Ai Trading Strategie

L'ascesa della intelligenza artificiale Hedge Fund. The ascesa della settimana Fund. Last Hedge intelligenza artificiale, Ben Goertzel e la sua compagnia, Aidyia, acceso un hedge fund che rende tutti i commerci con l'intelligenza artificiale senza intervento umano richiesto Se tutti moriamo , dice Goertzel, un lungo periodo aI guru e l'azienda s capo scienziato, sarebbe mantenere trading. He significa che questo letteralmente Goertzel e altri esseri umani costruito il sistema, ovviamente, e si ll continuano a modificarlo in base alle esigenze Ma le loro identifica la creazione e lo esegue compravendite interamente da solo, attingendo molteplici forme di intelligenza artificiale, tra cui uno ispirato evoluzione genetica e un altro basato sulla logica probabilistica Ogni giorno, dopo aver analizzato tutto, dai prezzi di mercato e dei volumi di dati macroeconomici e dei documenti contabili societari, questi motori di intelligenza artificiale fanno proprio previsioni di mercato e poi votare la migliore linea di action. If tutti moriamo, sarebbe mantenere il commercio Ben Goertzel, Aidyia. Though Aidyia ha sede a Hong Kong, questo automatizzati mestieri del sistema in azioni statunitensi, e nel suo primo giorno, in base alle Goertzel, ha generato un rendimento del 2 per cento su una piscina riservate di denaro che non è esattamente impressionante, o statisticamente rilevante ma rappresenta un cambiamento notevole nel mondo della finanza Sostenuta da 143 milioni di finanziamenti, startup di San Francisco senzienti Technologies è stato tranquillamente scambiato con un sistema simile dal momento che i fondi speculativi data-centric scorso anno come due Sigma e Renaissance Technologies hanno detto che si basano su intelligenza artificiale e secondo i rapporti, altri due Bridgewater Associates e Point72 Asset Management, gestito da grandi nomi di Wall Street Ray Dalio e Steven a Cohen si muovono negli stessi fondi direction. Automatic Improvement. Hedge hanno a lungo invocato computer per contribuire a rendere i commerci Secondo la società di ricerche di mercato Preqin alcune 1.360 fondi hedge fanno la maggior parte dei loro traffici con l'aiuto di modelli computerizzati circa il 9 per cento di tutti i fondi e che gestire circa 197 miliardi di euro in totale, ma questo in genere comporta scienziati dati o quants, a Wall Street gergo utilizzo di macchinari per la costruzione di grandi modelli statistici Questi modelli sono complessi, ma si ri anche un po 'statico come i cambiamenti del mercato, potrebbero non funzionare bene come ha lavorato in passato e secondo la ricerca Preqin s, il fondo tipico sistematica doesn t sempre eseguire così come i fondi gestiti da gestori umani vedono grafico below. In ultimi anni, tuttavia, i fondi si sono spostati verso l'apprendimento automatico vero, dove i sistemi di intelligenza artificiale può analizzare grandi quantità di dati a velocità e migliorare se stessi attraverso tale analisi l'azienda di New York Ribellione Research, fondata dal nipote di Baseball Hall of Famer Hank Greenberg, tra gli altri, si basa su una forma di apprendimento macchina chiamata reti bayesiane con una manciata di macchine di prevedere le tendenze del mercato e individuare particolari mestieri Nel frattempo, abiti, come Aidyia e Sentient sono appoggiati su aI che attraversa centinaia o addirittura migliaia di macchine Questo include tecniche quali calcolo evolutivo, che si ispira alla genetica, e profondo l'apprendimento di una tecnologia attualmente utilizzata per riconoscere le immagini, identificare le parole pronunciate, ed eseguire altre attività all'interno di aziende Internet come Google e Microsoft. The speranza è che tali sistemi possono riconoscere automaticamente cambiamenti del mercato e adattarsi in modi che quant modelli può t si sta cercando di vedere le cose prima che sviluppare, dice Ben Carlson, l'autore di una grande quantità di buon senso Perché Simplicity Trumps complessità in qualsiasi piano di investimento che ha trascorso un decennio con un fondo di dotazione che ha investito in una vasta gamma di denaro managers. This tipo di gestione dei fondi AI-driven shouldn t essere confuso con il trading ad alta frequenza 'isn t cercando di traffici anteriore-run o comunque fare i soldi dalla velocità di azione e' s cercando le migliori mestieri del prolungamento dell'orario di termine, giorni, settimane, persino mesi nel futuro e di più per la punto, non le macchine gli esseri umani stanno scegliendo il strategy. Evolving Intelligence. Though la società non ha apertamente commercializzato il suo fondo, Sentient CEO Antoine Blondeau dice che è stato fare mestieri ufficiali dallo scorso anno con i soldi da investitori privati, dopo un periodo di scambi di prova più Secondo un rapporto da Bloomberg l'azienda ha lavorato con il business degli hedge fund all'interno JP Morgan Chase nello sviluppo di tecnologia di trading aI, ma Blondeau declina per discutere i suoi partenariati Egli non dicono, però, che il suo fondo opera interamente attraverso intelligence. The idea artificiale è di fare qualcosa che nessun altro essere umano e nessuna altra macchina è doing. The sistema permette all'azienda di regolare alcune impostazioni di rischio, dice il capo della scienza ufficiale Babak Hodjat, che faceva parte del team che ha costruito Siri prima che il digital assistant è stata acquisita da Apple Ma per il resto , opera senza l'aiuto umana, gli autori automaticamente una strategia, e dà ci comanda, Hodjat dice dice Compra questo molto ora, con questo strumento, utilizzando il tipo di questo ordine particolare ci dice anche quando uscire, ridurre l'esposizione, e che tipo di stuff. According per Hodjat, il sistema di alimentazione del computer afferra inutilizzato da milioni di processori per computer all'interno di data center, Internet café e centri di computer da gioco gestite da varie aziende in Asia e altrove suo motore software, nel frattempo, si basa sul calcolo evolutivo della stessa tecnica che gioca in Aidyia s system. In termini più semplici genetica-ispirati, questo significa che crea un ampio e casuale collezione di operatori di borsa digitali e verifica le loro prestazioni su dati storici azionari dopo aver raccolto i migliori risultati, si utilizza quindi i loro geni per creare una nuova serie di commercianti superiore e il processo si ripete alla fine, le case del sistema in su un operatore digitale in grado di operare con successo sul proprio corso di migliaia di generazioni, miliardi e miliardi di esseri competere e prosperare o morire, Blondeau dice, e alla fine, si ottenere una popolazione di commercianti intelligenti si può effettivamente deploy. Deep Investing. Though calcolo evolutivo spinge oggi il sistema, Hodjat vede anche promessa in profonde algoritmi di algoritmi di apprendimento che si sono già dimostrati enormemente abili a identificare le immagini, riconoscendo parole pronunciate, e anche la comprensione della natura modo in cui noi esseri umani parlano di apprendimento Proprio come profondo in grado di individuare le caratteristiche particolari che compaiono in una foto di un gatto, spiega, è in grado di identificare particolari caratteristiche di uno stock che possono rendere alcune money. Google Proprio open source TensorFlow, la sua intelligenza artificiale del motore. facebook Open Sources sua aI hardware come le gare Google. Google fatto un Chatbot che i dibattiti il ​​significato di Life. Goertzel che sovrintende anche la Fondazione OpenCog uno sforzo per costruire un framework open source per l'intelligenza artificiale non è d'accordo generale Questo in parte perché algoritmi di apprendimento profonde sono diventati una merce Se tutti utilizzano qualcosa, s previsioni avranno un prezzo sul mercato, si dice che bisogna fare qualcosa di strano si ricorda inoltre che, anche se l'apprendimento profondo è adatto per l'analisi dei dati definiti da un particolare insieme di modelli, come foto e parole, questi tipi di modelli di don t necessariamente presentarsi nei mercati finanziari e se lo fanno, si aren t che utile ancora una volta, perché chiunque può trovare them. For Hodjat, invece, il compito è quello di migliorare oggi s apprendimento profondo E questo può comportare che unisce la tecnologia con calcolo evolutivo Come egli spiega, è possibile utilizzare calcolo evolutivo per costruire migliori algoritmi di apprendimento profonde questo si chiama neuroevoluzione si può evolvere i pesi che operano sullo studente profondo, Hodjat dice Ma voi può anche evolvere l'architettura del profondo studente la stessa Microsoft e altre attrezzature sono già costruendo sistemi di apprendimento profondo attraverso una sorta di selezione naturale anche se non possono fare uso di calcolo evolutivo per se. Pricing nei metodi AI. Whatever sono utilizzati, qualche domanda se AI può davvero avere successo a Wall Street, anche se un fondo raggiunge il successo con AI, il rischio è che gli altri duplicare il sistema e quindi minare il suo successo Se una grande parte del mercato si comporta nello stesso modo, cambia il mercato I ma po 'scettico che l'aI può veramente capirlo, Carlson dice che se qualcuno trova un trucco che funziona, non solo saranno altri fondi attaccarsi ad esso, ma altri investitori potranno versare denaro in esso davvero difficile immaginare una situazione in cui doesn t ottenere solo arbitraggio di distanza. Goertzel vede questo rischio che s perché Aidyia sta usando non solo calcolo evolutivo ma una vasta gamma di tecnologie e se gli altri imitano i metodi della società s, che abbraccerà altri tipi di apprendimento automatico l'idea è quella di fare qualcosa che nessun altro essere umano e non altra macchina sta facendo Finance è un dominio in cui non potrete beneficiare solo di essere intelligente, Goertzel dice, ma da essere intelligente in un modo diverso da others. More Business. Experience a New Trading Framework. The quadro intelligente per Investing. As dinamici in primo piano in FM dettaglio FX. Tra i nuovi operatori per il settore della gestione del denaro è Algo Ai strategie e il suo sistema di computer di intelligenza artificiale della margherita Avendo già concentrata sulla commercializzazione dei propri servizi direttamente ai clienti al dettaglio, Algo Ai Strategies ha recentemente iniziato a offrire i loro servizi di gestione del denaro a intermediari come prodotto white label rappresentando una delle loro etichette bianche, il gruppo dietro Algo ai Strategies è stato uno degli espositori più attivi durante lo scorso novembre s Forex Magnati Londra Summit. Algo aI Strategies Ltd è una società di integrazione di sistema 100 di trading automatico progettato per offrire ai clienti una moltitudine di opzioni di trading per produrre rendimenti ottimali degli investimenti entro il sistema di misura impostato solo per le loro esigenze specifiche e la propensione al rischio attraverso il broker di loro scelta o di uno dei nostri broker preferiti utilizzando un account MAM structure. Harnessing le ultime tecnologie e intelligenza artificiale, le strategie aI Algo sistema LTD opera al di sopra di 1500 algoritmi quant Tutti gli algoritmi sono in esecuzione contemporaneamente sui mercati in tempo reale e di essere costantemente valutato con mestieri dal vivo di essere messo in atto da Gestori elettronici e supervisori elettronici per le decisioni ottimali per quanto riguarda l'apertura, le dimensioni e la chiusura di ogni commercio sequenza come le condizioni di mercato stanno cambiando nostri commerci di sistema in un mezzo in modalità ad alta frequenza con un fattore di rischio set che il sistema non può superare in qualsiasi momento l'intelligenza artificiale non mancherà di tenere i clienti informati di qualsiasi e tutti i dati di conto che vorrebbero via text. Algo AI Strategies Ltd non tranne che i fondi dei clienti Crediamo che un cliente dovrebbe identità mai sciolto con i loro fondi in modo da avere un alto watermark accordo mensile ripartizione del profitto basato sul client singolo estratto conto di intermediazione Se il cliente non fa soldi né Algo AI Strategie LTD Dal momento che i conti sono nei client nome Algo aI strategie non dispone di un blocco verso il basso periodo sui fondi, i clienti controllare il loro accounts. Charting individuale per il nostro PAMM durante il crash. Look flash la creazione di grafici qui sotto NOTA leggere come molti commercianti e mediatori tra cui ALPARI Regno Unito hanno chiuso i battenti sulla base di questo Black Swan e abbiamo fatto alfa durante il crollo flash, il nostro sistema di trading automatico ha fatto esattamente quello che doveva fare e gestire attraverso un disastro con l'assistenza di Daisy vostro assistente personale e uscire proteggere il vostro capitale e fare una profit. How per identificare Algorithmic Trading Strategies. In questo articolo voglio farvi conoscere i metodi con cui io mi identifico proficue strategie di trading algoritmico il nostro obiettivo oggi è quello di capire in dettaglio come trovare, valutare e selezionare tali sistemi i ll spiegare come l'individuazione di strategie è tanto circa preferenza personale come si tratta di prestazioni di strategia, come determinare il tipo e la quantità di dati storici per i test, come valutare spassionatamente una strategia di trading e, infine, come procedere verso la fase di backtesting e l'attuazione della strategia. Identifying le proprie preferenze personali per l'ordine Trading. In di essere un trader di successo - sia discrezionalmente o algoritmicamente - è necessario porsi alcune domande oneste Trading vi offre la possibilità di perdere denaro ad un ritmo allarmante, per cui è necessario conosci te stesso, per quanto è necessario capire la vostra scelta strategy. I direbbe la considerazione più importante nel trading è essere consapevoli del proprio Trading personalità e trading algoritmico, in particolare, richiede un notevole grado di disciplina, pazienza e distacco emotivo dal si sta lasciando un algoritmo eseguire il tuo trading per te, è necessario essere risolto non interferire con la strategia quando viene eseguito Questo può essere estremamente difficile, soprattutto in periodi di prelievo prolungato Tuttavia, molte strategie che hanno dimostrato di essere altamente redditizio in un backtest può essere rovinato da semplice interferenza capire che se si vuole entrare nel mondo del trading algoritmico sarete emotivamente testato e che, per avere successo, è necessario lavorare con questi abbiamo difficolta considerazione successiva è uno di tempo hai un lavoro a tempo pieno Lei lavora part-time Non si lavora da casa o avere un lungo pendolari ogni giorno queste domande vi aiuteranno a determinare la frequenza della strategia che si dovrebbe cercare Per quelli di voi nel lavoro a tempo pieno, un intraday strategia futuro potrebbe non essere indicato, almeno fino a quando non è completamente automatizzato I suoi vincoli di tempo sarà anche dettare la metodologia della strategia Se la strategia è spesso scambiato e dipendente dalle notizie costoso feed come un terminale Bloomberg si chiaramente bisogno di essere realistici circa la capacità di eseguire correttamente questo mentre in ufficio per quelli di voi con un sacco di tempo, o la capacità di automatizzare la vostra strategia, si potrebbe desiderare di guardare in un più tecnico di trading ad alta frequenza HFT strategy. My convinzione è che si tratta di necessario effettuare la ricerca continua nelle vostre strategie di trading di mantenere un portafoglio costantemente vantaggiosa alcune strategie rimanere sotto il radar per sempre Quindi una parte significativa del tempo assegnato alla negoziazione sarà il compimento di ricerche in corso Chiedetevi se siete disposti a fare questo, come può essere la differenza tra la forte redditività o un lento declino verso losses. You inoltre necessario considerare il tuo capitale di trading l'importo minimo ideale generalmente accettato per una strategia quantitativa è di 50.000 dollari circa 35.000 per noi nel Regno Unito Se stavo iniziando di nuovo, vorrei iniziare con una quantità maggiore, probabilmente più vicino 100.000 USD circa 70.000 Questo perché i costi di transazione può essere estremamente costoso per metà a strategie ad alta frequenza ed è necessario avere capitale sufficiente per assorbirli in tempi di prelievo Se si stanno prendendo in considerazione a cominciare da meno di 10.000 dollari, allora sarà necessario limitarvi a strategie a bassa frequenza, la negoziazione di uno o due beni, come i costi di transazione saranno rapidamente mangiano in vostre dichiarazioni Interactive Brokers, che è uno dei mediatori più amichevoli a quelli con competenze di programmazione , grazie alla sua API, ha un conto minimo di vendita al dettaglio di 10.000 USD. Programming abilità è un fattore importante nella creazione di una strategia di negoziazione algoritmica automatizzato Essere informati in un linguaggio di programmazione come C, Java, C, Python o R vi permetterà di creare il sistema di memorizzazione dei dati end-to-end, il motore backtest e l'esecuzione da soli Questo ha una serie di vantaggi, il principale dei quali è la capacità di essere completamente a conoscenza di tutti gli aspetti dell'infrastruttura di trading consente inoltre di esplorare le strategie più alta frequenza come sarete in pieno controllo del tuo stack tecnologico anche se questo significa che è possibile testare il proprio software e di eliminare gli insetti, ma significa anche più tempo speso codificare fino infrastrutture e meno sulle strategie di attuazione, almeno nella prima parte della tua algo carriera commerciale Potreste scoprire che si sono negoziazione confortevoli in Excel o MATLAB e può esternalizzare lo sviluppo di altre componenti non consiglierei questo però, in particolare per quelle che operano ad alta frequency. You necessario chiedersi che cosa sperate di ottenere da trading algoritmico sei interessati a un reddito regolare, per cui si spera di trarre guadagno dal proprio conto di trading Oppure, siete interessati ad un guadagno di capitale a lungo termine e può permettersi di operare senza la necessità di drawdown fondi dipendenza reddito detterà la frequenza della vostra strategia più regolare prelievi reddito richiederanno una strategia di negoziazione frequenza più alta con meno volatilità AIE più alto indice di Sharpe commercianti a lungo termine possono permettersi un trading più tranquillo frequency. Finally, non essere ingannati dalla nozione di diventare estremamente ricchi in un breve lasso di tempo Algo trading è nON è un programma per diventare ricchi get-rapido - se qualcosa può essere un diventare povero-rapido schema ci vuole disciplina significativo, la ricerca, la diligenza e pazienza per avere successo in trading algoritmico si può richiedere mesi, se non anni, di generare redditività coerente. Sourcing Algorithmic Trading Ideas. Despite percezioni comuni al contrario, è in realtà abbastanza semplice da individuare strategie di trading profittevoli di dominio pubblico Mai avere idee di trading stati più facilmente disponibile di quanto non siano oggi Accademico riviste di finanza, i server di pre-stampa, blog negoziazione , forum di negoziazione, riviste commerciali settimanali e testi specialistici forniscono migliaia di strategie di trading con cui basare le vostre idee upon. Our obiettivo come ricercatori di trading quantitativo è di stabilire una pipeline strategia che ci fornirà un flusso di idee di trading in corso Idealmente vogliamo creare un approccio metodico per l'approvvigionamento, la valutazione e le strategie che si incontrano Gli obiettivi del gasdotto sono per generare una quantità costante di nuove idee e di fornire noi con un quadro per respingere la maggior parte di queste idee con il minimo di considerazione emotiva attuazione. dobbiamo essere estremamente attenti a non lasciare distorsioni cognitive influenzano la nostra metodologia di processo decisionale Questo potrebbe essere semplice come avere una preferenza per una classe di risorsa piuttosto che un altro oro e altri metalli preziosi vengono in mente, perché sono percepiti come più esotici Il nostro obiettivo deve essere sempre di trovare strategie costantemente vantaggiosa, con aspettativa positiva la scelta di asset class dovrebbe basarsi su altre considerazioni, come ad esempio vincoli di capitale di trading, le commissioni di intermediazione e leva finanziaria capabilities. If siete completamente familiarità con il concetto di una strategia di trading, allora il primo posto per guardare è con libri di testo stabiliti testi classici forniscono una vasta gamma di idee più semplici semplici, con cui familiarizzare con il trading quantitativo Ecco una selezione che consiglio per coloro che sono nuovi alla negoziazione quantitativa, che gradualmente diventano sempre più sofisticati, come si lavora attraverso il list. For un elenco di libri di trading quantitative più a lungo, si prega di visitare il QuantStart lettura list. The accanto posto giusto per trovare strategie più sofisticate è con forum e blog di trading di trading Tuttavia, una nota di cautela Molti blog di trading si basano sul concetto di tecnica analisi l'analisi tecnica prevede l'utilizzo di indicatori di base e psicologia comportamentale per determinare le tendenze e modelli di inversione in risorsa prices. Despite di essere estremamente popolare nello spazio complessivo di trading, l'analisi tecnica è considerato un po 'inefficace nel mondo della finanza quantitativa Alcuni hanno suggerito che è meglio di la lettura di un oroscopo o studiare foglie di tè in termini di potere predittivo in realtà ci sono persone di successo facendo uso di analisi tecnica Tuttavia, come quants con un più sofisticato degli strumenti matematici e statistici a nostra disposizione, possiamo facilmente valutare l'efficacia di tale TA strategie basate e prendere decisioni basate sui dati, piuttosto che la nostra base di considerazioni emotive o preconceptions. Here è una lista di tutto rispetto blog di trading algoritmico e forums. Once avete avuto qualche esperienza a valutare le strategie più semplici, è il momento di guardare al più sofisticati offerta formativa alcune riviste accademiche saranno di difficile accesso, senza alti abbonamenti o costi una tantum Se sei un membro o di alunno di una università, si dovrebbe essere in grado di ottenere l'accesso ad alcuni di questi giornali finanziari in caso contrario, si può guardare al server di pre-stampa, che sono depositi di Internet di fine bozze di pubblicazioni accademiche che sono sottoposti a peer review Dal momento che siamo interessati solo a strategie che siamo in grado di replicare con successo, backtest ed ottenere redditività per, una revisione tra pari è di minore importanza per us. The grave inconveniente di strategie accademici è che spesso possono essere sia superata, richiede dati storici oscuri e costosi, gli scambi di classi di attivi illiquidi o non fattore in tasse, slittamento o di diffusione può anche essere chiaro se la strategia di trading è quello di essere eseguito con ordini di mercato, ordini limite o se contiene fermare le perdite, ecc Quindi è assolutamente essenziale per replicare la strategia di te stesso nel miglior modo possibile, backtest e aggiungere i costi di transazione realistici che includono come molti aspetti delle classi di attività che si desidera al commercio in. Here è un elenco dei più popolari server di pre-stampa e riviste finanziarie che è possibile fonte di idee from. What di formare le proprie strategie quantitative Ciò richiede in genere, ma non si limita alle competenze in una o più delle seguenti categorie. Market microstruttura - per le strategie di frequenza più alte, in particolare, si può fare uso di microstruttura di mercato cioè comprensione delle dinamiche del portafoglio ordini al fine di generare redditività mercati diversi avranno diverse limitazioni tecnologiche, i regolamenti, gli operatori di mercato e vincoli che sono tutti aperti allo sfruttamento tramite strategie specifiche questa è una zona molto sofisticato e operatori al dettaglio sarà difficile per essere competitivi in ​​questo spazio, tanto più che la competizione comprende grandi e ben capitalizzati fondi quantitativi fund con una forte struttura capabilities. Fund tecnologica - i fondi di investimento collettivo, come ad esempio fondi pensione, società di investimento privato hedge fund, commodity trading advisor e fondi comuni di investimento sono vincolati sia dalla normativa pesante e le loro grandi riserve di capitale così certi comportamenti coerenti possono essere sfruttati con coloro che sono più agili, per esempio, grandi fondi sono soggetti a vincoli di capacità dovuti alla loro dimensione così se hanno bisogno di scaricare rapidamente vendere una quantità di titoli, dovranno scaglionare in modo da evitare lo spostamento sofisticati algoritmi il mercato può approfittare di questo, e di altre idiosincrasie, in un processo generale noto come struttura del fondo di arbitraggio. Machine apprendimento intelligenza artificiale - algoritmi di apprendimento automatico sono diventati più frequenti negli ultimi anni in mercati Classificatori finanziari come Naive Bayes-, et al funzione non lineare matchers reti neurali e routine di ottimizzazione algoritmi genetici, sono stati utilizzati per prevedere i percorsi attivi o ottimizzare strategie di trading Se si dispone di un background in questa zona si può avere una certa comprensione di come gli algoritmi di particolare potrebbe essere applicato a taluni markets. There sono, naturalmente, molti altri settori per quants per indagare Noi ll discutere come a venire con strategie personalizzate in dettaglio in un article. By poi continuando a monitorare queste sorgenti su un settimanale o addirittura giornaliera, si sta impostando te stesso per ricevere un elenco consistente di strategie da una vasta gamma di fonti Il passo successivo è quello di determinare come rifiutare una grande sottoinsieme di queste strategie per ridurre al minimo spreco di risorse di tempo e di backtesting sulle strategie che possono essere unprofitable. Evaluating Trading Strategies. The prima, e forse più ovvia considerazione è se effettivamente capire la strategia di Sareste in grado di spiegare la strategia conciso o ha bisogno di una serie di avvertimenti e gli elenchi dei parametri infinite Inoltre, non la strategia ha una buona, solida base nella realtà, per esempio, potrebbe puntare a qualche logica comportamentale o fondo vincolo struttura che potrebbe essere la causa del modello di s sei che cerca di sfruttare Sarebbe questo vincolo ospitare fino a un cambiamento di regime, come ad esempio una drammatica interruzione contesto normativo la strategia si basa su regole statistiche o matematiche complesse non si applica a qualsiasi serie finanziarie o è specifico per questa classe di attivi che si sostiene per essere redditizia su si dovrebbe essere costantemente pensare a questi fattori al momento di valutare nuove modalità di negoziazione, altrimenti si rischia di perdere una notevole quantità di tempo cercando di backtest e ottimizzare strategies. Once inutile si è stabilito che a capire i principi di base della strategia è necessario per decidere se si adatta con il citato profilo di personalità Questo non è così vaga una considerazione come sembra strategie saranno differiscono sostanzialmente nelle loro caratteristiche prestazionali ci sono alcuni tipi di personalità in grado di gestire i periodi più significativi di prelievo, o che sono disposti ad accettare un rischio maggiore per grande ritorno Nonostante il fatto che noi, come quants, cercare di eliminare il più distorsione cognitiva possibile e dovremmo essere in grado di valutare una strategia spassionatamente, pregiudizi saranno sempre insinuarsi così abbiamo bisogno di una coerente, mezzi senza emozioni attraverso cui valutare le prestazioni dei strategie Ecco l'elenco dei criteri che ho giudicare un potenziale by. Methodology nuova strategia - e 'la quantità di moto strategia basata, mean-reverting, market neutral, direzionale la strategia si basa su sofisticate e complesse tecniche di apprendimento statistici o di macchine che sono difficili da comprendere e richiedono un dottorato di ricerca in statistica per cogliere fare queste tecniche introducono una quantità significativa di parametri, che potrebbe condurre a pregiudizi ottimizzazione è la strategia rischia di resistere a un cambiamento di regime cioè potenziale nuova regolamentazione del rapporto di markets. Sharpe finanziaria - l'indice di Sharpe caratterizza euristico il rapporto rischio ricompensa della strategia si quantifica la quantità di ritorno è possibile ottenere per il livello di volatilità sopportato dalla curva di equità Naturalmente, abbiamo bisogno di determinare il periodo e la frequenza che questi rendimenti e la volatilità ovvero la deviazione standard sono misurati su una strategia di frequenza più alta richiederà una maggiore frequenza di campionamento di deviazione standard, ma un breve periodo di tempo complessivo di misura, per instance. Leverage - la strategia richiede un importante effetto leva al fine di essere redditizia la strategia rende necessario l'uso di derivati ​​leveraged contratti future, opzioni, swap in per fare un ritorno tali contratti possono avere leveraged volatilità pesante caratterizza e quindi può facilmente portare a richieste di margini avete la capitale commerciale e il temperamento per tale volatility. Frequency - la frequenza della strategia è intimamente legata alla tecnologia stack e quindi competenza tecnologica, l'indice di Sharpe e il livello generale dei costi di transazione Tutte le altre questioni considerate, le strategie più alta frequenza richiedono più capitale, sono più sofisticati e più difficili da implementare Tuttavia, supponendo che il motore backtesting è sofisticato e privo di bug, che spesso hanno molto più alto Sharpe ratios. Volatility - la volatilità è legata fortemente al rischio della strategia l'indice di Sharpe caratterizza questa volatilità superiore delle classi di attività sottostanti, se non coperta, spesso conduce a una maggiore volatilità in curva di equità e quindi indice di Sharpe più piccoli sono naturalmente assumendo che la volatilità positivo è approssimativamente uguale alla volatilità negativo Alcune strategie possono avere una maggiore volatilità negativa, è necessario essere a conoscenza di questi perdita attributes. Win, perdita media di lucro - strategie sarà diversa nella loro perdita vittoria e caratteristiche medie di perdita di profitto uno può avere una strategia molto redditizia, anche se il numero di mestieri perdere superare il numero di strategie vincenti mestieri Momentum tendono ad avere questo modello in quanto si basano su un piccolo numero di grandi successi per essere redditizie strategie di ritorno alla media tendono ad avere profili opposti dove più dei mestieri sono vincitori, ma i commerci perdenti possono essere drawdown molto severe. Maximum - il massimo drawdown è la più grande percentuale di calo complessivo di picco-valle sulla curva di equità delle strategie strategia Momentum sono ben noti a soffrire di periodi di prolungato gli utilizzi a causa di una serie di molti perdente incrementale mestieri molti commercianti daranno in periodi di prelievo prolungato, anche se il test storica ha suggerito questo è business as usual per la strategia avrete bisogno di determinare la percentuale di prelievo e per quanto tempo il tempo può accettare prima di cessare l'attività la vostra strategia Questa è una decisione molto personale e, quindi, deve essere considerata liquidità carefully. Capacity - a livello di vendita al dettaglio, a meno che non si sta operando in uno strumento altamente illiquidi come un magazzino small-cap, non sarà necessario preoccupazione te notevolmente con capacità capacità strategia determina la scalabilità della strategia per promuovere il capitale Molti degli hedge fund più grandi soffrono di problemi di capacità significativi come le loro strategie aumentano di allocation. Parameters capitale - Alcune strategie in particolare quelle che si trovano nella comunità di apprendimento automatico richiedono un grande quantità di parametri Ogni parametro in più che una strategia richiede lascia più vulnerabili ai pregiudizi ottimizzazione conosciuta anche come curva-montaggio si dovrebbe cercare di strategie di destinazione con il minor numero di parametri come possibile o assicurarsi di avere una quantità sufficiente di dati con cui testare le vostre strategie on. Benchmark - Quasi tutte le strategie a meno che il carattere di rendimento assoluto sono misurate nei confronti di alcuni benchmark delle prestazioni l'indice di riferimento è solitamente un indice che caratterizza un ampio campione della classe di attività sottostante che i mestieri di strategia in Se la strategia commercia large-cap titoli azionari statunitensi, poi il P500 S sarebbe un punto di riferimento naturale per misurare la vostra strategia contro si sentirà l'alfa e beta termini, applicato alle strategie di questo tipo discuteremo questi coefficienti in modo approfondito in articles. Notice tardi che non abbiamo discusso i rendimenti effettivi del strategia Perché questo è in isolamento, i rendimenti in realtà ci forniscono informazioni limitate per l'efficacia della strategia di don t darvi una panoramica leva, volatilità, punti di riferimento o requisiti patrimoniali così strategie sono raramente giudicati sulla loro rendimenti da solo sempre in considerazione la attributi di rischio di una strategia prima di guardare il returns. At questa fase molte delle strategie che dal gasdotto saranno respinte di mano, dal momento che ha vinto t soddisfano le vostre esigenze di capitale, i vincoli di leva, la tolleranza massima perdita o preferenze di volatilità le strategie che do remain can now be considered for backtesting However, before this is possible, it is necessary to consider one final rejection criteria - that of available historical data on which to test these strategies. Obtaining Historical Data. Nowadays, the breadth of the technical requirements across asset classes for historical data storage is substantial In order to remain competitive, both the buy-side funds and sell-side investment banks invest heavily in their technical infrastructure It is imperative to consider its importance In particular, we are interested in timeliness, accuracy and storage requirements I will now outline the basics of obtaining historical data and how to store it Unfortunately this is a very deep and technical topic, so I won t be able to say everything in this article However, I will be writing a lot more about this in the future as my prior industry experience in the financial industry was chiefly concerned with financial data acquisition, storage and access. In the previous section we had set up a strategy pipeline that allowed us to reject certain strategies based on our own personal rejection criteria In this section we will filter more strategies based on our own preferences for obtaining historical data The chief considerations especially at retail practitioner level are the costs of the data, the storage requirements and your level of technical expertise We also need to discuss the different types of available data and the different considerations that each type of data will impose on us. Let s begin by discussing the types of data available and the key issues we will need to think about. Fundamental Data - This includes data about macroeconomic trends, such as interest rates , inflation figures, corporate actions dividends, stock-splits , SEC filings, corporate accounts, earnings figures, crop reports, meteorological data etc This data is often used to value companies or other assets on a fundamental basis, ie via some means of expected future cash flows It does not include stock price series Some fundamental data is freely available from government websites Other long-term historical fundamental data can be extremely expensive Storage requirements are often not particularly large, unless thousands of companies are being studied at once. News Data - News data is often qualitative in nature It consists of articles, blog posts, microblog posts tweets and editorial Machine learning techniques such as classifiers are often used to interpret sentiment This data is also often freely available or cheap, via subscription to media outlets The newer NoSQL document storage databases are designed to store this type of unstructured, qualitative data. Asset Price Data - This is the traditional data domain of the quant It consists of time series of asset prices Equities stocks , fixed income products bonds , commodities and foreign exchange prices all sit within this class Daily historical data is often straightforward to obtain for the simpler asset classes, such as equities However, once accuracy and cleanliness are included and statistical biases removed, the data can become expensive In addition, time series data often possesses significant storage requirements especially when intraday data is considered. Financial Instruments - Equities, bonds, futures and the more exotic derivative options have very different characteristics and parameters Thus there is no one size fits all database structure that can accommodate them Significant care must be given to the design and implementation of database structures for various financial instruments We will discuss the situation at length when we come to build a securities master database in future articles. Frequency - The higher the frequency of the data, the greater the costs and storage requirements For low-frequency strategies , daily data is often sufficient For high frequency strategies, it might be necessary to obtain tick-level data and even historical copies of particular trading exchange order book data Implementing a storage engine for this type of data is very technologically intensive and only suitable for those with a strong programming technical background. Benchmarks - The strategies described above will often be compared to a benchmark This usually manifests itself as an additional financial time series For equities, this is often a national stock benchmark, such as the S P500 index US or FTSE100 UK For a fixed income fund, it is useful to compare against a basket of bonds or fixed income products The risk-free rate ie appropriate interest rate is also another widely accepted benchmark All asset class categories possess a favoured benchmark, so it will be necessary to research this based on your particular strategy, if you wish to gain interest in your strategy externally. Technology - The technology stacks behind a financial data storage centre are complex This article can only scratch the surface about what is involved in building one However, it does centre around a database engine, such as a Relational Database Management System RDBMS , such as MySQL, SQL Server, Oracle or a Document Storage Engine ie NoSQL This is accessed via business logic application code that queries the database and provides access to external tools, such as MATLAB, R or Excel Often this business logic is written in C , C , Java or Python You will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner. As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data You may find it is necessary to reject a strategy based solely on historical data considerations This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely Do not underestimate the difficulties of creating a robust data centre for your backtesting purposes. I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation Tools like TradeStation possess this capability However, my personal view is to implement as much as possible internally and avoid outsourcing parts of the stack to software vendors I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical. Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine This will be the subject of other articles, as it is an equally large area of discussion. Just Getting Started with Quantitative Trading.