Anfänger39s Leitfaden zum quantitativen Handel In diesem Artikel werde ich Ihnen einige der grundlegenden Konzepte vorstellen, die ein End-to-End-quantitatives Handelssystem begleiten. Dieser Beitrag wird hoffentlich zwei Zuschauern bedienen. Die ersten werden Einzelpersonen versuchen, einen Job an einem Fonds als quantitative Trader zu erhalten. Die zweite werden Einzelpersonen sein, die versuchen wollen, ihre eigenen Einzelhandels-algorithmischen Handelsgeschäfte einzurichten. Der quantitative Handel ist ein äußerst anspruchsvolles Gebiet der Quantfinanzierung. Es kann eine beträchtliche Zeit in Anspruch nehmen, um das notwendige Wissen zu gewinnen, um ein Interview zu bestehen oder eigene Trading-Strategien zu konstruieren. Nicht nur das, sondern es erfordert umfangreiche Programmierkenntnisse, zumindest in einer Sprache wie MATLAB, R oder Python. Doch da die Handelshäufigkeit der Strategie zunimmt, werden die technologischen Aspekte viel wichtiger. So vertraut mit CC wird von größter Bedeutung sein. Ein quantitatives Handelssystem besteht aus vier Hauptkomponenten: Strategieidentifizierung - Strategie finden, einen Vorteil ausschöpfen und sich auf die Handelsfrequenz konzentrieren Strategie Backtesting - Daten erwerben, Strategie-Performance analysieren und Biases beseitigen Execution System - Verknüpfung mit einem Brokerage, Automatisierung des Handels und Minimierung Transaktionskosten Risikomanagement - Optimale Kapitalallokation, Wette GrößeKelly Kriterium und Handelspsychologie Beginnen wir mit einem Blick auf die Identifizierung einer Handelsstrategie. Strategieidentifikation Alle quantitativen Handelsprozesse beginnen mit einer anfänglichen Forschungsphase. Dieser Forschungsprozess umfasst die Suche nach einer Strategie, ob die Strategie in ein Portfolio von anderen Strategien, die Sie laufen können, passt, um alle Daten zu erhalten, die notwendig sind, um die Strategie zu testen und zu versuchen, die Strategie für höhere Renditen und ein geringeres Risiko zu optimieren. Sie müssen Ihre Eigenkapitalanforderungen berücksichtigen, wenn Sie die Strategie als Einzelhändler betreiben und wie sich die Transaktionskosten auf die Strategie auswirken werden. Im Gegensatz zum populären Glauben ist es eigentlich ganz einfach, profitable Strategien durch verschiedene öffentliche Quellen zu finden. Die Akademiker veröffentlichen regelmäßig die theoretischen Handelsergebnisse (wenn auch meist die Transaktionskosten). Quantitative Finanz-Blogs diskutieren Strategien im Detail. Fachzeitschriften werden einige der von den Fonds eingesetzten Strategien skizzieren. Sie könnten fragen, warum Einzelpersonen und Firmen sind scharf, ihre rentablen Strategien zu diskutieren, vor allem, wenn sie wissen, dass andere Gedränge der Handel kann die Strategie von der Arbeit auf lange Sicht zu stoppen. Der Grund liegt in der Tatsache, dass sie nicht oft die genauen Parameter und Tuning-Methoden, die sie durchgeführt haben, diskutieren. Diese Optimierungen sind der Schlüssel, um eine relativ mittelmäßige Strategie zu einem sehr profitablen zu machen. In der Tat ist eine der besten Möglichkeiten, um Ihre eigenen einzigartigen Strategien zu schaffen, ähnliche Methoden zu finden und dann führen Sie Ihre eigene Optimierung Verfahren. Hier ist eine kleine Liste von Orten, um auf der Suche nach Strategie-Ideen zu beginnen: Viele der Strategien, die Sie betrachten werden, fallen in die Kategorien von Mittel-Reversion und Trend-Followmomentum. Eine Mittelrückkehrstrategie ist eine, die versucht, die Tatsache auszuschöpfen, dass ein langfristiger Mittelwert für eine Preisreihe (wie die Verteilung zwischen zwei korrelierten Vermögenswerten) besteht und dass kurzfristige Abweichungen von diesem Mittelwert schließlich zurückgehen werden. Eine Impulsstrategie versucht, sowohl die Investorenpsychologie als auch die Großfondsstruktur zu nutzen, indem sie eine Fahrt auf einen Markttrend einnimmt, der in einer Richtung Impulse sammeln und dem Trend folgen kann, bis er sich umkehrt. Ein weiterer wichtiger Aspekt des quantitativen Handels ist die Häufigkeit der Handelsstrategie. Niederfrequenzhandel (LFT) bezieht sich allgemein auf jede Strategie, die Vermögenswerte hält, die länger als ein Handelstag sind. Entsprechend bezieht sich der Hochfrequenzhandel (HFT) im Allgemeinen auf eine Strategie, die Vermögenswerte intraday hält. Ultra-High-Frequenz-Handel (UHFT) bezieht sich auf Strategien, die Vermögenswerte in der Größenordnung von Sekunden und Millisekunden halten. Als Einzelhandels-Praktiker HFT und UHFT sind sicherlich möglich, aber nur mit detaillierten Kenntnissen der Trading-Technologie Stack und Orderbuch Dynamik. Wir werden diese Aspekte in diesem Einführungsartikel in keiner Weise besprechen. Sobald eine Strategie oder eine Reihe von Strategien identifiziert wurde, muss sie nun auf die Profitabilität auf historischen Daten getestet werden. Das ist die Domäne der Backtesting. Strategie Backtesting Das Ziel der Backtesting ist es, den Nachweis zu erbringen, dass die Strategie, die über den oben genannten Prozess identifiziert wurde, rentabel ist, wenn sie sowohl auf historische als auch auf out-of-sample-Daten angewendet wird. Dies setzt die Erwartung, wie die Strategie in der realen Welt durchführen wird. Allerdings ist das Backtesting aus Sicherheitsgründen keine Garantie für den Erfolg. Es ist vielleicht der subtilste Bereich des quantitativen Handels, da er zahlreiche Vorurteile mit sich bringt, die sorgfältig betrachtet und so weit wie möglich beseitigt werden müssen. Wir diskutieren die gemeinsamen Arten von Bias einschließlich Look-Ahead Bias. Überlebens-Bias und Optimierung Bias (auch bekannt als Data-Snooping Bias). Weitere wichtige Bereiche im Backtesting sind die Verfügbarkeit und Sauberkeit der historischen Daten, das Factoring in realistischen Transaktionskosten und die Entscheidung über eine robuste Backtesting-Plattform. Besprechen Sie die Transaktionskosten weiter unten im Abschnitt Sicherheitssysteme. Sobald eine Strategie identifiziert wurde, ist es notwendig, die historischen Daten zu erhalten, durch die die Durchführung von Tests und eventuell Verfeinerung durchgeführt werden soll. Es gibt eine beträchtliche Anzahl von Datenanbietern über alle Assetklassen hinweg. Ihre Kosten im Allgemeinen skalieren mit der Qualität, Tiefe und Aktualität der Daten. Der traditionelle Ausgangspunkt für den Beginn der Quant Trader (zumindest auf der Retail-Ebene) ist die Nutzung der freien Datensatz von Yahoo Finance. Ich wohne hier nicht zu viel zu viel, vielmehr möchte ich mich auf die allgemeinen Fragen konzentrieren, wenn es um historische Datensätze geht. Zu den Hauptanliegen der historischen Daten gehören die Genauigkeitsgleichheit, die Überlebensvorsorge und die Anpassung an Unternehmensaktionen wie Dividenden und Aktiensplits: Die Genauigkeit bezieht sich auf die Gesamtqualität der Daten - ob es Fehler gibt. Fehler können manchmal leicht zu identifizieren, wie mit einem Spike-Filter. Die falsche Spikes in Zeitreihen-Daten auswählen und für sie korrigieren werden. Zu anderen Zeiten können sie sehr schwer zu erkennen sein. Es ist oft notwendig, zwei oder mehr Anbieter zu haben und dann alle ihre Daten gegeneinander zu überprüfen. Überlebensstörung ist oft ein Merkmal von freien oder billigen Datasets. Ein Datensatz mit Überlebensvorgabe bedeutet, dass es keine Vermögenswerte enthält, die nicht mehr handeln. Im Falle von Aktien bedeutet dies, Diese Bias bedeutet, dass jede Aktienhandelsstrategie, die auf einem solchen Datensatz getestet wird, wahrscheinlich besser als in der realen Welt ist, da die historischen Gewinner bereits vorgewählt wurden. Bei den Kapitalmaßnahmen handelt es sich um logistische Aktivitäten des Unternehmens, die in der Regel eine stufenförmige Änderung des Rohpreises verursachen, die nicht in die Berechnung der Renditen des Preises einbezogen werden sollte. Anpassungen für Dividenden und Aktiensplits sind die üblichen Täter. Ein Prozeß, der als Rückenverstellung bekannt ist, ist notwendig, um bei jeder dieser Aktionen durchgeführt zu werden. Man muss sehr vorsichtig sein, einen Aktiensplit nicht mit einer echten Renditeanpassung zu verwechseln. Viele Händler wurden von einer Unternehmensaktion erwischt. Um ein Backtest-Verfahren durchführen zu können, ist es notwendig, eine Softwareplattform zu nutzen. Sie haben die Wahl zwischen dedizierter Backtest-Software wie Tradestation, einer numerischen Plattform wie Excel oder MATLAB oder einer kompletten benutzerdefinierten Implementierung in einer Programmiersprache wie Python oder C. Ich werde nicht zu viel auf Tradestation (oder ähnlich), Excel oder MATLAB, wie ich glaube an die Schaffung eines kompletten Inhouse-Technologie-Stack (aus Gründen unten skizziert). Einer der Vorteile davon ist, dass das Backtest-Software - und Ausführungssystem auch bei extrem fortgeschrittenen statistischen Strategien eng integriert werden kann. Für HFT-Strategien ist es insbesondere wichtig, eine benutzerdefinierte Implementierung zu nutzen. Beim Backtesting eines Systems muss man in der Lage sein zu quantifizieren, wie gut es funktioniert. Die branchenüblichen Metriken für quantitative Strategien sind der maximale Drawdown und das Sharpe Ratio. Der maximale Drawdown charakterisiert den größten Peak-to-Trog-Drop in der Konto-Equity-Kurve über einen bestimmten Zeitraum (in der Regel jährlich). Dies wird am häufigsten als Prozentsatz angegeben. LFT-Strategien neigen dazu, größere Drawdowns als HFT-Strategien, aufgrund einer Reihe von statistischen Faktoren haben. Ein historischer Backtest zeigt den bisherigen maximalen Drawdown, was ein guter Leitfaden für die zukünftige Drawdown-Performance der Strategie ist. Die zweite Messung ist die Sharpe Ratio, die heuristisch definiert ist als der Durchschnitt der Überschussrenditen dividiert durch die Standardabweichung dieser Überschussrenditen. Hier bezieht sich die Überschussrendite auf die Rendite der Strategie über einem vorgegebenen Benchmark. Wie die SP500 oder eine 3-Monats-Treasury Bill. Beachten Sie, dass die annualisierte Rendite nicht eine Maßnahme ist, die in der Regel verwendet wird, da sie die Volatilität der Strategie nicht berücksichtigt (im Gegensatz zum Sharpe Ratio). Sobald eine Strategie rückwirkend ist und als frei von Vorurteilen (in so viel wie möglich) gilt, mit einem guten Sharpe und minimierten Drawdowns ist es Zeit, ein Ausführungssystem zu bauen. Ausführungssysteme Ein Ausführungssystem ist das Mittel, mit dem die von der Strategie erzeugte Liste der Trades vom Makler gesendet und ausgeführt wird. Trotz der Tatsache, dass die Handelserzeugung halb - oder sogar vollautomatisch sein kann, kann der Ausführungsmechanismus manuell, halb manuell (d. H. Ein Klick) oder vollautomatisch sein. Für LFT-Strategien sind manuelle und halb-manuelle Techniken üblich. Für HFT-Strategien ist es notwendig, einen vollautomatischen Ausführungsmechanismus zu schaffen, der oft mit dem Handelsgenerator (aufgrund der gegenseitigen Abhängigkeit von Strategie und Technologie) eng verbunden ist. Die wichtigsten Überlegungen bei der Erstellung eines Ausführungssystems sind die Schnittstelle zum Brokerage. Minimierung der Transaktionskosten (inklusive Provision, Schlupf und Spreizung) und Divergenz der Performance des Live-Systems durch rückwirkende Performance. Es gibt viele Möglichkeiten, eine Brokerage anzuschließen. Sie reichen vom Aufruf Ihres Brokers am Telefon bis hin zu einer vollautomatischen Hochleistungs-Programmierschnittstelle (API). Idealerweise möchten Sie die Ausführung Ihrer Trades so weit wie möglich automatisieren. Dies befreit Sie, um sich auf weitere Forschung zu konzentrieren, sowie ermöglichen es Ihnen, mehrere Strategien oder sogar Strategien der höheren Frequenz laufen (in der Tat ist HFT im Wesentlichen unmöglich ohne automatisierte Ausführung). Die oben beschriebene gemeinsame Backtesting-Software wie MATLAB, Excel und Tradestation sind für niedrigere Frequenz, einfachere Strategien gut. Allerdings wird es notwendig sein, ein hauseigenes Ausführungssystem zu erstellen, das in einer Hochleistungssprache wie C geschrieben ist, um echte HFT zu machen. Als Anekdote, in dem Fonds, in dem ich beschäftigt war, hatten wir eine 10-minütige Trading-Schleife, wo wir neue Marktdaten alle 10 Minuten herunterladen und dann Trades auf der Grundlage dieser Informationen im gleichen Zeitrahmen ausführen würden. Dies war mit einem optimierten Python-Skript. Für irgendetwas, das sich auf Minuten - oder Zweit-Frequenz-Daten nähert, glaube ich, dass CC idealer wäre. In einem größeren Fonds ist es oft nicht die Domäne des Quant-Traders, die Ausführung zu optimieren. Doch in kleineren Geschäften oder HFT-Firmen sind die Händler die Vollstrecker und so ein viel breiteres Skillset ist oft wünschenswert. Denken Sie daran, wenn Sie von einem Fonds beschäftigt werden möchten. Ihre Programmierkenntnisse werden so wichtig sein, wenn nicht mehr, als Ihre Statistiken und Ökonometrie-Talente Ein weiteres wichtiges Thema, das unter den Banner der Ausführung fällt, ist das der Transaktionskostenminimierung. Es gibt in der Regel drei Komponenten für Transaktionskosten: Provisionen (oder Steuern), die die Gebühren sind, die durch die Vermittlung, die Börse und die SEC (oder eine ähnliche Regierungsbehörde) rutschen, was ist der Unterschied zwischen dem, was Sie beabsichtigt, Ihre Bestellung zu sein Gefüllt im Vergleich zu dem, was es tatsächlich gefüllt war bei der Ausbreitung, was ist der Unterschied zwischen dem bidask Preis der Sicherheit gehandelt. Beachten Sie, dass der Spread NICHT konstant ist und von der aktuellen Liquidität (d. H. Verfügbarkeit von Buysell-Aufträgen) auf dem Markt abhängig ist. Transaktionskosten können den Unterschied zwischen einer äußerst profitablen Strategie mit einer guten Sharpe-Ratio und einer äußerst unrentablen Strategie mit einem schrecklichen Sharpe-Verhältnis machen. Es kann eine Herausforderung sein, die Transaktionskosten von einem Backtest korrekt vorherzusagen. Abhängig von der Häufigkeit der Strategie benötigen Sie Zugriff auf historische Austauschdaten, die Tick-Daten für Bidask-Preise enthalten. Ganze Teams von Quants sind der Optimierung der Ausführung in den größeren Fonds gewidmet, aus diesen Gründen. Betrachten Sie das Szenario, in dem ein Fonds eine erhebliche Menge an Trades auslösen muss (von denen die Gründe dafür vielfältig sind). Durch das Dumping so viele Aktien auf den Markt, werden sie schnell drücken Sie den Preis und kann nicht optimale Ausführung erhalten. Daher existieren Algorithmen, die Futteraufträge auf den Markt abtropfen, obwohl der Fonds das Risiko des Schlupfes ausführt. Darüber hinaus beherrschen andere Strategien diese Notwendigkeiten und können die Ineffizienzen ausnutzen. Dies ist die Domäne der Fondsstruktur Arbitrage. Das letzte Hauptproblem für Ausführungssysteme betrifft die Divergenz der Strategieleistung aus der Rückversicherung. Dies kann aus einer Reihe von Gründen passieren. Weve bereits diskutiert Look-Ahead Bias und Optimierung Bias in der Tiefe, bei der Betrachtung Backtests. Allerdings machen einige Strategien es nicht leicht, diese Vorurteile vor dem Einsatz zu testen. Dies geschieht in HFT am überwiegendsten. Es gibt möglicherweise Fehler im Ausführungssystem sowie die Handelsstrategie selbst, die nicht auf einem Backtest auftauchen, aber DO im Live-Handel auftauchen. Der Markt kann unter Umständen einer Regimewechsel nach dem Einsatz Ihrer Strategie unterzogen worden sein. Neue regulatorische Umgebungen, veränderte Investorenstimmung und makroökonomische Phänomene können alle zu Divergenzen führen, wie sich der Markt verhält und damit die Profitabilität Ihrer Strategie. Risikomanagement Das letzte Stück zum quantitativen Trading Puzzle ist der Prozess des Risikomanagements. Das Risiko beinhaltet alle bisherigen Vorurteile, die wir besprochen haben. Es umfasst Technologierisiken, wie z. B. Server, die sich an der Börse befinden und plötzlich eine Festplattenfehlfunktion entwickeln. Es schließt das Vermittlungsrisiko ein, wie der Makler in Konkurs wird (nicht so verrückt wie es klingt, angesichts der jüngsten Angst mit MF Global). Kurz gesagt deckt es fast alles ab, was die Handelsimplementierung beeinträchtigen könnte, von der es viele Quellen gibt. Ganze Bücher sind dem Risikomanagement für quantitative Strategien gewidmet, so dass ich nicht versuchen werde, auf alle möglichen Gefahrenquellen zu klären. Das Risikomanagement umfasst auch die so genannte optimale Kapitalallokation. Das ist ein Zweig der Portfolio-Theorie. Dies ist das Mittel, mit dem das Kapital auf eine Reihe von verschiedenen Strategien und auf die Trades innerhalb dieser Strategien verteilt wird. Es ist ein komplexes Gebiet und beruht auf einer nicht-trivialen Mathematik. Der Industriestandard, durch den die optimale Kapitalallokation und die Hebelwirkung der Strategien verwandt werden, heißt das Kelly-Kriterium. Da dies ein einleitender Artikel ist, werde ich nicht auf seine Berechnung verzichten. Das Kelly-Kriterium macht einige Annahmen über die statistische Natur der Renditen, die in den Finanzmärkten nicht oft zutreffen, so dass die Händler oftmals konservativ sind, wenn es um die Umsetzung geht. Ein weiterer wichtiger Bestandteil des Risikomanagements liegt im Umgang mit einem eigenen psychologischen Profil. Es gibt viele kognitive Vorurteile, die zum Handel kriechen können. Obwohl dies zwar bei algorithmischem Handel weniger problematisch ist, wenn die Strategie allein gelassen wird, ist eine gemeinsame Vorspannung diejenige der Verlustaversion, bei der eine Verlustposition aufgrund des Schmerzes, einen Verlust zu realisieren, nicht geschlossen wird. Ebenso können Gewinne zu früh genommen werden, weil die Angst, einen bereits gewonnenen Gewinn zu verlieren, zu groß sein kann. Eine andere gemeinsame Vorspannung wird als Wiederholungsvorspannung bezeichnet. Dies manifestiert sich, wenn die Händler zu viel Wert auf die jüngsten Ereignisse und nicht auf längere Sicht setzen. Dann gibt es natürlich das klassische Paar emotionaler Vorurteile - Angst und Gier. Diese können oft zu einer Unter - oder Überhebelung führen, was zu einem Blow-up führen kann (d. h. das Konto-Equity-Kurs auf Null oder schlechter) oder reduzierte Gewinne. Wie man sehen kann, ist der quantitative Handel ein äußerst komplexer, wenn auch sehr interessanter Bereich der quantitativen Finanzierung. Ich habe buchstäblich die Oberfläche des Themas in diesem Artikel gekratzt und es wird schon ziemlich lange Ganze Bücher und Papiere wurden über Fragen geschrieben, denen ich nur einen Satz oder zwei in Richtung gegeben habe. Aus diesem Grund ist es vor der Beantragung von quantitativen Fondshandelsaufgaben notwendig, eine beträchtliche Menge an Grundlagenstudien durchzuführen. Zumindest benötigen Sie einen umfangreichen Hintergrund in der Statistik und Ökonometrie, mit viel Erfahrung in der Implementierung, über eine Programmiersprache wie MATLAB, Python oder R. Für anspruchsvollere Strategien am höheren Frequenzende ist Ihr Skill-Set wahrscheinlich Um Linux-Kernel-Modifikation, CC, Assembly-Programmierung und Netzwerk-Latenz-Optimierung. Wenn Sie daran interessiert sind, Ihre eigenen algorithmischen Handelsstrategien zu erstellen, wäre mein erster Vorschlag, bei der Programmierung gut zu werden. Meine Vorliebe ist es, so viel von der Daten-Grabber, Strategie-Backtester und Ausführung System von sich selbst wie möglich zu bauen. Wenn Ihr eigenes Kapital auf der Linie ist, würden Sie nicht besser schlafen in der Nacht wissen, dass Sie Ihr System vollständig getestet haben und sich seiner Fallstricke und bestimmten Fragen bewusst sind Outsourcing dieses zu einem Verkäufer, während potenziell Zeit sparen in der kurzfristigen, könnte extrem sein Teuer in der langfristigen Just Getting Started mit quantitativen TradingQuantitative Trading Was ist Quantitative Trading Quantitative Handel besteht aus Trading-Strategien auf der Grundlage der quantitativen Analyse. Die sich auf mathematische Berechnungen und Zahlenknirschen verlassen, um Handelsmöglichkeiten zu identifizieren. Da der quantitative Handel in der Regel von Finanzinstituten und Hedgefonds genutzt wird. Die Transaktionen sind in der Regel groß und können den Kauf und Verkauf von Hunderten von Tausenden von Aktien und anderen Wertpapieren beinhalten. Allerdings wird der quantitative Handel immer häufiger von einzelnen Investoren genutzt. BREAKING DOWN Quantitative Trading Preis und Volumen sind zwei der häufigsten Dateneingaben, die in der quantitativen Analyse als Haupteingaben für mathematische Modelle verwendet werden. Quantitative Handelstechniken umfassen Hochfrequenzhandel. Algorithmischer Handel und statistischer Arbitrage. Diese Techniken sind schnell-Feuer und haben in der Regel kurzfristige Anlagehorizonte. Viele quantitative Händler sind mit quantitativen Werkzeugen vertraut, wie z. B. gleitende Mittelwerte und Oszillatoren. Verständnis von quantitativen Trading Quantitative Trader nutzen die moderne Technologie, Mathematik und die Verfügbarkeit umfangreicher Datenbanken für rationale Handelsentscheidungen. Quantitative Händler nehmen eine Trading-Technik und erstellen ein Modell davon mit Mathematik, und dann entwickeln sie ein Computer-Programm, das das Modell auf historische Marktdaten anwendet. Das Modell wird dann zurückversetzt und optimiert. Wenn günstige Ergebnisse erzielt werden, wird das System dann in Echtzeitmärkten mit echtem Kapital umgesetzt. Die Art und Weise, wie quantitative Handelsmodelle funktionieren, lässt sich am besten mit einer Analogie beschreiben. Betrachten Sie einen Wetterbericht, in dem der Meteorologe eine 90 Chance des Regens prognostiziert, während die Sonne scheint. Der Meteorologe leitet diese kontraintuitive Schlussfolgerung durch das Sammeln und Analysieren von Klimadaten von Sensoren im gesamten Gebiet ab. Eine computergestützte quantitative Analyse zeigt spezifische Muster in den Daten. Wenn diese Muster mit den gleichen Mustern verglichen werden, die in historischen Klimadaten (Backtesting) und 90 von 100 Mal das Ergebnis regen, dann kann der Meteorologe die Schlussfolgerung mit Vertrauen, daher die 90 Prognose ziehen. Quantitative Händler wenden das gleiche Verfahren an den Finanzmarkt an, um Handelsentscheidungen zu treffen. Vor - und Nachteile des quantitativen Handels Das Ziel des Handels ist es, die optimale Wahrscheinlichkeit eines rentablen Handels zu berechnen. Ein typischer Trader kann die Entscheidungen über eine begrenzte Anzahl von Wertpapieren effektiv überwachen, analysieren und handeln, bevor die Menge der eingehenden Daten den Entscheidungsprozess überwältigt. Die Verwendung von quantitativen Handelstechniken beleuchtet diese Grenze durch die Verwendung von Computern zur Automatisierung der Monitoring-, Analyse - und Handelsentscheidungen. Überwindung von Emotionen ist eines der allgegenwärtigsten Probleme mit dem Handel. Sei es Angst oder Gier, beim Trading dient Emotionen nur dazu, das rationale Denken zu ersticken, was in der Regel zu Verlusten führt. Computer und Mathematik besitzen keine Emotionen, so dass der quantitative Handel dieses Problem beseitigt. Der quantitative Handel hat seine Probleme. Finanzmärkte sind einige der dynamischsten Einheiten, die existieren. Daher müssen quantitative Handelsmodelle so dynamisch sein, dass sie konsequent erfolgreich sind. Viele quantitative Händler entwickeln Modelle, die vorübergehend für die Marktbedingung rentabel sind, für die sie entwickelt wurden, aber sie scheitern letztlich, wenn sich die Marktbedingungen ändern. Bewertungen einer frühen Version des Buches "Dies ist ein gut geschriebenes Buch für den Spezialisten, den Mathematiker, Und jemand mit einem empirischen Ansatz für die Märkte. Ich würde es dem anfänglichen System-Händler, dem anfänglichen Black-Box-Händler, oder jemandem empfehlen, der sich intensiv für den Handel mit einer strukturierten mathematischen Strategie interessiert. Anne-Marie Baiynd, Autorin Das Handelsbuch Eines der Grundprinzipien des Handels ist, dass bestimmte Ereignisse vorhersehbare Preisreaktionen verursachen. In vielen Fällen reagieren verwandte Märkte auf die gleiche Weise. Stefan und Richard Hollos haben ein äußerst klares Buch geschrieben, wie man diese Bewegungen identifizieren und profitieren kann. Obwohl dies fällt, uns das perfekte System zu geben, gibt es uns Werkzeuge und das Verständnis, dass jeder ernsthafte Händler haben sollte. Es wird dich auf die Märkte anders schauen lassen. Es ist ein schnelles Lesen und ich empfehle es. Perry Kaufman, Autor New Trading Systems und Methoden Zurück zu Abrazol Einfache Handelsstrategien, die Arbeit Listenpreis: 29.95 Format: ebook Kindlepdf, 177 Seiten ISBN: drucken 9781887187206, ebook 9781887187039 Erscheinungsdatum: Sep 2011 Glaubst du, es gibt Muster in der finanziellen Märkte, die von Vorteil genommen werden können Was wäre, wenn man auf den Finanzmärkten Muster sehen könnte, die weniger als 1 in 1000-tägigen Händlern sich bewusst waren, dass ich das erste Mal nicht vergessen habe, dass ich (Richard) Es war Anfang 2010 und ich kaufte TLT, nachdem es einen bedeutenden Vorsprung genommen hatte. Nachdem ich es gekauft habe, fing es an, fast täglich für den nächsten Monat zu sinken. Als der Schmerz mehr war als ich ertragen konnte, verkaufte ich ihn und verriegelte, was für mich ein großer Verlust war. Um sich zu stapeln, nicht lange nachdem ich es verkauft hatte, kehrte TLT Kurs zurück und begann zu steigen. Warum habe ich TLT gekauft, als ich es tat. Es war wegen der Dinge, die ich in den Charts gesehen hatte, und einige makroökonomische Überlegungen, die ich in meinem Kopf hatte. Ich war sehr falsch Unser Hintergrund ist Physik, und Physiker verstehen gerne, was los ist unter der Motorhaube, wenn sie ein System beobachten, das sich entwickelt. Für Dinge wie die Börse und Anleihen scheint die Ökonomie ein Ort zu beginnen. Aber das ist oft nur auf lange Sicht wahr, und wie Keynes sagte: Auf lange Sicht waren alle tot. Um das TLT-Fiasko wieder zu veranlassen, haben wir uns entschlossen, die Frage zu beantworten. Gibt es einen systematischen Weg, um auf den Finanzmärkten zu profitieren, mit einem Algorithmus, so dass der Computer uns sagt, wann er kaufen und verkaufen muss Der emotionalen Belastung, und vielleicht sogar produzieren Gewinne zu. Dies ist unsere Motivation, entfernen Sie Emotionen und Diskretion vom Handel, während gleichzeitig profitabel sind. Der Ansatz, den wir in dieser Quest gemacht haben, ist eine Suche nach Mustern. Für Flexibilität und Anwendbarkeit wollten wir unsere Annahmen auf ein Minimum reduzieren: Es gibt einfache Modelle, mit denen das Verhalten der Finanzmärkte beschrieben werden kann. Die Modelle haben statistische Muster, die mit ihnen verbunden sind, die ausgenutzt werden können. Die Muster können sich im Laufe der Zeit ändern, aber es gibt Handelsstrategien, die sich an die Veränderungen anpassen können. Einfache Trading-Strategien, die Arbeit ist nicht für alle. Hier sind 5 Gründe, warum Sie sich entscheiden können, dieses Buch nicht zu kaufen: Sie glauben nicht, dass es Muster auf den Finanzmärkten gibt, die man gewinnbringend nutzen kann. Sie mögen es nicht, quantitativ zu denken, und Sie wissen nichts über Programmierung (Programmierung ist nützlich, um über die einfachsten Strategien hinauszugehen). Sie wollen weiterhin Geld verlieren wie die meisten anderen Händler. Du bist glücklich, mit der Herde zu rennen und zu tun, was alle anderen tun. Du denkst nur, dass die großen Banken Geld verkaufen können. Hier ist, was Perry Kaufman, Autor von New Trading Systems und Methoden hat über eine frühere Version von Simple Trading Strategies That Work gesagt: Eines der Grundprinzipien des Handels ist, dass bestimmte Ereignisse vorhersehbare Preisreaktionen verursachen. In vielen Fällen reagieren verwandte Märkte auf die gleiche Weise. Stefan und Richard Hollos haben ein äußerst klares Buch geschrieben, wie man diese Bewegungen identifizieren und profitieren kann. Obwohl dies fällt, uns das perfekte System zu geben, gibt es uns Werkzeuge und das Verständnis, dass jeder ernsthafte Händler haben sollte. Es wird dich auf die Märkte anders schauen lassen. Es ist ein schnelles Lesen und ich empfehle es. In dieser 177 Seite ebook zeigen wir: Die einfache Strategie, die zu diesem Gewinnplot geführt hat (rot ist Profit, blau ist der Preis): Die beiden grundlegenden Handelsstrategien, von denen einer jeden Tag erfolgreich ist. Eine positive Erwartungsstrategie, deren einzige Annahme ist, dass es eine Vorspannung (Trend) gibt. Ob es auf und ab geht egal. Zwei verschiedene Möglichkeiten, eine Schaltvorspannung zu modellieren (eine Trendänderungsrichtung). Wie man Korrelation verwendet, um einfache Strategien zu verbessern. Eine intuitive Erklärung von Markov-Modellen. Einfache Trading-Strategien, die Arbeit ist nicht nur Theorie. Wir testen es auf 4 ETFs. Es gibt 24 Figuren und 6 Tische, die die Leistung der Strategien zeigen und sie vergleichen. Im Gegensatz zu anderen Strategien, die Sie vielleicht gelesen haben, die Strategien, die in diesem ebook aufgedeckt werden, benötigen keine großen Mengen an historischen Daten und können auf jeder Zeitskala implementiert werden. Sie sagen, dass ein schwieriges Problem zu lösen, manchmal alles, was Sie brauchen, ist eine Veränderung in der Perspektive. Dieses ebook bietet einen Überblick über die finanziellen Daten, die Sie sonst nicht finden werden, und einfache Strategien, die auf dieser Ansicht basieren, um Sie in die richtige Richtung zu bringen. Du kannst dieses ebook jetzt bei Amazon als Kindle ebook bekommen. Sie können dieses ebook auch sofort als pdf von Gumroad bekommen. Über die Autoren: Stefan Hollos und J. Richard Hollos sind Physiker durch Training und genießen das Finden von Mustern und Informationen in Daten. Sie sind die Autoren von Probability Problems and Solutions. Kombinatorische Probleme und Lösungen. Die Münze Toss: Wahrscheinlichkeiten und Muster. Und Bet Smart: Das Kelly System für Glücksspiel und Investieren. Und sind Brüder und Geschäftspartner bei Exstrom Laboratories LLC in Longmont, Colorado. Die Website für ihre quantitative Finanzierung ist QuantWolf. Sie interessieren sich für alles, was mit der Berechnung der Wahrscheinlichkeiten (Chancen) zusammenhängt. Inhaltsverzeichnis Haftungsausschluss Vorwort Teil I Strategien Kapitel 1 Einleitung Kapitel 2 Binärer Zufallsverfahren Kapitel 3 BSP - und BOP-Strategie Kapitel 4 BSP-Verstärker BOP-Strategie Beispiele Kapitel 5 BSP-XY - und BOP-XY-Strategie Kapitel 6 BSP-XY-Verstärker BOP-XY-Beispiele Kapitel 7 XY-Strategie-Umschaltung Kapitel 8 XY-Schaltbeispiele Kapitel 9 Preismarke Modell Kapitel 10 Preismarke Modellbeispiele Kapitel 11 Preisverstärker Volumen Markov Modell Kapitel 12 Preisverstärker Volumen Markov Beispiele Kapitel 13 Schlussfolgerung 13.1 Beispiel Zusammenfassung 13.2 Ausgaben der Periode Kapitel 14 Weitergehende Teil II Models Kapitel 15 Einzelmünzemodell 15.1 Zufallsvariablen 15.2 Wetten auf das Modell 15.2.1 Bekannte Bias 15.2.2 Unbekannte Bias BSP-Strategie Mehrheitsregelstrategie Kapitel 16 2-Münzmodell 16.1 Wetten auf einen mittleren Vermeidungsprozess 16.2 Wetten auf einen mittleren Wiederherstellungsprozess 16.3 Allgemeine Analyse des Zwei-Münzen-Modells Kapitel 17 3-Münz-Modell Anhang A Überprüfung der diskreten Wahrscheinlichkeit Anhang B Cayley-Hamilton-Theorem Senden Sie Kommentare an: Richard Hollos (richardATexstrom DOT com) Copyright 2011-2014 von Exstrom Laboratories LLCA Simple Day Trading-Strategie Arbeiten mit Händler um die Welt I8217ve bemerkte ein gemeinsames Thema. Day Trader machen Trading-Weg zu kompliziert Sie zeichnen Dutzende von Indikatoren auf ihrem Trading-Bildschirm und dann nicht in Trades mit Vertrauen zu geben. In diesem Artikel erfahren Sie, wie Sie Vertrauen in Ihre Handelsentscheidungen haben, indem Sie eine einfache Tagestraktstrategie verwenden, die nur auf zwei Indikatoren angewiesen ist. Was sind die besten Märkte für diese Handelsstrategie Diese Strategie ist ein einfacher Trend nach Strategie, die in jedem Markt arbeiten sollte, aber als Tageshändler möchte ich lieber Futures handeln. Bei Rockwell Trading handeln wir diese Strategie live in unseren Live Trading Rooms auf folgenden Märkten: E-Mini SampP E-Mini Dow E-Mini SampP MidCap FX Euro 30-jährige T-Bonds So richten Sie Ihre Charting Software ein Wenn Sie eine Zeitrahmen, bevorzugen wir Tick Charts für diese Strategie. Wenn Sie nicht mit Tick-Charts vertraut sind, schließt sich eine Tick-Leiste nach einer bestimmten Anzahl von Trades ab, anstelle eines Zeitrahmens wie einer 5 oder 15 Minuten Bar. Als Beispiel verwende ich ein 4.500 Tick Chart für die E-Mini SampP. Dies bedeutet, dass eine Bar oder eine Kerze alle 4.500 Trades aufgetragen wird. Eine Bar kann 2 bis 5 Minuten zu vervollständigen, aber die tatsächliche Zeit, die es braucht, um wirklich zu machen, ist nicht wichtig. Alles, was zählt, ist die Anzahl der Trades, die auf dem Markt ausgeführt wurden. Der Vorteil der Verwendung von Tick-Charts ist, dass die Anzahl der Balken erhöht und verringert je nach Volatilität. Wenn sich die Märkte bewegen und es noch mehr Trades gibt, wirst du mehr Bars haben. Wenn die Märkte ruhig sind, haben Sie weniger Bars. Als Beispiel wird eine Einstellung von 4.500 Trades für die E-Mini SampP in der Regel zwischen 7 und 10 Bars während der 17 Stunden Übernachtungssitzung (16:30 Uhr EST und 9:30 Uhr EST) produzieren, da die E-Mini SampP nicht ist Während dieser Zeit aktiv gehandelt. Doch in den ersten zwei Stunden des aktiven Handels (zwischen 9:30 Uhr und 11:30 Uhr EST) können Sie je nach Handelsaktivität des Tages zwischen 16 und 24 Bars erwarten. Tick Charts entfernen Sie den Zeitfaktor aus Diagrammen und fügen Sie Volumen und Volatilität zu Ihren Bars hinzu. Probieren Sie es aus und Sie finden wahrscheinlich, dass Tick Charts eine einfachere Möglichkeit sind, Intraday-Bewegungen in den Märkten zu sehen, die Sie handeln. Hinweis . Wir aktualisieren Tick-Einstellungen für die Märkte, die wir 2-3 Mal pro Jahr folgen, da sich die Volatilität in den Märkten ändern kann. Der nächste Schritt ist, den populären MACD Indikator zum Diagramm hinzuzufügen. Verwenden Sie einfach die Standardeinstellungen: 26 für den langsamen gleitenden Durchschnitt 12 für den schnell gleitenden Durchschnitt und 9 für den gleitenden Durchschnitt des MACD 8211 die 8220signal line8221 Ich benutze die MACD, um die Richtung des Marktes zu identifizieren, aber ich benutze es mit Ein wenig verdrehen: Der Markt ist in einem Aufwärtstrend, wenn der MACD über seiner Signalleitung und über der Nulllinie liegt. Der Markt befindet sich in einem Abwärtstrend, wenn der MACD unterhalb seiner Signalleitung und unterhalb der Nulllinie liegt. Meine Charting-Software erlaubt mir, die Stäbe nach bestimmten Kriterien zu färben, und deshalb färbe ich die Stäbe in einem Aufwärtstrend (nach der obigen Definition) grün und die Stäbe in einem Abwärtstrend rot. Um nicht in einem seitlichen Markt zu peitschen und nur starke Trends zu fangen, fügen wir einen zweiten Indikator hinzu: Bollinger Bands. Wir verwenden folgende Einstellungen: 12 für den gleitenden Durchschnitt 2 für die Standardabweichung Sie finden intraday Trading Chancen den ganzen Tag 8212 mit dem TradingMarkets Live Screener mit Echtzeit-Updates auf 20 beliebten Preis und technische Indikatoren 8230 Klicken Sie hier, um zu erfahren, wie. Wir verwenden die Bollinger Bands, um unser Einstiegssignal zu ermitteln: LONG mit einem Stoppauftrag auf den Wert der Upper Bollinger Band eingeben, wenn der Markt in einem Aufwärtstrend ist (siehe Definition oben). Wenn Sie nicht gefüllt sind, stellen Sie Ihren Stoppauftrag ein, um den Upper Bollinger Bandwert zu reflektieren, solange wir in einem Aufwärtstrend bleiben. Geben Sie SHORT mit einem Stoppauftrag auf den Wert der Lower Bollinger Band ein, wenn der Markt in einem Abwärtstrend ist (siehe Definition oben). Wenn Sie nicht gefüllt sind, passen Sie Ihre Stopp-Bestellung an, um die Lower Bollinger Band zu reflektieren, solange wir in einem Abwärtstrend bleiben. Durch die Verwendung von Stoppaufträgen werden wir nur ausgelöst, wenn der Preis durch die Bollinger Band dringt, was eine Fortsetzung des Trends signalisieren kann. Sie werden sehen, dass diese einfachen Regeln Ihnen erlauben, einen starken Trend zu fangen, und dass die Verwendung der Bollinger Bands Ihnen helfen wird, viele 8220False Signale8221 zu vermeiden. In unserer einfachen Handelsstrategie verwenden wir volatilitätsbasierte Ausgänge. Unser Ziel ist es, unterschiedliche Marktbedingungen durch breite Stopps und Profitziele in einem volatilen Markt zu berücksichtigen, während wir kleinere Stationen und Profitziele in einem ruhigen Markt einsetzen. Wir messen die Volatilität eines Marktes mit dem durchschnittlichen Tagesbereich (ADR). Um den ADR zu berechnen, messen wir den Abstand zwischen dem Daily High und dem Daily Low. Und bauen einen Durchschnitt über die letzten sieben Tage: In der Tabelle unten sehen Sie, dass die tägliche Reichweite am 25. März 2009 in der E-Mini SampP 36 Punkte war. Sie berechnen diesen Bereich für die letzten 7 Tage und erhalten den durchschnittlichen Tagesbereich (ADR). Wir verwenden diesen ADR, um unseren Stop-Loss und Gewinnziel zu berechnen: Stop Loss ADR 0.10 Profit Target ADR 0.15 Wie Sie sehen können, verwenden wir 10 des durchschnittlichen Tagesbereichs als Stop-Loss und 15 des ADR als Gewinnziel. Ich empfehle, ein Gewinnziel zu verwenden, um Gewinne zu nehmen und aus einem Handel herauszukommen, bevor es sich gegen Sie dreht. Zusätzlich zu unserem Gewinnziel und Stop-Loss, werden wir einen Handel schließen, wenn eine Bar vervollständigt und wir sehen eine MACD-Crossover. Wenn wir lang sind und MACD unterhalb der Signalleitung zurückkehrt oder kurz und MACD über die Signalleitung zurückkehrt, wollen wir den Handel schließen, um aus einer Position herauszukommen, falls der Trend umgekehrt wird. Diese Strategie ist eine einfache Tagestransportstrategie that8217s leicht zu verstehen und auszuführen. Testen Sie es und Sie werden überrascht sein, wie robust es ist. Sobald Sie mit den grundlegenden Regeln vertraut sind, sollten Sie Ihre persönlichen Handelspräferenzen wie Skalieren in und aus einer Position, mit nachlaufenden Stopps oder alle zusätzlichen Filter, die Sie bequem mit. Alles Gute im Handel.
Comments
Post a Comment