Fundamentos do comércio algorítmico: conceitos e exemplos
Um algoritmo é um conjunto específico de instruções claramente definidas destinadas a realizar uma tarefa ou processo.
O comércio algorítmico (negociação automatizada, negociação em caixa preta ou simplesmente algo-trading) é o processo de uso de computadores programados para seguir um conjunto definido de instruções para colocar um comércio para gerar lucros a uma velocidade e freqüência impossíveis para um comerciante humano. Os conjuntos definidos de regras são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Além das oportunidades de lucro para o comerciante, o algo-trading torna os mercados mais líquidos e torna a negociação mais sistemática descartando impactos emocionais humanos nas atividades comerciais. (Para mais, consulte Picking the Right Algorithmic Trading Software.)
Suponha que um comerciante siga esses critérios de comércio simples:
Compre 50 ações de uma ação quando sua média móvel de 50 dias excede a média móvel de 200 dias. Vende ações da ação quando sua média móvel de 50 dias está abaixo da média móvel de 200 dias.
Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitorará automaticamente o preço das ações (e os indicadores de média móvel) e colocará as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais manter um relógio para preços e gráficos ao vivo, ou colocar as ordens manualmente. O sistema de negociação algorítmica automaticamente faz isso para ele, identificando corretamente a oportunidade comercial. (Para mais informações sobre as médias móveis, consulte Médias móveis simples, faça as tendências se destacarem.)
[Se você quiser saber mais sobre as estratégias comprovadas e pontuais que podem eventualmente ser trabalhadas em um sistema de comércio alorítico, confira o Curso de Torneio de Dia de Torneio da Invastopedia Academy. ]
Benefícios da negociação algorítmica.
A Algo-trading oferece os seguintes benefícios:
Negociações executadas com os melhores preços Posicionamento instantâneo e preciso da ordem comercial (com altas chances de execução nos níveis desejados) Negociações cronometradas corretamente e instantaneamente, para evitar mudanças de preços significativas Custos de transação reduzidos (veja o exemplo de falta de implementação abaixo) Verificações automatizadas simultâneas em múltiplos condições de mercado Reduziu o risco de erros manuais na colocação dos negócios Backtest o algoritmo, com base nos dados históricos e em tempo real disponíveis Reduzida a possibilidade de erros por comerciantes humanos com base em fatores emocionais e psicológicos.
A maior parte do dia-a-dia é a negociação de alta freqüência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em múltiplos mercados e múltiplos parâmetros de decisão, com base em instruções pré-programadas. (Para obter mais informações sobre o comércio de alta freqüência, consulte Estratégias e Segredos de Empresas de Negociação de Alta Freqüência (HFT).)
O Algo-trading é usado em muitas formas de atividades de comércio e investimento, incluindo:
Investidores de médio a longo prazo ou empresas de compra (fundos de pensão, fundos de investimento, companhias de seguros) que adquirem ações em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e de grande porte. Os comerciantes de curto prazo e os participantes do lado da venda (fabricantes de mercado, especuladores e arbitragentes) se beneficiam da execução comercial automatizada; Além disso, ajudas de algo-trading na criação de liquidez suficiente para os vendedores no mercado. Os comerciantes sistemáticos (seguidores de tendências, comerciantes de pares, hedge funds, etc.) acham muito mais eficiente programar suas regras comerciais e permitir que o programa seja comercializado automaticamente.
O comércio algorítmico proporciona uma abordagem mais sistemática ao comércio ativo do que os métodos baseados na intuição ou instinto do comerciante humano.
Estratégias de negociação algorítmica.
Qualquer estratégia de negociação algorítmica exige uma oportunidade identificada que seja rentável em termos de melhoria de ganhos ou redução de custos. As seguintes são estratégias de negociação comuns usadas em algo-trading:
As estratégias de negociação algorítmicas mais comuns seguem as tendências em médias móveis, fuga de canais, movimentos no nível de preços e indicadores técnicos relacionados. Estas são as estratégias mais fáceis e simples de implementar através de negociação algorítmica porque essas estratégias não envolvem fazer previsões ou previsões de preços. Os negócios são iniciados com base na ocorrência de tendências desejáveis, que são fáceis e direitas de implementar através de algoritmos sem entrar na complexidade da análise preditiva. O exemplo acima mencionado de média móvel de 50 e 200 dias é uma tendência popular seguindo a estratégia. (Para mais informações sobre as estratégias de negociação de tendências, consulte: Estratégias simples para capitalizar as tendências.)
Comprar um estoque cotado duplo a um preço mais baixo em um mercado e simultaneamente vendê-lo a um preço mais alto em outro mercado oferece o diferencial de preço como lucro ou arbitragem sem risco. A mesma operação pode ser replicada para ações versus instrumentos de futuros, pois os diferenciais de preços existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preços e colocar as ordens permite oportunidades lucrativas de forma eficiente.
Os fundos do índice definiram períodos de reequilíbrio para que suas participações fossem compatíveis com seus respectivos índices de referência. Isso cria oportunidades rentáveis para comerciantes algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos base, dependendo do número de ações no fundo do índice, apenas antes do reequilíbrio do fundo do índice. Essas negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.
Muitos modelos matemáticos comprovados, como a estratégia de negociação neutra do delta, que permitem a negociação de combinações de opções e sua segurança subjacente, onde os negócios são colocados para compensar deltas positivos e negativos, de modo que o portfólio delta seja mantido em zero.
A estratégia de reversão média baseia-se na ideia de que os preços altos e baixos de um bem são um fenômeno temporário que retorna periodicamente ao seu valor médio. Identificar e definir uma faixa de preço e implementar algoritmos com base em isso permite que os negócios sejam colocados automaticamente quando o preço do recurso entra e sai do seu alcance definido.
A estratégia de preços médios ponderados por volume quebra uma grande ordem e libera pedaços menores determinados dinamicamente da ordem para o mercado usando perfis de volume histórico específicos de estoque. O objetivo é executar a ordem perto do preço médio ponderado do volume (VWAP), beneficiando assim o preço médio.
A estratégia de preço médio ponderado no tempo quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando intervalos de tempo uniformemente divididos entre o início e o fim do tempo. O objetivo é executar a ordem perto do preço médio entre os horários de início e término, minimizando assim o impacto no mercado.
Até que a ordem comercial seja totalmente preenchida, este algoritmo continua enviando ordens parciais, de acordo com o índice de participação definido e de acordo com o volume negociado nos mercados. A "estratégia de etapas" relacionada envia ordens a uma porcentagem definida pelo usuário de volumes de mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge os níveis definidos pelo usuário.
A estratégia de falta de implementação visa minimizar o custo de execução de uma ordem através da negociação do mercado em tempo real, economizando assim o custo da ordem e beneficiando do custo de oportunidade da execução atrasada. A estratégia aumentará a taxa de participação direcionada quando o preço das ações se mover de forma favorável e diminuí-lo quando o preço das ações se mover de forma adversa.
Existem algumas classes especiais de algoritmos que tentam identificar "acontecimentos" do outro lado. Esses "algoritmos de sniffing", usados, por exemplo, por um market maker market market têm a inteligência interna para identificar a existência de qualquer algoritmo no lado da compra de uma grande ordem. Essa detecção através de algoritmos ajudará o fabricante de mercado a identificar grandes oportunidades de ordem e permitir que ele se beneficie ao preencher os pedidos a um preço mais alto. Isso às vezes é identificado como front-running de alta tecnologia. (Para obter mais informações sobre negociação de alta freqüência e práticas fraudulentas, consulte: Se você comprar ações on-line, você está envolvido em HFTs.)
Requisitos técnicos para negociação algorítmica.
Implementar o algoritmo usando um programa de computador é a última parte, batida com backtesting. O desafio é transformar a estratégia identificada em um processo informatizado integrado que tenha acesso a uma conta de negociação para fazer pedidos. São necessários os seguintes:
Conhecimento de programação de computador para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricado Conectividade de rede e acesso a plataformas de negociação para colocar os pedidos Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de colocar pedidos A capacidade e infra-estrutura para voltar a testar o sistema uma vez construído, antes de entrar em operação em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.
Aqui está um exemplo abrangente: o Royal Dutch Shell (RDS) está listado na Amsterdam Stock Exchange (AEX) e London Stock Exchange (LSE). Vamos construir um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes:
AEX negocia em Euros, enquanto a LSE negocia em libras esterlinas. Devido à diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguido de ambas as trocas comerciais simultaneamente durante as próximas horas e depois de negociar apenas na LSE durante a última hora à medida que o AEX fecha .
Podemos explorar a possibilidade de negociação de arbitragem nas ações da Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes?
Um programa de computador que pode ler os preços atuais do mercado Os feeds de preços de LSE e AEX A taxa de câmbio para a taxa de câmbio GBP-EUR Capacidade de colocação de pedidos que podem rotear a ordem para a troca correta do recurso Back-testing em feeds históricos de preços.
O programa de computador deve executar o seguinte:
Leia o preço de entrada do estoque RDS de ambas as bolsas Usando as taxas de câmbio disponíveis, converta o preço de uma moeda para outra. Se houver uma discrepância de preço suficientemente grande (descontando os custos de corretagem) levando a uma oportunidade rentável, então coloque a compra ordem em troca de preços mais baixos e ordem de venda em troca de preços mais elevados Se as ordens forem executadas conforme desejado, o lucro de arbitragem seguirá.
Simples e fácil! No entanto, a prática de negociação algorítmica não é simples de manter e executar. Lembre-se, se você pode colocar um comércio gerado por algo, os outros participantes do mercado podem também. Conseqüentemente, os preços flutuam em milissegundos e até mesmo em microssegundos. No exemplo acima, o que acontece se o seu comércio de compras for executado, mas o comércio de vendas não acontece à medida que os preços de venda mudam quando o seu pedido atinge o mercado? Você vai acabar sentado com uma posição aberta, tornando sua estratégia de arbitragem inútil.
Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos de tempo entre ordens comerciais e execução e, o mais importante de tudo, algoritmos imperfeitos. O algoritmo mais complexo é o backtesting mais rigoroso antes de ser posto em ação.
The Bottom Line.
A análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinada criticamente. É excitante ir pela automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso certificar-se de que o sistema está completamente testado e os limites exigidos são definidos. Os comerciantes analíticos devem considerar a aprendizagem de sistemas de programação e construção por conta própria, ter confiança em implementar as estratégias certas de forma infalível. O uso cauteloso eo teste completo de algo-trading podem criar oportunidades rentáveis. (Para mais informações, consulte Como codificar seu próprio robô Algo Trading.)
Estratégia de Negociação Quantitativa com base na Análise Técnica da Série de Tempo - apresentação do PowerPoint PPT.
Estratégia de negociação quantitativa com base na análise técnica da série temporal. Membro do grupo: Zhao Xia Jun Lorraine Wang Lu Xiao Zhang Le Yu. O que há de novo no papel. Michel Fliess. Cédric Participe da Análise Técnica da Série de Tempo via New Fast.
PowerPoint Slideshow sobre "Estratégia de Negociação Quantitativa com base na Análise Técnica da Série de Tempo" - zach.
Política de Download: O Conteúdo no Site é fornecido COMO ESTÁ para suas informações e uso pessoal e pode não ser vendido / licenciado / compartilhado em outros sites sem obter o consentimento de seu autor. Durante o download, se, por algum motivo, você não conseguir fazer o download de uma apresentação, o editor pode ter excluído o arquivo do servidor.
Estratégia de negociação quantitativa com base na análise técnica da série temporal.
Michel Fliess. CédricJoin.
Análise Técnica da Série de Tempo via Novo Rápido.
Métodos de estimativa: um estudo preliminar em.
(2008, Coventry, Reino Unido.)
Novos métodos de estimativa rápida são aplicados na configuração "livre de modelo".
Através de identificações repetidas de equações de diferença linear de baixa ordem em janelas de tempo curto deslizantes.
Aplicando técnica de processamento de sinal em finanças.
Como o artigo não discutiu nenhuma estratégia de negociação, apresentamos todas as estratégias por nós mesmos com base nas técnicas do artigo.
Caixa de ferramentas de processamento de sinal.
Esta caixa de ferramentas está incluída no Matlab a partir da versão 2010.
Dados: EUR / USD & amp; GBP / USD & amp; Taxas de Câmbio AUD / JPY.
Fonte: software eSignal.
Frequência: intervalo de uma hora.
In-Sample: Análises principais são feitas com os dados do quarto trimestre de 2009 para o primeiro trimestre de 2010.
Out-of-Sample: as estratégias estão de volta testadas nos seguintes dados de 1 ano, ou seja, 2010 trimestre 2 a 2011 trimestre 1.
As decisões de negociação são feitas no final de cada hora.
Os insumos relacionados com a decisão são apenas o preço fechado dessa hora (bem como os preços passados).
A medida mais importante do desempenho é o valor acumulado de 1 dólar após 1 ano.
Sharpe Ratio, redução máxima e porcentagem correta também são exibidos.
Suponha que nenhuma alavancagem, nenhum custo de transação e o depósito para uma posição curta seja seu preço.
Embora o documento aplique técnicas de processamento de sinal em finanças, ele não oferece estratégias de negociação.
Pretendemos concentrar-nos nessas novas técnicas e desenvolver estratégias que possam funcionar sob os indicadores das novas técnicas.
Podemos usar todas as técnicas, ou parte de, mencionadas no artigo, em nossas estratégias.
Use apenas a técnica de filtragem (1 estratégia)
Use filtragem e z-transform (2 estratégias)
Use a média móvel em termos de erro (1 estratégia)
Linha verde: preços filtrados.
A estratégia 1 consiste em basear as decisões comerciais sobre a diferença entre as linhas azul e verde em cada período.
Devemos usar informações até cada período. Como o preço filtrado seria diferente se fornecermos preços futuros. (ver período 1874)
O autor do artigo acredita que a média da diferença (erros) entre preços filtrados e preços de mercado se aproxima de zero. Portanto, uma grande saída do preço de mercado e do preço filtrado é improvável.
Comprar se o preço filtrado (deste período) for muito superior ao preço fechado (deste período);
O preço de venda se o preço filtrado (deste período) é muito inferior ao preço fechado (deste período).
Consulte "qt_Strategy_FilteredPriceIndicator. m"
O papel usa o sistema de transformação z e não-linear para obter coeficientes da equação nos preços filtrados:
Ao aplicar esses coeficientes nos preços do mercado, podemos obter previsões de preços futuros.
Consulte: "qt_GetSinglePrediction. m"
Linha verde: preços filtrados.
Linha vermelha: preço previsto de um período após.
Compre quando o preço atual for menor que o preço futuro previsto.
O volume depende do comprimento da predição (ou seja, o número de previsão é feito)
Por exemplo. volume = 1 quando o comprimento de predição = 1, isto é, prever apenas para a próxima barra de tempo.
Por exemplo. volume = 2 quando o comprimento de previsão = 2 e ambos os preços previstos para as próximas 2 barras de tempo estão acima do preço atual.
Feche a posição aberta quando a previsão mostra uma mudança de direção do preço.
Consulte: "qt_Strategy_SimplePrediction. m"
A diferença entre preço de mercado e preço filtrado é de cerca de zero. Então podemos jogar uma inversão média na propagação do preço filtrado e do preço de mercado.
No entanto, esse spread não é negociável.
Nós desenvolvemos nossa estratégia dessa maneira:
Se a propagação for muito grande, considere uma oportunidade em primeiro lugar;
Examine se a alteração no preço filtrado provavelmente compensaria o significado do spread;
Caso contrário, entre em uma nova posição;
Podemos alcançá-lo com coeficientes de predição (o mesmo que usamos na estratégia 2).
Haverá no máximo 4 limitações nesta estratégia. A otimização de execução para esse limite é extremamente demorada.
Nós fizemos apenas para par EUR / USD e aplicamos os mesmos limiares nos outros dois pares.
Consulte "qt_Strategy_SimpleMeanReverting. m"
A média móvel é o principal resultado bonito do trabalho;
É sugerido pelo autor do artigo que a média móvel de erros vai para zero no tempo:
No papel, em séries diárias USD / EUR, com tamanho de janela de 100, este modelo pode atingir uma precisão de 80% na previsão de tendências.
Estratégia 4: média móvel.
No entanto, em nosso trabalho, a média móvel não é sempre zero.
média móvel de termos de erro sob diferentes tamanhos de janela em 20091201.
Estratégia 4: média móvel.
Ao mesmo tempo, o poder de previsão da média móvel parece ser "apenas melhor que a aposta" em nossa amostra de meio ano.
Estratégia 4: média móvel.
Previsão Precisão - se a média móvel pode prever o preço futuro (com base nos dados AUD / JPY de 2009Q4 para 2010Q1)
Estratégia 4: média móvel.
Precisão de Previsão - se a média móvel pode prever o preço futuro filtrado (com base nos dados AUD / JPY de 2009Q4 para 2010Q1)
Mesmo o resultado do artigo pode ser refeito aqui, ele só captura a diferença de preço e tendência. Este spread não é negociável. (mesmo a propagação estreita conforme esperado, a direção do preço de mercado pode variar.
Desenvolvemos uma estratégia similar.
A média móvel simples também considera informações novas e informações passadas de n-período. A entrada de novos preços e as informações de licença de passado causam o mesmo pulso importante em média móvel.
Para evitar a média ponderada complexa, escolhemos usar dois indicadores de média móvel, de modo que as informações recentes se tornem mais importantes e a licença de um único preço passado não afetará demais o indicador.
Compre se ambas as duas médias móveis estão abaixo de zero.
Vença se ambas as duas médias móveis estiverem acima de zero.
Consulte "qt_Strategy_MvAvg. m"
Em seguida, considere que existe uma posição ideal para cada valor médio móvel.
Inspirado pelo resultado do exemplo de reversão média em sala de aula, assumimos que a posição ideal é.
MV1 e MV2 representam dois valores de média móvel.
Visite esta expressão apenas se a média móvel for negativa (positiva)
A posição ideal é positiva em relação ao tamanho da média móvel, mas se for muito grande, a posição também diminuirá.
Corrija uma expressão = 1 em acima. Executamos a otimização para quatro parâmetros: tamanho da janela do MV1, tamanho da janela do MV2, multiplicador de pedidos no FIR e b na última expressão.
A otimização é executada em dados do 2009Q4 para 2010Q1;
Lote de resultados de desempenho para 2010Q2 até 2011Q1.
Devido à grande quantidade de computação necessária, corremos para EUR / USD somente neste momento.
Valor da conta 1 ano EUR / USD (2010Q2 a 2011Q1) window1 = 4; window2 = 40; p = 0,75; b = 8.
Valor de conta de 1 ano AUD / JPY (2010Q2 a 2011Q1) window1 = 4; window2 = 40; p = 0,75; b = 8.
Valor de conta de 1 ano GBP / USD (2010Q2 a 2011Q1) window1 = 4; window2 = 40; p = 0,75; b = 8.
Neste projeto, replicamos com sucesso todos os termos matemáticos descritos no documento, incluindo o preço filtrado, a transformação z e os erros médios móveis.
Desenvolvemos 4 estratégias aplicando os termos matemáticos como indicadores de negociação.
O retorno impressionante foi obtido especialmente com a Estratégia 4: média móvel dos termos de erro.
Alavancagem, a compensação e o deslizamento podem ser incluídos no modelo de negociação.
A otimização pode ser aplicada em muitos parâmetros comerciais.
[WEBINAR] Classificação de Estratégias de Negociação Quantitativas.
Terça 11 de julho, 7:00 PM IST | 9:30 AM EST | 9:30 PM SGT.
Estratégias de Negociação Quantitativas.
Existem milhares de trabalhos de pesquisa acadêmica escritos sobre estratégias de negociação. Saiba o que esses acadêmicos descobriram e como podemos usar seus conhecimentos no mundo comercial.
Introdução a 'Quantpedia & amp; QuantInsti ™ 'Visão geral da pesquisa em um campo de negociação quantitativa Taxonomia de estratégias de negociação quantitativas Onde procurar alfa exclusivo Exemplos de estratégias de negociação menos conhecidas Problemas comuns em perguntas e respostas de pesquisa significativa.
Comments
Post a Comment