Kvantstrategier - är de för dig. Kvantitativa investeringsstrategier har utvecklats till mycket komplicerade verktyg med tillkomsten av moderna datorer, men strategierna går tillbaka över 70 år. De drivs vanligtvis av högutbildade team och använder proprietära modeller för att öka deras förmåga att Slå på marknaden Det finns även programplaner som är plug-and-play för dem som söker enkelhet. Kvantmodeller fungerar alltid bra när de testas igen, men deras faktiska applikationer och framgångshastighet är diskutabelt medan de verkar fungera bra på tjurmarknaderna När marknaderna går haywire, är kvantstrategier utsatta för samma risker som någon annan strategi. Historien En av grundarna till studien av kvantitativ teori tillämpad på finansiering var Robert Merton. Man kan bara föreställa sig hur svårt och tidskrävande processen var Före användning av datorer Övriga teorier i ekonomi utvecklades också från några av de första kvantitativa studierna, inklusive grunden för diversifiering av portföljen D på modern portföljteori Användningen av både kvantitativ finansiering och kalkyler ledde till många andra vanliga verktyg, inklusive en av de mest kända, Black-Scholes optionsprissättningsformeln, som inte bara hjälper investerare till prisoptioner och utvecklar strategier, utan hjälper till att hålla marknaderna i kontroll med likviditet. När det tillämpas direkt på portföljförvaltningen är målet som alla andra investeringsstrategier för att mervärde, alfa eller meravkastning. Quants, som utvecklarna heter, komponerar komplexa matematiska modeller för att upptäcka investeringsmöjligheter. Det finns så många modeller där ute Som quants som utvecklar dem och alla hävdar att de är bästa En av en kvant investeringsstrategi s bästsäljande poäng är att modellen och slutligen datorn gör det faktiska köpförsäljningsbeslutet, inte en människa. Det här tenderar att ta bort alla känslomässiga svar som en person kan uppleva när man köper eller säljer investeringar. Några strategier accepteras nu i investeringssamhället och drivs av fonder, hedgefonder och D institutionella investerare De brukar gå med namnet alfa generatorer eller alfabetiska. Bakom gardinen Precis som i Wizard of Oz, står någon bakom gardinen som kör processen. Liksom med vilken modell som helst, är den bara lika bra som den människa som utvecklar program Medan det inte finns något specifikt krav på att bli en kvant, kombinerar de flesta företag som kör kvantmodeller färdigheter hos analytiker, statistiker och programmerare som kodar processen i datorerna. På grund av de matematiska och statistiska modellernas komplexa karaktär är det vanligt för att se inloggningsuppgifter som doktorsexamen och doktorsexamen i ekonomi, ekonomi, matematik och teknik. Historiskt fungerade dessa lagmedlemmar i backkontor men som kvantmodeller blev vanligare flyttar kontorskontoret till front office. Benefits of Quant Strategies While den övergripande framgångsgraden är diskutabel, anledningen till att vissa kvantstrategier fungerar är att de är baserade på disciplin. Om modellen har rätt håller disciplinen E-strategi som arbetar med blixtsnittsdatorer för att utnyttja ineffektivitet på marknaderna baserad på kvantitativa data. Modellerna själva kan baseras på så lite som några förhållanden som PE-skuld till eget kapital och vinsttillväxt eller använda tusentals insatser som samverkar på samma sätt Time. Successful strategier kan hämta trender i deras tidiga stadier, eftersom datorerna ständigt driver scenarier för att lokalisera ineffektivitet innan andra gör. Modellerna kan analysera en mycket stor grupp av investeringar samtidigt, där den traditionella analytiker kan titta på bara några få I taget Skärmprocessen kan betygsätta universum på betygsnivåer som 1-5 eller AF beroende på modell. Det gör den faktiska handelsprocessen väldigt enkel genom att investera i de högklassiga investeringarna och sälja de lågt rankade. upp variationer av strategier som långa, korta och långa korta Framgångsrika kvantfonder håller koll på riskkontroll på grund av arten av deras modeller M ost-strategier börjar med ett universum eller riktmärke och använd sektorer och branschvikter i deras modeller Det gör att fonderna kan styra diversifieringen i viss utsträckning utan att kompromissa med själva modellen. Kvantfonderna går oftast till lägre kostnad eftersom de inte behöver så många Traditionella analytiker och portföljförvaltare att köra dem. Nackdelar med Quant Strategies Det finns anledningar till varför så många investerare inte fullt ut omfattar begreppet att låta en svart låda köra sina investeringar. För alla de framgångsrika kvantfonderna där ute, verkar lika många som misslyckas Tyvärr för quants rykte, när de misslyckas misslyckas de stora tiden. Long Term Capital Management var en av de mest kända quant hedge fundsna, eftersom den drivs av några av de mest respekterade akademiska ledarna och två Nobels minnesprisvinnande ekonomer Myron S Scholes och Robert C Merton Under 1990-talet genererade deras lag över genomsnittet avkastning och lockade kapital från alla typer av investerare. De w Är berömd för att inte bara utnyttja ineffektivitet utan även använda lätt tillgång till kapital för att skapa enorma leveranserade satsningar på marknadsriktningar. Den disciplinerade karaktären av deras strategi skapade faktiskt den svaghet som ledde till deras kollaps. Långfristig kapitalförvaltning löstes och löstes i början av 2000 Dess modeller inkluderade inte möjligheten att den ryska regeringen skulle kunna standardisera sin egen skuld. Den här händelsen utlöste händelser och en kedjereaktion förstorad av hävstångsskapande förödelse LTCM var så starkt inblandad i andra investeringsverksamheter som dess kollaps påverkade världsmarknaderna , Som utlöser dramatiska händelser På lång sikt gick Federal Reserve in för att hjälpa och andra banker och investeringsfonder stödde LTCM för att förhindra ytterligare skador. Detta är en av anledningarna till att kvantfonder kan misslyckas, eftersom de bygger på historiska händelser som kan Inte inkludera framtida händelser. Samtidigt som ett starkt kvantteam kommer att ständigt lägga till nya aspekter på modellerna för att förutsäga framtiden händelser är det omöjligt att förutsäga framtiden varje gång Quant-medel kan också bli överväldigade när ekonomin och marknaderna upplever större volatilitet. Köp - och säljsignalerna kan komma så snabbt att den höga omsättningen kan skapa höga provisioner och skattepliktiga händelser Kvantfonder kan också utgöra en fara när de marknadsförs som bärsäkra eller bygger på korta strategier Att förutse nedgångar med hjälp av derivat och kombinera hävstång kan vara farligt En fel tur kan leda till implosioner, vilket ofta gör nyheterna. Bottom Line Quantitative investment Strategier har utvecklats från backboks svarta lådor till vanliga investeringsverktyg De är utformade för att utnyttja de bästa sinnena i verksamheten och de snabbaste datorerna för att både utnyttja ineffektivitet och använda hävstångseffekt för att göra marknadssatser. De kan vara mycket framgångsrika om modellerna har inkluderat alla rätt ingångar och är fula nog att förutse onormala marknadshändelser På flipsidan, medan kvantfonder strängt är Testad till dess att de fungerar, är deras svaghet att de är beroende av historiska data för deras framgång. Samtidigt som investeringar i quant-style har sin plats på marknaden är det viktigt att vara medveten om sina brister och risker. För att vara förenlig med diversifieringsstrategier är det bra Idé att behandla kvantstrategier som en investeringsstil och kombinera den med traditionella strategier för att uppnå rätt diversifiering. En undersökning som gjorts av Förenta staternas presidium för arbetsstatistik för att hjälpa till att mäta lediga platser. Det samlar in data från arbetsgivare. Det maximala beloppet av pengar i Förenta staterna kan låna Skuldtaket skapades enligt Second Liberty Bond Act. Räntesatsen vid vilken ett förvaltningsinstitut lånar medel som förvaras i Federal Reserve till ett annat förvaringsinstitut.1 En statistisk åtgärd av spridning av avkastning för ett visst värdepappers - eller marknadsindex Volatiliteten kan antingen mätas. En akt som den amerikanska kongressen antog 1933 som banklagen, som förbjöd kommersiella banker f Rom som deltar i investment. Nonfarm lön hänvisar till något jobb utanför gårdar, privata hushåll och icke-vinstdrivande sektorn. US Bureau of Labor. Beginner s Guide till kvantitativ handel. I denna artikel kommer jag att introducera dig till några av de grundläggande begreppen Som åtföljer ett slutet-till-än-kvantitativt handelssystem Detta inlägg kommer förhoppningsvis att tjäna två publikum Den första kommer att vara individer som försöker få ett jobb hos en fond som en kvantitativ näringsidkare Den andra kommer att vara individer som vill försöka skapa sin egen detaljhandel Algoritmisk handel. Kvantitativ handel är ett extremt sofistikerat område med kvantfinansiering. Det kan ta mycket tid att få den nödvändiga kunskapen för att skicka en intervju eller bygga egna handelsstrategier. Inte bara det, men det kräver en omfattande programkompetens, i själva verket minst på ett språk som MATLAB, R eller Python Men eftersom handelsfrekvensen i strategin ökar blir de tekniska aspekterna mycket mer r Elevant Således är bekantskap med CC av avgörande betydelse. Ett kvantitativt handelssystem består av fyra huvudkomponenter. Strategiidentifiering - Hitta en strategi, utnyttja en kant och bestämma om tradingfrekvensen. Strategi Backtesting - Få data, analysera strategins prestanda och ta bort biaser. Execution System - Länkning till en mäklare, automatisering av handeln och minimering av transaktionskostnader. Riskkontroll - Optimal kapitaltilldelning, satsningsformat Kelly-kriterium och handelspsykologi. Vi börjar med att titta på hur man identifierar en handelsstrategi. Strategiidentifikation. Alla kvantitativa handelsprocesser börjar med en första forskningsperiod Denna forskningsprocess omfattar att hitta en strategi för att se om strategin passar in i en portfölj av andra strategier du kan springa, få tillgång till all data som behövs för att testa strategin och försöka optimera strategin för Högre avkastning och eller lägre risk Du behöver faktor i ditt eget kapitalbehov Om man kör strategin som detaljhandlare och hur eventuella transaktionskostnader kommer att påverka strategin. I motsats till populär tro är det faktiskt ganska enkelt att hitta lönsamma strategier genom olika offentliga källor. Akademiker publicerar regelbundet teoretiska handelsresultat, om än för det mesta brutto av transaktionskostnader. Kvantitativ finansiering bloggar kommer att diskutera strategier i detalj Handels tidskrifter kommer att skissera några av de strategier som används av fonder. Du kan ifrågasätta varför individer och företag är angelägna om att diskutera sina lönsamma strategier, särskilt när de vet att andra som tränger handeln kan stoppa strategin från att arbeta i lång sikt Orsaken ligger i att de inte ofta diskuterar de exakta parametrar och inställningsmetoder som de har genomfört. Dessa optimeringar är nyckeln till att göra en relativt medelmåttig strategi till en mycket lönsam. Faktum är att ett av de bästa sätten att Skapa dina egna unika strategier är att hitta liknande metoder och sedan bära o Ut din egen optimeringsprocedur. Här är en liten lista över platser att börja leta efter strategidéer. Många av de strategier du kommer att titta på kommer att hamna i kategorierna av medelåterkallande och trendmässiga momentum. En genomsnittsstrategi är en som Försöker utnyttja det faktum att en långsiktig betydelse på en prisserie som spridningen mellan två korrelerade tillgångar existerar och att kortsiktiga avvikelser från detta medel kommer att återvända till en momentumstrategi försöker utnyttja både investorspsykologi och stor fondstruktur genom hitching En tur på en marknadsutveckling som kan samla moment i en riktning och följa trenden tills den återgår. En annan enormt viktig aspekt av kvantitativ handel är frekvensen av handelsstrategin. Lågfrekvenshandel LFT hänvisar i allmänhet till en strategi som innehar tillgångar längre än en handelsdag motsvarande högfrekvent handel HFT hänvisar generellt till en strategi som innehar tillgångar intradag ultrahögfrekvent handel UHFT re Går till strategier som håller tillgångar i storleksordningen sekunder och millisekunder. Som en detaljhandlare är HFT och UHFT säkert möjliga men endast med detaljerad kunskap om handelsteknikstaket och orderbokdynamik. Vi vann inte att diskutera dessa aspekter i stor utsträckning i detta Introducerande artikeln. När en strategi eller uppsättning strategier har identifierats behöver den nu testas för lönsamhet på historiska data. Det är domänen för backtesting. Strategy Backtesting. Målet med backtesting är att bevisa att strategin identifieras via ovanstående process är lönsam när den tillämpas på både historisk och out-of-sample-data. Detta ställer förväntan på hur strategin kommer att fungera i den verkliga världen. Backtesting är INTE en garanti för framgång av olika anledningar. Det är kanske det mest subtila området av kvantitativ handel eftersom det medför många fördomar, vilket måste noggrant övervägas och elimineras så mycket som möjligt. Vi kommer att diskutera de gemensamma typerna av bias, inklusive framåtblickande biasöverlevnad, bias och optimerings bias, även känd som data-snooping bias Andra områden av betydelse inom backtesting inkluderar tillgänglighet och renlighet av historiska data, factoring i realistiska transaktionskostnader och beslut om en robust backtesting plattform Vi kommer att diskutera transaktionskostnader ytterligare i avsnittet Exekveringssystem nedan. När en strategi har identifierats är det nödvändigt att erhålla de historiska uppgifterna genom vilka testning kan utföras och kanske förfining. Det finns ett betydande antal dataförsäljare över alla tillgångsklasser. De kostar i allmänhet med Kvaliteten, djupet och aktualiteten av data Den traditionella utgångspunkten för att börja kvanthandlare, åtminstone på detaljhandeln, är att använda den fria datasatsen från Yahoo Finance. Jag vann inte bo för leverantörer för mycket här, snarare skulle jag vilja koncentrera mig på De allmänna frågorna när det handlar om historiska dataset. De viktigaste problemen med historiska data inkluderar precisionsklart anständighet, överlevnadsperspektiv och justering för företagsåtgärder som utdelningar och lageravdelningar. Uppgift om dataens övergripande kvalitet - om det innehåller några fel Fel kan ibland vara lätta att identifiera, till exempel med ett spikfilter som kommer att välja felaktigt Spikar i tidsseriedata och korrigeras för dem Vid andra tillfällen kan de vara mycket svåra att upptäcka. Det är ofta nödvändigt att ha två eller flera leverantörer och sedan kontrollera alla sina data mot varandra. Önskningsperspektiv är ofta en funktion av gratis eller billigt Dataset En dataset med överlevnadsperspektiv innebär att det inte innehåller tillgångar som inte längre handlas. När det gäller aktier betyder det att avyttrade konkursbestånd innebär att varje aktiehandelstrategi som testas på en sådan dataset kommer troligen att fungera bättre än i den verkliga världen som de historiska vinnarna redan har förvalts. Kommittéåtgärder omfattar logistikaktiviteter som bedrivs av företaget som vanligtvis orsakar en stegfunktion c hängning i det råa priset, som inte ska inkluderas i beräkningen av prisavkastningen Justeringar för utdelning och lagerfördelning är de vanliga synderna En process som är känd som backjustering är nödvändig för att genomföras vid var och en av dessa åtgärder Man måste vara mycket noga med att inte förvirra en aktiesplit med en sann avkastningsjustering Många en näringsidkare har blivit uttagen av en företagsaktion. För att kunna genomföra ett backtestförfarande är det nödvändigt att använda en mjukvaruplattform. Du har valet mellan dedikerad backtestprogramvara, till exempel Tradestation, en numerisk plattform som Excel eller MATLAB eller en fullständig anpassad implementering i ett programmeringsspråk som Python eller CI vann t för mycket på Tradestation eller liknande, Excel eller MATLAB, som jag tror på att skapa en hel in-house teknikstack av skäl som beskrivs nedan En av fördelarna med att göra det är att backtestprogramvaran och exekveringssystemet kan integreras tätt, även med extremt avancerad statistisk strategi S För speciella HFT-strategier är det viktigt att använda en anpassad implementering. När man testar ett system måste man kunna kvantifiera hur väl det är. Industristandardens mätvärden för kvantitativa strategier är maximal drawdown och Sharpe Ratio. Den maximala drawdownen karakteriserar största topp-till-droppfallet i kontotkapitalkurvan under en viss tidsperiod vanligtvis årligen Detta är oftast citerat som en procentandel LFT-strategier tenderar att ha större drawdowns än HFT-strategier på grund av ett antal statistiska faktorer En historisk backtest kommer att visa den senaste maximala drawdownen, vilket är en bra guide för strategins framtida dragningsprestanda. Den andra mätningen är Sharpe-förhållandet, vilket är heuristiskt definierat som genomsnittet av meravkastningen dividerat med standardavvikelsen för de högre avkastningarna. Här är överskott avkastning hänvisar till strategins återvändande över ett förutbestämt riktmärke som S-släpp, vilket är skillnaden mellan vad du menade att din order skulle fyllas i jämfört med vad den faktiskt fylldes på, vilket är skillnaden mellan budgivningspriset på den säkerhet som handlas. Notera att spridningen inte är konstant och är beroende av den nuvarande likviditeten, dvs tillgängligheten av Köpa försäljningsorder på marknaden. Transaktionskostnader kan göra skillnaden mellan en extremt lönsam strategi med ett bra Sharpe-förhållande och en extremt olönsam strategi med ett fruktansvärt Sharpe-förhållande. Det kan vara en utmaning att korrekt förutsäga transaktionskostnaderna från en backtest Beroende på frekvensen av strategin behöver du tillgång till historiska utbytesdata, som inkluderar kryssdata för budpris. Hela teamet av quants är dedikerade till optimering av genomförandet i de större fonderna, av dessa skäl Beakta det scenario där en fond behöver avlasta en betydande mängd affärer, varför skälen att göra det är många och varierade genom att dumpa så många aktier på marknaden, kommer de att Snabbt sänka priset och får inte uppnå optimal utförande. Därför finns algoritmer som drar in foderorder på marknaden, även om fonden löper risken för att glida. Dessutom ökar andra strategier på dessa nödvändigheter och kan utnyttja ineffektiviteten. Detta är domänen för fondstrukturen arbitrage. The final major issue för exekveringssystem handlar om divergens av strategins prestanda från backtested prestanda Detta kan hända av ett antal skäl Vi har redan diskuterat framåtblickande bias och optimering bias i djupet, när vi överväger backtests Men vissa strategier gör inte gör det enkelt att testa för dessa förskjutningar före utplacering Detta sker i HFT mest övervägande Det kan finnas fel i exekveringssystemet såväl som handelsstrategin själv som inte dyker upp på en backtest men visar sig i live trading Marknaden kan har varit föremål för en regeringsändring efter utplaceringen av din strategi Nya regleringsmiljöer, som förändrar investerarnas känslor och makroekonomiska fenomen kan alla leda till avvikelser i hur marknaden beter sig och därmed lönsamheten i din strategi. Riskkontroll. Den slutliga delen till det kvantitativa handelspusslet är riskhanteringsprocessen Risken inkluderar alla tidigare förevändningar som vi har diskuterat. Det inkluderar Teknisk risk, som servrar som är samlokaliserade vid utbytet, plötsligt utvecklar en hårddiskfel Det inkluderar mäklarrisk, som att mäklaren blir konkurs, inte så galen som det låter, med tanke på den senaste skrämningen med MF Global. Kort sagt täcker den nästan allt som Kan eventuellt störa handelns genomförande, varav det finns många källor. Hela böckerna ägnas åt riskhantering för kvantitativa strategier, så jag vill inte försöka klargöra alla möjliga riskkällor här. Riskkontroll omfattar också det som kallas optimal kapitaltilldelning Vilket är en gren av portföljteori Detta är det sätt på vilket kapital tilldelas en uppsättning olika strategier s och till branschen inom dessa strategier Det är ett komplext område och bygger på lite icke-trivial matematik Den branschstandard med vilken optimal kapitalallokering och hävstång av strategierna är relaterade kallas Kelly-kriteriet Eftersom det här är en introduktionsartikel vann jag Det är inte Kelly-kriteriet som gör några antaganden om den statistiska karaktären av avkastningen, vilket ofta inte är sant på finansmarknaderna, så handlare är ofta konservativa när det gäller genomförandet. En annan viktig del av riskhanteringen är att hantera s egna psykologiska profil Det finns många kognitiva företeelser som kan krypa in till handel Även om detta är visserligen mindre problematiskt med algoritmisk handel om strategin lämnas ensam En vanlig bias är det för förlustaversion där en förlorad position inte kommer att stängas ut på grund av att smärtan att behöva inse en förlust På samma sätt kan vinster tas för tidigt eftersom rädslan för att förlora en redan vinst som kan uppnås kan vara för stor En annan vanlig bias är känd som nyhetsförspänning Detta uppenbarar sig när näringsidkare lägger för mycket tonvikt på de senaste händelserna och inte på längre sikt. Sedan är det naturligtvis det klassiska paret av emotionella fördomar - rädsla och girighet. Dessa kan ofta leda till under - eller över-hävstång, vilket kan orsaka uppblåsning, dvs kontotkapitalrubriken till noll eller sämre eller reducerad vinst. Som kan ses är kvantitativ handel en extremt komplex, om än mycket intressant, kvantitativ finansiell area jag har bokstavligen repat av ämnet i den här artikeln och det börjar redan bli ganska långt Hela böcker och papper har skrivits om frågor som jag bara har givit en mening eller två mot. Därför måste man, innan man ansöker om kvantitativa fondshandel, en betydande mängd grundarbetarstudier Åtminstone behöver du en omfattande bakgrund i statistik och ekonometri, med stor erfarenhet av implementering, via ett programmeringsspråk som MATLAB, Python eller R För mer sofistikerade strategier vid den högre frekvensänden kommer din färdighetsuppsättning sannolikt att innefatta Linux-kärnmodifikation, CC, monteringsprogrammering och optimering av nätets latentitet. Om du är intresserad av att försöka skapa egna algoritmiska handelsstrategier , mitt första förslag skulle vara att bli bra på programmering. Min preferens är att bygga så mycket av datagrabber, strategi backtester och exekveringssystem själv som möjligt. Om din egen huvudstad är på linjen skulle du inte sova bättre på natten och veta att Du har testat ditt system fullt ut och är medveten om sina fallgropar och specifika problem med att outsourca detta till en leverantör, samtidigt som det kan spara tid på kort sikt, kan vara extremt dyrt på lång sikt. Bara komma igång med kvantitativ handel. Finansiell matematik och Modellering II FINC 621 är en examennivå klass som för närvarande erbjuds vid Loyola University i Chicago under vinterkvarteret FINC 621 utforskar ämnen i kvantitativ finansiering, matematik och programmering Kursen är praktisk i naturen och består av både en föreläsning och en labkomponent. Labberna använder R-programmeringsspråket och studenterna ska lämna in sina individuella uppdrag i slutet av varje klass. Slutmålen för FINC 621 är att ge studenterna praktiska verktyg som de kan använda för att skapa, modellera och analysera enkla handelsstrategier. Några användbara R-länkar. Om instruktören. Harry G är en senior kvantitativ näringsidkare för ett HFT-handelsföretag i Chicago. Han har en mästare s examen i elektroteknik och en magisterexamen i finansiell matematik från University of Chicago i sin fritid lär han ut en doktorandnivå i kvantitativ finans vid Loyola University i Chicago. han är också författare till kvantitativ handel med R.
No comments:
Post a Comment