Guía de principiantes para Trading Cuantitativo Por Michael Salas-Moore el 26 de marzo 2013 En este artículo voy a presentar a algunos de los conceptos básicos que acompañan a un sistema de comercio cuantitativa de extremo a extremo. Este post se espera servir a dos audiencias. El primero será individuos que tratan de obtener un trabajo en un fondo como un comerciante cuantitativo. La segunda será las personas que deseen tratar de establecer su propio negocio de comercio algorítmico "retail". Comercio cuantitativa es un área extremadamente sofisticada de las finanzas cuant. Se puede tomar una cantidad significativa de tiempo para adquirir los conocimientos necesarios para pasar una entrevista o construir sus propias estrategias de negociación. No sólo eso, sino que requiere una amplia experiencia en la programación, por lo menos en una lengua como MATLAB, R o Python. Sin embargo, como la frecuencia de negociación de la estrategia aumenta, los aspectos tecnológicos se convierten en mucho más relevante. Por lo tanto estar familiarizado con C / C ++ será de suma importancia. Un sistema de comercio cuantitativa consta de cuatro componentes principales: Estrategia de Identificación - Encontrar una estrategia, aprovechando una ventaja y decidir sobre la frecuencia de negociación Estrategia Backtesting - La obtención de los datos, el análisis de rendimiento de la estrategia y la eliminación de los prejuicios Sistema de Ejecución - Vinculación a una casa de valores, la automatización del comercio y reducir al mínimo los costos de transacción Gestión de Riesgos - la asignación de capital óptima, "tamaño de la apuesta" criterio / Kelly y el comercio de la psicología Vamos a comenzar por echar un vistazo a cómo identificar una estrategia de negociación. Estrategia de Identificación Todos los procesos de negociación cuantitativos comienzan con un período inicial de investigación. Este proceso de investigación abarca la búsqueda de una estrategia, de ver si la estrategia se inscribe en una cartera de otras estrategias puede que esté ejecutando, la obtención de los datos necesarios para poner a prueba la estrategia y tratar de optimizar la estrategia para un mayor rendimiento y / o menor riesgo. Usted tendrá que tener en cuenta sus propias necesidades de capital si se ejecuta la estrategia como un comerciante de "retail" y cómo los costes de transacción afectará a la estrategia. Contrariamente a la creencia popular en realidad es bastante sencillo encontrar estrategias rentables a través de diversas fuentes públicas. Los académicos publican regularmente los resultados comerciales teóricos (aunque en su mayoría bruto de los costos de transacción). Blogs de finanzas cuantitativas discutirán estrategias en detalle. Revistas especializadas esbozarán algunas de las estrategias empleadas por los fondos. Usted puede preguntarse por qué los individuos y las empresas están dispuestos a discutir sus estrategias rentables, especialmente cuando saben que otros "hacinamiento comercio" pueden dejar de la estrategia de trabajar en el largo plazo. La razón está en el hecho de que no se suele hablar de los parámetros exactos y métodos de ajuste que se han llevado a cabo. Estas optimizaciones son la clave para convertir una estrategia relativamente mediocre en uno altamente rentable. De hecho, una de las mejores maneras de crear sus propias estrategias únicas es encontrar métodos similares y luego llevar a cabo su propio procedimiento de optimización. He aquí una pequeña lista de lugares para empezar a buscar ideas de estrategia: Muchas de las estrategias que se verá en caerá en las categorías de media-reversión y de seguimiento de tendencias / impulso. Una estrategia de reversión a la media es la que intenta explotar el hecho de que un medio a largo plazo en una "serie de precios" (como el diferencial entre los dos activos correlacionados) existe y que las desviaciones a corto plazo de este medio con el tiempo volverán. Una estrategia de momentum intenta aprovechar tanto la psicología de los inversores y la estructura de gran fondo por "enganchar un paseo" en una tendencia del mercado, lo que puede cobrar impulso en una dirección, y seguir la tendencia hasta que se invierte. Otro aspecto muy importante de la negociación cuantitativa es la frecuencia de la estrategia de trading. Comercio de baja frecuencia (LFT) generalmente se refiere a cualquier estrategia que mantiene activos más de un día de negociación. En consecuencia, la negociación de alta frecuencia (HFT) generalmente se refiere a una estrategia que mantiene activos intradía. Ultra-alta de comercio frecuencia (UHFT) se refiere a las estrategias que mantienen activos del orden de segundos y milisegundos. Como practicante menor HFT y UHFT son ciertamente posible, pero sólo con el conocimiento detallado de la negociación "pila de tecnología" y la dinámica de la cartera de pedidos. No vamos a discutir estos aspectos en gran medida en este artículo introductorio. Una vez una estrategia, o un conjunto de estrategias, se ha identificado ahora tiene que hacerse la prueba de la rentabilidad en los datos históricos. Ese es el dominio de backtesting. Estrategia Backtesting El objetivo de backtesting es proporcionar evidencia de que la estrategia identificado a través del proceso anterior es rentable cuando se aplica a la vez histórica y datos fuera de la muestra. Esto establece la expectativa de cómo la estrategia se presentará en el "mundo real". Sin embargo, backtesting no es una garantía de éxito, por diversas razones. Es quizás la zona más sutil de comercio cuantitativa, ya que implica numerosos sesgos, los cuales deben ser cuidadosamente consideradas y eliminadas tanto como sea posible. Vamos a discutir los tipos comunes de sesgo, incluyendo el sesgo de preanálisis. sesgo de supervivencia y el sesgo de optimización (también conocido como el sesgo de "datos-espionaje"). Otras áreas de importancia dentro de backtesting incluyen la disponibilidad y la limpieza de los datos históricos, el factoring en los costos de transacción realistas y decidir sobre una plataforma robusta backtesting. Hablaremos de los costos de transacción más en la sección de Sistemas de Ejecución de abajo. Una vez que una estrategia ha sido identificado, es necesario para obtener los datos históricos a través del cual llevan a cabo las pruebas y, tal vez, el refinamiento. Hay un número importante de proveedores de datos en todas las clases de activos. En general, sus costos son proporcionales a la calidad, profundidad y oportunidad de los datos. El punto de partida tradicional para el comienzo de los comerciantes cuantitativos (por lo menos en el nivel minorista) es utilizar el conjunto de Yahoo Finanzas datos libres. No voy a detenerme en los proveedores demasiado aquí, y no me gustaría concentrarme en las cuestiones de carácter general cuando se trata de conjuntos de datos históricos. Las principales preocupaciones con datos históricos incluyen exactitud / limpieza, sesgo de supervivencia y el ajuste de las acciones corporativas tales como dividendos y splits: Exactitud se refiere a la calidad global de los datos - si contiene errores. Los errores pueden a veces ser fáciles de identificar, tal como con un filtro de picos. que seleccionar "picos" incorrectas en los datos de series de tiempo y correcta para ellos. Otras veces puede ser muy difícil de detectar. A menudo es necesario tener dos o más proveedores y compruebe todos sus datos contra la otra. Sesgo de supervivencia es a menudo una "característica" de los conjuntos de datos gratuitos o baratos. Un conjunto de datos con sesgo de supervivencia significa que no contiene activos que ya no están negociando. En el caso de la renta variable, esto significa las poblaciones de cotizar / quiebra. Este sesgo significa que cualquier estrategia de comercio de acciones probado en un conjunto de datos tales probablemente un mejor desempeño que en el "mundo real" como los "ganadores" históricas ya han sido preseleccionado. Las acciones corporativas incluyen actividades "logísticos" llevadas a cabo por la empresa que generalmente causan un cambio de paso-función en el precio de crudo, que no debe ser incluido en el cálculo de los rendimientos del precio. Ajustes por dividendos y splits son los culpables más comunes. Un proceso conocido como ajuste de espalda es necesario llevar a cabo en cada una de estas acciones. Hay que tener mucho cuidado de no confundir una división de acciones con un cierto ajuste de las devoluciones. Más de un comerciante ha sido atrapado por una acción corporativa! Con el fin de llevar a cabo un procedimiento de backtest es necesario el uso de una plataforma de software. Usted tiene la opción entre el software backtest dedicado, como Tradestation, una plataforma numérica como Excel o Matlab o una implementación personalizada completo en un lenguaje de programación como Python o C ++. No voy a detenerme demasiado en Tradestation (o similar), Excel o MATLAB, como creo en la creación de una pila completa en la empresa de tecnología (por razones que se exponen a continuación). Uno de los beneficios de hacerlo es que el software y la ejecución del sistema backtest puede ser estrechamente integrado, incluso con estrategias estadísticas muy avanzados. Para las estrategias HFT En particular, es esencial utilizar una implementación personalizada. Cuando backtesting un sistema uno debe ser capaz de cuantificar lo bien que se está realizando. Las métricas "estándar de la industria" para las estrategias cuantitativas son la reducción máxima y el Ratio Sharpe. La reducción máxima caracteriza la caída más grande de pico a través de la curva de capital de la cuenta durante un período de tiempo determinado (generalmente anual). Esto es lo más a menudo citado como un porcentaje. Estrategias LFT tenderán a tener Disposiciones más grandes que las estrategias de HFT, debido a una serie de factores estadísticos. Un backtest histórica mostrará la reducción máxima pasado, que es una buena guía para el desempeño futuro retiro de la estrategia. La segunda medida es el Ratio de Sharpe, que se heurísticamente define como el promedio de los rendimientos superiores dividido por la desviación estándar de los rendimientos excedentes. Aquí, exceso de rentabilidad se refiere a la devolución de la estrategia por encima de un punto de referencia predeterminado. tales como el S & P500 o una Letra del Tesoro a 3 meses. Tenga en cuenta que el retorno anualizado no es una medida generalmente utilizada, ya que no tiene en cuenta la volatilidad de la estrategia (a diferencia de la Ratio Sharpe). Una vez que una estrategia ha sido backtested y se considera que estar libre de sesgos (en la medida en que es posible!), Con un buen Sharpe y detracciones minimizadas, es el momento de construir un sistema de ejecución. Sistemas de Ejecución Un sistema de ejecución es el medio por el que la lista de las operaciones generadas por la estrategia se envían y ejecutado por el corredor. A pesar del hecho de que la generación de comercio puede ser semi o incluso automatizar totalmente, el mecanismo de ejecución puede ser manual, semi-manual (es decir, "un solo clic") o totalmente automatizado. Para que las estrategias LFT, técnicas manuales y semi-manuales son comunes. Para que las estrategias HFT es necesario crear un mecanismo de ejecución totalmente automatizada, que a menudo se estrechamente unida con el generador de comercio (debido a la interdependencia de la estrategia y la tecnología). Las consideraciones clave al crear un sistema de ejecución son la interfaz de la correduría. minimización de los costos de transacción (incluyendo comisiones, el deslizamiento y la propagación) y divergencia de rendimiento del sistema en vivo desde el rendimiento backtested. Hay muchas maneras de interactuar con una casa de valores. Se extienden de llamar a su agente en el teléfono a través de una interfaz de programación de aplicaciones de alto rendimiento totalmente automatizado (API). Lo ideal sería que desea automatizar la ejecución de sus operaciones tanto como sea posible. Esto le libera para concentrarse en nuevas investigaciones, así como permitirá ejecutar múltiples estrategias e incluso las estrategias de mayor frecuencia (de hecho, HFT es esencialmente imposible sin la ejecución automatizada). El software backtesting común esbozado anteriormente, tales como MATLAB, Excel y Tradestation son buenos para la frecuencia más baja, las estrategias más simples. Sin embargo, será necesario construir un sistema de ejecución de la casa escrito en un lenguaje de alto rendimiento, tales como C ++ con el fin de hacer cualquier HFT real. Como anécdota, en el fondo yo solía trabajar en, tuvimos 10 minutos "circuito comercial" donde íbamos a descargar nuevos datos de mercado cada 10 minutos y luego ejecutar operaciones sobre la base de esa información en el mismo período de tiempo. Esto estaba usando un script de Python optimizado. Por algo parecido datos minuto - o segunda frecuencia, creo que C / C ++ sería más ideal. En un fondo más grande que muchas veces no es el dominio del comerciante quant para optimizar la ejecución. Sin embargo, en pequeños comercios o empresas HFT, los comerciantes son los ejecutores y así un conjunto de habilidades mucho más amplia es a menudo deseable. Tenga en cuenta si quieres estar al servicio de un fondo. Sus conocimientos de programación será tan importante, si no más, que sus estadísticas y econometría talentos! Otra cuestión importante que cae bajo la bandera de la ejecución es el de minimización de costos de transacción. En general, existen tres componentes en los costos de transacción: Comisiones (o impuestos), que son los honorarios que cobra el corretaje, el intercambio y la SEC (u organismo regulador gubernamental similar); deslizamiento, que es la diferencia entre lo que pretende su pedido para ser llenado en comparación con lo que fue en realidad llena en; propagación, que es la diferencia entre el bid / ask precio del valor se comercia. Tenga en cuenta que la propagación no es constante y depende de la liquidez actual (es decir, la disponibilidad de las órdenes de compra / venta) en el mercado. Los costos de transacción pueden hacer la diferencia entre una estrategia muy rentable con un buen ratio de Sharpe y una estrategia muy rentable con un ratio de Sharpe terrible. Puede ser un desafío para predecir correctamente los costos de transacción de un backtest. Dependiendo de la frecuencia de la estrategia, tendrá acceso a los datos de cambio históricos, que incluirá los datos de graduación para la compra / venta de los precios. Equipos enteros de cuantos se dedican a la optimización de la ejecución de los fondos más grandes, por estas razones. En cuenta la situación en que un fondo necesita para descargar una cantidad sustancial de las operaciones (de los que las razones para hacerlo son muchas y variadas!). Por "dumping" tantas acciones en el mercado, van a presionar rápidamente el precio y no pueden obtener una ejecución óptima. Existen, por tanto, los algoritmos que los pedidos de "goteo" en el mercado, aunque luego el fondo corre el riesgo de deslizamiento. Además de eso, otras estrategias "presa" en estas necesidades y pueden explotar las ineficiencias. Este es el dominio de la estructura del fondo de arbitraje. El principal problema final para los sistemas de ejecución se refiere a la divergencia de los resultados de la estrategia de actuación backtested. Esto puede ocurrir por un número de razones. Ya hemos hablado de sesgo de preanálisis y el sesgo de optimización en profundidad, al considerar pruebas retrospectivas. Sin embargo, algunas estrategias no hacen que sea fácil para detectar si estos sesgos antes del despliegue. Esto ocurre en HFT más predominante. Puede haber errores en el sistema de ejecución, así como la estrategia de negociación en sí, que no se vea en un backtest Pero no aparece en el comercio directo. El mercado puede haber sido objeto de un cambio de régimen después de la implementación de su estrategia. Nuevos entornos regulatorios, el cambio de actitud de los inversionistas y de los fenómenos macroeconómicos pueden llevar a divergencias en la forma en que el mercado se comporta y por lo tanto la rentabilidad de su estrategia. Gestión de riesgos La pieza final del rompecabezas de comercio cuantitativa es el proceso de gestión de riesgos. "Riesgo" incluye todos los prejuicios anteriores hemos discutido. Incluye riesgo tecnológico, tales como servidores co-ubicada en el intercambio de repente el desarrollo de un mal funcionamiento del disco duro. Incluye el riesgo de corretaje, como el corredor de convertirse en bancarrota (no tan loco como parece, dado el reciente susto con MF Global!). En resumen que cubre casi todo lo que podría interferir con la implantación de comercio, de las cuales hay muchas fuentes. Libros enteros se dedican a la gestión de riesgos para las estrategias cuantitativas así que me hace ningún intento de dilucidar sobre todas las fuentes posibles de riesgo aquí. La gestión de riesgos también abarca lo que se conoce como la asignación óptima de capital. que es una rama de la teoría de la cartera. Este es el medio por el cual el capital se asigna a un conjunto de diferentes estrategias y las operaciones dentro de esas estrategias. Es un área compleja y se basa en algo de matemáticas no triviales. El estándar de la industria en la que la asignación óptima de capital y el apalancamiento de las estrategias están relacionadas se llama el criterio de Kelly. Dado que este es un artículo introductorio, no voy a detenerme en su cálculo. El criterio de Kelly hace algunas suposiciones sobre la naturaleza estadística de las declaraciones, que no lo hacen a menudo tienen cierto en los mercados financieros, por lo que los comerciantes suelen ser conservador cuando se trata de la aplicación. Otro componente clave de la gestión de riesgos es en el trato con el perfil psicológico propio de uno. Hay muchos sesgos cognitivos que pueden colarse a negociación. Aunque esto es ciertamente menos problemático con el comercio algorítmico si la estrategia se queda solo! Un sesgo común es el de la aversión a la pérdida en una posición perdedora no se cerrará debido a que el dolor de tener que darse cuenta de una pérdida. Del mismo modo, los beneficios pueden ser tomadas demasiado pronto, porque el miedo a perder un beneficio ya adquirida puede ser demasiado grande. Otro sesgo común se conoce como sesgo de lo reciente. Esto se manifiesta cuando los comerciantes ponen demasiado énfasis en los acontecimientos recientes y no en el largo plazo. Luego, por supuesto, hay el clásico par de sesgos emocionales - miedo y la codicia. Estos a menudo puede conducir a la sub o sobre-apalancamiento, que puede causar golpe en marcha (es decir, el título cuenta patrimonial a cero o peor!) O la reducción de beneficios. Como puede verse, el comercio cuantitativo es un extremadamente complejo, aunque muy interesante, área de finanzas cuantitativas. He arañado, literalmente, la superficie del tema en este artículo y que ya se está poniendo bastante largo! Libros enteros y documentos se han escrito sobre cuestiones que sólo he dado una o dos frases hacia. Por esa razón, antes de solicitar trabajos cuantitativos comerciales de fondos, es necesario llevar a cabo una cantidad significativa de estudio preliminar. Por lo menos usted tendrá una amplia experiencia en estadística y econometría, con mucha experiencia en la implementación, a través de un lenguaje de programación como MATLAB, Python o R. Para que las estrategias más sofisticadas en el extremo mayor frecuencia, su conjunto de habilidades es probable para incluir la modificación del kernel de Linux, C / C ++, la programación de montaje y optimización de latencia de la red. Si usted está interesado en tratar de crear sus propias estrategias de negociación algorítmica, mi primera sugerencia sería la de ser bueno en la programación. Mi preferencia es la construcción tanto del sistema capturador de datos, la estrategia backtester y ejecución de se posible. Si su propio capital está en la línea, ¿no dormir mejor por la noche sabiendo que has probado completamente su sistema y son conscientes de sus dificultades y problemas particulares? La externalización a un proveedor, mientras que potencialmente ahorrando tiempo en el corto plazo, podría ser muy costoso en el largo plazo. Michael Salas-Moore Mike es el fundador de QuantStart y ha estado involucrado en la industria de las finanzas cuantitativas en los últimos cinco años, principalmente como desarrollador quant y luego como consultora comerciante quant para los hedge funds. Guía de principiantes para Trading Cuantitativo 6 de mayo de 2013 05 a. m. 1 comentario Visto: 2310 En este artículo voy a presentarles a algunos de los conceptos básicos que acompañan a un sistema de comercio cuantitativa de extremo a extremo. Este post se espera servir a dos audiencias. El primero será individuos que tratan de obtener un trabajo en un fondo como un comerciante cuantitativo. La segunda será las personas que deseen tratar de establecer su propio negocio de comercio algorítmico minorista. Comercio cuantitativa es un área extremadamente sofisticada de las finanzas cuant. Se puede tomar una cantidad significativa de tiempo para adquirir los conocimientos necesarios para pasar una entrevista o construir sus propias estrategias de negociación. No sólo eso, sino que requiere una amplia experiencia en la programación, por lo menos en una lengua como MATLAB, R o Python. Sin embargo, como la frecuencia de negociación de la estrategia aumenta, los aspectos tecnológicos se convierten en mucho más relevante. Por lo tanto estar familiarizado con C / C ++ será de suma importancia. Un sistema de comercio cuantitativa consta de cuatro componentes principales: Estrategia de Identificación Encontrar una estrategia, aprovechando una ventaja y decidir sobre la frecuencia de negociación Estrategia Backtesting La obtención de datos, el análisis de rendimiento de la estrategia y la eliminación de los prejuicios Sistema de Ejecución de Vinculación a una casa de valores, la automatización del comercio y reducir al mínimo los costos de transacción Gestión de Riesgos de asignación de capital óptima, tamaño de la apuesta / criterio de Kelly y la psicología de comercio Bueno empezar por echar un vistazo a cómo identificar una estrategia de negociación. Estrategia de Identificación Todos los procesos de negociación cuantitativos comienzan con un período inicial de investigación. Este proceso de investigación abarca la búsqueda de una estrategia, de ver si la estrategia se inscribe en una cartera de otras estrategias puede que esté ejecutando, la obtención de los datos necesarios para poner a prueba la estrategia y tratar de optimizar la estrategia para un mayor rendimiento y / o menor riesgo. Usted tendrá que tener en cuenta sus propias necesidades de capital si se ejecuta la estrategia como un comerciante minorista y cómo los costes de transacción afectará a la estrategia. Contrariamente a la creencia popular en realidad es bastante sencillo encontrar estrategias rentables a través de diversas fuentes públicas. Los académicos publican regularmente los resultados comerciales teóricos (aunque en su mayoría bruto de los costos de transacción). Blogs de finanzas cuantitativas discutirán estrategias en detalle. Revistas especializadas esbozarán algunas de las estrategias empleadas por los fondos. Usted puede preguntarse por qué los individuos y las empresas están dispuestos a discutir sus estrategias rentables, especialmente cuando saben que otros hacinamiento comercio pueden detener la estrategia de trabajar en el largo plazo. La razón está en el hecho de que no se suele hablar de los parámetros exactos y métodos de ajuste que se han llevado a cabo. Estas optimizaciones son la clave para convertir una estrategia relativamente mediocre en uno altamente rentable. De hecho, una de las mejores maneras de crear sus propias estrategias únicas es encontrar métodos similares y luego llevar a cabo su propio procedimiento de optimización. He aquí una pequeña lista de lugares para empezar a buscar ideas de estrategia: Muchas de las estrategias que se verá en caerá en las categorías de media-reversión y de seguimiento de tendencias / impulso. Una estrategia de reversión a la media es la que intenta explotar el hecho de que un medio a largo plazo en una serie de precios (por ejemplo, el diferencial entre los dos activos correlacionados) existe y que las desviaciones a corto plazo de este medio con el tiempo volverán. Una estrategia de momentum intenta aprovechar tanto la psicología de los inversores y gran estructura de fondos por enganchar un paseo en una tendencia de mercado, lo que puede cobrar impulso en una dirección, y seguir la tendencia hasta que se invierte. Otro aspecto muy importante de la negociación cuantitativa es la frecuencia de la estrategia de trading. Comercio de baja frecuencia (LFT) generalmente se refiere a cualquier estrategia que mantiene activos más de un día de negociación. En consecuencia, la negociación de alta frecuencia (HFT) generalmente se refiere a una estrategia que mantiene activos intradía. Ultra-alta de comercio frecuencia (UHFT) se refiere a las estrategias que mantienen activos del orden de segundos y milisegundos. Como practicante menor HFT y UHFT son ciertamente posible, pero sólo con un conocimiento detallado de la pila y reservar para la dinámica de la tecnología de comercio. No vamos discutir estos aspectos en gran medida en este artículo introductorio. Una vez una estrategia, o un conjunto de estrategias, se ha identificado ahora tiene que hacerse la prueba de la rentabilidad en los datos históricos. Ese es el dominio de backtesting. Estrategia Backtesting El objetivo de backtesting es proporcionar evidencia de que la estrategia identificado a través del proceso anterior es rentable cuando se aplica a la vez histórica y datos fuera de la muestra. Esto establece la expectativa de cómo la estrategia llevará a cabo en el mundo real. Sin embargo, backtesting no es una garantía de éxito, por diversas razones. Es quizás la zona más sutil de comercio cuantitativa, ya que implica numerosos sesgos, los cuales deben ser cuidadosamente consideradas y eliminadas tanto como sea posible. Vamos a discutir los tipos comunes de sesgo, incluyendo el sesgo de preanálisis, sesgo de supervivencia y el sesgo de optimización (también conocido como el sesgo de los datos-espionaje). Otras áreas de importancia dentro de backtesting incluyen la disponibilidad y la limpieza de los datos históricos, el factoring en los costos de transacción realistas y decidir sobre una plataforma robusta backtesting. Bueno discutir los costos de transacción más en la sección de Sistemas de Ejecución de abajo. Una vez que una estrategia ha sido identificado, es necesario para obtener los datos históricos a través del cual llevan a cabo las pruebas y, tal vez, el refinamiento. Hay un número importante de proveedores de datos en todas las clases de activos. En general, sus costos son proporcionales a la calidad, profundidad y oportunidad de los datos. El punto de partida tradicional para el comienzo de los comerciantes cuantitativos (por lo menos en el nivel minorista) es utilizar el conjunto de Yahoo Finanzas datos libres. No voy a detenerme en los proveedores demasiado aquí, y no me gustaría concentrarme en las cuestiones de carácter general cuando se trata de conjuntos de datos históricos. Las principales preocupaciones con datos históricos incluyen exactitud / limpieza, sesgo de supervivencia y el ajuste de las acciones corporativas tales como dividendos y splits: Exactitud se refiere a la calidad global de los datos si contiene errores. Los errores pueden a veces ser fáciles de identificar, tal como con un filtro de picos. que recogerá los picos incorrectas en los datos de series de tiempo y correcta para ellos. Otras veces puede ser muy difícil de detectar. A menudo es necesario tener dos o más proveedores y compruebe todos sus datos contra la otra. Sesgo de supervivencia es a menudo una característica de los conjuntos de datos gratuitos o baratos. Un conjunto de datos con sesgo de supervivencia significa que no contiene activos que ya no están negociando. En el caso de la renta variable, esto significa las poblaciones de cotizar / quiebra. Este sesgo significa que cualquier estrategia de comercio de acciones probado en un conjunto de datos tales probablemente un mejor desempeño que en el mundo real como los ganadores históricos ya han sido preseleccionado. Las acciones corporativas incluyen actividades logísticas llevadas a cabo por la empresa que generalmente causan un cambio de paso-función en el precio de crudo, que no debe ser incluido en el cálculo de los rendimientos del precio. Ajustes por dividendos y splits son los culpables más comunes. Un proceso conocido como ajuste de espalda es necesario llevar a cabo en cada una de estas acciones. Hay que tener mucho cuidado de no confundir una división de acciones con un cierto ajuste de las devoluciones. Más de un comerciante ha sido atrapado por una acción corporativa! Con el fin de llevar a cabo un procedimiento de backtest es necesario el uso de una plataforma de software. Usted tiene la opción entre el software backtest dedicado, como Tradestation, una plataforma numérica como Excel o Matlab o una implementación personalizada completo en un lenguaje de programación como Python o C ++. No voy a detenerme demasiado en Tradestation (o similar), Excel o MATLAB, como creo en la creación de una pila completa en la empresa de tecnología (por razones que se exponen a continuación). Uno de los beneficios de hacerlo es que el software y la ejecución del sistema backtest puede ser estrechamente integrado, incluso con estrategias estadísticas muy avanzados. Para las estrategias HFT En particular, es esencial utilizar una implementación personalizada. Cuando backtesting un sistema uno debe ser capaz de cuantificar lo bien que se está realizando. Las métricas estándar de la industria para las estrategias cuantitativas son la reducción máxima y el Ratio Sharpe. La reducción máxima caracteriza la caída más grande de pico a través de la curva de capital de la cuenta durante un período de tiempo determinado (generalmente anual). Esto es lo más a menudo citado como un porcentaje. Estrategias LFT tenderán a tener Disposiciones más grandes que las estrategias de HFT, debido a una serie de factores estadísticos. Un backtest histórica mostrará la reducción máxima pasado, que es una buena guía para el desempeño futuro retiro de la estrategia. La segunda medida es el Ratio de Sharpe, que se heurísticamente define como el promedio de los rendimientos superiores dividido por la desviación estándar de los rendimientos excedentes. Aquí, exceso de rentabilidad se refiere a la devolución de la estrategia por encima de un punto de referencia predeterminado. tales como el SP500 o 3 meses de Letras del Tesoro. Tenga en cuenta que el retorno anualizado no es una medida generalmente utilizada, ya que no tiene en cuenta la volatilidad de la estrategia (a diferencia de la Ratio Sharpe). Una vez que una estrategia ha sido backtested y se considera que estar libre de sesgos (en la medida en que es posible!), Con un buen Sharpe y detracciones minimizadas, es el momento de construir un sistema de ejecución. Sistemas de Ejecución Un sistema de ejecución es el medio por el que la lista de las operaciones generadas por la estrategia se envían y ejecutado por el corredor. A pesar del hecho de que la generación comercio puede ser semi-automatizado o incluso totalmente, el mecanismo de ejecución puede ser manual, semi-manual (es decir un clic) o totalmente automatizado. Para que las estrategias LFT, técnicas manuales y semi-manuales son comunes. Para que las estrategias HFT es necesario crear un mecanismo de ejecución totalmente automatizada, que a menudo se estrechamente unida con el generador de comercio (debido a la interdependencia de la estrategia y la tecnología). Las consideraciones clave al crear un sistema de ejecución son la interfaz con el corretaje, la minimización de los costos de transacción (incluyendo comisiones, el deslizamiento y la propagación) y divergencia de rendimiento del sistema en vivo desde el rendimiento backtested. Hay muchas maneras de interactuar con una casa de valores. Se extienden de llamar a su agente en el teléfono a través de una interfaz de programación de aplicaciones de alto rendimiento totalmente automatizado (API). Lo ideal sería que desea automatizar la ejecución de sus operaciones tanto como sea posible. Esto le libera para concentrarse en nuevas investigaciones, así como permitirá ejecutar múltiples estrategias e incluso las estrategias de mayor frecuencia (de hecho, HFT es esencialmente imposible sin la ejecución automatizada). El software backtesting común esbozado anteriormente, tales como MATLAB, Excel y Tradestation son buenos para la frecuencia más baja, las estrategias más simples. Sin embargo, será necesario construir un sistema de ejecución de la casa escrito en un lenguaje de alto rendimiento, tales como C ++ con el fin de hacer cualquier HFT real. Como anécdota, en el fondo yo solía trabajar en, tuvimos un lazo comercial 10 minutos donde íbamos a descargar nuevos datos de mercado cada 10 minutos y luego ejecutar operaciones sobre la base de esa información en el mismo período de tiempo. Esto estaba usando un script de Python optimizado. Por algo parecido datos minuto - o segunda frecuencia, creo que C / C ++ sería más ideal. En un fondo más grande que muchas veces no es el dominio del comerciante quant para optimizar la ejecución. Sin embargo, en pequeños comercios o empresas HFT, los comerciantes son los ejecutores y así un conjunto de habilidades mucho más amplia es a menudo deseable. Tenga en cuenta si quieres estar al servicio de un fondo. Sus conocimientos de programación será tan importante, si no más, que sus estadísticas y econometría talentos! Otra cuestión importante que cae bajo la bandera de la ejecución es el de minimización de costos de transacción. En general, existen tres componentes en los costos de transacción: Comisiones (o impuestos), que son los honorarios que cobra el corretaje, el intercambio y la SEC (u organismo regulador gubernamental similar); deslizamiento, que es la diferencia entre lo que pretende su pedido para ser llenado en comparación con lo que fue en realidad llena en; propagación, que es la diferencia entre el bid / ask precio del valor se comercia. Tenga en cuenta que la propagación no es constante y depende de la liquidez actual (es decir, la disponibilidad de las órdenes de compra / venta) en el mercado. Los costos de transacción pueden hacer la diferencia entre una estrategia muy rentable con un buen ratio de Sharpe y una estrategia muy rentable con un ratio de Sharpe terrible. Puede ser un desafío para predecir correctamente los costos de transacción de un backtest. Dependiendo de la frecuencia de la estrategia, tendrá acceso a los datos de cambio históricos, que incluirá los datos de graduación para la compra / venta de los precios.
No comments:
Post a Comment