Exemplos de estratégias de negociação algorítmica

Estratégias de negociação algorítmica com exemplos MATLAB.

Ernest Chan, QTS Capital Management, LLC.

O paradigma tradicional da aplicação de técnicas de aprendizagem de máquinas não-lineares para estratégias de negociação algorítmica tipicamente sofre um viés snooping de dados maciços. Por outro lado, as técnicas lineares, inspiradas e limitadas pelo conhecimento aprofundado do domínio, provaram ser valiosas. Esta apresentação descreve a aplicação do filtro de Kalman, uma técnica quintessencialmente linear, de duas formas diferentes de negociação algorítmica.

Foco no produto.

Produtos relacionados.

Vídeos e Webinars relacionados.

Escolha o seu país.

Escolha o seu país para obter conteúdo traduzido, quando disponível, e veja eventos e ofertas locais. Com base na sua localização, recomendamos que você selecione:.

Você também pode selecionar um local da seguinte lista:

Canadá (Inglês) Estados Unidos (Inglês)

Bélgica (Inglês) Dinamarca (Inglês) Deutschland (Deutsch) España (Español) Finlândia (Inglês) França (Français) Irlanda (Inglês) Italia (Italiano) Luxemburgo (Inglês)

Holanda (Inglês) Noruega (Inglês) Österreich (Deutsch) Portugal (Inglês) Suécia (English) Suíça Deutsch English Français Reino Unido (Inglês)

Ásia-Pacífico.

Austrália (Inglês) Índia (Inglês) Nova Zelândia (Inglês) 中国 (简体中文) 日本 (日本語) 한국 (한국어)

Explore produtos.

Experimente ou compre.

Aprenda a usar.

Obter Suporte.

Sobre o MathWorks.

Acelerando o ritmo da engenharia e da ciência.

MathWorks é o principal desenvolvedor de software de computação matemática para engenheiros e cientistas.

Tipos comuns de algoritmos de negociação.

Esta é uma breve visão geral dos tipos comuns de algoritmos de finanças quantitativas que são negociados hoje. Claro, isso é apenas uma visão geral, e não abrangente! Deixe-me saber se você acha que existem outros tipos de algo que eu deveria abranger.

Inversores de reversão média assumem que o preço das ações ao longo do tempo retornará ao seu preço médio de longa data. Eles usam a análise do preço das ações para determinar os limites de negociação da significância estatística. Se o estoque estiver negociando significativamente acima da média móvel, eles serão curtos. Por outro lado, se o estoque tende significativamente abaixo da média móvel, eles vão comprá-lo. Veja o exemplo de estratégia Avaliação - Compras de pechincha.

Os investidores criam estratégias que dependem da época do ano. Está bem documentado que os mercados tendem a ter melhores retornos no final do ano e durante os meses de verão, enquanto setembro geralmente é um mês com retornos mais baixos. Para evitar perda de capital, alguns investidores optam por vender suas posições com perdas no final de dezembro para beneficiar da indenização fiscal. Em janeiro, os investidores retornam em triunfo e compram estoques de pequena e menor valor, elevando seus preços. Os preços das ações também se diferenciam em torno de feriados e períodos de fechamento do trimestre. Uma estratégia simples é comprar e manter ações (SPY) de outubro a abril e depois girar para comprar e manter títulos (BSV) de maio a setembro. Veja o exemplo da Estratégia Sentimento - Compre o boato, venda as novidades.

O comércio de Análise Sentimental deriva da psicologia da multidão, onde os investidores ficam atualizados nas notícias recentes e as ações de compra prevêem a reação da multidão. Eles tentam capturar mudanças de preços de curto prazo e colher os benefícios rápidos. Os investidores podem monitorar fontes, incluindo tendências de pesquisa do Google, meios de comunicação, blogs / fóruns e postagens do Twitter. Veja a estratégia de exemplo Fundamental Investing.

Esta é uma forma de avaliar o verdadeiro valor intrínseco de um estoque, examinando fatores de macro-nível, como indicadores econômicos, comparações de indústria e setor, e análise de demonstrações financeiras da empresa. Os cálculos derivados de dados reais tentam modelar o valor verdadeiro do estoque, que é comparado ao preço de mercado da ação - direcionando a decisão de comprar ou vender. Exemplo de pontos de dados para análise fundamental incluem receitas das empresas, ganhos, crescimento futuro, retorno sobre o patrimônio líquido e margens de lucro. Investimento Técnico.

Este método examina a atividade do mercado passado para mudanças no preço e volume do estoque, acreditando que o desempenho histórico é indicativo de resultados futuros. Os investidores usam gráficos, estatísticas e outras ferramentas para descobrir padrões nos dados para prever futuros movimentos de preços. Esse estilo de investimento não analisa o valor intrísico do estoque, mas sim o movimento futuro da segurança. Para adicionar análise técnica ao seu código de Quantopian, veja a biblioteca de código aberto ta-lib.

O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.

Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.

Comentários estão fechados.

O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer garantia ou estratégia, nem constitui uma oferta para fornecer consultoria de investimento ou outros serviços por meio de Quantopian. Além disso, o conteúdo do site não oferece nenhuma opinião em relação à adequação de qualquer garantia ou qualquer investimento específico.

A Quantopian não oferece garantias quanto à exatidão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas. Todos os investimentos envolvem risco - incluindo perda de principal. Você deve consultar um profissional de investimentos antes de tomar decisões de investimento.

Fundamentos do comércio algorítmico: conceitos e exemplos.

Um algoritmo é um conjunto específico de instruções claramente definidas destinadas a realizar uma tarefa ou processo.

O comércio algorítmico (negociação automatizada, negociação em caixa preta ou simplesmente algo-trading) é o processo de uso de computadores programados para seguir um conjunto definido de instruções para colocar um comércio para gerar lucros a uma velocidade e freqüência impossíveis para um comerciante humano. Os conjuntos definidos de regras são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Além das oportunidades de lucro para o comerciante, o algo-trading torna os mercados mais líquidos e torna a negociação mais sistemática descartando impactos emocionais humanos nas atividades comerciais. (Para mais, consulte Picking the Right Algorithmic Trading Software.)

Suponha que um comerciante siga esses critérios de comércio simples:

Compre 50 ações de uma ação quando sua média móvel de 50 dias excede a média móvel de 200 dias. Vende ações da ação quando sua média móvel de 50 dias está abaixo da média móvel de 200 dias.

Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitorará automaticamente o preço das ações (e os indicadores de média móvel) e colocará as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais manter um relógio para preços e gráficos ao vivo, ou colocar as ordens manualmente. O sistema de negociação algorítmica automaticamente faz isso para ele, identificando corretamente a oportunidade comercial. (Para mais informações sobre as médias móveis, consulte Médias móveis simples, faça as tendências se destacarem.)

[Se você quiser saber mais sobre as estratégias comprovadas e pontuais que podem eventualmente ser trabalhadas em um sistema de comércio alorítico, confira o Curso de Torneio de Dia de Torneio da Invastopedia Academy. ]

Benefícios da negociação algorítmica.

A Algo-trading oferece os seguintes benefícios:

Negociações executadas com os melhores preços Posicionamento instantâneo e preciso da ordem comercial (com altas chances de execução nos níveis desejados) Negociações cronometradas corretamente e instantaneamente, para evitar mudanças de preços significativas Custos de transação reduzidos (veja o exemplo de falta de implementação abaixo) Verificações automatizadas simultâneas em múltiplos condições de mercado Reduziu o risco de erros manuais na colocação dos negócios Backtest o algoritmo, com base nos dados históricos e em tempo real disponíveis Reduzida a possibilidade de erros por comerciantes humanos com base em fatores emocionais e psicológicos.

A maior parte do dia-a-dia é a negociação de alta freqüência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em múltiplos mercados e múltiplos parâmetros de decisão, com base em instruções pré-programadas. (Para obter mais informações sobre o comércio de alta freqüência, consulte Estratégias e Segredos de Empresas de Negociação de Alta Freqüência (HFT).)

O Algo-trading é usado em muitas formas de atividades de comércio e investimento, incluindo:

Investidores de médio a longo prazo ou empresas de compra (fundos de pensão, fundos de investimento, companhias de seguros) que adquirem ações em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e de grande porte. Os comerciantes de curto prazo e os participantes do lado da venda (fabricantes de mercado, especuladores e arbitragentes) se beneficiam da execução comercial automatizada; Além disso, ajudas de algo-trading na criação de liquidez suficiente para os vendedores no mercado. Os comerciantes sistemáticos (seguidores de tendências, comerciantes de pares, hedge funds, etc.) acham muito mais eficiente programar suas regras comerciais e permitir que o programa seja comercializado automaticamente.

O comércio algorítmico proporciona uma abordagem mais sistemática ao comércio ativo do que os métodos baseados na intuição ou instinto do comerciante humano.

Estratégias de negociação algorítmica.

Qualquer estratégia de negociação algorítmica exige uma oportunidade identificada que seja rentável em termos de melhoria de ganhos ou redução de custos. As seguintes são estratégias de negociação comuns usadas em algo-trading:

As estratégias de negociação algorítmicas mais comuns seguem as tendências em médias móveis, fuga de canais, movimentos no nível de preços e indicadores técnicos relacionados. Estas são as estratégias mais fáceis e simples de implementar através de negociação algorítmica porque essas estratégias não envolvem fazer previsões ou previsões de preços. Os negócios são iniciados com base na ocorrência de tendências desejáveis, que são fáceis e direitas de implementar através de algoritmos sem entrar na complexidade da análise preditiva. O exemplo acima mencionado de média móvel de 50 e 200 dias é uma tendência popular seguindo a estratégia. (Para mais informações sobre as estratégias de negociação de tendências, consulte: Estratégias simples para capitalizar as tendências.)

Comprar um estoque cotado duplo a um preço mais baixo em um mercado e simultaneamente vendê-lo a um preço mais alto em outro mercado oferece o diferencial de preço como lucro ou arbitragem sem risco. A mesma operação pode ser replicada para ações versus instrumentos de futuros, pois os diferenciais de preços existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preços e colocar as ordens permite oportunidades lucrativas de forma eficiente.

Os fundos do índice definiram períodos de reequilíbrio para que suas participações fossem compatíveis com seus respectivos índices de referência. Isso cria oportunidades rentáveis para comerciantes algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos base, dependendo do número de ações no fundo do índice, apenas antes do reequilíbrio do fundo do índice. Essas negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.

Muitos modelos matemáticos comprovados, como a estratégia de negociação neutra do delta, que permitem a negociação de combinações de opções e sua segurança subjacente, onde os negócios são colocados para compensar deltas positivos e negativos, de modo que o portfólio delta seja mantido em zero.

A estratégia de reversão média baseia-se na ideia de que os preços altos e baixos de um bem são um fenômeno temporário que retorna periodicamente ao seu valor médio. Identificar e definir uma faixa de preço e implementar algoritmos com base em isso permite que os negócios sejam colocados automaticamente quando o preço do recurso entra e sai do seu alcance definido.

A estratégia de preços médios ponderados por volume quebra uma grande ordem e libera pedaços menores determinados dinamicamente da ordem para o mercado usando perfis de volume histórico específicos de estoque. O objetivo é executar a ordem perto do preço médio ponderado do volume (VWAP), beneficiando assim o preço médio.

A estratégia de preço médio ponderado no tempo quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando intervalos de tempo uniformemente divididos entre o início e o fim do tempo. O objetivo é executar a ordem perto do preço médio entre os horários de início e término, minimizando assim o impacto no mercado.

Até que a ordem comercial seja totalmente preenchida, este algoritmo continua enviando ordens parciais, de acordo com o índice de participação definido e de acordo com o volume negociado nos mercados. A "estratégia de etapas" relacionada envia ordens a uma porcentagem definida pelo usuário de volumes de mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge os níveis definidos pelo usuário.

A estratégia de falta de implementação visa minimizar o custo de execução de uma ordem através da negociação do mercado em tempo real, economizando assim o custo da ordem e beneficiando do custo de oportunidade da execução atrasada. A estratégia aumentará a taxa de participação direcionada quando o preço das ações se mover de forma favorável e diminuí-lo quando o preço das ações se mover de forma adversa.

Existem algumas classes especiais de algoritmos que tentam identificar "acontecimentos" do outro lado. Esses "algoritmos de sniffing", usados, por exemplo, por um market maker market market têm a inteligência interna para identificar a existência de qualquer algoritmo no lado da compra de uma grande ordem. Essa detecção através de algoritmos ajudará o fabricante de mercado a identificar grandes oportunidades de ordem e permitir que ele se beneficie ao preencher os pedidos a um preço mais alto. Isso às vezes é identificado como front-running de alta tecnologia. (Para obter mais informações sobre negociação de alta freqüência e práticas fraudulentas, consulte: Se você comprar ações on-line, você está envolvido em HFTs.)

Requisitos técnicos para negociação algorítmica.

Implementar o algoritmo usando um programa de computador é a última parte, batida com backtesting. O desafio é transformar a estratégia identificada em um processo informatizado integrado que tenha acesso a uma conta de negociação para fazer pedidos. São necessários os seguintes:

Conhecimento de programação de computador para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricado Conectividade de rede e acesso a plataformas de negociação para colocar os pedidos Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de colocar pedidos A capacidade e infra-estrutura para voltar a testar o sistema uma vez construído, antes de entrar em operação em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.

Aqui está um exemplo abrangente: o Royal Dutch Shell (RDS) está listado na Amsterdam Stock Exchange (AEX) e London Stock Exchange (LSE). Vamos construir um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes:

AEX negocia em Euros, enquanto a LSE negocia em libras esterlinas. Devido à diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguido de ambas as trocas comerciais simultaneamente durante as próximas horas e depois de negociar apenas na LSE durante a última hora à medida que o AEX fecha .

Podemos explorar a possibilidade de negociação de arbitragem nas ações da Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes?

Um programa de computador que pode ler os preços atuais do mercado Os feeds de preços de LSE e AEX A taxa de câmbio para a taxa de câmbio GBP-EUR Capacidade de colocação de pedidos que podem rotear a ordem para a troca correta do recurso Back-testing em feeds históricos de preços.

O programa de computador deve executar o seguinte:

Leia o preço de entrada do estoque RDS de ambas as bolsas Usando as taxas de câmbio disponíveis, converta o preço de uma moeda para outra. Se houver uma discrepância de preço suficientemente grande (descontando os custos de corretagem) levando a uma oportunidade rentável, então coloque a compra ordem em troca de preços mais baixos e ordem de venda em troca de preços mais elevados Se as ordens forem executadas conforme desejado, o lucro de arbitragem seguirá.

Simples e fácil! No entanto, a prática de negociação algorítmica não é simples de manter e executar. Lembre-se, se você pode colocar um comércio gerado por algo, os outros participantes do mercado podem também. Conseqüentemente, os preços flutuam em milissegundos e até mesmo em microssegundos. No exemplo acima, o que acontece se o seu comércio de compras for executado, mas o comércio de vendas não acontece à medida que os preços de venda mudam quando o seu pedido atinge o mercado? Você vai acabar sentado com uma posição aberta, tornando sua estratégia de arbitragem inútil.

Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos de tempo entre ordens comerciais e execução e, o mais importante de tudo, algoritmos imperfeitos. O algoritmo mais complexo é o backtesting mais rigoroso antes de ser posto em ação.

The Bottom Line.

A análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinada criticamente. É excitante ir pela automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso certificar-se de que o sistema está completamente testado e os limites exigidos são definidos. Os comerciantes analíticos devem considerar a aprendizagem de sistemas de programação e construção por conta própria, ter confiança em implementar as estratégias certas de forma infalível. O uso cauteloso eo teste completo de algo-trading podem criar oportunidades rentáveis. (Para mais informações, consulte Como codificar seu próprio robô Algo Trading.)

Estratégias de negociação algorítmica, paradigmas e idéias de modelagem.

"Os olhares podem enganar", disse uma pessoa sábia. A frase é válida para estratégias de negociação algorítmica. O termo estratégias de negociação algorítmica pode parecer muito sofisticado ou muito complicado. No entanto, o conceito é muito simples de entender, uma vez que o básico é claro. Neste artigo, vou contar-lhe sobre estratégias de negociação algorítmica com alguns exemplos interessantes.

Se você olhar para o exterior, um algoritmo é apenas um conjunto de instruções ou regras. Esses conjuntos de regras são então utilizados em uma bolsa de valores para automatizar a execução de pedidos sem intervenção humana. Esse conceito é chamado de Algorithmic Trading.

Deixe-me começar com uma estratégia de negociação muito simples. Aqueles que já estão em negociação saberiam sobre S. M.A e para aqueles que não; S. M.A é uma média móvel simples. S. M.A pode ser calculado usando qualquer número de dias predefinido e fixo. Uma estratégia de negociação algorítmica baseada em S. M.A pode ser simplificada nestas quatro etapas simples:

Calcular 5 dias SMA Calcular 20 dias SMA Tome uma posição longa quando o SMA de 5 dias é maior ou igual a SMA de 20 dias. Tome uma posição curta quando o SMA de 5 dias é menor do que SMA de 20 dias.

Referimo-nos a esta estratégia de negociação algorítmica como Estratégia de Crossover de Mudança Média. Este foi apenas um exemplo simples. Agora, não consiga pensar que tudo vai ser uma cama de rosas. Mesmo que fosse, então esteja preparado para os espinhos. No comércio diário, algoritmos de negociação muito mais complexos são usados para gerar estratégias de negociação algorítmicas.

Todas as estratégias de negociação algorítmicas que estão sendo usadas hoje podem ser classificadas de forma ampla nas seguintes categorias:

Momentum / Tendência Seguindo Arbitragem Arbitragem Estatística Market Making.

Deixe-me entrar em algum detalhe.

Estratégias baseadas em Momentum.

Supondo que haja uma tendência particular no mercado. Como um comerciante algo, você está seguindo essa tendência. Além de nossa suposição, os mercados estão dentro da semana. Agora, você pode usar estatísticas para determinar se essa tendência vai continuar. Ou se vai mudar nas próximas semanas. Conseqüentemente, você fará seu próximo passo. Você baseou sua estratégia de negociação algorítmica nas tendências de mercado que você determinou usando estatísticas.

Esse método de seguir as tendências é chamado de estratégia baseada em Momentum.

Existem inúmeras maneiras de implementar esta estratégia de negociação algorítmica e discuti isso detalhadamente em um dos nossos artigos anteriores, intitulado "Metodologia de Quantificação de Notícias para Negociação Automatizada"

Se assumirmos que uma farmácia deve ser comprada por outra empresa, então o preço das ações da nossa empresa poderia subir. Isso é desencadeado pela aquisição, que é um evento corporativo. Se você planeja investir com base nas ineficiências de preços que podem acontecer durante um evento corporativo (antes ou depois), você está usando uma estratégia baseada em eventos. Falência, aquisição, fusão, spin-off etc. pode ser o evento que impulsiona esse tipo de estratégia de investimento.

Essas estratégias podem ser neutras no mercado e usadas amplamente pelos hedge funds e proprietários.

Arbitragem estatística.

Quando uma oportunidade de arbitragem surgir por causa do misquoting nos preços, pode ser muito vantajosa para a estratégia de negociação algo. Embora tais oportunidades existam por um período muito curto, pois os preços no mercado são ajustados rapidamente. E é por isso que este é o melhor uso de estratégias de negociação algorítmicas, uma vez que uma máquina automatizada pode acompanhar essas mudanças instantaneamente.

Por exemplo, se o preço da Apple cai abaixo de US $ 1, a Microsoft cairá em US $ 0,5, mas a Microsoft não caiu, então você irá vender a Microsoft para obter lucro. Você pode ler sobre os equívocos comuns que as pessoas têm sobre Arbitragem Estatística aqui.

Making Market.

Para entender o mercado, deixe-me falar sobre os Market Makers.

De acordo com a Wikipedia:

Um fabricante de mercado ou um provedor de liquidez é uma empresa ou um indivíduo que cita tanto um preço de compra quanto um preço de venda em um instrumento financeiro ou mercadoria mantido em inventário, na esperança de obter lucros no spread de oferta, ou virar.

A criação de mercado proporciona liquidez a valores mobiliários que não são comercializados com freqüência na bolsa de valores. O fabricante de mercado pode aumentar a equação da oferta e oferta de valores mobiliários. Deixe-me lhe dar um exemplo:

Vamos assumir que você tem Martin, um fabricante de mercado, que compra para Rs. 500 do mercado e vendê-lo em 505. Ele lhe dará uma cotação de ofertas de Rs. 505-500. O lucro de Rs. 5 não podem ser vendidos ou trocados por dinheiro sem perda substancial de valor. Quando Martin assume um risco maior, então o lucro também é maior.

Eu encontrei o livro de Michael Lewis 'Flash Boys' no Indian Bull Market bastante interessante e fala sobre liquidez, mercado e HFT em grande detalhe. Verifique isso depois de terminar de ler este artigo.

Uma vez que você precisará ser analítico e quantitativo ao entrar ou atualizar para negociação algorítmica é imprescindível aprender programação (alguns, se não todos) e criar sistemas infalíveis e executar a estratégia de negociação algorítmica correta. Ler este artigo sobre Automated Trading with Interactive Brokers usando Python será muito benéfico para você. Você pode ler o artigo aqui.

Paradigmas & amp; Idéias de modelagem.

Agora que eu o introduzi em estratégias de negociação algorítmicas, vou lançar luz sobre os paradigmas de estratégia e as idéias de modelagem pertencentes a cada estratégia.

Market Making Arbitrage Estatístico Momentum Machine Learning Based.

Making Market.

Como eu mencionei anteriormente, o principal objetivo do mercado é infundir liquidez em valores mobiliários que não são negociados em bolsas de valores. Para medir a liquidez, levamos em consideração o spread e os volumes de negociação entre licitações.

Os algoritmos de negociação tendem a lucrar com o spread bid-ask. Eu vou me referir ao nosso amigo, Martin, novamente nesta seção. Martin é um fabricante de mercado é um provedor de liquidez que pode citar tanto em comprar e vender lado em um instrumento financeiro com a esperança de lucrar com o spread oferta-oferta. Martin aceita o risco de segurar os valores mobiliários para os quais ele citou o preço e, uma vez que o pedido é recebido, ele normalmente venderá imediatamente de seu próprio inventário. Ele pode procurar uma oferta de compensação em segundos e vice-versa.

Quando se trata de títulos ilíquidos, os spreads são geralmente mais altos e também os lucros. Martin assumirá um risco maior neste caso. Vários segmentos no mercado carecem de interesse do investidor por falta de liquidez, pois não conseguem obter saída de vários estoques de pequena e média capital em qualquer momento.

Fabricantes de mercado como Martin são úteis porque estão sempre prontos para comprar e vender ao preço indicado. Na verdade, grande parte do comércio de alta freqüência (HFT) é a comercialização passiva de mercado. As estratégias estão presentes em ambos os lados do mercado (muitas vezes simultaneamente) competindo entre si para fornecer liquidez para aqueles que precisam.

Então, quando esta estratégia é mais lucrativa?

Esta estratégia é rentável desde que o modelo preveja com precisão as futuras variações de preços.

Modelando idéias com base neste Paradigma.

O spread e o volume comercial de oferta e solicitação podem ser modelados juntos para obter a curva de custo de liquidez que é a taxa paga pelo comprador de liquidez. Se o comprador de liquidez apenas executa ordens na melhor oferta e peça, a taxa será igual à oferta solicita espalhar o volume. Quando os comerciantes vão além da melhor oferta e pedem mais volume, a taxa também se torna uma função do volume.

O volume comercial é difícil de modelar, pois depende da estratégia de execução dos compradores de liquidez. O objetivo deve ser encontrar um modelo para volumes comerciais consistente com a dinâmica dos preços. Os modelos de fabricação de mercado geralmente são baseados em um dos dois:

O primeiro centra-se no risco de inventário. O modelo baseia-se na posição de estoque preferencial e nos preços com base no apetite de risco. O segundo é baseado em seleção adversa que distingue entre comércio informado e ruído. Os negócios de ruído não possuem qualquer visão no mercado, enquanto os negócios informados fazem. Quando a visão do comprador de liquidez é de curto prazo, seu objetivo é fazer lucro a curto prazo utilizando a vantagem estatística. No caso da visão de longo prazo, o objetivo é minimizar o custo da transação. As estratégias de longo prazo e as restrições de liquidez podem ser modeladas como ruído em torno das estratégias de execução de curto prazo.

Para saber mais sobre Market Makers, você pode conferir este interessante artigo sobre o blog da QuantInsti.

Arbitragem estatística.

Se Market Making é a estratégia que faz uso do spread bid-ask, a Statistical Arbitrage procura lucrar com o mispricing estatístico de um ou mais ativos com base no valor esperado desses ativos.

Uma maneira mais acadêmica de explicar a arbitragem estatística é espalhar o risco entre mil e milhões de negócios em um tempo de espera muito curto, esperando obter lucro com a lei de grandes números. Algoritmos de Arbitragem Estatística são baseados na hipótese de reversão média, principalmente como um par.

Pairs trading é uma das várias estratégias coletivamente referidas como Estatística Arbitrage Strategies. A estratégia de comércio em pares, os estoques que exibem co-movimentação histórica nos preços são emparelhados usando semelhanças fundamentais ou baseadas no mercado. A estratégia baseia-se na noção de que os preços relativos de um mercado estão em equilíbrio e que os desvios desse equilíbrio eventualmente serão corrigidos.

Quando um estoque supera o outro, o outperformer é vendido em curto e o outro estoque é comprado com a expectativa de que o desvio de curto prazo acabará em convergência. Isso muitas vezes protege o risco de mercado de movimentos de mercado adversos, ou seja, torna a estratégia beta neutra. No entanto, o risco total de mercado de uma posição depende do valor do capital investido em cada ação e da sensibilidade das ações a esse risco.

As Estratégias Momentum procuram lucrar com a continuação da tendência existente, aproveitando as mudanças no mercado.

"Em palavras simples, compre alto e venda mais alto e vice-versa".

E como conseguimos isso?

Nesta estratégia particular de negociação, tomaremos posições de curto prazo em ações que estão indo para cima ou para baixo até que eles apresentem sinais de reversão. É contra-intuitivo para quase todas as outras estratégias bem conhecidas. O investimento em valor geralmente é baseado em reversão de longo prazo, enquanto o investimento em impulso é baseado na diferença no tempo antes da reversão média ocorrer.

Momentum está perseguindo o desempenho, mas de forma sistemática aproveitando outros caçadores de desempenho que estão tomando decisões emocionais. Geralmente, há duas explicações dadas para qualquer estratégia que tenha provado funcionar historicamente, ou a estratégia é compensada pelo risco extra que leva ou há fatores comportamentais devido ao qual existe.

Há uma longa lista de preconceitos comportamentais e erros emocionais que os investidores exibem devido a qual impulso funciona. No entanto, isso é mais fácil de dizer do que feito, pois as tendências não duram para sempre e podem exibir reversões rápidas quando atingem o pico e chegam ao fim. O Momentum Trading tem maior grau de volatilidade do que a maioria das outras estratégias e tenta capitalizar a volatilidade do mercado. É importante o tempo de compra e venda corretamente para evitar perdas usando técnicas adequadas de gerenciamento de risco e perdas. O investimento de impulso requer um monitoramento adequado e uma diversificação apropriada para proteger contra choque grave.

Em primeiro lugar, você deve saber como detectar o impulso do preço ou as tendências. Como você já está em negociação, você sabe que as tendências podem ser detectadas por ações e ETFs constantes que continuaram por dias, semanas ou até vários meses seguidos. Por exemplo, identifique a negociação de ações dentro de 10% de suas 52 semanas de alta ou veja a variação de preço percentual nas últimas 12 ou 24 semanas. Da mesma forma que detectar uma tendência mais curta, inclua uma mudança de preço de curto prazo.

Se você se lembrar, em 2008, o setor de petróleo e energia foi continuamente classificado como um dos principais setores, mesmo quando estava em colapso. Podemos também procurar ganhos para entender os movimentos nos preços das ações. As estratégias baseadas em retornos passados ("estratégias de impulso de preços") ou na surpresa de lucros (conhecidas como "estratégias de impulso de ganhos") exploram a sub-reação do mercado a diferentes itens de informação. Uma estratégia de impulso de lucros pode lucrar com a sub-reação à informação relacionada aos ganhos de curto prazo. Da mesma forma, uma estratégia de impulso de preços pode se beneficiar da resposta lenta do mercado a um conjunto mais amplo de informações, incluindo rentabilidade a longo prazo.

Aprendizado de máquinas baseado.

Na negociação baseada em Aprendizado de Máquinas, os algoritmos são usados para prever o alcance de movimentos de preços de curto prazo em um determinado intervalo de confiança. A vantagem do uso da Inteligência Artificial (IA) é que os humanos desenvolvem o software inicial e o próprio AI desenvolve o modelo e o melhora ao longo do tempo. Um grande número de fundos conta com modelos de computador construídos por cientistas de dados e quads, mas geralmente são estáticos, ou seja, não mudam com o mercado. Os modelos baseados em ML, por outro lado, podem analisar grandes quantidades de dados em alta velocidade e melhorar-se através dessa análise.

Uma forma de inclinação de máquina chamada "redes bayesianas" pode ser usada para prever as tendências do mercado ao utilizar algumas máquinas. Uma AI que inclui técnicas como a computação evolutiva (que é inspirada pela genética) e a aprendizagem profunda podem ser executadas em centenas ou mesmo em milhares de máquinas. Pode criar uma coleção grande e aleatória de comerciantes de ações digitais e testar seu desempenho em dados históricos. Em seguida, escolhe os melhores artistas e usa seu estilo / padrões para criar um novo comerciante evoluído. Este processo se repete várias vezes e um comerciante digital que pode operar completamente por conta própria é criado.

Este processo se repete várias vezes e um comerciante digital que pode operar completamente por conta própria é criado.

Estes foram alguns paradigmas de estratégia importantes e idéias de modelagem. Em seguida, passaremos pelo procedimento passo a passo para construir uma estratégia de negociação.

Você pode aprender esses Paradigmas com grande detalhe no Programa Executivo da QuantInsti em Negociação Algorítica (EPAT), um dos mais extensos cursos de negociação algorítmica disponíveis on-line com gravações de conferências e acesso e suporte de vida.

Construindo uma estratégia de negociação algorítmica.

Das estratégias de troca de ideias para paradigmas e idéias de modelagem, eu venho a essa seção do artigo onde eu direi como construir uma estratégia básica de negociação algorítmica.

Como você começa com a implementação de estratégias de troca de algo?

Essa é a primeira questão que deve ter vindo à sua mente, eu presumo. O objetivo é que você já começou conhecendo os conceitos básicos e paradigmas das estratégias de negociação algorítmica ao ler este artigo. Agora, que o nosso motor de trator tenha o motor ligado, é hora de pressionar o acelerador.

E como exatamente isso é feito?

Vou explicar como uma estratégia de negociação algorítmica é construída, passo a passo. A descrição concisa lhe dará uma idéia sobre todo o processo.

O primeiro passo é decidir o paradigma da estratégia. Pode ser uma estratégia baseada no Arq. Baseada em Arbitragem, Alfa, Hedge ou Execução. Para esta instância particular, vou escolher o comércio de pares, que é uma estratégia de arbitragem estatística que é neutra no mercado (Beta neutro) e gera alfa, ou seja, faz dinheiro independentemente do movimento do mercado.

Você pode decidir sobre os valores reais que deseja negociar com base na visão do mercado ou através de correlação visual (no caso de estratégia de negociação de par). Estabeleça se a estratégia é estatisticamente significativa para os títulos selecionados. Por exemplo, no caso de troca de pares, verifique se há co-integração dos pares selecionados.

Agora, codifique a lógica com base na qual você deseja gerar sinais de compra / venda em sua estratégia. Para verificação de troca de pares para "reversão média"; calcule o z-score para a propagação do par e gere sinais de compra / venda quando você espera que ele retorne a significar. Decida sobre as condições de "Stop Loss" e "Taking Prat".

Stop Loss & # 8211; Um pedido de stop-loss limita a perda de um investidor em uma posição em uma garantia. Ele dispara uma ordem para diminuir a posição longa ou curta existente para evitar novas perdas e ajuda a tirar a emoção das decisões comerciais. Take Profit & # 8211; As ordens de lucro obtidas são usadas para fechar automaticamente as posições existentes, a fim de bloquear os lucros quando há um movimento em uma direção favorável. Estratégia de cotação ou batendo.

É muito importante decidir se a estratégia será "citando" ou "bater". A estratégia de execução em grande medida determina o quão agressiva ou passiva sua estratégia será.

Citando & # 8211; Na negociação em partes, você cita para uma segurança e, dependendo se essa posição for preenchida ou não, você envia o pedido para a outra. Nesse caso, a probabilidade de obter um preenchimento é menor, mas você salva o pedido de oferta de um lado. Hitting - Neste caso, você envia ordens de mercado simultâneas para ambos os títulos. A probabilidade de obter um preenchimento é maior, mas ao mesmo tempo a derrapagem é mais e você paga lance-perguntar em ambos os lados.

A escolha entre a probabilidade de preenchimento e a execução otimizada em termos de deslizamento e executivo temporizado é o que isto é se eu tiver que colocar assim. Se você optar por citar, então você precisa decidir o que está citando, é assim que funciona a negociação par. Se você decidir cotizar para a segurança menos líquida, o deslizamento será menor, mas os volumes de negociação diminuirão os títulos líquidos, por outro lado, aumentará o risco de queda, mas os volumes de negociação serão elevados.

O uso de estatísticas para verificar a causalidade é outra maneira de chegar a uma decisão, ou seja, mudança em que a segurança causa mudanças no outro e qual conduz. O teste de causalidade determinará o par de "lead-lag"; citar para liderar e cobrir a segurança atrasada.

Como você decide se a estratégia que você escolheu foi boa ou ruim?

Como você julga sua hipótese?

É aqui que o teste de volta da estratégia vem como uma ferramenta essencial para estimar o desempenho da hipótese projetada com base em dados históricos. Uma estratégia pode ser considerada boa se os resultados do backtest e as estatísticas de desempenho respaldarem a hipótese.

Portanto, é importante escolher dados históricos com um número suficiente de pontos de dados. Isto é para criar um número suficiente de trades de amostra (pelo menos mais de 100 trades) cobrindo vários cenários de mercado (bullish, bearish etc). Certifique-se de que você também preveja custos de corretagem e deslizamento. Isso irá obter resultados mais realistas, mas você ainda pode ter que fazer algumas aproximações durante o teste. Por exemplo, enquanto as estratégias de cotação são difíceis de descobrir quando você recebe um preenchimento. Assim, a prática comum é assumir que as posições são preenchidas com o último preço negociado.

Para que tipo de ferramentas você deveria procurar, enquanto faz um teste?

Uma vez que o backtesting para estratégias de negociação algorítmica envolve uma enorme quantidade de dados, especialmente se você estiver usando os dados tick by tick. Então, você deve procurar ferramentas que possam lidar com essa enorme carga de dados.

R ou MATLAB?

R é excelente para lidar com enormes quantidades de dados e também possui um alto poder de computação. Assim, tornando-se uma das melhores ferramentas para backtesting. Além disso, R é de código aberto e livre de custos. Podemos usar o MATLAB também, mas vem com um custo de licenciamento.

Tudo bem, acabei de tirar a famosa citação de Ben Parker do filme Spiderman (não o Amazing). Mas confie em mim, é 100% verdadeiro. Não importa o quão confiante que você pareça com a sua estratégia ou com o sucesso que pode acontecer anteriormente, você deve ir para baixo e avaliar cada detalhe em detalhes. Existem vários parâmetros que você precisaria monitorar ao analisar o desempenho e o risco de uma estratégia. Algumas métricas / relações importantes são mencionadas abaixo:

Retorno total (CAGR) - Taxa de crescimento anual composta (CAGR). É a taxa de crescimento anual média de um investimento durante um período de tempo específico superior a um ano. Relação Ratio - Ordem para o comércio. Lucro médio por comércio - Lucro total dividido pelo número total de negócios Perda média por troca - Perda total dividida pelo número total de negociações Drawdown máximo & # 8211; Perda máxima em qualquer comércio Volatilidade dos Retornos - Desvio padrão dos "retornos" Sharpe Ratio - Retornos ajustados ao risco, ou seja, rendimentos em excesso (taxa de risco livre) por unidade de volatilidade ou risco total.

Todo o processo de estratégias de negociação algorítmica não termina aqui. O que forneci neste artigo é apenas o pé de um Everest infinito. Para conquistar isso, você deve estar equipado com o conhecimento certo e orientado pelo guia certo. É lá que entra a QuantInsti, para guiá-lo através desta jornada. QuantInsti irá ajudá-lo a conquistar o Everest no final. Se você quiser saber mais sobre estratégias de negociação algorítmica, então você pode clicar aqui.

Negociação Algorítmica.

Desenvolva sistemas de negociação com MATLAB.

A negociação algorítmica é uma estratégia comercial que usa algoritmos computacionais para gerar decisões comerciais, geralmente nos mercados financeiros eletrônicos. Aplicado em instituições de compra e venda, a negociação algorítmica é a base da negociação de alta freqüência, da negociação FOREX e da análise de riscos e execução associada.

Construtores e usuários de aplicativos de negociação algorítmica precisam desenvolver, testar e implementar modelos matemáticos que detectem e explorem os movimentos do mercado. Um fluxo de trabalho efetivo envolve:

Desenvolvimento de estratégias de negociação, utilizando métodos temporais técnicos, métodos de aprendizagem mecânica e métodos de séries temporais não-lineares Aplicação de computação paralela e de GPU para teste de tempo eficiente e identificação de parâmetros Cálculo de lucro e perda e realização de análise de risco Execução de análise de execução, como modelagem de impacto de mercado, análise de custos de transações e detecção de iceberg Incorporando estratégias e análises em ambientes de negociação de produção.

Exemplos e como fazer.

Análise Walk-Forward: usando o MATLAB para testar sua estratégia comercial 35:15 - Webinar Cointegration e Pairs Trading com Econometria Toolbox 61:27 - Webinar Servidor de Produção MATLAB para Aplicações Financeiras 38:28 - Webinar Começando com o Trading Toolbox, Parte 1: Conecte-se para Interactive Brokers 7:22 - Video CalPERS Analisa a Dinâmica do Mercado de Moedas para Identificar Oportunidades de Negociação Intraday - História do Usuário Negociação Quantitativa: Como Construir Seu Próprio Negócio de Negociação Algorítmica, por Ernest Chan - Algorithmic Trading - Algorithmic Trading Code e Outros Recursos - Arquivo Exchange Financial Analysis & amp; Trading - MathWorks Consulting.

Referência de Software.

Funções da Caixa de Ferramentas de Negociação - Aplicação de Aprendizagem de Classificação de Documentação: Estatística e Ferramenta de Aprendizagem de Máquina Aplicação de movimentos: Gráfico de médias móveis e de atraso avançado - Caixa de ferramentas financeiras Função sharpe: Calcular taxa de Sharpe - Caixa de ferramentas financeiras Função gaoptimset: Criar estrutura de opções de algoritmo genético - Otimização global Toolbox Function Cointegration Testing - Econometria Toolbox Functions Neural Network Time Series Tool - Neural Network Toolbox Documentação.