견고한 알고리즘 트레이딩 전략.
알고리즘 거래에 대한 우리의 접근법은 비교적 간단합니다. 우리는 아무도 시장 방향을 100 % 정확도로 예측할 수 없음을 인정합니다. 우리가 알고있는 것은 매월 한 달 단위로 시장이 강력하게 위 아래로 또는 그 사이의 어느 곳에서나 닫힐 것입니다 (옆쪽 시장). 가장 견고한 알고리즘 거래 전략은 각각 특정 시장 조건을 대상으로하는 여러 비 상관 알고리즘을 거래하는 것입니다. 이런 종류의 방법론은 시장 상황이 반대로 실행 가능한 경우에만 가능합니다. 알고리즘은 작은 이득 또는 작은 손실을 갖는다. 따라서 우리의 R & D 노력의 주요 목표는 반대 시장 상황에서 손실을 최소화하는 것입니다. 알고리즘 트레이딩 전략을 검토하면서 알고리즘 트레이딩 전략을 사용하기 전에 발생하는 위험을 고려하십시오. 무역 선물 & amp; 옵션은 손실 위험이 크며 모든 투자자에게 적절하지 않습니다.
우리의 리드 개발자에 의해 제시된이 비디오; AlgorithmicTrading에서 사용 된 설계 방법론에 대해 자세히 설명합니다.
시장 상태 정의.
알고리즘 트레이딩 전략을 수립하기위한 첫 번째 단계는 '강력하게 상승 & 하락', '하락', '하락'을 의미하는 것을 정의하는 것이 었습니다. 또는 & ldquo; sideways & rdquo; 이 분석은 매일, 매주 또는 매월 수행 될 수 있습니다. 월별 데이터를 사용하여 초기 분석을 실행하기로 결정했습니다. 우리의 목표는 S & P 500의 매달 성과를 월간 실적의 균등 한 분배를 기준으로 세 가지 범주로 구분하는 것이 었습니다. 다음 표는 각 카테고리 또는 시장 상태를 정의하는 방법을 보여줍니다. 이 데이터는 매월 1 일에 구입하여 매월 말일에 판매 된 S & amp; P 500의 월간 실적 보고서에서 가져온 것입니다. 2003 년 10 월부터 2016 년 10 월까지 매월
우리의 알고리즘 트레이딩 전략은 각 시장 조건에서 어떻게합니까?
다음 표는 이전 섹션에서 정의한대로 AlgorithmicTrading이 제공하는 각 알고리즘 트레이딩 전략과 세 가지 시장 조건 각각을 비교합니다. 이 표의 목적은 해당 달에 시장이 수행 한 내용을 토대로 각 알고리즘 트레이딩 전략이 어떻게 수행되는지 보여주기위한 것입니다. 표시된 월간 P / L은 각 전략 당 1 단위를 거래하는 30,000 달러 계좌를 기반으로 한 월별 평균 이익을 나타냅니다. 그것은 미끄러짐, 위탁 & amp; Iron Condor 거래에 대한 보호.
CFTC 규칙 4.41 : 결과는 특정 고유 한 제한이있는 가상 또는 가상 성능 결과를 기반으로합니다. 실제 성과 기록에 표시된 결과와 달리 이러한 결과는 실제 거래를 나타내지 않습니다. 또한 이러한 거래가 실제로 실행되지 않았기 때문에 이러한 결과는 유동성 부족과 같은 특정 시장 요인의 영향을 미달하거나 과대 보상 할 수 있습니다. 모의 또는 가상 거래 프로그램은 일반적으로 사후 적 이익을 고려하여 설계되었습니다. 어떤 계정이 표시되는 것과 같이 이익이나 손실을 달성 할 가능성이 있거나 그렇게 할 가능성이 높다는 의견이 제시되지 않았습니다.
커버 콜 및 철 콘도르 알고리즘 트레이딩 전략은 선물 옵션을 거래합니다. 옵션 알고리즘을 백 테스팅하면 수집 된 프리미엄에 대한 알려지지 않은 추정치로 인해 많은 문제가 발생합니다. 시장 변동성 (다른 것들 중에서)에 따라 옵션을 판매 할 때 징수되는 보험료는 크게 다를 수 있습니다. 일반적으로 변동성이 클수록 더 많은 프리미엄을 얻을 수 있습니다. 또한 ES 주간 옵션은 다시 테스트 한 기간 동안 거래 할 수 없었습니다. 고객에게보다 정확한 백 테스트 데이터를 제공하기 위해 Day (Mon-Thu)로 분류 된 프리미엄 추정치를 작성하고 VIX의 다양한 범위에 대한 검색 테이블을 사용했습니다 (자세한 내용은 Iron Condor 제품 페이지 참조). ). 이 견적에는 상당한 제한이 있으며 이러한 견적을 사용하는 해당 보고서는 완벽하지 않은 것으로 간주되어야합니다. 모든 백 테스트에는 한계가 있지만, 백 테스트 된 옵션 알고리즘은 프리미엄 수집 된 추정을 결정할 때 잠재적 인 부정확성으로 인해 더 많은 의견을 가지고 있습니다.
이 데이터를 해석하는 방법?
이 백 테스트 된 데이터는 S & amp; P 500이 해당 달에 수행 한 작업을 기반으로 각 알고리즘의 작동 방식을 캡처합니다.
예를 들어, 2003 년 10 월 ~ 10 월 10 일에 실시 된 모든 백 테스트에서 S & P 500이 해당 월에 마감되면 Treasury Note Strategy는 실제로 월 평균 990 달러 (1 단위당 거래 됨). 이는 S & P 500이 그 달에 종료되는 달 동안 Treasury Note Algorithmic Trading Strategy가 계속 잘 진행되어야 함을 의미합니다. Covered Call 알고리즘과 Break Short Day Trade 알고리즘 또한 훌륭하게 수행됩니다. $ 323 & amp; 매달 280 달러.
S & P 500이 적어도 $ 1,500 (Strong Up)까지 닫히는 달 동안, Iron Condor & amp; 모멘텀 알고리즘은 $ 1,442 & amp; 한 달 평균 1,600 달러 (거래 대수 1 대당).
S & amp; P 500 지수가 높은 수준으로 변동하거나 옆으로 (옆으로) 거래되는 동안 Iron Condor, Covered Calls 및 Treasury Note 알고리즘이 잘 수행되었습니다.
AlgorithmicTrading은이 데이터를 어떻게 사용합니까? 포인트는 무엇입니까?
이 데이터는 시장 상황에 따라 분류 된 특정 기대치가있는 포트폴리오 (거래 전략 모음)를 생성하는 데 사용됩니다. 주어진 달 동안 시장이 더 많이 닫히게 될 것이라는 것을 100 % 확실하게 미리 알고 있다면 좋을 것입니다. 그 데이터가 알려졌다면 우리는 단순히 모멘텀 트레이딩 전략을 실행시키고 다른 모든 전략을 끄도록 할 것입니다. 또는 & ndash; S & P 500을 매월 초에 & amp; 매월 말에 팔아야한다. 안타깝게도 아무도 수정 구슬을 가지고 있지 않으므로 대신 여러 거래 전략을 결합하여 거래시 함께 사용합니다. 모든 시장 조건에서 잘 수행 할 것으로 기대합니다. 이 방법론은 보증을 제공하지 않지만, 우리의 견해로는 확률이 더 낫다. Strong Up, Sideways & amp; amp;를 처리 할 수있는 완벽한 포트폴리오 능력에 대한 확신을 가지고 있기 때문에. 시장을 하향 조정하면서 우리는 무엇을 생각하든 개입없이 완전한 포트폴리오를 운영 할 수 있습니다. 시장이 할 수 있습니다.
실제 알고리즘 트레이딩 전략 사례 연구 : S & amp; P Crusher v2.
이것은 모든 시장 조건에서 잘 수행되도록 설계된 당사의 주력 포트폴리오입니다. 그것은 7 가지의 모든 거래 전략을 거래합니다. 귀하의 계정을보다 다양 화하려는 시도로 이 그래픽에서 알 수 있듯이, 각 거래 전략을 하나의 완전한 거래 포트폴리오로 분류하면 시장이 위, 아래 또는 일부간에 상관없이 잘 작동하도록 설계된 견고한 알고리즘 트레이딩 시스템으로 보입니다.
S & amp; P Crusher v2에 대한 추가 정보보기
CFTC 규칙 4.41 : 결과는 특정 고유 한 제한이있는 가상 또는 가상 성능 결과를 기반으로합니다. 실제 성과 기록에 표시된 결과와 달리 이러한 결과는 실제 거래를 나타내지 않습니다. 또한 이러한 거래가 실제로 실행되지 않았기 때문에 이러한 결과는 유동성 부족과 같은 특정 시장 요인의 영향을 미달하거나 과대 보상 할 수 있습니다. 모의 또는 가상 거래 프로그램은 일반적으로 사후 적 이익을 고려하여 설계되었습니다. 어떤 계정이 표시되는 것과 같이 이익이나 손실을 달성 할 가능성이 있거나 그렇게 할 가능성이 높다는 의견이 제시되지 않았습니다.
통화 및 철 콘도 전략은 선물에 대한 옵션을 거래합니다. 옵션 알고리즘을 백 테스팅하면 수집 된 프리미엄에 대한 알려지지 않은 추정치로 인해 많은 문제가 발생합니다. 시장 변동성 (다른 것들 중에서)에 따라 옵션을 판매 할 때 징수되는 보험료는 크게 다를 수 있습니다. 일반적으로 변동성이 클수록 더 많은 프리미엄을 얻을 수 있습니다. 또한 ES 주간 옵션은 다시 테스트 한 기간 동안 거래 할 수 없었습니다. 고객에게보다 정확한 백 테스트 데이터를 제공하기 위해 Day (Mon-Thu)로 분류 된 프리미엄 추정치를 작성하고 VIX의 다양한 범위에 대한 검색 테이블을 사용했습니다 (자세한 내용은 Iron Condor 제품 페이지 참조). ). 이 견적에는 상당한 제한이 있으며 이러한 견적을 사용하는 해당 보고서는 완벽하지 않은 것으로 간주되어야합니다. 모든 백 테스트에는 한계가 있지만, 백 테스트 된 옵션 알고리즘은 프리미엄 수집 된 추정을 결정할 때 잠재적 인 부정확성으로 인해 더 많은 의견을 가지고 있습니다.
이 거래 전략은 완벽합니까?
AlgorithmicTrading은 거래의 성배가 존재하지 않으며 완벽한 거래 전략이 없다고 생각합니다. 모든 전략에는 결함이 있으며 누군가 수정 구슬을 디자인 할 때까지 & ndash; 스트레스 & amp; 거래와 관련된 감정. 그렇게 말하면서, 이런 종류의 거래 방법론은 우리의 경험입니다. 실제 양적 분석 (말장난이나 큰 거래실이 아닌)에 기초를두고 활동적인 거래에 있어서는 정서적으로 안도감을 느낍니다.
모든 상인이 알다시피, 거래는 매우 어렵고 감정은 우리 모두에게 비합리적 인 일을하게 할 수 있습니다. 우리의 경험은 가장 스트레스가 많은 거래 중 일부는 잘하는 거래라는 것입니다. 이익을 잠그고 자하는 인간의 본성; 그러나 상인은 모두 너무 일찍 벗어나고 시장이 더 높은 상태로 계속 지켜 보는 것에 익숙합니다. 그들은 다시 시장으로 돌아 가기 위해 더 많은 이익을 얻고 싶습니다. 그들은 패자를 너무 오랫동안 붙잡고 결국 자신의 정류장을 움직여 예상보다 큰 손실을 입게됩니다. 이 프로세스는 반복되고 많은 날 거래가 실패하는 한 가지 이유입니다.
우리의 방법론이 완벽하지는 않지만 & ndash; 우리는 거래를 잃고 몇 달을 잃고 때로는 분기를 잃어 버리는 경우 여러 전략을 거래하는 것이 거래 감정의 한 측면, 즉 시장 방향을 얻는 것에 대한 두려움에 도움이됩니다. 잘못된. 이 데이터는 우리의 거래 방법론으로도 시장이 더 높아질 수 있고 최고의 실적을 거두는 시장을 보여줍니다. 우리가 가지고있는 무역 전략 (Momentum Trading Strategy)은 여전히 손실을 입을 수 있습니다. 그러나 이것이 표준이되어서는 안되며 따라서 시장이 어느 방향으로 나아갈 지 결정할 때 (희망을 갖고) 수행 할 수있는 균형 잡힌 전략을 가지고 있음을 알면 조금 쉬울 수 있습니다.
반복적으로 언급했듯이 선물 및 옵션 거래는 모든 사람에게 적합한 것은 아닙니다. 위험 자본으로만 거래해야합니다. 의심스러운 경우 등록 된 CTA 또는 투자 고문과 알고리즘 거래 전략에 대해상의하십시오. 제 3 자 거래 시스템 개발자로서 우리는 NFA에 상품 거래 자문사 (등록 면제)를 신청하지 않았으며 귀하의 개인적인 상황에 대한 투자 조언을 제공 할 수 없습니다.
알고리즘 트레이딩의 기초 : 개념과 예제.
알고리즘은 작업 또는 프로세스를 수행하기 위해 명확하게 정의 된 지침 집합입니다.
알고리즘 트레이딩 (자동 트레이딩, 블랙 박스 트레이딩, 또는 단순한 알 고 트레이딩)은 a 컴퓨터가 불가능한 속도와 빈도로 이익을 창출하기 위해 거래를하기 위해 정의 된 명령어 세트를 따르도록 프로그래밍 된 컴퓨터를 사용하는 프로세스입니다. 인간 상인. 정의 된 규칙 집합은 타이밍, 가격, 수량 또는 모든 수학적 모델을 기반으로합니다. 상인에 대한 이익 기회와는 별도로, 알 고향 거래는 시장을보다 유동적으로 만들고 무역 활동에 대한 정서적 인적 영향을 배제함으로써보다 체계적인 거래를 만듭니다. (자세한 내용은 올바른 알고리즘 트레이딩 소프트웨어 선택을 확인하십시오.)
거래자가 다음과 같은 간단한 거래 기준을 따랐다 고 가정 해보십시오.
50 일 이동 평균이 200 일 이동 평균보다 커지면 50주의 주식을 매수하십시오. 50 일 이동 평균이 200 일 이동 평균보다 낮아지면 주가는 주식의 주식을 매도합니다.
이 두 가지 간단한 지침을 사용하면 정의 된 조건이 충족 될 때 주가 및 이동 평균 지표를 자동으로 모니터링하고 구매 및 판매 주문을하는 컴퓨터 프로그램을 작성하기 쉽습니다. 상인은 더 이상 실시간 가격 및 그래프를 감시하거나 수동으로 주문할 필요가 없습니다. 알고리즘 거래 시스템은 거래 기회를 정확하게 식별함으로써 자동으로 거래를 수행합니다. 이동 평균에 대한 자세한 내용은 단순 이동 평균을 참조하십시오.
[입증 된 전략과 궁극적으로 알 고리즘 트레이딩 시스템으로 작업 할 수있는 포인트 전략에 대해 자세히 알아 보려면 Investopedia Academy의 Become a Day Trader 코스를 확인하십시오. ]
알고리즘 트레이딩의 이점.
Algo-trading은 다음과 같은 이점을 제공합니다.
가능한 최상의 가격으로 실행되는 거래 신속하고 정확한 거래 주문 배치 (따라서 원하는 수준의 실행 가능성 높음) 중요한 가격 변동을 피하기 위해 정확하고 즉각적인 거래 시간 단축 트랜잭션 비용 절감 (아래의 구현 부족 예 참조) 여러 항목에 대한 동시 자동 점검 시장 조건 거래 배치시 수동 오류 위험 감소 사용 가능한 과거 및 실시간 데이터를 기반으로 알고리즘 백 테 스트 정서적 및 심리적 요인에 기반한 인적 자원 거래자의 실수 가능성 감소.
현재의 고액 거래의 가장 큰 부분은 고주파 거래 (high frequency trading, HFT)입니다. 이 프로그램은 미리 프로그래밍 된 지침에 따라 여러 시장 및 여러 결정 매개 변수에 걸쳐 매우 빠른 속도로 대량 주문을 활용하려고 시도합니다. (고주파 거래에 대한 자세한 내용은 고주파 거래 (HFT) 회사의 전략과 비밀을 참조하십시오.)
Algo-trading은 다음과 같은 다양한 거래 및 투자 활동에 사용됩니다.
주식을 대량 구매하지만 불특정 다수의 투자로 주식 가격에 영향을 미치고 싶지 않은 중장기 투자자 또는 매수 측 회사 (연기금, 뮤추얼 펀드, 보험 회사). 단기 거래자 및 매도자 측 참가자 (시장 형성 자, 투기자 및 중개인)는 자동 거래 실행의 혜택을받습니다. 또한, algo-trading은 시장에있는 판매자에게 충분한 유동성을 창출하는 데 도움을줍니다. 체계적인 거래자 (추종자, 쌍 거래자, 헤지 펀드 등)는 거래 규칙을 프로그래밍하고 프로그램이 자동으로 거래되도록하는 것이 훨씬 더 효율적이라는 것을 알게됩니다.
알고리즘 거래는 인간 상인의 직감이나 본능에 기반한 방법보다 적극적인 거래에 대한 체계적인 접근 방식을 제공합니다.
알고리즘 트레이딩 전략.
알고리즘 거래를위한 모든 전략에는 향상된 수익 또는 비용 절감 측면에서 수익성이 확인 된 기회가 필요합니다. 다음은 algo-trading에서 사용되는 일반적인 거래 전략입니다.
가장 일반적인 알고리즘 트레이딩 전략은 이동 평균, 채널 이탈, 가격 수준 이동 및 관련 기술 지표의 추세를 따릅니다. 이러한 전략은 예측이나 가격 예측을하지 않기 때문에 알고리즘 거래를 통해 구현하는 가장 쉽고 간단한 전략입니다. 거래는 바람직한 추세의 발생을 기반으로 시작되며, 이는 예측 분석의 복잡성에 빠지지 않고 알고리즘을 통해 구현하기 쉽고 간단합니다. 위에서 언급 한 50 일과 200 일 이동 평균의 예는 인기있는 추세 전략입니다. (추세 거래 전략에 대한 자세한 내용은 추세를 활용하는 간단한 전략을 참조하십시오.)
한 시장에서 더 낮은 가격에 이중 상장 주식을 매수하고 다른 시장에서 더 높은 가격으로 동시에 매각하는 것은 가격 차이를 무위험 수익 또는 차익 거래로 제공합니다. 가격 차이가 수시로 존재하기 때문에 동일한 작업이 주식 대 선물 상품에 대해 복제 될 수 있습니다. 이러한 가격 차이를 식별하고 주문을하는 알고리즘을 구현하면 효율적인 방식으로 수익성있는 기회를 얻을 수 있습니다.
인덱스 펀드는 보유 자산을 각각의 벤치 마크 지수와 동등하게 유지하기 위해 재조정 기간을 정했습니다. 이는 인덱스 펀드 재조정 직전에 인덱스 펀드의 주식 수에 따라 20-80의 베이시스 포인트 이익을 제공하는 예상 거래를 활용하는 알고리즘 트레이더에게 수익성있는 기회를 창출합니다. 이러한 거래는 적시 실행 및 최적의 가격을 위해 알고리즘 거래 시스템을 통해 시작됩니다.
델타 중립적 인 거래 전략과 같이 입증 된 많은 수학 모델은 포트폴리오 델타가 0으로 유지되도록 양수 및 음수 델타를 상쇄하기 위해 거래가 이루어지는 옵션과 기본 보안의 조합에 대한 거래를 허용합니다.
평균 회귀 전략은 자산의 고가와 저가가 주기적으로 평균값으로 되돌아가는 일시적인 현상이라는 생각에 기반합니다. 가격 범위를 식별하고 정의하고이를 기반으로 알고리즘을 구현하면 자산 가격이 정의 된 범위를 벗어날 때 거래가 자동으로 배치됩니다.
볼륨 가중 평균 가격 전략은 대량의 주문을 분해하고 주식 관련 과거 볼륨 프로파일을 사용하여 동적으로 결정된 작은 주문 청량을 출시합니다. 목표는 VWAP (Volume Weighted Average Price)에 가까운 주문을 실행하여 평균 가격으로 이익을 얻는 것입니다.
시간 가중 평균 가격 전략은 대량 주문을 해체하고 시작 시간과 종료 시간 사이의 균등하게 나뉘어 진 시간 슬롯을 사용하여 동적으로 결정된 작은 주문 청량을 출시합니다. 목표는 시작 및 종료 시간 사이의 평균 가격에 가까운 주문을 실행하여 시장 영향을 최소화하는 것입니다.
거래 주문이 완전히 채워질 때까지이 알고리즘은 정의 된 참여율과 시장에서 거래되는 거래량에 따라 부분 주문을 계속 전송합니다. 관련 "단계 전략"은 사용자 정의 시장 볼륨 비율로 주문을 보내고 주가가 사용자 정의 수준에 도달하면이 참여율을 높이거나 낮 춥니 다.
구현 부족 전략은 실시간 시장을 거래함으로써 주문의 실행 비용을 최소화함으로써 주문 비용을 절감하고 지연된 실행의 기회 비용으로부터 이익을 얻는 것을 목표로합니다. 이 전략은 주식 가격이 호의적으로 움직일 때 목표로하는 참여율을 높이고, 주가가 반대로 움직이면 목표 참여율을 낮출 것입니다.
다른 측면에서 "사건"을 식별하려고 시도하는 몇 가지 특별한 클래스의 알고리즘이 있습니다. 예를 들어, 판매 측 시장에서 사용되는 이러한 "스니핑 알고리즘"은 대규모 주문의 구매 측면에서 알고리즘의 존재를 식별 할 수있는 내장 인텔리전스를 갖추고 있습니다. 이러한 알고리즘을 통한 탐지는 시장에서 대량 주문 기회를 파악하고 더 높은 가격으로 주문을 작성함으로써 이익을 얻을 수있게 해줍니다. 이것은 때로는 하이테크 전방 주행으로 확인됩니다. (고주파 거래 및 사기 행위에 대한 자세한 내용은 다음을 참조하십시오 : 주식을 온라인으로 구입할 경우 HFT에 관여 함)
알고리즘 거래에 대한 기술적 요구 사항.
컴퓨터 프로그램을 사용하여 알고리즘을 구현하는 것이 마지막 부분으로, 백 테스트가 있습니다. 문제는 식별 된 전략을 주문 거래 계정에 액세스 할 수있는 통합 된 전산 프로세스로 변환하는 것입니다. 다음이 필요합니다.
필요한 거래 전략, 고용 된 프로그래머 또는 미리 만들어진 거래 소프트웨어를 프로그래밍하기위한 컴퓨터 프로그래밍 지식 주문을하기위한 네트워크 연결 및 거래 플랫폼에 대한 액세스 주문을 할 수있는 기회를 알고리즘이 모니터 할 시장 데이터 피드에 액세스 능력 및 인프라 실제 시장에 출시되기 전에 빌드 된 시스템을 백 테스팅하기 알고리즘에서 구현 된 규칙의 복잡성에 따라 백 테스트를위한 사용 가능한 과거 데이터.
다음은 포괄적 인 예입니다 : Royal Dutch Shell (RDS)은 암스테르담 증권 거래소 (AEX)와 런던 증권 거래소 (LSE)에 상장되어 있습니다. 차익 거래 기회를 식별하는 알고리즘을 구축해 보겠습니다. 흥미로운 관찰은 거의 없습니다.
AEX는 유로화로 거래되며, LSE는 스털링 파운드로 거래됩니다. AEX는 1 시간의 시간차로 인해 LSE보다 1 시간 빠르며, 다음 두 시간 동안 동시에 거래가 이루어지며 AEX가 마감되면서 지난 1 시간 동안 LSE에서만 거래됩니다 .
이 두 시장에 상장 된 Royal Dutch Shell 주식에 대해 서로 다른 통화로 차익 거래를 할 수 있는지 알아볼 수 있습니까?
현재 시장 가격을 읽을 수있는 컴퓨터 프로그램 LSE 및 AEX의 가격 피드 GBP-EUR 환율에 대한 외환 환율 피드 주문을 올바른 교환으로 전달할 수있는 주문 배치 기능 과거 가격 피드에 대한 백 테스트 기능.
컴퓨터 프로그램은 다음을 수행해야합니다.
두 거래소의 RDS 주식의 수신 가격 피드를 읽습니다. 사용 가능한 환율을 사용하여 한 통화의 가격을 다른 통화로 변환합니다. 수익성있는 기회로 이어지는 충분히 큰 가격 불일치 (중개 비용을 할인)가 존재하는 경우, 낮은 가격의 거래소에서 주문하고 높은 가격의 거래소에서 주문을 판매합니다. 원하는대로 주문을 실행하면 차익 거래 이익이 발생합니다.
간단하고 쉬운! 그러나 알고리즘 트레이딩의 실행은 유지 관리 및 실행이 간단하지 않습니다. 알 고가 생성 한 거래를 배치 할 수 있다면 다른 마켓 참여자도 마찬가지입니다. 따라서 가격은 밀리 초 및 심지어 마이크로 초 단위로 변동합니다. 위의 예에서 구매 주문 거래가 실행되면 어떻게되지만 주문이 시장에 출시 될 때까지 판매 가격이 변경되지 않습니다. 당신은 개방적인 자세로 앉아 결국 귀하의 차용액 전략을 쓸모 없게 만들 것입니다.
시스템 장애 위험, 네트워크 연결 오류, 거래 주문과 실행 간의 시간 지연, 그리고 무엇보다 불완전한 알고리즘과 같은 추가 위험과 과제가 있습니다. 알고리즘이 복잡할수록 더 엄격한 백 테스팅이 필요합니다.
결론.
알고리즘의 성능을 정량적으로 분석하는 것은 중요한 역할을하므로 비판적으로 검사해야합니다. 돈을 쉽게 벌기위한 개념을 가진 컴퓨터의 도움을 받아 자동화하는 것은 흥미로운 일입니다. 그러나 시스템을 철저히 테스트하고 필요한 한계를 설정해야합니다. 분석적 거래자는 올바른 전략을 확실하게 구현하는 데 자신감을 갖기 위해 스스로 프로그래밍 및 시스템을 학습하는 것을 고려해야합니다. 신중한 사용과 철저한 거래로 수익성 높은 기회를 창출 할 수 있습니다. (자세한 내용은 자신의 Algo 거래 로봇을 코딩하는 방법을 참조하십시오.)
일반적인 거래 알고리즘 유형.
이것은 오늘날 거래되는 양적 금융 알고리즘의 일반적인 유형에 대한 간략한 개요입니다. 물론 이것은 단지 개요 일 뿐이며 포괄적 인 것은 아닙니다! 내가 다루어야하는 다른 유형이 있다고 생각한다면 알려주세요.
평균 회귀 투자자는 주식 가격이 시간이 지남에 따라 장기 평균 가격으로 되돌아 갈 것으로 가정합니다. 그들은 통계적 유의성의 거래 범위를 결정하기 위해 주가 분석을 사용합니다. 주식이 이동 평균보다 상당히 높게 거래되고 있다면, 그들은 그것을 짧게 할 것입니다. 다른 한편으로, 주식이 이동 평균보다 크게 추세라면, 그들은 그것을 살 것입니다. 예제 전략 참조 Valuation - 할인 된 쇼핑.
투자자들은 시간에 의존하는 전략을 수립합니다. 9 월은 대개 더 낮은 수익률을 보이는 반면, 연말 및 여름철에는 시장의 수익률이 좋은 경향이 있음이 잘 알려져 있습니다. 자본 손실을 피하기 위해 일부 투자자는 세금 감면의 혜택을 받기 위해 12 월 말에 자신의 지위를 손실로 팔기로 결정합니다. 1 월에는 투자자들이 승리하고 소형주와 가치주를 구매하여 가격을 상승시킵니다. 주가는 휴일과 분기 마감과 다르게 변화합니다. 간단한 전략은 10 월 - 4 월에 주식 (SPY)을 매입하고 5 월에서 9 월 사이에 채권 (BSV)을 매입 및 보유하는 것입니다. 사례 전략보기 Sentiment - 소문을 사고 뉴스를 판매하십시오.
감정 분석 거래는 군중 심리학에서 나옵니다. 투자자들은 최근 소식을 듣고 주식을 구입하면 군중의 반응을 예언합니다. 그들은 단기적인 가격 변화를 포착하고 빠른 이익을 얻습니다. 투자자는 Google 검색 트렌드, 미디어 아울렛, 블로그 / 포럼 및 트위터 게시물을 비롯한 출처를 모니터링 할 수 있습니다. 예제 전략 기본 투자를 참조하십시오.
이것은 econonmic 지표, 산업 및 부문 비교, 회사 재무 제표 분석과 같은 매크로 수준 요소를 검토하여 주식의 진정한 본질 가치를 평가하는 방법입니다. 실제 데이터에서 파생 된 계산은 주식의 실제 가격을 모델링 한 다음 주식의 시장 가격과 비교하여 구매 또는 판매 결정을 내립니다. 기본적인 분석을위한 데이터 포인트의 예로는 기업 수익, 수익, 미래 성장, 형평성 및 이익 마진이 있습니다. 기술 투자.
이 방법은 과거 실적이 미래 결과를 나타내는 것이라고 판단하여 주가의 변동 및 볼륨에 대한 과거 시장 활동을 조사합니다. 투자자는 차트, 통계 및 기타 도구를 사용하여 데이터의 패턴을 발견하여 향후 가격 변동을 예측합니다. 이 투자 스타일은 주식의 가치에 대한 가치를 분석하는 것이 아니라 증권의 향후 움직임을 분석하는 것입니다. Quantopian 코드에 기술 분석을 추가하려면 ta-lib 오픈 소스 라이브러리를 참조하십시오.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다.
또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 여기에 제시된 자료와 관련된 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부에 대해 Quantopian과 관련없는 재정 고문 또는 다른 신탁에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
코멘트는 닫힙니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다.
또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 여기에 제시된 자료와 관련된 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부에 대해 Quantopian과 관련없는 재정 고문 또는 다른 신탁에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 다음과 같은 방법으로 투자 자문이나 기타 서비스를 제공하는 제안을 구성하지 않습니다. 콴토 피안. 또한 웹 사이트의 내용은 보안 또는 특정 투자의 적합성과 관련하여 어떠한 의견도 제시하지 않습니다.
콴토 피안은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. 투자 결정을 내리기 전에 투자 전문가와상의해야합니다.
알고리즘 트레이딩 전략, 패러다임 및 모델링 아이디어.
한 번 현명한 사람이 '외모는 속일 수있다'고 말했다. 문구는 알고리즘 트레이딩 전략에 적용됩니다. 알고리즘 트레이딩 전략이라는 용어는 매우 복잡하거나 너무 복잡하게 들릴 수 있습니다. 그러나 기본 개념이 명확 해지면 이해하기가 쉽습니다. 이 기사에서는 알고리즘 트레이딩 전략에 대해 몇 가지 흥미로운 예를 들어 설명하겠습니다.
외부에서 보면 알고리즘은 일련의 지시 또는 규칙 일뿐입니다. 이러한 일련의 규칙은 인적 개입없이 주문 실행을 자동화하기 위해 증권 거래소에서 사용됩니다. 이 개념을 알고리즘 거래 (Algorithmic Trading)라고합니다.
아주 간단한 거래 전략부터 시작하겠습니다. 이미 거래중인 사람들은 S. M.A와 그렇지 않은 사람들을 알게 될 것입니다. S. M.A는 단순 이동 평균입니다. S. M.A는 사전 정의되고 고정 된 일 수를 사용하여 계산할 수 있습니다. S. M.A에 기반한 알고리즘 트레이딩 전략은 다음 네 가지 간단한 단계로 단순화 할 수 있습니다.
5 일 SMA를 계산하십시오. 20 일 SMA를 계산하십시오. 5 일 SMA가 20 일 SMA보다 크거나 같을 때 긴 위치를 차지하십시오. 5 일 SMA가 20 일 SMA보다 작은 경우 짧은 위치를 차지하십시오.
이 알고리즘 트레이딩 전략을 이동 평균 크로스 오버 전략이라고합니다. 이것은 단순한 예일뿐입니다. 이제 모든 것이 장미의 침대가 될 것이라고 생각하지 마십시오. 그것이 있었 더라면 가시에 대비해야합니다. 매일의 거래에서 훨씬 복잡한 거래 알고리즘이 알고리즘 거래 전략을 생성하는 데 사용됩니다.
오늘날 사용되는 모든 알고리즘 트레이딩 전략은 크게 다음 범주로 분류 할 수 있습니다.
재향 군인 통계적 차익 거래 시장 추세에 따른 모멘텀 / 추세.
좀 자세히 설명하겠습니다.
모멘텀 기반 전략.
시장에서 특정 트렌드가 있다고 가정합니다. 알 고어 상인으로서, 당신은 그 추세를 따르고 있습니다. 우리의 가정에 더하여, 시장은 일주일 이내에 빠지게됩니다. 이제 통계를 사용하여 이러한 추세가 계속 될 것인지 판단 할 수 있습니다. 또는 앞으로 몇 주 내에 변경 될 경우. 따라서 다음 단계로 나아갈 것입니다. 알고리즘 거래 전략을 통계를 사용하여 결정한 시장 동향에 기반을 두었습니다.
추세를 따르는이 방법을 모멘텀 기반 전략이라고합니다.
이 알고리즘 트레이딩 전략을 구현하는 데는 여러 가지 방법이 있으며, 이전 기사에서 "자동화 트레이딩을위한 뉴스를 수량화하는 방법론"
제약 회사가 다른 회사에서 인수한다고 가정하면 우리 회사의 주가가 올라갈 수 있습니다. 이는 기업 이벤트 인 인수로 인해 발생합니다. 기업 이벤트 (이전 또는 이후) 중에 발생할 수있는 가격 비효율을 기반으로 투자를 계획하는 경우 이벤트 중심 전략을 사용하고 있습니다. 파산, 인수, 합병, 분사 등은 이러한 종류의 투자 전략을 유도하는 사건 일 수 있습니다.
이러한 전략은 시장 중립적 일 수 있으며 헤지 펀드 및 독점 상인에 의해 널리 사용됩니다.
통계적 차익 거래.
차익 거래 기회가 가격 오보 (misquoting)로 인해 발생하면 거래 전략을 수립하는 것이 매우 유리할 수 있습니다. 그러한 기회는 시장의 가격이 빨리 조정되기 때문에 매우 짧은 기간 동안 존재합니다. 이것이 자동화 된 기계가 그러한 변화를 즉시 추적 할 수 있기 때문에 이것이 알고리즘 트레이딩 전략을 사용하는 최선의 이유입니다.
예를 들어, 애플의 가격이 1 달러 미만으로 떨어지면 마이크로 소프트는 0.5 달러 하락할 것이지만 마이크로 소프트는 타락하지 않으므로 마이크로 소프트에게 가서 이익을 내기 위해 마이크로 소프트를 팔아야한다. 사람들은 통계적 차익 거래에 대한 일반적인 오해에 대해 읽을 수 있습니다.
시장 만들기.
마켓 제작을 이해하려면 마켓 메이커에 대해 먼저 이야기하겠습니다.
Wikipedia에 따르면 :
시장 제작자 또는 유동성 공급자는 재고로 보유하고있는 금융 상품이나 상품의 구매 가격과 판매 가격을 모두 인용하거나 입찰 제안 스프레드에서 수익을 내고자 할 것을 기대하는 회사 또는 개인입니다.
시장 형성은 증권 거래소에서 자주 거래되지 않는 유가 증권에 유동성을 제공합니다. 시장 제조사는 증권의 수요 공급 방정식을 향상시킬 수 있습니다. 내가 한 가지 예를 들어 보겠다.
Rs를 사 주시는 마켓 (market maker)이 있다고 가정 해 봅시다. 500 달러를 시장에서 팔아 505 달러에 팔아라. 그는 Rs에 대한 입찰 견적을 줄 것이다. 505-500. 루피의 이익. 5 가치있는 실질적인 손실없이 현금으로 판매하거나 교환 할 수 없습니다. 마틴이 더 높은 위험을 감수하면 이익도 높아집니다.
나는 Indian Bull Market에서 마이클 루이스 (Michael Lewis)의 저서 인 '플래시 보이즈 (Flash Boys)'를 매우 흥미롭게 발견했으며 유동성, 시장 창출 및 HFT에 대해 매우 자세히 이야기합니다. 이 기사를 읽은 후에 그것을 확인하십시오.
분석적이고 & amp; 알고리즘 트레이딩에 들어가거나 업그레이드 할 때 양적으로 프로그래밍을 배우고 (일부는 아닐지라도) 프로그래밍을 배우고 올바른 알고리즘 트레이딩 전략을 실행하는 것이 절대적으로 필요합니다. 대화 형 중개인이있는 자동 거래에 관한이 기사를 Python을 사용하여 읽으면 매우 유용합니다. 여기에서 기사를 읽을 수 있습니다.
패러다임 & amp; 아이디어 모델링.
이제 알고리즘 트레이딩 전략을 소개 했으므로 각 전략과 관련된 전략 패러다임과 모델링 아이디어에 대해 조명 해 보겠습니다.
시장 통계적 차별화 모멘텀 기계 기반 학습
시장 만들기.
앞에서 언급했듯이 시장 창출의 주요 목적은 증권 거래소에서 거래되지 않는 유가 증권에 유동성을 주입하는 것입니다. 유동성을 측정하기 위해 입찰가 스프레드와 거래량을 고려합니다.
거래 알고리즘은 입찰가 스프레드에서 이익을 얻는 경향이 있습니다. 이 절에서 우리 친구 인 마틴을 다시 언급 할 것입니다. Martin은 시장 매매자로, 매수 제안을 통해 이익을 얻고 자하는 금융 상품에 대해 매수와 매도를 동시에 할 수있는 유동성 공급자입니다. 마틴은 그가 가격을 인용 한 유가 증권을 보유 할 위험을 감수하며 주문이 접수되면 즉시 자신의 재고에서 팔 수 있습니다. 그는 몇 초 안에 상쇄 제안을 할 수도 있고 그 반대 일 수도 있습니다.
유동성이없는 유가 증권의 경우, 스프레드가 일반적으로 높아지고 이익도 마찬가지입니다. 이 경우 마틴은 더 높은 위험을 감수 할 것입니다. 시장의 여러 세그먼트는 특정 시점에서 여러 중소형주 주식의 출구를 얻을 수 없기 때문에 유동성 부족으로 인해 투자자의 관심이 부족합니다.
마틴 (Martin)과 같은 마켓 메이커 (Market Maker)는 언제나 그들이 제시 한 가격으로 사고 파는 준비가되어 있으므로 도움이됩니다. 사실, 고주파 거래 (HFT)의 대부분은 수동적 시장 만들기입니다. 전략은 시장의 양측에 (종종 동시에) 서로 경쟁하여 필요한 사람들에게 유동성을 제공합니다.
그렇다면이 전략이 가장 수익성이 높은 것은 언제입니까?
이 전략은 모델이 미래 가격 변동을 정확히 예측하는 한 수익성이 있습니다.
이 패러다임을 기반으로 아이디어를 모델링합니다.
유동성 공급자가 지불 한 유동성 비용 곡선을 얻기 위해 입찰가 스프레드와 거래량을 함께 모델링 할 수 있습니다. 유동성 채권자가 최상의 입찰가로 주문을 실행하고 묻는다면, 수수료는 매도 호가를 곱한 금액과 동일 할 것입니다. 거래가가 최상의 입찰가를 넘어서서 더 많은 거래량을 요구할 때 수수료는 거래량의 함수가됩니다.
유동성 인수자의 실행 전략에 따라 거래량을 모델링하기가 어렵습니다. 목표는 가격 변동성에 부합하는 거래량 모델을 찾는 것입니다. 시장을 만드는 모델은 일반적으로 두 가지 중 하나를 기반으로합니다.
첫 번째는 재고 위험에 초점을 맞 춥니 다. 이 모델은 위험 선호도에 따라 선호하는 재고 위치 및 가격을 기준으로합니다. 두 번째는 정보에 입각 한 거래와 소음 거래를 구별하는 불리한 선택을 기반으로합니다. 소음 거래는 정보통 거래가하는 반면 시장에 대한 어떠한 시각도 갖고 있지 않습니다. 유동성 공급자의 견해가 단기적 일 때, 그 목적은 통계적 우위를 활용하여 단기 이익을 창출하는 것입니다. 장기적인 관점에서 볼 때, 목적은 거래 비용을 최소화하는 것입니다. 장기 전략과 유동성 제약은 단기 실행 전략을 둘러싼 소음으로 모델링 할 수 있습니다.
마켓 메이커에 대해 더 알고 싶다면 QuantInsti의 블로그에서이 흥미로운 기사를 확인하십시오.
통계적 차익 거래.
시장 창출이 입찰가 스프레드를 사용하는 전략 인 경우 통계적 차선 거래자는 이러한 자산의 예상 가치를 기준으로 한 가지 이상의 자산에 대한 통계적 오류로 이익을 얻고 자합니다.
통계적 재정 거래를 설명하는 좀 더 학술적인 방법은 대량의 법칙으로부터 이익을 얻으려는 기대감으로 매우 짧은 유지 시간에 수천 번에서 수백 번의 거래로 위험을 분산시키는 것입니다. Statistical Arbitrage Algorrage 알고리즘은 평균 회귀 가설을 기반으로합니다.
쌍 거래는 통계적 차익 거래 전략으로 통칭되는 여러 전략 중 하나입니다. 쌍 무역 전략에서 가격의 역사적 동조를 나타내는 주식은 근본적 또는 시장 기반 유사성을 사용하여 짝을 이룬다. 이 전략은 시장의 상대 가격이 평형에 있다는 개념과이 평형으로부터의 편차가 결국 수정 될 것이라는 견해를 바탕으로합니다.
하나의 주식이 다른 주식보다 우월 할 때, 단기 성과는 컨버전스에서 끝날 것이라는 예상과 함께, 초과 수익률은 단기 매도하고 다른 주식은 오랫동안 매입됩니다. 이것은 종종 불리한 시장 움직임으로 인해 시장 위험을 헤지하는데, 즉 전략 베타를 중립으로 만든다. 그러나 포지션의 전체 시장 위험은 각 주식에 투자 된 자본의 양과 그러한 위험에 대한 주식의 민감성에 달려 있습니다.
모멘텀 전략은 시장 동향을 이용하여 기존 추세가 지속됨에 따라 이익을 추구합니다.
"간단히 말하면, 높은 것을 사서 더 많이 팔고 그 반대도 마찬가지입니다."
그리고 어떻게 이것을 성취합니까?
이 특별한 알 고 - 트레이딩 전략에서 우리는 반전의 징후가 나타날 때까지 위 또는 아래로가는 주식에서 단기 포지션을 취할 것입니다. 거의 모든 다른 잘 알려진 전략에 반 직관적입니다. 가치 투자는 일반적으로 평균 반전이 발생하기 전에 장기간 반전에 기반한 반면, 모멘텀 투자는 평균 반전이 발생하기 전의 시간 간격을 기반으로합니다.
모멘텀은 성능을 추구하지만 정서적 인 결정을 내리는 다른 성능 체이서를 체계적으로 활용합니다. 역사적으로 효과가 입증 된 전략에는 일반적으로 두 가지 설명이 있습니다. 전략은 추가 위험에 대해 보상되거나 보험료가 존재하는 행동 요인이 있습니다.
기세가 작동하기 때문에 투자자가 보여주는 행동상의 편향과 정서적 실수의 긴 목록이 있습니다. 그러나 트렌드가 영원히 지속되지 않고 끝나고 끝날 때 신속한 반전을 나타낼 수 있기 때문에 이렇게하는 것이 쉽지 않습니다. 모멘텀 트레이딩은 다른 대부분의 전략보다 높은 변동성을 보이며 시장의 변동성을 이용하려고합니다. 적절한 위험 관리 기법을 사용하고 손실을 막음으로써 손실을 피하기 위해 구매를 시간을 정하는 것이 중요합니다. 모멘텀 투자는 이러한 심각한 충돌을 방지하기 위해 적절한 모니터링과 적절한 다각화가 필요합니다.
첫째, 가격 모멘텀이나 추세를 감지하는 방법을 알아야합니다. 당신이 이미 거래를하고 있기 때문에 며칠, 몇 주 또는 몇 달 연속으로 계속 올라간 주식 및 ETF를 통해 추세가 감지 될 수 있음을 알고 있습니다. 예를 들어 52 주 최고치의 10 % 이내에서 주식 거래를 확인하거나 최근 12 주 또는 24 주간의 주가 변동률을 살펴보십시오. 마찬가지로 짧은 경향을 파악하기 위해 단기적인 가격 변화를 포함 시키십시오.
2008 년 다시 석유와 에너지 부문이 붕괴되는 동안 계속해서 최고 부문 중 하나로 선정되었습니다. 주식 가격 변동을 이해하기 위해 수입을 볼 수도 있습니다. 과거 수익률 ( "가격 모멘텀 전략") 또는 어닝 서프라이즈 ( "이익 모멘텀 전략")에 기반한 전략은 다양한 정보에 대한 시장 과소 반응을 이용합니다. 이익 모멘텀 전략은 단기 수익과 관련된 정보에 대한 과소 반응으로 이익을 얻을 수 있습니다. 마찬가지로, 가격 모멘텀 전략은 장기적인 수익성을 포함하여 더 광범위한 일련의 정보에 대한 시장의 느린 응답으로부터 이익을 얻을 수 있습니다.
기계 학습 기반.
기계 학습 기반 거래에서 알고리즘은 특정 신뢰 구간에서 매우 단기간의 가격 변동 범위를 예측하는 데 사용됩니다. 인공 지능 (AI)을 사용하면 인간이 초기 소프트웨어를 개발하고 AI 자체가 모델을 개발하고 시간이 지남에 따라 향상된다는 이점이 있습니다. 많은 수의 펀드는 데이터 과학자 및 퀀트에 의해 만들어진 컴퓨터 모델에 의존하지만 일반적으로 정적입니다. 즉 시장과 함께 변경되지 않습니다. 한편, ML 기반 모델은 대량의 데이터를 고속으로 분석 할 수 있으며 그러한 분석을 통해 스스로를 향상시킬 수 있습니다.
"베이지안 네트워크 (Bayesian networks)"라고 불리는 컴퓨터 기울기 형식은 몇 대의 기계를 활용하면서 시장 추세를 예측하는 데 사용할 수 있습니다. 진화론 적 계산 (유전학에서 영감을 얻음)과 심층 학습 같은 기술을 포함하는 인공 지능은 수 백대 또는 수천 대의 기계에 적용될 수 있습니다. 디지털 주식 거래자를 크고 무작위로 수집하여 과거 데이터에 대한 실적을 테스트 할 수 있습니다. 그런 다음 최고의 연기자를 선정하고 자신의 스타일 / 패턴을 사용하여 진화 된 상인을 새로 만듭니다. 이 프로세스는 여러 번 반복되며 자체에서 완전히 작동 할 수있는 디지털 상인이 만들어집니다.
이 프로세스는 여러 번 반복되며 자체에서 완전히 작동 할 수있는 디지털 상인이 만들어집니다.
이것들은 몇 가지 중요한 전략 패러다임과 모델링 아이디어였습니다. 다음으로, 우리는 단계별 절차를 거쳐 거래 전략을 수립 할 것입니다.
QuantInsti의 알고리즘 트레이딩 (Executive Transaction) 프로그램 (Executive Trading Program) (EPAT)에서 강의 패러다임과 평생 액세스 및 지원을 통해 온라인으로 이용할 수있는 가장 광범위한 알고리즘 트레이닝 코스 중 하나 인이 패러다임을 아주 자세히 배울 수 있습니다.
알고리즘 거래 전략 수립.
algo 거래 전략부터 패러다임 및 모델링 아이디어에 이르기까지 필자는 기사의 해당 섹션에서 기본적인 알고리즘 거래 전략을 수립하는 방법을 설명합니다.
algo 거래 전략의 구현부터 어떻게 시작합니까?
그것은 당신의 마음에 왔을 것임에 틀림없는 첫 번째 질문입니다. 요점은 이미이 기사를 읽는 동안 알고리즘 거래 전략의 기본과 패러다임을 알면 시작했다고합니다. 자, 우리의 악 대차에 엔진이 켜져 있고, 가속기를 누를 때입니다.
그리고 이것이 정확히 어떻게 이루어 졌습니까?
나는 어떻게 알고리즘 트레이딩 전략이 단계적으로 구축되는지 설명 할 것이다. 간결한 설명은 전체 프로세스에 대한 아이디어를 제공합니다.
첫 번째 단계는 전략 패러다임을 결정하는 것입니다. 마켓 메이킹, 차익 거래 기반, 알파 생성, 헤지 또는 실행 기반 전략이 될 수 있습니다. 이 특정 사례에서는 시장 중립적 인 베타 중립적 인 통계적 재정 거래 전략 인 페어 트레이딩을 선택하고 시장 움직임에 관계없이 알파를 생성합니다.
시장 전망이나 시각적 상관 관계 (쌍 거래 전략의 경우)에 따라 거래하고자하는 실제 증권을 결정할 수 있습니다. 선택한 증권에 대해 전략이 통계적으로 중요한지 여부를 결정합니다. 예를 들어, 쌍 거래의 경우 선택한 쌍의 공동 통합을 확인하십시오.
이제 전략에서 구매 / 판매 신호를 생성 할 논리를 코딩하십시오. 쌍 거래에 대해 "평균 회귀"를 확인합니다. 쌍의 확산에 대한 z - 점수를 계산하고 그것이 평균으로 되돌릴 것으로 예상 할 때 구매 / 판매 신호를 생성합니다. "Stop Loss"및 "Profit Taking"조건을 결정하십시오.
손실 중지 & # 8211; Stop-loss order는 보안상의 입장에서 투자자의 손실을 제한합니다. 그것은 더 이상의 손실을 피하기 위해 기존의 장단기를 축소하라는 명령을 내리고 거래 결정에서 감정을 제거하는 데 도움을줍니다. 이익을 얻으십시오 & # 8211; 이익을 창출하는 명령은 유리한 방향으로 움직이는 경우 이익을 잠 그려면 기존 위치를 자동으로 닫는 데 사용됩니다. 인용 또는 타격 전략.
전략이 "인용"또는 "타격"이 될지를 결정하는 것은 매우 중요합니다. 실행 전략은 전략이 얼마나 공격적이고 수동적인지를 결정합니다.
인용 & # 8211; 한 쌍의 거래에서 한 가지 보안에 대해 인용하고 그 위치가 채워지는지 여부에 따라 다른쪽에 대한 주문을 보냅니다. 이 경우 채우기 확률은 낮지 만 한 쪽에서는 입찰가를 저장하지 않아도됩니다. 타격 - 이 경우 두 증권에 대해 동시에 시장 주문을 발송합니다. 채우기를 할 확률은 높지만 동시에 미끄러짐이 더 많고 양측에서 입찰가를 지불합니다.
채우기 확률과 미끄러짐 및 시간 집행자의 관점에서 최적화 된 실행 사이의 선택은 내가 그렇게해야만하는 경우입니다. 따옴표를 선택하면 따옴표를 결정해야합니다. 이것은 쌍 거래의 작동 방식입니다. 덜 유동적 인 보안에 대한 견적을 결정하면 미끄러짐은 줄어들지 만 거래량은 낮아지고 유동성 증권은 다른 한편으로는 미끄러짐 위험이 증가하지만 거래량은 높아질 것입니다.
인과 관계를 확인하기 위해 통계를 사용하는 것은 결정에 도달하는 또 다른 방법입니다. 즉, 보안이 다른 보안에서 변화를 일으키고 어떤 것이 인도 하는지를 변경하는 것입니다. 인과 관계 테스트는 "lead-lag"쌍을 결정합니다. 선두에 대한 견적과 뒤늦은 보안 보장.
선택한 전략이 좋든 나쁘 든 어떻게 결정합니까?
가설을 어떻게 판단합니까?
여기서 전략을 백 테스트하는 것은 과거 데이터를 기반으로 설계된 가설의 성능을 평가하는 데 필수적인 도구입니다. 백 테스트 결과와 실적 통계가 가설을 뒷받침하는 경우 전략이 좋은 것으로 간주 될 수 있습니다.
따라서 충분한 수의 데이터 요소를 사용하여 히스토리 데이터를 선택하는 것이 중요합니다. 이것은 다양한 시장 시나리오 (강세, 약세 등)를 다루는 충분한 수의 견본 거래 (최소 100 개 이상의 거래)를 창출하는 것입니다. 중개 및 미끄러짐 비용에 대한 조항을 마련했는지 확인하십시오. 이렇게하면 좀 더 사실적인 결과를 얻을 수 있지만 다시 테스트하는 동안 근사치를 만들어야 할 수도 있습니다. 예를 들어, 견적 전략을 백 테스팅하는 동안 채우기를 얻는 시점을 파악하는 것은 어렵습니다. 따라서 일반적인 관행은 직위가 마지막 거래 가격으로 가득 차 있다고 가정하는 것입니다.
어떤 유형의 도구를 사용해야합니까?
알고리즘 트레이딩 전략에 대한 백 테스트에는 엄청난 양의 데이터가 관련되어 있으므로 특히 진드기 데이터로 진드기를 사용할 경우 특히 그렇습니다. 따라서, 엄청난 양의 데이터를 처리 할 수있는 도구를 찾아야합니다.
R 또는 MATLAB?
R은 방대한 양의 데이터를 처리하는 데 탁월하며 높은 계산 능력도 갖추고 있습니다. 따라서 백 테스팅 (backtesting)을위한 더 나은 도구 중 하나로 만들 수 있습니다. 또한 R은 오픈 소스이며 무료입니다. 우리는 MATLAB도 사용할 수 있지만 라이센스 비용이 따릅니다.
좋아, 나는 단지 스파이더 맨 영화 (유명한 영화가 아니라)에서 벤 파커의 유명한 인용문을 찢어 버렸다. 그러나 저를 신뢰하십시오, 그것은 100 % 사실입니다. 전략에 대한 확신이 얼마나 있든 또는 이전에 성공할 수 있었는지에 관계없이 각 단계와 모든 것을 세부적으로 평가해야합니다. 전략의 성능과 위험을 분석 할 때 모니터링해야하는 몇 가지 매개 변수가 있습니다. 몇 가지 중요한 측정 항목 / 비율은 다음과 같습니다.
총 수익률 (CAGR) - 복합 연간 성장률 (CAGR). 이는 1 년 이상 특정 기간 동안 투자의 연평균 성장률입니다. 적중률 - 거래 대 주문 비율. 거래 당 평균 이익 - 총 이익을 거래 수로 나눈 것 거래 당 평균 손실 - 총 손실을 거래 수로 나눈 최대 Drawdown & # 8211; 모든 거래에서 최대 손실 수익률의 변동성 - "수익률"의 표준 편차 Sharpe Ratio - 위험 조정 수익률, 즉 단위 변동성 또는 총 위험 당 초과 수익률 (위험 대비 이자율 대비).
알고리즘 트레이딩 전략의 전체 과정은 여기서 끝나지 않습니다. 이 기사에서 내가 제공 한 것은 끝없는 에베레스트의 발자국 일 뿐이다. 이를 극복하기 위해서는 올바른 지식을 갖추고 올바른 가이드가 멘토링해야합니다. 그것이 QuantInsti가이 여행을 통해 당신을 인도하기 위해 들어오는 곳입니다. QuantInsti는 에베레스트를 끝내는 데 도움이 될 것입니다. 알고리즘 거래 전략에 대해 더 알고 싶다면 여기를 클릭하십시오.
