre en détail comment trouver, évaluer et sélectionner ces systèmes. Ill expliquer comment l'identification des stratégies est autant sur les préférences personnelles que sur la performance de la stratégie, la façon de déterminer le type et la quantité de données historiques pour les tests, comment évaluer sans cesse une stratégie commerciale et enfin comment procéder à la phase backtesting et la mise en œuvre de la stratégie . Identifier vos préférences personnelles propres à la négociation Afin d'être un opérateur avec succès - discrétionnaire ou algorithmique - il est nécessaire de vous poser des questions honnêtes. Trading vous offre la possibilité de perdre de l'argent à un rythme alarmant, il est donc nécessaire de se connaître autant qu'il est nécessaire de comprendre votre stratégie choisie. Je dirais que la considération la plus importante dans le commerce est d'être conscient de votre propre personnalité. Trading, et le trading algorithmique en particulier, exige un degré significatif de discipline, de patience et de détachement émotionnel. Puisque vous laissez un algorithme effectuer votre trading pour vous, il est nécessaire d'être résolu de ne pas interférer avec la stratégie quand il est exécuté. Cela peut être extrêmement difficile, surtout en période de retrait prolongé. Cependant, de nombreuses stratégies qui se sont révélées très rentables dans un backtest peuvent être ruinées par simple interférence. Comprenez que si vous souhaitez entrer dans le monde de la négociation algorithmique, vous serez émotionnellement testé et que, pour réussir, il est nécessaire de travailler à travers ces difficultés La prochaine considération est celle du temps. Avez-vous un emploi à temps plein? Travaillez-vous à temps partiel? Travaillez-vous à domicile ou avez-vous un long trajet quotidien? Ces questions vous aideront à déterminer la fréquence de la stratégie que vous devriez rechercher. Pour ceux d'entre vous qui occupent un emploi à temps plein, une stratégie à terme intraday peut ne pas convenir (au moins jusqu'à ce qu'elle soit entièrement automatisée). Vos contraintes de temps dicteront également la méthodologie de la stratégie. Si votre stratégie est souvent échangée et dépendante de flux de nouvelles coûteux (comme un terminal Bloomberg), vous devrez clairement être réaliste sur votre capacité à exécuter avec succès tout cela au bureau Pour ceux d'entre vous avec beaucoup de temps, ou les compétences Pour automatiser votre stratégie, vous pouvez envisager une stratégie plus technique de négociation à haute fréquence (HFT). Ma croyance est qu'il est nécessaire d'effectuer des recherches continues sur vos stratégies de négociation pour maintenir un portefeuille constamment rentable. Peu de stratégies restent sous le radar pour toujours. Par conséquent, une part importante du temps alloué à la négociation sera consacrée à la recherche en cours. Demandez-vous si vous êtes prêt à le faire, car il peut être la différence entre une forte rentabilité ou une lente baisse vers les pertes. Vous devez également tenir compte de votre capital commercial. Le montant minimum idéal généralement accepté pour une stratégie quantitative est de 50 000 USD (environ 35 000 pour nous au Royaume-Uni). Si je recommençais, je commencerais par un montant plus élevé, probablement plus proche de 100 000 USD (environ 70 000). Cela s'explique par le fait que les coûts de transaction peuvent être extrêmement coûteux pour les stratégies de moyenne à haute fréquence et qu'il est nécessaire d'avoir un capital suffisant pour les absorber en période de prélèvement. Si vous envisagez de commencer avec moins de 10.000 USD, alors vous devrez vous limiter à des stratégies à basse fréquence, le commerce d'un ou deux actifs, que les coûts de transaction sera rapidement manger dans vos déclarations. Interactive Brokers, qui est l'un des courtiers les plus amicaux pour ceux qui ont des compétences en programmation, en raison de son API, a un compte de détail au minimum de 10.000 USD. La compétence de programmation est un facteur important dans la création d'une stratégie automatisée de trading algorithmique. Être bien informé dans un langage de programmation tel que C, Java, C, Python ou R vous permettra de créer le stockage de données de bout en bout, le moteur de backtest et le système d'exécution vous-même. Cela a un certain nombre d'avantages, dont le chef est la capacité à être complètement conscient de tous les aspects de l'infrastructure de négociation. Il vous permet également d'explorer les stratégies de fréquence plus élevée que vous serez en plein contrôle de votre pile de la technologie. Bien que cela signifie que vous pouvez tester votre propre logiciel et éliminer les bugs, cela signifie aussi plus de temps passé à coder l'infrastructure et moins sur la mise en œuvre des stratégies, au moins dans la première partie de votre carrière de trading algo. Vous pouvez constater que vous êtes à l'aise de négociation dans Excel ou MATLAB et peut externaliser le développement d'autres composants. Je ne recommanderais pas cependant, en particulier pour ceux qui négocient à haute fréquence. Vous devez vous demander ce que vous espérez atteindre par trading algorithmique. Êtes-vous intéressé par un revenu régulier, par lequel vous espérez tirer des gains de votre compte de trading Ou, êtes-vous intéressé à un gain en capital à long terme et peut se permettre de négocier sans la nécessité de fonds de tirage dépendance dépendra dicter la fréquence de votre stratégie . Des retraits plus réguliers du revenu nécessiteront une stratégie de négociation de fréquence plus élevée avec moins de volatilité (c'est-à-dire un ratio Sharpe plus élevé). Les traders à long terme peuvent se permettre une fréquence de négociation plus calme. Enfin, ne soyez pas trompé par la notion de devenir extrêmement riche dans un court laps de temps Algo trading n'est pas un régime de get-rich-quick - si quelque chose, il peut être un régime devenu-pauvre-rapide. Il faut beaucoup de discipline, de recherche, de diligence et de patience pour réussir au trading algorithmique. Il peut prendre des mois, sinon des années, pour générer une rentabilité cohérente. Sourcing Algorithmic Trading Ideas Malgré les perceptions communes au contraire, il est en fait assez simple de localiser des stratégies commerciales rentables dans le domaine public. Jamais les idées commerciales n'ont été plus facilement disponibles qu'elles ne le sont aujourd'hui. Les revues académiques de finances, les serveurs de pre-print, les blogs marchands, les forums de trading, les magazines hebdomadaires et les textes spécialisés fournissent des milliers de stratégies de trading sur lesquelles baser vos idées. Notre objectif en tant que chercheurs de négociation quantitative est d'établir un pipeline de stratégie qui nous fournira un flux d'idées commerciales en cours. Idéalement, nous voulons créer une approche méthodique pour l'approvisionnement, l'évaluation et la mise en œuvre des stratégies que nous rencontrons. Les objectifs du pipeline sont de générer une quantité constante de nouvelles idées et de nous fournir un cadre pour rejeter la majorité de ces idées avec le minimum de considération émotionnelle. Nous devons faire extrêmement attention à ne pas laisser les biais cognitifs influencer notre méthodologie de prise de décision. Cela pourrait être aussi simple que d'avoir une préférence pour une classe d'actifs par rapport à une autre (l'or et d'autres métaux précieux viennent à l'esprit) parce qu'ils sont perçus comme plus exotiques. Notre objectif doit toujours être de trouver constamment des stratégies rentables, avec une attente positive. Le choix de la catégorie d'actif doit être fondé sur d'autres considérations, telles que les contraintes de capital de négociation, les frais de courtage et les capacités de levier. Si vous êtes complètement inconnu avec le concept d'une stratégie commerciale, puis le premier endroit à regarder est avec des manuels établis. Les textes classiques fournissent un large éventail d'idées plus simples, plus simples, avec lesquelles vous familiariser avec le commerce quantitatif. Voici une sélection que je recommande pour ceux qui sont nouveaux à la négociation quantitative, qui deviennent progressivement plus sophistiqués que vous travaillez à travers la liste: Pour une liste plus longue de livres de négociation quantitative, s'il vous plaît visitez la liste de lecture QuantStart. Le prochain endroit pour trouver des stratégies plus sophistiquées est avec les forums de négociation et les blogs commerciaux. Cependant, une note de prudence: Beaucoup de blogs commerciaux reposent sur le concept d'analyse technique. L'analyse technique implique l'utilisation d'indicateurs de base et de la psychologie comportementale pour déterminer les tendances ou les modèles d'inversion des prix des actifs. En dépit d'être extrêmement populaire dans l'espace commercial global, l'analyse technique est considérée comme quelque peu inefficace dans la communauté financière quantitative. Certains ont suggéré que ce n'est pas mieux que de lire un horoscope ou d'étudier les feuilles de thé en termes de son pouvoir prédictif En réalité, il ya des individus qui réussissent à l'utilisation de l'analyse technique. Cependant, en tant que quants dotés d'une boîte à outils mathématiques et statistiques plus sophistiquée, nous pouvons facilement évaluer l'efficacité de ces stratégies basées sur l'AT et prendre des décisions fondées sur des données plutôt que de nous baser sur des considérations émotionnelles ou des idées préconçues. Voici une liste de blogs et de forums de négociation algorithmique bien respectés: Une fois que vous avez eu une certaine expérience à l'évaluation des stratégies plus simples, il est temps de regarder les offres académiques plus sophistiqués. Certaines revues académiques seront difficiles d'accès, sans abonnement élevé ou coûts ponctuels. Si vous êtes un membre ou un ancien étudiant d'une université, vous devriez être en mesure d'obtenir l'accès à certaines de ces revues financières. Sinon, vous pouvez regarder les serveurs de pré-impression. Qui sont des dépôts Internet de versions tardives de documents universitaires qui font l'objet d'un examen par les pairs. Puisque nous ne sommes intéressés que par des stratégies que nous pouvons répliquer avec succès, rétroévaluer et obtenir la rentabilité pour, une revue par les pairs est moins important pour nous. Le principal inconvénient des stratégies académiques est qu'ils peuvent souvent soit être obsolètes, exiger des données historiques obscures et coûteuses, le commerce des classes d'actifs illiquides ou ne pas prendre en compte les frais, le glissement ou la propagation. Il peut également être difficile de savoir si la stratégie de négociation doit être exécutée avec des commandes sur le marché, des ordres de limite ou si elle contient des pertes stop etc Il est donc absolument essentiel de reproduire la stratégie vous-même le mieux que vous pouvez, backtest et ajouter dans la transaction réaliste Les coûts qui incluent autant d'aspects des classes d'actifs que vous souhaitez commercer po Voici une liste des serveurs de pré-impression les plus populaires et les revues financières que vous pouvez trouver des idées à partir de: Qu'en est-il la formation de vos propres stratégies quantitatives Cela nécessite généralement ( Mais ne se limite pas à) l'expertise dans une ou plusieurs des catégories suivantes: Microstructure du marché - Pour les stratégies à fréquence plus élevée en particulier, on peut utiliser la microstructure du marché. À savoir la compréhension de la dynamique des carnets de commandes afin de générer une rentabilité. Différents marchés auront diverses limitations technologiques, réglementations, participants au marché et contraintes qui sont toutes ouvertes à l'exploitation par le biais de stratégies spécifiques. Il s'agit d'un secteur très sophistiqué et les praticiens du commerce de détail auront du mal à être concurrentiels dans cet espace, d'autant plus que la concurrence comprend de grands fonds de couverture quantitatifs, bien capitalisés, dotés de solides capacités technologiques. Structure du fonds - Les fonds communs de placement, tels que les fonds de pension, les sociétés de placement privées (hedge funds), les conseillers en négociation de produits de base et les fonds communs de placement, sont contraints à la fois par une lourde réglementation et leurs importantes réserves en capital. Ainsi, certains comportements cohérents peuvent être exploités avec ceux qui sont plus agiles. Par exemple, les grands fonds sont soumis à des contraintes de capacité en raison de leur taille. Ainsi, s'ils ont besoin de décharger rapidement (vendre) une quantité de titres, ils devront l'échelonner afin d'éviter de déplacer le marché. Des algorithmes sophistiqués peuvent en tirer profit, et d'autres idiosyncrasies, dans un processus général connu sous le nom d'arbitrage de structure de fonds. Machine learningartificial intelligence - Algorithmes d'apprentissage machine sont devenus plus répandus ces dernières années sur les marchés financiers. Des classificateurs (tels que Naive-Bayes, et al.), Des combinateurs de fonctions non linéaires (réseaux de neurones) et des routines d'optimisation (algorithmes génétiques) ont tous été utilisés pour prédire les chemins d'actifs ou optimiser les stratégies de négociation. Si vous avez un arrière-plan dans ce domaine, vous pouvez avoir un aperçu de la façon dont certains algorithmes pourraient être appliqués à certains marchés. Il y a bien sûr beaucoup d'autres domaines à rechercher. Eh bien discuter de la façon de venir avec des stratégies personnalisées en détail dans un article ultérieur. En continuant à surveiller ces sources sur une base hebdomadaire, ou même quotidienne, vous vous mettez en place pour recevoir une liste cohérente de stratégies à partir d'un large éventail de sources. La prochaine étape est de déterminer comment rejeter un grand sous-ensemble de ces stratégies afin de minimiser le gaspillage de votre temps et backtesting ressources sur les stratégies qui sont susceptibles d'être non rentables. Évaluation des stratégies de négociation La première, et sans doute la plus évidente considération est de savoir si vous comprenez réellement la stratégie. Seriez-vous en mesure d'expliquer la stratégie de façon concise ou exige-t-il une série de mises en garde et de listes de paramètres sans fin? En outre, la stratégie a-t-elle une bonne base solide dans la réalité? Pourrait être la cause du ou des modèles que vous tentez d'exploiter Cette contrainte résisterait-elle à un changement de régime, comme une perturbation dramatique de l'environnement réglementaire La stratégie repose-t-elle sur des règles statistiques ou mathématiques complexes S'applique-t - Vous devez constamment réfléchir à ces facteurs lors de l'évaluation de nouvelles méthodes de négociation, sinon vous pouvez gaspiller une quantité importante de temps à essayer de backtest et d'optimiser les stratégies non rentables. Une fois que vous avez déterminé que vous comprenez les principes de base de la stratégie, vous devez décider si elle correspond à votre profil de personnalité susmentionné. Ce n'est pas une considération aussi vague que cela semble Les stratégies diffèrent considérablement dans leurs caractéristiques de performance. Il existe certains types de personnalités qui peuvent gérer des périodes plus importantes de prélèvement, ou sont prêts à accepter un risque plus grand pour un retour plus important. En dépit du fait que nous, en tant que quants, essayons d'éliminer autant de biais cognitifs que possible et devrions être en mesure d'évaluer une stratégie de façon impartiale, les biais vont toujours s'infiltrer. Nous avons donc besoin d'un moyen cohérent et sans émotion pour évaluer la performance des stratégies . La stratégie repose-t-elle sur des techniques sophistiquées (ou complexes) de statistique ou d'apprentissage mécanique qui sont difficiles à mettre en œuvre? De comprendre et d'exiger un doctorat en statistique à saisir Ces techniques introduisent une quantité significative de paramètres, ce qui pourrait conduire à un biais d'optimisation Est-ce la stratégie susceptible de résister à un changement de régime (c.-à-potentielle nouvelle réglementation des marchés financiers) Sharpe Ratio - Heuristically caractérise le ratio de profitrisk de la stratégie. Il quantifie le rendement que vous pouvez obtenir pour le niveau de volatilité enduré par la courbe de capitaux propres. Naturellement, nous devons déterminer la période et la fréquence à laquelle ces rendements et cette volatilité (c'est-à-dire l'écart-type) sont mesurés. Une stratégie à fréquence plus élevée nécessitera une plus grande fréquence d'échantillonnage de l'écart-type, mais une période de mesure globale plus courte, par exemple. La stratégie exige-t-elle un effet de levier important pour être rentable? La stratégie nécessite-t-elle l'utilisation de contrats de dérivés à effet de levier (contrats à terme, options, swaps) pour obtenir un rendement? Appels de marge. Avez-vous le capital commercial et le tempérament pour une telle volatilité Fréquence - La fréquence de la stratégie est intimement liée à votre pile de technologie (et donc l'expertise technologique), le ratio de Sharpe et le niveau global des coûts de transaction. Toutes les autres questions considérées, les stratégies à plus haute fréquence nécessitent plus de capital, sont plus sophistiquées et plus difficiles à mettre en œuvre. Cependant, en supposant que votre moteur de backtesting est sophistiqué et sans bugs, ils auront souvent des ratios Sharpe beaucoup plus élevés. Volatilité - La volatilité est fortement liée au risque de la stratégie. Le ratio de Sharpe le caractérise. Une volatilité plus élevée des catégories d'actifs sous-jacentes, si elle n'est pas couverte, entraîne souvent une plus grande volatilité de la courbe de capitaux propres et donc des ratios Sharpe plus faibles. Je suppose bien sûr que la volatilité positive est approximativement égale à la volatilité négative. Certaines stratégies peuvent avoir une plus grande volatilité à la baisse. Vous devez être conscient de ces attributs. WinLoss, Average ProfitLoss - Les stratégies diffèrent dans leurs caractéristiques de gain et de profitloss moyen. On peut avoir une stratégie très rentable, même si le nombre de métiers perdants dépassent le nombre de métiers gagnants. Stratégies Momentum ont tendance à avoir ce schéma car ils s'appuient sur un petit nombre de grands hits afin d'être rentable. Les stratégies de réversion moyenne ont tendance à avoir des profils opposés où plus de métiers sont gagnants, mais les métiers perdants peuvent être assez sévères. Maximum Drawdown - Le tirage maximal est le plus grand creux global sur la courbe de capitaux propres de la stratégie. Stratégies Momentum sont bien connus pour souffrir de périodes de tirages prolongés (en raison d'une chaîne de nombreux métiers perdants incrémentiels). Beaucoup de commerçants vont abandonner en périodes de retrait prolongé, même si les tests historiques a suggéré que ce soit les affaires comme d'habitude pour la stratégie. Vous devrez déterminer quel pourcentage de prélèvement (et sur quelle période) vous pouvez accepter avant de cesser de négocier votre stratégie. Il s'agit d'une décision très personnelle et doit donc être examinée attentivement. CapacitéLiquidité - Au niveau de la vente au détail, à moins de négocier un instrument très peu liquide (comme un stock à petite capitalisation), vous n'aurez pas à vous préoccuper grandement de la capacité stratégique. Capacité détermine l'évolutivité de la stratégie de capital supplémentaire. Bon nombre des grands hedge funds souffrent de problèmes de capacité importants à mesure que leurs stratégies augmentent dans l'allocation de capital. Paramètres - Certaines stratégies (en particulier celles trouvées dans la communauté d'apprentissage machine) nécessitent une grande quantité de paramètres. Chaque paramètre supplémentaire que nécessite une stratégie le rend plus vulnérable à un biais d'optimisation (également appelé ajustement de courbe). Vous devriez essayer de cibler des stratégies avec le moins de paramètres possible ou de vous assurer d'avoir suffisamment de données pour tester vos stratégies. Indice de référence - Presque toutes les stratégies (sauf si elles sont caractérisées par un rendement absolu) sont mesurées en fonction de certains critères de performance. L'indice de référence est généralement un indice qui caractérise un grand échantillon de la classe d'actifs sous-jacente dans laquelle la stratégie se négocie. Si la stratégie traite des actions américaines à grande capitalisation, le SP500 serait un repère naturel pour mesurer votre stratégie. Vous entendrez les termes alpha et bêta, appliqués à des stratégies de ce type. Nous examinerons ces coefficients en profondeur dans des articles ultérieurs. Notez que nous n'avons pas discuté des retours réels de la stratégie. Pourquoi est-ce isolément, les retours nous fournissent réellement des informations limitées quant à l'efficacité de la stratégie. Ils ne vous donnent pas un aperçu de l'effet de levier, la volatilité, les repères ou les exigences de capital. Ainsi, les stratégies sont rarement jugées sur leur seul rendement. Toujours considérer les attributs de risque d'une stratégie avant d'examiner les rendements. À ce stade, bon nombre des stratégies trouvées dans votre pipeline seront rejetées de plein fouet, car elles ne répondent pas à vos exigences de fonds propres, aux contraintes de levier, à la tolérance maximale de retrait ou aux préférences de volatilité. Les stratégies qui restent peuvent maintenant être prises en compte pour le backtesting. Toutefois, avant que cela soit possible, il faut considérer un critère de rejet final - celui des données historiques disponibles sur lesquelles tester ces stratégies. Obtention de données historiques De nos jours, l'ampleur des exigences techniques des classes d'actifs pour le stockage des données historiques est importante. Pour demeurer concurrentielles, les banques d'investissement et les banques d'investissement investissent massivement dans leur infrastructure technique. Il est impératif de considérer son importance. En particulier, nous sommes intéressés par la rapidité, l'exactitude et les exigences de stockage. Je vais maintenant décrire les bases de l'obtention de données historiques et comment les stocker. Malheureusement, il s'agit d'un sujet très profond et technique, donc je ne serai pas en mesure de tout dire dans cet article. Cependant, j'en écrirai beaucoup plus à ce sujet à l'avenir car mon expérience antérieure dans le secteur de l'industrie financière a porté principalement sur l'acquisition, le stockage et l'accès aux données financières. Dans la section précédente, nous avions mis en place un pipeline de stratégie qui nous a permis de rejeter certaines stratégies basées sur nos propres critères de rejet personnel. Dans cette section, nous allons filtrer plus de stratégies basées sur nos propres préférences pour obtenir des données historiques. Les principales considérations (en particulier au niveau des praticiens du commerce de détail) sont les coûts des données, les exigences de stockage et votre niveau d'expertise technique. Nous devons également discuter des différents types de données disponibles et des différentes considérations que chaque type de données nous imposera. Données fondamentales - Cela inclut des données sur les tendances macroéconomiques, telles que les taux d'intérêt, les chiffres d'inflation, les actions de l'entreprise (dividendes, stock-splits), les dépôts de la SEC , Les comptes de sociétés, les chiffres de bénéfices, les rapports sur les récoltes, les données météorologiques, etc. Ces données sont souvent utilisées pour évaluer les entreprises ou d'autres actifs sur une base fondamentale, c'est-à-dire par des moyens de flux de trésorerie futurs prévus. Il n'inclut pas les séries de prix des actions. Certaines données fondamentales sont disponibles gratuitement sur les sites Web du gouvernement. D'autres données fondamentales historiques à long terme peuvent être extrêmement coûteuses. Les besoins de stockage ne sont souvent pas particulièrement importants, à moins que des milliers d'entreprises soient étudiées en même temps. News Data - Les données de nouvelles sont souvent de nature qualitative. Il se compose d'articles, des messages de blog, des messages de microblog (tweets) et éditorial. Les techniques d'apprentissage mécanique telles que les classificateurs sont souvent utilisées pour interpréter le sentiment. Ces données sont également souvent disponibles gratuitement ou à bas prix, via l'abonnement aux médias. Les nouvelles bases de données de stockage de documents NoSQL sont conçues pour stocker ce type de données non structurées et qualitatives. Données sur les prix des actifs - Il s'agit du domaine de données traditionnel du quant. Il se compose de séries chronologiques des prix des actifs. Les actions (actions), les produits à revenu fixe (obligations), les matières premières et les cours des devises font partie de cette catégorie. Les données historiques quotidiennes sont souvent simples à obtenir pour les classes d'actifs plus simples, comme les actions. Toutefois, une fois que la précision et la propreté sont incluses et les biais statistiques supprimés, les données peuvent devenir coûteuses. En outre, les données de séries chronologiques possèdent souvent des besoins de stockage importants, surtout lorsque des données intraday sont prises en compte. Instruments financiers - Les actions, les obligations, les contrats à terme et les options de produits dérivés les plus exotiques ont des caractéristiques et des paramètres très différents. Ainsi, il n'ya pas de taille unique pour toutes les structures de base de données qui peuvent les accueillir. Une attention particulière doit être accordée à la conception et à la mise en œuvre des structures de base de données pour divers instruments financiers. Nous allons discuter longuement de la situation lorsque nous viendrons à construire une base de données sur les valeurs mobilières dans les prochains articles. Fréquence - Plus la fréquence des données est élevée, plus les coûts et les besoins de stockage sont importants. Pour les stratégies à basse fréquence, les données quotidiennes sont souvent suffisantes. Pour les stratégies à haute fréquence, il peut être nécessaire d'obtenir des données au niveau des tiques et même des copies historiques des données particulières d'un carnet de commandes d'échange. La mise en œuvre d'un moteur de stockage pour ce type de données est très technologiquement intensif et ne convient qu'aux personnes ayant une solide expérience en programmation. Repères - Les stratégies décrites ci-dessus seront souvent comparées à un repère. Cela se manifeste habituellement comme une série chronologique financière supplémentaire. Pour les actions, il s'agit souvent d'un indice de référence national, tel que l'indice SP500 (US) ou FTSE100 (Royaume-Uni). Pour un fonds à revenu fixe, il est utile de comparer un panier d'obligations ou de produits à revenu fixe. Le taux sans risque (c'est-à-dire le taux d'intérêt approprié) est également un autre point de repère largement accepté. Toutes les catégories de catégories d'actifs possèdent un indice de référence privilégié, il sera donc nécessaire de faire des recherches à partir de votre stratégie particulière, si vous souhaitez intéresser votre stratégie à l'externe. Technologie - Les piles technologiques derrière un centre de stockage de données financières sont complexes. Cet article ne peut que gratter la surface sur ce qui est impliqué dans la construction d'un. Toutefois, il se concentre autour d'un moteur de base de données, comme un système de gestion de base de données relationnelle (RDBMS), tel que MySQL, SQL Server, Oracle ou un moteur de stockage de documents (c'est-à-dire NoSQL). Ceci est accessible via un code d'application de logique métier qui interroge la base de données et fournit un accès à des outils externes, tels que MATLAB, R ou Excel. Souvent, cette logique métier est écrite en C, C, Java ou Python. Vous devrez également héberger ces données quelque part, soit sur votre propre ordinateur personnel, soit à distance via des serveurs Internet. Des produits tels qu'Amazon Web Services ont rendu cela plus simple et moins cher ces dernières années, mais il faudra encore une expertise technique importante pour atteindre de manière robuste. Comme on peut le voir, une fois qu'une stratégie a été identifiée via le pipeline, il faudra évaluer la disponibilité, les coûts, la complexité et les détails d'implémentation d'un ensemble particulier de données historiques. Vous pouvez trouver qu'il est nécessaire de rejeter une stratégie basée uniquement sur des données historiques considérations. C'est un domaine important et les équipes de docteurs travaillent à des fonds importants en s'assurant que les prix sont exacts et opportuns. Ne sous-estimez pas les difficultés de créer un centre de données robuste pour votre backtesting, mais je tiens à dire que de nombreuses plates-formes de backtesting peuvent fournir ces données pour vous automatiquement - à un coût. Ainsi, il faudra beaucoup de la douleur de la mise en œuvre loin de vous, et vous pouvez vous concentrer purement sur la mise en œuvre de la stratégie et l'optimisation. Des outils comme TradeStation possèdent cette capacité. Cependant, mon point de vue personnel est de mettre en œuvre autant que possible en interne et éviter d'externaliser des parties de la pile aux fournisseurs de logiciels. Je préfère les stratégies de haute fréquence en raison de leurs ratios Sharpe plus attrayants, mais ils sont souvent étroitement couplés à la pile de la technologie, où l'optimisation avancée est critique. Maintenant que nous avons discuté des questions entourant les données historiques, il est temps de commencer à mettre en œuvre nos stratégies dans un moteur de backtesting. Cela fera l'objet d'autres articles, car il s'agit d'un domaine de discussion aussi vaste
No comments:
Post a Comment