Estratégias de negociação mensal quantitativas

Quant Strategies - São para você?

As estratégias quantitativas de investimento evoluíram para ferramentas muito complexas com o advento dos computadores modernos, mas as raízes das estratégias remontam aos 70 anos. Geralmente são executados por equipes altamente educadas e usam modelos proprietários para aumentar sua capacidade de vencer o mercado. Existem até programas disponíveis que são plug-and-play para quem procura simplicidade. Quant modelos sempre funcionam bem quando testados, mas suas aplicações reais e taxa de sucesso são discutíveis. Embora pareçam funcionar bem nos mercados de touro, quando os mercados se afastam, as estratégias de quant estão sujeitas aos mesmos riscos que qualquer outra estratégia.

[As estratégias quantitativas de investimento tornaram-se extremamente populares entre os comerciantes do dia, mas elas não são as únicas estratégias que os comerciantes usam para obter lucro consistente. O Curso de Tradutor de Torneios de Dia da Invastopedia descreve uma estratégia comprovada que inclui seis tipos de negócios, juntamente com estratégias de gerenciamento de risco. Com mais de cinco horas de vídeo sob demanda, exercícios e conteúdo interativo, você ganhará as habilidades necessárias para negociar qualquer segurança em qualquer mercado.]

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 também evoluíram a partir de alguns dos primeiros estudos quantitativos, incluindo a base da diversificação do portfólio com base na moderna teoria da carteira. O uso de financiamento e cálculo quantitativo levou a muitas outras ferramentas comuns, incluindo uma das mais famosas, a fórmula de preços de opções Black-Scholes, que não só ajuda as opções de preços dos investidores e desenvolver estratégias, mas também ajuda a manter os mercados em risco com liquidez.

Quando aplicado diretamente ao gerenciamento de portfólio, o objetivo é como qualquer outra estratégia de investimento: agregar valor, alfa ou excesso de retorno. Quants, como os desenvolvedores são chamados, compor modelos matemáticos complexos para detectar oportunidades de investimento. Existem tantos modelos por aí como quants que os desenvolvem, e todos afirmam ser os melhores. Um dos pontos mais vendidos da estratégia de investimento de quant é que o modelo e, finalmente, o computador, fazem a decisão de compra / venda real, não um humano. Isso tende a remover qualquer resposta emocional que uma pessoa possa experimentar ao comprar ou vender investimentos.

As estratégias Quant são agora aceitas na comunidade de investimentos e administradas por fundos mútuos, hedge funds e investidores institucionais. Eles geralmente passam pelo nome de geradores alfa, ou alfa gens.

Assim como no "The Wizard of Oz", alguém está atrás da cortina que conduz o processo. Tal como acontece com qualquer modelo, é tão bom quanto o humano que desenvolve o programa. Embora não exista um requisito específico para se tornar um quant, a maioria das empresas que executam quant modelos combinam as habilidades de analistas de investimentos, estatísticos e programadores que codificam o processo nos computadores. Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum ver credenciais como pós-graduação e doutorado em finanças, economia, matemática e engenharia.

Historicamente, esses membros da equipe trabalharam nos back-office, mas, à medida que os modelos quant tornam-se mais comuns, o back office está se movendo para o front office.

Benefícios de Quant Strategies.

Embora a taxa de sucesso global seja discutível, o motivo de algumas estratégias de quant é funcionar é que elas são baseadas em disciplina. Se o modelo for certo, a disciplina mantém a estratégia trabalhando com computadores com velocidade relâmpada para explorar ineficiências nos mercados com base em dados quantitativos. Os próprios modelos podem basear-se em apenas alguns ratios como P / E, dívida para patrimônio e crescimento de ganhos, ou usar milhares de insumos trabalhando juntos ao mesmo tempo.

Estratégias bem-sucedidas podem adotar as tendências em seus estágios iniciais, pois os computadores constantemente correm cenários para localizar ineficiências antes que outros o façam. Os modelos são capazes de analisar simultaneamente um grande grupo de investimentos, onde o analista tradicional pode estar olhando apenas alguns por vez. O processo de triagem pode avaliar o universo por níveis como 1-5 ou A-F, dependendo do modelo. Isso torna o processo de negociação real muito direto investindo nos investimentos altamente cotados e vendendo os mais baixos.

Os modelos Quant também abrem variações de estratégias como longas, curtas e longas / curtas. Os fundos cuidadosos bem sucedidos mantêm um olho no controle de risco devido à natureza de seus modelos. A maioria das estratégias começa com um universo ou benchmark e usa as ponderações setoriais e industriais em seus modelos. Isso permite que os fundos controlem a diversificação até certo ponto sem comprometer o próprio modelo. Os fundos Quant geralmente funcionam com base em custos mais baixos porque não precisam de tantos analistas tradicionais e gerentes de portfólio para executá-los.

Desvantagens de Quant Strategies.

Há razões pelas quais tantos investidores não aceitam completamente o conceito de deixar uma caixa preta executar seus investimentos. Para todos os fundos bem sucedidos da quantia lá fora, apenas muitos parecem ser infrutíferos. Infelizmente para a reputação dos quants, quando eles falham, eles falham em grande momento.

O Gerenciamento de Capital de Longo Prazo foi um dos mais famosos fundos hedge quant, já que foi dirigido por alguns dos líderes acadêmicos mais respeitados e dois economistas vencedores do 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 explorarem ineficiências, mas usando fácil acesso ao capital para criar apostas alavancadas enormes nas direções do mercado.

A natureza disciplinada de sua estratégia realmente criou a fraqueza que levou ao seu colapso. A Administração de Capital de Longo Prazo foi liquidada e dissolvida no início de 2000. Os modelos não incluíram a possibilidade de o governo russo estar inadimplente em algumas das suas próprias dívidas. Este evento desencadeou eventos e uma reação em cadeia ampliada por estragos criados por alavancagem. LTCM estava tão fortemente envolvido com outras operações de investimento que seu colapso afetou os mercados mundiais, provocando eventos dramáticos. A longo prazo, o Federal Reserve entrou para ajudar, e outros bancos e fundos de investimento apoiaram o LTCM para evitar mais danos. Esta é uma das razões pelas quais os fundos quantitativos podem falhar, pois eles são baseados em eventos históricos que podem não incluir eventos futuros.

Enquanto uma equipe de quantos forte estará constantemente adicionando novos aspectos aos modelos para prever eventos futuros, é impossível prever o futuro sempre. Quant fundos também podem se surpreender quando a economia e os mercados estão passando por uma volatilidade maior do que a média. Os sinais de compra e venda podem vir tão rapidamente que o alto volume de negócios pode gerar altas comissões e eventos tributáveis. Os fundos Quant também podem representar um perigo quando são comercializados como resistentes ao incômodo ou baseados em estratégias curtas. Prever as desacelerações, usar derivadas e combinar alavancagem pode ser perigoso. Uma vez errada pode levar a implosões, que muitas vezes fazem as novidades.

As estratégias quantitativas de investimento evoluíram de caixas pretas de back office para ferramentas de investimento convencionais. Eles são projetados para utilizar as melhores mentes no negócio e os computadores mais rápidos, tanto para explorar ineficiências quanto para utilizar a alavancagem para fazer apostas no mercado. Eles podem ter muito sucesso se os modelos incluíram todas as entradas certas e são ágeis o suficiente para prever eventos anormais do mercado. Por outro lado, enquanto os fundos quantitativos são rigorosamente testados até que eles funcionam, sua fraqueza é que eles dependem de dados históricos para o seu sucesso. Embora o investimento em estilo de quantum tenha seu lugar no mercado, é importante estar atento às suas deficiências e riscos. Para ser consistente com as estratégias de diversificação, é uma boa idéia tratar estratégias quantitativas como um estilo de investimento e combiná-lo com estratégias tradicionais para alcançar uma diversificação adequada.

Negociação quantitativa.

O que é 'Negociação Quantitativa'

Negociação quantitativa consiste em estratégias de negociação baseadas em análises quantitativas, que dependem de cálculos matemáticos e crunching de números para identificar oportunidades comerciais. Como a negociação quantitativa é geralmente utilizada por instituições financeiras e fundos de hedge, as transações geralmente são de grande porte e podem envolver a compra e venda de centenas de milhares de ações e outros títulos. No entanto, a negociação quantitativa está sendo mais usada pelos investidores individuais.

BREAKING 'Quantitative Trading'

As técnicas quantitativas de negociação incluem comércio de alta freqüência, negociação algorítmica e arbitragem estatística. Essas técnicas são rápidas e tipicamente têm horizontes de investimento de curto prazo. Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, como médias móveis e osciladores.

Compreender a negociação quantitativa.

Os comerciantes quantitativos aproveitam a tecnologia moderna, a matemática e a disponibilidade de bases de dados abrangentes para tomar decisões comerciais racionais.

Os comerciantes quantitativos tomam uma técnica de negociação e criam um modelo dele usando a matemática, e então eles desenvolvem um programa de computador que aplica o modelo aos dados históricos do mercado. O modelo é então testado e otimizado. Se os resultados favoráveis ​​forem alcançados, o sistema é então implementado em mercados em tempo real com capital real.

A maneira como os modelos de negociação quantitativa funcionam pode ser melhor descrita usando uma analogia. Considere um relatório meteorológico em que o meteorologista prevê 90% de chance de chuva enquanto o sol está brilhando. O meteorologista deriva essa conclusão contra-intuitiva coletando e analisando 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 revelados em dados climáticos históricos (backtesting), e 90 de 100 vezes o resultado é chuva, então o meteorologista pode tirar a conclusão com confiança, daí a previsão de 90%. Os comerciantes quantitativos aplicam esse mesmo processo ao mercado financeiro para tomar decisões comerciais.

Vantagens e desvantagens da negociação quantitativa.

O objetivo da negociação é calcular a ótima probabilidade de executar um comércio lucrativo. Um comerciante típico pode efetivamente monitorar, analisar e tomar decisões comerciais em uma quantidade limitada de títulos antes que a quantidade de dados recebidos superem o processo de tomada de decisão. O uso de técnicas de negociação quantitativas ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação.

A superação da emoção é um dos problemas mais comuns na negociação. Seja medo ou ganância, ao negociar, a emoção serve apenas para sufocar o pensamento racional, o que geralmente leva a perdas. Computadores e matemática não possuem emoções, então o comércio quantitativo elimina esse problema.

Negociação quantitativa tem seus problemas. Os mercados financeiros são algumas das entidades mais dinâmicas que existem. Portanto, os modelos de negociação quantitativa devem ser tão dinâmicos para serem consistentemente bem-sucedidos. Muitos comerciantes quantitativos desenvolvem modelos que são temporariamente rentáveis ​​para a condição de mercado para o qual eles foram desenvolvidos, mas eles finalmente falham quando as condições do mercado mudam.

S T R E E T DE W A L L S.

Tipos de Estratégias Quantitativas de Negociação de Fundos de Hedge.

Quant Hedge Funds vem em todas as formas e tamanhos - de pequenas empresas com empregados que numeram na adolescência, para fundos internacionais com presença em três continentes. Uma base de ativos maiores não se correlaciona necessariamente com um número maior de funcionários; em vez disso, a equipe do Hedge Fund provavelmente é uma função do número de estratégias que emprega. Quant Hedge Funds pode se concentrar em ações, renda fixa ou outras classes de ativos, embora raramente um Quant Hedge Fund esteja envolvido em uma estratégia de longo prazo de seleção de ações individualmente, sem cobertura. Muitos CTAs ou “Consultores de Negociação de Commodities” também seriam considerados Quant Hedge Funds, dado o seu papel na compra ou venda de contratos futuros, opções de futuros ou contratos de forex off-exchange de varejo (ou aconselhamento a outros para negociar nessas commodities).

A tabela a seguir fornece mais detalhes sobre diferentes tipos de estratégias de investimento em Hedge Funds; é importante notar que as versões quantitativas e não quantitativas de quase todos esses estilos de investimento Hedge Fund podem ser construídas:

Relative Value Trading vs. Directional Trading.

As abordagens de negociação / investimento Quantitative Hedge Fund se enquadram em uma das duas categorias: as que utilizam as estratégias de Valor Relativo e aquelas cujas estratégias serão caracterizadas como Direcional. Ambas as estratégias utilizam fortemente modelos de computador e software estatístico.

As estratégias de Relative Value tentam capitalizar relacionamentos de preços previsíveis (muitas vezes - relacionamentos de retorno) entre múltiplos ativos (por exemplo, a relação entre os rendimentos de curto prazo do Tesouro dos EUA vs. os rendimentos de longo prazo do Tesouro dos EUA ou a relação no implícito volatilidade em dois contratos de opção diferentes). As estratégias direcionais, entretanto, normalmente são baseadas em caminhos baseados em tendências ou outros padrões, sugestivos de impulso ascendente ou descendente para uma garantia ou conjunto de valores mobiliários (por exemplo, apostando que os rendimentos de longo prazo dos títulos do Tesouro dos EUA aumentarão ou que a volatilidade implícita declínio).

Relative Value Strategies.

Os exemplos comuns de estratégias de Relativo de Valor incluem a colocação de apostas relativas (ou seja, comprar um bem e vender outro) em ativos cujos preços estão intimamente vinculados:

Títulos governamentais de dois países diferentes Títulos do governo de dois prazos diferentes até o vencimento Títulos de obrigações de capital corporativo versus títulos hipotecários O diferencial de volatilidade implícita entre dois derivativos. Preços de ações versus preços de títulos para um emissor de títulos corporativos. Diferenças de rendimento de obrigações de capital vs. Swap de inadimplência de crédito (CDS ) se espalha.

A lista de estratégias de valor relativo potencial é muito longa; acima são apenas alguns exemplos. Existem três estratégias de Valor Relativo muito importantes e comummente utilizadas para se conscientizar, no entanto:

Arbitragem estatística: negociação de uma tendência de reversão média dos valores de cestas semelhantes de ativos com base em relações comerciais históricas. Uma forma comum de Arbitragem Estatística, ou "Arat Stat", "trading", é conhecida como Equity Market Neutral trading. Nesta estratégia, duas cestas de ações são escolhidas (uma cesta "longa" e uma cesta "curta"), com o objetivo de que os pesos relativos das duas cestas saiam do fundo com exposição líquida zero a vários fatores de risco (indústria, geografia, setor, etc. .) Stat Arb também pode envolver a negociação de um índice contra um ETF similar, ou um índice versus ações de uma única empresa. Arbitragem convertível: compra de emissões de obrigações convertíveis por uma empresa e simultaneamente venda das ações ordinárias da mesma empresa, com a idéia de que, se o estoque de uma determinada empresa declinar, o lucro da posição curta compensará mais do que qualquer perda na posição de títulos convertíveis, dado o valor do vínculo convertível como instrumento de renda fixa. De igual modo, em qualquer movimento ascendente das ações ordinárias, o fundo pode lucrar com a conversão de suas obrigações convertíveis em ações, vendendo essas ações no mercado valor por um valor que exceda todas as perdas em sua posição curta. Arbitragem de Renda Fixa: negociação de títulos de renda fixa em mercados de títulos desenvolvidos para explorar anomalias de taxa de juros relativos percebidas. Posições de Arbitragem de Renda Fixa podem usar títulos do governo, swaps de taxa de juros e futuros de taxa de juros. Um exemplo popular desse estilo de negociação em arbitragem de renda fixa é o "comércio de base", no qual um vende (compra) futuros do Tesouro e compra ( vende uma quantidade correspondente do potencial entregável. В Aqui, está a considerar a diferença entre o preço à vista de uma obrigação e o preço do contrato futuro ajustado (fator de conversão do preço de futuros) e a negociação dos pares de ativos em conformidade.

Estratégias direcionais.

As estratégias de negociação direcional, entretanto, geralmente se baseiam em caminhos de tendências ou outros motivos baseados em padrões sugerentes de impulso ascendente ou descendente para um preço de segurança. O comércio direcional geralmente incorporará algum aspecto da Análise Técnica ou "cartografia". Isso envolve a previsão da direção de preços através do estudo dos preços do mercado passado e do volume de dados do mercado. A "negociação" que está sendo negociada pode ser a de um bem em si (dinamismo nos preços das ações, por exemplo, ou a taxa de câmbio do euro / dólar norte-americano) ou um fator que afeta diretamente a o próprio preço dos ativos (por exemplo, volatilidade implícita para opções ou taxas de juros para títulos do governo).

A negociação técnica também pode incluir o uso de médias móveis, bandas em torno do desvio padrão histórico de preços, níveis de suporte e resistência e taxas de mudança. Normalmente, os indicadores técnicos não constituiriam a única base para o investimento de um Fundo Quantitativo de Hedge estratégia; Os Quante Hedge Funds empregam muitos fatores adicionais além das informações históricas sobre preço e volume. Em outras palavras, os Fundos Quantitativos de Hedge que empregam estratégias de negociação direcional geralmente têm estratégias quantitativas gerais que são muito mais sofisticadas do que a Análise Técnica geral.

Isso não é para sugerir que os comerciantes do dia não possam lucrar com a Análise Técnica - pelo contrário, muitas estratégias de negociação baseadas em impulso podem ser lucrativas. Assim, para os fins deste módulo de treinamento, as referências às estratégias de negociação Quant Hedge Fund não incluirão apenas estratégias baseadas em análise técnica.

Outras estratégias quantitativas.

Outras abordagens comerciais quantitativas que não são facilmente categorizadas como estratégias de Relative Value ou estratégias direcionais incluem:

Negociação de alta freqüência, onde os comerciantes tentam tirar proveito das discrepâncias de preços entre múltiplas plataformas com muitas negociações ao longo do dia. As estratégias de volatilidade administrada usam futuros e contratos a prazo para se concentrar na geração de retornos absolutos baixos, estáveis ​​e LIBOR-plus, aumentando ou diminuindo a número de contratos dinamicamente à medida que as volatilidades subjacentes das ações, títulos e outros mercados mudam. Estratégias de volatilidade gerenciadas ganharam popularidade nos últimos anos devido à recente instabilidade dos mercados de ações e títulos. & larr; O que é um Fundo de cobertura quantitativo? Top Quantitative Hedge Funds & rarr;

Guia do principiante para negociação quantitativa.

Guia do principiante para negociação quantitativa.

Neste artigo, vou apresentá-lo a alguns dos conceitos básicos que acompanham um sistema de negociação quantitativa de ponta a ponta. Espera-se que este post atenda a dois públicos-alvo. O primeiro será indivíduos tentando obter um emprego em um fundo como um comerciante quantitativo. A segunda será pessoas que desejam tentar montar seu próprio negócio de comércio algorítmico "de varejo".

A negociação quantitativa é uma área extremamente sofisticada de finanças quânticas. 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 exige uma ampla experiência em programação, pelo menos em uma linguagem como MATLAB, R ou Python. No entanto, à medida que a frequência comercial da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Assim, ser familiar com C / C ++ será de suma importância.

Um sistema de comércio quantitativo consiste em quatro componentes principais:

Identificação Estratégica - Encontrando uma estratégia, explorando uma vantagem e decidindo sobre a frequência de negociação Backtesting da estratégia - Obtendo dados, analisando o desempenho da estratégia e removendo vieses Sistema de Execução - Vinculando a uma corretora, automatizando a negociação e minimizando custos de transação tamanho da aposta "/ critério Kelly e psicologia comercial.

Começaremos dando uma olhada em como identificar uma estratégia de negociação.

Identificação de Estratégia.

Todos os processos de negociação quantitativos começam com um período inicial de pesquisa. Este processo de pesquisa engloba encontrar uma estratégia, verificando se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, obtendo quaisquer dados necessários para testar a estratégia e tentando otimizar a estratégia para retornos mais altos e / ou menor risco. Você precisará avaliar seus próprios requisitos de capital se estiver executando a estratégia como um comerciante "varejista" e como qualquer custo de transação afetará a estratégia.

Ao contrário da crença popular, é bastante simples encontrar estratégias lucrativas por meio de várias fontes públicas. Os acadêmicos publicam periodicamente resultados teóricos de negociação (embora na maioria dos custos brutos de transação). Os blogs de finanças quantitativas discutirão estratégias em detalhes. As revistas comerciais descreverão algumas das estratégias empregadas pelos fundos.

Você pode questionar por que indivíduos e empresas estão interessados ​​em discutir suas estratégias rentáveis, especialmente quando sabem que outros "aglomerando o comércio" podem impedir a estratégia de trabalhar no longo prazo. A razão está no fato de que eles geralmente não discutem os parâmetros exatos e os métodos de ajuste que eles realizaram. Essas 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 seu próprio procedimento de otimização.

Aqui está uma pequena lista de lugares para começar a procurar idéias de estratégia:

Muitas das estratégias que você olhará cairão nas categorias de reversão média e tendência / impulso. Uma estratégia de reversão à 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 de curto prazo dessa média acabarão sendo revertidos. Uma estratégia de momentum tenta explorar tanto a psicologia do investidor quanto a grande estrutura de fundos, "pegando carona" em uma tendência de mercado, que pode ganhar impulso em uma direção e seguir a tendência até que ela se reverta.

Outro aspecto extremamente importante da negociação quantitativa é a freqüência da estratégia de negociação. A negociação de baixa freqüência (LFT) geralmente se refere a qualquer estratégia que detenha ativos por mais tempo do que um dia de negociação. Correspondentemente, a negociação de alta frequência (HFT) geralmente se refere a uma estratégia que mantém ativos intraday. Ultra-high frequency trading (UHFT) refere-se a estratégias que possuem ativos na ordem de segundos e milissegundos. Como profissionais de varejo, HFT e UHFT certamente são possíveis, mas apenas com conhecimento detalhado da "pilha de tecnologia" e da dinâmica do livro de pedidos. Não vamos discutir esses aspectos em grande medida neste artigo introdutório.

Uma vez que uma estratégia, ou conjunto de estratégias, foi identificado, agora precisa ser testado quanto à lucratividade em dados históricos. Esse é o domínio do backtesting.

Teste de estratégia.

O objetivo do backtesting é fornecer evidências de que a estratégia identificada por meio do processo acima é lucrativa quando aplicada a dados históricos e fora da amostra. Isso define a expectativa de como a estratégia será realizada no "mundo real". No entanto, backtesting não é garantia de sucesso, por várias razões. É talvez a área mais sutil do comércio quantitativo, uma vez que implica inúmeros vieses, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível. Discutiremos os tipos comuns de viés, incluindo viés avançado, viés de sobrevivência e viés de otimização (também conhecido como viés de dados). Outras áreas de importância dentro do backtesting incluem a disponibilidade e a limpeza de dados históricos, levando em consideração custos de transação realistas e decidindo sobre uma plataforma robusta de backtesting. Discutiremos os custos de transação ainda mais na seção Sistemas de Execução abaixo.

Uma vez que uma estratégia tenha sido identificada, é necessário obter os dados históricos através dos quais realizar testes e, talvez, refinamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Seus custos geralmente variam de acordo com a qualidade, profundidade e pontualidade dos dados. O ponto de partida tradicional para os comerciantes quantos iniciais (pelo menos no nível de varejo) é usar o conjunto de dados gratuitos da Yahoo Finance. Não vou me debruçar muito sobre fornecedores aqui, em vez disso, 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, como dividendos e divisões de ações:

Precisão pertence à qualidade geral dos dados - se contém algum erro. Os erros às vezes podem ser fáceis de identificar, como, por exemplo, com um filtro de espiga, que irá escolher "picos" incorretos em dados da série temporal e corrigi-los. Em outras ocasiões, 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 geralmente é 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 estão mais negociados. No caso de ações, isso significa ações excluídas / falidas. Este viés significa que qualquer estratégia de negociação de ações testada em tal conjunto de dados provavelmente funcionará melhor do que no "mundo real", já que os "vencedores" históricos já foram pré-selecionados. As ações corporativas incluem atividades "logísticas" realizadas pela empresa que geralmente causam uma mudança de função gradual no preço bruto, que não deve ser incluído no cálculo dos retornos do preço. Ajustes para dividendos e desdobramentos são os culpados comuns. Um processo conhecido como ajuste de volta é necessário para ser realizado em cada uma dessas ações. É preciso ter muito cuidado para não confundir um estoque de divisão com um verdadeiro ajuste de retorno. Muitos comerciantes foram pegos por uma ação corporativa!

Para realizar um procedimento de backtest, é necessário usar uma plataforma de software. Você tem a escolha entre softwares backtest dedicados, como o Tradestation, uma plataforma numérica como o Excel ou o MATLAB ou uma implementação personalizada completa em uma linguagem de programação como Python ou C ++. Não vou demorar muito na Tradestation (ou similar), no Excel ou no MATLAB, pois acredito na criação de uma pilha de tecnologia interna completa (por razões descritas abaixo). Um dos benefícios de o fazer é que o software de backtest e o sistema de execução podem ser bem integrados, mesmo com estratégias estatísticas extremamente avançadas. Para as estratégias HFT em particular, é essencial usar uma implementação personalizada.

Quando testar um sistema, é preciso quantificar o desempenho. As métricas "padrão do setor" para estratégias quantitativas são o rebaixamento máximo e o Índice de Sharpe. A retirada máxima caracteriza a maior queda de pico a calha na curva de equidade da conta em um determinado período de tempo (geralmente anual). Isso geralmente é citado como uma porcentagem. As estratégias de LFT tendem a ter maiores disparidades do que as estratégias de HFT, devido a uma série de fatores estatísticos. Um backtest histórico mostrará o último drawdown máximo, que é um bom guia para o futuro desempenho de drawdown da estratégia. A segunda medida é a Ratia de Sharpe, que é definida heuristicamente como a média dos retornos em excesso divididos pelo desvio padrão desses retornos em excesso. Aqui, os retornos excedentes referem-se ao retorno da estratégia acima de um benchmark pré-determinado, como o S & P500 ou um Tesouro de 3 meses. Observe que o retorno anualizado não é uma medida usualmente utilizada, pois não leva em consideração a volatilidade da estratégia (ao contrário do Ratio Sharpe).

Uma vez que uma estratégia tenha sido backtested e seja considerada livre de preconceitos (na medida em que isso é possível!), Com um bom Sharpe e rebaixamentos minimizados, 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 é enviada e executada pelo corretor. Apesar do fato de que a geração de comércio 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, as técnicas manuais e semi-manuais são comuns. Para as estratégias HFT, é necessário criar um mecanismo de execução totalmente automatizado, que muitas vezes será estreitamente acoplado ao gerador comercial (devido à interdependência da estratégia e da tecnologia).

As principais considerações ao criar um sistema de execução são a interface com a corretora, a minimização dos custos de transação (incluindo comissão, derrapagem e spread) e a divergência de desempenho do sistema ao vivo do desempenho do backtested.

Existem muitas maneiras de se conectar a uma corretora. Eles variam de chamar seu corretor no telefone diretamente para uma interface de programação de aplicativos (API) de alto desempenho totalmente automatizada. O ideal é que você queira automatizar a execução de suas negociações o máximo possível. Isso liberta você para se concentrar em pesquisas futuras, além de permitir que você execute várias estratégias ou mesmo estratégias de maior freqüência (na verdade, o HFT é essencialmente impossível sem execução automática). O software comum de backtesting descrito acima, como MATLAB, Excel e Tradestation são bons para estratégias mais baixas e mais simples. No entanto, será necessário construir um sistema de execução interno escrito em uma linguagem de alto desempenho, como C ++, para fazer qualquer HFT real. Como uma anedota, no fundo em que eu costumava trabalhar, tínhamos um "loop de negociação" de 10 minutos, onde baixávamos novos dados de mercado a cada 10 minutos e depois executávamos negociações com base nessas informações no mesmo período de tempo. Isso estava usando um script Python otimizado. Para qualquer coisa que se aproxime de dados de minuto ou de segunda frequência, acredito que o 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 lojas menores ou empresas HFT, os comerciantes são os executores e, portanto, um conjunto de habilidades muito mais amplo é muitas vezes desejável. Tenha 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 de econometria!

Outra questão importante que se enquadra na bandeira de execução é a redução de custos de transações. Geralmente, existem três componentes para os custos de transação: Comissões (ou impostos), que são as taxas cobradas pela corretora, a troca e a SEC (ou órgão regulador governamental similar); deslizamento, qual é a diferença entre o que você pretendia que seu pedido fosse preenchido em relação ao que estava preenchido; spread, que é a diferença entre o preço de oferta / oferta da garantia negociada. Observe que o spread NÃO é constante e depende da liquidez atual (isto é, disponibilidade de ordens de compra / venda) no mercado.

Os custos de transação podem fazer a diferença entre uma estratégia extremamente lucrativa com um bom índice de Sharpe e uma estratégia extremamente não lucrativa com um índice de Sharpe terrível. Pode ser um desafio prever corretamente os custos de transação de um backtest. Dependendo da frequência da estratégia, você precisará de acesso a dados de troca histórica, que incluirão dados de marca para preços de lances / pedidos. Equipes inteiras de quantos são dedicadas à otimização da execução nos fundos maiores, por esses motivos. Considere o cenário em que um fundo precisa descarregar uma quantidade substancial de negociações (das quais as razões para isso são muitas e variadas!). Ao "despejar" tantas ações no mercado, elas comprimirão rapidamente o preço e não poderão obter uma execução ótima. Daí, os algoritmos que os pedidos de "gotejamento de alimentação" no mercado existem, embora o fundo corra o risco de derrapagem. Além disso, outras estratégias "presas" sobre essas necessidades e podem explorar as ineficiências. Este é o domínio da arbitragem da estrutura do fundo.

A questão principal final para os sistemas de execução diz respeito à divergência de desempenho da estratégia com o desempenho testado. Isso pode acontecer por vários motivos. Já analisamos o viés de look-ahead e o viés de otimização em profundidade, ao considerar os backtests. No entanto, algumas estratégias não facilitam a verificação desses preconceitos 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 aparece em um backtest, mas aparece no live trading. O mercado pode estar sujeito a uma mudança de regime posterior à implantação de sua estratégia. Novos ambientes regulatórios, mudanças no sentimento dos investidores e fenômenos macroeconômicos podem levar a divergências quanto ao comportamento do mercado e, assim, a rentabilidade da sua estratégia.

Gerenciamento de riscos.

A peça final para o enigma de negociação quantitativa é o processo de gerenciamento de riscos. "Risco" inclui todos os vieses anteriores que discutimos. Isso inclui risco de tecnologia, como servidores co-localizados na central de repente desenvolvendo um mau funcionamento do disco rígido. Isso inclui risco de corretagem, como o corretor estar falido (não tão louco quanto parece, dado o recente susto com a MF Global!). Em suma, abrange quase tudo o que poderia interferir com a implementação comercial, dos quais existem muitas fontes. Livros inteiros são dedicados ao gerenciamento de riscos para estratégias quantitativas, então não tento elucidar todas as possíveis fontes de risco aqui.

O gerenciamento de riscos também abrange o que é conhecido como alocação ótima de capital, que é um ramo da teoria do portfólio. Este é o meio pelo qual o capital é alocado para um conjunto de estratégias diferentes e para os negócios dentro dessas estratégias. É uma área complexa e depende de algumas matemáticas não triviais. O padrão da indústria pelo qual a alocação ótima de capital e a alavancagem das estratégias estão relacionadas é chamado de critério de Kelly. Como este é um artigo introdutório, não vou me alongar em seu cálculo. O critério de Kelly faz alguns pressupostos sobre a natureza estatística dos retornos, que geralmente não são válidos nos mercados financeiros, então os comerciantes são geralmente conservadores quando se trata da implementação.

Outro componente fundamental do gerenciamento de riscos é lidar com o próprio perfil psicológico. Existem muitos vieses cognitivos que podem surgir na negociação. Embora isso seja certamente menos problemático com o comércio algorítmico se a estratégia for deixada sozinha! Um viés comum é o da aversão à perda, em que uma posição perdedora não será fechada devido à dor de ter que perceber uma perda. Da mesma forma, os lucros podem ser tomados muito cedo porque o medo de perder um lucro já ganho pode ser muito grande. Outro viés comum é conhecido como viés de recência. Isso se manifesta quando os comerciantes colocam muita ênfase nos eventos recentes e não no longo prazo. Então, é claro, há o par clássico de viés emocional - medo e ganância. Estes podem, muitas vezes, levar a alavancagem insuficiente ou excessiva, o que pode causar explosão (ou seja, o patrimônio da conta em zero ou pior!) Ou lucros reduzidos.

Como pode ser visto, o comércio quantitativo é uma área extremamente complexa, embora muito interessante, de financiamento quantitativo. Eu literalmente arranhei a superfície do tópico neste artigo e já está ficando bastante longo! Livros e papéis inteiros foram escritos sobre questões que eu apenas dediquei uma ou duas sentenças. Por essa razão, antes de se candidatar a empregos quantitativos em bolsa de fundos, é necessário realizar uma quantidade significativa de estudo de base. No mínimo, você precisará de um extenso conhecimento em estatística e econometria, com muita experiência em implementação, por meio de uma linguagem de programação como MATLAB, Python ou R. Para estratégias mais sofisticadas no final de frequência mais alta, seu conjunto de habilidades é provável para incluir modificação do kernel do Linux, C / C ++, programação de montagem e otimização de latência da rede.

Se você estiver interessado em tentar criar suas próprias estratégias de negociação algorítmica, minha primeira sugestão seria se programar bem. A minha preferência é criar o máximo de captura de dados, backtester de estratégia e sistema de execução por si mesmo possível. Se o seu próprio capital estiver na linha, você não dormiria melhor à noite sabendo que você testou completamente seu sistema e está ciente de suas armadilhas e problemas específicos? Terceirizar isso para um fornecedor, enquanto potencialmente economiza tempo a curto prazo, pode ser extremamente caro a longo prazo.

A Quantcademy.

Junte-se ao portal de adesão da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento e saiba como aumentar a rentabilidade da sua estratégia.

Negociação Algorítmica Bem Sucedida.

Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para seu portfólio usando um mecanismo de backtesting personalizado em Python.

Negociação Algorítmica Avançada.

Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquinas e estatísticas bayesianas com R e Python.

Um dia na vida de um desenvolvedor quantitativo.

Um dia na vida de um desenvolvedor quantitativo.

Muitos de vocês enviaram um email perguntando recentemente o que é realmente como trabalhar em um fundo quantito. Eu escrevi antes sobre minhas experiências como um quant dev, mas eu pensei em delinear um dia normal para que você pudesse ter uma ideia de se você gostaria do papel.

Antes de estar envolvido na pesquisa comercial quantitativa real eu costumava trabalhar em Mayfair (Londres, Reino Unido) como um desenvolvedor de sistemas quantitativos. O seguinte foi um dia típico para mim nos primeiros dias do fundo:

Levante-se e tome café da manhã. Verifique os e-mails para se certificar de que os trabalhos cron da noite (tarefas automatizadas) foram executados com sucesso a noite anterior. Estes são para baixar dados financeiros e fazer o upload de nossos próprios relatórios internos. Mais sobre isso depois.

Dirija-se a Mayfair no tubo. Continue lendo um livro de texto sobre negociação algorítmica e acesso ao mercado. Outras vezes eu leio o Financial Times ou um livro de texto de matemática / programação.

Eu nunca leio os jornais gratuitos, porque eles são essencialmente inúteis no que diz respeito a informações financeiras importantes. No caminho em cima, pego um café e um croissant (o meu vício para o dia).

Como um quant dev, eu estava principalmente preocupado com uma mistura de diagnóstico e reparo de anormalidades na infraestrutura que havíamos desenvolvido, bem como o desenvolvimento de novos recursos solicitados.

Verifique novamente que as tarefas de dados automáticas remanescentes foram concluídas com sucesso. Se não, eu imediatamente reservo o tempo para corrigir o problema e verifique se ele não ocorreu novamente.

Verifique a lista de feeds RSS para obter informações financeiras interessantes. Eu gosto de manter as melhores ideias comerciais, bem como ferramentas relacionadas à TI / desenvolvedor que podem nos ajudar a melhorar o negócio.

Breve alinhamento com nosso pesquisador de negociação principal para discutir quaisquer solicitações de dados ou infra-estrutura. Nós também discutimos o estado do mercado dos EUA juntos, então estamos cientes do que pode acontecer mais tarde no dia.

Temos até cerca de 1 da hora do Reino Unido para completar qualquer tarefa de pesquisa e desenvolvimento. Depois das 13h, o mercado dos EUA abre e geralmente ficamos de olho no seu progresso. Enquanto a nossa geração de sinais é totalmente automatizada, nós ainda executamos manualmente nossos negócios.

Manutenção - Um script de trabalho cron tardio falhou. Eu tenho scripts para garantir que eu receba um email automaticamente se isso ocorrer. Neste caso, foi uma mudança indocumentada para uma API externa. Outros incidentes incluíram pontos de dados com bugs (valores negativos) e bugs internos.

Isso envolve a modificação de alguns testes de unidade para dar conta do novo comportamento, re-executar os scripts de teste de unidade e empurrar o código para o servidor de teste e posteriormente para o ambiente de produção. Como nosso código tem boa cobertura de teste, não é um problema estar implantando continuamente.

Hora do almoço - sempre vou almoçar às 12h porque a maioria das pessoas toma o almoço às 1-2 horas, o que acho bastante tarde. Eu raramente tenho um "almoço de trabalho" na mesa desde que eu não gosto de comer e codificar! Nosso fundo é muito um "arranque" e, portanto, o gerenciamento está significativamente mais interessado em "fazer as coisas", em oposição ao "tempo de rosto", por sua causa.

Em vez disso, eu gasto a hora do almoço em outro livro. Desta vez, é sobre estratégias de negociação. Eu costumo fazer notas copiosas, muitas vezes no parque nas proximidades. No inverno, costumava dirigir-me ao café local!

Sinto fortemente que uma mudança de cenário é boa para o foco. Sentado em um monitor o dia inteiro geralmente não ajuda para aprender material novo.

Volte para o escritório e prepare-se para o mercado dos EUA aberto. Obtenha uma lista de negociações através do sistema de gerenciamento de pedidos e portfólio automatizado. Isso está vinculado à nossa corretora e faz sua API a cada dez minutos para obter o estado atual do nosso portfólio. Isso é comparado com o conjunto ideal de trades para formar um conjunto de transações para ser enviado à corretora.

Temos algumas ordens do Market-On-Open para executar. Às vezes, utilizamos ordens limite, mas não hoje. Uma vez que o mercado abre as trades executam, uma vez que estão em ações líquidas de grande capitalização dos EUA.

Novas fontes de dados - Os preços financeiros e os dados fundamentais são o sangue vital de um fundo quantito. A primeira parte da tarde envolve a escrita de scripts de download (em Python) para se conectar a uma nova API para extrair dados fundamentais de forma automatizada, através de trabalhos cron.

Desenvolvimento - A última parte da tarde envolve a especificação de um novo componente automatizado para eliminar o trabalho manual. Este trabalho em particular é um "verificador de pontos" que envia mensagens de correio eletrônico tanto para mim quanto para o comerciante de quantum principal se algum dos dados de preços de fim de semana baixados se mover mais de 20% da barra diária anterior.

Isso nos permite entrar manualmente em ações corporativas e back / forward ajustar nossos dados de preços para estar "pronto para pesquisa". Eventualmente, isso foi tratado automaticamente também.

Reunião de Gestão - Gestão, desenvolvimento de quant e negociação de quant todos se reúnem para uma reunião semanal. Temos um sistema de "semáforo" para relatórios de problemas (vermelho, amarelo e verde para a gravidade da questão). Isso nos ajuda a identificar problemas de longo prazo que podem ser corrigidos.

A primeira metade da reunião é dedicada a discutir o desempenho recente dos fundos e se está de acordo com os testes anteriores. Os fundos estão funcionando bem esta semana e estão em linha com as expectativas.

A última metade da reunião discute quaisquer questões operacionais. Novas fontes de dados são discutidas e novas idéias de estratégia são consideradas para fins de pesquisa em andamento. Novas tarefas de automação também são sugeridas e priorizadas.

Chegue em casa. Continue lendo o livro de texto sobre negociação algorítmica e encontre algumas informações interessantes sobre otimização de execução. Lembre-se de anotá-lo depois de chegar em casa.

Tempo de inatividade para a noite. Geralmente, leia um documento de pesquisa ou documentação da ferramenta de desenvolvedor, fazendo anotações. Todas as sugestões úteis são trazidas para a próxima reunião de gerenciamento para consideração.

. E esse foi um dia típico para mim! Em artigos posteriores, consideraremos o dia típico para um comerciante de quant.

A Quantcademy.

Junte-se ao portal de adesão da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento e saiba como aumentar a rentabilidade da sua estratégia.

Negociação Algorítmica Bem Sucedida.

Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para seu portfólio usando um mecanismo de backtesting personalizado em Python.

Negociação Algorítmica Avançada.

Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquinas e estatísticas bayesianas com R e Python.

Estratégias quantificadas.

Meus pensamentos sobre Amibroker.

Durante anos eu tenho negociado (semi-automaticamente) usando um script simples no Excel. Tendo focado exclusivamente em ações desde 2001, decidi começar a procurar futuros no início de 2017. O Excel não é exatamente o melhor programa de negociação automatizada, então eu decidi usar uma das muitas plataformas lá fora: Amibroker, Metastock, Tradestation, [ & hellip;]

Comprar quando S & # 038; P 500 faz novo Intraday alto?

Rob Hannah publicou na semana passada uma estratégia potencial em seu blog. Eu coloquei um toque e fiz a seguinte estratégia: 1. A alta intradiária de hoje deve ser maior que a alta de 5 dias anterior. 2. IBS deve ser inferior a 0,15 (IBS é (c-l) / (h-l)). 3. Saia quando o fechamento de hoje for maior do que o fechamento de ontem. [& hellip;]

Força de barra interna em grampos de consumo.

A força da barra interna é definida da seguinte forma: (próximo-baixo) / (alto-baixo). Aqui está a estratégia testada em XLP: ontem IBS deve ser inferior a 0,15 Hoje IBS deve ser inferior a 0,4 RSI (5) hoje deve ser inferior a 50 Entrada em fechar Sair quando o fechamento de hoje é maior que ontem e # 8217; s alta Aqui está a curva de capital: 2008 foi [& hellip;]

Um sistema de rotação simples entre estoques beta baixos.

Eu gosto de trocar as ações chatas. Hoje eu peguei 19 ações beta baixas (mas chatas) aleatórias (mas líquidas) e testei um sistema rotacional no Amibroker (claro que com um pouco de viés de sobrevivência). Aqui está o código: SetBacktestMode (backtestRotational); SetOption (& # 8220; inicialequity & # 8221;, 30000); SetOption (& # 8220; commissionMode & # 8221;, 3); SetOption (& # 8220; commissionAmount & # 8221;, 0,03); SetOption (& # 8220; MaxOpenPositions & # 8221;, 2); SetOption (& # 8220; WorstRankHeld & # 8221;, 5); SetPositionSize (50, spspercentofequity); PositionScore = 60 & # 8211; Rsi (15); [& hellip;]

Como lucrar com o fim 2000 de Russell do rally de junho.

Russell 2000 reequilibra suas participações no final de junho de cada ano. Eis o que dizem sobre o reequilíbrio: junho é o mês em que o portfólio preliminar de reconstituição é comunicado ao mercado. A partir de 9 de junho, as listas preliminares são comunicadas ao mercado e as atualizações são fornecidas nos dias 16 e 23 de junho. O recém-reconstituído [& hellip;]

Vender em maio e ir embora & # 8211; OBX.

Vender em maio e ir embora deve ser uma das frases mais famosas do mercado de ações. Mas está correto? Esta é a primeira vez que eu testo isso. Há muitas evidências empíricas acadêmicas mostrando que essa anomalia existe há muitas décadas, tanto nos EUA quanto em outros lugares. Eu [& hellip;]

Vender em maio e ir embora & # 8211; S & # 038; P 500.

Vender em maio e ir embora deve ser uma das frases mais famosas do mercado de ações. Mas está correto? Esta é a primeira vez que eu testo isso. Há muitas evidências empíricas acadêmicas mostrando que essa anomalia existe há muitas décadas, tanto nos EUA quanto em outros lugares. Eu [& hellip;]

Quão grande propagação influenciou meus lucros de negociação.

Este artigo aborda os 5 centavos recém-implementados em algumas ações e como isso influenciou meu P / L (negativamente). Antecedentes: Em 3 de outubro de 2016, a SEC implementou o Programa Piloto Tick Size. Coloque em falta, haverá um mínimo de 5 centavos de spread em ações especificadas. Toda a ideia por trás do programa é para a SEC [& hellip;]

Para evitar a segunda suposição.

Meu post anterior sobre como eu estraguei tudo por adivinhar minhas estratégias me fez mudar meus hábitos de negociação (para melhor). Tomei duas ações para o meu daytrading: Após a abertura, certifico-me de que meu programa do Excel está em execução (insiro as posições de forma totalmente automática). Então eu saio para passear com meu cachorro ou [& hellip;]

O custo das segundas estratégias de adivinhação.

Eu mantenho um registro detalhado de todas as minhas atividades comerciais, tanto daytrading, swingtrading quanto de longo prazo. Eu acredito que esta é a única maneira de melhorar minha negociação. No entanto, fazendo tudo isso, & # 8220; extra & # 8221; o trabalho não é exatamente o trabalho mais interessante deste planeta, mas acredito que, de longe, o mais importante que posso fazer [& hellip;]

RSI (2) no SPY.

Critérios de entrada: se o RSI (2) for inferior a 15, então a entrada é fechada. Saia no fim se o fechamento de hoje for maior do que o de ontem. Aqui está a curva de lucro acumulado de 2005 até setembro de 2016: a média por negociação é de 0,46%.

Grandes movimentos às segundas-feiras & # 8211; Atualizar.

Em 2013, escrevi um artigo sobre grandes movimentos às segundas-feiras. Aqui está uma torção (e atualização) sobre isso: Calcule uma média de 25 dias de (hl) / c Hoje é segunda-feira Fechar hoje deve ser pelo menos menor do que (a partir de sexta-feira) 0,25 de média no número 1 (cl) / (hl) , o chamado IBS, deve ser menor que 0.3 [& hellip;]

Estratégia de fim de mês em S & # 038; P 500 & # 8211; Atualizar.

Em julho de 2012, publiquei uma estratégia sobre uma estratégia de final de mês no S & P 500. Aqui estão os critérios: Entrada: Dia 29, 30 ou 31 do mês deve ser negativo. Então entre no próximo. Sair: dois sucessivos positivos fecham em uma linha, ou SPY atinge um alvo de 1%. (sem paradas). Aqui estão os [& hellip;]

Vantagens com estratégias mecânicas.

Muitos dos melhores comerciantes (pelo menos aqueles que conheço) usam algum tipo de regras mecânicas em suas negociações. & # 8220; Mechanical & # 8221; implica que as regras são baseadas em algum tipo de regras objetivas, geralmente dados quantificados. O comerciante deve seguir estas regras exatamente sem hesitação ou emoção. A este respeito, o comércio mecânico é o [& hellip;]

Como ganhar dinheiro Daytrading.

Artigos sobre daytrading tem cerca de duas vezes mais hits do que outros artigos (neste site). O que é tão atraente com o daytrading? É que a maioria das pessoas acha que é dinheiro fácil? Não é, sim, o oposto. É a corrida de adrenalina? Não deveria. O mais "chato e maçante" # 8221; você faz daytrading, melhor você deve executar. É [& hellip;]

A mentalidade de um comerciante.

A maioria dos comerciantes se concentra no desenvolvimento de estratégias para ganhar dinheiro. Eu também, não há outra maneira de contornar. No entanto, sua mentalidade é muitas vezes o link perdido # 8221; para ter um melhor desempenho. Para obter retornos estáveis, você deve se concentrar na parte mental tanto quanto os números de negociação. Para aqueles que [& hellip;]

3 dias para baixo & # 8211; E Gap Up?

Aqui está uma simples reviravolta na média no SPY: SPY deve estar inativo 3 dias seguidos (de perto para fechar). Entrada em close no dia 3 do dia Sair no dia seguinte em aberto Aqui está a curva de patrimônio de 2005 até o presente (a linha rosa é curta, mas usa 4 dias seguidos e depois [& hellip;]

A coisa mais importante na negociação automatizada? Provavelmente procedimentos para evitar erros.

Capítulo 4 no livro de Victor Niederhoffer Educação de um especulador começa assim: há tantas maneiras de perder, mas tão poucas maneiras de ganhar. Talvez a melhor maneira de alcançar a vitória é dominar todas as regras para o desastre e depois se concentrar em evitá-las. Alguns dias atrás eu escrevi sobre minha negociação [& hellip;]

Análise Técnica Baseada em Evidências & # 8211; David Aronson.

Eu terminei de reler David Aronson & # 8217; s livro Análise Técnica Baseada em Evidência, Aplicando o Método Científico e Inferência Estatística para Sinais de Negociação, um livro que comprei em novembro de 2007. Isso não é fácil de ler e um pouco técnico, mas valeu a pena e / Dinheiro. O livro é muito bom para quem não tem experiência em estatística. [& hellip;]

Meus 6 melhores livros de negociação.

Eu pensei que eu iria compartilhar meus 6 livros comerciais favoritos (eu tenho cerca de 75 livros de negociação). Talvez seja um pouco estranho ter 6 e não 5, mas encontrei 6 livros que merecem ser mencionados, não 5. Tenha em mente que não comprei uma carteira comercial por cerca de 5 anos. Simplesmente porque [& hellip;]

3 dias de baixa em ETF.

Larry Connors escreveu uma estratégia chamada double 7. Esta é uma estratégia muito simples com apenas duas regras. Quanto menos regras, melhor, porque menos probabilidade de ajuste de curva. Esta estratégia é baseada em 7 dias de baixa (e alta para saída), mas nos meus testes parece funcionar muito bem em todos [& hellip;]

O que aconteceu após An & # 8220; Extraordinary & # 8221; Big Fall em S & # 038; P?

O que acontece depois de um & # 8220; extraordinário & # 8221; grande queda no espião? Calcule o intervalo H-L médio nos últimos 25 dias (em percentagem). Se o ETF cair mais de 2 vezes essa média, insira de perto. Saia em tmorrows aberto, amanhã perto ou depois de 3 ou 5 dias. Período de teste de 2005 a julho de 2013. O [& hellip;]

Poker, Sex And Dying por Juel Anderson.

Muitos anos atrás eu comprei este livro. Não é sobre negociação, mas sobre poker e vendas. No entanto, todos os elementos são relevantes para os negociadores de ações. Além disso, este livro é muito melhor que todos os outros livros que li sobre psicologia. O autor não é acadêmico, mas um vendedor de sucesso e um jogador de pôquer de hobby. O livro foi [& hellip;]

Se você não pode sofrer a dor, Don & # 8217; t Play The Game.

O título acima é uma citação de George Soros. Eu recebi esta citação em um e-mail de um leitor do meu blog, e isso se encaixa bastante bem no meu desempenho swingtrading em agosto. Em julho escrevi sobre o meu desempenho. Foi bom. Muito bom até o final de julho quando abri uma empresa [& hellip;]

O volume realmente importa no SPY?

Estou trocando o SPY, mas até agora não prestei atenção ao volume até que vi este artigo. O resultado foi interessante, mas pensando bem, faz sentido. Por quê? Porque uma grande quantidade de operações SPY está em hedging. Eu troco SPY todos os dias no meu daytrading simplesmente para fins de hedging. Então, quando o [& hellip;]

Quando SPY abre em 5 dias baixos, mas Close é maior do que aberto.

Ontem, o SPY abriu a 5 dias de baixa, mas subiu do preço de abertura para fechar mais alto. Aqui está a estratégia: SPY deve abrir em uma baixa de 5 dias. Fechar deve ser maior que aberto. Se 1 e 2 tiverem cumprido, a entrada em close Sair amanhã aberto eu escrevi anteriormente sobre uma estratégia baixa de 5 dias [& hellip;]

Inteligência, Confiança e Negociação.

Aqui estão alguns mais aleatórios # 3820; gibberish & # 8221; de mim sobre negociação. Esta manhã, eu olhei um dos livros do Market Wizards de Schwager. William Echardt, na página 127 e 128, disse o seguinte: Não vi muita correlação entre o bom comércio e a inteligência. Muitas pessoas excepcionalmente inteligentes são comerciantes horríveis e uma grande inteligência é suficiente. [& hellip;]

Data Mining And Boredom.

Aqui estão mais pensamentos aleatórios pessoais sobre negociação: eu vi uma discussão no Twitter outro dia sobre mineração de dados e backtesting. Em poucas palavras, um comerciante negocia diferentes estratégias para diferentes instrumentos / ações. O outro comerciante acredita que isso é uma mineração de dados. Por exemplo: comprar quando RSI (3) é oversold pode funcionar em ações diferentes e não [& hellip;]

Explosões de exaustão em SPY.

Ontem (11 de julho) SPY aumentou mais de 1% depois de terminar forte nos dias anteriores. Aqui está uma estratégia potencial para o lado curto: O fechamento de ontem deve ser de 10 dias de alta (do fechamento, não o alto) Hoje, o SPY explode pelo menos 1,5 vezes o valor aboslute da média de 25 dias [& hellip;]

É possível ganhar dinheiro Swingtrading? Meus números 1º semestre de 2013.

Eu tenho backtesting swingtrading (mantendo posições 1-5 dias) por muitos anos. Mas porque eu fiz bastante bem no dia da comercialização, na verdade não consegui muito esforço em swingtrading. Eu realmente nunca comecei. Mas quando meu daytrading azedou em 2011, eu estava meio que 'forçado'. para experimentá-lo. Eu fiz alguns [& hellip;]