Wie Algorithmische Handelsstrategien identifizieren Von Michael Hallen-Moore am 19. April 2013 In diesem Artikel möchte ich Ihnen zu den Methoden, mit denen ich mich identifizieren profitable algorithmischen Handelsstrategien einzuführen. Unser Ziel ist es heute, im Detail zu verstehen, wie man zu finden, zu bewerten und auszuwählen solcher Systeme. Ich werde erklären, wie die Formulierung von Strategien ist so viel über persönliche Präferenz, wie es um Strategie Leistung ist, wie man die Art und Menge der historischen Daten für den Test zu bestimmen, wie man leidenschaftslos zu beurteilen eine Trading-Strategie und schließlich, wie man in Richtung der Backtesting-Phase gehen und Strategieumsetzung. Identifizierung von Ihren persönlichen Vorlieben für den Handel Um ein erfolgreicher Trader zu sein - entweder diskret oder algorithmisch - ist es notwendig, sich zu fragen einige ehrliche Fragen. Trading bietet Ihnen die Möglichkeit, Geld mit einer alarmierenden Geschwindigkeit zu verlieren, so dass es notwendig ist, "Erkenne dich selbst", so viel wie es notwendig ist, um Ihre gewählte Strategie zu verstehen. Ich würde sagen, die wichtigste Überlegung im Handel ist sich dessen bewusst zu Ihrer eigenen Persönlichkeit. Trading, Algorithmic Trading und in Insbesondere erfordert ein hohes Maß an Disziplin, Geduld und emotionale Distanz. Da Sie gerade ein Algorithmus durchführen Ihr Trading für Sie, ist es notwendig, nicht aufgelöst werden, um mit der Strategie stören, wenn es ausgeführt wird. Dies kann sehr schwierig sein, insbesondere bei längerem Drawdown. Allerdings können viele Strategien, die gezeigt haben, um hochprofitablen in einem Backtest werden durch einfache Störungen ruiniert werden. Verstehen Sie, dass, wenn Sie in die Welt der algorithmischen Handel, um erfolgreich zu sein, geben Sie emotional getestet werden, und dass wollen, ist es notwendig, über diese Schwierigkeiten zu arbeiten! Die nächste Betrachtung eines von Zeit. Haben Sie ein Vollzeit-Job? Haben Sie Teilzeit arbeiten? Haben Sie zu Hause aus arbeiten oder haben einen langen Weg zur Arbeit jeden Tag? Diese Fragen helfen bestimmen die Frequenz der Strategie, die Sie suchen sollten. Für diejenigen unter Ihnen in Vollzeitbeschäftigung kann ein Intraday-Futures-Strategie nicht angemessen sein (zumindest bis es vollautomatisch!). Ihre Zeitgründen wird auch diktieren die Methodik der Strategie. Wenn Sie Ihre Strategie wird häufig gehandelt werden und abhängig von teuren News-Feeds (wie einem Bloomberg-Terminal) werden eindeutig müssen realistisch über Ihre Fähigkeit, erfolgreich ausgeführt werden, während diese im Büro zu sein! Für diejenigen unter Ihnen mit viel Zeit oder die Fähigkeiten, um Ihre Strategie zu automatisieren, möchten Sie vielleicht in eine technische Hochfrequenzhandel (HFT) Strategie aussehen. Meine Überzeugung ist, dass es notwendig ist, für die Durchführung kontinuierliche Forschung in Ihre Trading-Strategien, um ein nachhaltig profitables Portfolio zu halten. Paar Strategien bleiben "unter dem Radar" für immer. Daher ein erheblicher Teil der Zeit zum Handel zugeordnet wird bei der Durchführung der laufenden Forschung. Fragen Sie sich, ob Sie bereit sind, dies zu tun, wie es der Unterschied zwischen starken Rentabilität oder einem langsamen Rückgang gegen Verluste. Sie müssen auch Ihre Trading-Kapital zu berücksichtigen. Die allgemein akzeptierte ideale Mindestbetrag für eine quantitative Strategie ist 50.000 USD (ungefähr £ 35,000 für uns in Großbritannien). Wenn ich wieder anfing, hätte ich mit einer größeren Menge zu beginnen, wahrscheinlich näher 100.000 USD (ca. £ 70.000). Das ist, weil die Transaktionskosten können sehr teuer für mittleren bis hohen Frequenzstrategien sein, und es ist notwendig, um ausreichend Kapital, um sie in Zeiten der Inanspruchnahme zu absorbieren. Wenn Sie erwägen, beginnend mit weniger als 10.000 USD sind, dann werden Sie brauchen, um sich zu Niederfrequenz-Strategien zu beschränken, der Handel mit einem oder zwei Vermögenswerte, als Transaktionskosten schnell in Ihre Rendite zu essen. Interactive Brokers, die einer der freundlichsten Broker zu denen mit Programmierkenntnisse durch seine API ist, verfügt über ein Einzelhandelskonto Minimum von 10.000 USD. Programmierkenntnisse ist ein wichtiger Faktor bei der Schaffung eines automatisierten algorithmischen Handelsstrategie. Als kenntnisreich in einer Programmiersprache wie C ++, Java, C #, Python oder R ermöglicht es Ihnen, die End-to-End-Datenspeicher, Backtest-Engine und Ausführungssystem selbst erstellen. Dies hat eine Reihe von Vorteilen, von denen Chef ist die Fähigkeit, völlig bewusst, alle Aspekte der Handelsinfrastruktur zu sein. Es erlaubt Ihnen auch, um die höheren Frequenzstrategien zu erkunden, da Sie die volle Kontrolle über Ihren "Technologie-Stack" zu sein. Während dies bedeutet, dass Sie Ihre eigene Software zu testen und zu beseitigen Bugs, es bedeutet auch mehr Zeit damit verbracht Codierung von Infrastruktur und weniger auf die Umsetzung von Strategien, zumindest in der ersten Hälfte des Algo Trading-Karriere. Sie können feststellen, dass Sie sind komfortabel Handel in Excel oder MATLAB und kann die Entwicklung von anderen Komponenten auszulagern. Ich würde nicht empfehlen dies jedoch vor allem für diejenigen Handel bei hoher Frequenz. Sie müssen sich selbst fragen, was Sie hoffen, durch den algorithmischen Handel zu erzielen. Haben Sie Interesse an einem regelmässigen Einkommen, wobei Sie hoffen, das Ergebnis von Ihrem Trading-Konto zu ziehen? Oder interessieren Sie sich für eine langfristige Kapitalgewinne und kann es sich leisten, zu handeln, ohne die Notwendigkeit, Mittel Drawdown? Einkommensabhängigkeit wird die Frequenz Ihrer Strategie zu diktieren. Mehr Einkommen Abhebungen wird eine höhere Frequenz Handelsstrategie mit weniger Volatilität (dh eine höhere Sharpe Ratio) erforderlich. Langfristige Händler können eine ruhigere Handelsfrequenz leisten. Schließlich, nicht unter den Begriff der immer sehr wohlhabenden in einer kurzen Zeit täuschen lassen! Algo Trading ist kein get-rich-quick Regelung - wenn überhaupt es kann ein sich-schlecht-quick Regelung. Es dauert erhebliche Disziplin, Forschung, Fleiß und Geduld an den algorithmischen Handel erfolgreich zu sein. Es kann Monate dauern, wenn nicht Jahre, um konsistente Ertragskraft zu erzeugen. Sourcing Algorithmic Trading-Ideen Trotz gemeinsamer Wahrnehmungen für das Gegenteil, ist es eigentlich ganz einfach, profitable Handelsstrategien in der Öffentlichkeit zu finden. Nie Trading-Ideen leichter verfügbar als heute gewesen. Academic Finanzzeitschriften, Pre-Print-Server, den Handel Blogs, Foren, Handel, wöchentliche Handelszeitschriften und Fachtexte liefern Tausende von Handelsstrategien, mit denen Sie Ihre Ideen auf zu stützen. Unser Ziel als quantitative Handels Forscher ist es, eine Strategie-Pipeline, die uns mit einem Strom von anhaltenden Trading-Ideen bieten wird zu etablieren. Im Idealfall wollen wir einen methodischen Ansatz, um die Beschaffung, Auswertung und Umsetzung von Strategien, wenn wir uns zu schaffen. Die Ziele der Pipeline sind, um eine gleichbleibende Menge an neuen Ideen zu generieren und uns mit einem Rahmen für die Ablehnung der meisten dieser Ideen mit dem Minimum von emotionalen Betrachtung bereitzustellen. Wir müssen sehr vorsichtig, dass keine kognitiven Verzerrungen beeinflussen unsere Entscheidungsfindung Methode zu sein. Dies könnte so einfach wie mit einer Präferenz für eine Asset-Klasse über eine andere (Gold und andere Edelmetalle in den Sinn), weil sie als exotische wahrgenommen werden können. Unser Ziel sollte immer sein, konsequent profitable Strategien zu finden, mit positiven Erwartungen. Die Wahl der Anlageklasse sollte von anderen Erwägungen wie Trading-Kapital Zwänge, Maklergebühren und Leverage-Funktionen basieren. Wenn Sie völlig vertraut mit dem Konzept einer Handelsstrategie werden dann der erste Ort zu suchen ist mit etablierten Lehrbücher. Klassische Texte bieten eine breite Palette von einfacher, einfach Ideen, mit denen Sie sich mit quantitativen Handels vertraut zu machen. Hier eine Auswahl, die ich empfehlen für diejenigen, die neu in quantitative Handels, die nach und nach ausgefeiltere, wie Sie durch die Liste arbeiten werden, sind: Quantitative Trading: Wie Sie Ihr eigenes Algorithmic Trading Geschäftlich (Wiley Trading) Bauen - Ernest Chan Algorithmic Trading und DMA: Eine Einführung in den direkten Zugriff Handelsstrategien - Barry Johnson Option Volatility Preise: erweiterte Trading-Strategien und Techniken - Sheldon Natenberg Volatility Trading - Euan Sinclair Handel und Umtausch: Marktmikrostruktur für Praktiker - Larry Harris Für eine längere Liste von quantitativen Handels Bücher, besuchen Sie bitte die QuantStart Leseliste. Der nächste Ort, um anspruchsvollere Strategien zu finden, ist mit den Handelsforen und Handels Blogs. Ein Wort der Warnung aber: Viele Handels Blogs setzen auf das Konzept der technischen Analyse. Technische Analyse beinhaltet die Verwendung Basisindikatoren und Verhaltenspsychologie, Trends oder Umkehrformationen der Vermögenspreise zu bestimmen. Obwohl er sehr beliebt in der gesamten Handelsraum wird die technische Analyse als in der Quantitative Finance Community etwas unwirksam. Einige haben vorgeschlagen, dass es ist nicht besser als das Lesen eines Horoskops oder studieren Teeblätter im Hinblick auf ihre Vorhersagekraft! In Wirklichkeit gibt es erfolgreiche Menschen die Nutzung der technischen Analyse. Jedoch, wie Quants mit einem besseren mathematischen und statistischen Toolbox zur Verfügung, können wir leicht die Wirksamkeit eines solchen "TA-basierte" Strategien und machen datenbasierte Entscheidungen anstatt stützen uns auf emotionalen Überlegungen oder Vorurteile. Hier ist eine Liste von renommierten algorithmischen Handel Blogs und Foren: Nachdem Sie einige Erfahrung bei der Bewertung einfachere Strategien gehabt haben, ist es Zeit, zu den anspruchsvolleren akademischen Angeboten suchen. Einige Fachzeitschriften wird es schwierig sein, den Zugang, ohne hohe Abonnements oder einmalige Kosten. Wenn Sie ein Mitglied oder Absolvent einer Universität sind, sollten Sie in der Lage, Zugriff auf einige dieser Finanzzeitschriften zu erhalten. Sie können aber auch auf Pre-Print-Server zu suchen. die Internet-Repositories der Spät Entwürfe für wissenschaftliche Arbeiten, die Peer-Review unterzogen werden, sind. Da wir nur an Strategien, die wir erfolgreich replizieren, Backtest und erhalten Profitabilität sind, von geringerer Bedeutung ist, uns ein Peer-Review. Der größte Nachteil der akademischen Strategien ist, dass sie häufig entweder veraltet sein, erfordern obskuren und teuer historischen Daten, Handel mit illiquiden Anlageklassen oder nicht in den Gebühren, Rutschen oder Spreizfaktor. Es kann auch unklar, ob die Trading-Strategie ist es, mit Market Orders ausgeführt werden können, Aufträge zu beschränken, oder ob es enthält stoppen Verluste etc. So ist es unbedingt erforderlich, um die Strategie Sie sich so gut wie möglich zu replizieren, Backtest ist, und fügen Sie in realistische Transaktions Kosten, die viele Aspekte der Asset-Klassen, die Sie in Zahlung geben wollen, schließen. Hier ist eine Liste der beliebtesten Pre-Print-Server und Finanzzeitschriften, die Sie Ideen aus Quelle: Was ist Bildung Ihrer eigenen quantitative Strategien? Dies erfordert im allgemeinen (aber nicht ausschließlich) in einem oder mehreren der folgenden Kategorien Expertise: Marktmikrostruktur - Für höhere Frequenz Strategien insbesondere kann eine Nutzung der Marktmikrostruktur zu machen. dh Verständnis der Auftragsdynamik, um die Profitabilität zu generieren. Unterschiedliche Märkte haben verschiedene Technologie-Beschränkungen, Vorschriften, Marktteilnehmer und Einschränkungen, die all die Ausbeutung über spezifische Strategien offen sind. Dies ist eine sehr anspruchsvolle und Einzelhandelsbereich Praktiker finden es schwer, wettbewerbsfähig in diesem Raum sein, zumal die Konkurrenz umfasst große, gut kapitalisierte quantitative Hedge-Fonds mit starken technologischen Fähigkeiten. Fondsstruktur - Pooled Investmentfonds, wie Pensionsfonds, private Investmentgesellschaften (Hedgefonds), Commodity Trading Advisors und Investmentfonds werden sowohl durch starke Regulierung und ihre große Kapitalreserven eingeschränkt. So bestimmte konsistente Verhaltensweisen können mit denen, die flinker sind ausgenutzt werden. Zum Beispiel sind große Fonds unterliegen Kapazitätsbeschränkungen aufgrund ihrer Größe. So, wenn sie benötigen, um schnell zu entlasten (verkaufen) eine Menge von Wertpapieren, müssen sie es, um zu vermeiden "Bewegen des Marktes" zu staffeln. Ausgefeilte Algorithmen können dies nutzen, und andere Eigenheiten zu nehmen, in einem allgemeinen Verfahren gemäß Fondsstruktur Arbitrage bekannt. Maschinelles Lernen / künstliche Intelligenz - Maschinenlernalgorithmen in die Finanzmärkte in den letzten Jahren häufiger. Klassifizierer (wie Naive Bayes-, et al.) Nicht-lineare Funktion Matcher (neuronale Netze) und Optimierungsroutinen (genetische Algorithmen) sind alle verwendet worden, um Asset-Pfade vorherzusagen oder Handelsstrategien zu optimieren. Wenn Sie einen Hintergrund in diesem Bereich haben Sie möglicherweise einen Einblick in, wie bestimmte Algorithmen könnten zu bestimmten Märkten angewendet werden. Es gibt natürlich viele andere Bereiche für Quants zu untersuchen. Wir werden diskutieren, wie zu kommen mit kundenspezifischen Strategien im Detail in einem späteren Artikel. Durch die fortgesetzte diese Quellen auf einer wöchentlichen oder sogar täglich, zu überwachen Sie sich für die Einstellung, um eine konsistente Liste von Strategien, die von einer vielfältigen Palette von Quellen erhalten. Der nächste Schritt ist, um zu bestimmen, wie man einen großen Teil dieser Strategien, um zu minimieren verschwenden Ihre Zeit und Backtesting-Ressourcen auf Strategien, die wahrscheinlich unrentabel sind abzulehnen. Auswertung Handelsstrategien Die erste und wohl naheliegendste Überlegung ist, ob Sie tatsächlich die Strategie zu verstehen. Möchten Sie in der Lage, die Strategie prägnant erklären oder hat sie eine Reihe von Vorbehalten und endloser Parameterlisten erfordern? Darüber hinaus bedeutet die Strategie eine gute, solide Grundlage in der Realität? Zum Beispiel könnte man bis zu einem gewissen Verhaltensgrundprinzip oder Fondsstruktur Einschränkung, werden die Muster (n) Sie versuchen, zu nutzen, was vielleicht darauf hinweisen? Würde diese Einschränkung halten bis zu einem Regimewechsel, wie zum Beispiel eine dramatische regulatorische Umfeld Störung? Ist die Strategie für komplexe statistische oder mathematische Regeln verlassen können? Ist es nicht die finanzielle Zeitreihen gelten oder ist es spezifisch für die Asset-Klasse, dass behauptet wird, profitabel zu sein? Sie sollten ständig über diese Faktoren bei der Bewertung von neuen Handelsmethoden zu denken, sonst können Sie eine erhebliche Menge an Zeit versucht, Backtest und unrentabel Strategien zu optimieren verschwenden. Sobald Sie festgestellt haben, dass Sie die Grundprinzipien der Strategie zu entscheiden, ob sie mit der zuvor erwähnten Persönlichkeitsprofil passt brauchen zu verstehen. Das ist nicht so vage eine Überlegung, wie es klingt! Strategien werden im Wesentlichen in ihren Leistungsmerkmalen unterscheiden. Es gibt bestimmte Persönlichkeitstypen, die mehr geraume Zeit Drawdown verarbeiten kann, oder bereit sind, ein höheres Risiko für eine größere Rückkehr an. Trotz der Tatsache, dass wir als Quants, versuchen und zu beseitigen, so viel kognitive Verzerrung wie möglich und sollten in der Lage, eine Strategie leidenschaftslos zu beurteilen sein, Vorurteile immer einschleichen. Wir brauchen also eine konsistente, emotionslose Mittel, durch die die Leistung der Strategien zu bewerten . Hier ist die Liste von Kriterien, die ich beurteilen, eine mögliche neue Strategie: Methodologie - ist die Strategie Dynamik basiert, Mittelwert-umkehrbare, marktneutrale, Richtungs? Ist die Strategie verlassen sich auf anspruchsvolle (oder komplex!) Statistische oder Techniken des maschinellen Lernens, die schwer zu verstehen sind und erfordern einen Doktortitel in der Statistik zu erfassen? Haben diese Techniken führen eine beträchtliche Menge von Parametern, die die Optimierung Bias führen könnte? Ist die Strategie wahrscheinlich einen Regimewechsel (dh potenzielle neue Regulierung der Finanzmärkte) zu widerstehen? Sharpe Ratio - Die Sharpe Ratio heuristisch charakterisiert das Chance / Risiko-Verhältnis der Strategie. Sie quantifiziert, wie viel Rück Sie für die Volatilität nach der Equity-Kurve ertragen erreichen. Selbstverständlich müssen wir den Zeitraum und die Häufigkeit, dass diese Renditen und Volatilität (dh Standardabweichung) über Mess bestimmen. Eine höhere Frequenz Strategie größere Abtastrate von Standardabweichung, aber eine kürzere Gesamtzeitdauer der Messung, zum Beispiel verlangen. Leverage - Ist die Strategie erfordern erhebliche Hebelwirkung, um rentabel zu sein? Ist die Strategie erfordern den Einsatz Leveraged Derivatkontrakte (Futures, Optionen, Swaps), um eine Rückkehr zu machen? Diese Leveraged Verträge können schwere Volatilität Charakterisiert haben und somit leicht aus Margenausgleich führen. Haben Sie die Trading-Kapital und das Temperament für eine solche Volatilität? Frequenz - Die Frequenz der Strategie ist eng mit Ihrer Technologie-Stack (und damit technologische Kompetenz) verbunden sind, die Sharpe Ratio und die gesamte Höhe der Transaktionskosten. Alle anderen Fragen betrachtet, höhere Frequenz Strategien erfordern mehr Kapital, sind anspruchsvoller und schwieriger zu implementieren. , Vorausgesetzt, Ihre Backtesting-Engine ist jedoch anspruchsvoll und fehlerfrei, werden sie oft weit höher Sharpe Ratios. Volatilität - Die Volatilität ist eng an das "Risiko" der Strategie stehen. Die Sharpe Ratio kennzeichnet dies. Höhere Volatilität der zugrunde liegenden Anlageklassen, wenn nicht abgesicherten, führt oft zu einer höheren Volatilität des Equity-Kurve und damit kleinere Sharpe Ratios. Ich natürlich unter der Annahme, daß die positive Volatilität ist ungefähr gleich der negativen Flüchtigkeit. Einige Strategien kann eine größere Abwärtsvolatilität. Sie müssen sich bewusst sein, diese Attribute zu sein. Win / Loss, Durchschnittlicher Gewinn / Verlust - Strategien werden in ihrer Gewinn / Verlust und durchschnittliche Gewinn / Verlust Merkmale unterscheiden. Man kann eine sehr profitable Strategie haben, auch wenn die Zahl der Verlust-Trades die Anzahl der Gewinn-Trades überschreiten. Momentum-Strategien neigen dazu, dieses Muster zu haben, wie sie verlassen sich auf eine kleine Anzahl von "großen Treffer", um profitabel zu sein. Mean-Reversion-Strategien neigen dazu, gegenüberliegende Profile, wo mehrere der Trades sind "Gewinner" haben, aber die Verlust-Trades kann schwerwiegende Folgen haben. Maximaler Verlust - Der maximale Verlust ist die größte Gesamt Spitze-zu-Trog Prozentabfall auf der Equity-Kurve der Strategie. Momentum-Strategien sind bekannt, von Perioden verlängert Drawdowns (aufgrund einer Reihe von vielen inkrementellen Verlust-Trades) leiden. Viele Händler aufgeben wird in Zeiten der erweiterten Drawdown, auch wenn historische Tests hat vorgeschlagen, dies ist "business as usual" für die Strategie. Sie benötigen, um wie viel Prozent der Drawdown (und über welchen Zeitraum) zu bestimmen, kann man annehmen, bevor Sie aufhören, den Handel Ihrer Strategie. Dies ist eine sehr persönliche Entscheidung und muss daher sorgfältig geprüft werden. Kapazität / Liquidität - Auf der Einzelhandelsstufe, sofern Sie in einer sehr illiquide Instrument gehandelt werden (wie ein Small-Cap-Lager), werden Sie nicht haben, um sich stark mit der Strategie Kapazität betreffen. Kapazität bestimmt die Skalierbarkeit der Strategie zur weiteren Kapital. Viele der größeren Hedgefonds leiden unter erheblichen Kapazitätsprobleme, wie ihre Strategien zu erhöhen in der Kapitalallokation. Parameter - Es gibt Strategien, (vor allem diejenigen, die in der Maschine Lerngemeinschaft gefunden) erfordern eine große Menge von Parametern. Jede zusätzliche Parameter, der eine Strategie erfordert lässt es anfälliger für Optimierungs Bias (auch als "Kurvenanpassung" bekannt). Sie sollten versuchen, und Zielstrategien mit möglichst wenigen Parametern wie möglich und stellen Sie sicher, ausreichende Mengen von Daten, mit denen, um Ihre Strategien zu testen. Benchmark - Fast alle Strategien (es sei denn, gekennzeichnet als "Absolute Return") werden gegen einige Performance-Benchmark gemessen. Der Maßstab ist in der Regel ein Index, eine große Stichprobe von der zugrunde liegenden Anlageklasse, die die Strategie Trades. Wenn die Strategie handelt Large-Cap-US-Aktien, dann der S & P500 wäre eine natürliche Benchmark, um Ihre Strategie gegen messen charakterisiert. Sie werden die Begriffe "alpha" und "beta", um Strategien dieser Art angewendet hören. Wir werden diese Koeffizienten in der Tiefe in späteren Artikeln zu diskutieren. Beachten Sie, dass wir noch nicht diskutiert die tatsächlichen Erträge der Strategie. Warum ist das? Der Isolierung, der die Renditen tatsächlich geben uns nur begrenzte Informationen über die Wirksamkeit der Strategie. Sie wissen nicht geben Ihnen einen Einblick in die Hebelwirkung, Volatilität, Benchmarks oder Kapitalanforderungen. So Strategien werden selten auf ihre Erträge allein beurteilt. Bedenken Sie immer, der Risiko Attribute einer Strategie bevor Sie sich die Renditen. In diesem Stadium viele der Strategien von Ihrem Pipeline gefunden wird von der Hand gewiesen werden, da sie Ihre Kapitalanforderungen, Leverage Einschränkungen maximalen Drawdown Toleranz oder Volatilität Präferenzen nicht erfüllen. Die Strategien, die Sie bleiben nun für das Backtesting berücksichtigt werden. Bevor dies möglich ist, ist es jedoch notwendig, eine letzte Ablehnungskriterien berücksichtigen - das der verfügbaren historischen Daten, auf denen diese Strategien zu testen. Beziehen Historische Daten Heutzutage ist die Breite der technischen Anforderungen in allen Anlagekategorien für historische Datenspeicherung erheblich. Um (Investmentbanken) wettbewerbsfähig zu bleiben, sowohl die Buy-Side (Fonds) und Sell-Side investieren stark in ihre technische Infrastruktur. Es ist zwingend notwendig, um seine Bedeutung zu betrachten. Insbesondere interessieren wir uns für Aktualität, Richtigkeit und Speicheranforderungen. Ich werde nun einen Überblick über die Grundlagen der Erhalt historischer Daten und wie es zu speichern. Leider ist dies eine sehr tiefe und technischen Thema, so dass ich nicht in der Lage, alles, was in diesem Artikel sagen. Allerdings werde ich viel mehr über diese in der Zukunft zu schreiben, wie mein Stand der Industrie-Erfahrung in der Finanzindustrie war hauptsächlich mit Finanzdatenerfassung, Speicherung und Zugriff. Im vorigen Abschnitt hatten wir eine Strategie-Pipeline, die uns zu bestimmten Strategien auf der Grundlage unserer persönlichen Ablehnungskriterien abzulehnen erlaubt gesetzt. In diesem Abschnitt werden wir mehr Strategien auf der Grundlage unserer eigenen Vorlieben für den Erhalt von historischen Daten zu filtern. Die Hohen Überlegungen (vor allem im Einzelhandel Praktiker Ebene) sind die Kosten für den Daten der Speicherbedarf und Ihre technische Kompetenz. Wir müssen auch die verschiedenen Arten von verfügbaren Daten und die verschiedenen Überlegungen, die jede Art von Daten werden uns aufzwingen zu diskutieren. Lassen Sie uns durch die Erörterung der Arten von Daten zur Verfügung und die wichtigsten Themen, die wir brauchen, um darüber nachzudenken beginnen: Grunddaten - Dazu gehören Daten über makroökonomische Trends wie Zinssätze, Inflationsraten, Kapitalmaßnahmen (Dividenden, Aktiensplits), SEC eingereichten Unterlagen, Unternehmenskonten, Ergebniszahlen, Ernteberichte, Wetterdaten usw. Diese Daten werden oft verwendet, Wert Unternehmen oder sonstigen Vermögenswerten auf einem fundamentale Basis, dh über einige Mittel der erwarteten künftigen Cashflows. Sie enthält keine Aktienkurs-Serie. Einige grundlegende Daten sind frei verfügbar Regierungs-Webseiten. Andere langfristigen historischen Fundamentaldaten kann sehr teuer sein. Speicheranforderungen sind oft nicht besonders groß, wenn nicht Tausende von Unternehmen werden auf einmal untersucht. Aktuelles Daten - News Daten oft in der Natur qualitative. Es besteht aus Artikel, Blog-Posts, Microblog-Beiträge ("Tweets") und redaktionelle. Techniken des maschinellen Lernens, wie Klassifikatoren werden oft verwendet, um die Stimmung zu interpretieren. Diese Daten sind oft auch frei verfügbar oder billige, via E-Medien. Die neueren "NoSQL" Dokumentenablage-Datenbanken sind für diese Art von unstrukturierten, qualitative Daten zu speichern. Vermögenspreisdaten - Dies ist die traditionelle Daten Domäne des Quant. Es besteht aus Zeitreihen von Vermögenspreisen. Equities (Aktien), festverzinsliche Produkte (Anleihen), Rohstoffe und Devisen-Preisen alle sitzen in dieser Klasse. Tägliche historischen Daten ist oft einfach, für die einfacheren Anlageklassen wie Aktien zu erhalten. Sobald jedoch die Genauigkeit und Sauberkeit sind im Preis inbegriffen und statistische Verzerrungen entfernt, die Daten können teuer werden. Zudem Zeitreihendaten besitzt oft erhebliche Speicheranforderungen besonders wenn Intraday-Daten gilt. Finanzinstrumente - Aktien, Anleihen, Futures und die exotische Derivat Optionen haben sehr unterschiedliche Eigenschaften und Parameter. So gibt es keine "one size fits all" Datenbankstruktur, die sie aufnehmen können. Signifikante Sorgfalt muss auf die Gestaltung und Umsetzung von Datenbankstrukturen für verschiedene Finanzinstrumente gegeben. Wir werden die Situation ausführlich zu diskutieren, wenn wir kommen, um ein Wertpapierstammdatenbank in zukünftigen Artikeln zu bauen. Frequenz - je höher die Frequenz der Daten, desto höher sind die Kosten und die Speicheranforderungen. Für die Niederfrequenz-Strategien, ist Tagesdaten oft ausreichend. Für Hochfrequenz-Strategien, könnte es notwendig, tick-Level-Daten und sogar historische Kopien von bestimmten Handelsaustausch Orderbuchdaten zu erhalten. Die Implementierung einer Storage-Engine für diese Art von Daten ist sehr technologisch intensiv und nur für diejenigen mit einer starken Programmierung / technischen Hintergrund geeignet. Benchmarks - Die oben beschriebenen Strategien werden oft zu einer Benchmark verglichen werden. Dies äußert sich in der Regel als zusätzliche Finanzzeitreihen. Für Aktien, ist dies oft eine nationale Aktien Benchmark, wie der S & P500-Index (US) oder FTSE100 (UK). Für einen Rentenfonds ist es sinnvoll, um gegenüber einem Korb von Anleihen oder festverzinsliche Produkte vergleichen. Die "risikolosen Zinssatz" (dh angemessenen Zinssatz) ist auch eine andere allgemein anerkannte Benchmark. Alle Anlageklasse Kategorien besitzen eine bevorzugte Benchmark, so wird es notwendig, diese Forschung auf der Grundlage Ihrer speziellen Strategie sein, wenn Sie Interesse an Ihrer Strategie extern lernen wollen. Technology - Die Technologie-Stacks hinter einer Finanzdatenspeicherzentrum sind komplex. Dieser Artikel kann nur an der Oberfläche kratzen, was in den Bau eines beteiligt. Allerdings hat es Mitte um eine Datenbank-Engine, wie ein Relational Database Management System (RDBMS), wie MySQL, SQL Server, Oracle oder ein Document Storage Engine (dh "NoSQL"). Dies geschieht über "Business-Logik" Anwendungscode, der die Datenbankabfragen und ermöglicht den Zugriff auf externe Werkzeuge wie MATLAB, R oder Excel abgerufen. Oft wird diese Geschäftslogik wird in C ++, C #, Java oder Python geschrieben. Sie müssen auch auf diese Daten irgendwo hosten entweder auf Ihrem eigenen PC oder per Fernzugriff über Internet-Server. Produkte wie Amazon Web Services haben dieses einfacher und billiger in den letzten Jahren, aber es wird immer noch erfordern erhebliche technische Know-how, um in einer robusten Weise zu erreichen. Wie gesehen werden kann, sobald eine Strategie wurde über die Rohrleitung identifiziert wird es notwendig sein, die Verfügbarkeit, Kosten, Komplexität und Details der Implementierung eines bestimmten Satzes von historischen Daten zu bewerten. Sie können feststellen, ist es notwendig, eine Strategie ausschließlich auf historischen Daten Erwägungen abzulehnen. Dies ist ein großes Gebiet und Teams von Doktoranden arbeiten in großen Fonds sicherstellen, dass Preisgestaltung ist genaue und zeitnahe. Unterschätzen Sie nicht die Schwierigkeiten bei der Schaffung eines robusten Datenzentrum für Ihre Backtesting-Zwecke! Ich möchte aber sagen, dass viele Backtesting-Plattformen können diese Daten automatisch für Sie zur Verfügung stellen - zu einem Preis. So wird es von sich weg viel von der Umsetzung Schmerzen zu nehmen, und Sie allein auf die Umsetzung der Strategie und Optimierung konzentrieren können. Tools wie Tradestation besitzen diese Fähigkeit. Allerdings ist meine persönliche Meinung, um so viel wie möglich intern zu implementieren und zu vermeiden, die Auslagerung von Teilen des Stapels, um Software-Anbietern. Ich bevorzuge höhere Frequenz Strategien aufgrund ihrer Attraktivität Sharpe Ratio, aber sie sind oft eng an die Technologie-Stack, wo fortschrittliche Optimierungs ist kritisch gekoppelt ist. Jetzt, da wir die Themen rund um historische Daten diskutiert wird, ist es an der Zeit der Umsetzung unserer Strategien in einer Backtesting-Engine zu starten. Dies wird der Gegenstand anderer Gegenstände sein, da es eine ebenso große Fläche der Diskussion! Michael Hallen-Moore Mike ist der Gründer der QuantStart und hat in der quantitativen Finanzindustrie in den letzten fünf Jahren beteiligt, in erster Linie als Quant-Entwickler und später als Quant Trader Beratung für Hedgefonds. How To Algorithmische Handelsstrategien identifizieren 3. Juni 2013 05.00 0 Kommentare Ansichten: 2885 In diesem Artikel möchte ich Ihnen zu den Methoden, mit denen ich mich identifizieren profitable algorithmischen Handelsstrategien einzuführen. Unser Ziel ist es heute, im Detail zu verstehen, wie man zu finden, zu bewerten und auszuwählen solcher Systeme. Ill erklären, wie die Formulierung von Strategien ist so viel über persönliche Präferenz, wie es um Strategie Leistung ist, wie man die Art und Menge der historischen Daten für den Test zu bestimmen, wie man leidenschaftslos zu beurteilen eine Trading-Strategie und schließlich, wie man in Richtung der Backtesting-Phase und die Umsetzung der Strategie gehen . Identifizierung von Ihren persönlichen Vorlieben für den Handel Um ein erfolgreicher Trader entweder diskret oder algorithmisch sein, ist es notwendig, sich zu fragen, ein paar ehrliche Fragen. Trading bietet Ihnen die Möglichkeit, Geld mit einer alarmierenden Geschwindigkeit zu verlieren, so dass es notwendig ist, dich selbst, so viel wissen, wie es nötig ist, um Ihre gewählte Strategie zu verstehen. Ich würde sagen, die wichtigste Überlegung im Handel ist sich dessen bewusst zu Ihrer eigenen Persönlichkeit. Trading, Algorithmic Trading und in Insbesondere erfordert ein hohes Maß an Disziplin, Geduld und emotionale Distanz. Da Sie gerade ein Algorithmus durchführen Ihr Trading für Sie, ist es notwendig, nicht aufgelöst werden, um mit der Strategie stören, wenn es ausgeführt wird. Dies kann sehr schwierig sein, insbesondere bei längerem Drawdown. Allerdings können viele Strategien, die gezeigt haben, um hochprofitablen in einem Backtest werden durch einfache Störungen ruiniert werden. Verstehen Sie, dass, wenn Sie in die Welt der algorithmischen Handel, um erfolgreich zu sein, geben Sie emotional getestet werden, und dass wollen, ist es notwendig, über diese Schwierigkeiten zu arbeiten! Die nächste Betrachtung eines von Zeit. Haben Sie ein Vollzeit-Job? Haben Sie Teilzeit arbeiten? Haben Sie zu Hause aus arbeiten oder haben einen langen Weg zur Arbeit jeden Tag? Diese Fragen helfen bestimmen die Frequenz der Strategie, die Sie suchen sollten. Für diejenigen unter Ihnen in Vollzeitbeschäftigung kann ein Intraday-Futures-Strategie nicht angemessen sein (zumindest bis es vollautomatisch!). Ihre Zeitgründen wird auch diktieren die Methodik der Strategie. Wenn Sie Ihre Strategie wird häufig gehandelt werden und abhängig von teuren News-Feeds (wie einem Bloomberg-Terminal) werden eindeutig müssen realistisch über Ihre Fähigkeit, erfolgreich ausgeführt werden, während diese im Büro zu sein! Für diejenigen unter Ihnen mit viel Zeit oder die Fähigkeiten, um Ihre Strategie zu automatisieren, möchten Sie vielleicht in eine technische Hochfrequenzhandel (HFT) Strategie aussehen. Meine Überzeugung ist, dass es notwendig ist, für die Durchführung kontinuierliche Forschung in Ihre Trading-Strategien, um ein nachhaltig profitables Portfolio zu halten. Paar Strategien, unter dem Radar zu bleiben für immer. Daher ein erheblicher Teil der Zeit zum Handel zugeordnet wird bei der Durchführung der laufenden Forschung. Fragen Sie sich, ob Sie bereit sind, dies zu tun, wie es der Unterschied zwischen starken Rentabilität oder einem langsamen Rückgang gegen Verluste. Sie müssen auch Ihre Trading-Kapital zu berücksichtigen. Die allgemein akzeptierte ideale Mindestbetrag für eine quantitative Strategie ist 50.000 USD (ungefähr £ 35,000 für uns in Großbritannien). Wenn ich wieder anfing, hätte ich mit einer größeren Menge zu beginnen, wahrscheinlich näher 100.000 USD (ca. £ 70.000). Das ist, weil die Transaktionskosten können sehr teuer für mittleren bis hohen Frequenzstrategien sein, und es ist notwendig, um ausreichend Kapital, um sie in Zeiten der Inanspruchnahme zu absorbieren. Wenn Sie erwägen, beginnend mit weniger als 10.000 USD sind, dann werden Sie brauchen, um sich zu Niederfrequenz-Strategien zu beschränken, der Handel mit einem oder zwei Vermögenswerte, als Transaktionskosten schnell in Ihre Rendite zu essen. Interactive Brokers, die einer der freundlichsten Broker zu denen mit Programmierkenntnisse durch seine API ist, verfügt über ein Einzelhandelskonto Minimum von 10.000 USD. Warum ist das?
No comments:
Post a Comment