Quantitative Trading Strategien Download

Quantitative Trading-Strategien. Author Datum 26. Januar 2011, Views. Quantitative Trading-Strategien, die die Macht der quantitativen Techniken nutzen, um ein Winning Trading-Programm zu schaffen 256 Seiten 1 Ausgabe 16. Juli 2003 0071412395 Dateityp PDF 2 mb. Harnessing die Macht der quantitativen Techniken zu erstellen Ein gewinnendes Trading-ProgrammLars Kestner Quantitative Trading-Strategien nehmen Leser durch die Entwicklungs - und Evaluierungsphasen der heute populärsten und marktbewährten technischen Handelsstrategien Quantifizierung jeder subjektiven Entscheidung im Trading-Prozess, dieses analytische Buch bewertet die Arbeit von bekannten Quants von John Henry zu Monroe Forelle und stellt 12 alle neuen Handelsstrategien vor Es debunks zahlreiche populäre Missverständnisse, und ist sicher, Wellen zu bilden und ändern Sie mindsin der Welt der technischen Analyse und trading. Copyright Disclaimer Diese Seite speichert keine Akten auf seinem Bediener Wir nur Index und Verknüpfung zu Inhalten, die von anderen Seiten bereitgestellt werden Bitte wenden Sie sich an die Inhaltsanbieter, um den Urheberrechtsinhalt zu löschen, falls vorhanden und per E-Mail, wir werden relevante Links oder Inhalte sofort entfernen. Eine empirische Analyse quantitativer Handelsstrategien. Eine empirische Analyse quantitativer Handelsstrategien. igh Andrew W Lo. Department Sloan School of Management. Publisher Massachusetts Institute of Technology. Date Issue 2008.Along mit der zunehmenden Rechenleistung, wachsende Verfügbarkeit von verschiedenen Datenströmen, Einführung der elektronischen Börsen, sinkende Handelskosten und Heizungs-Wettbewerb in der Finanz-Investment-Industrie , Quantitative Handelsstrategien oder quantitative Handelsregeln haben sich in wenigen Jahrzehnten rasant entwickelt. Sie fordern die effiziente Markthypothese heraus, indem sie versuchen, zukünftige Kursbewegungen von riskanten Vermögenswerten aus den historischen Marktinformationen in algorithmischer Weise oder in statistischer Weise zu prognostizieren. Sie versuchen, Pattern zu finden Oder Trends aus den historischen Daten und nutzen sie, um den Markt-Benchmark zu schlagen In dieser Forschung stelle ich mehrere quantitative Trading-Strategien vor und untersuche ihre Leistungen empirisch, dh durch die Durchführung von Back-Tests unter der Annahme, dass der SP 500 Aktienindex ein riskantes Asset zum Handel ist Die Strategien Nutzen die historischen Daten des Aktienindex selbst, die Handelsvolumenbewegung, die risikofreie Ratenbewegung und die implizite Volatilitätsbewegung, um Kauf - oder Verkaufssignale zu generieren. Dann versuche ich, die Quelle für Erfolge einiger Strategien im Back - Tests in mehrere Faktoren wie Trendmuster oder Beziehungen zwischen Marktinformationsvariablen in intuitiver Weise Einige Strategien verzeichneten höhere Leistungen als die Benchmark in den Backtests, aber es ist immer noch ein Problem, wie wir diese Gewinnerstrategien vorher von den Verlierern an der Beginn unseres Anlagehorizonts Die menschliche Diskretion wie die Makro-Sicht auf den zukünftigen Markttrend gilt als eine wichtige Rolle für den quantitativen Handel, um in der Langzeit erfolgreich zu sein. Thesis MBA --Massachusetts Institute of Technology, Sloan School of Management, 2008 Beinhaltet bibliographische referenzen p 277-280.Keywords Sloan School of Management. Beginner s Guide to Quantitative Trading. In diesem Artikel werde ich Ihnen vorstellen, einige der grundlegenden Konzepte, die ein Ende-zu-Ende quantitativen Handelssystem begleiten Diese Post Wird hoffentlich zwei Zuschauer dienen Die ersten werden Einzelpersonen versuchen, einen Job an einem Fonds als quantitativen Trader zu bekommen Die zweite werden Einzelpersonen, die versuchen wollen, ihre eigenen Einzelhandel algorithmischen Handel Geschäft. Quantitative Handel ist ein äußerst anspruchsvolles Gebiet von quant Finanzen Es kann eine beträchtliche Zeit in Anspruch nehmen, um das nötige Wissen zu erlangen, um ein Interview zu bestehen oder eigene Trading-Strategien zu konstruieren. Nicht nur das, sondern erfordert umfangreiche Programmierkenntnisse, zumindest in einer Sprache wie MATLAB, R oder Python Die Handelshäufigkeit der Strategie steigt, die technologischen Aspekte werden viel wichtiger. So vertraut mit CC wird von überragender Bedeutung sein. Ein quantitatives Handelssystem besteht aus vier Hauptkomponenten. Strategie Identifizierung - Finden einer Strategie, Ausnutzung einer Kante und Entscheidung über den Handel Häufigkeit. Strategie Backtesting - Datenerfassung, Analyse von Strategie-Performance und Entfernen von Biases. Execution System - Verknüpfung mit einem Brokerage, Automatisierung der Handel und Minimierung der Transaktionskosten. Risk Management - Optimale Kapitalallokation, Wette Größe Kelly Kriterium und Handelspsychologie. Wir beginnen mit Einen Blick auf die Identifizierung einer Handelsstrategie. Strategie Identifizierung. Alle quantitativen Handelsprozesse beginnen mit einer ersten Phase der Forschung Dieser Forschungsprozess umfasst die Suche nach einer Strategie, ob die Strategie passt in ein Portfolio von anderen Strategien, die Sie ausgeführt werden können, erhalten Alle Daten, die notwendig sind, um die Strategie zu testen und zu versuchen, die Strategie für höhere Renditen und / oder geringere Risiken zu optimieren Sie müssen in Ihre Eigenkapitalanforderungen Faktor, wenn die Strategie als Einzelhändler und wie Transaktionskosten die Strategie beeinflussen Faktor. Contrary to Populärer Glaube ist es eigentlich ganz einfach, profitable Strategien durch verschiedene öffentliche Quellen zu finden Akademiker veröffentlichen regelmäßig theoretische Handelsergebnisse, wenngleich meistens grob von Transaktionskosten Quantitative Finanz-Blogs diskutieren Strategien im Detail Fachzeitschriften werden einige der Strategien, die von Fonds angewendet werden Warum Einzelpersonen und Firmen scharf sind, ihre rentablen Strategien zu besprechen, besonders wenn sie wissen, dass andere, die den Handel verdrängen, die Strategie davon abhalten können, auf lange Sicht zu arbeiten Der Grund liegt darin, dass sie nicht oft die genauen Parameter und die Abstimmungsmethoden besprechen werden Sie haben diese Optimierungen durchgeführt Der Schlüssel ist, um eine relativ mittelmäßige Strategie in eine hoch rentable zu verwandeln In der Tat ist eine der besten Möglichkeiten, um Ihre eigenen einzigartigen Strategien zu schaffen, ähnliche Methoden zu finden und dann führen Sie Ihre eigene Optimierung Verfahren. Hier ist Eine kleine Liste von Orten, um auf der Suche nach Strategie-Ideen zu beginnen. Viele der Strategien, die Sie betrachten werden in die Kategorien der Mittel-Reversion und Trend-Follow-Impuls fallen Eine Mittel-Rückkehr-Strategie ist eine, die versucht, die Tatsache, dass eine lange zu nutzen - Mittel auf einer Preisreihe wie die Verteilung zwischen zwei korrelierten Vermögenswerten existiert und diese kurzfristigen Abweichungen von diesem Mittel werden schließlich zurücktreten Eine Impulsstrategie versucht, sowohl Investorenpsychologie als auch große Fondsstruktur zu nutzen, indem sie eine Fahrt auf einen Markttrend, Kann in einer Richtung Impulse sammeln und dem Trend folgen, bis es sich umkehrt. Ein weiterer, sehr wichtiger Aspekt des quantitativen Handels ist die Häufigkeit der Handelsstrategie Niederfrequenzhandel LFT bezieht sich allgemein auf jede Strategie, die Vermögenswerte länger als einen Handelstag hält. Entsprechend Hochfrequenz Handel HFT bezieht sich allgemein auf eine Strategie, die Vermögenswerte intraday hält. Hochfrequenzhandel UHFT bezieht sich auf Strategien, die Vermögenswerte in der Größenordnung von Sekunden und Millisekunden halten. Als Einzelhandels-Praktiker HFT und UHFT sind sicherlich möglich, aber nur mit detaillierten Kenntnissen der Handelstechnologie Stapel - und Auftragsbuchdynamik Wir haben diese Aspekte in diesem Einführungsartikel in großem Ausmaß besprochen. Eine Strategie oder ein Satz von Strategien wurde erkannt, dass sie nun für die Profitabilität auf historischen Daten getestet werden muss. Das ist die Domäne des Backtests. Strategie Backtesting. Das Ziel der Backtesting ist es, Beweise dafür, dass die Strategie identifiziert über die oben genannten Prozess ist rentabel, wenn auf historische und out-of-sample Daten angewendet Dies setzt die Erwartung, wie die Strategie in der realen Welt führen wird jedoch Backtesting Ist kein Garant für den Erfolg, aus verschiedenen Gründen Es ist vielleicht der subtilste Bereich des quantitativen Handels, da er zahlreiche Vorurteile mit sich bringt, die sorgfältig betrachtet und so weit wie möglich beseitigt werden müssen. Wir werden die üblichen Arten von Bias einschließlich der Vorausschau prüfen Überlebensstörung Bias und Optimierung Bias auch bekannt als Data-Snooping Bias Andere Bereiche von Bedeutung im Backtesting gehören Verfügbarkeit und Sauberkeit der historischen Daten, Factoring in realistischen Transaktionskosten und die Entscheidung über eine robuste Backtesting-Plattform Wir diskutieren Transaktionskosten weiter in der Execution Systems Abschnitt unten. Wenn eine Strategie identifiziert wurde, ist es notwendig, die historischen Daten zu erhalten, durch die die Prüfung durchgeführt werden kann, und vielleicht die Verfeinerung Es gibt eine beträchtliche Anzahl von Datenverkäufern über alle Assetklassen. Ihre Kosten im Allgemeinen skalieren mit der Qualität, Tiefe und Rechtzeitigkeit Der Daten Der traditionelle Ausgangspunkt für den Anfang von Quant-Händlern zumindest auf der Einzelhandelsstufe ist es, den freien Datensatz von Yahoo Finance zu nutzen, den ich bei den Anbietern zu viel hier gewinnt habe. Vielleicht möchte ich mich auf die allgemeinen Fragen konzentrieren, wenn es um den Umgang geht Historische Datensätze. Die Hauptanliegen mit historischen Daten sind Genauigkeit Sauberkeit, Überlebensvorsorge und Anpassung für Corporate Aktionen wie Dividenden und Aktiensplits. Accuracy bezieht sich auf die allgemeine Qualität der Daten - ob es Fehler enthält Fehler können manchmal leicht zu identifizieren , Wie z. B. mit einem Spike-Filter, der falsche Spikes in Zeitreihen-Daten auswählt und für sie korrigiert. An anderen Zeiten können sie sehr schwer zu erkennen sein. Es ist oft notwendig, zwei oder mehr Anbieter zu haben und dann alle ihre Daten gegen jeden zu überprüfen Other. Survivorship Bias ist oft ein Merkmal von freien oder billigen Datasets Ein Datensatz mit Überlebensvoraussetzung bedeutet, dass es keine Vermögenswerte enthält, die nicht mehr handeln. Im Falle von Aktien bedeutet dies, dass die Bankrott-Bestände diese Bias bedeutet, dass jede Aktienhandelsstrategie getestet wird Ein solches Dataset wird wahrscheinlich besser als in der realen Welt, wie die historischen Gewinner bereits vorgewählt worden sind. Corporate Aktionen gehören logistische Aktivitäten durch das Unternehmen durchgeführt, die in der Regel eine Schritt-Funktion ändern im Rohpreis, die nicht in enthalten werden sollte Die Berechnung der Renditen des Preises Anpassungen für Dividenden und Aktiensplits sind die gemeinsamen Täter Ein Prozeß, der als Rückanpassung bekannt ist, ist notwendig, um bei jeder dieser Aktionen durchgeführt zu werden. Man muss sehr vorsichtig sein, einen Aktiensplit nicht mit einer wahren Rendite zu verwechseln Anpassung Viele Trader wurden von einer Corporate Action gefangen. Um eine Backtest-Prozedur durchzuführen, ist es notwendig, eine Software-Plattform zu nutzen. Sie haben die Wahl zwischen dedizierter Backtest-Software wie Tradestation, einer numerischen Plattform wie Excel oder MATLAB Oder eine vollständige benutzerdefinierte Implementierung in einer Programmiersprache wie Python oder CI gewann t zu viel auf Tradestation oder ähnlich, Excel oder MATLAB, wie ich glaube an die Schaffung eines kompletten Inhouse-Technologie-Stack aus Gründen, die unten umrissen Einer der Vorteile des Tuns So kann das Backtest-Software - und - Verwaltungssystem auch bei extrem fortgeschrittenen statistischen Strategien eng integriert werden. Für HFT-Strategien ist es vor allem notwendig, eine benutzerdefinierte Implementierung zu nutzen. Bei einem Backtesting eines Systems muss man in der Lage sein zu quantifizieren, wie gut es funktioniert Industrie-Standard-Metriken für quantitative Strategien sind die maximale Drawdown und die Sharpe Ratio Die maximale Drawdown charakterisiert den größten Peak-to-Trog-Drop in der Konto-Equity-Kurve über einen bestimmten Zeitraum in der Regel jährlich Dies ist am häufigsten zitiert als prozentuale LFT-Strategien werden tendieren Um größere Drawdowns als HFT-Strategien zu haben, aufgrund einer Reihe von statistischen Faktoren Ein historischer Backtest zeigt den bisherigen maximalen Drawdown, was ein guter Leitfaden für die zukünftige Drawdown-Performance der Strategie ist. Die zweite Messung ist die Sharpe Ratio, die heuristisch definiert ist Als der Durchschnitt der Überschussrenditen geteilt durch die Standardabweichung dieser Überschussrenditen Hier beziehen sich die Überschussrenditen auf die Rendite der Strategie über einem vorgegebenen Benchmark wie dem S-Schlupf, was der Unterschied zwischen dem, was Sie beabsichtigt haben, Gefüllt werden, im Vergleich zu dem, was es tatsächlich gefüllt wurde bei der Ausbreitung, was ist der Unterschied zwischen dem Gebot fragen Preis der Sicherheit gehandelt Beachten Sie, dass die Ausbreitung ist nicht konstant und ist abhängig von der aktuellen Liquidität dh Verfügbarkeit von Kauf verkaufen Bestellungen auf dem Markt. Transaktionskosten können den Unterschied zwischen einer äußerst profitable Strategie mit einer guten Sharpe-Ratio und einer äußerst unrentablen Strategie mit einem schrecklichen Sharpe-Verhältnis machen. Es kann eine Herausforderung sein, die Transaktionskosten korrekt von einem Backtest vorherzusagen. Je nach Häufigkeit der Strategie benötigen Sie Zugriff auf historische Austauschdaten, die Tick-Daten für Bid-Ask-Preise enthalten werden. Gesamte Teams von Quants sind der Optimierung der Ausführung in den größeren Fonds gewidmet, aus diesen Gründen Betrachten Sie das Szenario, in dem ein Fonds eine erhebliche Menge von Trades, von denen die Gründe dafür sind viele und vielfältig Durch das Dumping so viele Aktien auf den Markt, werden sie schnell deprimieren den Preis und kann nicht optimale Ausführung erhalten Daher Algorithmen, die Futter Bestellungen auf den Markt zu tropfen gibt, obwohl dann der Fonds läuft das Risiko von Schlupf weiter Dass andere Strategien Beute auf diese Notwendigkeiten und können die Ineffizienzen ausnutzen Dies ist die Domäne der Fondsstruktur Arbitrage. Das letzte Hauptproblem für Ausführungssysteme betrifft die Divergenz der Strategie-Performance aus der Rückversicherung Leistung Dies kann aus einer Reihe von Gründen, die wir bereits diskutiert haben Look-Ahead Bias und Optimierung Bias in der Tiefe, bei der Betrachtung Backtests Allerdings sind einige Strategien nicht leicht zu testen für diese Vorspannungen vor der Bereitstellung Dies geschieht in HFT am meisten überwiegend Es kann Bugs in der Ausführung System sowie die Handelsstrategie Selbst, die nicht auf einem Backtest auftauchen, aber DO auftauchen im Live-Handel Der Markt kann unter Umständen einem Regimewechsel nach dem Einsatz Ihrer Strategie unterworfen werden Neue regulatorische Umgebungen, die Veränderung der Anlegerstimmung und makroökonomische Phänomene können alle zu Divergenzen führen, wie Der Markt verhält sich und damit die Profitabilität Ihrer Strategie. Risk Management. Das endgültige Stück zum quantitativen Trading Puzzle ist der Prozess des Risikomanagements Risiko beinhaltet alle bisherigen Vorurteile, die wir diskutiert haben Es umfasst Technologie-Risiko, wie z. B. Server ko-lokalisiert an Der Austausch plötzlich die Entwicklung einer Festplatte Störung Es beinhaltet Brokerage-Risiko, wie der Makler in Konkurs wird nicht so verrückt wie es klingt, angesichts der jüngsten Angst mit MF Global In kurz es deckt fast alles, was möglicherweise mit der Handels-Umsetzung stören könnte, von denen Es gibt viele Quellen Ganze Bücher sind dem Risikomanagement für quantitative Strategien gewidmet, also werde ich nicht versuchen, auf alle möglichen Quellen des Risikos hier aufzuklären. Das Risikomanagement umfasst auch das, was als optimale Kapitalallokation bekannt ist, die ein Zweig der Portfolio-Theorie ist Bedeutet, durch welches Kapital eine Reihe von verschiedenen Strategien und die Trades innerhalb dieser Strategien zugeordnet ist Es ist ein komplexes Gebiet und stützt sich auf einige nicht-triviale Mathematik Die Industrie-Standard, durch die optimale Kapitalallokation und Hebelwirkung der Strategien verwandt sind, heißt die Kelly-Kriterium Da es sich hierbei um einen einleitenden Artikel handelt, gewann ich bei der Berechnung. Das Kelly-Kriterium macht einige Annahmen über die statistische Natur der Renditen, die in den Finanzmärkten nicht oft zutreffen, so dass die Händler oftmals konservativ sind, wenn es um die Umsetzung geht. Ein weiterer wichtiger Bestandteil des Risikomanagements besteht im Umgang mit einem eigenen psychologischen Profil Es gibt viele kognitive Vorurteile, die in den Handel eindringen können. Obwohl dies bei dem Algorithmischen Handel zwar weniger problematisch ist, wenn die Strategie allein gelassen wird, ist eine gemeinsame Vorspannung die der Verlustaversion Wo eine verlorene Position wird nicht ausgeschlossen werden aufgrund der Schmerzen, um einen Verlust zu realisieren Ähnlich können Gewinne zu früh genommen werden, weil die Angst, einen bereits gewonnenen Gewinn zu verlieren, kann zu groß sein Eine weitere gemeinsame Vorliebe ist bekannt als Recency Bias Dies manifestiert sich Selbst, wenn die Händler zu viel Wert auf die jüngsten Ereignisse und nicht auf die längerfristige Zeit legen. Natürlich gibt es das klassische Paar emotionale Vorurteile - Angst und Gier Diese können oft zu Unter - oder Überhemmung führen, was zu Blow-up führen kann Die Konto-Equity-Überschrift auf Null oder schlechter oder reduzierte Gewinne. As gesehen werden kann, ist quantitativen Handel ein äußerst komplexes, wenn auch sehr interessant, Bereich der quantitativen Finanzierung Ich habe buchstäblich die Oberfläche des Themas in diesem Artikel gekratzt und es ist schon ziemlich Lange Ganze Bücher und Papiere wurden über Fragen geschrieben, die ich nur einen Satz oder zwei in Richtung gegeben habe. Aus diesem Grund, bevor ich mich für quantitative Fondshandelsaufgaben bewerbe, ist es notwendig, eine erhebliche Menge an Grundlagenstudium durchzuführen. Zumindest werden Sie Benötigen einen umfangreichen Hintergrund in der Statistik und Ökonometrie, mit viel Erfahrung in der Implementierung, über eine Programmiersprache wie MATLAB, Python oder R Für anspruchsvollere Strategien am höheren Frequenzende, wird Ihr Skill-Set wahrscheinlich Linux Kernel Modifikation, CC gehören , Assembler-Programmierung und Netzwerk-Latenz-Optimierung. Wenn Sie daran interessiert sind, Ihre eigenen algorithmischen Trading-Strategien zu erstellen, wäre mein erster Vorschlag wäre es, gut auf Programmierung Meine Vorliebe ist es, so viel von der Daten-Grabber, Strategie-Backtester und Ausführung System durch zu bauen Sich selbst wie möglich Wenn dein eigenes Kapital auf der Linie ist, würdetest du in der Nacht besser schlafen, wenn du weißt, dass du dein System vollständig getestet hast und mir seine Fallstricke und besondere Probleme bewusst bist. Outsourcing dieses an einen Verkäufer, während du kurzfristig Zeit spart , Könnte extrem teuer sein in der langfristigen. Just Getting Started mit quantitativen Trading.