Quantitative trading strategies in r

As estratégias quantitativas de investimento evoluíram em ferramentas muito complexas com o advento de computadores modernos, mas as raízes das estratégias remontam a mais de 70 anos. Geralmente são executadas por equipes altamente instruídas e usam modelos proprietários para aumentar sua capacidade de Vencer o mercado Há ainda off-the-shelf programas que são plug-and-play para aqueles que procuram simplicidade Quant modelos sempre funcionam bem quando volta testado, mas suas aplicações reais e taxa de sucesso são discutíveis Enquanto eles parecem funcionar bem em mercados de touro Quando os mercados ficam mal, as estratégias quanti está sujeita aos mesmos riscos que qualquer outra estratégia. A história Um dos pais fundadores do estudo da teoria quantitativa aplicada ao financiamento foi Robert Merton Você só pode imaginar o quão difícil e demorado o processo foi Antes do uso de computadores Outras teorias em finanças também evoluíram de alguns dos primeiros estudos quantitativos, incluindo a base de base de diversificação de carteira D na teoria da carteira moderna O uso de finanças quantitativas e cálculos levou a muitas outras ferramentas comuns, incluindo uma das mais famosas, Black-Scholes fórmula opção de preço, que não só ajuda os investidores preço opções e desenvolver estratégias, mas ajuda a manter os mercados Em cheque com a liquidez. Quando aplicado diretamente à gestão de carteiras a meta é como qualquer outra estratégia de investimento para agregar valor, alfa ou excesso retorna Quants, como os desenvolvedores são chamados, compor modelos matemáticos complexos para detectar oportunidades de investimento Há tantos modelos lá fora Como quants que desenvolvê-los, e todos afirmam ser o melhor Um dos pontos de uma estratégia de investimento quantita s best-seller é que o modelo e, finalmente, o computador, faz a decisão de compra de compra real, não um humano Isso tende a remover qualquer emocional Resposta que uma pessoa pode experimentar ao comprar ou vender investimentos. As estratégias de acordo são agora aceitas na comunidade do investimento e funcionadas por fundos mútuos, fundos de hedge um D investidores institucionais Eles normalmente vão pelo nome alfa geradores ou alfa gens. Behind the Curtain Assim como em The Wizard of Oz, alguém está por trás da cortina de condução do processo Como com qualquer modelo, é apenas tão bom como o humano que desenvolve o Embora não exista um requisito específico para se tornar um quant, a maioria das empresas que executam modelos quant combinam as habilidades de analistas de investimento, estatísticos e programadores que codificam o processo nos computadores Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum Para ver credenciais como pós-graduação e doutorado em finanças, economia, matemática e engenharia. Historicamente, esses membros da equipe trabalhou nos escritórios de volta, mas como modelos quant se tornou mais comum, o back office está se movendo para o front office. A taxa de sucesso global é discutível, a razão de algumas estratégias quant trabalho é que eles são baseados em disciplina Se o modelo é certo, a disciplina mantém E que trabalham com computadores de velocidade relâmpago para explorar ineficiências nos mercados com base em dados quantitativos Os próprios modelos podem ser baseados em tão poucas razões como a dívida de PE para o crescimento da equidade e dos lucros, ou usar milhares de insumos trabalhando juntos no mesmo Time. Successful estratégias podem pegar em tendências em seus estágios iniciais como os computadores constantemente executar cenários para localizar ineficiências antes de outros fazer Os modelos são capazes de analisar um grande grupo de investimentos simultaneamente, onde o analista tradicional pode estar olhando para apenas alguns Em um momento O processo de triagem pode classificar o universo por níveis de grau como 1-5 ou AF, dependendo do modelo Isso torna o processo de negociação real muito simples, investindo nos investimentos altamente cotados e vendendo os mais baixos. Up de estratégias como longo, curto e longo curto fundos bem sucedidos quant manter um olho afiado no controle de risco devido à natureza de seus modelos M Ost estratégias começam com um universo ou benchmark e uso setor e ponderações da indústria em seus modelos Isso permite que os fundos para controlar a diversificação, em certa medida, sem comprometer o próprio modelo Quant fundos normalmente são executados em uma base de custo mais baixo porque eles don t necessidade de tantos Analistas tradicionais e gestores de carteira para executá-los. Desvantagens de estratégias Quant Há razões por que tantos investidores não abraçar totalmente o conceito de deixar uma caixa preta executar seus investimentos Para todos os fundos bem sucedidos quant lá fora, assim como muitos parecem ser malsucedido A gestão de capital de longo prazo foi um dos mais famosos fundos de hedge, uma vez que foi gerido por alguns dos mais respeitados líderes acadêmicos e dois economistas ganhadores do Prêmio Nobel Myron S Scholes e Robert C Merton Durante a década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Ere famoso por não só explorar as ineficiências, mas usando o acesso fácil ao capital para criar apostas alavancadas enormes sobre as direções do mercado. A natureza disciplinada de sua estratégia realmente criou a fraqueza que levou ao seu colapso Long Term Capital Management foi liquidado e dissolvido no início de 2000 Seus modelos não incluem a possibilidade de que o governo russo poderia inadimplência sobre alguns de sua própria dívida Este evento desencadeou eventos e uma reação em cadeia ampliada pelo alvoroço criado havoc LTCM foi tão fortemente envolvido com outras operações de investimento que seu colapso afetou os mercados mundiais , Desencadeando eventos dramáticos A longo prazo, o Federal Reserve interveio para ajudar, e outros bancos e fundos de investimento apoiou LTCM para evitar mais danos Esta é uma das razões quant fundos podem falhar, uma vez que são baseados em eventos históricos que podem Não incluir eventos futuros. Enquanto uma equipa de quant forte vai constantemente acrescentando novos aspectos aos modelos para prever o futuro Eventos, é impossível prever o futuro cada vez Quant fundos também podem tornar-se oprimido quando a economia e os mercados estão experimentando maior do que a volatilidade média Os sinais de compra e venda pode vir tão rapidamente que a alta rotatividade pode criar comissões elevadas e eventos tributáveis Quant fundos também pode representar um perigo quando eles são comercializados como à prova de urso ou são baseados em estratégias de curto Previsão de recessões usando derivativos e combinação de alavancagem pode ser perigoso Um giro errado pode levar a implosões, que muitas vezes fazem a notícia. As estratégias evoluíram de caixas pretas de back office para ferramentas de investimento mainstream Eles são projetados para utilizar as melhores mentes no negócio e os computadores mais rápidos tanto para explorar as ineficiências e alavancar uso para fazer apostas no mercado Eles podem ser muito bem sucedidos se os modelos têm incluído todos os Direita e são ágeis o suficiente para prever eventos anormais do mercado Por outro lado, enquanto os fundos quant são rigorosamente Back testado até que eles trabalham, a sua fraqueza é que eles dependem de dados históricos para o seu sucesso Embora o estilo de estilo de investimento tem seu lugar no mercado, é importante estar ciente de suas deficiências e riscos Para ser coerente com as estratégias de diversificação é uma boa Idéia de tratar estratégias quant como um estilo de investimento e combiná-lo com as estratégias tradicionais para alcançar diversificação adequada. O montante máximo de dinheiro os Estados Unidos podem emprestar O teto da dívida foi criado sob o segundo Liberty Bond Act. A taxa de juros em que uma instituição depositária Empresta fundos mantidos no Federal Reserve a outra instituição depositária.1 Uma medida estatística da dispersão de retornos para um determinado título ou índice de mercado A volatilidade pode ser medida. Um ato que o Congresso dos Estados Unidos aprovou em 1933 como a Lei Bancária, Os salários bancários não se referem a qualquer trabalho fora das fazendas, das famílias e das organizações sem fins Setor O US Bureau of Labour. The abreviatura de moeda ou símbolo de moeda para a rupia indiana INR, a moeda da Índia A rupia é composta de 1.Financial Matemática e Modelagem II FINC 621 é uma classe de nível de pós-graduação que é oferecido atualmente em Loyola University Em Chicago durante o trimestre de inverno FINC 621 explora tópicos em finanças quantitativas, matemática e programação A classe é prática na natureza e é composta por uma palestra e um componente de laboratório Os laboratórios utilizam a linguagem de programação R e os alunos são obrigados a apresentar suas atribuições individuais No final de cada classe O objetivo final do FINC 621 é fornecer aos alunos com ferramentas práticas que eles podem usar para criar, modelar e analisar estratégias de negociação simples. Alguns links R úteis. Sobre o Instrutor. Harry G é um comerciante quantitativo sênior para Uma empresa comercial HFT em Chicago Ele tem um mestrado em Engenharia Elétrica e um mestrado em Matemática Financeira da Universidade de Chicago Em Seu tempo livre, Harry ensina um curso de pós-graduação em Finanças Quantitativas na Universidade Loyola em Chicago Ele também é o autor de Quantitative Trading com Guia de R. Beginner s Quantitative Trading. Neste artigo vou apresentar-lhe alguns dos Conceitos básicos que acompanham um sistema de comércio quantitativo de ponta a ponta Este post será espero servir a duas audiências A primeira será indivíduos tentando obter um emprego em um fundo como um comerciante quantitativo O segundo será indivíduos que desejam tentar e criar seus O negócio de negociação algorítmica de varejo. Negociação quantitativa é uma área extremamente sofisticada de finanças quantitativas Pode levar uma quantidade significativa de tempo para obter o conhecimento necessário para passar uma entrevista ou construir suas próprias estratégias de negociação Não só isso, Pelo menos em uma linguagem como MATLAB, R ou Python No entanto, como a freqüência de negociação da estratégia aumenta, os aspectos tecnológicos tornam-se Muito mais relevante Assim estar familiarizado com CC será de importância primordial. Um sistema de comércio quantitativo consiste em quatro componentes principais. Identificação da trilha - encontrando uma estratégia, explorando uma borda e decidindo na freqüência negociando. Backtear da estratégia - obtenção de dados, analisando o desempenho da estratégia e Eliminando os preconceitos. Sistema de Execução - Ligação a uma corretora, automatizando a negociação e minimizando custos de transação. Gestão de Risco - alocação de capital Optimal, critério de Kelly de tamanho de aposta e psicologia comercial. Vamos começar por dar uma olhada em como identificar uma estratégia de negociação. Este processo de pesquisa abrange encontrar uma estratégia, ver se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, obtendo todos os dados necessários para testar a estratégia e tentar otimizar a estratégia. Estratégia para retornos mais elevados e / ou menor risco Você precisará fator em seu próprio limite Requisitos legais se executando a estratégia como um comerciante varejista e como os custos de transação afetará a estratégia. Contrariamente à crença popular é realmente bastante simples de encontrar estratégias rentáveis ​​através de várias fontes públicas Acadêmicos publicam regularmente resultados de negociação teórica, embora na maior parte bruto de custos de transação Quantitativa Os blogs de finanças discutirão estratégias em detalhe Os diários de comércio descreverão algumas das estratégias usadas por fundos. Você pôde questionar porque os indivíduos e as empresas são afiados discutir suas estratégias rentáveis, especial quando sabem que outros que aglomeram o comércio podem parar a estratégia de trabalhar em O longo prazo A razão reside no fato de que eles não costumam discutir os parâmetros exatos e métodos de ajuste que eles têm realizado Estas otimizações são a chave para transformar uma estratégia relativamente medíocre em um altamente rentável Na verdade, uma das melhores maneiras Para criar suas próprias estratégias únicas é encontrar métodos e Em seguida, realizar o seu próprio procedimento de otimização. Aqui está uma pequena lista de lugares para começar a procurar idéias de estratégia. Muitas das estratégias que você vai olhar para cair nas categorias de reversão de média e impulso tendência seguinte Uma estratégia de reverter é Um que tenta explorar o fato de que uma média de longo prazo em uma série de preços, como o spread entre dois ativos correlacionados existe e que desvios a curto prazo desta média eventualmente reverterá Uma estratégia de momentum tenta explorar a psicologia dos investidores e estrutura de fundo grande Por engatar um passeio em uma tendência de mercado, que pode ganhar impulso em uma direção e seguir a tendência até que inverte. Um outro aspecto extremamente importante de negociação quantitativa é a freqüência da estratégia de negociação de baixa freqüência LFT negociação geralmente se refere a qualquer estratégia que detém Ativos mais do que um dia de negociação Correspondentemente, HFT negociação de alta freqüência geralmente se refere a uma estratégia que detém ativos intraday Ultra-alta freqüência tra Ding UHFT refere-se a estratégias que detêm ativos na ordem de segundos e milissegundos Como um profissional de varejo HFT e UHFT são certamente possível, mas apenas com conhecimento detalhado da tecnologia de negociação pilha e dinâmica de livro de pedidos Não vamos discutir esses aspectos em qualquer grande medida Neste artigo introdutório. Uma vez que uma estratégia, ou conjunto de estratégias, foi identificado agora precisa ser testado para a rentabilidade em dados históricos que é o domínio de backtesting. Strategy Backtesting. The objetivo do backtesting é fornecer provas de que a estratégia identificada Via o processo acima é rentável quando aplicado a ambos os dados históricos e fora da amostra Isso define a expectativa de como a estratégia irá realizar no mundo real No entanto, backtesting não é uma garantia de sucesso, por várias razões É talvez o mais Sutil área de negociação quantitativa, uma vez que implica inúmeros viés, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível Vamos discutir a comunicação Sobre os tipos de viés, incluindo viés de tendência de viés e viés de otimização também conhecidos como viés de snooping de dados Outras áreas de importância dentro de backtesting incluem disponibilidade e limpeza de dados históricos, factoring em custos de transação realistas e decidir sobre uma plataforma de backtesting robusta Vamos discutir Os custos de transação ainda mais na seção de Execution Systems abaixo. Uma vez que uma estratégia foi identificada, é necessário obter os dados históricos através dos quais para realizar testes e, talvez, refinamento Há um número significativo de fornecedores de dados em todas as classes de ativos Seus custos Geralmente escala com a qualidade, profundidade e pontualidade dos dados O ponto de partida tradicional para começar comerciantes quant, pelo menos no nível de varejo é usar o conjunto de dados livre do Yahoo Finance não vou habituar a fornecedores muito aqui, sim eu gostaria Concentrar-se nas questões gerais quando se trata de conjuntos de dados históricos. As principais preocupações com dados históricos incluem Precisão de sobrevivência e ajuste para ações corporativas, tais como dividendos e divisão de ações. A precisão diz respeito à qualidade geral dos dados - se ele contém quaisquer erros Erros às vezes pode ser fácil de identificar, como com um filtro de pico que vai escolher Pontos incorretos em dados de séries temporais e corretos para eles Em outras ocasiões eles podem ser muito difíceis de detectar É muitas vezes necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. A tendência de sobrevivência é muitas vezes uma característica de livre ou Conjuntos de dados baratos Um conjunto de dados com viés de sobrevivência significa que ele não contém ativos que não são mais comerciais No caso de ações isso significa ações de falência delisted Esta tendência significa que qualquer estratégia de negociação de ações testada em um conjunto de dados provavelmente irá executar melhor do que no real Mundo como os vencedores históricos já foram preselected. Corporate ações incluem atividades logísticas realizadas pela empresa que normalmente causam uma ste P-função no preço bruto, que não deve ser incluída no cálculo de retornos do preço Ajustes para dividendos e divisões de ações são os culpados comuns Um processo conhecido como back adjustment é necessário para ser realizado em cada uma dessas ações Um deve ter muito cuidado para não confundir um split de ações com um verdadeiro ajuste de retorno Muitos comerciante foi pego por uma ação corporativa. Para realizar um backtest procedimento é necessário usar uma plataforma de software Você tem a escolha entre dedicado Backtest software, como Tradestation, uma plataforma numérica como o Excel ou MATLAB ou uma implementação personalizada completa em uma linguagem de programação como Python ou CI não vai morar demais em Tradestation ou similar, Excel ou MATLAB, como eu acredito em criar um full Pilha de tecnologia in-house por razões esboçadas abaixo Um dos benefícios de fazer isso é que o software de backtest e sistema de execução pode ser bem integrado, mesmo com estatística extremamente avançada Al estratégias Para estratégias de HFT, em particular, é essencial para usar uma implementação personalizada. Quando backtesting um sistema um deve ser capaz de quantificar o quão bem está realizando A indústria métricas padrão para estratégias quantitativas são o máximo drawdown ea Sharpe Ratio O máximo drawdown caracteriza A maior queda de pico a pico na curva de equidade da conta durante um determinado período de tempo geralmente anual Esta é a maioria das vezes citado como uma porcentagem LFT estratégias tendem a ter maiores reduções de HFT estratégias, devido a uma série de fatores estatísticos Um histórico backtest A segunda medição é a Taxa de Sharpe, que é definida heuristicamente como a média dos excessos de retorno divididos pelo desvio padrão desses retornos excedentes. Aqui, Excesso refere-se ao retorno da estratégia acima de um ponto de referência pré-determinado, como o deslizamento S, que é Diferença entre o que você pretendia que seu pedido fosse preenchido em relação ao que ele realmente estava preenchido no spread, que é a diferença entre o preço de oferta de compra do título negociado Observe que o spread NÃO é constante e depende da liquidez corrente, isto é, Disponibilidade de comprar ordens de venda no mercado. Os custos de transação podem fazer a diferença entre uma estratégia extremamente rentável com uma boa relação Sharpe e uma estratégia extremamente pouco rentável com uma proporção Sharpe terrível Pode ser um desafio para prever corretamente os custos de transação a partir de um backtest Dependendo A freqüência da estratégia, você precisará de acesso a dados históricos de câmbio, o que incluirá dados de carrapatos para os preços de solicitação de lance. Todas as equipes de quants são dedicadas à otimização de execução em fundos maiores, por estas razões. Descarregar uma quantidade substancial de negócios dos quais as razões para o fazer são muitas e variadas Por dumping tantas ações para o mercado , Eles vão depressa depressão o preço e não pode obter a execução ótima Por conseguinte, existem algoritmos que drip feed ordens no mercado existem, embora então o fundo corre o risco de derrapagem Além disso, outras estratégias presa nessas necessidades e pode explorar as ineficiências Isso é O domínio da arbitragem de estrutura de fundo. A questão principal final para sistemas de execução diz respeito à divergência de desempenho de estratégia de desempenho testado. Isto pode acontecer por uma série de razões. Já discutimos o viés prospectivo e o viés de otimização em profundidade, considerando backtests. Estratégias não tornam mais fácil para testar esses vieses antes da implantação Isso ocorre em HFT mais predominantemente Pode haver bugs no sistema de execução, bem como a própria estratégia de negociação que não aparecem em um backtest, mas não aparecem na negociação ao vivo O mercado pode ter sido sujeito a uma mudança de regime subseqüente à implantação de sua estratégia Novos ambientes regulatórios, Ou sentimento e fenômenos macroeconômicos podem todos levar a divergências em como o mercado se comporta e, portanto, a rentabilidade de sua estratégia. Gestão de Riscos. A peça final para o enigma negociação quantitativa é o processo de gestão de risco Risco inclui todos os preconceitos anteriores que discutimos Inclui o risco de tecnologia, tais como servidores co-localizados na troca de repente desenvolver um mau funcionamento do disco rígido Inclui risco de corretagem, como o corretor ficando falido não tão louco quanto parece, dado o susto recente com MF Global Em resumo cobre quase Tudo o que poderia interferir com a implementação de negociação, de que há muitas fontes Livros inteiros são dedicados à gestão de risco para estratégias quantitativas, então eu não vou tentar elucidar sobre todas as possíveis fontes de risco here. Risk gestão também abrange o que é conhecido como óptimo Alocação de capital, que é um ramo da teoria da carteira. Este é o meio pelo qual o capital é alocado para um conjunto de Nt estratégias e para os comércios dentro dessas estratégias É uma área complexa e depende de algumas matemáticas não triviais O padrão da indústria, através do qual a alocação de capital ideal e alavancagem das estratégias estão relacionados é chamado o critério Kelly Desde que este é um artigo introdutório, eu O critério de Kelly faz algumas suposições sobre a natureza estatística dos retornos, que muitas vezes não são verdadeiros nos mercados financeiros, de modo que os comerciantes são frequentemente conservadores quando se trata da implementação. Outro componente chave da gestão de risco é o de lidar Com um próprio perfil psicológico Existem muitas tendências cognitivas que podem fluir para a negociação Embora isso seja reconhecidamente menos problemático com negociação algorítmica se a estratégia é deixada sozinho Um preconceito comum é que a aversão perda onde uma posição perdedora não será encerrado devido Para a dor de ter que perceber uma perda Similarmente, os lucros podem ser tomadas muito cedo porque o medo de perder um pr Ofit pode ser demasiado grande Um outro viés comum é sabido como o viés da recência Isto manifesta-se quando os comerciantes põem demasiada ênfase em eventos recentes e não no termo a longo prazo Então naturalmente há o par clássico de viés emocional - medo e avidez Estes podem frequentemente conduzir A sub-ou alavancagem excessiva, o que pode causar blow-up, ou seja, o título da conta de equidade para zero ou pior ou lucros reduzidos. Como pode ser visto, a negociação quantitativa é uma área extremamente complexa, embora muito interessante, Arranhado a superfície do tópico neste artigo e já está ficando bastante longo livros inteiros e documentos foram escritos sobre questões que eu só deu uma ou duas frases para Por isso, antes de aplicar para empregos quantitativos de negociação de fundos, é necessário Para realizar uma quantidade significativa de estudo de base. Pelo menos você vai precisar de um extenso conhecimento em estatística e econometria, com muita experiência na implementação, através de um programa Para as estratégias mais sofisticadas no final de alta freqüência, seu conjunto de habilidades é susceptível de incluir a modificação do kernel do Linux, CC, programação de montagem e otimização da latência da rede. Se você estiver interessado em tentar criar seu próprio algoritmo Estratégias de negociação, a minha primeira sugestão seria ficar bom em programação Minha preferência é construir o máximo de dados grabber, backtester estratégia e sistema de execução por si mesmo como possível Se o seu próprio capital está na linha, wouldn t você dormir melhor à noite Sabendo que você testou completamente o seu sistema e está ciente de suas armadilhas e problemas específicos Outsourcing isso para um fornecedor, enquanto potencialmente economizando tempo no curto prazo, poderia ser extremamente caro no longo prazo. Apenas Começando com Quantitative Trading.