Algorithmische Trading Strategien Mit Matlab Beispiele

Grundlagen des algorithmischen Handels: Konzepte und Beispiele Ein Algorithmus ist ein spezifischer Satz von klar definierten Anweisungen, die darauf abzielen, eine Aufgabe oder einen Prozess durchzuführen. Algorithmischer Handel (automatisierte Handel, Black-Box-Handel oder einfach Algo-Trading) ist der Prozess der Verwendung von Computern programmiert, um eine definierte Reihe von Anweisungen für die Platzierung eines Handels zu folgen, um Gewinne mit einer Geschwindigkeit und Häufigkeit zu generieren, die für eine unmöglich ist Menschlicher Händler Die definierten Regelsätze basieren auf Timing, Preis, Menge oder einem mathematischen Modell. Neben den Gewinnchancen für den Händler macht algo-trading die Märkte liquider und macht den Handel systematischer, indem er emotionale menschliche Auswirkungen auf die Handelsaktivitäten ausübt. Angenommen, ein Trader folgt diesen einfachen Handelskriterien: Kaufen Sie 50 Aktien einer Aktie, wenn der 50-Tage-Gleitender Durchschnitt über den 200-Tage-Gleitender Durchschnitt geht. Teilen Sie Aktien der Aktie, wenn der 50-Tage-Gleitender Durchschnitt unter den 200-Tage-Gleitender Durchschnitt geht Mit diesem Satz von zwei einfachen Anweisungen ist es einfach, ein Computerprogramm zu schreiben, das automatisch den Aktienkurs (und die gleitenden durchschnittlichen Indikatoren) überwacht und die Kauf - und Verkaufsaufträge platziert, wenn die definierten Bedingungen erfüllt sind. Der Trader muss nicht mehr auf Live-Preise und Grafiken aufpassen oder die Aufträge manuell einlegen. Das algorithmische Handelssystem tut es automatisch für ihn, indem es die Handelsmöglichkeit korrekt identifiziert. (Für mehr über bewegte Durchschnitte siehe: Einfache Umzugsdurchschnitte machen Trends heraus.) Algo-Trading bietet folgende Vorteile: Trades, die zu den bestmöglichen Preisen ausgeführt werden Sofortige und genaue Trading-Platzierung (damit hohe Chancen auf Ausführung auf Wunsch) Trades Zeitlich abgestimmt und sofort, um signifikante Preisänderungen zu vermeiden Reduzierte Transaktionskosten (siehe Implementierungsfehlbetrag Beispiel unten) Gleichzeitige automatisierte Überprüfung auf mehrere Marktbedingungen Reduziertes Risiko von manuellen Fehlern bei der Platzierung der Trades Backtest der Algorithmus, basierend auf verfügbaren historischen und Echtzeitdaten Reduziert Möglichkeit von Fehlern von menschlichen Händlern, die auf emotionalen und psychologischen Faktoren basieren Der größte Teil des heutigen Algo-Handels ist der Hochfrequenzhandel (HFT), der versucht, eine große Anzahl von Aufträgen mit sehr schnellen Geschwindigkeiten über mehrere Märkte und mehrere Entscheidungen zu tätigen Parameter, basierend auf vorprogrammierten Anweisungen. (Zu mehr im Hochfrequenzhandel siehe: Strategien und Geheimnisse von High Frequency Trading (HFT) - Firmen) Algo-Trading wird in vielen Formen der Handels - und Investitionstätigkeit eingesetzt, darunter: mittel - bis langfristige Anleger oder Buy-Side-Unternehmen (Pensionsfonds) , Investmentfonds, Versicherungsgesellschaften), die in großen Mengen in Aktien kaufen, aber nicht die Aktienpreise mit diskreten, großvolumigen Investitionen beeinflussen wollen. Kurzfristige Händler und Verkaufsseitenteilnehmer (Market Maker, Spekulanten und Arbitrageure) profitieren von der automatisierten Handelsabwicklung darüber hinaus, Algo-Trading hilft bei der Schaffung von ausreichenden Liquidität für Verkäufer auf dem Markt. Systematische Händler (Trendfolger, Paar Trader, Hedgefonds etc.) finden es viel effizienter, ihre Handelsregeln zu programmieren und das Programm automatisch zu handeln. Der algorithmische Handel bietet einen systematischeren Ansatz für den aktiven Handel als Methoden, die auf einer menschlichen Trader-Intuition oder einem Instinkt basieren. Algorithmische Handelsstrategien Jede Strategie für den algorithmischen Handel erfordert eine identifizierte Chance, die in Bezug auf verbesserte Erträge oder Kostensenkungen rentabel ist. Im Folgenden werden gemeinsame Handelsstrategien verwendet, die im Algo-Trading verwendet werden: Die gängigsten algorithmischen Trading-Strategien folgen den Trends bei gleitenden Durchschnitten. Kanalausbrüche. Preisniveaubewegungen und zugehörige technische Indikatoren. Dies sind die einfachsten und einfachsten Strategien, um durch algorithmischen Handel zu implementieren, da diese Strategien keine Vorhersagen oder Preisvorhersagen beinhalten. Trades werden auf der Grundlage des Auftretens von wünschenswerten Trends initiiert. Die einfach und unkompliziert sind, um durch Algorithmen zu implementieren, ohne in die Komplexität der prädiktiven Analyse zu gelangen. Das oben genannte Beispiel von 50 und 200 Tage gleitenden Durchschnitt ist ein beliebter Trend nach Strategie. (Weitere Informationen zu Trendhandelsstrategien finden Sie unter: Einfache Strategien zur Aktivierung von Trends.) Der Kauf eines dualen Börsenplatzes zu einem niedrigeren Preis in einem Markt und der gleichzeitige Veräußerung zu einem höheren Preis in einem anderen Markt bietet die Preisdifferenz als risikofreier Gewinn Oder Arbitrage. Der gleiche Vorgang kann für Aktien gegen Futures-Instrumente repliziert werden, da Preisdifferenzen von Zeit zu Zeit existieren. Die Implementierung eines Algorithmus zur Identifizierung solcher Preisunterschiede und die Platzierung der Aufträge ermöglicht rentable Möglichkeiten in effizienter Weise. Index-Fonds haben Perioden des Neugewinns definiert, um ihre Bestände mit ihren jeweiligen Benchmark-Indizes in Einklang zu bringen. Dies schafft profitable Chancen für algorithmische Händler, die auf erwarteten Trades profitieren, die 20-80 Basispunkte Gewinne in Abhängigkeit von der Anzahl der Aktien im Indexfonds, kurz vor dem Indexfonds-Rebalancing anbieten. Solche Trades werden über algorithmische Handelssysteme für rechtzeitige Ausführung und beste Preise initiiert. Viele bewährte mathematische Modelle, wie die delta-neutrale Trading-Strategie, die den Handel auf Kombination von Optionen und deren zugrunde liegenden Sicherheit ermöglichen. Wo Trades gesetzt werden, um positive und negative Deltas zu versetzen, so dass das Portfolio-Delta auf Null gehalten wird. Die mittlere Reversionsstrategie basiert auf der Idee, dass die hohen und niedrigen Preise eines Vermögenswertes ein temporäres Phänomen sind, das periodisch auf ihren Mittelwert zurückkehrt. Identifizieren und Definieren einer Preisspanne und Implementierung von Algorithmen auf der Grundlage, dass Trades automatisch platziert werden, wenn der Preis von Asset Pausen in und aus seinem definierten Bereich. Die volumengewichtete durchschnittliche Preisstrategie zerbricht einen großen Auftrag und gibt dynamisch bestimmte kleinere Stücke des Auftrags auf den Markt mit Aktienspezifischen historischen Volumenprofilen frei. Ziel ist es, den Auftrag in der Nähe des volumengewichteten Durchschnittspreises (VWAP) auszuführen und damit zu einem durchschnittlichen Preis zu profitieren. Die zeitgewichtete durchschnittliche Preisstrategie zerbricht einen großen Auftrag und gibt dynamisch bestimmte kleinere Stücke des Auftrags auf den Markt mit gleichmäßig geteilten Zeitschlitzen zwischen Start - und Endzeit frei. Ziel ist es, den Auftrag in der Nähe des Durchschnittspreises zwischen Start - und Endzeiten auszuführen und damit die Markteinwirkung zu minimieren. Bis der Trade Order vollständig ausgefüllt ist, fährt dieser Algorithmus fort, Teilaufträge zu senden, entsprechend der definierten Beteiligungsquote und nach dem Volumen, das auf den Märkten gehandelt wird. Die zugehörige Schrittstrategie sendet Aufträge zu einem benutzerdefinierten Prozentsatz des Marktvolumens und erhöht oder verringert diese Erwerbsquote, wenn der Aktienkurs benutzerdefinierte Werte erreicht. Die Implementierungs-Defizitstrategie zielt darauf ab, die Ausführungskosten eines Auftrags durch den Handel auf dem Echtzeitmarkt zu minimieren und dadurch die Kosten der Bestellung zu senken und von den Opportunitätskosten der verzögerten Ausführung zu profitieren. Die Strategie wird die gezielte Erwerbsquote erhöhen, wenn sich der Aktienkurs günstig bewegt und abnimmt, wenn sich der Aktienkurs negativ bewegt. Es gibt ein paar spezielle Klassen von Algorithmen, die versuchen, Ereignisse auf der anderen Seite zu identifizieren. Diese Sniffing-Algorithmen, die zum Beispiel von einem Sell-Side-Market-Maker verwendet werden, haben die eingebaute Intelligenz, um die Existenz von Algorithmen auf der Kaufseite eines großen Auftrags zu identifizieren. Solche Erkennung durch Algorithmen wird dem Marktmacher dabei helfen, große Auftragsmöglichkeiten zu identifizieren und ihm zu ermöglichen, durch die Besetzung der Aufträge zu einem höheren Preis zu profitieren. Dies wird manchmal als Hightech-Frontlauf bezeichnet. (Für mehr auf High-Frequenz-Handel und betrügerische Praktiken, siehe: Wenn Sie Aktien kaufen Online, sind Sie in HFTs beteiligt.) Technische Voraussetzungen für Algorithmic Trading Die Umsetzung der Algorithmus mit einem Computer-Programm ist der letzte Teil, Clubbed mit Backtesting. Die Herausforderung besteht darin, die identifizierte Strategie in einen integrierten computergestützten Prozess umzuwandeln, der Zugang zu einem Handelskonto für die Platzierung von Aufträgen hat. Folgende werden benötigt: Computerprogrammierkenntnisse zur Programmierung der geforderten Handelsstrategie, angepasste Programmierer oder vorgefertigte Trading-Software Netzwerkkonnektivität und Zugriff auf Handelsplattformen für die Platzierung der Aufträge Der Zugriff auf Marktdaten-Feeds, die vom Algorithmus für die Möglichkeit der Platzierung überwacht werden Aufträge Die Fähigkeit und die Infrastruktur, das System einmalig zu testen, bevor es auf echten Märkten geht Erhältlich historische Daten für das Backtesting, abhängig von der Komplexität der Regeln, die im Algorithmus implementiert werden Hier ist ein umfassendes Beispiel: Royal Dutch Shell (RDS) ist in Amsterdam aufgeführt Börse (AEX) und Londoner Börse (LSE). Lets bauen einen Algorithmus, um Arbitrage-Möglichkeiten zu identifizieren. Hier sind einige interessante Beobachtungen: AEX handelt in Euro, während LSE in Pfund Sterling pflegt. Aufgrund der einstündigen Zeitdifferenz eröffnet AEX eine Stunde früher als LSE, gefolgt von beiden Börsen, die gleichzeitig für die nächsten Stunden handeln und dann nur in LSE handeln Die letzte Stunde als AEX schließt können wir die Möglichkeit der Arbitrage Handel auf der Royal Dutch Shell Aktie auf diesen beiden Märkten in zwei verschiedenen Währungen gelistet ein Computer-Programm, das aktuelle Marktpreise lesen können Preis Feeds von sowohl LSE und AEX A Forex Rate Feed für GBP-EUR Umrechnungskurs Bestellen von Platzierungsmöglichkeiten, die den Auftrag an den richtigen Austausch weiterleiten können Back-Testing-Fähigkeit zu historischen Preisfuttermitteln Das Computerprogramm sollte folgendes ausführen: Lesen Sie den eingehenden Preisvorschub der RDS-Aktie von beiden Börsen unter Verwendung der verfügbaren Wechselkurse . Umwandlung des Preises einer Währung in andere Wenn es eine ausreichend große Preisdiskrepanz (Abzinsung der Vermittlungskosten) gibt, die zu einer gewinnbringenden Gelegenheit führt, dann legen Sie den Kaufauftrag auf niedrigeren Preisvermittlungs - und Verkaufsauftrag auf höherer Preisvermittlung Wenn die Aufträge als ausgeführt werden Gewünscht, wird die Arbitrage Gewinn folgen Simple und Easy Allerdings ist die Praxis der algorithmischen Handel ist nicht so einfach zu pflegen und auszuführen. Denken Sie daran, wenn Sie einen Algo-generierten Handel platzieren können, so können die anderen Marktteilnehmer. Infolgedessen schwanken die Preise in Milli - und sogar Mikrosekunden. In dem obigen Beispiel, was passiert, wenn Ihr Kaufhandel ausgeführt wird, aber verkaufen Handel nicht als die Verkaufspreise ändern sich um die Zeit Ihre Bestellung trifft den Markt Sie werden am Ende sitzen mit einer offenen Position. Ihre Arbitrage-Strategie wertlos machen. Es gibt zusätzliche Risiken und Herausforderungen: z. B. Systemausfallrisiken, Netzwerkverbindungsfehler, Zeitverzögerungen zwischen Handelsaufträgen und Ausführung und vor allem unvollständige Algorithmen. Je komplexer ein Algorithmus ist, desto strengeres Backtesting ist nötig, bevor es in die Tat umgesetzt wird. Die quantitative Analyse einer Algorithmen-Performance spielt eine wichtige Rolle und sollte kritisch untersucht werden. Es ist spannend, für die Automatisierung zu helfen, die von Computern mit einer Vorstellung geboten wird, um mühelos Geld zu verdienen. Aber man muss sicherstellen, dass das System gründlich getestet ist und die erforderlichen Grenzwerte festgelegt sind. Analytische Händler sollten überlegen, Programmierung und Gebäude-Systeme auf eigene Faust zu lernen, um sicher zu sein, die Umsetzung der richtigen Strategien in narrensicherer Weise zu sein. Vorsichtiger Gebrauch und gründliche Prüfung von Algo-Trading kann rentable Chancen schaffen. Wie identifizieren Algorithmische Trading-Strategien In diesem Artikel möchte ich Ihnen die Methoden vorstellen, mit denen ich selbst identifizieren profitable algorithmische Trading-Strategien. Unser Ziel ist es heute, detailliert zu verstehen, wie man solche Systeme findet, auswertet und auswählt. Ill erklären, wie Identifizierungsstrategien so viel über persönliche Präferenz ist, wie es um Strategie-Performance geht, wie man die Art und Menge der historischen Daten für die Prüfung, wie man leichte Bewertung einer Handelsstrategie und schließlich, wie man auf die Backtesting-Phase und Strategie Umsetzung zu bestimmen . Identifizieren Sie Ihre eigenen persönlichen Vorlieben für den Handel Um ein erfolgreicher Trader zu sein - entweder diskretional oder algorithmisch - ist es notwendig, sich einige ehrliche Fragen zu stellen. Trading bietet Ihnen die Möglichkeit, Geld zu verlieren mit einer alarmierenden Rate, so ist es notwendig, wissen Sie sich so viel wie es notwendig ist, um Ihre gewählte Strategie zu verstehen. Ich würde sagen, die wichtigste Überlegung im Handel ist sich Ihrer eigenen Persönlichkeit bewusst. Handel, und algorithmischen Handel im Besonderen erfordert ein erhebliches Maß an Disziplin, Geduld und emotionale Loslösung. Da Sie einen Algorithmus durchführen lassen Sie Ihren Handel für Sie, ist es notwendig, gelöst werden, um nicht mit der Strategie zu stören, wenn es ausgeführt wird. Dies kann sehr schwierig sein, vor allem in Zeiten der erweiterten Drawdown. Allerdings können viele Strategien, die sich in einem Backtest als sehr profitabel erwiesen haben, durch einfache Interferenz zerstört werden. Verstehen Sie, dass, wenn Sie in die Welt des algorithmischen Handels eintreten wollen, Sie emotional getestet werden und dass, um erfolgreich zu sein, es notwendig ist, diese Schwierigkeiten zu durcharbeiten. Die nächste Betrachtung ist eine der Zeit. Haben Sie einen Vollzeit-Job Haben Sie Teilzeit arbeiten Arbeiten Sie von zu Hause aus oder haben eine lange pendeln jeden Tag Diese Fragen werden dazu beitragen, die Häufigkeit der Strategie, die Sie suchen sollten. Für diejenigen von Ihnen in Vollzeitbeschäftigung kann eine Intraday-Futures-Strategie nicht angemessen sein (zumindest bis es vollständig automatisiert ist). Ihre zeitlichen Einschränkungen werden auch die Methodik der Strategie diktieren. Wenn Ihre Strategie häufig gehandelt wird und auf teure News-Feeds (wie ein Bloomberg-Terminal) angewiesen ist, müssen Sie eindeutig realistisch sein über Ihre Fähigkeit, diese erfolgreich im Büro zu führen. Für diejenigen von Ihnen mit viel Zeit oder den Fähigkeiten Um Ihre Strategie zu automatisieren, können Sie in eine technischere Hochfrequenz-Handel (HFT) Strategie zu suchen. Mein Glaube ist, dass es notwendig ist, kontinuierliche Forschung in Ihre Handelsstrategien durchzuführen, um ein durchweg profitable Portfolio zu erhalten. Wenige Strategien bleiben unter dem Radar für immer. Daher wird ein erheblicher Teil der Zeit, die dem Handel zugewiesen wird, die laufende Forschung durchführen. Fragen Sie sich, ob Sie bereit sind, dies zu tun, da es der Unterschied zwischen einer starken Rentabilität oder einem langsamen Rückgang der Verluste sein kann. Sie müssen auch Ihr Handelskapital betrachten. Der allgemein akzeptierte ideale Mindestbetrag für eine quantitative Strategie beträgt 50.000 USD (ca. 35.000 für uns in Großbritannien). Wenn ich wieder anfange, würde ich mit einem größeren Betrag beginnen, vermutlich näher 100.000 USD (ca. 70.000). Dies liegt daran, dass die Transaktionskosten für Mid - und High-Frequenz-Strategien extrem teuer sein können und es notwendig ist, genügend Kapital zu haben, um sie in Zeiten des Drawdowns aufzunehmen. Wenn Sie erwägen, mit weniger als 10.000 USD beginnen, dann müssen Sie sich auf Niederfrequenz-Strategien beschränken, Handel mit einem oder zwei Vermögenswerte, wie Transaktionskosten schnell in Ihre Renditen zu essen. Interactive Brokers, die einer der freundlichsten Broker für diejenigen mit Programmierkenntnissen ist, aufgrund seiner API, hat ein Retail-Konto mindestens 10.000 USD. Programmierfertigkeit ist ein wichtiger Faktor bei der Erstellung einer automatisierten algorithmischen Handelsstrategie. Kenntnisse in einer Programmiersprache wie C, Java, C, Python oder R ermöglichen es Ihnen, die End-to-End-Datenspeicherung, Backtest-Engine und Ausführungs-System selbst zu erstellen. Dies hat eine Reihe von Vorteilen, deren Chef die Fähigkeit ist, sich ganz auf alle Aspekte der Handelsinfrastruktur zu verlassen. Es erlaubt Ihnen auch, die höheren Frequenzstrategien zu erforschen, da Sie die volle Kontrolle über Ihren Technologie-Stack haben werden. Während dies bedeutet, dass Sie Ihre eigene Software testen und Bugs beseitigen können, bedeutet dies auch mehr Zeit für die Codierung der Infrastruktur und weniger bei der Umsetzung von Strategien, zumindest im früheren Teil Ihrer Algo Trading Karriere. Sie können feststellen, dass Sie bequem handeln in Excel oder MATLAB und können die Entwicklung von anderen Komponenten auslagern. Ich würde das aber nicht empfehlen, besonders für diejenigen, die mit hoher Frequenz handeln. Sie müssen sich fragen, was Sie hoffen, durch algorithmischen Handel zu erreichen. Sind Sie an einem regelmäßigen Einkommen interessiert, womit Sie hoffen, Einnahmen aus Ihrem Handelskonto zu ziehen, oder sind Sie an einem langfristigen Kapitalgewinn interessiert und können sich leisten, ohne die Notwendigkeit, Drawdown-Fonds zu handeln. Die Einkommensabhängigkeit wird die Häufigkeit Ihrer Strategie diktieren . Mehr regelmäßige Einkommensabhebungen erfordern eine höhere Frequenzhandelsstrategie mit geringerer Volatilität (d. h. ein höheres Sharpe-Verhältnis). Langfristige Händler können sich eine sedierte Handelshäufigkeit leisten. Schließlich wird nicht durch die Vorstellung, extrem reichen in einer kurzen Zeitspanne täuschen Algo Handel ist nicht ein get-reich-schnelles Schema - wenn überhaupt, kann es ein mut-arm-schnelles System sein. Es dauert erhebliche Disziplin, Forschung, Sorgfalt und Geduld, um bei algorithmischen Handel erfolgreich zu sein. Es kann Monate dauern, wenn nicht Jahre, um eine gleichbleibende Rentabilität zu erzielen. Sourcing Algorithmic Trading Ideas Trotz gemeinsamer Wahrnehmungen im Gegenteil, ist es eigentlich ganz einfach, profitable Handelsstrategien im öffentlichen Bereich zu finden. Niemals haben Handelsideen mehr verfügbar als heute. Akademische Finanzjournale, Pre-Print-Server, Trading-Blogs, Trading-Foren, wöchentliche Trading-Magazine und Fachtexte bieten Tausende von Trading-Strategien, mit denen Sie Ihre Ideen auf. Unser Ziel als quantitative Handel Forscher ist es, eine Strategie-Pipeline, die uns mit einem Strom von laufenden Handel Ideen zu etablieren. Idealerweise wollen wir einen methodischen Ansatz für die Beschaffung, Bewertung und Umsetzung von Strategien schaffen, auf die wir stoßen. Die Ziele der Pipeline sind es, eine konsequente Menge an neuen Ideen zu generieren und uns einen Rahmen für die Ablehnung der Mehrheit dieser Ideen mit dem Minimum an emotionaler Betrachtung zu geben. Wir müssen sehr sorgfältig darauf achten, dass kognitive Vorurteile unsere Entscheidungsfindungsmethode nicht beeinflussen. Das könnte so einfach sein wie eine Vorliebe für eine Assetklasse über eine andere (Gold und andere Edelmetalle in den Sinn kommen), weil sie als exotisch wahrgenommen werden. Unser Ziel ist es immer, konsequent profitable Strategien zu finden, mit positiver Erwartung. Die Wahl der Anlageklasse sollte auf anderen Überlegungen beruhen, wie z. B. Handelskapitalbeschränkungen, Maklergebühren und Leverage-Fähigkeiten. Wenn Sie mit dem Konzept einer Handelsstrategie völlig vertraut sind, dann ist der erste Ort, um zu sehen, mit etablierten Lehrbüchern. Klassische Texte bieten eine breite Palette von einfacheren, einfacheren Ideen, mit denen Sie sich mit dem quantitativen Handel vertraut machen können. Hier ist eine Auswahl, die ich für diejenigen, die neu sind, um quantitativen Handel, die allmählich anspruchsvoller werden, wie Sie durch die Liste arbeiten: Für eine längere Liste der quantitativen Trading-Bücher, besuchen Sie bitte die QuantStart Leseliste. Der nächste Ort, um anspruchsvollere Strategien zu finden, ist mit Handelsforen und Handelsblogs. Allerdings ist ein Hinweis der Vorsicht: Viele Trading-Blogs verlassen sich auf das Konzept der technischen Analyse. Die technische Analyse beinhaltet die Verwendung von Basisindikatoren und Verhaltenspsychologie, um Trends oder Umkehrmuster in den Vermögenspreisen festzulegen. Trotz der äußerst beliebten im gesamten Handelsplatz, ist die technische Analyse als etwas ineffektiv in der quantitativen Finanz-Community. Manche haben vorgeschlagen, dass es nicht besser ist, ein Horoskop zu lesen oder Teeblätter in Bezug auf seine prädiktive Kraft zu studieren. In Wirklichkeit gibt es erfolgreiche Personen, die technische Analyse anwenden. Doch als Quants mit einer anspruchsvolleren mathematischen und statistischen Toolbox zur Verfügung stehen, können wir die Effektivität solcher TA-basierten Strategien leicht auswerten und datenbasierte Entscheidungen treffen und nicht auf emotionale Überlegungen oder Vorurteile stützen. Hier ist eine Liste von gut respektierten algorithmischen Trading-Blogs und Foren: Sobald Sie einige Erfahrung bei der Bewertung einfacher Strategien gehabt haben, ist es Zeit, die anspruchsvolleren akademischen Angebote zu betrachten. Einige akademische Zeitschriften werden schwer zugänglich sein, ohne hohe Abonnements oder einmalige Kosten. Wenn Sie ein Mitglied oder ein Absolvent einer Universität sind, sollten Sie in der Lage sein, Zugang zu einigen dieser finanziellen Zeitschriften zu erhalten. Andernfalls können Sie sich auf Pre-Print-Servern schauen. Die Internet-Repositories der späten Entwürfe von akademischen Papieren, die sich in Peer-Review. Da wir uns nur für Strategien interessieren, die wir erfolgreich replizieren, backtest und Profitabilität erhalten kann, ist für uns ein Peer-Review von geringerer Bedeutung. Der wichtigste Nachteil der akademischen Strategien ist, dass sie oft entweder veraltet sein können, erfordern obskure und teure historische Daten, den Handel mit illiquiden Vermögensklassen oder nicht in Gebühren, Schlupf oder Spread. Es kann auch unklar sein, ob die Handelsstrategie mit Marktaufträgen, Limit Orders oder ob es Stop-Stress etc. enthält. So ist es absolut notwendig, die Strategie selbst so gut wie möglich zu replizieren, backtest es und fügen Sie realistische Transaktion hinzu Kosten, die so viele Aspekte der Asset-Klassen enthalten, die Sie handeln möchten. Hier ist eine Liste der beliebtesten Pre-Print-Server und Finanz-Zeitschriften, die Sie Ideen aus: Was ist mit der Bildung Ihrer eigenen quantitativen Strategien Dies erfordert in der Regel ( Aber nicht beschränkt auf) Fachwissen in einer oder mehreren der folgenden Kategorien: Marktmikrostruktur - Insbesondere für höhere Frequenzstrategien kann man Marktmikrostruktur nutzen. D. h. das Verständnis der Auftragsbuchdynamik, um die Rentabilität zu erzielen. Verschiedene Märkte haben verschiedene technologische Einschränkungen, Vorschriften, Marktteilnehmer und Zwänge, die alle offen für die Ausbeutung über spezifische Strategien sind. Dies ist ein sehr anspruchsvoller Bereich und Einzelhandels-Praktiker finden es schwer, in diesem Raum wettbewerbsfähig zu sein, zumal der Wettbewerb große, gut kapitalisierte quantitative Hedgefonds mit starken technologischen Fähigkeiten umfasst. Fondsstruktur - Pooled Investmentfonds wie Pensionskassen, Private Investment Partnerschaften (Hedgefonds), Rohstoffhandelsberater und Investmentfonds sind sowohl durch eine starke Regulierung als auch durch ihre großen Kapitalrücklagen eingeschränkt. So können gewisse konsequente Verhaltensweisen mit denen, die mehr flink sind, ausgenutzt werden. Zum Beispiel sind große Fonds aufgrund ihrer Größe Kapazitätsengpässen unterworfen. Wenn sie also eine Menge von Wertpapieren schnell entladen (verkaufen) müssen, müssen sie sie umtauschen, um den Markt zu vermeiden. Ausgefeilte Algorithmen können dies nutzen, und andere Idiosynkrasien, in einem allgemeinen Prozess als Fondsstruktur Arbitrage bekannt. Machine learningartificial Intelligence - Maschinelle Lernalgorithmen sind in den letzten Jahren in den Finanzmärkten häufiger geworden. Klassifikatoren (wie z. B. Naive-Bayes et al.) Nichtlineare Funktionsvergleicher (neuronale Netze) und Optimierungsroutinen (genetische Algorithmen) wurden alle zur Vorhersage von Vermögenspfaden oder zur Optimierung von Handelsstrategien verwendet. Wenn Sie einen Hintergrund in diesem Bereich haben, können Sie einen Einblick darüber haben, wie bestimmte Algorithmen auf bestimmte Märkte angewendet werden könnten. Es gibt natürlich viele andere Bereiche für Quants zu untersuchen. Nun diskutieren, wie man mit kundenspezifischen Strategien im Detail in einem späteren Artikel kommen. Indem Sie diese Quellen auf einer wöchentlichen oder sogar täglichen Basis weiter überwachen, setzen Sie sich auf eine konsistente Liste von Strategien aus einer Vielzahl von Quellen. Der nächste Schritt ist, zu bestimmen, wie man eine große Teilmenge dieser Strategien ablehnt, um zu minimieren, um Ihre Zeit zu verschwenden und Backtesting Ressourcen auf Strategien, die wahrscheinlich unrentabel sind. Auswertung von Handelsstrategien Die erste und wohl offensichtlichste Betrachtung ist, ob Sie die Strategie tatsächlich verstehen. Würden Sie in der Lage sein, die Strategie prägnant zu erklären, oder verlangt es eine Reihe von Vorbehalten und endlosen Parameterlisten. Darüber hinaus hat die Strategie eine gute, solide Basis in der Realität. Zum Beispiel könnten Sie auf eine Verhaltensgrundlage oder eine Fondsstrukturbeschränkung hinweisen Könnte das Muster veranlassen, das du ausprobieren möchtest Wäre diese Einschränkung auf einen Regimewechsel zurückzuführen, wie zB eine dramatische Regulierungsumfeldstörung Ist die Strategie auf komplexe statistische oder mathematische Regeln angewiesen Ist es für jede finanzielle Zeitreihe oder gilt Es ist spezifisch für die Asset-Klasse, dass es behauptet wird, profitabel zu sein Sie sollten ständig über diese Faktoren bei der Bewertung neuer Trading-Methoden denken, sonst können Sie verschwenden eine beträchtliche Menge an Zeit versuchen, Backtest und optimieren unrentable Strategien. Sobald Sie festgestellt haben, dass Sie die Grundprinzipien der Strategie verstehen, müssen Sie entscheiden, ob es mit Ihrem vorgenannten Persönlichkeitsprofil passt. Dies ist nicht so vage eine Überlegung, wie es klingt Strategien unterscheiden sich erheblich in ihren Leistungsmerkmalen. Es gibt bestimmte Persönlichkeitstypen, die mehr bedeutende Perioden des Drawdowns behandeln können oder bereit sind, ein größeres Risiko für eine größere Rendite zu akzeptieren. Trotz der Tatsache, dass wir als Quants versuchen und so viel kognitive Vorurteile wie möglich zu beseitigen und in der Lage sein werden, eine Strategie leidenschaftslos zu bewerten, werden die Bias immer kriechen. So brauchen wir ein konsequentes, emotionales Mittel, um die Performance von Strategien zu beurteilen . Hier ist die Liste der Kriterien, die ich beurteile, eine potenzielle neue Strategie durch: Methodik - Ist die Strategie Momentum basiert, mittler-reverting, marktneutral, direktional Ist die Strategie auf anspruchsvolle (oder komplexe) statistische oder maschinelle Lerntechniken, die hart sind, Zu verstehen und zu erfordern ein PhD in Statistik zu erfassen Haben diese Techniken eine signifikante Menge von Parametern, die zu Optimierung Bias führen könnte, ist die Strategie wahrscheinlich einem Regimewechsel standhalten (dh potenzielle neue Regulierung der Finanzmärkte) Sharpe Ratio - Die Sharpe Ratio Heuristisch charakterisiert das Rewardrisk-Verhältnis der Strategie. Es quantifiziert, wie viel Rendite Sie für die Volatilität erreichen können, die durch die Eigenkapitalkurve ausgehalten wird. Natürlich müssen wir die Periode und die Häufigkeit bestimmen, die diese Rückkehr und die Volatilität (d. h. Standardabweichung) gemessen werden. Eine höhere Frequenzstrategie erfordert eine größere Abtastrate der Standardabweichung, aber eine kürzere Gesamtzeitdauer der Messung, zum Beispiel. Hebelwirkung - Benötigt die Strategie eine beträchtliche Hebelwirkung, um rentabel zu sein Ist die Strategie die Verwendung von Leveraged Derivat-Verträgen (Futures, Optionen, Swaps) erforderlich, um eine Rendite zu erzielen. Diese Leveraged-Verträge können eine schwere Volatilität aufweisen und somit leicht führen Margin Anrufe. Haben Sie das Handelskapital und das Temperament für diese Volatilität Häufigkeit - Die Häufigkeit der Strategie ist eng mit Ihrem Technologie-Stack (und damit technologischem Know-how) verbunden, der Sharpe-Ratio und dem Gesamtbetrag der Transaktionskosten. Alle anderen Fragen, höhere Frequenzstrategien erfordern mehr Kapital, sind anspruchsvoller und schwerer zu implementieren. Allerdings, vorausgesetzt, Ihr Backtesting-Engine ist anspruchsvoll und bug-frei, haben sie oft weit höhere Sharpe-Ratios. Volatilität - Volatilität ist stark auf das Risiko der Strategie bezogen. Das Sharpe-Verhältnis charakterisiert dies. Eine höhere Volatilität der zugrunde liegenden Anlageklassen, wenn sie nicht gesichert ist, führt häufig zu einer höheren Volatilität in der Eigenkapitalkurve und damit zu kleineren Sharpe-Verhältnissen. Ich gehe natürlich davon aus, dass die positive Volatilität etwa der negativen Volatilität entspricht. Einige Strategien können eine größere Abwärtsvolatilität aufweisen. Sie müssen sich dieser Attribute bewusst sein. WinLoss, Average ProfitLoss - Strategien unterscheiden sich in ihrem Winloss und den durchschnittlichen Gewinncharakteristiken. Man kann eine sehr profitable Strategie haben, auch wenn die Anzahl der verlorenen Trades die Anzahl der Siegesserie übersteigt. Momentum-Strategien neigen dazu, dieses Muster zu haben, da sie sich auf eine kleine Anzahl von großen Hits verlassen, um rentabel zu sein. Mittlere Reversionsstrategien neigen dazu, gegensätzliche Profile zu haben, wo mehr der Trades Gewinner sind, aber die verlorenen Trades können ziemlich schwer sein. Maximaler Drawdown - Der maximale Drawdown ist der größte Gesamt-Peak-to-Trog-Prozentsatz, der auf der Eigenkapitalkurve der Strategie liegt. Momentum Strategien sind bekannt, um von Perioden von erweiterten Drawdowns (aufgrund einer Reihe von vielen inkrementellen verlieren Trades) zu leiden. Viele Händler werden in Zeiten des ausgedehnten Drawdowns aufgeben, auch wenn historische Tests vorgeschlagen haben, dass dies geschäftlich wie üblich für die Strategie ist. Sie müssen bestimmen, welcher Prozentsatz des Drawdowns (und über welchen Zeitraum) Sie akzeptieren können, bevor Sie aufhören, Ihre Strategie zu handeln. Das ist eine sehr persönliche Entscheidung und muss daher sorgfältig betrachtet werden. CapacityLiquidität - Auf der Einzelhandelsstufe, wenn Sie nicht in einem sehr illiquiden Instrument handeln (wie ein Small-Cap-Lager), müssen Sie sich nicht mit der Strategiekapazität beschäftigen. Die Kapazitäten bestimmen die Skalierbarkeit der Strategie für weiteres Kapital. Viele der größeren Hedge-Fonds leiden unter erheblichen Kapazitätsproblemen, da ihre Strategien die Kapitalallokation erhöhen. Parameter - Bestimmte Strategien (vor allem die in der maschinellen Lerngemeinschaft gefundenen) erfordern eine große Menge an Parametern. Jeder zusätzliche Parameter, den eine Strategie erfordert, lässt es anfälliger für die Optimierungsvorspannung (auch als Kurvenanpassung bekannt). Sie sollten versuchen, Strategien mit möglichst wenigen Parametern zu zielen oder sicherzustellen, dass Sie genügend Datenmengen haben, mit denen Sie Ihre Strategien testen können. Benchmark - Fast alle Strategien (sofern sie nicht als absolute Rendite gekennzeichnet sind) werden mit einer Performance-Benchmark bewertet. Der Benchmark ist in der Regel ein Index, der eine große Stichprobe der zugrunde liegenden Vermögensklasse kennzeichnet, die die Strategie abwickelt. Wenn die Strategie Großkappen-US-Aktien handelt, wäre der SP500 ein natürlicher Maßstab für die Messung Ihrer Strategie. Sie hören die Begriffe alpha und beta, angewendet auf Strategien dieser Art. Wir werden diese Koeffizienten in späteren Artikeln ausführlich besprechen. Beachten Sie, dass wir die tatsächlichen Renditen der Strategie nicht besprochen haben. Warum ist dies in Isolation, die Renditen tatsächlich liefern uns mit begrenzten Informationen über die Wirksamkeit der Strategie. Sie geben Ihnen keinen Einblick in Hebelwirkung, Volatilität, Benchmarks oder Kapitalanforderungen. So werden Strategien nur selten auf ihre Rückkehr beurteilt. Berücksichtigen Sie immer die Risikoattribute einer Strategie, bevor Sie die Renditen betrachten. In diesem Stadium werden viele der Strategien, die aus deiner Pipeline gefunden werden, aus der Hand abgelehnt, da sie ihre Kapitalanforderungen nicht erfüllen, die Einschränkungen, die maximale Drawdown-Toleranz oder die Volatilitätspräferenzen nutzen. Die verbleibenden Strategien können nun für das Backtesting berücksichtigt werden. However, before this is possible, it is necessary to consider one final rejection criteria - that of available historical data on which to test these strategies. Obtaining Historical Data Nowadays, the breadth of the technical requirements across asset classes for historical data storage is substantial. In order to remain competitive, both the buy-side (funds) and sell-side (investment banks) invest heavily in their technical infrastructure. It is imperative to consider its importance. In particular, we are interested in timeliness, accuracy and storage requirements. I will now outline the basics of obtaining historical data and how to store it. Unfortunately this is a very deep and technical topic, so I wont be able to say everything in this article. However, I will be writing a lot more about this in the future as my prior industry experience in the financial industry was chiefly concerned with financial data acquisition, storage and access. In the previous section we had set up a strategy pipeline that allowed us to reject certain strategies based on our own personal rejection criteria. In this section we will filter more strategies based on our own preferences for obtaining historical data. The chief considerations (especially at retail practitioner level) are the costs of the data, the storage requirements and your level of technical expertise. We also need to discuss the different types of available data and the different considerations that each type of data will impose on us. Lets begin by discussing the types of data available and the key issues we will need to think about: Fundamental Data - This includes data about macroeconomic trends, such as interest rates, inflation figures, corporate actions (dividends, stock-splits), SEC filings, corporate accounts, earnings figures, crop reports, meteorological data etc. This data is often used to value companies or other assets on a fundamental basis, i. e. via some means of expected future cash flows. It does not include stock price series. Some fundamental data is freely available from government websites. Other long-term historical fundamental data can be extremely expensive. Storage requirements are often not particularly large, unless thousands of companies are being studied at once. News Data - News data is often qualitative in nature. It consists of articles, blog posts, microblog posts (tweets) and editorial. Machine learning techniques such as classifiers are often used to interpret sentiment . This data is also often freely available or cheap, via subscription to media outlets. The newer NoSQL document storage databases are designed to store this type of unstructured, qualitative data. Asset Price Data - This is the traditional data domain of the quant. It consists of time series of asset prices. Equities (stocks), fixed income products (bonds), commodities and foreign exchange prices all sit within this class. Daily historical data is often straightforward to obtain for the simpler asset classes, such as equities. However, once accuracy and cleanliness are included and statistical biases removed, the data can become expensive. In addition, time series data often possesses significant storage requirements especially when intraday data is considered. Financial Instruments - Equities, bonds, futures and the more exotic derivative options have very different characteristics and parameters. Thus there is no one size fits all database structure that can accommodate them. Significant care must be given to the design and implementation of database structures for various financial instruments. We will discuss the situation at length when we come to build a securities master database in future articles. Frequency - The higher the frequency of the data, the greater the costs and storage requirements. For low-frequency strategies, daily data is often sufficient. For high frequency strategies, it might be necessary to obtain tick-level data and even historical copies of particular trading exchange order book data. Implementing a storage engine for this type of data is very technologically intensive and only suitable for those with a strong programmingtechnical background. Benchmarks - The strategies described above will often be compared to a benchmark . This usually manifests itself as an additional financial time series. For equities, this is often a national stock benchmark, such as the SP500 index (US) or FTSE100 (UK). For a fixed income fund, it is useful to compare against a basket of bonds or fixed income products. The risk-free rate (i. e. appropriate interest rate) is also another widely accepted benchmark. All asset class categories possess a favoured benchmark, so it will be necessary to research this based on your particular strategy, if you wish to gain interest in your strategy externally. Technology - The technology stacks behind a financial data storage centre are complex. This article can only scratch the surface about what is involved in building one. However, it does centre around a database engine, such as a Relational Database Management System (RDBMS), such as MySQL, SQL Server, Oracle or a Document Storage Engine (i. e. NoSQL). This is accessed via business logic application code that queries the database and provides access to external tools, such as MATLAB, R or Excel. Often this business logic is written in C, C, Java or Python. You will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers. Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner. As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data. You may find it is necessary to reject a strategy based solely on historical data considerations. This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely. Do not underestimate the difficulties of creating a robust data centre for your backtesting purposes I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost. Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation. Tools like TradeStation possess this capability. However, my personal view is to implement as much as possible internally and avoid outsourcing parts of the stack to software vendors. I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical. Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine. This will be the subject of other articles, as it is an equally large area of discussion Just Getting Started with Quantitative TradingPROVEN ALGORITHMIC TRADING STRATEGIES ACHIEVE DIVERSIFICATION IN YOUR PORTFOLIO LIKE YOU NEVER THOUGHT POSSIBLE Our algorithmic trading strategies provide diversification to your portfolio by trading multiple asses like the S038P 500 index, DAX index, and the volatility index, through the use of futures trading, or very liquid exchange traded funds. Applying trend-following, counter-trend trading, and range bound cycle based strategies, we seek to provide a systematic, highly automated trading decision process capable of providing consistent returns for our clients. We offer multiple algorithmic trading strategies where all algorithmic strategies can be followed manually by receiving email and SMS text alerts, or it can be 100 hands-free automatically traded in your brokerage account. Its up to you and you can even turn onoff automated trading at anytime so you are always in control of your destiny. Our Algorithmic Trading Strategies: 1. Short term momentum shifts between overbought and oversold market conditions, which are traded using long and short positions allowing, potential profits in any market direction. 2. Trend following takes advantage of extended multi month price movements in either direction up or down. 3. Cyclical trading allows potential profits during a range bound sideways market. Some of the largest gains are encountered during choppy market conditions with this strategy. Our Products AlgoTrades is an all-in-one trading system service that combines the most effective and important types of analysis listed above into unique algorithmic trading systems for dynamic and robust system creation. AlgoTrades quantitative trading strategies diversify your portfolio in two ways (1) it trades the largest stock indexes for total diversification with all market sectors, (2) it employs three unique analysis algorithmic trading strategies. The three unique trading strategies provide additional stability as a result of multiple approaches and the fact positions vary in length and size. Generate Consistent Long-Term Growth Our Algorithmic Trading Strategies Description 038 Philosophy We believe the AlgoTrades algorithmic trading system is everything a trader and investor needs to generate consistent long-term growth. Our unique proprietary tools and trading algorithms allow us to take advantage of financial markets regardless of the market8217s direction. AlgoTrades8217 advanced filters monitor the market on a tick-by-tick basis evaluating each entry, profitloss, or stop placement level in real-time, so you dont have to. What Is Traded: The systems that trade the ES mini futures contract, DAX futures, with both long and short positions. Some systems trade using exchange traded funds with a focus on trading the indexes, sectors and the volatility index. We also have stock trading systems for those how prefer active stock trading. Trades vary in length depending on the strategy. Systems range form days trading to multi-week long trend trading. AlgoTrades8217 number one priority following the execution of a position is to maximize profits and reduce risk. Position Management Used Each of our systems trade either 1 futures contract or a fixed position size value if it trades stocks or ETF8217s. Also some system like futures trading or longshort stock systems will require a margin account, while a long only ETF system (regular and inverse funds) any normal stock trading account can be used. Our systems are all scale-able, meaning if a system requires 10,000 account size and you have a 20K account you would just set the system Scale to 200. This will ensure you are trading the correctly position sizes for your account. Account Size Needed Minimum trading account required for trades to be executed with our smallest system is a 10,000 account. Our systems are all scale-able, meaning if a system states that it requires 10,000 account size and you have a 20,000 account you would just set the system Scale to 200. On the other hand if a system says its requires 25,000 and you only have 12,500 you would set the system Scale to trade 50 of the system position size. This will ensure you are trading the correctly position sizes for your account. LEARN ABOUT ALGORITHMIC TRADING STRATEGIES USED TO TRADE YOUR ACCOUNT IMPORTANT 8211 ALGORITHMIC TRADING STRATEGIES: Each year the stock market has a sweet spot where a large portion of the gains will be generated within a few months so commitment to the algorithmic trading system is important for long term success. ALGORITHMIC TRADING STRATEGY NOTE Our AlgoTrades system have been developed and traded by professionals who want to share their system, passion of the markets, and lifestyle with our select group of traders and investors. The AlgoTrades team has a combined experience level of 77 years in the markets. Our resources run far and wide covering day trading, swing trading, 24-hr futures trading, stocks, ETF8217s, and algorithmic trading strategies development. Our small and elite group have seen and done it all We are proud to make AlgoTrades available for individual investors to help level the playing field with the pros, hedge funds and private equity firms on Wall Street. Our algorithmic trading strategies use several data points to power its decision making and trades. The use of cycles, volume ratios, trends, volatility, market sentiment, and pattern recognition, puts the probability in our favor to make money. IMPORTANT ALGORITHMIC TRADING STRATEGIES FEATURE 038 BENEFIT FOR FUTURES TRADERS: When a futures contract is nearing expiration, our system will automatically close out the front or nearby contract and re-establish the position in the new front or nearby contract month. No action is required on your part. Its a true hands free automated trading strategy. Copyright 2017 - ALGOTRADES - Automated Algorithmic Trading System CFTC RULE 4.41 - HYPOTHETICAL OR SIMULATED PERFORMANCE RESULTS HAVE CERTAIN LIMITATIONS. UNLIKE AN ACTUAL PERFORMANCE RECORD, SIMULATED RESULTS DO NOT REPRESENT ACTUAL TRADING. ALSO, SINCE THE TRADES HAVE NOT BEEN EXECUTED, THE RESULTS MAY HAVE UNDER-OR-OVER COMPENSATED FOR THE IMPACT, IF ANY, OF CERTAIN MARKET FACTORS, SUCH AS LACK OF LIQUIDITY. SIMULATED TRADING PROGRAMS IN GENERAL ARE ALSO SUBJECT TO THE FACT THAT THEY ARE DESIGNED WITH THE BENEFIT OF HINDSIGHT. NO REPRESENTATION IS BEING MADE THAT ANY ACCOUNT WILL OR IS LIKELY TO ACHIEVE PROFIT OR LOSSES SIMILAR TO THOSE SHOWN. No representation is being made nor implied that the use of the algorithmic trading system will generate income or guarantee a profit. There is a substantial risk of loss associated with futures trading and trading exchange traded funds. Futures trading and trading exchange traded funds involve a substantial risk of loss and is not appropriate for everyone. These results are based on simulated or hypothetical performance results that have certain inherent limitations. Unlike the results shown in an actual performance record, these results do not represent actual trading. Also, because these trades have not actually been executed, these results may have under-or over-compensated for the impact, if any, of certain market factors, such as lack of liquidity. Simulated or hypothetical trading programs in general are also subject to the fact that they are designed with the benefit of hindsight. No representation is being made that any account will or is likely to achieve profits or losses similar to these being shown. Information on this website has been prepared without regard to any particular investors investment objectives, financial situation and needs and further advises subscribers to not act on any information without obtaining specific advice from their financial advisors not to rely on information from the website as the primary basis for their investment decisions and to consider their own risk profile, risk tolerance, and their own stop losses. - powered by Enfold WordPress Theme