Trading estratégias para mispricing

Eu tenho tido algumas conversas muito interessantes desde que eu ofereci a minha estrutura de negociação intraday não-público em troca de informações sobre estratégias rentáveis, que é por isso que eu Pretende prolongar esta chamada inicialmente limitada no tempo de forma indefinida. Note que eu não estou procurando idéias de estratégia. Eu tenho muitas dessas eu mesmo. O desafio não está em vir acima com uma idéia, mas em escolher o caminho certo e testá-lo até o final, quando youll quer saber que funciona ou que ele doesnt. O fator crítico aqui é o tempo. Então, o que eu sou, essencialmente, negociação é o tempo que eu tenho investido no desenvolvimento de uma rocha sólida intraday trading framework contra o tempo que você tem investido no desenvolvimento de uma negociação rentável strtategy. Pode ser uma estratégia de estoque, ETF, futuro ou opção. Todas as discussões e informações trocadas serão mantidas confidenciais. Estou naturalmente aberta a puramente discutir idéias, mas por favor não espere que eu testá-los para você e não se queixar se eu implementá-los sem pedir sua aprovação. Call for Propostas Buscando estratégias de negociação com backtests rentáveis ​​Até 15 de junho. Estou aceitando propostas para estratégias de negociação promissoras em ações, moedas e índices stockbondcommodity. A estratégia deve ser rentável no backtesting e ter uma taxa de sharpe anualizada de pelo menos 1,0. No dia 1º de julho, as duas estratégias mais promissoras serão selecionadas e seus autores poderão escolher uma das seguintes opções: 1) Obter uma cópia completa e gratuita do quadro de negociação reforçada e não pública baseado em R que desenvolvi e usei Desde 2017 e que os autores podem usar para a negociação ao vivo suas estratégias com Interactive Brokers. (A versão pública simplificada pode ser baixada aqui) 2) Entrar em um acordo de cooperação em que me comprometo a implementar a sua estratégia em R e papel de comércio por um período máximo de três meses. Todos os negócios individuais serão compartilhados com os autores quando eles ocorrem. Além disso, o código R que é específico para a estratégia (não o código da estrutura de negociação) será entregue aos autores da estratégia. O que enviar: Uma descrição por escrito da estratégia mais uma lista de negócios mais o retorno timeseries do backtest ou executável Roctavepython código que calcula diretamente o backtest return timeseries, juntamente com o conjunto de dados completo dos preços utilizados no backtest. Enviar para o meu e-mail disponível na seção Contato Atualização do puro R Intraday Trading Framework Finalmente encontrei o tempo para fazer isso. Há muito tempo. O framework agora é executado com as versões mais recentes (unix) do IB TWSGW (versão 9493 e superior). Isto em si exigiu uma reescrita parcial de várias funções do grande, mas agora um pouco desatualizado pacote IBrokers R por Jeff Ryan. Também a configuração padrão para negociação EURUSD foi atualizado para que ele é agora um pedaço de bolo para executar o exemplo dummy estratégia. Basta clonar o repositório git para sua máquina local. GithubcensixINTRADAY-PartAB e siga o README. Algo sobre Hardware Ainda sou fã de possuir meu próprio metal. Claro, fazer coisas com imagens de máquina configurável na nuvem é popular porque você não tem que passar pelo aborrecimento de gerenciar seu próprio hardware, mas, não é que hassle realmente apenas um problema para grandes organizações onde centenas de usuários têm de ser mantidos felizes em Custo mínimo. Assim é a nuvem não só uma solução para um problema de pessoas que têm de gerenciar a escala, mas estão ao mesmo tempo tentando vender-em que a solução para o indivíduo Joe lá fora que, vamos enfrentá-lo, realmente não precisa dele. Enfim, como eu disse, eu sou um fã de possuir meu próprio metal. O hardware acessível barato pode ajudá-lo a um longo caminho se você tomar o tempo para configurá-lo corretamente. Um desktop de RAM 16-64Gb com uma ou até duas GPUs praticamente fará qualquer coisa que você precisa. Parece que as estratégias de backtesting usam mais recursos de computação do que o real live trading, razão pela qual estes dias você pode configurar e executar uma estratégia intraday de qualquer laptop decente com confiança, enquanto que para o backtesting e pesquisa que você realmente iria querer o CPU RAM GPU monstro Acima ou um pequeno cluster de supercomputação próprio, como descrevi recentemente aqui. Pure R Intraday trading framwork Download completo disponível Eu fiz INTRADAY-PartA. tar. gz e INTRADAY-PartB. tgz disponível para download. Censixdownloads. html Encontrar relações entre ativos que podem ser usados ​​para arbitragem estatística Em vez de se concentrar em prever a direção de preços ea volatilidade de preços com modelos não-lineares derivados com métodos de aprendizagem automática, uma alternativa seria tentar descobrir relações de preço exploráveis ​​entre ativos da mesma classe E reagir (comércio) quando mispricing acontece, em outras palavras, fazer arbitragem estatística. De certa forma, isso é de alguma forma mais fácil do que tentar prever os preços, uma vez que a única coisa que se deve fazer é encontrar uma relação relativamente estável, linear ou não-linear entre um grupo de pelo menos dois ativos e assumir que, Sua detecção, essa relação continuará por algum tempo no futuro. A negociação com base nessa suposição é, então, muito mais um processo reativo que é desencadeado por movimentos de preços que divergem significativamente da relação modelada. Tradicional Pair Trading e negociação de ativos em um VECM (Vector Error Correction Model) relação são bons exemplos para statarb usando modelos lineares. Então, por que não usar uma simples rede neuronal de uma camada ou mesmo um RBM para descobrir uma relação de preços não-linear entre dois ativos não-cointegrados e se esse processo de descoberta for bem-sucedido, troque-o de forma semelhante a um par clássico. As coisas se tornam ainda mais interessantes quando os grupos com mais do que apenas dois ativos são considerados. Este seria então o equivalente não-linear de um VECM. Seleção de Recursos Largura vs. Profundidade Permite dizer que temos um destino de segmentação univariada timeseries que pode ser de tipo regressão ou classificação, e temos que decidir quais recursos de entrada para selecionar. Mais concretamente, temos um grande universo de timeseries que podemos usar como entradas e gostaríamos de saber quantos devemos escolher (largura) e também quanto tempo atrás queremos buscar cada um (profundidade). Há um espaço bidimensional de escolhas, delimitado pelos seguintes quatro casos extremos, sob o pressuposto de que temos um total de N séries e podemos, no máximo, olhar para trás K timestaps: (1) escolher apenas uma série e lookback Um timestep, (2) escolher apenas uma série e lookback K timesteps, (3) escolher N series e lookback um timestep, (4) escolher N series e lookback K timesteps. A escolha ótima provavelmente não será uma dessas, uma vez que (1) e (2) podem não conter informações predictoras suficientes e (3) e especialmente (4) não serão viáveis ​​devido à computação de contstraints ou conterem muito ruído aleatório. A maneira sugerida de se aproximar disso é começar pequeno em (1), ver qual o desempenho que você obtém e, em seguida, aumentar o tamanho do espaço de entrada, seja em largura ou em profundidade, até que você tenha alcançado um desempenho satisfatório de predição ou até que você tenha esgotado Seus recursos de computação e precisam abandonar toda a abordagem: (ou comprar um novo (fazenda de) desktop (s) :) Usando Autocodificadores Empilhados e Máquinas Boltzmann Restritas em R 12 de fevereiro de 2017 Stacked Autoencoders (SAs) e Máquinas Restritas Boltzmann ( RBMs) são modelos muito poderosos para aprendizagem não supervisionada. Infelizmente, no momento da escrita, parece que não existem implementações R diretas disponíveis, o que é surpreendente, uma vez que ambos os tipos de modelos têm sido em torno de um tempo e R tem implementações para muitos outros tipos de modelos de aprendizagem de máquinas. Como uma solução alternativa, SAs poderia ser implementado usando um dos vários pacotes de rede neural de R rapidamente (nnet, AMORE) e RBMs, bem, alguém teria que escrever uma boa implementação de R para eles. Mas dado que o treinamento de ambos os tipos de modelos requerem muitos recursos computacionais, também queremos uma implementação que possa fazer uso de GPUs. Então, no momento, a solução mais simples que parece ter é usar Theano. Ele pode usar GPUs e fornece implementações de autocodificadores (Denoising) empilhados e RBMs. Além disso, o código PythonTheano para várias outras variantes mais exóticas da Máquina Boltzmann está flutuando em torno da rede também. Podemos usar rPython para chamar essas funções Python de R, mas o desafio são os dados. Obtendo grandes conjuntos de dados para trás e para frente entre R e Python sem usar a serialização ascii que rPython implementa (muito lento) precisa ser resolvido. Uma implementação pelo menos igualmente potente de autoencoders que suporta o uso de GPU está disponível através da estrutura Torch7 (demo). No entanto, as funções Torch7 são chamadas usando lua e chamando-as de dentro de R, em vez disso, exigirá algum trabalho em nível C. Em conclusão: Use Theano (Python) ou Torch7 (lua) para modelos de treinamento com suporte a GPU e escreva os modelos treinados para arquivar. Em R, importe o modelo treinado do arquivo e use para previsão. Update 25 April 2017: A seguinte solução agradável Call Python de R através de Rcpp deve nos trazer um passo mais perto de usar Theano diretamente de R. Quais Freqüências para o Comércio. January 13, 2017 Quando tentar encontrar testes padrões exploráveis ​​do mercado que um poderia negociar como um comerciante de varejo, uma das primeiras perguntas é: Que freqüências de troca a olhar Monthly Weekly Daily Ou intraday em qualquer lugar entre 5 segundos a 1 hora Com tempo limitado disponível para Realizando pesquisas em todos esses prazos, isso se torna uma questão importante para responder. Eu e outros temos observado que parece haver uma relação simples entre a freqüência de negociação ea quantidade de esforço necessária para encontrar uma estratégia rentável que seja puramente quantitativa e tenha um risco aceitável. Em suma: Quanto menor (mais lenta) a freqüência que você deseja negociar, mais inteligente sua estratégia rentável precisa ser. Como exemplo, pode-se olhar para o fim (muito) alta freqüência do espectro, onde as estratégias de mercado baseado em matemática muito simples pode ser muito rentável, se você conseguir estar perto o suficiente para o centro de mercado. Tomando um grande salto para o reino de freqüência diária, está se tornando muito mais difícil encontrar estratégias quantitativas que são rentáveis, enquanto ainda está sendo baseado em matemática bastante simples. Negociação em intervalos semanais e mensais, usando métodos quantitativos simples ou indicadores técnicos é apenas uma receita muito boa para o desastre. Assim, assumindo por um momento que essa relação é verdadeira e considerando que podemos e queremos usar sofisticadas técnicas de aprendizagem de máquinas em nossas estratégias de negociação, poderíamos começar com uma janela de freqüência semanal e trabalhar o nosso caminho rumo a freqüências mais altas. A negociação semanal não precisa ser automatizada e pode ser feita a partir de qualquer interface de corretagem baseada na web. Poderíamos desenvolver um saco de estratégias, usando dados históricos publicamente disponíveis em combinação com o nosso algoritmo de aprendizagem favorito para encontrar padrões negociáveis ​​do mercado e, em seguida, executar a estratégia manualmente. Nesta escala, todo o esforço deve ir para encontrar e aperfeiçoar a estratégia quantitativa e muito pouco pensamento precisa ser colocado em execução de comércio. Esforço de automação de comércio: 0. Inteligência de estratégia necessária: 100 A negociação diária deve ser automatizada, a menos que você realmente pode dedicar uma parte fixa de seu dia para monitorar os mercados e executar negócios. A integração de algoritmos de aprendizagem de máquina com negociação diária automatizada não é uma tarefa trivial, mas pode ser feita. Esforço de automação de comércio: 20, Inteligência de estratégia necessária: 80 Em prazos intradiários, que vão desde minutos e segundos até sub-segundos, o esforço que você terá de realizar para automatizar seus negócios pode ficar em qualquer lugar na faixa entre 20 e 90. Felizmente, A escala de tempo torna-se a mais estúpida sua estratégia pode ser, mas mudo é naturalmente um conceito relativo aqui. Esforço de automação de comércio: 80, Inteligência de estratégia necessária: 20 Que recursos usar. Hand-crafted vs aprendido 10 de dezembro de 2017 Em um ponto no projeto de um (máquina) sistema de aprendizagem você inevitável perguntar-se que recursos para alimentar em seu modelo. Há pelo menos duas opções. O primeiro é usar recursos artesanais. Esta opção irá normalmente dar-lhe bons resultados se os recursos são bem concebidos (que, naturalmente, é uma tautologia, uma vez que você só iria chamá-los bem concebidos se lhe deram bons resultados.). Projetar recursos artesanais requer conhecimento especializado sobre o campo para o qual o sistema de aprendizagem será aplicado, ou seja, classificação de áudio, reconhecimento de imagem ou em nosso caso de negociação. O problema aqui é que você não pode ter qualquer um desses conhecimentos especializados (ainda) e será muito difícil de vir ou tomar um monte de tempo ou mais provável ambos. Portanto, a alternativa é aprender os recursos dos dados ou, em outras palavras, usar o aprendizado não supervisionado para obtê-los. Um requisito aqui é que você realmente precisa de muitos dados. Muito mais do que você precisaria para hand-crafted recursos, mas, em seguida, novamente ele doesnt tem que ser rotulado. O benefício no entanto é claro. Você realmente não precisa ser um especialista no campo específico que você projetar o sistema para, ou seja, negociação e finanças. Então, enquanto você ainda precisa descobrir qual subconjunto dos recursos aprendidos será melhor para o seu sistema de aprendizagem, isso também é algo que você teria a ver com os recursos feitos à mão. Minha sugestão: Tente projetar algumas características feitas à mão por si mesmo. Se eles não executar e você tem boas razões para acreditar que é possível ter melhores resultados do que aqueles que você está recebendo, use métodos de aprendizagem sem supervisão para aprender recursos. Você pode até criar um sistema híbrido que use recursos projetados e aprendidos juntos. Por que eu uso Open Source ferramentas para a construção de aplicações comerciais 19 de novembro de 2017 Quando eu comecei a olhar para fazer a minha própria negociação automatizada, eu tinha três requisitos sobre o conjunto de ferramentas que eu queria usar. 1) Eles devem custar o mínimo possível para me começar, mesmo que isso significava que eu tinha que fazer um monte de programação e personalizações próprio (que custaria tempo) 2) Deve haver uma comunidade de pessoas afins lá fora Usando essas mesmas ferramentas para uma finalidade similar. 3) As ferramentas devem permitir que eu vá tão profundamente nas entranhas do sistema como necessário, mesmo se no começo meu objetivo era mais para descobrir o básico. Eu não queria me encontrar em uma situação em que dois anos abaixo da linha eu precisaria mudar para um conjunto diferente de ferramentas, só porque os que eu tinha começado com não me permitem fazer o que eu queria por causa de problemas com Fontes fechadas e licenciamento restritivo. Como resultado, eu vim para escolher R como a minha língua de escolha para o desenvolvimento de algoritmos de negociação e eu comecei a usar Interactive Brokers desde que eles fornecem uma API para interface com seu sistema de corretagem. Embora existam muitas ferramentas de negociação agradável que se conectam ao IB Trader Workstation e alguns podem ser usados ​​para negociação automatizada, nenhum deles oferece o mesmo poder, flexibilidade e apoio comunitário que o projeto R tem. Além disso, R tem realmente um incrível repositório de livre e muito adavanced estatística e pacotes de aprendizagem da máquina, algo que é essencial se você quiser criar algoritmos de negociação. Copyright copy Censix 2017 - 2017Como escolher ações para Day Trading Day trading é uma técnica de negociação específica onde um comerciante compra andor ou vende um instrumento financeiro várias vezes ao longo de um dia, para explorar a volatilidade minutos no preço dos ativos. Enquanto os investidores privados podem praticar esta estratégia de investimento. É mais comum um fenômeno institucional, como uma instituição financeira pode altamente alavancar suas transações para aumentar sua lucratividade. Como muitas corretoras permitem a negociação on-line, dia de negociação pode ser realizado a partir de praticamente qualquer lugar, com apenas algumas ferramentas necessárias e recursos. No entanto, dia de negociação é inerentemente uma estratégia de investimento altamente arriscado. Alta Liquidez e Volatilidade Liquidez, nos mercados financeiros. Refere-se à relativa facilidade com que um título é obtido, bem como o grau em que o preço do título é afetado por sua negociação. Estoques que são mais líquidos são mais facilmente negociados dia, além disso, os estoques líquidos tendem a ser mais altamente descontados do que outras ações e são, portanto, mais barato. Além disso, o patrimônio oferecido por empresas com maior capitalização de mercado é muitas vezes mais líquido do que as empresas com menores capitais de mercado, pois é mais fácil encontrar compradores e vendedores para o estoque em questão. Estoques que exibem mais volatilidade se prestam a estratégias de negociação diária, também. Por exemplo, uma ação pode ser volátil se sua empresa emissora experimentar mais variação em seus fluxos de caixa. Embora os mercados antecipem essas mudanças em sua maior parte, quando circunstâncias atenuantes acontecerem, os traders diários podem capitalizar o mispricing dos ativos, como a atual crise do euro. Incertamente no mercado cria uma situação ideal dia de negociação. Índice de Volume de Negociação e Volume de Comércio (TVI) O volume de ações negociadas é uma medida de quantas vezes ele é comprado e vendido em um determinado período de tempo. Este período de tempo é mais comum dentro de um dia de negociação. Mais volume indica interesse em um estoque, se esse interesse é de natureza positiva ou negativa. Muitas vezes, um aumento no volume negociado de um estoque é indicativo de movimento de preços que está prestes a transpirar. Os comerciantes do dia freqüentemente usam o índice do volume do comércio (TVI) para determinar se ou não comprar em um estoque, que mede a quantidade de dinheiro que flui dentro e fora de um recurso. Serviços Financeiros As empresas de serviços financeiros oferecem excelentes ações de negociação diária. Bank of America, por exemplo, é uma das ações mais negociadas por ações negociadas por sessão de negociação. BoA é um candidato principal para o dia de negociação, apesar do sistema bancário ser visto com o cepticismo crescente, como a indústria tem demonstrado atividade especulativa sistêmica, culminando em JP Morgans 2 bilhões derivado gaffe. Além disso, o volume de negócios do Bank of Americas é alto, tornando-o um estoque relativamente líquido. Pelas mesmas razões, Wells Fargo. JP Morgan Amp Chase, Citigroup e Morgan Stanley para fazer ações muito popular dia de negociação. Todos exibem altos volumes de negociação e condições industriais incertas. Mídias sociais A indústria de mídia social também tem sido um alvo atraente para o dia de negociação, recentemente. O influxo maciço de empresas de mídia on-line, como LinkedIn e Facebook, foi seguido por um alto volume de negociação para suas ações. Além disso, o debate enfurece a capacidade dessas empresas de transformar suas extensas bases de usuários em um fluxo de receita sustentável. Enquanto os preços das ações teoricamente representam os fluxos de caixa descontados das empresas emissoras, as avaliações recentes também levam em conta o potencial de ganhos das empresas. Assim, alguns analistas argumentam que isso resultou em avaliações de ações mais altas do que os fundamentos sugerem. De qualquer forma, a mídia social continua a ser um popular dia grupo de negociação de ações. O Bottom Line Day trading, enquanto uma estratégia de investimento altamente arriscado, também é muito comum e altamente lucrativo. Variáveis ​​como a liquidez relativa, a volatilidade, o volume de negócios e as condições industriais variáveis ​​são fatores que contribuem para determinar quais ações são melhores para a negociação diária. O valor de mercado total do dólar de todas as partes em circulação de uma companhia. A capitalização de mercado é calculada pela multiplicação. Frexit curto para quotFrancês exitquot é um spin-off francês do termo Brexit, que surgiu quando o Reino Unido votou. Uma ordem colocada com um corretor que combina as características de ordem de parada com as de uma ordem de limite. Uma ordem de stop-limite será. Uma rodada de financiamento onde os investidores comprar ações de uma empresa com uma avaliação menor do que a avaliação colocada sobre a. Uma teoria econômica da despesa total na economia e seus efeitos no produto e na inflação. A economia keynesiana foi desenvolvida. A detenção de um activo numa carteira. Um investimento de carteira é feito com a expectativa de ganhar um retorno sobre ele. Contrato de futuros - Parte 4: O que é um contrato de futuros Futures Trading Short Course Ao contrário de um estoque, que representa a equidade em uma empresa e pode ser realizada por um longo tempo, se não indefinidamente, contratos de futuros têm vidas finitas. Eles são usados ​​principalmente para cobrir riscos de flutuação de preços de commodities ou para tirar proveito de movimentos de preços, em vez de para a compra ou venda da mercadoria em dinheiro real. A palavra quotcontractquot é usada porque um contrato de futuros exige a entrega da mercadoria num mês indicado no futuro, a menos que o contrato seja liquidado antes de expirar. O comprador do contrato de futuros (a parte com uma posição longa) concorda com um preço de compra fixo para comprar a mercadoria subjacente (trigo, ouro ou T-bills, por exemplo) do vendedor no termo do contrato. O vendedor do contrato de futuros (a parte com uma posição curta) concorda em vender a mercadoria subjacente ao comprador no vencimento ao preço de venda fixo. À medida que o tempo passa, os contratos mudam de preço em relação ao preço fixo em que a negociação foi iniciada. Isso cria lucros ou perdas para o comerciante. Na maioria dos casos, a entrega nunca ocorre. Em vez disso, tanto o comprador quanto o vendedor, agindo independentemente uns dos outros, geralmente liquidam suas posições longas e curtas antes do contrato expirar, o comprador vende futuros e o vendedor compra futuros. Arbitrageurs nos mercados de futuros estão constantemente assistindo a relação entre dinheiro e futuros, a fim de explorar tal mispricing. Se, por exemplo, um arbitrageador percebeu que os futuros de ouro em um determinado mês estavam sobrevalorizados em relação ao mercado de ouro em dinheiro e / ou taxas de juros, ele imediatamente venderia esses contratos sabendo que poderia bloquear um lucro sem risco. Os comerciantes no chão da troca iria notar a atividade de venda pesado e reagir rapidamente empurrando para baixo o preço de futuros, assim trazendo de volta em linha com o mercado à vista. Por essa razão, essas oportunidades são raras e fugazes. A maioria das estratégias de arbitragem são realizadas por comerciantes de grandes empresas de distribuição. Eles monitoram os preços nos mercados de caixa e futuros de quotupstairsquot onde eles têm telas eletrônicas e linhas telefônicas diretas para fazer encomendas no chão de câmbio.