Fördelar och nackdelar med automatiserade handelssystem Traders och investerare kan göra exakt tillträde. exit - och penninghanteringsregler i automatiserade handelssystem som tillåter datorer att utföra och övervaka handlarna. En av de största attraktionerna inom strateginautomatisering är att det kan ta några av känslorna ur handel eftersom handlarna automatiskt placeras när vissa kriterier är uppfyllda. Denna artikel kommer att introducera läsare till och förklara några av fördelarna och nackdelarna, liksom realiteterna hos automatiserade handelssystem. (För relaterad läsning, se Power of Program Trades.) Vad är ett automatiserat handelssystem Automatiserade handelssystem, även kallat mekaniska handelssystem, algoritmisk handel. automatiserad handel eller systemhandel, tillåta näringsidkare att fastställa specifika regler för både handelsposter och utgångar som, när de programmerats, automatiskt kan köras via en dator. Handelsregistrerings - och utträdesreglerna kan baseras på enkla förhållanden som ett glidande medelvärde. eller kan vara komplicerade strategier som kräver en övergripande förståelse för programmeringsspråket som är specifikt för användarhandelsplattformen eller kompetens hos en kvalificerad programmerare. Automatiserade handelssystem kräver vanligtvis användningen av programvara som är kopplad till en direktåtkomstmäklare. och några specifika regler måste skrivas på det plattformens proprietära språk. TradeStation-plattformen använder till exempel EasyLanguage-programmeringsspråket NinjaTrader-plattformen, å andra sidan använder NinjaScript-programmeringsspråket. Figur 1 visar ett exempel på en automatiserad strategi som utlöste tre affärer under en handelssession. (För relaterad läsning se Global handel och valutamarknaden.) Figur 1: Ett fem-minuters diagram över ES-kontraktet med en automatisk strategi tillämpad. Vissa handelsplattformar har strategibyggande guider som tillåter användare att göra val från en lista med allmänt tillgängliga tekniska indikatorer för att bygga en uppsättning regler som sedan automatiskt kan handlas. Användaren kan till exempel fastställa att en lång handel kommer att införas när 50-dagars glidande medelvärde passerar över 200-dagars glidande medelvärde på ett femminutersdiagram över ett visst handelsinstrument. Användare kan också skriva in typen av order (t. ex. marknad eller gräns) och när handeln kommer att utlösas (till exempel vid stängning av fältet eller öppet i nästa stapel), eller använd standardinmatningarna på plattformarna. Många handlare väljer emellertid att programmera sina egna anpassade indikatorer och strategier eller arbeta nära med en programmerare för att utveckla systemet. Medan det vanligtvis kräver mer ansträngning än att använda plattformsguiden, tillåter det en mycket högre grad av flexibilitet och resultaten kan vara mer givande. (Tyvärr finns det ingen perfekt investeringsstrategi som garanterar framgång. För mer, se Använda tekniska indikatorer för att utveckla handelsstrategier.) När reglerna har upprättats kan datorn övervaka marknaderna för att hitta köp eller sälja möjligheter baserat på handeln strategispecifikationer. Beroende på de specifika reglerna, så snart som en handel är införd, eventuella order för skyddsstopp förluster. efterföljande stopp och vinstmål skapas automatiskt. På snabbt växande marknader kan denna momentana orderingång betyda skillnaden mellan en liten förlust och en katastrofal förlust i händelse av att handeln rör sig mot näringsidkaren. Fördelar med automatiserade handelssystem Det finns en lång lista över fördelar med att få en dator övervaka marknaderna för handelsmöjligheter och genomföra affärer, inklusive: Minimera känslor. Automatiserade handelssystem minimerar känslor under hela handelsprocessen. Genom att hålla känslor i kontroll har handlarna vanligtvis en lättare tid att hålla sig till planen. Eftersom handelsorder genomförs automatiskt när handelsreglerna är uppfyllda, kommer handlare inte att kunna tveka eller ifrågasätta handeln. Förutom att hjälpa handlare som är rädda för att dra avtryckaren, kan automatiserad handel bota dem som är känsliga för att överdriva köp och sälja vid varje uppfattad möjlighet. Förmåga att backtest. Backtesting tillämpar handelsregler på historiska marknadsdata för att fastställa ideens lönsamhet. Vid utformning av ett system för automatiserad handel måste alla regler vara absoluta, utan utrymme för tolkning (datorn kan inte göra gissningar, det måste man veta exakt vad man ska göra). Handlare kan ta dessa exakta uppsättningar regler och testa dem på historiska data innan de riskerar pengar i direkt handel. Noggrann backtesting gör det möjligt för handlare att utvärdera och finjustera en handelsidee och för att bestämma systemförväntningen är det genomsnittliga belopp som en näringsidkare kan förvänta sig att vinna (eller förlora) per riskenhet. (Vi erbjuder några tips om denna process som kan hjälpa till att avhjälpa dina nuvarande handelsstrategier. Mer information finns i Backtesting: Tolkning av förflutet.) Behåll Discipline. Eftersom handelsreglerna upprättas och handeln genomförs automatiskt utförs disciplinen även i volatila marknader. Disciplin går ofta förlorad på grund av känslomässiga faktorer som rädsla för att ta en förlust, eller en önskan att eke ut lite mer vinst från en handel. Automatiserad handel hjälper till att säkerställa att disciplinen upprätthålls, eftersom handelsplanen kommer att följas exakt. Dessutom minimeras pilotfel, och en order att köpa 100 aktier kommer inte att inkräktas felaktigt som en order att sälja 1.000 aktier. Uppnå konsistens En av de största utmaningarna i handel är att planera handeln och handla planen. Även om en handelsplan har potential att vara lönsam, förändrar näringsidkare som ignorerar reglerna alla förväntningar som systemet skulle ha haft. Det finns ingen sådan sak som en handelsplan som vinner 100 av tiden förluster är en del av spelet. Men förluster kan vara psykologiskt traumatiserande, så en näringsidkare som har två eller tre förlorande affärer i rad kan besluta att hoppa över nästa handel. Om denna nästa handel skulle ha varit en vinnare, har näringsidkaren redan förstört någon förväntan som systemet hade. Automatiserade handelssystem gör det möjligt för handlare att uppnå konsekvens genom att handla planen. (Det är omöjligt att undvika katastrof utan handelsregler. För mer, se 10 steg för att bygga en vinnande handelsplan.) Förbättrad orderingångshastighet. Eftersom datorer svarar omedelbart på förändrade marknadsförhållanden kan automatiserade system generera order så snart handelskriterier är uppfyllda. Att komma in eller ut av handel några sekunder tidigare kan göra stor skillnad i branschutfallet. Så snart en position har angetts genereras alla andra beställningar automatiskt, inklusive skyddsstoppförluster och resultatmål. Marknaderna kan röra sig snabbt, och det är demoraliserande att få en handel att nå vinstmålet eller blåsa förbi en stoppförlustnivå innan orderna kan till och med anges. Ett automatiserat handelssystem förhindrar att detta händer. Diversifiera Trading. Automatiserade handelssystem tillåter användaren att handla flera konton eller olika strategier samtidigt. Detta har potential att sprida risk över olika instrument samtidigt som man skapar en säkring mot att förlora positioner. Det som skulle vara oerhört utmanande för en människa att åstadkomma utförs effektivt av en dator i fråga om millisekunder. Datorn kan skanna efter handelsmöjligheter på en rad marknader, generera order och övervaka handel. Nackdelar och realiteter hos automatiserade handelssystem Automatiserade handelssystem präglar många fördelar, men det finns några nedgångar och realties som handelsmän bör vara medvetna om. Mekaniska fel. Teorin bakom automatiserad handel gör det verkligt enkelt: sätt upp programvaran, programmera reglerna och se den handla. I verkligheten är emellertid automatiserad handel en sofistikerad handelsmetod, men inte ofelbar. Beroende på handelsplattformen skulle en handelsorder kunna ligga på en dator och inte en server. Vad det betyder är att om en Internetanslutning går förlorad, kanske en order inte skickas till marknaden. Det kan också finnas en motsättning mellan de teoretiska handlarna som genereras av strategin och orderingångsplattformskomponenten som gör dem till verkliga affärer. De flesta handlare bör förvänta sig en inlärningskurva när de använder automatiserade handelssystem, och det är generellt en bra idé att börja med små handelsstorlekar medan processen förädlas. Övervakning. Även om det vore bra att slå på datorn och lämna dagen, kräver automatiserade handelssystem övervakning. Detta beror på potentialen för mekaniska fel, till exempel anslutningsproblem, strömförluster eller datorkrascher och systemkvaliteter. Det är möjligt för ett automatiserat handelssystem att uppleva anomalier som kan leda till felaktiga order, missade order eller dubbla order. Om systemet övervakas kan dessa händelser identifieras och lösas snabbt. Över optimering. Trots att det inte är specifikt för automatiserade handelssystem, kan handlare som använder backtestingsteknik skapa system som ser bra ut på papper och utför fruktansvärt på en levande marknad. Överoptimering avser överdriven kurvpassning som ger en handelsplan som är opålitlig i direkt handel. Det är exempelvis möjligt att tweak en strategi för att uppnå exceptionella resultat på de historiska data som den testades på. Handlare antar ibland felaktigt att en handelsplan borde ha nära 100 lönsamma affärer eller borde aldrig uppleva en drawdown för att vara en genomförbar plan. Som sådan kan parametrar justeras för att skapa en nästan perfekt plan som helt misslyckas så snart den tillämpas på en levande marknad. (Den här överoptimeringen skapar system som ser bra ut på papper. För mer, se Backtesting and Forward Testing: Betydelsen av korrelation.) Serverbaserade automationshandlare har möjlighet att köra sina automatiserade handelssystem genom en serverbaserad handel plattform som Strategy Runner. Dessa plattformar erbjuder ofta kommersiella strategier till försäljning, en trollkarl så att handlare kan utforma sina egna system eller förmågan att vara värd för befintliga system på den servern baserade plattformen. Mot en avgift kan det automatiserade handelssystemet skanna efter, exekvera och övervaka handlar med alla order som finns på deras server, vilket resulterar i potentiellt snabbare och mer tillförlitliga orderingångar. Slutsats Även om det är en förutsättning för en rad olika faktorer, bör automatiserade handelssystem inte betraktas som en ersättning för noggrant genomförd handel. Mekaniska fel kan inträffa, och som sådana kräver dessa system övervakning. Serverbaserade plattformar kan erbjuda en lösning för näringsidkare som vill minimera riskerna för mekaniska fel. (För relaterad läsning, se Dag Trading Strategies For Beginners.) En ekonomisk teori om totala utgifter i ekonomin och dess effekter på produktion och inflation. Keynesian ekonomi utvecklades. En innehav av en tillgång i en portfölj. En portföljinvestering görs med förväntan på att få en avkastning på den. Detta. Ett förhållande som utvecklats av Jack Treynor som mäter avkastning som förvärvats över det som kunde ha blivit förtjänat på en risklös. Återköp av utestående aktier (återköp) av ett företag för att minska antalet aktier på marknaden. Företag. En skatteåterbäring är en återbetalning av skatter som betalas till en individ eller hushåll när den faktiska skatteskulden är mindre än beloppet. Det monetära värdet av alla färdiga varor och tjänster som produceras inom ett land039s gränsar under en viss tidsperiod. Automated Trading: Hur man väljer en Forex Automated Strategy Vill du samarbeta med en FX-näringsidkare som är logisk, unemotional och som outtröttligt letar efter handelsmöjligheter Många handlare lockas till automatiserad handel eftersom de kan samarbeta med en FX-handlare med ovanstående egenskaper genom automatiserad handel. Den här artikeln hjälper handelsmän att identifiera en automatiserad strategi som är en bra D-E-A-L när det gäller högre sannolikhet. Letrsquos börjar med 4 steg checklistan. Enligt min åsikt är en strategi en bra DEAL om det positivt kan svara på varje element i denna akronym: D escription E ntryExit Signals A pplication L everage Ett positivt resultat i de 4 artiklarna i checklistan är ingen garanti att strategin kommer att vara lönsamhellipnobody vet vad marknaden kommer att ge i nästa minut, än mindre nästa dag, vecka eller månad. Därför är målet med 4-punkts checklisten att korrekt identifiera och genomföra en forexautomatiserad strategi genom att utnyttja lämpliga hävstångs - och prestationsförväntningar som leder till högre sannolikhetstransaktioner. Letrsquos packar upp varje element i denna akronym. Det första vi bör titta på när vi överväger en automatiserad strategi är beskrivningen av strategin. Ta reda på vad strategin gör och den allmänna logiken bakom strategin. Leta efter buzzwords som - stop loss, profit target, risk för att belöna förhållanden, risk, breakout, trend, momentum, intervall. Genom att noga läsa beskrivningen är det första jag vill identifiera, vilken typ av marknadsvillkor denna strategi är avsedd att användas i. Du ser att strategier är utformade för att fungera bra i endast vissa marknadsmiljöer. Strategier som kan fungera bra i alla marknadsmiljöer är mycket svåra att komma med. Därför är det inte möjligt att få realistiska förväntningar genom att bestämma vilken typ av miljö strategin tenderar att göra bra i, och sedan tillämpa den strategin på en marknad som uppvisar samma villkor. (Mer om detta i avsnittet APPLICATION.) E ntryExit-signaler Många näringsidkare spenderar mest av sin tid på att dra sig över strategyrsquos - och utgångssignaler. Det är viktigt att förstå den allmänna logiken bakom strategin, men vi donrsquot vill överstryka varje handel som strategin gör. Trots allt kommer denna strategi sannolikt att producera hundratals eller tusentals affärer. Därför är det samlingen av affärer som genereras av den strategi som vi är intresserade av och inte varje enskild handel. I huvudsak ser man på handelsprestandan som en korg av affärer snarare än baserat på varje enskild handel. Här är några sätt att granska affärer. 1. Placera alla dina vinnande affärer i en korg och alla dina förlorande affärer i en korg. Vad är den genomsnittliga vinnaren Vad är den genomsnittliga förloraren Sök strategier med högre genomsnittliga vinnare jämfört med genomsnittliga förlorare. 2. Granska handelsprestandan i korgar om 10 branscher. Ta en titt på dina senaste 10 affärer, gav nettoresultatet pips till ditt konto eller ta bort dem Sök strategier som lägger pips i en korg med X-trades. Jag nämnde ovan hur vi vill använda beskrivningen för att bestämma det marknadsförhållande som strategin är utformad för att trivas i. När vi väl har identifierat marknadsförhållandena söker vi efter en marknad som uppvisar denna egenskap. Detta steg är ofta förbises av handlare. Det finns generellt 2 olika typer av marknadsförhållanden med flera variationer. Idag kommer vi bara att oroa oss för trending marknader och icke-trending marknader (ofta kallade intervaller). Dessa 2 villkor är exklusiva från varandra. När marknaden är i en trend går priserna framåt. Du ser en serie högre höjder och högre nedgångar i en uptrend och en serie lägre höjder och lägre nedgångar i en downtrend. Å andra sidan bildar intervall när marknaden inte gör framsteg på ett eller annat sätt som marknaden handlar sidled. Det finns många anledningar till varför trender och utveckling varierar som ligger utanför tillämpningsområdet för denna artikel. Allt som vi behöver vara oroade över här är att identifiera vilken typ av tillstånd vår strategi idealiskt blomstrar och hitta en marknad som matchar samma villkor för att handla denna strategi. Om du inte är säker på vilket villkor ett givet valutapar finns, finns det en artikel i Weekly Strategy Outlook som skrivs i DailyFX som ger vägledning för dig. Den sista punkten i 4-poäng checklistan är hävstångseffekt. Detta är ett annat vanligt förbises område av automatiserade valutahandlare. Många gånger fann Irsquove att handlare i allmänhet kommer att använda en bra strategi, men de förväntar sig bara för mycket av det och tillämpar därför för mycket hävstångseffekt. Detta beror generellt på att näringsidkare ser på uppsidan mot strategin och inte planerar för eventuella förluster. För att hålla ditt konto kapitaliserat genom sådana neddragningar är det viktigt att använda konservativa belopp av hävstångseffekt eller ingen alls. I vår egenskap av framgångsrik handelare-serie. Vi föreslår att du använder inte mer än 10 gånger effektiv hävstångseffekt. Om du är en konservativ näringsidkare, överväg att använda ännu mindre hävstång vid 5 gånger eller mindre. Fördelen med att använda mindre mängder hävstång är att när din strategi upplever drawdown riskerar du en liten del av ditt konto och skulle därför ha mer kapital kvar för handel än om du använt stora mängder hävstångseffekt. Delta i högre sannolikhet genom att införliva 4 poäng checklistan ovan. Detta hjälper dig att korrekt identifiera och genomföra en forexautomatiserad strategi genom att utnyttja lämpliga hävstångs - och prestationsförväntningar. --- Skrivet av Jeremy Wagner, Lead Trading Instructor, DailyFX Education För att kontakta Jeremy, maila jwagnerdailyfx. Följ mig på Twitter på JWagnerFXTrader. För att läggas till i Jeremyrsquos e-postdistributionslista, skicka ett mail med ämnesraden ldquoDistribution Listrdquo till jwagnerdailyfx. DailyFX ger forex nyheter och teknisk analys om de trender som påverkar de globala valutamarknaden. Det ser inte ut som möjligt. Men det är med våra algoritmiska handelsstrategier Det verkar inte möjligt. Ett algoritmiskt handelssystem med så mycket trendidentifiering, cykelanalys, flöden av buysell-sidvolymer, flera handelsstrategier, dynamisk inmatning, mål - och stopppriser och ultrasnabb signalteknik. Men det är. Faktum är att AlgoTrades algoritmiska handelssystemplattform är den enda i sitt slag. Inga fler söker efter heta lager, sektorer, råvaror, index eller läsa marknadsutlåtanden. Algotrades gör allt som söker, timing och handel för dig med vårt algoritmiska handelssystem. AlgoTrades beprövade strategier kan följas manuellt genom att ta emot e-post - och sms-textvarningar, eller det kan vara 100 handsfree-handel. Det är upp till dig. Du kan stänga av automatiserad handel när som helst så att du alltid har kontroll över ditt öde. Automatiserade handelssystem för savvy investerare Copyright 2017 - ALGOTRADES - Automatiserat algoritmiskt handelssystem CFTC REGEL 4.41 - HYPOTETISKA ELLER SIMULERADE RESULTATRESULTAT HAR SÄRSKILDA BEGRÄNSNINGAR. I likhet med en verklig prestationsrekord, representerar SIMULERADE RESULTAT INTE VERKSAMHET. Också, eftersom handelarna inte har genomförts, kan resultaten komma att kompenseras för konsekvenserna, om några av vissa marknadsfaktorer, som saknar likviditet. SIMULERADE HANDELSPROGRAMMER I ALLMÄNT ÄR ÄVEN FAKTISKT ATT DE DESIGNERAS MED FÖRDELNINGEN AV HINDSIGHT. INGEN REPRESENTATION GÖRAS ATT ANTAL KONKURRERAR ELLER ÄR LIKTIGT FÖR ATT FÖRVÄNDA RESULTAT ELLER TABELL SOM LIKNAR TILL DE VISADE. Ingen representation görs eller antyds att användningen av det algoritmiska handelssystemet kommer att generera intäkter eller garantera en vinst. Det finns en väsentlig risk för förlust i samband med valutaterminer och börshandlade fonder. Futures trading och trading exchange traded funds innebär en väsentlig risk för förlust och är inte lämplig för alla. Dessa resultat bygger på simulerade eller hypotetiska resultat som har vissa inneboende begränsningar. Till skillnad från de resultat som visas i en faktisk resultatpost representerar dessa resultat inte den faktiska handeln. Eftersom dessa branscher inte faktiskt har verkställts kan dessa resultat ha under - eller överkompenserat för eventuella konsekvenser av vissa marknadsfaktorer, såsom brist på likviditet. Simulerade eller hypotetiska handelsprogram i allmänhet är också föremål för det faktum att de är utformade med hänsyn till efterhand. Ingen representation görs för att något konto kommer eller kommer sannolikt att uppnå vinster eller förluster som liknar dessa. Informationen på denna webbplats har upprättats utan hänsyn till investerarnas investeringsmål, ekonomiska situation och behov, och ger ytterligare råd till abonnenter att inte agera på någon information utan att få specifika råd från sina finansiella rådgivare att inte förlita sig på information från webbplatsen som den primära grunden för sina investeringsbeslut och att överväga sin egen riskprofil, risk tolerans och egna stoppförluster. - powered by Enfold WordPress ThemeHow att identifiera algoritmiska handelsstrategier I denna artikel vill jag presentera dig för de metoder som jag själv identifierar lönsamma algoritmiska handelsstrategier. Vårt mål idag är att förstå i detalj hur man hittar, utvärderar och väljer sådana system. Jag förklarar hur identifierande strategier handlar lika mycket om personlig preferens som det handlar om strategiprestanda, hur man bestämmer typen och kvantiteten av historiska data för testning, hur man diskutivt utvärderar en handelsstrategi och slutligen hur man går vidare mot backtesting-fasen och genomförandet av strategin . Identifiera dina egna personliga preferenser för handel För att vara en framgångsrik näringsidkare - antingen diskret eller algoritmiskt - är det nödvändigt att fråga dig själv några ärliga frågor. Trading ger dig möjlighet att förlora pengar i en alarmerande takt, så det är nödvändigt att känna dig så mycket som det är nödvändigt att förstå din valda strategi. Jag skulle säga att det viktigaste övervägandet i handel är att vara medveten om din egen personlighet. Handels - och algoritmisk handel i synnerhet kräver en väsentlig grad av disciplin, tålamod och emotionell avreglering. Eftersom du låter en algoritm utföra din handel för dig, är det nödvändigt att bli löst för att inte störa strategin när den utförs. Detta kan vara extremt svårt, särskilt i perioder med förlängd drawdown. Men många strategier som har visat sig vara mycket lönsamma i en backtest kan förstöras av enkla störningar. Förstå att om du vill komma in i algoritmiska handelsvärlden kommer du att bli emotionellt testad och att för att lyckas är det nödvändigt att arbeta genom dessa svårigheter. Nästa övervägning är en tid. Har du ett heltidsjobb Arbetar du deltid Arbetar du hemifrån eller har en lång pendling varje dag Dessa frågor hjälper dig att bestämma frekvensen av strategin som du ska söka. För dig som är heltidsanställd kanske en strategi för intraday futures kanske inte är lämplig (åtminstone tills den är helt automatiserad). Dina tidsbegränsningar kommer också att diktera strategins metodik. Om din strategi ofta handlas och är beroende av dyra nyhetsflöden (t. ex. en Bloomberg terminal) måste du tydligt vara realistisk om din förmåga att framgångsrikt driva det här på kontoret. För dig med mycket tid eller färdigheter För att automatisera din strategi kanske du vill undersöka en mer teknisk högfrekvenshandel (HFT) strategi. Min tro är att det är nödvändigt att genomföra kontinuerlig forskning i dina handelsstrategier för att upprätthålla en konsekvent lönsam portfölj. Få strategier förblir under radaren för alltid. En betydande del av den tid som allokeras till handel kommer därför att ske i pågående forskning. Fråga dig själv om du är beredd att göra det, eftersom det kan vara skillnaden mellan stark lönsamhet eller en långsam nedgång mot förluster. Du måste också överväga ditt handelskapital. Det allmänt accepterade idealbeloppet för en kvantitativ strategi är 50 000 USD (cirka 35 000 för oss i Storbritannien). Om jag började igen skulle jag börja med en större mängd, förmodligen närmare 100 000 USD (cirka 70 000). Detta beror på att transaktionskostnaderna kan vara extremt dyra för mellan - och högfrekventa strategier och det är nödvändigt att ha tillräcklig kapital för att absorbera dem i nedgångstider. Om du funderar på att börja med mindre än 10 000 USD måste du begränsa dig till lågfrekventa strategier, handel med en eller två tillgångar, eftersom transaktionskostnaderna snabbt kommer att äta i din avkastning. Interaktiva Mäklare, som är en av de vänligaste mäklarna till dem med programmeringsförmåga, på grund av API: n, har ett kundkonto på minst 10 000 USD. Programmeringskunskap är en viktig faktor för att skapa en automatiserad algoritmisk handelsstrategi. Att vara kunnig i ett programmeringsspråk som C, Java, C, Python eller R gör att du kan skapa end-to-end datalagring, backtestmotor och exekveringssystem själv. Detta har ett antal fördelar, vars chef är förmågan att vara helt medveten om alla aspekter av handelsinfrastrukturen. Det låter dig också utforska de högre frekvensstrategierna, eftersom du kommer att ha full kontroll över din teknikstack. Medan det här betyder att du kan testa din egen programvara och eliminera buggar, betyder det också mer tid att spendera kodning av infrastruktur och mindre på implementering av strategier, åtminstone i den tidigare delen av din algo trading karriär. Det kan hända att du är bekväm handel i Excel eller MATLAB och kan outsourca utvecklingen av andra komponenter. Jag skulle inte rekommendera det här, särskilt för de som handlar med hög frekvens. Du måste fråga dig själv vad du hoppas uppnå genom algoritmisk handel. Är du intresserad av en regelbunden inkomst, där du hoppas kunna dra in intäkter från ditt handelskonto Eller är du intresserad av en långsiktig realisationsvinst och har råd att handla utan att behöva räkna pengar? Inkomstberoende kommer att diktera frekvensen av din strategi . Mer regelbundna intäkter kommer att kräva en högre handelsstrategi med mindre volatilitet (dvs högre Sharpe-förhållande). Långsiktiga näringsidkare har råd med en mer lugn handelsfrekvens. Slutligen, bli inte lurad av tanken att bli extremt rik på kort tid. Algo trading är inte ett snabbt riksschema - om något kan det bli ett snabbt fattigt system. Det krävs stor disciplin, forskning, noggrannhet och tålamod för att lyckas med algoritmisk handel. Det kan ta månader, om inte år, att skapa konsekvent lönsamhet. Sourcing Algoritmic Trading Ideas Trots gemensamma uppfattningar tvärtom är det faktiskt ganska enkelt att hitta lönsamma handelsstrategier inom det offentliga området. Aldrig har handelsidéer varit mer tillgängliga än de är idag. Academic finance tidskrifter, pre-print servrar, handelsbloggar, handelsforum, veckohandelstidningar och specialtexter ger tusentals handelsstrategier som du kan basera dina idéer på. Vårt mål som kvantitativa handelsforskare är att upprätta en strategipipeline som ger oss en ström av pågående handelsideer. Helst vill vi skapa ett metodiskt tillvägagångssätt för inköp, utvärdering och genomförande av strategier som vi stöter på. Syftet med rörledningen är att skapa en konsekvent mängd nya idéer och att ge oss en ram för att förkasta majoriteten av dessa idéer med det minsta emotionella övervägandet. Vi måste vara mycket noga med att inte låta kognitiva förspänningar påverka vår beslutsfattande metodik. Det kan vara så enkelt att ha en preferens för en tillgångsklass över en annan (guld och andra ädla metaller kommer i åtanke) eftersom de uppfattas som mer exotiska. Vårt mål bör alltid vara att hitta konsekvent lönsamma strategier, med positiv förväntan. Valet av tillgångsklass bör baseras på andra överväganden, såsom handelskapitalbegränsningar, mäklaravgifter och hävstångseffekter. Om du är helt okänd med begreppet handelsstrategi är det första stället att titta på med etablerade läroböcker. Klassiska texter ger ett brett utbud av enklare, mer enkla idéer, för att bekanta sig med kvantitativ handel. Här är ett urval som jag rekommenderar för dem som är ny på kvantitativ handel, som gradvis blir mer sofistikerade när du arbetar genom listan: För en längre lista över kvantitativa handelsböcker, besök QuantStart-läsningslistan. Nästa plats för att hitta mer sofistikerade strategier är med handelsforum och handelsbloggar. Men en försiktighetsåtgärd: Många handelsbloggar bygger på begreppet teknisk analys. Teknisk analys innebär att man använder grundläggande indikatorer och beteendepsykologi för att bestämma trender eller omvänt mönster i tillgångspriser. Trots att den är extremt populär i det totala handelsutrymmet, anses teknisk analys vara något ineffektiv i det kvantitativa finanssamhället. Några har föreslagit att det inte är bättre att läsa ett horoskop eller studera teblad med avseende på dess prediktiva kraft. I verkligheten finns det framgångsrika individer som använder sig av teknisk analys. Men som quants med en mer sofistikerad matematisk och statistisk verktygslåda till vårt förfogande, kan vi enkelt utvärdera effektiviteten av sådana TA-baserade strategier och göra databaserade beslut snarare än basen på känslomässiga överväganden eller förutfattningar. Här är en lista över väl respekterade algoritmiska handelsbloggar och forum: När du har fått lite erfarenhet av att utvärdera enklare strategier är det dags att titta på de mer sofistikerade akademiska erbjudandenen. Vissa akademiska tidskrifter kommer vara svåra att få tillgång till, utan höga abonnemang eller engångskostnader. Om du är medlem eller alumni på ett universitet bör du kunna få tillgång till några av dessa finansiella tidskrifter. Annars kan du titta på förtrycksservrar. vilka är internetförvar av sena utkast till akademiska uppsatser som genomgår peer review. Eftersom vi bara är intresserade av strategier som vi framgångsrikt kan replikera, backtest och få lönsamhet för, är en peer review av mindre betydelse för oss. Den stora nackdelen med akademiska strategier är att de ofta också kan vara omoderna, kräva dolda och dyra historiska data, handla i illikvida tillgångsklasser eller inte medverka i avgifter, släpp eller spridning. Det kan också vara oklart huruvida handelsstrategin ska genomföras med marknadsordningar, begränsningsorder eller om det innehåller stoppförluster etc. Det är därför absolut nödvändigt att replikera strategin själv så mycket du kan, backtest det och lägga till i realistisk transaktion kostnader som inkluderar så många aspekter av tillgångsklasserna som du vill handla in. Här är en lista över de mer populära förtrycksservrarna och de finansiella tidskrifterna som du kan ge idéer från: Vad sägs om att skapa egna kvantitativa strategier. Detta kräver i allmänhet ( men är inte begränsad till) kompetens inom en eller flera av följande kategorier: Marknadsmikrostruktur - För högre frekvensstrategier kan man särskilt utnyttja marknadsmikrostruktur. dvs förståelse av orderbokdynamiken för att generera lönsamhet. Olika marknader kommer att ha olika tekniska begränsningar, regler, marknadsaktörer och begränsningar som alla är öppna för exploatering via specifika strategier. Det här är ett mycket sofistikerat område och detaljhandelsutövare kommer att få svårt att vara konkurrenskraftiga i detta utrymme, särskilt i tävlingen ingår stora, välkapitaliserade kvantitativa hedgefonder med stark teknisk kapacitet. Fondstruktur - Inlånade investeringsfonder, såsom pensionsfonder, privata investeringspartnerskap (hedgefonder), handelsrådgivare och fonder är begränsade både av stor reglering och deras stora kapital reserver. Således kan vissa konsekventa beteenden utnyttjas hos dem som är mer fina. Till exempel är stora medel föremål för kapacitetsbegränsningar på grund av deras storlek. Således, om de måste snabbt avlasta (sälja) en mängd värdepapper, måste de staggera det för att undvika att flytta marknaden. Sofistikerade algoritmer kan dra nytta av detta och andra idiosynkraser, i en generell process som kallas fonden struktur arbitrage. Machine learningartificial intelligence - Maskininlärningsalgoritmer har blivit vanligare de senaste åren på finansmarknaderna. Klassificatorer (som Naive-Bayes, et al.), Icke-linjära funktionskompatörer (neurala nätverk) och optimeringsrutiner (genetiska algoritmer) har alla använts för att förutsäga tillgångsbanor eller optimera handelsstrategier. Om du har en bakgrund i detta område kan du få viss inblick i hur särskilda algoritmer kan tillämpas på vissa marknader. Det finns naturligtvis många andra områden för quants att undersöka. Tja diskutera hur du ska komma med anpassade strategier i detalj i en senare artikel. Genom att fortsätta att övervaka dessa källor varje vecka, eller till och med dagligen, lägger du dig på att få en konsekvent lista över strategier från ett brett spektrum av källor. Nästa steg är att bestämma hur man avvisar en stor delmängd av dessa strategier för att minimera slöseri med din tid och backtesting resurser på strategier som sannolikt kommer att vara olönsam. Utvärdering av handelsstrategier Det första och förmodligen mest uppenbara övervägandet är om du faktiskt förstår strategin. Skulle du kunna förklara strategin kortfattat eller behöver den en rad försiktighetsåtgärder och oändliga parametrar? Dessutom har strategin en bra och solid grund i verkligheten. Kan du till exempel peka på någon beteendemässig motivering eller fondstrukturbegränsning som kan orsaka det eller de mönster som du försöker utnyttja Skulle denna begränsning hålla fast vid en regimskifte, t. ex. en dramatisk miljöförstöring Står strategin på komplexa statistiska eller matematiska regler Gäller det för någon ekonomisk tidsserie eller är Det specifika för tillgångsklassen att det hävdas vara lönsamt. Du bör ständigt tänka på dessa faktorer när du utvärderar nya handelsmetoder, annars kan du slösa bort en betydande tid som försöker backtest och optimera olönsamma strategier. När du väl har bestämt att du förstår de grundläggande principerna i strategin måste du bestämma om den passar din ovannämnda personlighetsprofil. Detta är inte så vett en övervägande som det låter Strategierna kommer att skilja sig väsentligt i deras prestanda egenskaper. Det finns vissa personlighetstyper som kan hantera mer betydande perioder av utbetalning eller är villiga att acceptera större risk för större avkastning. Trots det faktum att vi som strängar försöker eliminera så mycket kognitiv bias som möjligt och borde kunna utvärdera en strategi passivt, kommer fördomar alltid att krypa in. Således behöver vi ett konsekvent, unemotionellt sätt genom vilket man bedömer prestandan i strategier . Här är listan över kriterier som jag bedömer en potentiell ny strategi av: Metodik - Är strategisk momentum baserad, medelåtervänd, marknadsneutral, riktad? Använder strategin sig på sofistikerade (eller komplexa) statistiska eller maskininlärningstekniker som är svåra för att förstå och kräva doktorsexamen i statistik Förstå dessa tekniker en betydande mängd parametrar, vilket kan leda till optimeringsförskjutning. Om strategin sannolikt kommer att motstå en reglerversion (dvs. potentiell ny reglering av finansmarknaderna). Sharpe Ratio - Sharpe-förhållandet heuristiskt karaktäriserar strategins rewardrisk-förhållande. Det kvantifierar hur mycket avkastning du kan uppnå för volatiliteten som uthålls av aktiekurvan. Naturligtvis måste vi bestämma vilken period och frekvens som dessa avkastningar och volatilitet (dvs standardavvikelse) mäts över. En högre frekvensstrategi kräver en större samplingsfrekvens av standardavvikelsen, men en kortare övergripande mätperiod, till exempel. Hävstångseffekt - kräver strategin betydande hävstångseffektivitet för att vara lönsam Om strategin kräver användning av avtal om levererad derivat (terminer, optioner, swappar) för att få en avkastning Dessa leveransavtal kan ha stor volatilitet karakteriseras och kan sålunda lätt leda till marginal samtal. Har du handelskapitalet och temperamentet för sådan volatilitet Frekvens? Strategins frekvens är nära kopplad till din teknikstack (och därmed teknisk expertis), Sharpe-förhållandet och den övergripande nivån på transaktionskostnader. Alla andra frågor som beaktas kräver högre frekvensstrategier mer kapital, är mer sofistikerade och svårare att genomföra. Om du antar att din backtesting-motor är sofistikerad och bugfri, kommer de dock ofta att ha mycket högre Sharpe-förhållanden. Volatilitet - Volatilitet är starkt relaterad till risken för strategin. Sharpe-förhållandet karaktäriserar detta. Högre volatilitet i de underliggande tillgångsklasserna, om de inte är bundna, leder ofta till högre volatilitet i aktiekurvan och därmed mindre Sharpe-kvoter. Jag antar självklart att den positiva volatiliteten är ungefär lika med den negativa volatiliteten. Vissa strategier kan ha större volatilitet i nackdelen. Du måste vara medveten om dessa attribut. WinLoss, Average ProfitLoss - Strategier skiljer sig åt i deras winloss och genomsnittliga profitloss egenskaper. Man kan ha en mycket lönsam strategi, även om antalet förlorade affärer överstiger antalet vinnande affärer. Momentumstrategier tenderar att ha detta mönster eftersom de är beroende av ett litet antal stora träffar för att vara lönsamma. Mean-reversion strategier tenderar att ha motsatta profiler där mer av branschen är vinnare, men de förlorande affärer kan vara ganska allvarliga. Maximal Drawdown - Den maximala drawdownen är den största övergripande topp-till-med-procentuella nedgången på strategins aktiekurva. Momentumstrategier är kända för att drabbas av perioder med förlängda drawdowns (på grund av en sträng av många inkrementella förlorande affärer). Många handlare kommer att ge upp i perioder med förlängd drawdown, även om historisk testning har föreslagit att det här är affärer som vanligt för strategin. Du måste bestämma vilken procentandel av drawdown (och över vilken tidsperiod) du kan acceptera innan du slutar handla din strategi. Detta är ett mycket personligt beslut och måste därför övervägas noggrant. Kapacitet Likviditet - I detaljhandeln, om du inte handlar i ett starkt illikvide instrument (som ett aktiebolag) behöver du inte mycket om dig själv med strategisk kapacitet. Kapaciteten bestämmer skalbarheten i strategin för ytterligare kapital. Många av de större hedgefonderna lider av stora kapacitetsproblem, eftersom deras strategier ökar i kapitaltilldelningen. Parametrar - Vissa strategier (särskilt de som finns i maskininlärningsgemenskapen) kräver en stor mängd parametrar. Varje extra parameter som en strategi kräver gör den mer sårbar för optimeringsförspänning (även känd som kurvmontering). Du bör försöka rikta in strategier med så få parametrar som möjligt eller se till att du har tillräckliga mängder data för att testa dina strategier. Benchmark - Nästan alla strategier (om inte karaktäriseras som absolut avkastning) mäts mot vissa prestationsindex. Referensvärdet är vanligtvis ett index som karakteriserar ett stort urval av den underliggande tillgångsklassen som strategin handlar om. Om strategin handlar med stora cap-amerikanska aktier, skulle SP500 vara ett naturligt riktmärke för att mäta din strategi mot. Du kommer att höra termerna alpha och beta, tillämpas på strategier av denna typ. Vi kommer att diskutera dessa koefficienter i djupet i senare artiklar. Observera att vi inte har diskuterat strategins faktiska avkastning. Varför är det här Isolerat ger avkastningen oss faktiskt begränsad information om strategins effektivitet. De ger dig inte inblick i hävstångseffekt, volatilitet, riktmärken eller kapitalkrav. Således bedöms strategier sällan på deras avkastning ensam. Överväga alltid riskattributen för en strategi innan du tittar på avkastningen. I det här skedet kommer många av de strategier som hittas från din pipeline att bli avvisade, eftersom de inte uppfyller dina kapitalkrav, hävstångseffekter, maximal drawdown tolerance eller volatilitetspreferenser. De strategier som finns kvar kan nu betraktas som backtesting. Men innan det är möjligt är det nödvändigt att överväga ett slutgiltigt avslagskriterium, det vill säga tillgängliga historiska uppgifter för att testa dessa strategier. Hämta historisk data Idag är bredden av de tekniska kraven över tillgångsklasser för historisk datalagring betydande. För att förbli konkurrenskraftiga investerar både köpsidan (fonderna) och säljsidan (investeringsbankerna) kraftigt i sin tekniska infrastruktur. Det är absolut nödvändigt att överväga dess betydelse. Vi är speciellt intresserade av tidlighet, noggrannhet och lagringskrav. Jag ska nu redogöra för grunderna för att erhålla historisk data och hur man lagrar den. Tyvärr är det här ett mycket djupt och tekniskt ämne, så jag kan inte säga allt i den här artikeln. Jag kommer emellertid att skriva mycket mer om detta i framtiden, eftersom min tidigare branschupplevelse i finansbranschen främst gällde ekonomiskt datainsamling, lagring och åtkomst. I det föregående avsnittet hade vi satt upp en strategiprocess som gjorde att vi kunde avvisa vissa strategier utifrån våra egna personliga avslagskriterier. I det här avsnittet filtrerar vi fler strategier utifrån våra egna preferenser för att erhålla historisk data. De viktigaste övervägandena (särskilt på detaljhandelsnivå) är kostnaderna för data, lagringskraven och din tekniska expertis. Vi måste också diskutera olika typer av tillgängliga data och de olika överväganden som varje typ av data kommer att införa på oss. Låt oss börja med att diskutera vilka typer av data som är tillgängliga och de viktigaste frågorna som vi kommer att behöva tänka på: Grundläggande data - Detta inkluderar data om makroekonomiska trender, såsom räntor, inflationstal, företagsaktioner (utdelning, lagerfördelning), SEC-arkiv , företagsredovisning, resultaträkningar, grödorapporter, meteorologiska data etc. Dessa data används ofta för att värdera företag eller andra tillgångar på grundval, det vill säga med hjälp av vissa medel för förväntade framtida kassaflöden. Det ingår inte aktiekursserier. Vissa grundläggande uppgifter är fritt tillgängliga från regeringens webbplatser. Andra långsiktiga historiska grundläggande data kan vara extremt dyra. Lagringskraven är ofta inte särskilt stora, om inte tusentals företag studeras samtidigt. Nyhetsdata - Nyhetsdata är ofta kvalitativa i naturen. Den består av artiklar, blogginlägg, microblog-inlägg (tweets) och redaktionella. Maskininlärningstekniker som klassificeringar används ofta för att tolka känslor. Dessa data är också ofta lediga eller billiga, via abonnemang på mediauttag. De nyare NoSQL-dokumentlagringsdatabaserna är utformade för att lagra denna typ av ostrukturerad, kvalitativ data. Asset Price Data - Detta är den traditionella datadomänen för kvanten. Den består av tidsserier av tillgångspriser. Aktier (aktier), räntebärande produkter (obligationer), råvaror och valutakurser ligger alla i denna klass. Dagliga historiska data är ofta enkla att få för de enklare tillgångsklasserna, till exempel aktier. Men när noggrannhet och renlighet ingår och statistiska förspänningar tas bort kan data bli dyrt. Dessutom har tidsseriedata ofta betydande lagringskrav, speciellt när intradagdata beaktas. Finansiella instrument - Aktier, obligationer, terminer och de mer exotiska derivatalternativen har väldigt olika egenskaper och parametrar. Således finns ingen storlek som passar alla databastrukturer som kan rymma dem. Betydande försiktighet måste ges till utformningen och genomförandet av databasstrukturer för olika finansiella instrument. Vi kommer att diskutera situationen i längd när vi kommer att bygga en värdepappers huvuddatabas i framtida artiklar. Frekvens - Ju högre frekvensen av data desto större är kostnaderna och lagringskraven. För lågfrekventa strategier är dagliga data ofta tillräckliga. För högfrekventa strategier kan det vara nödvändigt att erhålla fältnivådata och till och med historiska kopior av särskild handelsutbyte orderbokdata. Genomförandet av en lagringsmotor för denna typ av data är mycket tekniskt intensiv och lämpar sig bara för dem med en stark programmeringsteknisk bakgrund. Bänmärken - De ovan beskrivna strategierna jämförs ofta med ett riktmärke. Detta manifesterar sig som en extra finansiell tidsserie. För aktier är detta ofta ett nationellt aktieindex, såsom SP500-indexet (US) eller FTSE100 (UK). För en räntebärande fond är det bra att jämföra med en korg med obligationer eller ränteprodukter. Den riskfria räntan (dvs lämplig ränta) är också ett annat allmänt accepterat riktmärke. Alla tillgångsklasskategorier har ett favoriserat riktmärke, så det kommer bli nödvändigt att undersöka detta baserat på din specifika strategi om du vill intressera dig för din strategi externt. Teknik - Teknikstakarna bakom ett ekonomiskt datalagringscenter är komplexa. Denna artikel kan bara repa ytan om vad som är inblandat i att bygga en. Det ligger emellertid kring en databasmotor, t. ex. ett relationsdatabashanteringssystem (RDBMS), såsom MySQL, SQL Server, Oracle eller en Document Storage Engine (dvs NoSQL). Detta nås via programlogikprogramkod som frågar databasen och ger tillgång till externa verktyg, till exempel MATLAB, R eller Excel. Ofta är denna affärslogik skriven i C, C, Java eller Python. Du måste också vara värd för dessa uppgifter någonstans, antingen på din egen dator eller på distans via internetservrar. Produkter som Amazon Web Services har gjort det enklare och billigare de senaste åren, men det kommer fortfarande att kräva en betydande teknisk expertis för att uppnå ett robust sätt. Såsom kan ses, när en strategi har identifierats via rörledningen kommer det att vara nödvändigt att utvärdera tillgängligheten, kostnaderna, komplexiteten och implementeringsdetaljerna för en viss uppsättning historiska data. Det kan hända att det är nödvändigt att avvisa en strategi baserad enbart på historiska dataöverväganden. Det här är ett stort område och lag av doktorer arbetar i stora fonder vilket gör att prissättningen är korrekt och aktuellt. Underskatta inte svårigheterna att skapa ett robust datacenter för dina backtesting ändamål. Jag vill dock säga att många backtesting-plattformar kan ge dig denna information automatiskt - till en kostnad. Således kommer det att ta mycket av implementeringsproblemet bort från dig, och du kan koncentrera dig rent på strategiimplementering och optimering. Verktyg som TradeStation har denna förmåga. Men min personliga uppfattning är att implementera så mycket som möjligt internt och undvika att outsourcing delar av stacken till mjukvaruförsäljare. Jag föredrar högre frekvensstrategier på grund av deras mer attraktiva Sharpe-förhållanden, men de är ofta tätt kopplade till teknikstacken, där avancerad optimering är kritisk. Nu när vi har diskuterat problemen kring historiska data är det dags att börja implementera våra strategier i en backtesting-motor. Detta kommer att bli föremål för andra artiklar, eftersom det är ett lika stort diskussionsområde Just Getting Started with Quantitative Trading
No comments:
Post a Comment