Tipos de estratégias de negociação sistemáticas

Tipos de estratégias de negociação sistemáticas
Obter através da App Store Leia esta publicação em nosso aplicativo!
Categorias de estratégias de negociação sistemáticas?
Quais são as principais categorias de estratégias de negociação sistemática (por exemplo, impulso, reversão média), como pode ser considerado por um índice ou analista de fundos de fundos?
Existem sub-estratégias comuns?
Existem outros tipos de estratégia não cobertos pela reversão média / tendência seguinte:
arbitragem - mantenha os ativos correlatos fechados no preço (índice SPX versus 500 ações contidas, ou negociação do ouro em Londres versus negociação do ouro em Nova York)
fabricação de mercado - comprar em oferta, vender em ask, ganhar o spread.
desconto de liquidez - algum venus pagá-lo por colocar ordens de limite no livro. Coloque uma ordem limite para comprar, quando é atingido tente vender ao mesmo preço que você comprou (ou melhor) e ganhe o desconto. Funciona melhor em ativos de alto volume e baixo preço.
negociação predatória - busque grande liquidez escondida no mercado e faça frente a ela.
comércio comportamental - quantificar o sentimento do mercado e trocar no mesmo (analisar tweets, determinar o clima global / regional e usar teorias psicológicas conhecidas para prever o efeito sobre o comportamento do mercado)
negociação de eventos - analise notícias (eletrônicas, papel, blogs, twits) e preveja o impacto no mercado de novos fatos relevantes (litigação, novos produtos, nova administração,.)
Não existe uma taxonomia oficial de modelos comerciais de quant. Afinal, "avaliações" são inerentemente subjetivas, independentemente da quantidade de matemática que colocamos atrás delas. Mas existem alguns termos padrão da indústria que podem ser úteis.
Também é possível desagregar por implementação:
Horizonte de tempo: variando desde longo prazo até alta frequência Estrutura de apostas: relativa ou intrínseca Instrumentos: líquidos ou ilíquidos.
E estes nem sequer entram em construção de portfólio, limites de posição, monitoramento de riscos, etc.
Quanto ao que funciona, tenha em mente esta máxima:
Os touros ganham dinheiro, os ursos ganham dinheiro, mas os porcos são abatidos.
E, por último, comparando chartists com quants é como comparar astrologistas com astrônomos.
Eu uso o método ANDY LANK CASH FLOW, é o meu favorito.

QuantStart.
Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo bem informado de mentalistas quant pronto para responder suas perguntas comerciais mais importantes.
Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.
Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.
Por Frank Smietana em 18 de julho de 2017.
Neste artigo, Frank Smietana, um dos colaboradores experientes do QuantStart, descreve a paisagem do software de backtesting de código aberto da Python e fornece conselhos sobre quais framework de backtesting são adequados para suas próprias necessidades de projeto.
Backtesting é indiscutivelmente a parte mais crítica do processo de produção da Sistemática de Negociação Sistemática (STS), sentado entre o desenvolvimento da estratégia e a implantação (negociação ao vivo). Se uma estratégia é defeituosa, um teste rigoroso provavelmente expõe isso, evitando que uma estratégia de perda seja implantada.
Uma série de capacidades relacionadas se sobrepõem com backtesting, incluindo simulação comercial e negociação ao vivo. O Backtesting usa dados históricos para quantificar o desempenho STS. Os simuladores de negociação levam backtesting um passo adiante, visualizando o desencadeamento de trades e desempenho de preços em uma base bar-a-bar. A negociação simulada / ao vivo implementa um STS testado em tempo real: negociações de sinalização, gerando ordens, roteando ordens para corretores e mantendo as posições à medida que as ordens são executadas.
A maioria dos quadros vai além do backtesting para incluir algumas capacidades de negociação ao vivo. Isso é conveniente se você deseja implantar a partir de sua estrutura de backtesting, que também funciona com o seu fornecedor preferido e fontes de dados. Quantopian / Zipline vai um passo adiante, fornecendo uma solução totalmente integrada de desenvolvimento, backtesting e implantação.
A comunidade Python é bem servida, com pelo menos seis estruturas de backtesting de código aberto disponíveis. No entanto, estão em vários estágios de desenvolvimento e documentação. Se você gosta de trabalhar em uma equipe construindo uma estrutura de backtesting de código aberto, confira seus reembolsos Github.
Antes de avaliar quadros de teste, vale a pena definir os requisitos do seu STS.
Qual classe de ativos você está negociando? Embora a maioria dos frameworks ofereça suporte aos dados da US Equities via YahooFinance, se uma estratégia incorporar derivados, ETFs ou títulos de EM, os dados precisam ser importados ou fornecidos pela estrutura. As coberturas de classe de ativos vão além dos dados. O framework pode lidar com futuros e opções de tamanho finito e gerar negociações de roll-over automaticamente? E quanto aos mercados ilíquidos, quão realista é uma suposição ao executar grandes encomendas?
Qual a frequência e o detalhe dos dados do seu STS? Um sistema de negociação que exige que cada marca ou lance / peça tenha um conjunto muito diferente de problemas de gerenciamento de dados do que um intervalo de 5 minutos ou horário. Os hedge funds e as lojas HFT investiram significativamente na construção de quadros robustos e escaláveis ​​de backtesting para lidar com esse volume e freqüência de dados. Algumas plataformas fornecem um conjunto rico e profundo de dados para várias classes de ativos, como ações da S & P, com resolução de um minuto.
Qual (s) tipo (s) de ordem o seu STS requer? No mínimo, o limite, as paradas e o OCO devem ser suportados pela estrutura.
Nível de suporte e amp; documentação necessária. Os quadros de estágio inicial têm escassa documentação, poucos têm suporte além de placas comunitárias.
Os Componentes de um Quadro de Teste de Backtesting.
Dados e aquisição de STS: os componentes de aquisição consomem o arquivo de script / definição STS e fornecem os dados necessários para testes. Se a estrutura exige que qualquer STS seja recodificado antes do teste posterior, a estrutura deve suportar funções enlatadas para os indicadores técnicos mais populares para acelerar o teste STS. Os usuários determinam o tempo de um período histórico para fazer backtest com base no que o framework fornece, ou o que eles são capazes de importar.
O teste de desempenho aplica a lógica STS à janela de dados históricos solicitada e calcula uma ampla gama de riscos & amp; métricas de desempenho, incluindo redução máxima, taxas Sharpe e Sortino. A maioria dos frameworks suporta um número decente de capacidades de visualização, incluindo curvas de equidade e estatísticas decimais.
A otimização tende a exigir a maior parte dos recursos de computação no processo STS. Se o seu STS precisar de otimização, concentre-se em uma estrutura que suporte processamento escalável distribuído / paralelo.
No contexto de estratégias desenvolvidas usando indicadores técnicos, os desenvolvedores de sistemas tentam encontrar um conjunto ideal de parâmetros para cada indicador. Mais simplesmente, a otimização pode achar que um fluxo de média móvel de 6 e 10 dias STS acumulou mais lucro sobre os dados de teste históricos do que qualquer outra combinação de períodos de tempo entre 1 e 20. Já com este exemplo trivial, 20 * 20 = 400 combinações de parâmetros devem ser calculado & amp; classificado.
No contexto de um portfólio, a otimização procura encontrar a ponderação ideal de cada ativo na carteira, incluindo os instrumentos em curto e alavancado. Em uma base periódica, o portfólio é reequilibrado, resultando na compra e venda de participações da carteira, conforme necessário, para alinhar com os pesos otimizados.
O dimensionamento de posição é um uso adicional da otimização, ajudando os desenvolvedores de sistemas a simular e analisar o impacto da alavancagem e dimensionamento de posição dinâmico no STS e no desempenho do portfólio.
Seis quadros de teste para o Python.
As capacidades padrão das plataformas open source Python backtesting parecem incluir:
Gerenciamento de eventos, flexível e irrestrito Coleta decente de indicadores técnicos pré-definidos Captação de desempenho padrão / visualização / geração de relatórios.
PyAlgoTrade.
PyAlgoTrade é uma estrutura de backtesting mutuamente documentada, juntamente com capacidades de negociação em papel e ao vivo. O suporte a dados inclui Yahoo! Finanças, Google Finance, NinjaTrader e qualquer tipo de série de tempo baseada em CSV, como Quandl. Os tipos de pedidos suportados incluem Market, Limit, Stop e StopLimit.
O PyAlgoTrade suporta a negociação Bitcoin via Bitstamp e o gerenciamento de eventos do Twitter em tempo real.
bt - Backtesting para Python.
bt "visa promover a criação de blocos de lógica de estratégia facilmente testáveis, reutilizáveis ​​e flexíveis para facilitar o rápido desenvolvimento de estratégias comerciais complexas".
O framework é particularmente adequado para testar STS com base em portfólio, com algos para ponderação de ativos e reequilíbrio de portfólio. A modificação de uma estratégia para executar em diferentes freqüências de tempo ou pesos de ativos alternativos envolve um mínimo de ajuste de código. bt é construído em cima do ffn - uma biblioteca de funções financeiras para Python.
Backtrader.
Esta plataforma está excepcionalmente bem documentada, com um blog acompanhante e uma comunidade on-line ativa para postar perguntas e solicitações de recursos. O Backtrader suporta uma série de formatos de dados, incluindo arquivos CSV, Pandas DataFrames, iteradores de incandescência e feeds de dados em tempo real de três corretores. Esses feeds de dados podem ser acessados ​​simultaneamente e podem até representar diferentes cronogramas. Os corretores suportados incluem Oanda para negociação de Forex e negociação de classes de ativos múltiplos através de Interactive Brokers e Visual Chart.
Pysystemtrade.
O desenvolvedor da Pysystemtrade, Rob Carver, tem uma ótima postagem em discussão sobre o porquê ele se propôs a criar mais uma nova estrutura de teste do Python e os argumentos para e contra o desenvolvimento do framework. A estrutura backtesting para pysystemtrade é discutida no livro Rob, "Systematic Trading".
Pysystemtrade lista uma série de recursos de roteiro, incluindo um testador de back-up completo, que inclui técnicas de otimização e calibração e negociação de futuros totalmente automáticos com Interactive Brokers. Os contribuidores da fonte aberta são bem-vindos.
Zipline é um simulador de negociação algorítmica com recursos de papel e negociação ao vivo. Acessível através da interface do navegador IPython baseado no navegador, a Zipline fornece uma alternativa fácil de usar para ferramentas de linha de comando. Suportado e desenvolvido por Quantopian, Zipline pode ser usado como uma estrutura de backtesting autônomo ou como parte de um ambiente completo de desenvolvimento, teste e implantação de STS, de Aosta / Zipline STS. A Zipline fornece 10 anos de dados de estoque históricos históricos de última hora e uma série de opções de importação de dados.
QSTrader é uma estrutura de backtesting com capacidades de negociação ao vivo. O fundador da QuantStart, Michael Halls-Moore, lançou o QSTrader com a intenção de construir uma plataforma robusta e escalável o suficiente para atender às necessidades dos fundos de hedge quantitativos institucionais, bem como aos comerciantes quantos de varejo. O QSTrader atualmente suporta dados de resolução "barra" da OHLCV em várias escalas de tempo, mas permite que dados de marca sejam usados.
Tanto o backtesting como o comércio ao vivo são completamente orientados para eventos, simplificando a transição das estratégias da pesquisa para o teste e, finalmente, a negociação ao vivo. A estratégia básica / código do portfólio geralmente é idêntico em ambas as implementações.
O principal benefício do QSTrader é em sua modularidade, permitindo uma ampla personalização de código para aqueles que possuem requisitos específicos de gerenciamento de risco ou portfólio.
Abraçando o Backtest.
É a natureza humana se concentrar na recompensa de desenvolver um STS (esperançosamente lucrativo), então apressar-se a implantar uma conta financiada (porque esperamos), sem gastar tempo e recursos suficientes para testar completamente a estratégia. Mas backtesting não é apenas um gatekeeper para nos impedir de implementar estratégias erradas e perder capital comercial, também fornece uma série de diagnósticos que podem informar o processo de desenvolvimento STS. Por exemplo, testando um STS idêntico em dois intervalos de tempo diferentes, compreendendo a redução máxima de uma estratégia no contexto de correlações de ativos e criando portfólios mais inteligentes por backtesting de alocações de ativos em várias regiões geográficas.
Em futuras postagens, iremos abordar frameworks de backtesting para ambientes que não sejam Python e o uso de várias técnicas de amostragem como bootstrapping e jackknife para testar modelos de negociação preditivos.
Apenas iniciando o comércio quantitativo?
3 razões para se inscrever na QuantStart List:
1. Quant Trading Lessons.
Você terá acesso instantâneo a um curso gratuito de 10 partes, com sugestões e dicas para ajudá-lo a começar a negociação quantitativa!
2. Todo o conteúdo mais recente.
Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.
Real, dicas de negociação viáveis, sem tonturas.

Introdução aos Tipos de Negociação: Tradutores Fundamentais.
Negociação fundamental é um método pelo qual um comerciante se concentra em eventos específicos da empresa para determinar quais ações comprar e quando comprá-lo. A negociação de fundamentos está mais intimamente associada com a estratégia de investimento e investimento de investir do que com operações de curto prazo. Existem, no entanto, instâncias específicas em que a negociação de fundamentos pode gerar alguns lucros agradáveis ​​em um curto período. (Você pode ler sobre a negociação momentânea na Introdução aos Tipos de Negociação: Momentum Traders.)
Revisando diferentes tipos de comerciantes.
Scalping - O scalper é um indivíduo que faz dúzias ou centenas de trades por dia, tentando "escalar" um pequeno lucro de cada comércio, explorando o spread de oferta e solicitação. (Você pode ler sobre scalping em Introdução aos Tipos de Negociação: Scalpers.) Momentum Trading - Momentum traders procura encontrar ações que estão se movendo significativamente em uma direção em alto volume e tentam saltar a bordo para montar o trem momentum para um lucro desejado . Negociação técnica - Os comerciantes técnicos estão obcecados com gráficos e gráficos, observando linhas em estoque ou gráficos de índice para sinais de convergência ou divergência que podem indicar sinais de compra ou venda. Fundamental Trading - Fundamentalistas comercializam empresas baseadas em análises fundamentais, que examinam coisas como eventos corporativos, como relatórios de ganhos reais ou antecipados, divisões de ações, reorganizações ou aquisições. Swing Trading - Os comerciantes Swing são comerciantes realmente fundamentais que mantêm suas posições mais tempo do que um único dia. A maioria dos fundamentalistas é realmente comerciantes swing, uma vez que as mudanças nos fundamentos corporativos geralmente exigem vários dias ou mesmo semanas para produzir um movimento de preços suficiente para que o comerciante reivindique um lucro razoável.
Os comerciantes principiantes podem experimentar cada uma dessas técnicas, mas, em última instância, devem se instalar em um único nicho, combinando seus conhecimentos e experiência de investimento com um estilo ao qual eles acham que podem dedicar mais pesquisas, educação e prática. (Você pode ler sobre negociação técnica em Introdução aos Tipos de Negociação: Comerciantes Técnicos.)
Vamos começar nossa exploração do comércio fundamental.
A maioria dos investidores de capital está ciente dos dados financeiros mais comuns utilizados na análise fundamental: lucro por ação, receita e fluxo de caixa. Esses fatores quantitativos podem incluir os valores encontrados no relatório de ganhos da empresa, na demonstração do fluxo de caixa ou no balanço patrimonial; esses fatores também podem incluir os resultados de índices financeiros, como o retorno sobre o patrimônio líquido e a dívida para o patrimônio líquido. Os comerciantes fundamentais podem usar esses dados quantitativos para identificar as oportunidades de negociação se, por exemplo, uma empresa emita resultados de ganhos que surpreendam o mercado.
Dois dos fatores fundamentais mais bem vistos para comerciantes e investidores em todo o mundo são anúncios de ganhos e atualizações e baixadas de analistas. Ganhar uma vantagem sobre essa informação, no entanto, é muito difícil, pois existem literalmente milhões de olhos em Wall Street procurando essa mesma vantagem.
Upgrades e Downgrades de analistas.
Os anúncios de ganhos e as classificações de analistas estão realmente intimamente associados à negociação de impulso, que mantém alerta para eventos inesperados que fazem com que um estoque troque um grande volume de ações e se mova constantemente para cima ou para baixo.
O comerciante fundamental é muitas vezes mais preocupado em obter uma vantagem sobre informações sobre eventos especulativos que o resto do mercado pode faltar. Para ficar um passo à frente do mercado, comerciantes astutos geralmente podem usar seus conhecimentos de padrões comerciais históricos que ocorrem durante o advento das divisões de estoque, aquisições, aquisições e reorganizações.
Para negociar com sucesso em divisões de estoque, um comerciante deve, acima de tudo, identificar corretamente a fase em que o estoque está negociando atualmente. Na verdade, a história provou que uma série de padrões de negociação específicos ocorrem antes e depois de um anúncio dividido: a apreciação de preços e, portanto, as oportunidades de compra a curto prazo geralmente ocorrerão na fase de pré-anúncio e na pré-divisão; e a depreciação do preço (oportunidades de curto prazo) ocorrerá na depressão pós-anúncio e depressão pós-divisão. Ao identificar essas quatro fases corretamente, um comerciante dividido pode efetivamente trocar dentro e fora do mesmo estoque, pelo menos, quatro vezes diferentes antes e depois da divisão, com talvez muitos outros negócios intra-dia ou mesmo horários por hora.
Aquisições, Aquisições e Reorganizações.
O velho adágio "comprar no rumor, vender nas notícias", aplica-se à negociação de aquisições, aquisições e reorganizações. Nesses casos, um estoque geralmente experimentará aumentos de preços extremos na fase de especulação que antecede o evento e declínios significativos imediatamente após o evento ser anunciado.
Dito isto, o anúncio do antigo investidor "vender nas notícias" precisa ser qualificado significativamente para o comerciante astuto. O jogo de um comerciante deve estar um passo à frente do mercado, então ele ou ela é muito pouco provável que compre um estoque em uma fase especulativa e mantê-lo todo o caminho para o anúncio real. O comerciante está preocupado em capturar um pouco do impulso na fase especulativa, e pode trocar e sair do mesmo estoque várias vezes que os traficantes de rumores trabalham sua magia. Ele pode manter uma posição longa pela manhã e curto na parte da tarde, sempre atento a gráficos e dados de nível 2 para sinais de quando ele ou ela deve mudar de posição.
E quando o anúncio real for feito, ele ou ela provavelmente terá uma oportunidade comercial inteiramente diferente: o comerciante provavelmente reduzirá o estoque de uma empresa adquirente imediatamente depois que ele emite novidades de sua intenção de adquirir e, assim, acabando com a euforia especulativa que leva a o anúncio. Raramente é um anúncio de aquisição visto de forma positiva, então o shorting de uma empresa que está fazendo a aquisição é uma estratégia duplamente sólida.
Em contrapartida, uma reorganização corporativa pode muito bem ser vista positivamente se o mercado não o esperasse, e se o estoque já estivesse em um slide de longo prazo devido a problemas corporativos internos. Se um conselho de administração repentinamente derrotar um CEO impopular, por exemplo, um estoque pode muito bem exibir movimento ascendente de curto prazo em comemoração da notícia.
A negociação do estoque de um objetivo de aquisição apresenta um caso especial, uma vez que uma oferta de aquisição terá um preço por ação associado a ele. Um comerciante tem que ter cuidado para evitar ficar preso segurando o estoque ou perto do preço da oferta porque o estoque geralmente não se move significativamente no curto prazo, uma vez que ele encontra sua faixa estreita perto do alvo. Particularmente no caso de uma aquisição de rumores, as melhores oportunidades comerciais serão na fase especulativa, o tempo em que um preço rumorizado por ação para a oferta de aquisição impulsionará o movimento dos preços reais.
Rumores e especulações são proposições de negociação arriscadas, especialmente nos casos de aquisições, aquisições e reorganizações - tais eventos podem gerar uma volatilidade extrema no preço das ações. Porque, no entanto, do potencial de movimentos rápidos de preços, esses eventos também podem servir como as oportunidades de negociação fundamental mais lucrativas disponíveis. (Você pode ler sobre swing trading em Introdução aos Tipos de Negociação: Swing Traders.)
Se os comerciantes fundamentais são capazes de identificar corretamente a posição atual dos estoques e subsequentes movimentos de preços que provavelmente ocorrerão, eles representam uma ótima chance de executar negócios bem-sucedidos. A negociação de fundamentos pode ser arriscada em casos de euforia e hype, mas o comerciante astuto é capaz de mitigar o risco, tornando a história seu guia para lucros comerciais de curto prazo. Em suma, faça sua lição de casa antes de saltar.

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.)