استراتيجيات التداول خوارزمية بسيطة

أساسيات التداول الخوارزمي: المفاهيم والأمثلة.

الخوارزمية هي مجموعة محددة من التعليمات المحددة بوضوح تهدف إلى تنفيذ مهمة أو عملية.

التداول الحسابي (التداول الآلي، التداول في الصندوق الأسود، أو ببساطة التداول ألغو) هو عملية استخدام أجهزة الكمبيوتر المبرمجة لمتابعة مجموعة محددة من التعليمات لوضع التجارة من أجل توليد الأرباح بسرعة وتردد يستحيل على تاجر الإنسان. وتستند مجموعات القواعد المحددة إلى التوقيت أو السعر أو الكمية أو أي نموذج رياضي. وبصرف النظر عن فرص الربح للتاجر، ألغو التداول يجعل الأسواق أكثر سيولة ويجعل التداول أكثر منهجية من خلال استبعاد الآثار البشرية العاطفية على الأنشطة التجارية. (لمزيد من المعلومات، اطلع على اختيار برامج التداول الخوارزمية الصحيحة.)

لنفترض أن المتداول يتبع هذه المعايير التجارية البسيطة:

شراء 50 سهم من الأسهم عندما يكون المتوسط ​​المتحرك لمدة 50 يوما فوق المتوسط ​​المتحرك ل 200 يوم بيع أسهم السهم عندما يقل المتوسط ​​المتحرك ل 50 يوم عن المتوسط ​​المتحرك ل 200 يوم.

وباستخدام هذه المجموعة من تعليمين بسيطين، من السهل كتابة برنامج حاسوبي يقوم برصد سعر السهم تلقائيا (ومؤشرات المتوسط ​​المتحرك) ووضع أوامر الشراء والبيع عند استيفاء الشروط المحددة. التاجر لم يعد يحتاج إلى الحفاظ على مشاهدة للأسعار الحية والرسوم البيانية، أو وضعت في أوامر يدويا. نظام التداول الخوارزمية تلقائيا يفعل ذلك بالنسبة له، عن طريق تحديد بشكل صحيح فرصة التداول. (لمزيد من المعلومات عن المتوسطات المتحركة، اطلع على المتوسطات المتحركة البسيطة التي تجعل المؤشرات تتوقف.)

[إذا كنت ترغب في معرفة المزيد عن ثبت وإلى الاستراتيجيات نقطة التي يمكن في نهاية المطاف أن يعمل في نظام التداول حسابي، تحقق من إنفستوبيديا أكاديمية تصبح دورة اليوم التاجر. ]

فوائد التداول الخوارزمي.

ألغو التداول يوفر الفوائد التالية:

الصفقات التي يتم تنفيذها بأفضل الأسعار الممكنة وضع أمر تجاري فوري ودقيق (وبالتالي فرص عالية للتنفيذ على المستويات المطلوبة) توقيت الصفقات بشكل صحيح وعلى الفور، لتجنب التغيرات الكبيرة في الأسعار خفض تكاليف المعاملات (انظر مثال على نقص التنفيذ أدناه) الشيكات التلقائية في وقت واحد على عدة ظروف السوق تقليل مخاطر الأخطاء اليدوية في وضع الصفقات باكتست الخوارزمية، استنادا إلى البيانات المتاحة الوقت الحقيقي والحقيقي انخفاض احتمال الأخطاء من قبل التجار البشري على أساس العوامل العاطفية والنفسية.

إن الجزء الأكبر من التداول الحالي هو تداول عالي التردد (هفت)، والذي يحاول الاستفادة من وضع عدد كبير من الطلبات بسرعة عالية جدا عبر أسواق متعددة ومعلمات قرار متعددة، بناء على تعليمات مبرمجة مسبقا. (لمزيد من المعلومات حول التداول عالي التردد، راجع استراتيجيات وأسرار شركات التداول عالي التردد).

يستخدم ألغو-ترادينغ في العديد من أشكال الأنشطة التجارية والاستثمارية، بما في ذلك:

المستثمرون على المدى المتوسط ​​إلى الطويل أو الشركات الجانبية (صناديق المعاشات التقاعدية، صناديق الاستثمار، شركات التأمين) الذين يشترون في الأسهم بكميات كبيرة ولكن لا يريدون التأثير على أسعار الأسهم مع استثمارات منفصلة كبيرة الحجم. ويستفيد المتداولون على المدى القصير والمشتركون من جانب البيع (صناع السوق والمضاربون والمراجحون) من تنفيذ التجارة الآلي؛ بالإضافة إلى ذلك، المساعدات التجارية ألغو في خلق السيولة الكافية للبائعين في السوق. التجار المنتظمين (أتباع الاتجاه، أزواج التجار، صناديق التحوط، الخ) تجد أنها أكثر كفاءة بكثير لبرمجة قواعد التداول الخاصة بهم والسماح للتجارة البرنامج تلقائيا.

يوفر التداول الخوارزمي نهجا أكثر انتظاما للتداول النشط من الطرق القائمة على الحدس أو الغريزة للتاجر البشري.

استراتيجيات التداول الخوارزمية.

وتتطلب أي استراتيجية للتداول الخوارزمي فرصة محددة تكون مربحة من حيث تحسين الأرباح أو خفض التكاليف. وفيما يلي استراتيجيات التداول الشائعة المستخدمة في تجارة ألغو:

استراتيجيات التداول الأكثر خوارزمية تتبع الاتجاهات في المتوسطات المتحركة، هروب القناة، حركات مستوى الأسعار والمؤشرات الفنية ذات الصلة. هذه هي أسهل وأبسط الاستراتيجيات لتنفيذ من خلال التداول حسابي لأن هذه الاستراتيجيات لا تنطوي على اتخاذ أي توقعات أو توقعات الأسعار. وتبدأ الصفقات على أساس حدوث الاتجاهات المستصوبة، التي تكون سهلة ومباشرة لتنفيذها من خلال الخوارزميات دون الدخول في تعقيد التحليل التنبئي. المثال المذكور أعلاه للمتوسط ​​المتحرك 50 و 200 يوم هو الاتجاه الشعبي التالي استراتيجية. (لمزيد من المعلومات حول استراتيجيات التداول الاتجاه، انظر: استراتيجيات بسيطة للاستفادة من الاتجاهات.)

شراء الأسهم المدرجة المزدوجة بسعر أقل في سوق واحدة وبيعها في وقت واحد بسعر أعلى في سوق أخرى تقدم فرق السعر كما الربح خالية من المخاطر أو المراجحة. ويمكن تكرار نفس العملية بالنسبة للأسهم مقابل أدوات العقود الآجلة، حيث أن فروق الأسعار موجودة من وقت لآخر. تطبيق خوارزمية لتحديد مثل هذه الفروق السعرية ووضع أوامر يسمح فرص مربحة بطريقة فعالة.

وقد حددت صناديق المؤشرات فترات من إعادة التوازن لجعل حيازاتها متساوية مع مؤشراتها المرجعية. وهذا يخلق فرصا مربحة للمتداولين الخوارزميين الذين يستفيدون من الصفقات المتوقعة التي تقدم أرباح تتراوح بين 20 و 80 نقطة أساس اعتمادا على عدد الأسهم في صندوق المؤشرات، قبيل إعادة التوازن في مؤشر المؤشرات. يتم بدء هذه الصفقات عن طريق أنظمة التداول الحسابية للتنفيذ في الوقت المناسب وأفضل الأسعار.

وهناك الكثير من النماذج الرياضية المثبتة، مثل استراتيجية التداول دلتا المحايدة، والتي تسمح التداول على مجموعة من الخيارات والأمن الكامنة فيها، حيث يتم وضع الصفقات لتعويض الدلتا الإيجابية والسلبية بحيث يتم الحفاظ على دلتا محفظة في الصفر.

وتستند استراتيجية معدل العائد على فكرة أن الأسعار المرتفعة والمنخفضة للأصل هي ظاهرة مؤقتة تعود إلى قيمتها المتوسطة بشكل دوري. تحديد وتحديد النطاق السعري وتطبيق الخوارزمية بناء على ما يسمح بتداول الصفقات تلقائيا عندما يكسر سعر الأصول من النطاق المحدد.

استراتيجية السعر المتوسط ​​المرجح لحجم الأسهم تفصل أمر كبير وتنشر قطع أصغر حجما من الترتيب إلى السوق باستخدام ملفات تعريف حجم المخزون التاريخية المحددة. والهدف من ذلك هو تنفيذ الأمر بالقرب من متوسط ​​السعر المرجح (فواب)، وبالتالي الاستفادة من متوسط ​​السعر.

وتؤدي استراتيجية متوسط ​​السعر المرجح للوقت إلى تفكيك أمر كبير وتنشر قطع أصغر حجما من النظام إلى السوق باستخدام فترات زمنية مقسمة بالتساوي بين بداية ونهاية الوقت. والهدف من ذلك هو تنفيذ أمر قريب من متوسط ​​السعر بين بداية ونهاية الوقت، وبالتالي تقليل تأثير السوق.

حتى يتم ملء النظام التجاري بالكامل، تستمر هذه الخوارزمية في إرسال أوامر جزئية، وفقا لنسبة المشاركة المحددة وحسب حجم التداول في الأسواق. وترسل "ستيبس ستراتيغي" ذات الصلة الطلبات بناء على النسبة المئوية المحددة من قبل المستخدم من أحجام السوق وتزيد أو تنقص من معدل المشاركة هذا عندما يصل سعر السهم إلى مستويات معرفة من قبل المستخدم.

وتهدف استراتيجية العجز في التنفيذ إلى التقليل من تكلفة تنفيذ أمر الشراء عن طريق التداول في السوق في الوقت الحقيقي، وبالتالي توفير تكلفة الطلب والاستفادة من تكلفة الفرصة البديلة للتأخير في التنفيذ. وستؤدي الاستراتيجية إلى زيادة معدل المشاركة المستهدف عندما يتحرك سعر السهم إيجابيا ويقلله عندما يتحرك سعر السهم سلبا.

هناك عدد قليل من فئات خاصة من الخوارزميات التي تحاول التعرف على "الأحداث" على الجانب الآخر. هذه "خوارزميات الاستنشاق"، المستخدمة، على سبيل المثال، من قبل صانع السوق الجانب بيع لديها المخابرات في الداخل لتحديد وجود أي خوارزميات على الجانب شراء من أجل كبير. هذا الكشف من خلال خوارزميات سوف يساعد صانع السوق تحديد فرص النظام كبيرة وتمكنه من الاستفادة من خلال ملء أوامر بسعر أعلى. يتم تحديد هذا في بعض الأحيان على أنها التكنولوجيا الفائقة الأمامية. (لمزيد من المعلومات حول التداول عالي التردد والممارسات الاحتيالية، راجع: إذا اشتريت الأسهم عبر الإنترنت، فأنت تشارك في هفت.)

المتطلبات الفنية للتجارة الخوارزمية.

تنفيذ الخوارزمية باستخدام برنامج الكمبيوتر هو الجزء الأخير، نادب مع باكتستينغ. ويتمثل التحدي في تحويل الاستراتيجية التي تم تحديدها إلى عملية محوسبة متكاملة لها إمكانية الوصول إلى حساب تداول لوضع الأوامر. ويلزم ما يلي:

المعرفة البرمجة الحاسوبية لبرمجة استراتيجية التداول المطلوبة والمبرمجين استأجرت أو برامج التداول مسبقة الصنع شبكة الاتصال والوصول إلى منصات التداول لوضع أوامر الوصول إلى تغذية البيانات السوق التي سيتم رصدها من قبل خوارزمية للحصول على فرص لوضع أوامر القدرة والبنية التحتية من أجل إعادة النظر في النظام الذي تم بناؤه قبل بدء تشغيله في الأسواق الحقيقية. توفر البيانات التاريخية للاختبار المسبق، تبعا لتعقيد القواعد المطبقة في الخوارزمية.

وفيما يلي مثال شامل: رويال داتش شل (رديز) مدرج في بورصة أمستردام (إكس) وبورصة لندن (لس). دعونا نبني خوارزمية لتحديد فرص المراجحة. وفيما يلي بعض الملاحظات المثيرة للاهتمام:

تداول الفوركس باليورو، في حين يتداول سوق لندن للأوراق المالية بالجنيه الإسترليني بسبب فارق التوقيت لمدة ساعة واحدة، يفتح إكس قبل ساعة من بورصة لندن، يليه التداولان في وقت واحد للساعات القليلة القادمة ثم يتداولان فقط في بورصة لندن خلال الساعة الأخيرة عند إغلاق إكس .

هل يمكننا أن نستكشف إمكانية التداول بالمراجحة على أسهم شركة رويال داتش شل المدرجة في هذين السوقين بعملتين مختلفتين؟

برنامج حاسوبي يمكنه قراءة أسعار السوق الحالية السعر يغذي من كل من لس و إكس إكس تغذية سعر صرف العملات الأجنبية مقابل سعر صرف غبب-ور القدرة على وضع الأمر الذي يمكن أن توجه النظام إلى الصرف الصحيح القدرة على الاختبار السابق على الأعلاف السعر التاريخية.

يجب أن يقوم برنامج الكمبيوتر بما يلي:

قراءة تغذية الأسعار الواردة من أسهم رديز من كلا التبادل باستخدام أسعار الصرف الأجنبي المتاحة، وتحويل سعر عملة واحدة إلى أخرى إذا كان هناك اختلاف كبير بما فيه الكفاية السعر (خصم تكاليف الوساطة) مما يؤدي إلى فرصة مربحة، ثم وضع شراء ترتيب على سعر صرف أقل وبيع النظام على ارتفاع سعر الصرف إذا تم تنفيذ أوامر كما هو مطلوب، فإن الأرباح التحكيم تتبع.

بسيطة وسهلة! ومع ذلك، فإن ممارسة التداول الخوارزمية ليست بهذه البساطة للحفاظ على وتنفيذ. تذكر، إذا كنت يمكن أن تضع التجارة ألغو ولدت، لذلك يمكن للمشاركين في السوق الأخرى. وبالتالي، تتقلب الأسعار في الملي ثانية وحتى الميكروثانية. في المثال أعلاه، ماذا يحدث إذا تم تنفيذ صفقة الشراء، ولكن تجارة البيع لا تتغير مع تغير أسعار البيع في الوقت الذي يصل فيه طلبك إلى السوق؟ سوف ينتهي بك الأمر يجلس مع موقف مفتوح، مما يجعل استراتيجية المراجحة الخاص بك لا قيمة له.

هناك مخاطر وتحديات إضافية: على سبيل المثال، مخاطر فشل النظام، وأخطاء الاتصال بالشبكة، والفترات الزمنية بين أوامر التجارة والتنفيذ، والأهم من ذلك كله، الخوارزميات الناقصة. وكلما كانت الخوارزمية الأكثر تعقيدا، فإن الأمر يحتاج إلى مزيد من الاختبار المسبق الأكثر صرامة قبل وضعها موضع التنفيذ.

الخط السفلي.

التحليل الكمي لأداء الخوارزمية يلعب دورا هاما ويجب دراسته بشكل نقدي. انها مثيرة للذهاب لأتمتة بمساعدة أجهزة الكمبيوتر مع فكرة لكسب المال دون عناء. ولكن يجب على المرء أن يتأكد من أن النظام يتم اختبارها بشكل كامل ويحدد الحدود المطلوبة. يجب على التجار التحليليين النظر في تعلم البرمجة ونظم البناء من تلقاء نفسها، ليكونوا واثقين من تنفيذ الاستراتيجيات الصحيحة بطريقة مضمونة. استخدام الحذر واختبار شامل من ألغو التداول يمكن أن تخلق فرص مربحة. (لمزيد من المعلومات، راجع كيفية كتابة روبوت ألغو التجاري الخاص بك.)

QuantStart.

الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.

تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.

نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.

بقلم مايكل هالز مور في 19 أبريل 2018.

في هذه المقالة أريد أن أعرض لكم الطرق التي أنا نفسي تحديد استراتيجيات التداول خوارزمية مربحة. هدفنا اليوم هو أن نفهم بالتفصيل كيفية العثور على وتقييم واختيار هذه النظم. سأشرح كيفية تحديد الاستراتيجيات بقدر ما يتعلق بالأفضلية الشخصية، كما هو الحال بالنسبة لأداء الاستراتيجية، وكيفية تحديد نوع وكمية البيانات التاريخية للاختبار، وكيفية تقييم تقييم التداول بشكل متعمد، وأخيرا كيفية المضي قدما نحو مرحلة باكتستينغ و تنفيذ الاستراتيجية.

تحديد التفضيلات الشخصية الخاصة بك للتداول.

من أجل أن يكون تاجر ناجح - إما تناسبيا أو خوارزمية - من الضروري أن تسأل نفسك بعض الأسئلة الصادقة. التداول يوفر لك القدرة على فقدان المال بمعدل ينذر بالخطر، لذلك فمن الضروري أن "تعرف نفسك" بقدر ما هو ضروري لفهم الاستراتيجية التي اخترتها.

وأود أن أقول أن أهم اعتبار في التداول هو على بينة من شخصيتك الخاصة. التداول، والتجارة الخوارزمية على وجه الخصوص، يتطلب درجة كبيرة من الانضباط والصبر والانفصال العاطفي. منذ كنت تدع خوارزمية تنفيذ التداول الخاص بك بالنسبة لك، فمن الضروري أن يتم حل عدم التدخل في الاستراتيجية عندما يتم تنفيذها. وقد يكون ذلك صعبا للغاية، خاصة في فترات الانسحاب الموسع. ومع ذلك، العديد من الاستراتيجيات التي ثبت أن تكون مربحة للغاية في باكتست يمكن أن تدمر من خلال تدخل بسيط. فهم أنه إذا كنت ترغب في دخول عالم التداول حسابي سوف يتم اختبار عاطفيا وأنه من أجل أن تكون ناجحة، فمن الضروري العمل من خلال هذه الصعوبات!

الاعتبار التالي هو واحد من الوقت. هل لديك وظيفة بدوام كامل؟ هل تعمل بدوام جزئي؟ هل تعمل من المنزل أو لديك تنقلات طويلة كل يوم؟ هذه الأسئلة سوف تساعد في تحديد وتيرة الاستراتيجية التي يجب أن تسعى. بالنسبة لأولئك منكم في العمل بدوام كامل، قد لا تكون استراتيجية العقود الآجلة لحظية مناسبة (على الأقل حتى يتم مؤتمتة بالكامل!). كما أن قيود وقتك تملي منهجية الاستراتيجية. إذا كانت إستراتيجيتك يتم تداولها بشكل متكرر وتعتمد على خلاصات أخبار باهظة الثمن (مثل محطة بلومبرغ) سيكون من الواضح أن تكون واقعية حول قدرتك على تشغيل هذا بنجاح أثناء وجودك في المكتب! بالنسبة لأولئك منكم مع الكثير من الوقت، أو المهارات لأتمتة الاستراتيجية الخاصة بك، قد ترغب في النظر في استراتيجية التداول عالية التردد أكثر تقنية (هفت).

إيماني هو أنه من الضروري إجراء البحوث المستمرة في استراتيجيات التداول الخاصة بك للحفاظ على محفظة مربحة باستمرار. عدد قليل من الاستراتيجيات البقاء "تحت الرادار" إلى الأبد. وبالتالي فإن جزءا كبيرا من الوقت المخصص للتداول سيكون في إجراء البحوث الجارية. اسأل نفسك عما إذا كنت مستعدا للقيام بذلك، لأنه يمكن أن يكون الفرق بين الربحية القوية أو الانخفاض البطيء نحو الخسائر.

تحتاج أيضا إلى النظر في رأس المال الخاص بك التداول. الحد الأدنى المثالي المقبول عموما للاستراتيجية الكمية هو 50،000 دولار أمريكي (حوالي 35،000 جنيه استرليني بالنسبة لنا في المملكة المتحدة). إذا كنت قد بدأت من جديد، سأبدأ بمبلغ أكبر، ربما أقرب 100،000 دولار أمريكي (حوالي 70،000 £). وذلك لأن تكاليف المعاملات يمكن أن تكون مكلفة للغاية بالنسبة لاستراتيجيات متوسطة إلى عالية التردد، وأنه من الضروري أن يكون رأس المال كاف لاستيعابها في أوقات السحب. إذا كنت تفكر في البدء مع أقل من 10،000 دولار أمريكي، سوف تحتاج إلى تقييد نفسك لاستراتيجيات التردد المنخفض، والتداول في واحد أو اثنين من الأصول، وتكاليف المعاملات سوف تأكل بسرعة في عوائد الخاص بك. وسطاء التفاعلية، والتي تعد واحدة من الوسطاء ودية لأولئك الذين لديهم مهارات البرمجة، بسبب أبي، لديها حساب الحد الأدنى التجزئة 10،000 دولار أمريكي.

مهارة البرمجة هي عامل مهم في خلق استراتيجية التداول الآلي الخوارزمية. كونك على دراية بلغة البرمجة مثل C ++، جافا، C #، بيثون أو R سوف تمكنك من إنشاء نهاية إلى نهاية تخزين البيانات، باكتست المحرك ونظام التنفيذ نفسك. هذا له عدد من المزايا، رئيسها هو القدرة على أن تكون على علم تام بجميع جوانب البنية التحتية التجارية. كما يسمح لك لاستكشاف استراتيجيات تردد أعلى كما سوف تكون في السيطرة الكاملة على "كومة التكنولوجيا". في حين أن هذا يعني أنه يمكنك اختبار البرمجيات الخاصة بك والقضاء على البق، وهذا يعني أيضا المزيد من الوقت الذي يقضيه ترميز البنية التحتية وأقل على تنفيذ الاستراتيجيات، على الأقل في الجزء السابق من حياتك التجارية ألغو. قد تجد أن لديك تجارة مريحة في إكسيل أو ماتلاب ويمكن الاستعانة بمصادر خارجية لتطوير المكونات الأخرى. إلا أنني لا أنصح هذا، وخاصة بالنسبة لأولئك المتداولين في وتيرة عالية.

تحتاج إلى أن تسأل نفسك ما كنت آمل تحقيقه من خلال التداول حسابي. هل ترغب في الحصول على دخل منتظم، حيث كنت تأمل في الحصول على الأرباح من حساب التداول الخاص بك؟ أو هل أنت مهتم بتحقيق مكاسب رأسمالية طويلة الأجل ويمكنها أن تتداول دون الحاجة إلى سحب الأموال؟ سوف الاعتماد على الإملاء تملي وتيرة الاستراتيجية الخاصة بك. وسيتطلب سحب أكثر انتظاما للدخل استراتیجیة تداول ذات تردد أکبر مع تقلب أقل (أي نسبة شارب أعلی). يمكن للتجار على المدى الطويل تحمل تردد تداول أكثر رصانة.

وأخيرا، لا تتلاشى من فكرة أن تصبح غنية للغاية في مساحة قصيرة من الزمن! ألغو التداول ليس مخطط سريع الغني - إذا كان أي شيء يمكن أن يكون مخططا فقيرة وسريعة. فإنه يأخذ الانضباط كبير، والبحوث، الاجتهاد والصبر لتكون ناجحة في التداول حسابي. قد يستغرق الأمر شهورا، إن لم يكن سنوات، لتوليد أرباح متسقة.

مصادر الأفكار التداول خوارزمية.

وعلى الرغم من التصورات المشتركة على العكس من ذلك، فمن الواضح تماما في الواقع تحديد استراتيجيات تجارية مربحة في الملك العام. لم تكن أبدا الأفكار التجارية متاحة بسهولة أكثر مما هي عليه اليوم. توفر مجلات التمويل الأكاديمي وخوادم ما قبل الطباعة ومدونات التداول ومنتديات التداول ومجلات التداول الأسبوعية والنصوص المتخصصة آلاف استراتيجيات التداول التي تستند إليها أفكارك.

هدفنا كباحثين التداول الكمي هو إنشاء خط أنابيب استراتيجية من شأنها أن توفر لنا مجموعة من الأفكار التجارية الجارية. من الناحية المثالية نحن نريد أن نخلق نهجا منهجيا في تحديد وتقييم وتنفيذ الاستراتيجيات التي نأتي عبر. وأهداف خط الأنابيب هي توليد كمية متسقة من الأفكار الجديدة وتزويدنا بإطار لرفض غالبية هذه الأفكار مع الحد الأدنى من النظر العاطفي.

يجب أن نكون حذرين للغاية لعدم السماح للتحيزات المعرفية تؤثر على منهجية صنع القرار لدينا. ويمكن أن يكون ذلك بسيطا مثل تفضيل فئة أصول واحدة على فئة أخرى (الذهب والمعادن الثمينة الأخرى تتبادر إلى الذهن) لأنها تعتبر أكثر غرابة. يجب أن يكون هدفنا دائما إيجاد استراتيجيات مربحة باستمرار، مع توقع إيجابي. يجب أن يستند اختيار فئة األصول إلى اعتبارات أخرى، مثل القيود على رأس المال التجاري، ورسوم الوساطة، وقدرات الرافعة المالية.

إذا كنت غير مألوفة تماما مع مفهوم استراتيجية التداول ثم أول مكان للنظر هو مع الكتب المدرسية المعمول بها. النصوص الكلاسيكية توفر مجموعة واسعة من أبسط، وأكثر وضوحا الأفكار، والتي للتعرف على نفسك مع التداول الكمي. هنا هو التحديد الذي أوصي لأولئك الذين هم جديدة إلى التداول الكمي، والتي تصبح تدريجيا أكثر تطورا وأنت تعمل من خلال القائمة:

للحصول على قائمة أطول من الكتب التجارية الكمية، يرجى زيارة قائمة القراءة كوانتستارت.

والمكان التالي للعثور على استراتيجيات أكثر تطورا هو منتديات التداول والمدونات التجارية. ومع ذلك، ملاحظة الحذر: العديد من بلوق التداول تعتمد على مفهوم التحليل الفني. يتضمن التحليل الفني استخدام المؤشرات الأساسية وعلم النفس السلوكي لتحديد الاتجاهات أو أنماط الانعكاس في أسعار الأصول.

على الرغم من كونها تحظى بشعبية كبيرة في مساحة التداول العامة، يعتبر التحليل الفني غير فعال إلى حد ما في مجتمع التمويل الكمي. وقد اقترح البعض أنه ليس أفضل من قراءة برجك أو دراسة أوراق الشاي من حيث القوة التنبؤية لها! في الواقع هناك أفراد ناجحين يستفيدون من التحليل الفني. ومع ذلك، كما يتأخر مع مجموعة أدوات رياضية وإحصائية أكثر تطورا تحت تصرفنا، يمكننا بسهولة تقييم فعالية هذه الاستراتيجيات "تا" القائمة على أساس واتخاذ القرارات القائمة على البيانات بدلا من قاعدة لنا على الاعتبارات العاطفية أو الأفكار المسبقة.

وهنا لائحة من بلوق التداول المحترمة جيدا والمنتديات:

مرة واحدة كان لديك بعض الخبرة في تقييم استراتيجيات أبسط، فقد حان الوقت للنظر في العروض الأكاديمية أكثر تطورا. وسيكون من الصعب الوصول إلى بعض المجلات الأكاديمية، دون اشتراكات عالية أو تكاليف لمرة واحدة. إذا كنت عضوا أو خريجا في الجامعة، يجب أن تكون قادرا على الوصول إلى بعض هذه المجلات المالية. خلاف ذلك، يمكنك أن تبحث في خوادم ما قبل الطباعة، والتي هي مستودعات الإنترنت من مسودات في وقت متأخر من الأوراق الأكاديمية التي تخضع لمراجعة الأقران. وبما أننا مهتمون فقط في الاستراتيجيات التي يمكننا أن نكرر بنجاح، باكتست والحصول على الربحية، استعراض الأقران هو أقل أهمية بالنسبة لنا.

إن الجانب السلبي الكبير للاستراتيجيات الأكاديمية هو أنها غالبا ما تكون قديمة، وتتطلب بيانات تاريخية غامضة ومكلفة، وتداول في فئات الأصول غير السائلة، أو لا تأخذ في الاعتبار الرسوم أو الانزلاق أو الانتشار. كما يمكن أن يكون من غير الواضح ما إذا كان سيتم تنفيذ استراتيجية التداول مع أوامر السوق، أوامر الحد أو ما إذا كان يحتوي على وقف الخسائر وما إلى ذلك وبالتالي فمن الضروري للغاية لتكرار استراتيجية نفسك على أفضل وجه ممكن، باكتست ذلك وإضافة في معاملة واقعية التكاليف التي تتضمن العديد من جوانب فئات الأصول التي ترغب في التداول فيها.

في ما يلي قائمة بخوادم ما قبل الطباعة والمجلات المالية الأكثر شعبية والتي يمكنك من خلالها الحصول على أفكار من:

ماذا عن تشكيل الاستراتيجيات الكمية الخاصة بك؟ ويتطلب ذلك عموما (على سبيل المثال لا الحصر) الخبرة في واحدة أو أكثر من الفئات التالية:

سوق المجهرية - لاستراتيجيات تردد أعلى على وجه الخصوص، يمكن للمرء أن الاستفادة من المجهرية السوق، أي فهم ديناميات كتاب النظام من أجل توليد الربحية. وستكون للأسواق المختلفة قيود تكنولوجية مختلفة، ولوائح، ومشاركين في السوق، وقيود كلها مفتوحة للاستغلال عن طريق استراتيجيات محددة. وهذه منطقة متطورة جدا وسيجد ممارسو البيع بالتجزئة صعوبة في المنافسة في هذا المجال، خاصة وأن المنافسة تشمل صناديق تحوط كمية كبيرة ذات رأس مال جيد ذات قدرات تكنولوجية قوية. هيكل الصندوق - إن صناديق الاستثمار المجمعة، مثل صناديق المعاشات التقاعدية وشراكات الاستثمار الخاص (صناديق التحوط) ومستشاري تجارة السلع وصناديق الاستثمار المشتركة مقيدة بسبب التنظيمات الثقيلة واحتياطيات رأس المال الكبيرة. وهكذا يمكن استغلال بعض السلوكيات المتسقة مع أولئك الذين هم أكثر ذكاء. فعلى سبيل المثال، تخضع الأموال الكبيرة للقيود المفروضة على القدرات بسبب حجمها. وبالتالي إذا كانوا بحاجة إلى تفريغ سريع (بيع) كمية من الأوراق المالية، سيكون لديهم لتدوير ذلك من أجل تجنب "تحريك السوق". خوارزميات متطورة يمكن الاستفادة من هذا، وغيرها من الخصوصيات، في عملية عامة تعرف باسم هيكل صندوق التحكيم. تعلم الآلة / الذكاء الاصطناعي - أصبحت خوارزميات التعلم الآلي أكثر انتشارا في السنوات الأخيرة في الأسواق المالية. وقد استخدمت كل من المصنفات (مثل نايف بايز وآخرون) ومطابقة الوظائف غير الخطية (الشبكات العصبية) وإجراءات التحسين (الخوارزميات الجينية) للتنبؤ بمسارات الأصول أو تحسين استراتيجيات التداول. إذا كان لديك خلفية في هذا المجال قد يكون لديك بعض نظرة ثاقبة كيف يمكن تطبيق خوارزميات معينة في أسواق معينة.

وهناك بالطبع مجالات كثيرة أخرى للتحقيق فيها. سنناقش كيفية التوصل إلى استراتيجيات مخصصة بالتفصيل في مقال لاحق.

من خلال الاستمرار في مراقبة هذه المصادر على أساس أسبوعي، أو حتى يومي، كنت تضع نفسك للحصول على قائمة متسقة من الاستراتيجيات من مجموعة متنوعة من المصادر. والخطوة التالية هي تحديد كيفية رفض مجموعة فرعية كبيرة من هذه الاستراتيجيات من أجل التقليل إلى أدنى حد من إهدار وقتك واسترجاع الموارد على الاستراتيجيات التي من المرجح أن تكون غير مربحة.

تقييم استراتيجيات التداول.

أول ما يمكن اعتباره أكثر وضوحا هو ما إذا كنت تفهم الاستراتيجية فعلا. هل ستكون قادرا على شرح الاستراتيجية بشكل موجز أم أنها تتطلب سلسلة من المحاذير وقوائم المعلمات التي لا نهاية لها؟ وبالإضافة إلى ذلك، هل لدى الاستراتيجية أساس جيد ومتين في الواقع؟ على سبيل المثال، هل يمكن أن تشير إلى بعض الأسباب المنطقية السلوكية أو قيود هيكل التمويل التي قد تسبب النمط (النماذج) التي تحاول استغلالها؟ ھل سیستمر ھذا القیود حتی تغییر النظام، مثل تعطل بیئي تنظیمي دراماتیکي؟ هل تعتمد الاستراتيجية على قواعد إحصائية أو رياضية معقدة؟ هل تنطبق على أي سلسلة زمنية مالية أو هل هي محددة لفئة الأصول التي يدعى أنها مربحة عليها؟ يجب أن تكون دائما التفكير في هذه العوامل عند تقييم أساليب التداول الجديدة، وإلا قد تضيع قدرا كبيرا من الوقت في محاولة ل باكتست وتحسين الاستراتيجيات غير المربحة.

مرة واحدة كنت قد قررت أن تفهم المبادئ الأساسية للاستراتيجية تحتاج إلى أن تقرر ما إذا كان يتناسب مع الشخصية الشخصية المذكورة أعلاه. هذا ليس كما غامضة النظر كما يبدو! وستختلف الاستراتيجيات اختلافا كبيرا في خصائص أدائها. هناك بعض أنواع الشخصية التي يمكن التعامل مع فترات أكثر أهمية من الانسحاب، أو على استعداد لقبول مخاطر أكبر لعودة أكبر. على الرغم من حقيقة أننا، كوانتس، في محاولة والقضاء على أكبر قدر من التحيز المعرفي قدر الإمكان، وينبغي أن تكون قادرة على تقييم استراتيجية بالتناوب، والتحيزات سوف تزحف دائما في. وبالتالي نحن بحاجة إلى وسائل عاطفية متسقة من خلالها لتقييم أداء الاستراتيجيات . وفيما يلي قائمة بالمعايير التي أحكم فيها على استراتيجية جديدة محتملة من خلال:

المنهجية - هل يستند الزخم الاستراتيجى إلى الاستراتيجى، أو الاتجاه المتوسط، أو الاتجاه المحايد للسوق؟ ھل تعتمد الاستراتیجیة علی تقنیات إحصائیة متطورة (أو معقدة) أو تعلم آلي یصعب فھمھا وتحتاج إلی الدکتوراه في الإحصاء لفھمھا؟ هل تقدم هذه التقنيات كمية كبيرة من البارامترات، مما قد يؤدي إلى التحيز الأمثل؟ هل من المرجح أن تتحمل الاستراتيجية تغيير النظام (أي تنظيم جديد محتمل للأسواق المالية)؟ نسبة شارب - نسبة شارب يصف نظريا نسبة المكافأة / المخاطر للاستراتيجية. وهو يحدد كم من العائدات التي يمكن تحقيقها لمستوى التقلبات التي يتحملها منحنى الأسهم. وبطبيعة الحال، نحتاج إلى تحديد الفترة والتردد الذي تقاس فيه هذه العوائد والتقلب (أي الانحراف المعياري). وتتطلب استراتيجية التردد الأعلى معدل أخذ عينات أكبر من الانحراف المعياري، ولكن فترة زمنية عامة أقصر للقياس، على سبيل المثال. الرافعة المالية - هل تتطلب الاستراتيجية نفوذا كبيرا لكي تكون مربحة؟ هل تتطلب الاستراتيجية استخدام عقود المشتقات المالية (العقود الآجلة والخيارات والمقايضات) من أجل تحقيق العائد؟ يمكن أن يكون لهذه العقود المديونية خصائص التقلب الثقيلة، وبالتالي يمكن أن يؤدي بسهولة إلى المكالمات الهامش. هل لديك رأس المال التجاري ومزاجه لمثل هذا التقلب؟ التردد - يرتبط تواتر الاستراتيجية ارتباطا وثيقا بمكدس التكنولوجيا (وبالتالي الخبرة التقنية) ونسبة شارب والمستوى العام لتكاليف المعاملات. جميع القضايا الأخرى التي تعتبرها، تتطلب استراتيجيات التردد العالي المزيد من رأس المال، وأكثر تطورا وأصعب لتنفيذ. ومع ذلك، على افتراض محرك باكتستينغ الخاص بك هو متطور وخالية من الأخطاء، فإنها غالبا ما يكون لها نسب شارب أعلى بكثير. التقلب - يرتبط التقلب بقوة ب "مخاطر" الاستراتيجية. نسبة شارب تميز هذا. وغالبا ما يؤدي التقلب األعلى لفئات األصول األساسية، إذا لم يتم تحوطها، إلى تقلبات أعلى في منحنى األسهم وبالتالي نسب أصغر من شارب. وأنا أفترض بالطبع أن التقلبات الإيجابية تساوي تقريبا التقلبات السلبية. قد يكون لبعض الاستراتيجيات تقلبات هبوطية أكبر. يجب أن تكون على علم بهذه السمات. وين / لوس، متوسط ​​الربح / الخسارة - ستختلف الاستراتيجيات في الربح / الخسارة ومتوسط ​​خصائص الربح / الخسارة. يمكن للمرء أن يكون استراتيجية مربحة جدا، حتى لو كان عدد الصفقات الخاسرة يتجاوز عدد الصفقات الفائزة. استراتيجيات الزخم تميل إلى أن يكون هذا النمط لأنها تعتمد على عدد قليل من "الضربات الكبيرة" من أجل أن تكون مربحة. وتميل استراتيجيات الانحدار الوسطي إلى أن تكون لها مظاهر معارضة حيث يكون المزيد من الصفقات "فائزين"، ولكن الصفقات الخاسرة يمكن أن تكون شديدة جدا. الحد الأقصى للسحب - الحد الأقصى للسحب هو أكبر انخفاض في النسبة المئوية من الذروة إلى الحوض الصغير على منحنى الأسهم للاستراتيجية. ومن المعروف جيدا أن استراتيجيات الزخم تعاني من فترات السحب الموسعة (بسبب سلسلة من العديد من الصفقات الخاسرة المتزايد). سوف يتخلى العديد من التجار في فترات السحب التدريجي، حتى لو كان الاختبار التاريخي قد اقترح هذا هو "العمل كالمعتاد" للاستراتيجية. سوف تحتاج إلى تحديد ما هي نسبة السحب (وأكثر من الفترة الزمنية) التي يمكن أن تقبل قبل التوقف عن التداول الاستراتيجية الخاصة بك. هذا قرار شخصي للغاية وبالتالي يجب النظر فيه بعناية. القدرة / السيولة - على مستوى التجزئة، إلا إذا كنت تتداول في أداة غير سائلة للغاية (مثل الأسهم الصغيرة)، لن تضطر إلى قلق نفسك بشكل كبير مع القدرة الاستراتيجية. وتحدد القدرات قابلية الاستراتيجية لزيادة رأس المال. ويعاني العديد من صناديق التحوط األكبر حجما من مشاكل كبيرة تتعلق بالقدرات مع زيادة استراتيجياتها في تخصيص رأس المال. معلمات - بعض الاستراتيجيات (وخاصة تلك الموجودة في مجتمع التعلم الآلي) تتطلب كمية كبيرة من المعلمات. كل معلمة إضافية تتطلب استراتيجية يجعلها أكثر عرضة للتحيز التحسين (المعروف أيضا باسم "منحنى المناسب"). يجب أن تحاول واستهداف الاستراتيجيات مع عدد قليل من المعلمات ممكن أو تأكد من أن لديك كميات كافية من البيانات التي لاختبار الاستراتيجيات الخاصة بك على. المعيار - تقاس جميع الاستراتيجيات تقريبا (ما لم توصف بأنها "عودة مطلقة") مقابل بعض مؤشرات الأداء. The benchmark is usually an index that characterises a large sample of the underlying asset class that the strategy trades in. If the strategy trades large-cap US equities, then the S&P500 would be a natural benchmark to measure your strategy against. You will hear the terms "alpha" and "beta", applied to strategies of this type. We will discuss these coefficients in depth in later articles.

Notice that we have not discussed the actual returns of the strategy. لماذا هذا؟ In isolation, the returns actually provide us with limited information as to the effectiveness of the strategy. They don't give you an insight into leverage, volatility, benchmarks or capital requirements. Thus strategies are rarely judged on their returns alone. Always consider the risk attributes of a strategy before looking at the returns.

At this stage many of the strategies found from your pipeline will be rejected out of hand, since they won't meet your capital requirements, leverage constraints, maximum drawdown tolerance or volatility preferences. The strategies that do remain can now be considered for backtesting . However, before this is possible, it is necessary to consider one final rejection criteria - that of available historical data on which to test these strategies.

Obtaining Historical Data.

Nowadays, the breadth of the technical requirements across asset classes for historical data storage is substantial. In order to remain competitive, both the buy-side (funds) and sell-side (investment banks) invest heavily in their technical infrastructure. It is imperative to consider its importance. In particular, we are interested in timeliness, accuracy and storage requirements. I will now outline the basics of obtaining historical data and how to store it. Unfortunately this is a very deep and technical topic, so I won't be able to say everything in this article. However, I will be writing a lot more about this in the future as my prior industry experience in the financial industry was chiefly concerned with financial data acquisition, storage and access.

In the previous section we had set up a strategy pipeline that allowed us to reject certain strategies based on our own personal rejection criteria. In this section we will filter more strategies based on our own preferences for obtaining historical data. The chief considerations (especially at retail practitioner level) are the costs of the data, the storage requirements and your level of technical expertise. We also need to discuss the different types of available data and the different considerations that each type of data will impose on us.

Let's begin by discussing the types of data available and the key issues we will need to think about:

Fundamental Data - This includes data about macroeconomic trends, such as interest rates, inflation figures, corporate actions (dividends, stock-splits), SEC filings, corporate accounts, earnings figures, crop reports, meteorological data etc. This data is often used to value companies or other assets on a fundamental basis, i. e. via some means of expected future cash flows. It does not include stock price series. Some fundamental data is freely available from government websites. Other long-term historical fundamental data can be extremely expensive. Storage requirements are often not particularly large, unless thousands of companies are being studied at once. News Data - News data is often qualitative in nature. It consists of articles, blog posts, microblog posts ("tweets") and editorial. Machine learning techniques such as classifiers are often used to interpret sentiment . This data is also often freely available or cheap, via subscription to media outlets. The newer "NoSQL" document storage databases are designed to store this type of unstructured, qualitative data. Asset Price Data - This is the traditional data domain of the quant. It consists of time series of asset prices. Equities (stocks), fixed income products (bonds), commodities and foreign exchange prices all sit within this class. Daily historical data is often straightforward to obtain for the simpler asset classes, such as equities. However, once accuracy and cleanliness are included and statistical biases removed, the data can become expensive. In addition, time series data often possesses significant storage requirements especially when intraday data is considered. Financial Instruments - Equities, bonds, futures and the more exotic derivative options have very different characteristics and parameters. Thus there is no "one size fits all" database structure that can accommodate them. Significant care must be given to the design and implementation of database structures for various financial instruments. We will discuss the situation at length when we come to build a securities master database in future articles. Frequency - The higher the frequency of the data, the greater the costs and storage requirements. For low-frequency strategies, daily data is often sufficient. For high frequency strategies, it might be necessary to obtain tick-level data and even historical copies of particular trading exchange order book data. Implementing a storage engine for this type of data is very technologically intensive and only suitable for those with a strong programming/technical background. Benchmarks - The strategies described above will often be compared to a benchmark . This usually manifests itself as an additional financial time series. For equities, this is often a national stock benchmark, such as the S&P500 index (US) or FTSE100 (UK). For a fixed income fund, it is useful to compare against a basket of bonds or fixed income products. The "risk-free rate" (i. e. appropriate interest rate) is also another widely accepted benchmark. All asset class categories possess a favoured benchmark, so it will be necessary to research this based on your particular strategy, if you wish to gain interest in your strategy externally. Technology - The technology stacks behind a financial data storage centre are complex. This article can only scratch the surface about what is involved in building one. However, it does centre around a database engine, such as a Relational Database Management System (RDBMS), such as MySQL, SQL Server, Oracle or a Document Storage Engine (i. e. "NoSQL"). This is accessed via "business logic" application code that queries the database and provides access to external tools, such as MATLAB, R or Excel. Often this business logic is written in C++, C#, Java or Python. You will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers. Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner.

As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data. You may find it is necessary to reject a strategy based solely on historical data considerations. This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely. Do not underestimate the difficulties of creating a robust data centre for your backtesting purposes!

I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost. Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation. Tools like TradeStation possess this capability. However, my personal view is to implement as much as possible internally and avoid outsourcing parts of the stack to software vendors. I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical.

Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine. This will be the subject of other articles, as it is an equally large area of discussion!

Just Getting Started with Quantitative Trading?

3 Reasons to Subscribe to the QuantStart Email List:

1. Quant Trading Lessons.

You'll get instant access to a free 10-part email course packed with hints and tips to help you get started in quantitative trading!

2. All The Latest Content.

Every week I'll send you a wrap of all activity on QuantStart so you'll never miss a post again.

Real, actionable quant trading tips with no nonsense.

How to Code Your Own Algo Trading Robot.

Ever wanted to become an algorithmic trader with the ability to code your own trading robot? And yet, are you frustrated with the amount of disorganized, misleading information and false promises of overnight prosperity? Well, Lucas Liew, creator of the online algorithmic trading course AlgoTrading101, may have the solution for you. Having excellent reviews and garnering over 8,000 students since first launching in October 2018, Liew’s course—aimed at presenting the fundamentals of algorithmic trading in an organized way—is proving to be quite popular. He is adamant about the fact that algorithmic trading is “not a get-rich-quick scheme.” Drawing on insights from Liew and his course, outlined below are the basics of what it takes to design, build and maintain your own algorithmic trading robot.

What an Algorithmic Trading Robot Is and Does.

At the most basic level, an algorithmic trading robot is a computer code that has the ability to generate and execute buy and sell signals in financial markets. The main components of such a robot include entry rules that signal when to buy or sell, exit rules indicating when to close the current position, and position sizing rules defining the quantities to buy or sell. (For more, see: Basics of Algorithmic Trading: Concepts and Examples .)

The Main Tools.

Obviously, you’re going to need a computer and an Internet connection. After that, a Windows or Mac operating system will be needed to run MetaTrader 4 (MT4)—an electronic trading platform that uses the MetaQuotes Language 4 (MQL4) for coding trading strategies. Although MT4 is not the only software one could use to build a robot it has a number of significant benefits.

While MT4’s main asset class is foreign exchange (FX), the platform can be used to trade equities, equity indices, commodities and Bitcoins using CFDs. Other benefits of using MT4 as opposed to other platforms include being easy to learn, has numerous available FX data sources and it’s free. Unfortunately, MT4 does not allow for direct trading in stock and futures markets and conducting statistical analysis can be burdensome; however, MS Excel can be used as a supplementary statistical tool.

Algorithmic Trading Strategies.

It is important to begin by reflecting on some core traits that every algorithmic trading strategy should have. The strategy should be market prudent in that it is fundamentally sound from a market and economic standpoint. Also, the mathematical model used in developing the strategy should be based on sound statistical methods.

Next, it is crucial to determine what information your robot is aiming to capture. In order to have an automated strategy, your robot needs to be able to capture identifiable, persistent market inefficiencies. Algorithmic trading strategies follow a rigid set of rules that take advantage of market behavior and thus, the occurrence of a one-time market inefficiency is not enough to build a strategy around. Further, if the cause of the market inefficiency is unidentifiable, then there will be no way to know if the success or failure of the strategy was due to chance or not.

With the above in mind there are a number of strategy types to inform the design of your algorithmic trading robot. These include strategies that take advantage of (i) macroeconomic news (e. g. non-farm payroll or interest rate changes); (ii) fundamental analysis (e. g. using revenue data or earnings release notes); (iii) statistical analysis (e. g. correlation or cointegration); (iv) technical analysis (e. g. moving averages); (v) the market microstructure (e. g. arbitrage or trade infrastructure); or (vi) any combination of the above. (For related reading, see: What Is Market Efficiency? )

Designing and Testing Your Robot.

There are essentially four steps needed to build and manage a trading robot:

Preliminary Research : This step focuses on developing a strategy that suits your own personal characteristics. Factors such as personal risk profile, time commitment and trading capital are all important to think about when developing a strategy. You can then begin to identify the persistent market inefficiencies mentioned above. Having identified a market inefficiency you can begin to code a trading robot suited to your own personal characteristics.

Backtesting : This step focuses on validating your trading robot. This includes checking the code to make sure it is doing what you want and understanding how it performs over different time frames, asset classes, or different market conditions, especially in black swan type events such as the 2008 global financial crisis .

Optimization : So, now you have coded a robot that works and at this stage you want to maximize its performance while minimizing overfitting bias. To maximize performance you first need to select a good performance measure that captures risk and reward elements, as well as consistency (e. g. Sharpe ratio). Overfitting bias occurs when your robot is too closely based on past data; such a robot will give off the illusion of high performance but since the future never completely resembles the past it may actually fail.

Live Execution : You are now ready to begin using real money. However, aside from being prepared for the emotional ups and downs that you might experience, there are a few technical issues that need to be addressed. These issues include selecting an appropriate broker, and implementing mechanisms to manage both market risks and operational risks such as potential hackers and technology downtime. It is also important at this step to verify that the robot’s performance is similar to that experienced in the testing stage. Finally, continual monitoring is needed to ensure that the market efficiency that the robot was designed for still exists. (For more, see: How Trading Algorithms Are Created .)

الخط السفلي.

Considering that Richard Dennis, the legendary commodity trader, taught a group of students his personal trading strategies who then went on to earn over $175 million in just five years, it is completely possible for inexperienced traders to be taught a strict set of guidelines and become successful traders . However, this is one extraordinary example and beginners should definitely remember to have modest expectations.

In order to be successful it is important to not just follow a set of guidelines but to understand how those guidelines are working. Liew stresses that the most important part of algorithmic trading is “understanding under which types of market conditions your robot will work and when it will break down,” and “understanding when to intervene.” Algorithmic trading can be rewarding but the key to success is understanding. Any course or teacher promising high rewards with minimal understanding should be a major warning sign.

Simple Strategies For Capitalizing On Trends.

T here are two types of markets in which a trader will trade - a trending market or a sideways market. On any time frame, a trade may be held through both types of market, but it is when the trade is entered and in what type of market (trending or sideways) that determines its level of risk. R isk is simply the amount of price movement we would expect before we can say with some certainty the trade is not moving in our direction (at least for right now) , and is moving because of factors beyond simple market noise. (To learn how to trade a sideways market, read Finding Value In A Sideways Market .)

In trends, the most common way to establish risk is to take the entry price minus the most recent swing low for long positions and the most recent swing high minus the entry price for short positions . Then , multiply this number by the number of shares the trader is exposed to . A small cushion should be added to t he high/low to allow for moderate flucations. If a former swing low is penetrated in an uptrend, there is a possibility that the trend is reversing, or at minimum the trend is in some danger of ending and thus the trader should exit the trade until the trend re - establishes itself with conviction.

The definition of an uptrend is higher price highs and higher price lows. In a downtrend, price makes lower highs and lower lows. So, if you enter a trade in an uptrend and a previous low is penetrated, this is no longer an uptrend by definition, thus the trader should exit and wait for the trend to re - establis h itself. This will be signalled by price moving higher than a former swing high . (For more, check out Candlesticks And Oscillators For Succesful Swing Trades .)

Entering In An Uptrend.

Unfortunately, theory does not always play out in the real world. The downside to this entry is that if prices turn and begin to move in the opposite direction of the trend, our risk is greater than what it would be if we used an alternative, lower, entry point.

Entering On a Sideways Trend.

The downside is that we do not know whether the trend will continue, as prices may move only slightly higher, but fail to push above the rent swing high. Another contingency we need to be aware of is that trendlines are not always perfect - prices may not reach a trendline every time, thus making the entry more subjective, or prices may bounce off a trendline only to reverse and move through the trendline. We may also have multiple trendlines, as markets often break below one trendline only to be supported by a new one as is the case in Figure 1, which shows several potential entries. (For more, read Track Stock Prices With Trendlines .)

Putting It Together.

Of course, as mentioned earlier, the downsides to these entry methods are still there. Prices can turn at any time, no matter what confirmation we have received. Thus, it is very important to keep a stop loss on all trades, and when there is an indication that a trend is not going to continue, the trade(s) must be exited.

Common Types of Trading Algorithms.

This is a short overview of common types of quantitative finance algorithms that are traded today. Of course, this is only an overview, and not comprehensive! Let me know if you think there are other algo types I should cover.

Mean reversion investors assume that the price of the stock will over time revert back to its long-time average price. They use stock price analysis to determine the trading bounds of statistical significance. If the stock is trading significantly above the moving average, they will short it. On the other hand, if the stock is trending significantly below its moving average, they will buy it. See example strategy Valuation - Bargain Shopping.

Investors create strategies that depend on the time of year. It's well documented that markets tend of have better returns at the end of the year and during the summer months, while September is usually a month with lower returns. In order to avoid capital loss, some investors choose to sell their positions with losses at the end of December to benefit from tax leniency. In January, investors return in triumph and purchase small-cap and value stocks, driving up their prices. Stock prices also trend differently around holidays and quarter close periods. A simple strategy is to buy and hold equities (SPY) from October - April and then rotate to buy and hold bonds (BSV) from May - September. See example strategy Sentiment - Buy the rumor, sell the news.

Sentiment Analysis trading derives from crowd psychology, where investors stay up-to-date on recent news and purchase stocks predict the crowd's reaction. They attempt to capture short term price changes and reap the quick benefits. Investors may monitor sources including Google search trends, media outlets, blogs/forums, and Twitter posts. See example strategy Fundamental Investing.

This is a way of evaluating the true intrinsic value of a stock by examining macro-level factors such as econonmic indicators, industry and sector comparisons, and analyzing company's financial statements. The calculations derived from real data attempt to model the stock's true value, which is then compared to the stock's market price - driving the decision to buy or sell. Example data points for fundamental analysis include companies revenues, earnings, future growth, return on equity, and profit margins. Technical Investing.

This method examines past market activity for changes in the stock's price and volume, believing that historical performance is indicative of future results. Investors use charts, statistics, and other tools to discover patterns in the data to predict future price movements. This style of investing does not analyze the intrisic value of the stock, but rather the future movement of the security. To add technical analysis to your Quantopian code, see the ta-lib open source library.

The material on this website is provided for informational purposes only and does not constitute an offer to sell, a solicitation to buy, or a recommendation or endorsement for any security or strategy, nor does it constitute an offer to provide investment advisory services by Quantopian.

In addition, the material offers no opinion with respect to the suitability of any security or specific investment. No information contained herein should be regarded as a suggestion to engage in or refrain from any investment-related course of action as none of Quantopian nor any of its affiliates is undertaking to provide investment advice, act as an adviser to any plan or entity subject to the Employee Retirement Income Security Act of 1974, as amended, individual retirement account or individual retirement annuity, or give advice in a fiduciary capacity with respect to the materials presented herein. If you are an individual retirement or other investor, contact your financial advisor or other fiduciary unrelated to Quantopian about whether any given investment idea, strategy, product or service described herein may be appropriate for your circumstances. All investments involve risk, including loss of principal. Quantopian makes no guarantees as to the accuracy or completeness of the views expressed in the website. The views are subject to change, and may have become unreliable for various reasons, including changes in market conditions or economic circumstances.

التعليقات مغلقة.

The material on this website is provided for informational purposes only and does not constitute an offer to sell, a solicitation to buy, or a recommendation or endorsement for any security or strategy, nor does it constitute an offer to provide investment advisory services by Quantopian.

In addition, the material offers no opinion with respect to the suitability of any security or specific investment. No information contained herein should be regarded as a suggestion to engage in or refrain from any investment-related course of action as none of Quantopian nor any of its affiliates is undertaking to provide investment advice, act as an adviser to any plan or entity subject to the Employee Retirement Income Security Act of 1974, as amended, individual retirement account or individual retirement annuity, or give advice in a fiduciary capacity with respect to the materials presented herein. If you are an individual retirement or other investor, contact your financial advisor or other fiduciary unrelated to Quantopian about whether any given investment idea, strategy, product or service described herein may be appropriate for your circumstances. All investments involve risk, including loss of principal. Quantopian makes no guarantees as to the accuracy or completeness of the views expressed in the website. The views are subject to change, and may have become unreliable for various reasons, including changes in market conditions or economic circumstances.

The material on this website is provided for informational purposes only and does not constitute an offer to sell, a solicitation to buy, or a recommendation or endorsement for any security or strategy, nor does it constitute an offer to provide investment advisory or other services by Quantopian. In addition, the content of the website offers no opinion with respect to the suitability of any security or any specific investment.

Quantopian makes no guarantees as to accuracy or completeness of the views expressed in the website. The views are subject to change, and may have become unreliable for various reasons, including changes in market conditions or economic circumstances. All investments involve risk – including loss of principal. You should consult with an investment professional before making any investment decisions.