Obter através da App Store Leia esta publicação em nosso aplicativo!
Categorias de estratégias de negociação sistemáticas?
Quais são as principais categorias de estratégias de negociação sistemática (por exemplo, impulso, reversão média), como pode ser considerado por um índice ou analista de fundos de fundos?
Existem sub-estratégias comuns?
Existem outros tipos de estratégia não cobertos pela reversão média / tendência seguinte:
arbitragem - mantenha os ativos correlatos fechados no preço (índice SPX versus 500 ações contidas, ou negociação do ouro em Londres versus negociação do ouro em Nova York)
fabricação de mercado - comprar em oferta, vender em ask, ganhar o spread.
desconto de liquidez - algum venus pagá-lo por colocar ordens de limite no livro. Coloque uma ordem limite para comprar, quando é atingido tente vender ao mesmo preço que você comprou (ou melhor) e ganhe o desconto. Funciona melhor em ativos de alto volume e baixo preço.
negociação predatória - busque grande liquidez escondida no mercado e faça frente a ela.
comércio comportamental - quantificar o sentimento do mercado e trocar no mesmo (analisar tweets, determinar o clima global / regional e usar teorias psicológicas conhecidas para prever o efeito sobre o comportamento do mercado)
negociação de eventos - analise notícias (eletrônicas, papel, blogs, twits) e preveja o impacto no mercado de novos fatos relevantes (litigação, novos produtos, nova administração,.)
Não existe uma taxonomia oficial de modelos comerciais de quant. Afinal, "avaliações" são inerentemente subjetivas, independentemente da quantidade de matemática que colocamos atrás delas. Mas existem alguns termos padrão da indústria que podem ser úteis.
Também é possível desagregar por implementação:
Horizonte de tempo: variando desde longo prazo até alta frequência Estrutura de apostas: relativa ou intrínseca Instrumentos: líquidos ou ilíquidos.
E estes nem sequer entram em construção de portfólio, limites de posição, monitoramento de riscos, etc.
Quanto ao que funciona, tenha em mente esta máxima:
Os touros ganham dinheiro, os ursos ganham dinheiro, mas os porcos são abatidos.
E, por último, comparando chartists com quants é como comparar astrologistas com astrônomos.
Eu uso o método ANDY LANK CASH FLOW, é o meu favorito.
Idiotice de investimento.
Negociação sistemática, Finanças quantitativas, Investimento, Ativismo financeiro, tomada de decisão econômica.
Material comercial sistemático.
Artigos ocasionais no meu próprio sistema comercial.
Artigos gerais ocasionais sobre negociação sistemática.
Série: usando dados aleatórios para projetar sistemas de negociação.
Série: Gerenciamento sistemático de riscos.
Tecnologia.
Série: código Python usado no livro.
Série: Como obter corretores interativos API python nativa funcionando.
Obtendo dados históricos.
Obtendo dados de mercado em fluxo contínuo.
Série: Como obter python e intermediários interativos API interagindo via swigby 101.
Série: Um guia para as nozes e parafusos da implementação de um sistema sistemático de comércio de futuros.
Série: Pysystemtrade - meu mecanismo de backtesting de python de código aberto.
Otimizando a presença de custos.
Correção de capital.
Docker e sistemas de negociação automatizados.
Outros artigos sobre tecnologia de negociação sistemática.
Docker e sistemas de negociação automatizados.
34 comentários:
Olá Rob, seus sistemas estão disponíveis para compra, assinatura? Obrigado, Robin.
Não nunca. Há material suficiente no meu livro e neste site para reproduzir o sistema de negociação que uso, gratuitamente.
Como sua estrutura lida com a inevitável perda de energia ou conexão à internet?
E. g, talvez a sua estrutura detecta uma condição que exige que uma ordem seja colocada, mas a energia se apague ou sua conexão com a internet caia.
Oi Robert, ótima pergunta. Sim, eu corro minhas coisas em casa.
O FC escreveu este comentário, que eu exclui acidentalmente:
A vantagem fiscal vale o problema de desenvolvimento, risco de crédito e pior spread de oferta e pedido? & quot;
Eu não tenho um problema com as apostas espalhadas, mas é verdade que, se um futuro estava disponível nos mesmos termos (mesmo tamanho de tiquetaque) eu troquei o futuro.
Excelente - já ordenei seu livro. Aguardando a entrega do editor.
Oi Rob, eu li realmente excelentes críticas sobre o seu livro e foi recomendado por um amigo para dar uma olhada nisso, no entanto, eu sou novato para negociar e investir, você pode me avisar o que ler e aprender antes de começar a ler seu livro?
Essa é uma pergunta difícil, pois depende de qual nível você e em que direção você deseja entrar. Se você quer negociar futuros, lendo os livros de Jack Schwagers seria um bom começo.
Grande livro. Queria deixar você saber que nos especializamos na execução de estratégias de negociação sistemática para clientes nos mercados de futuros e commodities. Nós apoiamos várias plataformas diferentes, incluindo TradeStation, TradingBlox, Mechanica, e fornecemos acesso a quase todos os produtos aprovados pela CFTC em todo o mundo. Se você conhece alguém que precisa de ajuda para colocar suas estratégias no mercado, podemos ajudar na execução e reconciliação e fazer um excelente trabalho (há mais de 20 anos).
Em primeiro lugar, obrigado por escrever o livro, achei muito detalhado e útil.
No seu livro, você menciona o quão difícil é superar os custos nas apostas espalhadas. Para a maioria dos cidadãos da UE, os ganhos no spread de apostas são isentos de impostos. Essa é parte desse cálculo? Felicidades.
Não, eu não incluí imposto no cálculo. Mas a propagação de apostas é cerca de 10 vezes mais dispendiosa do que dizer futuros de negociação. O imposto deveria ser incrivelmente alto em futuros para tornar as apostas espalhadas mais competitivas.
Ok, sim, está bastante doente. Quando o novo livro está chegando?
Você fez alguma escrita de chamada coberta? Parece um bom ajuste para um sistema de comércio sistemático. Felicidades.
Não tenho, mas sim, estratégias de baixa volatilidade como esta são uma coisa boa.
Encontrei seu site enquanto procurava alguém que usasse o Python para negociação. Felizmente eu encontrei você. Gostaria de agradecer as informações que você compartilhou conosco.
Estou totalmente interessado em seu livro. No entanto, tenho uma pergunta sobre o conteúdo. Você explica uma estratégia que você usa para negociar futuros ou estratégias que podem ser empregados? Porque eu nunca troco futuros e gostaria de começar a trocar aprendendo passo a passo das diretrizes do seu livro, se esse for o caso. O que devo esperar do seu livro?
Desde já, obrigado.
Oi. Sim, eu explico algumas estratégias básicas para negociar futuros (também ETF e aposte as apostas). Mas eles já assumem alguma familiaridade com os futuros. Leia algo como amazon / Trading-Commodities-Financial-Futures-Step - / dp / 0134087186 / (primeiros quatro capítulos)
Depende do seu período de espera. Atualmente eu provavelmente atualizo demais (por hora), dado um período de espera de algumas semanas ou mais. Eu poderia facilmente atualizar tudo diariamente, e mesmo na próxima iteração do meu código, o que eu planejo fazer.
Obrigado. Como minhas regras de negociação serão lentas, espero períodos de espera semelhantes. Uma taxa de atualização diária provavelmente será suficientemente rápida. No entanto, com várias trocas em múltiplos fusos horários envolvidos, isso leva à questão: "o que é o fim do dia?" Talvez eu decida tomar medidas no final do dia de negociação de cada troca envolvida.
Oi Rob, acho que notei um erro na sua nova planilha de cálculo Carry (docs. google/spreadsheets/d/1ipugeBCk_W-K4_9wnQmU6RfVvZoIRzFfKrw3ly-h8QA/edit? usp=sharing). A célula G22 tem: "= IF (AND (C22 & lt; & gt; 0, F22 & lt; & gt; & gt; 0, C22-F22), C22-F22, G21)". Eu acho que você deve excluir o terceiro elemento no & quot; E & quot; função.
Fixo. Muito obrigado.
Fico feliz em ajudar, obrigado por todos os seus conselhos em resposta a todas as minhas postagens. Eu tenho escrito o seu "Capítulo 15" sistema por alguns dias agora. Você pode confirmar o seguinte no que diz respeito à sua estratégia de transporte: no dia 4 de novembro, o preço de fechamento de Eurodólar de dezembro de 2016 foi de 99.075 eo preço de fechamento de Eurodollar de janeiro de 2017 foi de 99.070. Portanto, o sinal de negociação seria longo. Então, eu deveria ser longo o contrato de janeiro de 2017, correto? E se o spread fosse significativamente maior no contrato de janeiro de 2017. Será bom começar o contrato de dezembro de 2016? Haveria algum motivo para olhar para o contrato Jan vs Feb 2017, ou devemos sempre estar olhando os dois contratos mais próximos na determinação da previsão? Obrigado.
Qual contrato você deve negociar eu discuto mais aqui: qoppac. blogspot. co. uk/2015/05/systems-building-futures-rolling. html. Como medir carry, discuto mais nos apêndices do meu livro.
Oi Rob, no seu livro, você menciona que é preferível medir os futuros do capital próprio utilizando o preço à vista. No entanto, no seu sistema python, para o EUROSTX, você usa o contrato adicional (que não é mantido) versus o contrato mais próximo (o qual, por necessidade, deve ser mantido). Uma segunda pergunta, se eu posso: você menciona em seu livro que você segmenta a volatilidade anual de 37,5% em seu próprio sistema de futuros, mas o fundo obtém sua volatilidade anual em cerca de 8%. Você sabe por quê? Obrigado.
a) É preferível usar o local, mas eu não o faço pessoalmente por causa do incômodo de obter dados sincronizados.
Acabei de começar a comercializar o seu sistema do capítulo 15 usando você o código terrisivo do sistema Pysystemtrade. Por enquanto, tudo bem. Enquanto isso, eu estava interessado em um artigo recente que descrevia um sistema muito lucrativo e simples: se o preço do sp500 estiver acima de 200 sma, investir na alavancagem de 3x; Caso contrário, investir em Tbills. Eles obtiveram um CAGR de 27%, mas com uma redução máxima de 92%, em um backtest muito longo. Isso me fez pensar em adicionar um recurso de bloqueio. Então, eu testei um sistema similar com alavancagem de 4x, mas um stoploss de 4% que é reiniciado diariamente. Eu devo estar fazendo algo errado no meu backtest, já que estou vendo cerca de 50% de CAGR com apenas cerca de 50% de redução máxima. Isso foi testado nos eminos de volta ao início em 1997. Em seguida, coloquei a alavanca para 10X, com um checagem de 1%, e estou vendo alguns retornos loucos, com descontos não razoáveis. Estou assumindo um custo de negociação de US $ 17 por contrato. Alguma idéia de onde um novato como eu está indo errado? Obrigado.
b) seu backtest agora contém mais & # 39; implícito & # 39; (tentando diferentes variações de folga), o que provavelmente significa que sua relação de sharpe é exagerada devido à sobreposição.
c) como um sistema longo apenas, seus retornos são exagerados porque os retornos patrimoniais passados e os retornos dos títulos de títulos provavelmente serão muito menores no futuro (principalmente devido à menor inflação)
d) porque o SR efetivo é provavelmente muito menor do que você pensa, executá-lo com alta alavancagem é extremamente perigoso.
e) esses tipos de sistemas (estoques ou T-bills) são tóxicos com alavancagem porque têm baixo risco médio, mas alto risco de pico. Um choque de mercado quando você é 100% em ações e 10 vezes alavancagem irá matá-lo antes que você possa sair da sua posição.
f) Com um chedest de 1%, você estará negociando quase todos os dias com um período de retenção muito curto. Você precisa de dados intradiários e você precisa testar o efeito de atrasar suas enchimentações por uma hora. até um dia ou mesmo vários dias (pense em 87 de outubro ou setembro de 2001). Você também precisa ter certeza de que seus custos comerciais estão localizados. Qual% da sua conta você paga em custos anualmente?
Obrigado pela sua resposta abrangente, Rob. Eu acho que o meu principal erro foi assumir que meus stoplosses seriam preenchidos bastante rápido com uma quantidade aceitável de derrapagem. Não percebi que poderiam atrasar-se várias horas ou dias.
É mais seguro assumir que você foi preenchido no mínimo para o dia - em torno de 22%.
QuantStart.
Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo bem informado de mentalistas quant pronto para responder suas perguntas comerciais mais importantes.
Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.
Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.
Por Frank Smietana em 18 de julho de 2017.
Neste artigo, Frank Smietana, um dos colaboradores experientes do QuantStart, descreve a paisagem do software de backtesting de código aberto da Python e fornece conselhos sobre quais framework de backtesting são adequados para suas próprias necessidades de projeto.
Backtesting é indiscutivelmente a parte mais crítica do processo de produção da Sistemática de Negociação Sistemática (STS), sentado entre o desenvolvimento da estratégia e a implantação (negociação ao vivo). Se uma estratégia é defeituosa, um teste rigoroso provavelmente expõe isso, evitando que uma estratégia de perda seja implantada.
Uma série de capacidades relacionadas se sobrepõem com backtesting, incluindo simulação comercial e negociação ao vivo. O Backtesting usa dados históricos para quantificar o desempenho STS. Os simuladores de negociação levam backtesting um passo adiante, visualizando o desencadeamento de trades e desempenho de preços em uma base bar-a-bar. A negociação simulada / ao vivo implementa um STS testado em tempo real: negociações de sinalização, gerando ordens, roteando ordens para corretores e mantendo as posições à medida que as ordens são executadas.
A maioria dos quadros vai além do backtesting para incluir algumas capacidades de negociação ao vivo. Isso é conveniente se você deseja implantar a partir de sua estrutura de backtesting, que também funciona com o seu fornecedor preferido e fontes de dados. Quantopian / Zipline vai um passo adiante, fornecendo uma solução totalmente integrada de desenvolvimento, backtesting e implantação.
A comunidade Python é bem servida, com pelo menos seis estruturas de backtesting de código aberto disponíveis. No entanto, estão em vários estágios de desenvolvimento e documentação. Se você gosta de trabalhar em uma equipe construindo uma estrutura de backtesting de código aberto, confira seus reembolsos Github.
Antes de avaliar quadros de teste, vale a pena definir os requisitos do seu STS.
Qual classe de ativos você está negociando? Embora a maioria dos frameworks ofereça suporte aos dados da US Equities via YahooFinance, se uma estratégia incorporar derivados, ETFs ou títulos de EM, os dados precisam ser importados ou fornecidos pela estrutura. As coberturas de classe de ativos vão além dos dados. O framework pode lidar com futuros e opções de tamanho finito e gerar negociações de roll-over automaticamente? E quanto aos mercados ilíquidos, quão realista é uma suposição ao executar grandes encomendas?
Qual a frequência e o detalhe dos dados do seu STS? Um sistema de negociação que exige que cada marca ou lance / peça tenha um conjunto muito diferente de problemas de gerenciamento de dados do que um intervalo de 5 minutos ou horário. Os hedge funds e as lojas HFT investiram significativamente na construção de quadros robustos e escaláveis de backtesting para lidar com esse volume e freqüência de dados. Algumas plataformas fornecem um conjunto rico e profundo de dados para várias classes de ativos, como ações da S & P, com resolução de um minuto.
Qual (s) tipo (s) de ordem o seu STS requer? No mínimo, o limite, as paradas e o OCO devem ser suportados pela estrutura.
Nível de suporte e amp; documentação necessária. Os quadros de estágio inicial têm escassa documentação, poucos têm suporte além de placas comunitárias.
Os Componentes de um Quadro de Teste de Backtesting.
Dados e aquisição de STS: os componentes de aquisição consomem o arquivo de script / definição STS e fornecem os dados necessários para testes. Se a estrutura exige que qualquer STS seja recodificado antes do teste posterior, a estrutura deve suportar funções enlatadas para os indicadores técnicos mais populares para acelerar o teste STS. Os usuários determinam o tempo de um período histórico para fazer backtest com base no que o framework fornece, ou o que eles são capazes de importar.
O teste de desempenho aplica a lógica STS à janela de dados históricos solicitada e calcula uma ampla gama de riscos & amp; métricas de desempenho, incluindo redução máxima, taxas Sharpe e Sortino. A maioria dos frameworks suporta um número decente de capacidades de visualização, incluindo curvas de equidade e estatísticas decimais.
A otimização tende a exigir a maior parte dos recursos de computação no processo STS. Se o seu STS precisar de otimização, concentre-se em uma estrutura que suporte processamento escalável distribuído / paralelo.
No contexto de estratégias desenvolvidas usando indicadores técnicos, os desenvolvedores de sistemas tentam encontrar um conjunto ideal de parâmetros para cada indicador. Mais simplesmente, a otimização pode achar que um fluxo de média móvel de 6 e 10 dias STS acumulou mais lucro sobre os dados de teste históricos do que qualquer outra combinação de períodos de tempo entre 1 e 20. Já com este exemplo trivial, 20 * 20 = 400 combinações de parâmetros devem ser calculado & amp; classificado.
No contexto de um portfólio, a otimização procura encontrar a ponderação ideal de cada ativo na carteira, incluindo os instrumentos em curto e alavancado. Em uma base periódica, o portfólio é reequilibrado, resultando na compra e venda de participações da carteira, conforme necessário, para alinhar com os pesos otimizados.
O dimensionamento de posição é um uso adicional da otimização, ajudando os desenvolvedores de sistemas a simular e analisar o impacto da alavancagem e dimensionamento de posição dinâmico no STS e no desempenho do portfólio.
Seis quadros de teste para o Python.
As capacidades padrão das plataformas open source Python backtesting parecem incluir:
Gerenciamento de eventos, flexível e irrestrito Coleta decente de indicadores técnicos pré-definidos Captação de desempenho padrão / visualização / geração de relatórios.
PyAlgoTrade.
PyAlgoTrade é uma estrutura de backtesting mutuamente documentada, juntamente com capacidades de negociação em papel e ao vivo. O suporte a dados inclui Yahoo! Finanças, Google Finance, NinjaTrader e qualquer tipo de série de tempo baseada em CSV, como Quandl. Os tipos de pedidos suportados incluem Market, Limit, Stop e StopLimit.
O PyAlgoTrade suporta a negociação Bitcoin via Bitstamp e o gerenciamento de eventos do Twitter em tempo real.
bt - Backtesting para Python.
bt "visa promover a criação de blocos de lógica de estratégia facilmente testáveis, reutilizáveis e flexíveis para facilitar o rápido desenvolvimento de estratégias comerciais complexas".
O framework é particularmente adequado para testar STS com base em portfólio, com algos para ponderação de ativos e reequilíbrio de portfólio. A modificação de uma estratégia para executar em diferentes freqüências de tempo ou pesos de ativos alternativos envolve um mínimo de ajuste de código. bt é construído em cima do ffn - uma biblioteca de funções financeiras para Python.
Backtrader.
Esta plataforma está excepcionalmente bem documentada, com um blog acompanhante e uma comunidade on-line ativa para postar perguntas e solicitações de recursos. O Backtrader suporta uma série de formatos de dados, incluindo arquivos CSV, Pandas DataFrames, iteradores de incandescência e feeds de dados em tempo real de três corretores. Esses feeds de dados podem ser acessados simultaneamente e podem até representar diferentes cronogramas. Os corretores suportados incluem Oanda para negociação de Forex e negociação de classes de ativos múltiplos através de Interactive Brokers e Visual Chart.
Pysystemtrade.
O desenvolvedor da Pysystemtrade, Rob Carver, tem uma ótima postagem em discussão sobre o porquê ele se propôs a criar mais uma nova estrutura de teste do Python e os argumentos para e contra o desenvolvimento do framework. A estrutura backtesting para pysystemtrade é discutida no livro Rob, "Systematic Trading".
Pysystemtrade lista uma série de recursos de roteiro, incluindo um testador de back-up completo, que inclui técnicas de otimização e calibração e negociação de futuros totalmente automáticos com Interactive Brokers. Os contribuidores da fonte aberta são bem-vindos.
Zipline é um simulador de negociação algorítmica com recursos de papel e negociação ao vivo. Acessível através da interface do navegador IPython baseado no navegador, a Zipline fornece uma alternativa fácil de usar para ferramentas de linha de comando. Suportado e desenvolvido por Quantopian, Zipline pode ser usado como uma estrutura de backtesting autônomo ou como parte de um ambiente completo de desenvolvimento, teste e implantação de STS, de Aosta / Zipline STS. A Zipline fornece 10 anos de dados de estoque históricos históricos de última hora e uma série de opções de importação de dados.
QSTrader é uma estrutura de backtesting com capacidades de negociação ao vivo. O fundador da QuantStart, Michael Halls-Moore, lançou o QSTrader com a intenção de construir uma plataforma robusta e escalável o suficiente para atender às necessidades dos fundos de hedge quantitativos institucionais, bem como aos comerciantes quantos de varejo. O QSTrader atualmente suporta dados de resolução "barra" da OHLCV em várias escalas de tempo, mas permite que dados de marca sejam usados.
Tanto o backtesting como o comércio ao vivo são completamente orientados para eventos, simplificando a transição das estratégias da pesquisa para o teste e, finalmente, a negociação ao vivo. A estratégia básica / código do portfólio geralmente é idêntico em ambas as implementações.
O principal benefício do QSTrader é em sua modularidade, permitindo uma ampla personalização de código para aqueles que possuem requisitos específicos de gerenciamento de risco ou portfólio.
Abraçando o Backtest.
É a natureza humana se concentrar na recompensa de desenvolver um STS (esperançosamente lucrativo), então apressar-se a implantar uma conta financiada (porque esperamos), sem gastar tempo e recursos suficientes para testar completamente a estratégia. Mas backtesting não é apenas um gatekeeper para nos impedir de implementar estratégias erradas e perder capital comercial, também fornece uma série de diagnósticos que podem informar o processo de desenvolvimento STS. Por exemplo, testando um STS idêntico em dois intervalos de tempo diferentes, compreendendo a redução máxima de uma estratégia no contexto de correlações de ativos e criando portfólios mais inteligentes por backtesting de alocações de ativos em várias regiões geográficas.
Em futuras postagens, iremos abordar frameworks de backtesting para ambientes que não sejam Python e o uso de várias técnicas de amostragem como bootstrapping e jackknife para testar modelos de negociação preditivos.
Apenas iniciando o comércio quantitativo?
3 razões para se inscrever na QuantStart List:
1. Quant Trading Lessons.
Você terá acesso instantâneo a um curso gratuito de 10 partes, com sugestões e dicas para ajudá-lo a começar a negociação quantitativa!
2. Todo o conteúdo mais recente.
Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.
Real, dicas de negociação viáveis, sem tonturas.
No comments:
Post a Comment