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 till och med självhäftande program som är plug-and-play för dem som söker enkelhet. Kvantmodeller fungerar alltid bra när de testas igen, men deras faktiska applikationer och framgångsnivå 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 kalkyl har lett till många andra vanliga verktyg, inklusive en av de mest kända, Black-Scholes optionsprissättningsformeln, vilket inte bara hjälper investerare till prisoptioner och utvecklar strategier, men 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. Vissa strategier accepteras nu i investeringssamhället och drivs av fonder, hedgefonder och D institutionella investerare De brukar gå med namnet alfa-generatorer eller alfa-gens. Begre 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 Att se referenser som doktorsexamen och doktorsexamen i ekonomi, ekonomi, matematik och teknik. Historiskt har dessa lagmedlemmar arbetat i backkontor men som kvantmodeller blev vanligare flyttar backkontoret 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 sina 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. Detta 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 tid. 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 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 utnyttja hävstångseffekt för att göra marknadssatser. De kan vara mycket framgångsrika om modellerna har inkluderat alla Rätt ingångar och är fula nog att förutsäga 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 en rätt diversifiering. Det maximala beloppet av pengar som Förenta staterna kan låna Skuldloftet skapades enligt Second Liberty Bond Act. Räntesatsen vid vilken ett förvaringsinstitut lånar medel som upprätthålls i Federal Reserve till ett annat förvaringsinstitut.1 En statistisk åtgärd av spridningen av avkastningen för ett visst värdepapper eller marknadsindex Volatilitet kan antingen mätas. En akt som den amerikanska kongressen antog 1933 som bankloven, som förbjöd kommersiell Banker från att delta i investment. Nonfarm lön hänvisar till något jobb utanför gårdar, privata hushåll och ideella sektor Förenta staternas presidium för arbete. Valutaförkortningen eller valutasymbolen för den indiska rupien INR, indiens valuta Rupén består av 1.Financial Mathematics and Modeling II FINC 621 är en examennivå klass som för närvarande erbjuds vid Loyola University I Chicago under vinterkvarteret FINC 621 utforskar ämnen i kvantitativ ekonomi, matematik och programmering. Klassen är praktisk i naturen och består av både en föreläsning och en labkomponent. Labberna använder sig av programmeringsspråket R och studenterna ska lämna in sina individuella uppdrag I slutet av varje klass. FINC 621: s slutmål 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 magisterexamen inom elektroteknik och en magisterexamen i finansiell matematik från University of Chicago In Hans fritid, Harry lär ut en forskarutbildning i kvantitativ ekonomi vid Loyola University i Chicago. Han är också författare till kvantitativ handel med R. Beginner s Guide till kvantitativ handel. I den här artikeln ska jag presentera dig för några av de grundläggande begrepp som följer med 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 ställa upp sina Egenhandel algoritmisk handel business. Quantitativ handel är ett extremt sofistikerat område av quant finance 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 omfattande programmeringskompetens på minst i ett språk som MATLAB, R eller Python Men eftersom handelsfrekvensen för strategin ökar blir de tekniska aspekterna Mycket mer relevant Således att vara bekant med CC kommer att vara av avgörande betydelse. Ett kvantitativt handelssystem består av fyra huvudkomponenter. Strategiidentifiering - Hitta en strategi, utnyttja en kant och bestämma om tradingfrekvens. Strategi Backtesting - Få data, analysera strategins prestanda och Borttagande av förhoppningar. Utvidgningssystem - Länkning till mäklare, automatisering av handeln och minimering av transaktionskostnader. Riskhantering - Optimal kapitaltilldelning, satsningsformat Kelly-kriterium och handelspsykologi. Vi börjar med att titta på hur man identifierar en handelsstrategi. Strategi Identifiering. Alla kvantitativa handelsprocesser börjar med en inledande period av forskning. Denna forskningsprocess omfattar att hitta en strategi och se om strategin passar in i en portfölj av andra strategier du kan springa, skaffa all data som behövs för att testa strategin och försöka optimera Strategi för högre avkastning och eller lägre risk Du behöver faktor i din egen hatt Ital krav om att driva strategin som en detaljhandel 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 i huvudsak brutto transaktionskostnader. Kvantitativ Finans bloggar kommer att diskutera strategier i detalj Trade journals 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 På lång sikt Orsaken ligger i det faktum 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 en av de bästa sätten Att skapa dina egna unika strategier är att hitta liknande metoder och sedan utföra 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 falla in i kategorierna av medelåtervändning och trendmoment. En medelåterkallande strategi 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 som försöker utnyttja både investorspecialis och stor fondstruktur Genom att ta en tur på en marknadsutveckling som kan samla moment i en riktning och följa trenden tills den vänder. En annan enormt viktig aspekt av kvantitativ handel är frekvensen av handelsstrategin. Lågfrekvenshandel LFT hänvisar i allmänhet till en strategi som håller tillgångar längre än en handelsdag På motsvarande sätt refererar högfrekvent handel HFT i allmänhet till en strategi som innehar tillgångar intradag Ultra-high frequency tra ding UHFT refererar 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 den här inledande 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 kvantitativa handel eftersom det medför många fördomar, vilket måste noggrant övervägas och elimineras så mycket som möjligt. Vi kommer att diskutera komm På typer av förspänning inklusive framåtblickande bias överlevnadsförmåga och optimering 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 beslutar om en robust backtesting plattform vi ska diskutera Transaktionskostnaderna längre fram 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 datalagörer över alla tillgångsklasser. i allmänhet skala med dataens kvalitet, djup och aktualitet. 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 Att koncentrera sig på de allmänna frågorna när det handlar om historiska dataset. De viktigaste problemen med historiska data är Precision renhet, överlevnad bias och justering för företagsåtgärder som utdelning och lager splits. Accuracy avser den övergripande kvaliteten av data - om det innehåller några fel Fel kan ibland vara lätt att identifiera, t. ex. med ett spik filter som kommer att välja ut felaktiga spikar i tidsseriedata och korrekta 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 fri eller Billiga dataset En dataset med överlevnadsperspektiv innebär att den inte innehåller tillgångar som inte längre handlas. När det gäller aktier betyder det att avyttrade konkursbestånd innebär att varje aktiehandelstrategi som testats på en sådan dataset kommer att troligen fungera bättre än i den verkliga världen som de historiska vinnarna redan har förhandlats. Korporativa åtgärder omfattar logistikaktiviteter som bedrivs av företaget som vanligtvis orsakar en p-funktion förändring i råpriset som inte ska inkluderas i beräkningen av prisavkastningen Justeringar för utdelning och lagerfördelning är vanliga synder En process som är känd som backjustering är nödvändig för att genomföras vid var och en av dessa åtgärder Man måste vara mycket försiktig om 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 Backtest-programvara, 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 full Internt 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 statistik Alla strategier För speciella HFT-strategier är det viktigt att använda en anpassad implementering. När man testar ett system måste man kunna kvantifiera hur väl det fungerar. Branschstandardmetrimerna för kvantitativa strategier är den maximala drawdownen och Sharpe-förhållandet. Den maximala drawdownen karakteriserar Den största topp-till-droppfallet i kontotkapitalkurvan under en viss tidsperiod vanligtvis årligen Detta är oftast citerat som en procentuell LFT-strategin tenderar att ha större drawdowns än HFT-strategier på grund av ett antal statistiska faktorer En historisk backtest Kommer att visa den senaste maximala nedräkningen som 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 dessa överskjutande avkastningar. Här, Överskjutande avkastning avser strategins avkastning över ett förutbestämt riktmärke som S-slip, vilket är th E skillnad 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 tillgången på köpförsäljningsorder 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 budsökpriser. Hela teamet av quants är dedikerade till optimering av genomförandet i de större fonderna, av dessa skäl. Tänk på scenariot där en fond behöver avlasta en betydande mängd affärer, varav orsakerna till det är många och varierade genom att dumpa så många aktier på marknaden , Kommer de snabbt att trycka på priset och får inte uppnå optimal utförande. Därför finns algoritmer som drar in foderordrar 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. Det sista huvudproblemet för exekveringssystem handlar om divergens av strategins prestanda från backtested prestanda Detta kan hända av ett antal anledningar. Vi har redan diskuterat framåtriktad bias och optimeringsförskjutning i djupet, när vi överväger backtests. Men vissa Strategier gör det inte lätt att testa för dessa förskjutningar före utplacering Detta sker i HFT mest övervägande Det kan finnas buggar i exekveringssystemet såväl som handelsstrategin själv som inte dyker upp på en backtest men DO dyker upp i live trading Marknaden kan ha varit föremål för en regeringsändring efter utplaceringen av din strategi Nya regleringsmiljöer, förändring av investeringar eller känslomässiga 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 fördomar som vi har diskuterat Det inkluderar teknikrisk, till exempel att 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 Allt som eventuellt skulle kunna störa handelens genomförande, av vilka det finns många källor. Hela böckerna ägnas åt riskhantering för kvantitativa strategier, så jag vill inte försöka belysa alla möjliga riskkällor här. Riskhanteringen omfattar också det som kallas optimal Kapitalfördelning som är en gren av portföljteori Detta är det sätt på vilket kapital tilldelas en uppsättning differe Nt-strategier och till branschen inom dessa strategier. Det är ett komplext område och bygger på lite icke-trivial matematik. Industristandarden med vilken optimal kapitaltilldelning och hävstång av strategierna är relaterade kallas Kelly-kriteriet. Eftersom det här är en introduktionsartikel, jag Vann t att hålla sig på sin beräkning Kelly-kriteriet ger 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 i riskhanteringen är att hantera Med sin egen psykologiska profil Det finns många kognitiva företeelser som kan krypa in till handel Även om detta visserligen är mindre problematiskt med algoritmisk handel om strategin lämnas ensam En gemensam bias är det för förlustaversion där en förlorad position inte kommer att stängas ut på grund av till smärtan att behöva inse en förlust På samma sätt kan vinsten tas för tidigt eftersom rädslan för att förlora en redan förvärvad pr Ofit kan vara för stor En annan vanlig bias är känd som nyhetssynning Detta manifesterar sig när näringsidkare lägger för mycket tonvikt på de senaste händelserna och inte på längre sikt Då är det naturligtvis det klassiska paret av emotionala företeelser - rädsla och girighet Dessa kan ofta leda Till under - eller överhantering, 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 Repade ämnets yta i den här artikeln och det börjar redan bli ganska långt. Hela böcker och papper har skrivits om problem som jag bara har givit en mening eller två. Av den anledningen är det nödvändigt att innan du ansöker om kvantitativa fondhandelsjobb är det nödvändigt Att utföra en betydande mängd grundarbetarstudier Minst behöver du en omfattande bakgrund i statistik och ekonometri, med stor erfarenhet av implementering, via ett program För språk som MATLAB, Python eller R För mer sofistikerade strategier vid högre frekvensänden kommer din färdighetsuppsättning sannolikt att inkludera Linux-kärnändring, CC, montering programmering och optimering av nätets latentitet. Om du är intresserad av att försöka skapa din egen 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 av dig själv som möjligt. Om din egen huvudstad är på linjen skulle du inte sova bättre på natten Vet att du har testat ditt system fullt ut och är medveten om sina fallgropar och specifika problem. Att outsourca detta till en leverantör, samtidigt som det kan spara tid på kort sikt, kan vara extremt dyrt på lång sikt. Bara att komma igång med kvantitativ handel.
No comments:
Post a Comment