Quantitative forex trading

Quantitative Trading. What é quantitativa Trading. Quantitative negociação consiste em estratégias de negociação com base em análise quantitativa que dependem de cálculos matemáticos e número crunching para identificar oportunidades de negociação Como o comércio quantitativo é geralmente utilizado por instituições financeiras e fundos de hedge as transações são geralmente de grande porte e Pode envolver a compra e venda de centenas de milhares de ações e outros títulos No entanto, o comércio quantitativo está se tornando mais comumente usado por investidores individuais. BREAKING DOWN Quantitative Trading. Price e volume são dois dos dados mais comuns utilizados na análise quantitativa como o Principais entradas para modelos matemáticos. Técnicas de negociação quantitativas incluem negociação de alta freqüência negociação algorítmica e arbitragem estatística Estas técnicas são de fogo rápido e normalmente têm horizontes de investimento de curto prazo Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, como médias móveis e osciladores. Und Os comerciantes quantitativos Trading. Quantitative tirar proveito da tecnologia moderna, matemática ea disponibilidade de bases de dados abrangentes para tomar decisões de negociação racional. Comerciantes quantitativos tomar uma técnica de negociação e criar um modelo de que usando a matemática e, em seguida, desenvolver um programa de computador que se aplica a Modelo para dados de mercado históricos O modelo é então backtested e otimizado Se resultados favoráveis ​​são alcançados, o sistema é então implementado em mercados em tempo real com capital real. A maneira de função de modelos de negociação quantitativa pode ser melhor descrita usando uma analogia Considere um relatório de tempo em Que o meteorologista prevê uma possibilidade de 90 de chuva enquanto o sol está brilhando O meteorologista deriva esta conclusão contra-intuitiva pela coleta e análise de dados climáticos de sensores em toda a área Uma análise quantitativa computadorizada revela padrões específicos nos dados Quando esses padrões são comparados com os mesmos padrões Revelado no clima histórico Backtesting de dados, e 90 de cada 100 vezes o resultado é chuva, então o meteorologista pode tirar a conclusão com confiança, daí a previsão 90 Os comerciantes quantitativos aplicam este mesmo processo ao mercado financeiro para fazer trading decisions. Advantages e desvantagens de Quantitative Trading. The Objetivo de negociação é calcular a probabilidade ótima de executar um comércio rentável Um comerciante típico pode efetivamente monitorar, analisar e tomar decisões comerciais sobre um número limitado de títulos antes que a quantidade de dados de entrada sobrecarrega o processo de tomada de decisão O uso de técnicas de negociação quantitativa Ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação. Overting emoção é um dos problemas mais difundidos com a negociação Seja medo ou ganância, ao negociar, a emoção serve apenas para sufocar o pensamento racional, que geralmente leva a perdas Computadores e matemática não possuem emoções, portanto, o comércio quantitativo elimina este Blem. Quantitative negociação tem seus problemas Os mercados financeiros são algumas das entidades mais dinâmicas que existem Portanto, os modelos de negociação quantitativa deve ser tão dinâmico para ser consistentemente bem sucedido Muitos comerciantes quantitativos desenvolver modelos que são temporariamente rentáveis ​​para a condição de mercado para que foram desenvolvidos , Mas falham finalmente quando as condições de mercado mudam. As estratégias quantitativas - são elas para você. As estratégias de investimento quantitativas evoluíram em ferramentas muito complexas com o advento de computadores modernos, mas as raizes das estratégias vão para trás sobre 70 anos São funcionadas tipicamente por altamente educado Equipes e usar modelos proprietários para aumentar a sua capacidade de vencer o mercado Há ainda off-the-shelf programas que são plug-and-play para aqueles que procuram simplicidade Quant modelos sempre funcionam bem quando volta testado, mas as suas aplicações reais e taxa de sucesso são Embora eles parecem funcionar bem em mercados de touro quando os mercados se desanuviam, estratégias quanti está sujeito Para os mesmos riscos que qualquer outra estratégia. A história Um dos pais fundadores do estudo da teoria quantitativa aplicada ao financiamento foi Robert Merton Você só pode imaginar o quão difícil e demorado o processo foi antes do uso de computadores Outras teorias em finanças A utilização de ambas as finanças quantitativas e cálculos levou a muitas outras ferramentas comuns, incluindo um dos mais famosos, Black-Scholes fórmula de precificação de opções, Que não só ajuda os investidores preço opções e desenvolver estratégias, mas ajuda a manter os mercados em cheque com liquidez. Quando aplicada diretamente à gestão de carteiras a meta é como qualquer outra estratégia de investimento para agregar valor, alfa ou excesso Quants retornos, como os desenvolvedores são chamados , Compor modelos matemáticos complexos para detectar oportunidades de investimento Há tantos modelos lá fora como quants que os desenvolvem, e Todos afirmam ser o melhor Um dos pontos mais vendidos da estratégia de investimento quantitativa é que o modelo e, finalmente, o computador, faz com que a decisão de compra de compra real, não um humano Isso tende a remover qualquer resposta emocional que uma pessoa pode experimentar quando Comprar ou vender investimentos. Estratégias quantitativas agora são aceitas na comunidade de investimento e são administradas por fundos mútuos, fundos de hedge e investidores institucionais Eles normalmente passam pelo nome de geradores alfa ou gens alfa. Atrás da cortina Assim como em O Mágico de Oz, alguém é Por trás da cortina de condução do processo Como com qualquer modelo, é apenas tão bom como o ser humano que desenvolve o programa Embora não exista um requisito específico para se tornar um quant, a maioria das empresas executando modelos quant combinam as habilidades de analistas de investimento, estatísticos e programadores Que codificam o processo nos computadores Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum ver credenciais como graus de pós-graduação e doutorado em Finance, economia, matemática e engenharia. Historicamente, esses membros da equipe trabalhou nos escritórios de volta, mas como modelos quant tornou-se mais comum, o back office está se movendo para o front office. Benefícios de estratégias Quant Enquanto a taxa de sucesso global é discutível, Algumas estratégias de trabalho quant são que eles são baseados em disciplina Se o modelo é certo, a disciplina mantém a estratégia de trabalho com computadores de velocidade relâmpago para explorar ineficiências nos mercados com base em dados quantitativos Os próprios modelos podem ser baseados em tão pouco como alguns Como a dívida PE para o crescimento de capital próprio e de lucros, ou usar milhares de insumos trabalhando juntos ao mesmo tempo. Estratégias bem sucedidas podem pegar em tendências em seus estágios iniciais como os computadores constantemente executar cenários para localizar ineficiências antes de outros fazer Os modelos são capazes de Analisando um grupo muito grande de investimentos simultaneamente, onde o analista tradicional pode estar olhando apenas alguns de cada vez O processo de triagem Ss pode classificar o universo por níveis de grau como 1-5 ou AF, dependendo do modelo Isso torna o processo de negociação real muito simples investindo nos investimentos altamente cotados e vendendo os mais baixos. Modelos Quant também abrem variações de estratégias como Longos, curtos e longos curtos Os fundos quânticos bem sucedidos mantêm um olho afiado no controle do risco devido à natureza de seus modelos A maioria de estratégias começam com um universo ou um ponto de referência e usam os pesos do setor e da indústria em seus modelos Isto permite que os fundos controlem a diversificação a um Em certa medida, sem comprometer o modelo em si Os fundos Quant funcionam normalmente em uma base de custo mais baixo, porque eles don t necessidade de tantos analistas tradicionais e gestores de carteira para executá-los. Desvantagens de Quant Estratégias Há razões por que muitos investidores não abraçar totalmente o conceito de Deixando uma caixa preta executar seus investimentos Para todos os fundos quant bem sucedidos lá fora, assim como muitos parecem ser infrutíferos Infelizmente para o qua Long-Term Capital Management foi um dos mais famosos fundos de hedge, já que foi administrado por alguns dos mais respeitados líderes acadêmicos e dois economistas premiados com o Prêmio Nobel Myron S Scholes E Robert C Merton Durante a década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Eles eram famosos por não só explorar as ineficiências, mas usando o acesso fácil ao capital para criar apostas alavancadas enormes nas direções do mercado. De sua estratégia criou realmente a fraqueza que conduziu a seu colapso A gestão do capital a longo prazo foi liquidada e dissolvida no início de 2000 Seus modelos não incluíram a possibilidade de que o governo russo poderia inadimplência sobre alguns de sua própria dívida Este evento desencadeou eventos e um Reação em cadeia ampliada por alavancagem criada havoc LTCM foi tão fortemente envolvido com outras operações de investimento que seu colapso afetou o mercado mundial S, desencadeando eventos dramáticos A longo prazo, a Reserva Federal intervém para ajudar, e outros bancos e fundos de investimento apoiou LTCM para evitar mais danos Esta é uma das razões quantos fundos podem falhar, como eles são baseados em eventos históricos que Pode não incluir eventos futuros. Enquanto uma equipe de quant forte vai constantemente adicionando novos aspectos aos modelos para prever eventos futuros, é impossível prever o futuro cada vez Quant fundos também podem tornar-se sobrecarregado quando a economia e os mercados estão experimentando maior do que - volatilidade média Os sinais de compra e venda podem vir tão rapidamente que o alto volume de negócios pode criar comissões elevadas e eventos tributáveis ​​Quant fundos também podem representar um perigo quando eles são comercializados como à prova de urso ou são baseados em estratégias curtas Previsão de recessões usando derivativos e combinando A alavancagem pode ser perigosa Uma volta errada pode levar a implosões, que muitas vezes fazem a notícia. A linha de fundo As estratégias de investimento quantitativo evoluíram de trás Escritório caixas pretas para ferramentas de investimento mainstream Eles são projetados para utilizar as melhores mentes no negócio e os computadores mais rápidos tanto para explorar as ineficiências e alavancar uso para fazer apostas no mercado Eles podem ser muito bem sucedidos se os modelos têm incluído todas as entradas direito e são ágeis O suficiente para prever eventos anormais do mercado Por outro lado, enquanto os fundos quant são rigorosamente testados até que eles funcionam, a sua fraqueza é que eles dependem de dados históricos para o seu sucesso Embora o estilo de estilo de investimento tem seu lugar no mercado, Estar ciente de suas deficiências e riscos Para ser coerente com as estratégias de diversificação é uma boa idéia para tratar estratégias quant como um estilo de investimento e combiná-lo com as estratégias tradicionais para alcançar a diversificação adequada. Estratégia de negociação Forex FX Usando Macro News Events. Este artigo descreve a implementação De uma estratégia de negociação quantitativa automatizada de FX com base em dados de notícias macro fornecidos pelas fontes RavenPack RavenPack Notícias de uma variedade de fontes de que produz uma matriz de análise, incluindo sentimento, relevância e novidade em tempo real, e que estão disponíveis historicamente. Nós empreendemos a pesquisa e implementado a estratégia na plataforma de pesquisa Deltix QuantOffice, um propósito construído C desenvolvimento estúdio com incorporado matemática, estatísticas e bibliotecas de dados. Nossa tese foi fez a chegada de notícias macroeconômicas das maiores economias do mundo trazem volatilidade adicional para o mercado O conjunto de dados históricos utilizados é descrito abaixo. Notícias de 1 março 2017 até 1 Agosto de 2017. Mais de 1 milhão de mensagens. Usado subconjunto de notícias macroeconômicas para EUA 287.000 registros, Alemanha 7.800, UE 3.700 e Japão 14.400. Dados de mercado de 1 de março de 2017 até 01 de agosto de 2017. Três pares de moedas EURUSD, USDJPY, EURJPY lance pedir cotações. Aproximadamente 100 milhões de mensagens de dados de mercado. Os dados de notícias foram filtrados pelos seguintes tipos de notícias. Conta corrente, superávit em conta corrente, déficit em conta corrente. Saldo comercial, déficit comercial, saldo comercial, superávit. Relevância de notícias RELEVÂNCIA 100 relevância máxima. Novidade novidade ENS 100 novidade máxima. Testando a tese. Como uma medida de volatilidade, calculamos o desvio padrão anualizado de log retorna dentro de 5 minutos janelas de barras de 10 seg, ou seja, 30 barras também calculou a razão de variância i. VR HILO N ATR N SQRT NN 30 HILO N é alta faixa de preço baixo e ATR N é faixa média verdadeira sobre o período de barras N. Todas as estatísticas foram calculadas por 5 minutos antes da hora de liberação de notícias e por 5 minutos depois Por exemplo, Para 8 30am, os intervalos de tempo eram 8 25am a 8 30am e 8 30am a 8 35am Os resultados, referentes aos dados de notícias econômicas de ESTADOS UNIDOS, são mostrados below. Trading Strategy. It é claro dos resultados acima que há uma mudança significativa em A curto prazo volatilidade das taxas de câmbio após o anúncio de dados econômicos O próximo passo em nossa pesquisa foi a concepção e teste de uma estratégia de negociação que utiliza esta estratégia observation. The define breakout comprar níveis de venda no intervalo de cinco minutos precedendo o sch Evento eduled Ao receber o evento de notícias, a estratégia cria uma posição longa se o preço exceder o nível de compra, e cria uma posição curta se o mercado se move abaixo do nível de venda A estratégia, em seguida, fecha as posições cinco minutos após receber o evento news. In volta - testing, simulação de execução de ordem foi feito usando o modo relativamente mais conservador de compra de oferta de oferta melhor na melhor venda de preço de pedido no melhor preço de oferta O tamanho de lote para todos os comércios era 100,000. I Estatísticas de Razão de Variância introduzidas por Lo e MacKinlay 1988.VR perto de 1 indica que o mercado está em um regime randômico rand. VR 1 indica que o mercado está em um regime de tendência com autocorrelação positiva de retorno de preços. VR 1 indica que o mercado está em um Regime de reversão média com autocorrelação negativa dos retornos de preço. Guia do iniciante para negociação quantitativa. Em este artigo vou apresentar-lhe alguns dos conceitos básicos que acompanham um sistema de comércio quantitativo de ponta a ponta Este post esperamos servir duas audiências O primeiro será indivíduos que tentam obter um emprego em um fundo como um comerciante quantitativo O segundo será indivíduos que desejam tentar e configurar o seu próprio negócio de negociação de negociação de varejo. Negociação quantitativa é uma área extremamente sofisticada de finanças quantitativas Pode levar um Quantidade significativa de tempo para obter o conhecimento necessário para passar uma entrevista ou construir suas próprias estratégias de negociação Não só isso, mas requer extensa programação ex No entanto, à medida que a frequência de negociação da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Conhecer o CC será de suma importância. Um sistema de comércio quantitativo consiste em Quatro componentes principais. Identificação da trilha - encontrando uma estratégia, explorando uma borda e decidindo em freqüência negociando. Backtear de Backteing - obtenção de dados, analisando o desempenho da estratégia e removendo biases. Sistema de execução - ligando a uma corretora, automatizando a troca e minimizando custos de transação. Gestão - Optimal alocação de capital, a aposta tamanho Kelly critério e trading psychology. We vai começar por dar uma olhada em como identificar uma estratégia de negociação. Strategy Identification. All processos de negociação quantitativa começa com um período inicial de investigação Este processo de investigação engloba encontrar uma estratégia , Ver se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, o Obtendo todos os dados necessários para testar a estratégia e tentar otimizar a estratégia para retornos mais elevados ou menor risco Você precisará fator em seus próprios requisitos de capital se executar a estratégia como um comerciante varejista e como os custos de transação afetará a estratégia. Para a crença popular é realmente bastante simples para encontrar estratégias rentáveis ​​através de várias fontes públicas Acadêmicos publicam regularmente resultados de negociação teórica, embora na maior parte bruta de custos de transação Finanças Quantitativa blogs irá discutir estratégias em detalhe Revistas de comércio irá delinear algumas das estratégias utilizadas pelos fundos. Pergunta por que os indivíduos e as empresas estão ansiosos para discutir suas estratégias rentáveis, especialmente quando eles sabem que outras aglomerando o comércio pode parar a estratégia de trabalhar a longo prazo A razão reside no fato de que eles não discutirão freqüentemente os parâmetros exatos e métodos de afinação Que eles têm realizado Estas otimizações são a chave para turni Ng uma estratégia relativamente medíocre em um altamente rentável Na verdade, uma das melhores maneiras de criar suas próprias estratégias únicas é encontrar métodos semelhantes e, em seguida, realizar o seu próprio procedimento de otimização. Here é uma pequena lista de lugares para começar a olhar para a estratégia Idéias. Muitas das estratégias que você vai olhar cairão nas categorias de reversão de média e impulso de tendência seguinte Uma estratégia de reversão de média é aquela que tenta explorar o fato de que uma média de longo prazo em uma série de preços como o Spread entre dois ativos correlacionados existe e que os desvios a curto prazo desta média eventualmente reverterão. Uma estratégia de momentum tenta explorar a psicologia dos investidores e a estrutura de grandes fundos ao engatar uma tendência de mercado que pode ganhar impulso em uma direção e seguir a tendência Tendência até que inverte. Um outro aspecto extremamente importante da negociação quantitativa é a freqüência da estratégia de negociação BFT de baixa freqüência LFT geralmente se refere a qualquer estratégia que detém Ativos mais do que um dia de negociação Correspondentemente, alta freqüência de negociação HFT geralmente se refere a uma estratégia que detém ativos intraday Ultra-alta freqüência de negociação UHFT refere-se a estratégias que detêm ativos na ordem de segundos e milissegundos Como um profissional de varejo HFT e UHFT são certamente possíveis , Mas somente com conhecimento detalhado da pilha de tecnologia de negociação e dinâmica de livro de ordem Não iremos discutir esses aspectos em grande medida neste artigo introdutório. Uma vez que uma estratégia ou conjunto de estratégias foi identificado agora precisa ser testado para rentabilidade Em dados históricos Esse é o domínio do backtesting. Strategy Backtesting. O objetivo do backtesting é fornecer evidência de que a estratégia identificada através do processo acima é rentável quando aplicada a dados históricos e fora da amostra Isso define a expectativa de como o Estratégia vai executar no mundo real No entanto, backtesting não é uma garantia de sucesso, por várias razões É talvez o mais sub A área de negociação quantitativa, uma vez que envolve inúmeros viés, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível Vamos discutir os tipos comuns de viés, incluindo vício de prospectiva viés viés e viés de otimização também conhecido como viés de snooping de dados Outras áreas de Importância dentro do backtesting inclui disponibilidade e limpeza de dados históricos, factoring em custos de transação realistas e decidir sobre uma plataforma de backtesting robusta Vamos discutir mais os custos de transação na seção de Execution Systems abaixo. Uma vez que uma estratégia foi identificada, é necessário obter o histórico Dados através dos quais realizar testes e, talvez, aperfeiçoamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Os custos geralmente variam com a qualidade, a profundidade e a oportunidade dos dados. Nível de varejo é usar o conjunto de dados livre do Yahoo Finance eu não vou esperar para fornecer As principais preocupações com dados históricos incluem precisão limpeza, viés de sobrevivência e ajuste para ações corporativas como dividendos e divisão de ações. A precisão pertence ao Qualidade geral dos dados - se ele contém quaisquer erros Erros podem às vezes ser fáceis de identificar, como com um filtro de pico que vai pegar picos incorretos em dados de séries temporais e corrigir para eles Em outros momentos, eles podem ser muito difíceis de detectar É muitas vezes necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. Tendência de sobrevivência é muitas vezes um recurso de dados gratuitos ou baratos Um conjunto de dados com viés de sobrevivência significa que ele não contém ativos que não são mais comerciais No Caso de ações isso significa ações de falência delisted Esta tendência significa que qualquer estratégia de negociação de ações testadas em um conjunto de dados, provavelmente, vai funcionar melhor do que no real Mundo como os vencedores históricos já foram preselected. Corporate ações incluem atividades logísticas realizadas pela empresa que normalmente causam uma mudança de função passo no preço bruto, que não deve ser incluído no cálculo de retornos do preço Ajustes de dividendos e Divisões de ações são os culpados comuns Um processo conhecido como ajuste de volta é necessário para ser realizado em cada uma dessas ações Um deve ter muito cuidado para não confundir um grupamento de ações com um verdadeiro ajuste de retorno Muitos comerciante foi pego por um corporativo Para realizar um procedimento de backtest é necessário usar uma plataforma de software Você tem a escolha entre software de backtest dedicado, como Tradestation, uma plataforma numérica como o Excel ou MATLAB ou uma implementação personalizada completa em uma linguagem de programação como Python ou CI não vão demorar muito em Tradestation ou similar, Excel ou MATLAB, como eu acredito em criar uma pilha de tecnologia in-house cheia por razões ou Um dos benefícios de fazer isso é que o software de backtest e sistema de execução pode ser fortemente integrado, mesmo com estratégias estatísticas extremamente avançadas Para estratégias de HFT, em particular, é essencial usar uma implementação personalizada. Quando backtesting um sistema deve ser capaz Para quantificar o quão bem ele está executando As métricas padrão da indústria para estratégias quantitativas são a redução máxima eo Sharpe Ratio O drawdown máximo caracteriza a maior pico-a-minuciosa queda na curva de equidade da conta durante um determinado período de tempo geralmente anual Esta é a maioria das vezes Citado como uma porcentagem LFT estratégias tendem a ter maiores reduções do que HFT estratégias, devido a uma série de fatores estatísticos Um histórico backtest irá mostrar o passado máximo drawdown, que é um bom guia para o futuro drawdown desempenho da estratégia A segunda medição é O Índice de Sharpe, que é definido heuristicamente como a média dos retornos excedentes divididos pelo padrão Desvio desses retornos excedentes Aqui, os retornos excedentes referem-se ao retorno da estratégia acima de um ponto de referência pré-determinado, como o deslizamento S, que é a diferença entre o que pretendia que o seu pedido fosse preenchido em comparação com o que realmente era preenchido no spread , Que é a diferença entre o preço de venda de oferta do título que está sendo negociado Observe que o spread não é constante e é dependente da liquidez atual ou seja, a disponibilidade de comprar ordens de venda no mercado. Os custos de transação podem fazer a diferença entre uma estratégia extremamente rentável Com uma boa relação Sharpe e uma estratégia extremamente pouco rentável com uma proporção de Sharpe terrível Pode ser um desafio para prever corretamente os custos de transação a partir de um backtest Dependendo da freqüência da estratégia, você precisará acessar dados históricos de troca, Para os preços de oferta de oferta Equipes inteiras de quants são dedicados à otimização de execução nos fundos maiores, por estas razões Considere o sc Enario onde um fundo precisa descarregar uma quantidade substancial de negócios de que as razões para fazer isso são muitos e variados Por dumping tantas ações no mercado, eles rapidamente irá deprimir o preço e não pode obter a execução ideal Assim, os algoritmos que drip feed ordens Para o mercado existem, embora, em seguida, o fundo corre o risco de derrapagem Além disso, outras estratégias presa nessas necessidades e pode explorar as ineficiências Este é o domínio de arbitragem de estrutura de fundo. A última grande questão para os sistemas de execução diz respeito divergência de desempenho da estratégia A partir de backtested desempenho Isso pode acontecer por uma série de razões Nós já discutimos antecipadamente bias e otimização bias em profundidade, ao considerar backtests No entanto, algumas estratégias não tornam mais fácil para testar esses vieses antes da implantação Isso ocorre em HFT mais Predominantemente Pode haver bugs no sistema de execução, bem como a própria estratégia de negociação que não aparecem em um backtest, mas mostram DO Up em negociação ao vivo O mercado pode ter sido sujeito a uma mudança de regime subseqüente à implantação de sua estratégia Novos ambientes regulatórios, mudando o sentimento do investidor e fenômenos macroeconômicos podem levar a divergências em como o mercado se comporta e, portanto, a rentabilidade de sua estratégia. Gestão. A última peça para o quebra-cabeça negociação quantitativa é o processo de gestão de risco O risco inclui todos os preconceitos anteriores que discutimos Inclui risco de tecnologia, tais como servidores co-localizado na troca de repente desenvolvimento de disco rígido mau funcionamento Inclui risco de corretagem , Como a falência do corretor não é tão louco quanto parece, dado o susto recente com a MF Global Em resumo cobre quase tudo o que poderia interferir com a implementação de negociação, dos quais há muitas fontes Livros inteiros são dedicados à gestão de risco para Estratégias quantitativas para que eu não vou tentar elucidar sobre todas as possíveis fontes de risco here. Risk gestão também Engloba o que é conhecido como otimização da alocação de capital, que é um ramo da teoria da carteira. Este é o meio pelo qual o capital é alocado para um conjunto de diferentes estratégias e para os negócios dentro dessas estratégias. É uma área complexa e depende de algumas matemáticas não triviais O padrão da indústria, através do qual a otimização da alocação de capital e alavancagem das estratégias estão relacionados, é chamado de critério de Kelly. Como este é um artigo introdutório, não vou me deter no seu cálculo. O critério de Kelly faz algumas suposições sobre a natureza estatística dos retornos, Muitas vezes são verdadeiras nos mercados financeiros, por isso os comerciantes são muitas vezes conservador quando se trata da implementação. Um outro componente-chave da gestão de risco é lidar com o próprio perfil psicológico Há muitos viés cognitivos que podem rastejar para a negociação Embora este seja reconhecidamente menos Problemático com negociação algorítmica se a estratégia é deixada sozinho Um preconceito comum é o de aversão perda onde um perder posi Não será fechado para fora devido à dor de ter que realizar uma perda Similarmente, os lucros podem ser tomados demasiado cedo porque o medo de perder um lucro já ganhado pode ser demasiado grande Outro viés comum é sabido como o viés da recência Isto manifesta-se quando os comerciantes Colocar muita ênfase em eventos recentes e não a longo prazo Então, é claro, há o par clássico de viés emocional - medo e ganância Estes podem muitas vezes levar a sub ou sobre alavancagem, o que pode causar blow-up ou seja, a conta de capital Dirigindo-se a zero ou pior ou lucros reduzidos. Como pode ser visto, o comércio quantitativo é uma área extremamente complexa, embora muito interessante, de finanças quantitativas Eu literalmente arranhado a superfície do tópico neste artigo e já está ficando bastante longo E os papéis foram escritos sobre as edições que eu dei somente uma frase ou dois para para que, antes de aplicar para trabalhos quantitativos do negociar do fundo, é necessário executar uma quantidade significativa de gr No mínimo, você precisará de uma vasta experiência em estatística e econometria, com muita experiência na implementação, através de uma linguagem de programação como MATLAB, Python ou R Para estratégias mais sofisticadas na extremidade mais alta, seu conjunto de habilidades é Provavelmente para incluir a modificação do kernel do Linux, CC, programação de montagem e otimização de latência de rede. Se você está interessado em tentar criar suas próprias estratégias de negociação algorítmica, a minha primeira sugestão seria ficar bom em programação Minha preferência é construir o máximo de dados Se seu próprio capital está na linha, wouldn t você dorme melhor à noite sabendo que você testou inteiramente seu sistema e está ciente de suas armadilhas e de edições particulares Outsourcing isto a um vendedor, Enquanto potencialmente economizando tempo no curto prazo, poderia ser extremamente caro no longo prazo. Apenas Começando com Quantitative Trading. Quantitativ Análise quantitativa é uma abordagem que se concentra em estatísticas ou probabilidades sobre os sentimentos intestino Dada a tecnologia de computadores e sofisticados modelos matemáticos, a análise quantitativa permite que os comerciantes para remover a emoção do processo de investimento. , A análise quantitativa assumiu Wall Street e uma maioria de novos comerciantes e empregados em Wall Streets ou aqueles com uma mentalidade quantitativa. A análise quantitativa tem um lugar no mercado de FX, como qualquer outro market. You são provavelmente familiarizado com diferentes formas de quantitativa Análise, mesmo se você não se considera um quant, que é alguém que aborda os mercados de um ponto de vista quantitativo Uma razão financeira simples, como recompensa de pulso, ganhos por ação ou algo mais difícil como opções de preços e fluxo de caixa descontado são formas de quantitativa Como você pode imaginar, os dados são críticos na análise é muitas vezes tão bom quanto os dados que vão Em quants tantos centrar-se na qualidade dos dados utilizados para preencher os seus modelos matemáticos e estatísticos. Exemplos de Análise Quantitativa ou Estatística. Não tem que ser um whiz matemática ou ter um doutorado em econometria para se beneficiar da análise estatística Com estatísticas, Você está olhando a dependência ou associação de duas variáveis ​​aleatórias ou aos conjuntos de dados Os comerciantes beneficiam da análise estatística comum das correlações, que referem uma classe larga de relacionamentos e de dependência estatísticos. Uma correlação comum no mercado de FX é fraqueza do dólar é correlacionada com um Fraqueza para os mercados emergentes Outra relação Intermarket Yen força e fraqueza do mercado de ações. A análise estatística é útil na determinação de probabilidades futuras, mas não se destina a ser puramente preditivo Uma declaração típica é que a correlação não é causality. Causality significa explícita causa e efeito, enquanto Correlação significa simplesmente movimentos comuns potenciais entre duas variáveis ​​aleatórias A escala de cor relations coefficients is -1 to 1 whereas the negative one is a perfect inverse relationship or correlation, zero is zero correlation, and a positive one is perfect positive correlation almost like the two variables or markets are handcuffed to each other. Another favorable form of statistical analysis is known as regression analysis Regression analysis is a very favorable statistical model and quantitative analysis in order to help you see the relationship among variables Regression analysis focuses on the relationship between a dependent variable and one or more dependent variables Specifically, regression analysis helps you to understand how the typical value of the dependent variable changes when any one of the independent variables as varied Most FX charting packages have a regression channel that does the calculation of regression analysis for you and is often easier to access than correlations. Regression analysis commonly estimates the conditional expectation or direction of the price of the dependent variable given the independent variable. This means the average value of the dependent variable relative to a fixed independent variable This is often shown in a sloping line higher or lower cutting through price in the direction of the trend or in a sideways move the regression line is often flat. What Is Needed. While mathematical models are beyond the scope of this article, many traders utilize Excel from Microsoft and use the correlation function between the variables over a particular set of time to determine if there is a positive or negative correlation However, many research outlets will put out correlation reports and they can also be found on research terminals like Bloomberg or Reuters. If you are interested in doing these types of models yourself, it s important to note the results are data drove and missing or incomplete data may lead you astray Therefore, you should take care of the missing data first in order to have an effective analysis of the data E xcel is likely your best bet in terms of doing the simple analysis but many brokers provide tools that can help you do a lot of the analysis as well. In conclusion, statistical analysis is meant to wrap your head around seemingly random variables for a pattern that you can trade Risk must always be managed, but these patterns can last for a long time even without causality existing While seemingly similar, backtesting is the proverbial wolf in sheep s clothing of often statistical or quantitative analysis It pays to be aware of back testing pitched as statistical modeling because more often than not backtesting is done over idealized data sets which can bring about false confidence, over-leveraging, and potentially large losses when the current environment diverges from the data set. Show Full Article. Continue Reading.