Quantitative Trading Strategies Ebook

Estrategias de negociación cuantitativa Inscríbase para salvar su biblioteca Aprovechar el poder de las técnicas cuantitativas para crear un programa de comercio ganador Lars Kestner estrategias de negociación cuantitativa lleva a los lectores a través de las etapas de desarrollo y evaluación de las estrategias comerciales más populares y probadas en el mercado. Cuantificando cada decisión subjetiva en el proceso de negociación, este libro analítico evalúa el trabajo de conocidos quants de John Henry a Monroe Trout e introduce 12 nuevas estrategias comerciales. Se desacredita numerosos conceptos erróneos populares, y es seguro que hacer olas y cambiar las mentes en el mundo del análisis técnico y el comercio. McGraw-Hill Fecha de publicación: 2003 Series: Irwin Trader39s Edge Disponible en: SingaporeFINC 621 Matemáticas y Modelos Financieros II (FINC 621) es una clase de posgrado que actualmente se ofrece en la Universidad de Loyola en Chicago Durante el trimestre de invierno. FINC 621 explora temas de finanzas cuantitativas, matemáticas y programación. La clase es de naturaleza práctica y está compuesta por una conferencia y un componente de laboratorio. Los laboratorios utilizan el lenguaje de programación R y los estudiantes deben presentar sus asignaciones individuales al final de cada clase. El objetivo final de FINC 621 es proveer a los estudiantes con herramientas prácticas que pueden usar para crear, modelar y analizar estrategias comerciales simples. Algunos enlaces R útiles Acerca del Instructor Harry G. es un comerciante cuantitativo senior para una empresa comercial de HFT en Chicago. Él tiene un master8217s grado en Ingeniería Eléctrica y un master8217s grado en Matemáticas Financieras de la Universidad de Chicago. En su tiempo libre, Harry enseña un curso de posgrado en Finanzas Cuantitativas en la Universidad Loyola de Chicago. Él es también el autor de la negociación cuantitativa con R. Quantocracy es uno de los sitios principales del agregador del acoplador del quant. Lo leo diariamente y te sugiero que lo compruebes si quieres estar al tanto de las noticias en la blogoteca Quant: Bienvenido a tu recurso de Algorithmic Trading GRATIS donde aprenderás cómo desarrollar estrategias rentables de trading algorítmico y ganar una carrera en Comercio cuantitativo. Últimos artículos Por Michael Halls-Moore el 28 de septiembre de 2016 Este es un breve post para que los lectores de QuantStart sepan que estaré hablando en algunos eventos en Nueva York y Singapur durante los próximos meses: Leer más. Por Michael Halls-Moore el 27 de septiembre de 2016 En el artículo anterior de la serie Hidden Markov Models fueron introducidos. Se discutieron en el contexto de la clase más amplia de Modelos de Markov. Estaban motivados por la necesidad de que los comerciantes cuantitativos tuvieran la capacidad de detectar regímenes de mercado para ajustar cómo se manejan sus estrategias cuantitativas. Lee mas. Por Michael Halls-Moore el 21 de septiembre de 2016 Anteriormente en QuantStart hemos considerado los fundamentos matemáticos de State Space Models y Kalman Filters. Así como la aplicación de la biblioteca de pykalman a un par de ETFs para ajustar dinámicamente una relación de cobertura como base para una estrategia de inversión de reversión media. Lee mas. Por Michael Halls-Moore el 6 de septiembre de 2016 El mundo de las finanzas cuantitativas continúa evolucionando a un ritmo rápido. Incluso en los últimos cuatro años de la existencia de este sitio el mercado de los puestos de trabajo cuantitativos ha cambiado significativamente. En este artículo describimos estos cambios. El consejo sobre lo que es probable que sea en demanda en los próximos años será aplicable tanto a aquellos que aún están en la educación, así como aquellos pensando en un cambio de carrera. Lee mas. Un desafío consistente para los comerciantes cuantitativos es la modificación frecuente del comportamiento de los mercados financieros, a menudo abruptamente, debido a los cambios de los períodos de la política del gobierno, el ambiente regulador y otros efectos macroeconómicos. Tales períodos son conocidos coloquialmente como regímenes de mercado y la detección de tales cambios es un proceso común, aunque difícil emprendido por los participantes cuantitativos del mercado. Leer más. Beginner39s Guía para el comercio cuantitativo Por Michael Halls-Moore el 26 de marzo de 2013 En este artículo voy a presentarle algunos de los conceptos básicos que acompañan a un sistema de comercio cuantitativo de extremo a extremo. Esperamos que este post sirva a dos audiencias. La primera será las personas que tratan de obtener un empleo en un fondo como un comerciante cuantitativo. El segundo será los individuos que desean intentar y fijar su propio negocio de negociación algorítmico al por menor. El comercio cuantitativo es un área extremadamente sofisticada de finanzas cuantitativas. Puede tomar una cantidad significativa de tiempo para obtener el conocimiento necesario para pasar una entrevista o construir sus propias estrategias comerciales. No sólo eso, sino que requiere una amplia experiencia en la programación, al menos en un lenguaje como MATLAB, R o Python. Sin embargo, a medida que aumenta la frecuencia de negociación de la estrategia, los aspectos tecnológicos se vuelven mucho más relevantes. Por lo tanto, estar familiarizado con C / C será de suma importancia. Un sistema de comercio cuantitativo consta de cuatro componentes principales: Identificación de la Estrategia - Encontrar una estrategia, explotar una ventaja y decidir sobre la frecuencia de negociación Estrategia Backtesting - Obtención de datos, análisis del desempeño de la estrategia y eliminación de sesgos Sistema de ejecución - Vinculación a un corretaje, automatización del comercio y minimización Costos de transacción Gestión de Riesgos - Asignación de capital óptima, tamaño de la apuesta / criterio de Kelly y la psicología comercial Bien comience por echar un vistazo a cómo identificar una estrategia comercial. Identificación de la estrategia Todos los procesos de negociación cuantitativa comienzan con un período inicial de investigación. Este proceso de investigación abarca la búsqueda de una estrategia, ver si la estrategia encaja en una cartera de otras estrategias que puede ejecutar, la obtención de cualquier información necesaria para probar la estrategia y tratar de optimizar la estrategia para mayores retornos y / o menor riesgo. Debe tener en cuenta sus propios requisitos de capital si ejecuta la estrategia como un comerciante minorista y cómo los costos de transacción afectarán a la estrategia. Contrariamente a la creencia popular es en realidad bastante sencillo encontrar estrategias rentables a través de diversas fuentes públicas. Los académicos publican periódicamente los resultados comerciales teóricos (aunque en su mayor parte son brutos de los costos de transacción). Los blogs cuantitativos de finanzas discutirán las estrategias en detalle. Las revistas comerciales describirán algunas de las estrategias empleadas por los fondos. Usted puede preguntarse por qué las personas y las empresas están dispuestos a discutir sus estrategias rentables, sobre todo cuando saben que otros apiñando el comercio puede detener la estrategia de trabajar a largo plazo. La razón radica en el hecho de que no suelen discutir los parámetros exactos y los métodos de ajuste que han llevado a cabo. Estas optimizaciones son la clave para convertir una estrategia relativamente mediocre en una muy 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. Aquí hay una pequeña lista de lugares para comenzar a buscar ideas de estrategia: Muchas de las estrategias que verá caerán en las categorías de reversión media y seguimiento de tendencias / impulso. Una estrategia de revertir la media es una estrategia que intenta explotar el hecho de que existe una media a largo plazo en una serie de precios (como el diferencial entre dos activos correlacionados) y que las desviaciones a corto plazo de esta media eventualmente revertirán. Una estrategia de impulso intenta explotar tanto la psicología de los inversionistas como la estructura de los grandes fondos al atraer la atención a una tendencia del mercado que puede recolectar ímpetu en una dirección y seguir la tendencia hasta que se invierte. Otro aspecto enormemente importante del comercio cuantitativo es la frecuencia de la estrategia comercial. Bajo frecuencia de negociación (LFT) generalmente se refiere a cualquier estrategia que tiene activos más largo que un día de negociación. Correspondientemente, el comercio de alta frecuencia (HFT) generalmente se refiere a una estrategia que mantiene activos intradía. El comercio de frecuencia ultra-alta (UHFT) se refiere a estrategias que tienen activos en el orden de segundos y milisegundos. Como un practicante de venta al por menor HFT y UHFT son ciertamente posibles, pero sólo con un conocimiento detallado de la pila de tecnología de negociación y la dinámica del libro de pedidos. No discutiremos estos aspectos en gran medida en este artículo introductorio. Una vez que se ha identificado una estrategia o un conjunto de estrategias, ahora es necesario probar la rentabilidad de los datos históricos. Ese es el dominio del backtesting. Estrategia Backtesting El objetivo del backtesting es proporcionar evidencia de que la estrategia identificada a través del proceso anterior es rentable cuando se aplica tanto a datos históricos como fuera de la muestra. Esto establece la expectativa de cómo la estrategia se llevará a cabo en el mundo real. Sin embargo, backtesting no es una garantía de éxito, por varias razones. Es quizás el área más sutil del comercio cuantitativo, ya que conlleva numerosos sesgos, que deben ser cuidadosamente considerados y eliminados en la medida de lo posible. Discutiremos los tipos comunes de sesgo, incluyendo el sesgo prospectivo. El sesgo de supervivencia y el sesgo de optimización (también conocido como sesgo de snooping de datos). Otras áreas de importancia dentro de backtesting incluyen la disponibilidad y limpieza de datos históricos, teniendo en cuenta los costos de transacción realistas y decidir sobre una sólida plataforma de backtesting. Discuta los costos de transacción más adelante en la sección de Sistemas de Ejecución a continuación. Una vez que se ha identificado una estrategia, es necesario obtener los datos históricos a través de los cuales realizar pruebas y, quizás, refinamiento. Hay un número significativo de proveedores de datos en todas las clases de activos. Sus costos generalmente varían con la calidad, profundidad y oportunidad de los datos. El punto de partida tradicional para comenzar comerciantes cuantitativamente (al menos en el nivel minorista) es utilizar el conjunto de datos gratuito de Yahoo Finance. No voy a pensar demasiado en los proveedores aquí, más bien me gustaría concentrarme en los problemas generales cuando se trata de conjuntos de datos históricos. Las principales preocupaciones con los datos históricos incluyen la precisión / limpieza, el sesgo de supervivencia y el ajuste para las acciones corporativas, tales como dividendos y divisiones de stock: Exactitud se refiere a la calidad general de los datos - si contiene errores. Los errores a veces pueden ser fáciles de identificar, como con un filtro de espiga. Que seleccionará picos incorrectos en datos de series de tiempo y corregirá para ellos. En otras ocasiones pueden ser muy difíciles de detectar. A menudo es necesario tener dos o más proveedores y, a continuación, comprobar todos sus datos entre sí. El 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 son comerciales. En el caso de las acciones, esto significa acciones enajenadas / quebradas. Este sesgo significa que cualquier estrategia de negociación de valores probada en un conjunto de datos de este tipo probablemente funcionará mejor que en el mundo real ya que los ganadores históricos ya han sido preseleccionados. Las acciones corporativas incluyen actividades logísticas llevadas a cabo por la empresa que suelen provocar un cambio de paso en el precio bruto, que no debe ser incluido en el cálculo de las devoluciones del precio. Los ajustes por dividendos y divisiones de acciones son los culpables comunes. En cada una de estas acciones es necesario realizar un proceso conocido como ajuste posterior. Uno debe tener mucho cuidado de no confundir una división de acciones con un verdadero ajuste de devoluciones. Muchos comerciantes han sido atrapados por una acción corporativa Para llevar a cabo un procedimiento de backtest es necesario utilizar una plataforma de software. Usted tiene la opción entre software de backtest dedicado, como Tradestation, una plataforma numérica como Excel o MATLAB o una implementación personalizada completa en un lenguaje de programación como Python o C. No voy a ocuparme demasiado de Tradestation (o similar), Excel o MATLAB, ya que creo en la creación de una pila de tecnología completa en la casa (por las razones descritas a continuación). Uno de los beneficios de hacerlo es que el software de backtest y el sistema de ejecución pueden estar estrechamente integrados, incluso con estrategias estadísticas muy avanzadas. Para las estrategias HFT en particular, es esencial utilizar una implementación personalizada. Cuando backtesting un sistema uno debe ser capaz de cuantificar qué tan bien está realizando. Las métricas estándar de la industria para las estrategias cuantitativas son la reducción máxima y la relación de Sharpe. La desgravación máxima caracteriza la mayor caída de pico a vaciado en la curva de patrimonio de la cuenta durante un período de tiempo particular (generalmente anual). Esto se cita más a menudo como un porcentaje. Las estrategias LFT tienden a tener mayores tiradas que las estrategias HFT, debido a una serie de factores estadísticos. Un backtest histórico demostrará el máximo drenaje pasado, que es una buena guía para el funcionamiento futuro de la reducción de la estrategia. La segunda medición es la relación de Sharpe, que se define heurísticamente como la media de los rendimientos excedentes divididos por la desviación estándar de esos retornos excedentes. Aquí, el exceso de retornos se refiere al retorno de la estrategia por encima de un punto de referencia predeterminado. Como el SP500 o un bono del Tesoro a tres meses. Tenga en cuenta que la rentabilidad anualizada no es una medida utilizada normalmente, ya que no tiene en cuenta la volatilidad de la estrategia (a diferencia del Índice de Sharpe). Una vez que una estrategia ha sido backtested y se considera que está libre de sesgos (en la medida de lo posible), con un buen Sharpe y reducir las reducciones, es el momento de construir un sistema de ejecución. Sistemas de Ejecución Un sistema de ejecución es el medio por el cual la lista de operaciones generadas por la estrategia son enviadas y ejecutadas por el corredor. A pesar de que la generación comercial puede ser semiautomática o totalmente automatizada, el mecanismo de ejecución puede ser manual, semi-manual (es decir, un clic) o totalmente automatizado. Para las estrategias LFT, las técnicas manuales y semi-manuales son comunes. Para las estrategias de HFT es necesario crear un mecanismo de ejecución totalmente automatizado, que a menudo estará estrechamente vinculado 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 la correduría. Minimización de los costos de transacción (incluyendo la comisión, el deslizamiento y la propagación) y la divergencia del desempeño del sistema en vivo con el desempeño backtestado. Hay muchas formas de interactuar con una correduría. Que van desde llamar a su agente en el teléfono a través de una totalmente automatizada de alto rendimiento de la interfaz de programación de aplicaciones (API). Idealmente, desea automatizar la ejecución de sus operaciones, tanto como sea posible. Esto le libera para concentrarse en la investigación adicional, así como le permiten ejecutar múltiples estrategias o incluso estrategias de mayor frecuencia (de hecho, HFT es esencialmente imposible sin la ejecución automatizada). El software común de backtesting descrito anteriormente, como MATLAB, Excel y Tradestation, son buenos para estrategias de menor frecuencia y más sencillas. Sin embargo, será necesario construir un sistema de ejecución interno escrito en un lenguaje de alto rendimiento como C para hacer cualquier HFT real. Como una anécdota, en el fondo que solía ser empleado en, tuvimos un bucle de 10 minutos de comercio donde se descarga nuevos datos de mercado cada 10 minutos y luego ejecutar operaciones basadas en esa información en el mismo marco de tiempo. Esto estaba utilizando una escritura optimizada de Python. Para cualquier cosa que se aproxima a los datos de frecuencia minuto o segunda, creo que C / C sería más ideal. En un fondo más grande no es a menudo el dominio del comerciante del quant para optimizar la ejecución. Sin embargo, en las tiendas más pequeñas o las empresas de HFT, los comerciantes son los ejecutores y por lo que un nivel de competencia mucho más amplio es a menudo deseable. Tener esto en mente si desea ser empleado de un fondo. Sus habilidades de programación serán tan importantes, si no más, que sus estadísticas y talentos de econometría Otra cuestión importante que cae bajo la bandera de la ejecución es la minimización de costos de transacción. Generalmente hay tres componentes a los costos de transacción: Las comisiones (o impuestos), que son los cargos cobrados por la correduría, el intercambio y el deslizamiento de la SEC (o un organismo regulador gubernamental similar), que es la diferencia entre lo que usted pensó que su pedido fuera Llenado en comparación con lo que realmente se llenó en el spread, que es la diferencia entre el precio de oferta / demanda de la seguridad que se negocian. Tenga en cuenta que el diferencial no es constante y depende de la liquidez actual (es decir, disponibilidad de órdenes de compra / venta) en el mercado. Los costos de transacción pueden hacer la diferencia entre una estrategia extremadamente rentable con una buena relación de Sharpe y una estrategia extremadamente poco rentable con una proporción terrible de Sharpe. Puede ser un desafío para predecir correctamente los costos de transacción de un backtest. Dependiendo de la frecuencia de la estrategia, necesitará tener acceso a los datos históricos de intercambio, los cuales incluirán datos de tick para los precios de oferta / solicitud. Equipos enteros de quants se dedican a la optimización de la ejecución en los fondos más grandes, por estas razones. Considere el escenario en el que un fondo necesita descargar una cantidad sustancial de operaciones (de las cuales las razones para hacerlo son muchas y variadas). Al depositar tantas acciones en el mercado, deprimirán rápidamente el precio y no podrán obtener una ejecución óptima. De ahí que los algoritmos que gotean pedidos de alimentación en el mercado existen, aunque entonces el fondo corre el riesgo de deslizamiento. Además, otras estrategias se aprovechan de estas necesidades y pueden explotar las ineficiencias. Este es el dominio del arbitraje de la estructura del fondo. El último problema importante para los sistemas de ejecución se refiere a la divergencia del desempeño de la estrategia con el rendimiento respaldado. Esto puede suceder por varias razones. Ya hemos discutido el sesgo prospectivo y el sesgo de optimización en profundidad, al considerar los backtests. Sin embargo, algunas estrategias no facilitan la comprobación de estos sesgos antes de la implementación. Esto ocurre en HFT más predominantemente. Puede haber bugs en el sistema de ejecución, así como la estrategia de comercio en sí que no se muestran en un backtest pero DO mostrar en el comercio en vivo. El mercado puede haber estado sujeto a un cambio de régimen posterior al despliegue de su estrategia. Los nuevos entornos regulatorios, el cambio del sentimiento de los inversionistas y los fenómenos macroeconómicos pueden conducir a divergencias en el comportamiento del mercado y, por lo tanto, en la rentabilidad de su estrategia. Gestión de Riesgos La última pieza del rompecabezas de negociación cuantitativa es el proceso de gestión de riesgos. El riesgo incluye todos los sesgos anteriores que hemos discutido. Incluye el riesgo de la tecnología, tales como servidores co-ubicados en el intercambio de repente el desarrollo de un mal funcionamiento del disco duro. Incluye riesgo de corretaje, como el corredor que se quiebra (no tan loco como parece, dado el reciente susto con MF Global). En resumen, cubre casi todo lo que podría interferir con la aplicación de comercio, de los cuales hay muchas fuentes. Los libros enteros se dedican a la gestión del riesgo para las estrategias cuantitativas así que no intentaré aclarar sobre todas las posibles fuentes de riesgo aquí. La gestión de riesgos también abarca lo que se conoce como 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 estrategias diferentes ya los oficios dentro de esas estrategias. Es un área compleja y se basa en algunas matemáticas no triviales. El estándar de la industria por el cual la asignación óptima del capital y el apalancamiento de las estrategias se relacionan se llama el criterio de Kelly. Puesto que esto es un artículo introductorio, no voy a detenerme en su cálculo. El criterio de Kelly hace algunas suposiciones acerca de la naturaleza estadística de los retornos, que a menudo no son verdad en los mercados financieros, por lo que los comerciantes son a menudo conservadores en lo que respecta a la implementación. Otro componente clave de la gestión de riesgos es el trato con el propio perfil psicológico. Hay muchos prejuicios cognitivos que pueden arrastrarse a la negociación. Aunque esto es sin duda menos problemático con el comercio algorítmico si la estrategia se deja solo Un sesgo común es el de la aversión a la pérdida donde una posición perdedora no se cerrará debido al dolor de tener que realizar una pérdida. Del mismo modo, los beneficios pueden ser tomados demasiado pronto porque el miedo de perder un beneficio ya ganado puede ser demasiado grande. Otro sesgo común se conoce como sesgo de recency. 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 prejuicios emocionales - el miedo y la codicia. Éstos a menudo pueden conducir a sub o sobre-apalancamiento, lo que puede provocar la explosión (es decir, la partida de equidad de la cuenta a cero o peor) o beneficios reducidos. Resumen Como puede verse, el comercio cuantitativo es un área de finanzas cuantitativas extremadamente compleja, aunque muy interesante. Literalmente he rayado la superficie del tema en este artículo y ya está recibiendo bastante largo Se han escrito libros enteros y documentos sobre cuestiones que sólo he dado una oración o dos hacia. Por esa razón, antes de solicitar puestos de trabajo cuantitativos de comercio de fondos, es necesario llevar a cabo una cantidad significativa de estudio de base. Por lo menos necesitarás un amplio fondo en estadísticas y econometría, con mucha experiencia en la implementación, a través de un lenguaje de programación como MATLAB, Python o R. Para estrategias más sofisticadas en el extremo de mayor frecuencia, tu conjunto de habilidades es probable Para incluir la modificación del kernel de Linux, C / C, programación de ensamblaje y optimización de latencia de red. Si usted está interesado en tratar de crear sus propias estrategias de negociación algorítmica, mi primera sugerencia sería ser bueno en la programación. Mi preferencia es construir tanto de la captura de datos, la estrategia backtester y el sistema de ejecución por ti mismo como sea posible. Si su propio capital está en la línea, no dormir mejor por la noche sabiendo que ha probado completamente su sistema y son conscientes de sus peligros y problemas particulares Outsourcing esto a un proveedor, mientras que potencialmente ahorrar tiempo en el corto plazo, podría ser extremadamente Caro a largo plazo. Michael Halls-Moore Mike es el fundador de QuantStart y ha estado involucrado en la industria de finanzas cuantitativas durante los últimos cinco años, principalmente como un desarrollador de Quant y más tarde como consultor de comerciante de Quant para hedge funds. Quantitative Trading Strategies Author. 256 páginas 1 edición (16 de julio de 2003) 0071412395 Tipo de archivo: PDF 2 mb Aprovechar el poder de las técnicas cuantitativas para crear un programa de comercio ganador Winning Trading ProgramLars Kestner Estrategias de negociación cuantitativa lleva a los lectores a través de las etapas de desarrollo y evaluación de las estrategias comerciales más populares y probadas en el mercado. Cuantificando cada decisión subjetiva en el proceso de negociación, este libro analítico evalúa el trabajo de conocidos quants de John Henry a Monroe Trout e introduce 12 nuevas estrategias comerciales. Desacredita numerosos conceptos erróneos populares, y es seguro que hacer olas y cambiar de mente en el mundo del análisis técnico y el comercio. Copyright Disclaimer: Este sitio no almacena ningún archivo en su servidor. Solo indexamos y enlazamos con el contenido proporcionado por otros sitios. Póngase en contacto con los proveedores de contenido para eliminar los contenidos de copyright si los hubiera y envíenos un correo electrónico, así como eliminar los vínculos o contenidos relevantes inmediatamente.