Quantitative Trading. What é quantitativa Trading. Quantitative negociação consiste em estratégias de negociação com base em análise quantitativa que dependem de cálculos matemáticos e número crunching para identificar oportunidades de negociação Como o comércio quantitativo é geralmente utilizado por instituições financeiras e fundos de hedge as transações são geralmente de grande porte e Pode envolver a compra e venda de centenas de milhares de ações e outros títulos No entanto, o comércio quantitativo está se tornando mais comumente usado por investidores individuais. BREAKING DOWN Quantitative Trading. Price e volume são dois dos dados mais comuns utilizados na análise quantitativa como o Principais entradas para modelos matemáticos. Técnicas de negociação quantitativas incluem negociação de alta freqüência negociação algorítmica e arbitragem estatística Estas técnicas são de fogo rápido e normalmente têm horizontes de investimento de curto prazo Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, como médias móveis e osciladores. Und Os comerciantes quantitativos Trading. Quantitative tirar proveito da tecnologia moderna, matemática ea disponibilidade de bases de dados abrangentes para tomar decisões de negociação racional. Comerciantes quantitativos tomar uma técnica de negociação e criar um modelo de que usando a matemática e, em seguida, desenvolver um programa de computador que se aplica a Modelo para dados de mercado históricos O modelo é então backtested e otimizado Se resultados favoráveis são alcançados, o sistema é então implementado em mercados em tempo real com capital real. A maneira de função de modelos de negociação quantitativa pode ser melhor descrita usando uma analogia Considere um relatório de tempo em Que o meteorologista prevê uma possibilidade de 90 de chuva enquanto o sol está brilhando O meteorologista deriva esta conclusão contra-intuitiva pela coleta e análise de dados climáticos de sensores em toda a área Uma análise quantitativa computadorizada revela padrões específicos nos dados Quando esses padrões são comparados com os mesmos padrões Revelado no clima histórico Backtesting de dados, e 90 de cada 100 vezes o resultado é chuva, então o meteorologista pode tirar a conclusão com confiança, daí a previsão 90 Os comerciantes quantitativos aplicam este mesmo processo ao mercado financeiro para fazer trading decisions. Advantages e desvantagens de Quantitative Trading. The Objetivo de negociação é calcular a probabilidade ótima de executar um comércio rentável Um comerciante típico pode efetivamente monitorar, analisar e tomar decisões comerciais sobre um número limitado de títulos antes que a quantidade de dados de entrada sobrecarrega o processo de tomada de decisão O uso de técnicas de negociação quantitativa Ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação. Overting emoção é um dos problemas mais difundidos com a negociação Seja medo ou ganância, ao negociar, a emoção serve apenas para sufocar o pensamento racional, que geralmente leva a perdas Computadores e matemática não possuem emoções, portanto, o comércio quantitativo elimina este Blem. Quantitative negociação tem seus problemas Os mercados financeiros são algumas das entidades mais dinâmicas que existem Portanto, os modelos de negociação quantitativa deve ser tão dinâmico para ser consistentemente bem sucedido Muitos comerciantes quantitativos desenvolver modelos que são temporariamente rentáveis para a condição de mercado para que foram desenvolvidos , Mas falham finalmente quando as condições de mercado mudam. As estratégias quantitativas - são elas para você. As estratégias de investimento quantitativas evoluíram em ferramentas muito complexas com o advento de computadores modernos, mas as raizes das estratégias vão para trás sobre 70 anos São funcionadas tipicamente por altamente educado Equipes e usar modelos proprietários para aumentar a sua capacidade de vencer o mercado Há ainda off-the-shelf programas que são plug-and-play para aqueles que procuram simplicidade Quant modelos sempre funcionam bem quando volta testado, mas as suas aplicações reais e taxa de sucesso são Embora eles parecem funcionar bem em mercados de touro quando os mercados se desanuviam, estratégias quanti está sujeito Para os mesmos riscos que qualquer outra estratégia. A história Um dos pais fundadores do estudo da teoria quantitativa aplicada ao financiamento foi Robert Merton Você só pode imaginar o quão difícil e demorado o processo foi antes do uso de computadores Outras teorias em finanças A utilização de ambas as finanças quantitativas e cálculos levou a muitas outras ferramentas comuns, incluindo um dos mais famosos, Black-Scholes fórmula de precificação de opções, Que não só ajuda os investidores preço opções e desenvolver estratégias, mas ajuda a manter os mercados em cheque com liquidez. Quando aplicada diretamente à gestão de carteiras a meta é como qualquer outra estratégia de investimento para agregar valor, alfa ou excesso Quants retornos, como os desenvolvedores são chamados , Compor modelos matemáticos complexos para detectar oportunidades de investimento Há tantos modelos lá fora como quants que os desenvolvem, e Todos afirmam ser o melhor Um dos pontos mais vendidos da estratégia de investimento quantitativa é que o modelo e, finalmente, o computador, faz com que a decisão de compra de compra real, não um humano Isso tende a remover qualquer resposta emocional que uma pessoa pode experimentar quando Comprar ou vender investimentos. Estratégias quantitativas agora são aceitas na comunidade de investimento e são administradas por fundos mútuos, fundos de hedge e investidores institucionais Eles normalmente passam pelo nome de geradores alfa ou gens alfa. Atrás da cortina Assim como em O Mágico de Oz, alguém é Por trás da cortina de condução do processo Como com qualquer modelo, é apenas tão bom como o ser humano que desenvolve o programa Embora não exista um requisito específico para se tornar um quant, a maioria das empresas executando modelos quant combinam as habilidades de analistas de investimento, estatísticos e programadores Que codificam o processo nos computadores Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum ver credenciais como graus de pós-graduação e doutorado em Finance, economia, matemática e engenharia. Historicamente, esses membros da equipe trabalhou nos escritórios de volta, mas como modelos quant tornou-se mais comum, o back office está se movendo para o front office. Benefícios de estratégias Quant Enquanto a taxa de sucesso global é discutível, Algumas estratégias de trabalho quant são que eles são baseados em disciplina Se o modelo é certo, a disciplina mantém a estratégia de trabalho com computadores de velocidade relâmpago para explorar ineficiências nos mercados com base em dados quantitativos Os próprios modelos podem ser baseados em tão pouco como alguns Como a dívida PE para o crescimento de capital próprio e de lucros, ou usar milhares de insumos trabalhando juntos ao mesmo tempo. Estratégias bem sucedidas podem pegar em tendências em seus estágios iniciais como os computadores constantemente executar cenários para localizar ineficiências antes de outros fazer Os modelos são capazes de Analisando um grupo muito grande de investimentos simultaneamente, onde o analista tradicional pode estar olhando apenas alguns de cada vez O processo de triagem Ss pode classificar o universo por níveis de grau como 1-5 ou AF, dependendo do modelo Isso torna o processo de negociação real muito simples investindo nos investimentos altamente cotados e vendendo os mais baixos. Modelos Quant também abrem variações de estratégias como Longos, curtos e longos curtos Os fundos quânticos bem sucedidos mantêm um olho afiado no controle do risco devido à natureza de seus modelos A maioria de estratégias começam com um universo ou um ponto de referência e usam os pesos do setor e da indústria em seus modelos Isto permite que os fundos controlem a diversificação a um Em certa medida, sem comprometer o modelo em si Os fundos Quant funcionam normalmente em uma base de custo mais baixo, porque eles don t necessidade de tantos analistas tradicionais e gestores de carteira para executá-los. Desvantagens de Quant Estratégias Há razões por que muitos investidores não abraçar totalmente o conceito de Deixando uma caixa preta executar seus investimentos Para todos os fundos quant bem sucedidos lá fora, assim como muitos parecem ser infrutíferos Infelizmente para o qua Long-Term Capital Management foi um dos mais famosos fundos de hedge, já que foi administrado por alguns dos mais respeitados líderes acadêmicos e dois economistas premiados com o Prêmio Nobel Myron S Scholes E Robert C Merton Durante a década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Eles eram famosos por não só explorar as ineficiências, mas usando o acesso fácil ao capital para criar apostas alavancadas enormes nas direções do mercado. De sua estratégia criou realmente a fraqueza que conduziu a seu colapso A gestão do capital a longo prazo foi liquidada e dissolvida no início de 2000 Seus modelos não incluíram a possibilidade de que o governo russo poderia inadimplência sobre alguns de sua própria dívida Este evento desencadeou eventos e um Reação em cadeia ampliada por alavancagem criada havoc LTCM foi tão fortemente envolvido com outras operações de investimento que seu colapso afetou o mercado mundial S, desencadeando eventos dramáticos A longo prazo, a Reserva Federal intervém para ajudar, e outros bancos e fundos de investimento apoiou LTCM para evitar mais danos Esta é uma das razões quantos fundos podem falhar, como eles são baseados em eventos históricos que Pode não incluir eventos futuros. Enquanto uma equipe de quant forte vai constantemente adicionando novos aspectos aos modelos para prever eventos futuros, é impossível prever o futuro cada vez Quant fundos também podem se tornar oprimido quando a economia e os mercados estão experimentando maior do que - volatilidade média Os sinais de compra e venda podem vir tão rapidamente que o alto volume de negócios pode criar comissões elevadas e eventos tributáveis Quant fundos também podem representar um perigo quando eles são comercializados como à prova de urso ou são baseados em estratégias curtas Previsão de recessões usando derivativos e combinando A alavancagem pode ser perigosa Uma volta errada pode levar a implosões, que muitas vezes fazem a notícia. A linha de fundo As estratégias de investimento quantitativo evoluíram de trás Escritório caixas pretas para ferramentas de investimento mainstream Eles são projetados para utilizar as melhores mentes no negócio e os computadores mais rápidos tanto para explorar as ineficiências e alavancar uso para fazer apostas no mercado Eles podem ser muito bem sucedidos se os modelos têm incluído todas as entradas direito e são ágeis O suficiente para prever eventos anormais do mercado Por outro lado, enquanto os fundos quant são rigorosamente testados até que eles funcionam, a sua fraqueza é que eles dependem de dados históricos para o seu sucesso Embora o estilo de estilo de investimento tem seu lugar no mercado, Estar ciente de suas deficiências e riscos Para ser coerente com as estratégias de diversificação é uma boa idéia para tratar estratégias quant como um estilo de investimento e combiná-lo com as estratégias tradicionais para alcançar diversificação adequada. A taxa de juros em que uma instituição depositária presta fundos mantidos na Federal Reserva para outra instituição depositária.1 Uma medida estatística da dispersão dos retornos para um determinado R mercado índice Volatilidade pode ser medido. Um ato que o Congresso dos EUA aprovou em 1933 como o Banking Act, que proibiu os bancos comerciais de participar do investimento. Nonfarm folha de pagamento refere-se a qualquer trabalho fora das fazendas, as famílias eo setor sem fins lucrativos Os EUA Bureau of Labour. The abreviatura de moeda ou símbolo de moeda para a rupia indiana INR, a moeda da Índia A rupia é composta por 1. Uma oferta inicial sobre os ativos de uma empresa falida de um comprador interessado escolhido pela empresa falida De um pool de O termo arbitragem estatística arbitracional abrange uma grande variedade de estratégias de investimento que normalmente visam explorar uma relação de equilíbrio estatístico entre dois ou mais títulos. O principal geral é que qualquer divergência do equilíbrio é um efeito temporário e que as apostas devem ser colocadas Sobre o processo de reverter para ele s equilíbrio. A principal ressalva de stat-arb pares negociação estratégias de tipo é que, como a divergência de equilíbrio M cresce o comércio torna-se mais desejável, porém em algum ponto a divergência vai crescer tão grande que se tem de admitir que a relação de equilíbrio não existe mais o modelo está quebrado Naturalmente, é desejável estimar o poder dos instrumentos estatísticos utilizados para determinar estes Esta postagem investigará o poder dos testes estatísticos em relação à negociação de pares para os seguintes testes estatísticos: ADF, BVR, HURST, PP, PGFF, JO-T e JO - E O princípio geral é que para dois estoques e eles formam um par estacionário e, por definição, reverting média se a seguinte equação mantém. Se é entre e depois e são co-integrados, é o coeficiente de reversão média Um teste estatístico Deve ser realizada para verificar se, isso é conhecido como um teste de raiz unitária Se a série contém uma raiz unitária não é adequado para negociação de pares Existem vários testes raiz unitária, cada um executando um teste diferente no resi Duplo processo Poder-se-ia sentir-se tentado a estimar o modelo residual de AR 1 e verificar se utiliza o método de regressão linear convencional calculando a razão t padrão. No entanto, foi demonstrado por Dicky e Fuller 1979 que a razão t não segue a distribuição t, Portanto, testes de significância não-padrão são necessários conhecidos como testes de raiz unitária. Como com todos os modelos há trade off ao determinar o tamanho da janela de treinamento, muito tempo uma janela eo modelo pode conter dados irrelevantes e ser lento para ajustar a eventos recentes também Uma janela curta eo modelo apenas responde a eventos recentes e esquece rapidamente eventos passados Este trade-off é problemático em testes de co-integração, foi demonstrado em Clegg, M janeiro de 2014 Sobre a persistência da cointegração em pares de negociação que para uma janela fixa Tamanho do poder da maioria dos testes de raiz unitária diminuir como tende a 1 a partir de baixo, para 250 pontos de dados com a barragem de testes de co-integração só detectar a co-integração menos de 25 do tempo. Intuitiv Ely isso faz sentido, mais lento o processo é reverter os pontos mais dados serão necessários para ver a reversão É um tanto indesejável que o poder dos testes raiz unitária variam dependendo das propriedades do processo subjacente, no entanto, não é necessário Para trocas de pares de sucesso que todos os pares co-integrados são identificados como tal, a propriedade de poder variável de testes de raiz unitária é em grande parte irrelevante. O que é mais interessante é a taxa de falso positivo, assim pares identificados como reverter média quando eles não são e como persistente Os resultados são. Gerar 1000 séries de tempo co-integrado com e uniformemente distribuído no conjunto, e no conjunto de acordo com Clegg isso é semelhante aos tipos de pares de estoque encontrados na realidade Repita isso para diferentes comprimentos de séries temporais e teste para ver Quantas séries de tempo são corretamente classificadas como co-integradas reverberação média usando vários testes para diferentes pValues. In a maioria dos testes PP e PGFF superar os outros métodos W Quando o processo foi fortemente revertido com menos de 0 85, os testes PP, PGFF, JO-E e JO-T identificaram corretamente o processo como uma média co-integrada que reverteu mais de 75 do tempo em pValue 0 01 Para alguns dos retornos mais fracos Pares com mais de 0 95 o desempenho dos testes estatísticos é lamentável com apenas 250 pontos de dados. Vale a pena ter em mente que 250 pontos de dados é approximatlythe número de dias de negociação em um ano, e talvez dá uma indicação de quanto os dados históricos É necessário em uma estratégia de negociação de pares. Testes Positivos Positivos. Follow o mesmo procedimento delineado para o teste de precisão, mas escolheu no conjunto para gerar séries de tempo que isn t co-integrado Veja que percentagem dos caminhos falsamente reportados como co-integrado significa Reverting. I nunca viu este gráfico em um livro de texto e foi surpreendido com os resultados, tanto HURST e BVR relatório mais falsos positivos como aumentos Quanto mais o processo explode mais provável o teste foi para mostrar um falso positivo. Thankfull E os outros testes se comportam de forma razoável com poucos falsos positivos. Esta parte do tutorial sobre o uso do algoritmo NEAT explica como os genomas são cruzados de forma significativa mantendo sua informação topológica e como o genoma do grupo de especiação em espécies pode ser usado para proteger fracos Genomas com novas informações topológicas de prematuramente ser erradicada do pool de genes antes de seu espaço de peso pode ser optimized. The primeira parte deste tutorial pode ser encontrada here. Tracking História do Gene através da Inovação Numbers. Part 1 mostrou duas mutações, link mutação e mutação nó Que ambos adicionaram novos genes ao genoma Cada vez que um novo gene é criado através de uma inovação topológica, um número de inovação global é incrementado e atribuído a esse gene. O número de inovação global está rastreando a origem histórica de cada gene Se dois genes têm a mesma inovação Número então eles devem representar a mesma topologia embora os pesos possam ser diferentes Isto é explorado durante o gene Crossover. Genome crossover Mating. Genomes crossover leva dois genomas pai permite chamá-los A e B e cria um novo genoma permite chamá-lo a criança a tomar os genes mais fortes de A e B copiando todas as estruturas topológicas ao longo do caminho. Durante o cruzamento genes de ambos Os genomas são alinhados usando seu número de inovação Para cada número de inovação o gene do pai mais apto é selecionado e inserido no genoma infantil Se ambos os genomas pai são a mesma aptidão, em seguida, o gene é aleatoriamente selecionado a partir de qualquer pai com igual probabilidade Se a inovação Número está presente apenas em um dos pais, então isso é conhecido como um gene disjunto ou excesso e representa uma inovação topológica, ele também é inserido na criança. A imagem abaixo mostra o processo de cruzamento para dois genomas da mesma fitness. Speciation leva todos os Genomas em um determinado conjunto de genomas e tenta dividi-los em grupos distintos conhecidos como espécies. Os genomas em cada espécie terão características semelhantes. A medida natural a ser usada seria uma soma ponderada do número de genes em excesso disjuntos que representam diferenças topológicas e a diferença de pesos entre genes de correspondência Se a soma ponderada estiver abaixo de um certo limiar, então os genomas são da mesma espécie. A vantagem de dividir os genomas em espécies é que durante o passo de evolução genética onde os genomas com baixa aptidão são eliminados completamente do conjunto do genoma em vez de ter cada genoma Luta por seu lugar contra todos os outros genomas em todo o genoma piscina podemos fazê-lo lutar por ele s lugar contra genomas da mesma espécie Esta espécie forma que se formam a partir de uma nova inovação topológica que pode não ter uma alta aptidão ainda devido a não Tendo it s pesos otimizados irá sobreviver ao culling. Summary de whole. Create processo genoma pool com n genomas random. Take cada genoma e aplicar a p Roblem e calcular o genoma fitness. Assign cada genoma para uma species. In cada espécie abater os genomas removendo alguns dos genomas mais fracos. Breed cada espécie aleatoriamente selecionar genomas na espécie de crossover ou mutate. Repeat todos os acima. Post navegação.
No comments:
Post a Comment