Sistemas De Negociação Quantitativa Download

Beginner39s Guia de Negociação Quantitativa Por Michael Halls-Moore em 26 de março de 2013 Neste artigo Im vai apresentá-lo a alguns dos conceitos básicos que acompanham um sistema de comércio de ponta a ponta quantitativa. Este post esperamos servir duas audiências. O primeiro será indivíduos que tentam obter um emprego em um fundo como um comerciante quantitativo. O segundo serão os indivíduos que desejam tentar criar seu próprio negócio de negociação algorítmica de varejo. A negociação quantitativa é uma área extremamente sofisticada de finanças quantitativas. Pode levar uma 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 uma extensa experiência em programação, pelo menos em uma linguagem como MATLAB, R ou Python. Contudo, à medida que a frequência de negociação da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Assim, estar familiarizado com C / C será de suma importância. Um sistema de comércio quantitativo consiste em quatro componentes principais: Identificação da estratégia - Encontrar uma estratégia, explorando uma borda e decidindo na freqüência negociando Backtesting da estratégia - obtenção de dados, analisando o desempenho da estratégia e removendo preconceitos Execution System - ligando a uma corretora, automatizando o comércio e minimizando Custos de transação Gerenciamento de Risco - alocação de capital otimizada, tamanho da aposta / critério Kelly e psicologia comercial Bem, comece por dar uma olhada em como identificar uma estratégia de negociação. Identificação da estratégia Todos os processos de negociação quantitativa começam com um período inicial de pesquisa. Este processo de pesquisa envolve encontrar uma estratégia, ver se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, obtendo todos os dados necessários para testar a estratégia e tentar otimizar a estratégia para maiores retornos e / ou menor risco. Você precisará considerar seus próprios requisitos de capital se estiver executando a estratégia como um comerciante varejista e como quaisquer custos de transação afetarão a estratégia. Contrariamente à crença popular é realmente bastante simples de encontrar estratégias rentáveis ​​através de várias fontes públicas. Os acadêmicos publicam regularmente resultados de negociação teóricos (embora na maior parte brutos dos custos de transação). Os blogs quantitativos das finanças discutirão estratégias detalhadamente. Os diários de comércio descreverão algumas das estratégias empregadas pelos fundos. Você pôde questionar porque os indivíduos e as empresas são afiados discutir suas estratégias rentáveis, especial quando sabem que outros que aglomeram o comércio podem parar a estratégia do trabalho no prazo. A razão reside no fato de que eles não costumam discutir os parâmetros exatos e métodos de ajuste que eles têm realizado. Estas otimizações são a chave para transformar uma estratégia relativamente medíocre em uma 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. Aqui está uma pequena lista de lugares para começar a procurar idéias de estratégia: Muitas das estratégias que você vai olhar para cair nas categorias de média-reversão e tendência-seguinte / momento. Uma estratégia de reversão de média é aquela que tenta explorar o fato de que existe uma média de longo prazo em uma série de preços (como o spread entre dois ativos correlatos) e que os desvios a curto prazo dessa média reverterão. Uma estratégia de dinamismo tenta explorar tanto a psicologia dos investidores como a estrutura de grandes fundos ao encurralar uma tendência de mercado, que pode ganhar impulso em uma direção e seguir a tendência até que ela reverta. Outro aspecto extremamente importante do comércio quantitativo é a freqüência da estratégia de negociação. Negociação de baixa freqüência (LFT) geralmente se refere a qualquer estratégia que detém ativos mais do que um dia de negociação. Correspondentemente, a negociação de alta freqüência (HFT) geralmente se refere a uma estratégia que detém ativos intraday. Ultra-high frequency trading (UHFT) refere-se a estratégias que mantêm ativos na ordem de segundos e milissegundos. Como um praticante de varejo HFT e UHFT são certamente possível, mas apenas com conhecimento detalhado da pilha de tecnologia de negociação e dinâmica do livro de pedidos. Nós não vamos discutir esses aspectos em grande medida neste artigo introdutório. Uma vez que uma estratégia, ou um conjunto de estratégias, foi identificado, agora precisa ser testado quanto à lucratividade em dados históricos. Esse é o domínio do backtesting. Backtesting da estratégia O objetivo do backtesting é fornecer evidências 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 a estratégia irá realizar no mundo real. No entanto, backtesting não é uma garantia de sucesso, por várias razões. É talvez a área mais sutil de negociação quantitativa, uma vez que implica vieses numerosos, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível. Discutiremos os tipos comuns de viés, incluindo o viés prospectivo. Viés de sobrevivência e viés de otimização (também conhecido como viés de snooping de dados). Outras áreas de importância dentro de backtesting incluem disponibilidade e limpeza de dados históricos, factoring em custos de transação realistas e decidir sobre uma robusta plataforma de backtesting. Bem, discuta os custos de transação na seção Sistemas de Execução abaixo. Uma vez que uma estratégia foi identificada, é necessário obter os dados históricos através dos quais para realizar testes e, talvez, refinamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Os seus custos geralmente variam em função da qualidade, profundidade e actualidade dos dados. O ponto de partida tradicional para começar comerciantes quant (pelo menos no nível de varejo) é usar o conjunto de dados livre do Yahoo Finance. Eu não vou me debruçar demais sobre os provedores, mas eu gostaria de me concentrar nas questões gerais ao lidar com conjuntos de dados históricos. As principais preocupações com dados históricos incluem precisão / limpeza, viés de sobrevivência e ajuste para ações corporativas, tais como dividendos e divisão de ações: A exatidão pertence à qualidade geral dos dados - se contém algum erro. Erros às vezes podem ser fáceis de identificar, como com um filtro de pico. Que selecionará pontos incorretos em dados de séries de tempo e corrigirá para eles. Em outros momentos, eles podem ser muito difíceis de detectar. Muitas vezes é necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. O viés de sobrevivência é muitas vezes uma característica de conjuntos 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 das acções, isto significa stocks de acções deletadas / falidas. Esse viés significa que qualquer estratégia de negociação de ações testada em um desses conjuntos de dados provavelmente funcionará melhor do que no mundo real, já que os vencedores históricos já foram pré-selecionados. Ações corporativas incluem atividades logísticas realizadas pela empresa que geralmente causam uma mudança de função passo no preço bruto, que não deve ser incluído no cálculo de retornos do preço. Os ajustes para dividendos e divisões de ações são os culpados comuns. Um processo conhecido como ajuste posterior é necessário para ser realizado em cada uma dessas ações. Deve-se ter muito cuidado para não confundir um grupamento de ações com um verdadeiro ajuste de retorno. Muitos comerciantes foram pegos por uma ação corporativa Para realizar um backtest, é necessário usar uma plataforma de software. Você tem a escolha entre o software dedicado do backtest, tal como Tradestation, uma plataforma numérica tal como Excel ou MATLAB ou uma aplicação feita sob encomenda cheia em uma linguagem de programação tal como Python ou C. Eu não estarei demasiado sobre Tradestation (ou similar), Excel ou MATLAB, como eu acredito em criar uma pilha inteira da tecnologia interna (pelas razões esboçadas abaixo). Um dos benefícios de fazer isso é que o software de backtest e o sistema de execução podem ser bem integrados, mesmo com estratégias estatísticas extremamente avançadas. Para estratégias HFT, em particular, é essencial usar uma implementação personalizada. Quando backtesting um sistema um deve ser capaz de quantificar o quão bem ele está realizando. As métricas padrão da indústria para estratégias quantitativas são a redução máxima ea Taxa de Sharpe. A redução máxima caracteriza a maior queda pico-a-minucioso na curva de equidade da conta durante um determinado período de tempo (geralmente anual). Isso é mais freqüentemente citado como uma porcentagem. As estratégias LFT tendem a ter maiores abaixamentos do que as estratégias HFT, devido a uma série de fatores estatísticos. Um backtest histórico mostrará o drawdown máximo passado, que é um bom guia para o desempenho de drawdown futuro da estratégia. A segunda medição é o Índice de Sharpe, que é definido heuristicamente como a média dos retornos excedentes divididos pelo desvio padrão desses retornos excedentes. Aqui, os retornos excedentes referem-se ao retorno da estratégia acima de um ponto de referência pré-determinado. Como o SP500 ou um Tesouro de 3 meses. Observe que o retorno anualizado não é uma medida normalmente utilizada, pois não leva em conta a volatilidade da estratégia (ao contrário do Índice de Sharpe). Uma vez que uma estratégia foi testada e é considerada livre de preconceitos (na medida em que isso é possível), com um bom Sharpe e reduções minimizadas, é hora de construir um sistema de execução. Sistemas de Execução Um sistema de execução é o meio pelo qual a lista de negócios gerados pela estratégia são enviados e executados pelo corretor. Apesar do fato de que a geração comercial pode ser semi - ou mesmo totalmente automatizada, o mecanismo de execução pode ser manual, semi-manual (ou seja, um clique) ou totalmente automatizado. Para estratégias LFT, técnicas manuais e semi-manuais são comuns. Para as estratégias de HFT é necessário criar um mecanismo de execução totalmente automatizado, que muitas vezes será fortemente associado com o gerador de comércio (devido à interdependência de estratégia e tecnologia). As principais considerações ao criar um sistema de execução são a interface para a corretora. Minimização dos custos de transação (incluindo comissão, deslizamento e spread) e divergência de desempenho do sistema ao vivo de desempenho backtestado. Há muitas maneiras de interagir com uma corretora. Eles variam de chamar o seu corretor no telefone através de um totalmente automatizado de alto desempenho Application Programming Interface (API). Idealmente, você deseja automatizar a execução de seus negócios, tanto quanto possível. Isso libera você para se concentrar em mais pesquisas, bem como permitem que você execute várias estratégias ou mesmo estratégias de maior freqüência (na verdade, HFT é essencialmente impossível sem a execução automatizada). O software de backtesting comum descrito acima, como MATLAB, Excel e Tradestation são bons para a freqüência mais baixa, estratégias mais simples. No entanto, será necessário construir um sistema de execução interno escrito em uma linguagem de alto desempenho, como C, a fim de fazer qualquer HFT real. Como uma anedota, no fundo que eu costumava ser empregado em, tivemos um loop de negociação de 10 minutos, onde iria baixar novos dados de mercado a cada 10 minutos e, em seguida, executar comércios com base nessa informação no mesmo período de tempo. Isso estava usando um script Python otimizado. Para qualquer coisa que se aproxima de minutos ou de dados de segunda freqüência, eu acredito que C / C seria mais ideal. Em um fundo maior, muitas vezes não é o domínio do comerciante quant para otimizar a execução. No entanto, em pequenas lojas ou empresas HFT, os comerciantes são os executores e, portanto, um conjunto de habilidades muito mais amplo é muitas vezes desejável. Tenha isso em mente se você deseja ser empregado por um fundo. Suas habilidades de programação serão tão importantes, se não mais, do que suas estatísticas e talentos econométricos Outra grande questão que cai sob a bandeira de execução é a de minimização de custos de transação. Geralmente, há três componentes para os custos de transação: Comissões (ou impostos), que são as taxas cobradas pela corretora, pela bolsa e pela derrogação da SEC (ou órgão regulador governamental semelhante), que é a diferença entre o que você pretendia que sua ordem fosse Preenchido em relação ao que foi realmente preenchido no spread, que é a diferença entre o preço de compra / venda do título negociado. Observe que o spread não é constante e depende da liquidez atual (ou seja, disponibilidade de ordens de compra / venda) no mercado. Os custos de transação podem fazer a diferença entre uma estratégia extremamente lucrativa com uma boa relação de Sharpe e uma estratégia extremamente desprotegida 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, que incluirão dados de carrapatos para preços de oferta / solicitação. Equipes inteiras de quants são dedicadas à otimização da execução nos fundos maiores, por estas razões. Considere o cenário em que um fundo precisa descarregar uma quantidade substancial de negócios (dos quais as razões para fazê-lo são muitas e variadas). Ao lançar tantas ações para o mercado, elas rapidamente diminuirão o preço e poderão não obter uma execução ótima. Daí os algoritmos que gotejam ordens de alimentação para o mercado existem, embora então o fundo corre o risco de derrapagem. Além disso, outras estratégias atacam essas necessidades e podem explorar as ineficiências. Este é o domínio da arbitragem de estrutura de fundo. A grande questão final para os sistemas de execução diz respeito à divergência do desempenho da estratégia com o desempenho testado. Isso pode acontecer por várias razões. Nós já discutimos o viés prospectivo e o viés de otimização em profundidade, ao considerar backtests. No entanto, algumas estratégias não tornam mais fácil 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 mostrar-se na negociação ao vivo. O mercado pode ter sido sujeito a uma mudança de regime subseqüente à implantação de sua estratégia. Novos ambientes regulatórios, a mudança do sentimento dos investidores e os fenômenos macroeconômicos podem levar a divergências na forma como o mercado se comporta e, portanto, a rentabilidade de sua estratégia. Gestão de Risco A peça final para o quebra-cabeça negociação quantitativa é o processo de gestão de risco. Risco inclui todos os preconceitos anteriores que discutimos. Ele inclui o risco de tecnologia, tais como servidores co-localizado na troca de repente desenvolvendo um mau funcionamento do disco rígido. Ele inclui risco de corretagem, como o corretor se tornando falido (não tão louco quanto parece, dado o susto recente com MF Global). Em suma, abrange quase tudo o que poderia interferir com a execução de negociação, de que há muitas fontes. Livros inteiros são dedicados à gestão de risco para estratégias quantitativas assim que eu wontt tentativa de elucidate em todas as fontes possíveis do risco aqui. A gestão de riscos também engloba o que é conhecido como alocação de capital ótima. 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. Uma vez que este é um artigo introdutório, eu não vou pensar em seu cálculo. O critério de Kelly faz algumas suposições sobre a natureza estatística dos retornos, que muitas vezes não são verdadeiras nos mercados financeiros, de modo que os comerciantes são frequentemente conservadores quando se trata da implementação. Outro componente chave da gestão de risco é lidar com o perfil psicológico próprio. Existem muitos preconceitos cognitivos que podem fluir para a negociação. Embora isso seja reconhecidamente menos problemático com negociação algorítmica se a estratégia é deixada sozinho Um preconceito comum é que a aversão perda, onde uma posição perdedora não será encerrado devido à dor de ter que perceber 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 conhecido como viés de recência. Isso se manifesta quando os comerciantes enfatizam demais os acontecimentos recentes e não a longo prazo. Então, claro, há o par clássico de preconceitos emocionais - medo e ganância. Estes podem muitas vezes levar a sub ou sobre alavancagem, o que pode causar blow-up (ou seja, o título da conta de equidade para zero ou pior) ou lucros reduzidos. Resumo Como pode ser visto, o comércio quantitativo é uma área de finanças quantitativas extremamente complexa, embora muito interessante. Eu literalmente arranhado a superfície do tópico neste artigo e já está ficando bastante longa livros inteiros e artigos foram escritos sobre questões que eu só deu uma frase ou duas para. Por essa razão, antes de aplicar para empregos quantitativos de negociação de fundos, é necessário realizar uma quantidade significativa de estudo de base. No mínimo, você precisará de uma ampla 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 no final de freqüência mais alta, seu conjunto de habilidades é provável Para incluir modificação do kernel do Linux, C / C, programação de montagem e otimização de latência de rede. Se você estiver interessado em tentar criar suas próprias estratégias de negociação algorítmica, minha primeira sugestão seria ficar bom em programação. Minha preferência é construir o máximo de dados grabber, backtester estratégia e sistema de execução por si mesmo como possível. Se seu próprio capital está na linha, wouldnt você dorme melhor à noite sabendo que você testou inteiramente seu sistema e está ciente de suas armadilhas e de edições particulares Terceirizar isto a um vendedor, ao potencial conservar o tempo no curto prazo, poderia ser extremamente A longo prazo. Michael Halls-Moore Mike é o fundador da QuantStart e tem estado envolvido na indústria de finanças quantitativas nos últimos cinco anos, principalmente como desenvolvedor quantitativo e, mais tarde, como consultor de comerciantes quant para hedge funds.20 Sistemas Quantitativos de Negociação O termo 8216quant8217 ou 8216quantitativo Trading system8217 evoca a imagem de um graduado de matemática inteligente na mesa de um banco de investimento que gasta seu tempo criando sofisticados algoritmos de curto prazo. Tais algoritmos que puxar milhões de dólares do mercado em um piscar de olhos. No entanto, e embora existam muitos desses tipos de quants, qualquer um que usa uma abordagem matemática e objetiva também pode ser chamado de quant. Então, quais são os sistemas de negociação quantitativa Um sistema de comércio quantitativo pode ser definido como qualquer sistema que usa cálculos matemáticos para tomar decisões de negociação. Em finanças, isso é extremamente benéfico por muitas razões. Em primeiro lugar, usando um sistema de negociação quantitativo significa que você pode testar suas idéias objetivamente sobre dados passados ​​e, portanto, chegar a conclusões sobre como essas idéias vão tarifa em dados reais e futuros. Alguns dos hedge funds mais bem sucedidos utilizam métodos quantitativos até certo ponto. Para um bom exemplo basta dar uma olhada no Jim Simons cujo fundo Medallion tem média de 35 retornos desde 1989. Em segundo lugar, os sistemas de negociação quantitativa pode ser estatisticamente verificada e testada. Eles também podem ser usados ​​para fazer cálculos instantâneos e complexos que um operador humano pode não ser capaz de fazer. Outra vantagem de usar um sistema de negociação quantitativa é que você pode eliminar algumas das emoções humanas envolvidas na negociação. No entanto, há um ponto importante a ser feito aqui porque um sistema de comércio nunca pode eliminar totalmente toda a emoção envolvida. De fato, em alguns casos, as emoções simplesmente se transferem para o próprio sistema, tornando-o inútil. Isso pode acontecer em qualquer número de maneiras saltar sobre e fora do sistema, criando um sistema que não é robusto, curva-montagem do sistema de dados do passado, ignorando o sistema ou segunda-adivinhar os sinais do sistema8230 Psicologia é, portanto, extremamente importante, Mesmo para comerciantes quantitativos. Livros Um bom livro sobre o tema dos sistemas de negociação quantitativa é Ernie Chan8217s Quantitative Trading: Como construir seu próprio negócio de negociação algorítmica. It8217s particularmente bom porque contém algumas das idéias Chan8217s originais. Alguns destes são difíceis de implementar e exigem tecnologia sofisticada, mas alguns são simples, como Chan8217s sistema que procura tirar proveito da deriva ganhos. Outro bom livro sobre o assunto é Quantitative Trading Systems pelo Dr. Howard Bandy. Este é um livro muito bom sobre como projetar um sistema de comércio, e dá muitos exemplos, embora seja caro e seu principalmente voltado para usuários Amibroker. E, em seguida, há o meu livro que contém 20 sistemas, todos os quais são testados em 10 anos de dados do mercado de ações e fornecido com uma série de métricas de desempenho. Eles constituem uma mistura de tendências e sistemas de reversão média e são principalmente baseados em prazos semanais. 20 sistemas quantitativos de negociação: Sistema 1: Mudança de crossover médio Sistema 2: Quatro semanas para cima em uma fileira Sistema 3: Negociando o ruído Sistema 4: Negociando o ruído mais shorts Sistema 5: Negociação gradientes Sistema 6: Sistema 8: Breakout com confirmação EMA Sistema 9: Seguimento de tendências com o sistema TEMA 10: Medo Bull / Bear Sistema 11: RSI simples com filtro de curva de equidade Sistema 12: O indicador de intervalo (TRI) Sistema 13: Fuga de volatilidade com Bollinger Bands System 14: Negociando a lacuna Sistema 15: RSI com o sistema VIX 16: Negociação do sistema TED 17: MACD simples com filtro EMA Sistema 18: Colheita de cereja com estoque com crossover EMA Sistema 19: Utilização do relatório Compromisso de Traders (COT) Sistema 20 : Encontrando ações baratas com regressão linear e alcance médio Verdadeira Amibroker AFL Collection Escrevendo AFL para Amibroker Esta é a razão pela qual a negociação forex não é fácil (sistemas de negociação simples desmascarou) Como Scrutinize 038 Melhorar A Trading System 50 Day Moving estratégia média colocar para o teste em ações Meu livro de mercado de ações 29 regras para a tendência Seguindo Stocks Sistemas de negociação que funcionam: Stress Testing Trading System 20 Como construir um sistema de negociação posicional Nifty em menos de 3 minutos usando Amibroker Você pode fazer Dinheiro em penny stocks Simple breakout sistema de negociação código 038 Você pode ganhar dinheiro comprando ações aleatórias DCA abordagem JB MarwoodBusiness Idéias Obtenha idéias inspiradoras para o desenvolvimento de novos produtos e serviços. Você pode cantar para um e-mail diário, personalizado de acordo com suas necessidades, interesses e conhecimento. Big Data Nós continuamente varremos a Internet para coletar dados sobre as necessidades dos clientes atuais e a maturidade dos produtos e serviços disponíveis. Aprendizagem de máquina Baseado em um algoritmo de aprendizagem de máquina novo e revolucionário nós somos capazes de identificar oportunidades de negócio novas, previamente invisíveis. Newsflash Agora você não pode descarregar gratuitamente o Entropycs Community Edition. Os alunos da Newsflash University estão usando a evolução gramatical da Entropycs para criar novos sistemas de negociação. Newsflash Lançamos um novo site, projetado para construir uma comunidade e envolver os usuários interessados ​​em negociação. Faça o download do Entropycs gratuitamente. Agora, você pode obter uma cópia do Entropycs Community Edition gratuitamente. Basta fazer o download do software, instalá-lo e iniciá-lo. Sistemas mais recentes O departamento de pesquisa da Entropycs está sempre procurando novas idéias de negociação. Os relatórios de análise estão disponíveis gratuitamente para nossos clientes e outros usuários interessados. 24 de fevereiro de 2014 5:00 am 0 comments Views: 6956 As funções de comerciante quantitativo dentro de fundos de grande quanti são muitas vezes percebidas como uma das posições mais prestigiadas e lucrativas na Quantitativa de emprego de finanças. Carreiras comerciais em um fundo 8220parent8221 são muitas vezes vistos como um trampolim para, eventualmente, permitindo que um para formar seu próprio fundo, com uma alocação de capital inicial do empregador pai e uma lista de primeiros investidores para trazer a bordo. A concorrência para posições de negociação quantitativas é intensa e, portanto, um investimento significativo de tempo e esforço é necessário para obter uma carreira na negociação quant. Neste artigo vou descrever os caminhos de carreira comuns, rotas no campo, o fundo necessário e um plano de auto-estudo para ajudar tanto os comerciantes retalhistas e aspirantes profissionais ganhar habilidades em negociação quantitativa. Definição de expectativas Antes de nos aprofundarmos nas listas de manuais e outros recursos, tentarei estabelecer algumas expectativas sobre o que o papel envolve. A pesquisa quantitativa de negociação está muito mais alinhada com o teste de hipóteses científicas e com o rigor acadêmico do que a percepção dos comerciantes de bancos de investimento e a bravata associada. Há muito pouco (ou inexistente) entrada discricionária na realização de negociação quantitativa como os processos são quase universalmente automatizado. O método científico e os testes de hipóteses são processos altamente valorizados dentro da comunidade de finanças quantitativas e, como tal, qualquer pessoa que queira entrar no campo precisará ter sido treinada em metodologia científica. Isso muitas vezes, mas não exclusivamente, significa treinamento para um nível de pesquisa de doutorado 8211 geralmente através de ter tido um PhD ou pós-graduação Mestrado em um campo quantitativo. Embora um pode entrar em negociação quantitativa a nível profissional através de meios alternativos, não é comum. As habilidades requeridas por um pesquisador de negociação quantitativo sofisticado são diversas. Uma extensa experiência em matemática. Probabilidade e testes estatísticos fornecem a base quantitativa sobre a qual construir. Uma compreensão dos componentes do comércio quantitativo é essencial, incluindo previsões, geração de sinais, backtesting, limpeza de dados, gerenciamento de portfólio e métodos de execução. É necessário um conhecimento mais avançado para a análise de séries temporais, a aprendizagem estatística / mecânica (incluindo métodos não lineares), a optimização e a microestrutura de troca / mercado. Juntamente com isso é um bom conhecimento de programação, incluindo como tomar modelos acadêmicos e implementá-los rapidamente. Este é um aprendizado significativo e não deve ser inserido de forma ligeira. Costuma-se dizer que é preciso 5-10 anos para aprender material suficiente para ser consistentemente rentável na negociação quantitativa em uma empresa profissional. No entanto, as recompensas são significativas. É um ambiente altamente intelectual com um grupo de pares muito inteligente. Fornecerá desafios contínuos em um ritmo rápido. É extremamente bem remunerado e oferece muitas opções de carreira, incluindo a capacidade de se tornar um empreendedor iniciando seu próprio fundo depois de demonstrar um histórico de longo prazo. Antecedentes necessários É comum considerar uma carreira em finanças quantitativas (e, finalmente, pesquisa de comércio quantitativa), enquanto estudava em um diploma de graduação em matemática ou em um doutorado técnico especializado. No entanto, o seguinte conselho é aplicável àqueles que podem desejar a transição para uma carreira de negociação de outro, embora com a ressalva de que vai demorar um pouco mais e envolverá uma rede extensa e um monte de auto-estudo. No nível mais básico, a pesquisa comercial quantitativa profissional requer uma compreensão sólida de matemática e testes de hipóteses estatísticas. Os suspeitos habituais de cálculo multivariável, álgebra linear e teoria de probabilidade são todos necessários. Uma boa marca de classe em um curso de graduação de matemática ou física de uma escola bem considerada geralmente irá fornecer-lhe o fundo necessário. Se você não tem um fundo em matemática ou física, então eu sugeriria que você deve seguir um curso de graduação de uma escola superior em um desses campos. Você estará competindo com pessoas que têm esse conhecimento e, portanto, será altamente desafiador para ganhar uma posição em um fundo sem algumas credenciais acadêmicas definitivas. Além de ter uma sólida compreensão matemática, é necessário ser adepto na implementação de modelos, através da programação de computadores. As opções comuns de linguagens de modelagem nestes dias incluem R. A linguagem estatística de código aberto Python. Com suas extensas bibliotecas de análise de dados ou MatLab. Ganhar familiaridade extensiva com um destes pacotes é um pré-requisito necessário para se tornar um comerciante quantitativo. Se você tem uma extensa experiência em programação de computadores, você pode querer considerar ganhar entrada em um fundo através da rota Quantitative Developer. A última grande habilidade necessária para os pesquisadores quantitativos é a de poder interpretar objetivamente novas pesquisas e depois implementá-las rapidamente. Esta é uma habilidade aprendida através de formação de doutoramento e uma das razões pelas quais os candidatos a doutorado de escolas de topo são muitas vezes os primeiros a ser escolhido para posições de negociação quantitativa. A obtenção de um doutorado em uma das seguintes áreas (particularmente a aprendizagem ou otimização de máquinas) é uma boa maneira de entrar em um sofisticado fundo quant. Introdução quantitativa negociação Quantitativa negociação tem explodido em popularidade, tanto no espaço de fundo profissional e no nível de varejo. É, naturalmente, o tópico principal deste Web site I8217ve escrito completamente alguns artigos em como começar a introdução quantitativa / algorítmica que troca. O seguinte irá fornecer-lhe uma breve visão geral do campo: Para uma introdução mais profunda, você deve pegar os seguintes textos pelo gestor de fundos de hedge Ernie Chan, que incluem detalhes significativos de implementação em estratégias de negociação quant. Eles são lançados no sofisticado investidor de varejo, mas as metodologias de negociação e técnicas de gestão de risco são sólidas e transitar para o espaço de fundo profissional: Se você deseja obter mais informações sobre os detalhes de implementação de estratégias de negociação de quant (particularmente no nível de varejo) Dê uma olhada nos artigos comerciais quant deste site. Econometria / Análise de séries temporais Fundamentalmente, a maioria das negociações quantitativas é sobre análise de séries temporais. Isso inclui predominantemente séries de preços de ativos em função do tempo, mas pode incluir séries derivadas de alguma forma. Assim, a análise de séries temporais é um tópico essencial para o pesquisador de negociação quantitativa. I8217ve escrito sobre como começar no artigo sobre o Top 10 Recursos Essenciais para Aprendizagem Econometria Financeira. Esse artigo inclui guias básicos de probabilidade e programação inicial em R, que discutiremos mais detalhadamente na segunda parte desta série de artigos. Os três textos fundamentais que eu recomendo para começar em econometria e análise de séries de tempo são: Se você deseja ler mais sobre cada livro e como ele pode ajudá-lo, sugiro dar uma olhada no meu artigo sobre recursos de econometria. Recentemente eu vim através de um recurso fantástico chamado OTexts. Que oferece livros de acesso aberto. O seguinte livro é especialmente útil para a previsão: Previsão: Princípios e Prática por Hyndman e Athanasopoulos 8211 Este livro é uma excelente maneira de começar a aprender sobre a previsão estatística através do ambiente de programação R. Abrange regressão simples e multivariada, técnicas de suavização exponencial e ARIMA, assim como modelos de previsão mais avançados. O livro é originalmente lançado em graus de negócios / comércio, mas é suficientemente técnico para ser de interesse para quants início. Com o básico de séries de tempo em seu cinturão o próximo passo é começar a estudar técnicas de aprendizagem estatística / máquina, que são o 8220state atual do art8221 no financiamento quantitativo. Intermediário Aprendizagem Estatística / Mecânica A moderna pesquisa quantitativa de mercado baseia-se em extensas técnicas de aprendizagem estatística. Até recentemente, o único lugar para aprender técnicas como aplicado a finanças quantitativas estava na literatura. Felizmente já existem manuais bem estabelecidos que fazem a ponte entre a teoria ea prática. É o próximo seguimento lógico da econometria e das técnicas de previsão de séries temporais, embora exista uma sobreposição significativa nas duas áreas. A maneira recomendada para começar a entender a aprendizagem estatística / máquina é estudar os dois livros seguintes (com sobreposição de autores): Introdução à aprendizagem estatística: com aplicações em R por James, et al 8211 Este texto fornece uma grande introdução às modernas técnicas de aprendizagem estatística . Ele é voltado para o praticante, ao invés do estatístico acadêmico, por isso será útil para aqueles que vêm de um fundo financeiro com mínima experiência de aprendizagem da máquina. Faz uso de R para todos os seus exemplos e como tal é fácil de implementar. Recomenda-se ler isto antes de ler o livro subsequente abaixo. Os Elementos da Aprendizagem Estatística: Mineração de Dados, Inferência e Previsão por Hastie, et al 8211 Afectuosamente conhecido como 8220ESL8221 dentro da comunidade estatística, este livro é um fantástico follow-on para o recentemente publicado 8220ISL8221 acima. Ele vai muito mais fundo na teoria e irá fornecer uma base sólida na aprendizagem estatística. Você também pode baixar uma cópia gratuita do livro do site do autor (statweb. stanford. edu/ Um conjunto particularmente útil (e gratuito) de cursos da web sobre Aprendizado de Máquinas / AI são fornecidos por Coursera: Aprendizado de Máquinas por Andrew Ng 8211 Este curso Abrange os conceitos básicos dos métodos que eu mencionei brevemente acima. Ele tem recebido elogios de indivíduos que participaram. Ele é provavelmente melhor visto como um companheiro para a leitura ISL ou ESL dadas acima. Networks Neural para Aprendizagem de Máquinas por Geoffrey Hinton 8211 Este curso Concentra-se principalmente em redes neurais, que têm uma longa história de associação com finanças quantitativas. Se você deseja concentrar-se especificamente nesta área, então este curso vale a pena dar uma olhada, em conjunto com um sólido livro sobre a área. O próximo artigo da série consideraremos os tópicos da aprendizagem não-linear de máquinas, otimização matemática, microestrutura de mercado / intercâmbio, teoria de portfólio e programação de computadores em todas as áreas de estudo necessárias para um potencial pesquisador de negociação quantitativa. 8212 Por Michael Halls-Moore de QuantStart Construa Sistemas de Negociação RentáveisNão Parece Possível. Mas é com nossas estratégias de negociação algorítmica Não parece possível. Um sistema de negociação algorítmico com tanta identificação de tendências, análise de ciclos, fluxos de volume de compra / venda, estratégias de negociação múltiplas, entrada dinâmica, preços de destino e stop e tecnologia de sinal ultra-rápido. Mas isso é. Na verdade, AlgoTrades sistema de negociação algorítmica plataforma é a única do seu tipo. Não mais procurar por estoques quentes, setores, commodities, índices ou opiniões de mercado de leitura. Algotrades faz todas as pesquisas, timing e negociação para você usando nosso sistema de negociação algorítmica. AlgoTrades estratégias comprovadas podem ser seguidas manualmente por receber e-mail e SMS texto alertas, ou pode ser 100 hands-free negociação, cabe a você Você pode ativar / desativar negociação automatizada a qualquer momento para que você esteja sempre no controle de seu destino. Sistemas automatizados de negociação para investidores experientes Copyright 2016 - ALGOTRADES - Sistema de Trading Algorítmico Automatizado CFTC REGRA 4.41 - OS RESULTADOS HIPOTÉTICOS OU SIMULADOS DO DESEMPENHO TÊM CERTAS LIMITAÇÕES. DESCONHECIDO UM REGISTO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, DESDE QUE OS COMÉRCIOS NÃO FORAM EXECUTADOS, OS RESULTADOS PODERÃO TER OUTROS COMPENSADOS PELO IMPACTO, SE HOUVER, DE CERTOS FATORES DE MERCADO, COMO A FALTA DE LIQUIDEZ. OS PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL SÃO TAMBÉM SUJEITOS AO FATO QUE SÃO PROJETADOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ SENDO SENDO QUE QUALQUER CONTA PODERÁ OU É POSSÍVEL CONSEGUIR LUCROS OU PERDAS SEMELHANTES AOS MOSTRADOS. Nenhuma representação está sendo feita nem implica que o uso do sistema de negociação algorítmica irá gerar renda ou garantir um lucro. Há um risco substancial de perda associado com futuros de negociação e troca de valores negociados em bolsa. A negociação de futuros ea negociação de valores negociados em bolsa envolvem um risco substancial de perda e não é apropriado para todos. Estes resultados são baseados em resultados de desempenho simulados ou hipotéticos que têm certas limitações inerentes. Ao contrário dos resultados mostrados em um registro de desempenho real, esses resultados não representam a negociação real. Além disso, uma vez que estas transacções não foram efectivamente executadas, estes resultados podem ter sub-ou sobre-compensado o impacto, se for o caso, de determinados factores de mercado, tais como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de que eles são projetados com o benefício de retrospectiva. Nenhuma representação está sendo feita que qualquer conta vai ou é susceptível de alcançar lucros ou perdas semelhantes aos apresentados. As informações contidas neste website foram preparadas sem levar em conta os objetivos de investimento, a situação financeira e as necessidades dos investidores em particular e ainda aconselha os assinantes a não agirem sobre qualquer informação sem obterem conselhos específicos de seus consultores financeiros para não confiarem em informações do site como base primária Para suas decisões de investimento e para considerar seu próprio perfil de risco, tolerância de risco e suas próprias perdas de parada. - powered by Enfold WordPress Tema