거래 알고리즘 전략

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'이라는 의미가 무엇인지 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 AlgorithmicTrading에서 제공하는 각 알고리즘 트레이딩 전략과 세 가지 시장 조건을 비교 한 것입니다. 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 어떠한 표현도 없습니다.

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 월부터 1016 년 10 월까지 실시 된 모든 백 테스트에서 S & P 500이 해당 월에 마감되면 Treasury Note Strategy는 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 크리스탈 볼을 가지고 있지 않아 대신 서로 거래 할 때 여러 거래 전략을 결합합니다. 모든 시장 조건에서 잘 수행 할 것으로 기대합니다. 이 방법론은 보증을 제공하지는 않지만, 우리의 견해로는 확률이 더 높습니다. 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 쌓아 올리면 시장이 위, 아래 또는 어느 쪽이든간에 잘 작동 할 수 있도록 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 어떠한 표현도 없습니다.

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 관해서 감정적 인 안도감을 제공합니다.

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 지침 세트를 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 신속한 거래 시간 단축 거래 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 사전 프로그래밍 된 지침에 따라 여러 시장 및 여러 결정 매개 변수에 걸쳐 매우 빠른 속도로 많은 수주를 배치하려고합니다. (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 알 수 있습니다.

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 직관적입니다. 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 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 대량의 주문을 분해하고 시작 및 종료 시간 사이의 균등하게 나뉘어 진 시간대를 사용하여 동적으로 결정된 작은 주문 청량을 시장에 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 움직일 때 그것을 낮출 것이다.

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 된 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 한 시간 앞당겨 거래가 이루어지며, 다음 두 시간 동안 동시에 거래가 이루어지고, AEX가 마감됨에 따라 지난 한 시간 동안 LSE에서만 거래가 이루어집니다. .

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 읽으십시오. 사용 가능한 환율을 사용하여 한 통화의 가격을 다른 통화로 변환하십시오. 유익한 기회로 이어지는 충분히 큰 가격 불일치 (중개 비용을 할인)가 존재한다면, 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.

예를 들어 시스템 장애 위험, 네트워크 연결 오류, 거래 주문과 실행 간의 시간 지연, 그리고 무엇보다 불완전한 알고리즘과 같은 추가적인 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.)

알고리즘 트레이딩 시스템 디자인 & amp; 이행.

AlgorithmicTrading은 자동화 된 거래 시스템, 알고리즘 거래 전략 및 양적 거래 분석을 전문으로하는 제 3 자 거래 시스템 개발자입니다. 우리는 소매업 종사자와 전문 투자자에게 두 가지 별개의 거래 알고리즘을 제공합니다.

리드 알고리즘 개발자가 6/10/17 & ndash에서 실적을 검토하는 알고리즘 거래 동영상 블로그를 시청하십시오. 우리의 자동화 된 거래 시스템을 사용하여 8/8/17. 2016-2017 YTD의 모든 실적 동영상을 보려면 알고리즘 트레이딩 블로그를 방문하십시오. 트레이딩 선물 및 옵션은 손실 위험이 크며 모든 투자자에게 적합하지 않습니다.

오늘 알고리즘 트레이딩을 시작하십시오.

스윙 트레이더 하이라이트.

우리의 스윙 트레이딩 전략은 S & amp; P 500 Emini Futures (ES) 및 10 년 Note (TY)를 거래합니다. 이것은 여러 NFA Registered Brokers의 최선의 노력으로 자동 실행될 수있는 100 % 자동 거래 시스템입니다. Tradestation 플랫폼에 설치하여로드 할 수도 있습니다. 다음 데이터는 10 / 1 / 15-9 / 17 / 17을 다루는 워크 포워드 (샘플 이탈) 기간을 다룹니다. 선물 거래는 손실 위험이 크며 모든 투자자에게 적절하지 않습니다. 과거 실적은 미래 실적을 나타내는 것은 아닙니다. 이 데이터는 1 단위 ($ 15,000)가 분석 기간 (비 혼합) 전체 기간에 걸쳐 거래되었다고 가정합니다.

* 손실은 최대 삭감을 초과 할 수 있습니다. 이것은 봉우리에서 계곡으로, 거래를 종결하는 것으로 측정됩니다. 과거 실적은 미래 실적을 나타내는 것은 아닙니다.

스윙 트레이더 월간 P / L.

2015 년 10 월부터 시작되는 거래는 워크 포워드 / 샘플 이탈로 간주되지만 2015 년 10 월 이전 거래는 다시 테스트 된 것으로 간주됩니다. 주어진 이익 / 손실은 스윙 트레이더에서 1 만 5 천 달러 어카운트를 거래하는 계정을 기반으로합니다. 이 데이터는 비공유입니다.

* 손실은 최대 삭감을 초과 할 수 있습니다. 이것은 봉우리에서 계곡으로, 거래를 종결하는 것으로 측정됩니다. 과거 실적은 미래 실적을 나타내는 것은 아닙니다.

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 계정으로도 이와 유사한 이익 또는 손실을 달성 할 것임을 나타내지는 않습니다.

알고리즘 트레이딩의 기초.

Quant Trading이라고도하는 알고리즘 트레이딩은 잠재적 인 거래를 찾기 위해 시장 예측 알고리즘을 이용하는 트레이딩 스타일입니다. 고주파 거래 (HFT), 통계적 차익 거래 및 시장 예측 분석을 포함하는 양적 거래의 다양한 하위 범주가 있습니다. AlgorithmicTrading에서는 다양한 시장 비 효율성을 활용하기 위해 스윙, 요일 및 옵션 거래를하는 자동화 된 트레이딩 시스템 개발에 중점을 둡니다.

우리는 현재 ES & amp; 거래를하는 두 가지 선물 거래 시스템을 제공하고 있습니다. TY 선물. 전문적으로 설계된 알 고 트레이딩 시스템을 구현하는 것이 투자 목표에 어떻게 도움이되는지 직접 읽으십시오. 우리는 Commodity Trading Advisors가 아니므로 고객 계정을 직접 관리하지 않습니다. 그러나 우리는 자동 거래 실행 브로커 중 하나를 사용하여 두 거래 시스템을 자체 자본으로 거래합니다.

알고리즘 거래 예.

선물 거래 전략 : 스윙 트레이더 패키지.

이 패키지는 라이브 이후 최고의 실적을 보이는 알고리즘을 사용합니다. 스윙 트레이더 페이지를 방문하여 가격, 완벽한 거래 통계, 전체 거래 목록 등을 확인하십시오. 이 패키지는 맹인 워커 - 포워드 / 아웃 - 오브 - 샘플 거래에서 잘 수행 된 견고한 시스템을 거래하고자하는 회의론자에게 이상적입니다. 실시간으로 거래 될 때 결코 작동하지 않는 낙관적 인 백 테스트 모델에 지친가요? 그렇다면이 블랙 박스 거래 시스템을 고려하십시오. 이것은 판매를위한 가장 인기있는 거래 알고리즘입니다.

스윙 트레이더 시스템에 대한 세부 정보.

선물 & amp; 옵션 거래 전략 : S & amp; P Crusher v2 패키지.

이 패키지는 귀하의 계정을보다 다양 화하기 위해 7 가지 거래 전략을 활용합니다. 이 패키지는 다양한 거래 조건을 활용하기 위해 스윙 거래, 당일 거래, 철 콘도 및 통화료를 사용합니다. 이 패키지는 30,000 달러의 단위 크기로 거래되며 2016 년 10 월에 일반에 공개되었습니다. S & amp; P 크러셔 제품 페이지를 방문하여 전통적 보고서를 기반으로 테스트 한 결과를 확인하십시오.

S & amp; P 크러셔 세부 정보.

자동화 된 트레이딩 시스템 디자인의 핵심을 다루고 있습니다.

여러 알고리즘 거래 시스템을 사용할 수 있습니다.

거래 시스템 중 하나를 선택하십시오. The Swing Trader 또는 S & amp; P Crusher 중 하나를 선택하십시오. 각 페이지는 사후 최적화, 워크 포워드 결과를 포함한 전체 거래리스트를 보여줍니다. 이 블랙 박스의 전산 거래 시스템은 위험을 최소화하면서 알파를 생성하기 위해 완전히 자동화되어 있습니다.

함께 작동하는 여러 거래 알고리즘.

우리의 퀀트 트레이딩 방법론은 자동 트레이딩 계좌를보다 다양 화하기 위해 여러 가지 알 고 트레이딩 전략을 사용합니다. 거래 전략 디자인 방법 페이지를 방문하여 자세한 내용을 확인하십시오.

Bear & amp; 황소 시장.

우리가 생각하기에 실제로 작동하는 알고리즘 트레이딩 시스템을 개발하는 열쇠는 여러 가지 시장 조건을 설명하는 것입니다. 언제든지 시장은 황소에서 시장을 앗아 갈 수 있습니다. 시장 방향에 의존하지 않는 자세를 취함으로써 우리는 Bull & amp; 시장 상황을 이겨내 라.

완전 자동화 된 거래 시스템.

자동 실행 브로커를 사용하여 알고리즘 소프트웨어를 자동 거래 할 수 있습니다 (최선의 노력으로). 우리는 당신이 선택할 수있는 여러 중개인이 있습니다. 자동 거래 시스템을 사용하여 거래에서 감정적 인 결정을 제거하십시오.

알고리즘 트레이딩이 작동합니까?

OEC 중개인 응용 프로그램을 사용하여 양적 거래 알고리즘의 일일 진행 상황을 추적하십시오. 또한 NFA 등록 회사에서 매일 진술을 받게됩니다. 각 거래를 매일 닫을 때 게시하는 거래 목록과 비교할 수 있습니다. 모든 알고리즘 거래 예가 게시됩니다. 전체 거래 목록은 거래하는 시스템의 알고리즘 거래 페이지를 방문하면 볼 수 있습니다. 라이브 계정의 일부 진술을보고 싶습니까? 실시간 반품 & amp; 진술 페이지.

복수 퀀트 트레이딩 전략.

우리의 양적 거래 시스템은 사용 된 예측 알고리즘에 따라 다른 기대치를 가지고 있습니다. 우리의 자동화 된 트레이딩 시스템은 스윙 거래, 당일 거래, 철 콘도 & amp; 통화료. 이 100 % 퀀텀 전략은 기술 지표 및 패턴 인식 알고리즘만을 기반으로합니다.

우리의 자동화 된 트레이딩 소프트웨어는 트레이딩에서 당신의 감정을 제거하도록 도와줍니다.

다중 거래 알고리즘은 더 큰 알고리즘 거래 시스템의 일부로 거래됩니다.

각 알고리즘 트레이딩 전략에는 다양한 강점과 약점이 있습니다. 그들의 강점과 약점은 세 가지 잠재적 시장 상태, 즉 Strong Up, Sideways & amp; 아래로 움직이는 시장. 재무 분석 기법이 하향 이동 시장에서 탁월한 반면 철 콘돔 거래 전략은 옆으로 움직이는 시장에서 우월합니다. 백 테스트를 기반으로하는 운동량 알고리즘은 이동하는 시장에서 잘 수행 될 것으로 예상됩니다. 제공되는 각 거래 알고리즘이 리드 개발자에 의해 검토되는 다음 동영상 컬렉션을 확인하십시오. 각 거래 알 고의 장점은 약점과 함께 검토됩니다.

다양한 유형의 거래 전략이 자동화 된 트레이딩 소프트웨어에 사용됩니다.

일 무역은 & amp; 같은 날 스윙 거래는 S & amp; P 500 지수가 중기 적으로 높아지거나 낮아질 것이라는 기대에 근거하여 장기 거래가 이루어질 것입니다. 옵션 거래는 선물에 대한 S & P 500 Weekly 옵션에 표시되며 일반적으로 월요일에 입력하고 금요일 만료까지 보유합니다.

스윙 트레이딩 전략.

다음 스윙 트레이딩 전략은 S & P 500 Emini Futures (ES) 및 10 년 메모 (TY)에 방향성 거래를 배치합니다. 이들은 우리의 시장 예측 알고리즘이 기대하는 장기 추세를 활용하기 위해 제공되는 자동 거래 시스템에 사용됩니다.

선물 스윙 트레이딩 전략 # 1 : 모멘텀 스윙 트레이딩 알고리즘.

Momentum Swing Trading Strategy는 Emini S & P Futures에서 중간 기간의 움직임이 더 높다는 것을 시사하는 시장 조건을 이용하여 거래를 진행합니다. 이 거래 알고리즘은 우리의 자동화 된 거래 시스템 모두에서 사용됩니다 : S & amp; P Crusher v2 & amp; 스윙 트레이더.

선물 스윙 트레이딩 전략 # 2 : 10 년 재무부 노트 알고리즘.

Treasury Note (TY) Trading Strategy 장소는 10 년 메모 (TY)에 거래를 선회합니다. TY는 일반적으로 더 넓은 시장과 역으로 움직이기 때문에이 전략은 S & P 500을 단락시키는 것과 유사한 스윙 거래를 창출합니다. 이 T-Note 알고리즘은 하락하는 시장 상황에 대해 긍정적 인 기대를합니다. 이 거래 알고리즘은 우리의 자동화 된 거래 시스템 모두에서 사용됩니다 : S & amp; P Crusher v2 & amp; 스윙 트레이더.

데이 트레이딩 전략.

다음날 거래 전략은 S & P 500 Emini Futures (ES)에 하루 거래를합니다. 그들은 주식 시장이 개장 한 후 처음 20 분 동안 거의 항상 거래를 시작하고 시장이 닫히기 전에 빠져 나올 것입니다. 꽉 막힌 곳은 항상 활용됩니다.

선물 거래 전략 # 1 : 주간 단시간 알고리즘.

Short Day Trading Strategy는 Emini S & P Futures에서 하루 아침에 시장이 약세를 보일 때 거래합니다. 이 거래 전략은 S & amp; P Crusher v2 자동 거래 시스템에서 활용됩니다.

선물 데이 트레이딩 전략 # 2 : 브레이크 아웃 데이 트레이딩 알고리즘.

브레이크 아웃 데이 트레이딩 전략 (Breakout Day Trading Strategy)은 아침에 시장이 강세를 보일 때 Emini-S & P 선물 시장에서 거래합니다. 이 선물 거래 전략은 S & amp; P Crusher v2 자동 거래 시스템에서 사용됩니다.

선물 거래 전략 # 3 : 모닝 갭 데이 거래 알고리즘.

모닝 갭 데이 트레이딩 전략은 시장이 큰 격차를 보일 때 단기적 약세가 뒤따를 때 Emini S & amp; P 선물 시장에 단기 트레이딩을 제공합니다. 이 거래 전략은 S & amp; P Crusher v2 자동 거래 시스템에서 활용됩니다.

옵션 거래 전략.

다음 옵션 거래 전략은 S & P 500 Emini 주간 옵션 (ES)에 대한 프리미엄을 수집합니다. 그들은 우리의 S & amp; P Crusher v2에서 옆으로, 아래로 & amp; 상승하는 시장 상황. 알고리즘 트레이딩 전략을 통한 트레이딩 옵션의 한 가지 이점은 자동 실행 브로커 중 하나를 사용하는 자동화 된 트레이딩 환경에서 지원된다는 것입니다.

옵션 거래 전략 # 1 : 철 콘도르 거래 알고리즘.

Iron Condor 옵션 트레이딩 전략은 거래 당 승리율에 대해 더 높은 테스트를 거치거나 Iron Condors를 판매하여 S & amp; P 500 Emini Futures에서 프리미엄을 수집하기를 원하는 개인에게 이상적입니다. 우리의 알고리즘이 시장 조건을 횡 방향 또는 상향으로 바꿀 것으로 예상 할 때이 시스템은 Iron Condor 거래를 생성합니다. 이 전략은 자동화 된 거래 시스템 중 하나 인 S & amp; P Crusher v2에서 사용됩니다.

옵션 트레이딩 전략 # 2 : 커버 된 콜 옵션 알고리즘.

커버 드 콜 옵션 트레이딩 전략은 장기 모멘텀 알고리즘에 대한 모멘텀 알고리즘에 대한 보상 대상 통화를 판매하여 프리미엄을 모으고 시장이 모멘텀 알고리즘 포지션에 대비하여 손실을 최소화하도록 도와줍니다. S & amp; P Crusher & amp; P의 경우와 마찬가지로 Momentum Swing Trading Algorithm으로 거래하면 ES / TY Futures Trading Systems의 경우, 이는 커버 된 콜 포지션을 생성합니다. 약세 트레이더 트레이딩 시스템에서 거래 될 때 통화는 보상없이 팔리고 따라서 알몸입니다. 두 경우 모두 & ndash; 알고리즘으로 서서 & ndash; 그것은 옆으로 그리고 아래로 움직이는 시장 조건에서 잘 수행합니다. 이 전략은 자동화 된 거래 시스템 중 하나 인 S & amp; P Crusher v2에서 사용됩니다.

이러한 각각의 거래 전략은 독립적으로 거래 될 수 있지만, 광범위한 거래 알고리즘 모음에서 가장 잘 거래됩니다. 스윙 트레이더 (Swing Trader)와 같은 자동화 된 트레이딩 시스템 (Automated Trading System)에서 볼 수 있습니다.

실제로 작동하는 거래 알고리즘?

이 알고리즘 거래 비디오 시리즈는 고객이 매주 각 거래의 세부 사항을 볼 수 있도록 수행됩니다. 다음과 같은 알고리즘 거래 동영상을보고 거래 알고리즘이 어떻게 수행되는지 실시간으로 확인하십시오. AlgorithmicTrading Reviews & amp; 다른 사람들이 우리에 대해 무엇을 말하고 있는지 보려면 Press Releases 페이지를 방문하십시오.

뉴스 레터 가입.

AlgorithmicTrading에서 성능 업데이트를 받으려면 뉴스 레터에 가입하십시오.

다른 기술 거래 기법에서 알고리즘 거래를 구분하는 것은 무엇입니까?

요즘은 모든 사람이 기술 거래 기법에 대한 의견을 갖고있는 것처럼 보입니다. 헤드 & amp; 어깨 패턴, MACD 완고한 십자가, VWAP Divergences, 목록은 계속됩니다. 이 비디오 블로그에서 리드 설계 엔지니어는 온라인에서 발견 된 거래 전략의 몇 가지 예를 분석합니다. 그는 트레이딩 팁을 받아 코드를 작성하고 간단한 백 테스트를 실행하여 실제 효과를 확인합니다. 초기 결과를 분석 한 후 거래에 대한 정량적 접근 방식으로 초기 결과를 개선 할 수 있는지 확인하기 위해 코드를 최적화합니다. 알고리즘 거래를 처음 접한다면이 비디오 블로그는 매우 흥미로울 것입니다. 우리 디자이너는 유한 상태 기계를 사용하여 이러한 기본적인 거래 정보를 코딩합니다. 알고리즘 트레이딩은 전통적인 기술 트레이딩과 어떻게 다른가요? 간단히 말해, 알고리즘 트레이딩은 정밀도가 필요하며 한계가있는 역 테스트를 기반으로 알고리즘 잠재력에 대한 창을 제공합니다.

무료 알고리즘 트레이딩 자습서 및 amp; 어떻게 비디오로?

알고리즘 트레이딩에 대한 리드 디자이너의 여러 교육 비디오 프레젠테이션을 통해 Quant Trading Design Methodology 및 Algorithmic Trading Tutorial을 다루는 비디오를 포함하십시오. 이 거래 전략 비디오는 알고리즘 거래 코딩 예제를 제공하고 정량 분석을 사용하여 시장을 거래하는 우리의 접근 방법을 소개합니다. 이 비디오에는 자동 거래가 이직에서 벗어나기 위해 여러 가지 이유가 있습니다. 교육 미디어의 전체 목록을 보려면 교육 트레이딩 비디오 페이지를 방문하십시오.

우리의 자동화 된 트레이딩 시스템 중 하나를 오늘 시작하십시오.

놓치지 마라. 이미 AlgorithmicTrading과 거래하고있는 사람들과 합류하십시오. 오늘 알고리즘 거래 패키지 중 하나를 시작하십시오.

여러 가지 자동 거래 실행 옵션을 사용할 수 있습니다.

당사의 거래 알고리즘은 NFA 등록 자동 실행 브로커 중 하나 (최선의 노력)를 사용하여 자동 실행되거나 MultiCharts 또는 Tradestation을 사용하여 자신의 PC에서 거래 될 수 있습니다.

FOX 그룹은 도시의 금융 중심부에 위치한 상징적 인 Chicago Board of Trade 건물에 위치한 독립적 인 중개 회사입니다. 그들은 NFA에 등록되어 있으며 최선의 노력으로 알고리즘을 자동으로 실행할 수 있습니다.

대화 형 중개인은 최선의 노력으로 알고리즘을 자동으로 실행할 수있는 NFA 등록 브로커입니다. 또한 캐나다 고객을 지원합니다.

자신의 PC에서 알고리즘을 실행하려면 MultiCharts가 자동 실행을 위해 선호되는 거래 소프트웨어 플랫폼입니다. 거래자에게 상당한 이점을 제공하고 경쟁 플랫폼에 비해 상당한 이점을 제공합니다. 고화질 차트 작성, 20 개 이상의 데이터 피드 및 10 개 이상의 브로커 지원, 동적 포트폴리오 레벨 전략 백 테스팅, EasyLanguage 지원, 대화 형 성능보고, 유전 최적화, 마켓 스캐너 및 데이터 재생 기능이 제공됩니다.

트레이드 스테이션은 고객이 자신의 커스텀 주식, 옵션 및 자산을 설계, 테스트, 최적화, 모니터링 및 자동화 할 수 있도록 활성화 된 상인 및 특정 기관 트레이더 시장에 제공되는 분석 소프트웨어 및 전자 거래 플랫폼으로 가장 잘 알려져 있습니다. 선물 거래 전략. Tradestation은 자신의 PC에서 알고리즘을 자동으로 거래하고자하는 개인에게 또 다른 옵션입니다.

QuantStart.

빠르게 성장하는 소매점 퀀텀 트레이더 커뮤니티를 지원하는 Quantcademy 개인 회원 포털에 가입하십시오. 당신은 당신의 가장 중요한 퀀트 트레이딩 질문에 대답 할 준비가되어있는 지식이 풍부하고 마음이 맞는 퀀트 트레이더 그룹을 찾을 수 있습니다.

퀀트 트레이딩에 관한 나의 eBook을 확인해보십시오. 여기서 저는 파이썬 툴로 수익성 높은 체계적인 트레이딩 전략을 만드는 법을 가르쳐드립니다.

Python 및 R을 사용하여 시계열 분석, 기계 학습 및 베이지안 통계를 사용하는 고급 거래 전략에 관한 새로운 전자 책을 살펴보십시오.

2013 년 4 월 19 일 Michael Halls-Moore 작성

이 기사에서는 수익성있는 알고리즘 거래 전략을 식별하는 방법을 소개하고자합니다. 오늘 우리의 목표는 그러한 시스템을 찾고 평가하고 선택하는 방법을 자세하게 이해하는 것입니다. 어떻게 전략을 식별하는 것이 개인의 선호에 관한 것인가, 전략 수행 성과, 테스트를위한 과거 데이터의 유형과 양을 결정하는 방법, 거래 전략을 냉정하게 평가하는 방법, 마지막으로 백 테스트 단계로 진행하는 방법을 설명합니다. 전략 구현.

거래를위한 자신 만의 개인 선호도 확인.

성공적인 거래자가되기 위해서는 - 임의적으로 또는 알고리즘 적으로 - 정직한 질문을하는 것이 필요합니다. 트레이딩은 놀라운 속도로 돈을 잃을 수있는 능력을 제공하므로 선택한 전략을 이해하는 데 필요한만큼 "자신을 알아야합니다".

나는 거래에서 가장 중요한 고려 사항이 자신의 성격을 인식하고 있다고 말할 수 있습니다. 특히 거래 및 알고리즘 거래는 상당한 수준의 규율, 인내심 및 정서적 인 분리가 필요합니다. 알고리즘이 당신을 위해 당신의 거래를 수행하게하기 때문에, 그것이 실행될 때 전략에 간섭하지 않도록 해결할 필요가 있습니다. 이것은 특히 드로우 다운이 연장 된 기간에 매우 어려울 수 있습니다. 그러나 백 테스트에서 수익성이 높은 것으로 입증 된 많은 전략은 단순한 간섭으로 인해 망가질 수 있습니다. 당신이 알고리즘 트레이딩의 세계에 들어가기를 원한다면 감정적으로 테스트 될 것이며 성공하기 위해서는 이러한 어려움을 극복해야한다는 것을 이해하십시오!

다음 고려 사항은 시간 중 하나입니다. 풀 타임 직업이 있습니까? 파트 타임으로 일하십니까? 당신은 집에서 일하거나 매일 통근 통근을합니까? 이러한 질문은 귀하가 추구해야 할 전략의 빈도를 결정하는 데 도움이됩니다. 정규직 근무자의 경우, 일일 선물 전략이 적절하지 않을 수 있습니다 (적어도 완전히 자동화 될 때까지!). 시간 제약으로 인해 전략의 방법론이 결정됩니다. 당신의 전략이 빈번하게 거래되고 값 비싼 뉴스 피드 (블룸버그 터미널과 같은)에 의존한다면 분명히 사무실에서이 전략을 성공적으로 실행할 수있는 능력에 대해 현실적이어야합니다! 많은 시간을 투자 한 사람들이나 전략을 자동화하는 기술을 배우려면보다 기술적 인 고 빈도 거래 (HFT) 전략을 고려할 수 있습니다.

일관되게 수익성있는 포트폴리오를 유지하려면 거래 전략에 대한 지속적인 연구가 필요하다는 것이 나의 믿음입니다. "전략의 밑에 레이다"영원히 체재하십시오. 따라서 거래에 할당되는 상당 부분은 지속적인 연구 수행에 있습니다. 강력한 수익성 또는 손실에 대한 완만 한 쇠퇴의 차이가 될 수 있기 때문에 이것을 할 준비가되어 있는지 여부를 자문 해보십시오.

또한 거래 자본을 고려해야합니다. 양적 전략에 대해 일반적으로 받아 들여지는 이상적인 최소 금액은 50,000 USD입니다 (영국에서는 약 £ 35,000). 제가 다시 시작한다면, 아마 더 많은 금액, 아마 100,000 USD (약 £ 70,000)로 시작합니다. 그 이유는 중개 및 고주파 전략에서 거래 비용이 극도로 비싸기 때문이며 인출시 자본을 흡수 할만큼 충분한 자본을 확보해야합니다. 10,000 달러 미만으로 시작하는 것을 고려하고 있다면 거래 비용이 급격하게 수익에 반영되므로 하나 또는 두 개의 자산으로 거래하는 저주파 전략으로 제한해야합니다. 인터랙티브 브로커는 프로그래밍 기술을 가진 사람들에게 가장 친숙한 중개업자 중 하나 인 API로 인해 소매 계좌 최소 10,000 USD를 보유하고 있습니다.

프로그래밍 기술은 자동화 된 알고리즘 거래 전략을 수립하는 데 중요한 요소입니다. C ++, Java, C #, Python 또는 R과 같은 프로그래밍 언어에 익숙하면 엔드 투 엔드 데이터 저장소, 백 테스트 엔진 및 실행 시스템을 직접 만들 수 있습니다. 여기에는 여러 가지 장점이 있는데, 그 중 하나는 거래 인프라의 모든 측면을 완전히 인식 할 수있는 능력입니다. 또한 "기술 스택"을 완벽하게 제어 할 수 있도록 고주파수 전략을 탐색 할 수 있습니다. 이는 자신의 소프트웨어를 테스트하고 버그를 제거 할 수 있음을 의미하지만, 적어도 알 고 트레이딩 경력의 초기 부분에서는 인프라를 코딩하는 데 더 많은 시간을 소비하고 전략을 구현하는 데 더 적은 시간을 소비합니다. Excel 또는 MATLAB 거래가 편리하고 다른 구성 요소의 개발을 아웃소싱 할 수 있습니다. 그러나 나는 특히 높은 빈도로 거래하는 사람들에게 이것을 권장하지 않습니다.

알고리즘 거래를 통해 무엇을 성취하고자하는지 스스로 자문 해봐야합니다. 정기 수입에 관심이 있습니까? 이를 통해 귀하의 트레이딩 계좌에서 수입을 얻을 수 있습니다. 또는 장기 자본 이득에 관심이 있습니까? 그리고 자금을 인출 할 필요없이 거래 할 수 있습니까? 소득 의존성은 전략의 빈도를 결정합니다. 보다 정기적으로 수입을 인출하려면 변동성이 적은 (즉, 높은 Sharpe 비율) 높은 빈도의 거래 전략이 필요합니다. 장기 트레이더는보다 조용한 거래 빈도를 제공 할 수 있습니다.

마지막으로, 짧은 시간 안에 극도로 부유하게되는 개념에 속지 마십시오! Algo 거래는 부유 한 빠른 계획이 아닙니다. 무엇이든지 가난한 빠른 계획이 될 수있는 경우. 알고리즘 거래에 성공하려면 상당한 훈련, 연구, 부지런함 및 인내가 필요합니다. 일관성있는 수익성을 창출하는 데 몇 년이 걸릴 수도 있습니다.

소싱 알고리즘 거래 아이디어.

반대로 일반적인 인식에도 불구하고, 실제로 공개 도메인에서 수익성있는 거래 전략을 찾는 것은 매우 직접적입니다. 결코 오늘보다 더 쉽게 거래 아이디어를 구할 수 없었습니다. 학술 재무 저널, 인쇄 전 서버, 거래 블로그, 거래 포럼, 주간 거래 잡지 및 전문 텍스트는 아이디어를 바탕으로 수천 가지의 거래 전략을 제공합니다.

양적 거래 연구자로서의 우리의 목표는 지속적인 거래 아이디어를 제공 할 수있는 전략 파이프 라인을 수립하는 것입니다. 이상적으로 우리는 우리가 만나는 전략을 소싱, 평가 및 구현하는 체계적인 접근 방식을 만들고 싶습니다. 파이프 라인의 목표는 일정한 양의 새로운 아이디어를 생성하고 최소한의 감정적 인 배려로 이러한 아이디어의 대부분을 거부 할 수있는 틀을 제공하는 것입니다.

우리는인지 적 편향이 의사 결정 방법에 영향을 미치지 않도록 극도로주의해야합니다. 이것은 하나의 자산 클래스를 다른 자산 클래스보다 선호하는 것처럼 간단 할 수 있습니다 (금 및 기타 귀금속이 마음에 들었습니다). 왜냐하면 그들은 더 이국적인 것으로 인식되기 때문입니다. 우리의 목표는 항상 긍정적 인 기대와 함께 지속적으로 수익성있는 전략을 찾는 것입니다. 자산 클래스의 선택은 거래 자본 제약, 중개 수수료 및 레버리지 기능과 같은 다른 고려 사항을 기반으로해야합니다.

당신이 무역 전략의 개념에 완전히 익숙하지 않다면 처음 보는 것은 설립 된 교과서를 사용하는 것입니다. 클래식 텍스트는 양적 거래에 익숙해 지도록보다 간단하고 직관적 인 다양한 아이디어를 제공합니다. 다음은 목록을 통해 작업 할 때 점차 정교 해지는 양적 거래에 익숙하지 않은 사람들에게 내가 추천하는 선택입니다.

양적 거래 도서 목록을 더 보려면 QuantStart 독서 목록을 방문하십시오.

다음으로는 거래 포럼 및 거래 블로그를 통해보다 정교한 전략을 찾을 수 있습니다. 그러나주의 사항 : 많은 거래 블로그는 기술 분석의 개념에 의존합니다. 기술적 분석에는 자산 가격의 추세 또는 반전 패턴을 결정하기 위해 기본 지표 및 행동 심리를 활용하는 것이 포함됩니다.

전체 거래 공간에서 매우 인기가 있음에도 불구하고 기술적 분석은 양적 금융 분야에서 다소 비효율적이라고 여겨집니다. 일부 사람들은 별자리를 읽거나 예측력면에서 차를 연구하는 것보다 낫지 않다고 제안했습니다. 실제로 기술적 인 분석을 이용하는 성공적인 개인이 있습니다. 그러나보다 정교한 수학 및 통계 툴박스를 갖춘 콴트로서 우리는 그러한 "TA 기반"전략의 효과를 쉽게 평가하고 정서적 고려 또는 선입견에 기초하지 않고 데이터 기반 결정을 내릴 수 있습니다.

다음은 잘 알려진 알고리즘 거래 블로그 및 포럼의 목록입니다.

보다 간단한 전략을 평가 한 경험이 있으면보다 정교한 학업을 검토해야합니다. 구독료가 높거나 일회성 비용이 들지 않으면 일부 학술지에 액세스하기 어려울 수 있습니다. 대학의 회원 또는 동창 인 경우 이러한 재정적 저널 중 일부에 대한 액세스 권한을 얻을 수 있어야합니다. 그렇지 않으면 동료 검토가 진행되는 학술 논문 초안의 인터넷 저장소 인 인쇄 전 서버를 볼 수 있습니다. 우리가 성공적으로 복제하고 수익을 얻으려는 전략에만 관심이 있기 때문에 동료 평가는 우리에게별로 중요하지 않습니다.

학술 전략의 주된 단점은 종종 시대에 뒤떨어 지거나, 모호하고 값 비싼 역사적 데이터를 필요로하거나, 비유동 자산 클래스에서 거래하거나 수수료, 미끄러짐 또는 확산을 고려하지 않을 수 있다는 것입니다. 또한 거래 전략이 시장 주문, 주문 제한 또는 중지 손실 등을 포함하는지 여부도 분명하지 않을 수 있습니다. 따라서 가능한 한 최선을 다해 전략을 반복적으로 재 테스트하고 현실적인 거래를 추가하는 것이 절대적으로 중요합니다 당신이 거래하고자하는 자산 클래스의 많은 양상을 포함하는 비용.

다음은 아이디어를 얻을 수있는 인기있는 사전 인쇄 서버 및 재무 저널 목록입니다.

자신의 양적 전략을 수립하는 것은 어떻습니까? 일반적으로 다음 범주 중 하나 이상의 전문 지식이 필요합니다.

시장 미세 구조 - 특히 고주파 전략의 경우 시장 미세 구조, 즉 수익성을 창출하기 위해 주문서 역학을 이해할 수 있습니다. 각기 다른 시장에는 다양한 기술 제한, 규제, 시장 참여자 및 특정 전략을 통한 착취에 대한 제약이 있습니다. 이것은 매우 정교한 분야이며, 소매업 종사자는이 분야에서 경쟁이 어렵다는 것을 알게 될 것입니다. 특히, 경쟁에는 강력한 기술적 능력을 갖춘 대규모의 잘 자본화 된 양적 헤지 펀드가 포함됩니다. 펀드 구조 - 연금 펀드, 민간 투자 파트너십 (헤지 펀드), 상품 거래 자문 및 뮤추얼 펀드와 같은 공동 투자 펀드는 대규모 규제와 대규모 자본 보유로 인해 제약을받습니다. 따라서 좀 더 민첩한 사람에게는 일정한 일관된 행동이 악용 될 수 있습니다. 예를 들어, 대규모 자금은 규모 때문에 용량 제약을받을 수 있습니다. 따라서 대량의 유가 증권을 신속하게 적재 (판매)해야하는 경우 "시장 이동"을 피하기 위해 비틀 거리게됩니다. 정교한 알고리즘은 자금 구조 차익 거래로 알려진 일반적인 프로세스에서이 특이성 및 기타 특이성을 이용할 수 있습니다. 기계 학습 / 인공 지능 - 최근 몇 년 동안 금융 시장에서 기계 학습 알고리즘이 널리 보급되었습니다. Naive-Bayes 등의 분류 자 ​​(Classifier)와 비선형 함수 계산자 (신경망) 및 최적화 루틴 (유전 알고리즘)은 모두 자산 경로를 예측하거나 거래 전략을 최적화하는 데 사용되었습니다. 이 분야에 대한 배경 지식이 있다면 특정 알고리즘이 특정 시장에 어떻게 적용될 수 있는지에 대한 통찰력을 가질 수 있습니다.

물론 퀀트가 조사 할 수있는 많은 분야가있다. 이후 기사에서 맞춤 전략을 세우는 방법에 대해 자세히 설명합니다.

매주 또는 심지어 매일 이러한 소스를 지속적으로 모니터링함으로써 다양한 소스의 일관된 전략 목록을받을 수 있습니다. 다음 단계는 시간 낭비를 최소화하고 수익성이 없을 것으로 예상되는 전략에 대한 자원을 다시 테스트하는 방법으로 이러한 전략의 큰 부분 집합을 거부하는 방법을 결정하는 것입니다.

거래 전략 평가.

첫 번째, 그리고 틀림없이 가장 분명한 고려 사항은 실제로 전략을 이해하는지 여부입니다. 간결하게 전략을 설명 할 수 있습니까? 아니면 일련의 경고와 끝없는 매개 변수 목록이 필요합니까? 또한, 전략은 실제로 좋은, 견고한 기반을 가지고 있습니까? 예를 들어, 당신이 시도하고있는 패턴을 유발할 수있는 행동 적 근거 또는 자금 구조 제약을 지적 할 수 있습니까? 이 제약은 극적인 규제 환경의 혼란과 같은 정권 교체를 견디겠습니까? 전략은 복잡한 통계 또는 수학적 규칙에 의존합니까? 모든 금융 시계열에 적용됩니까 아니면 수익성이 있다고 주장되는 자산 클래스에만 해당합니까? 새로운 거래 방법을 평가할 때 이러한 요소에 대해 끊임없이 생각해야합니다. 그렇지 않으면 무익한 전략을 백 테스팅하고 최적화하는 데 많은 시간을 낭비 할 수 있습니다.

일단 전략의 기본 원칙을 이해했다면, 앞서 언급 한 성격 프로파일에 맞는지 여부를 결정해야합니다. 이것은 소리가 나지 않는 막연한 고려 사항은 아닙니다! 전략은 성능 특성이 크게 다를 것입니다. 더 중요한 기간의 인출을 처리하거나보다 큰 수익을 위해 더 큰 위험을 감수하고자하는 특정 성격 유형이 있습니다. 우리가 퀀트 (quants)로서 가능한 한 많은인지 적 편향을 시도하고 제거하고, 전략을 조심스럽게 평가할 수 있어야 함에도 불구하고, 편향은 언제나 기습적으로 변할 것입니다. 따라서 우리는 전략의 성과를 평가할 수있는 일관성 있고 감정적 인 수단이 필요합니다 . 다음은 내가 잠재적 인 새로운 전략을 판단 할 수있는 기준 목록입니다.

방법론 - 전략 모멘텀은 시장 중심, 방향성, 방향성이 있습니까? 전략은 이해하기 어렵고 통계에서 박사 학위를 요구하는 정교한 (또는 복잡한!) 통계 또는 기계 학습 기술에 의존합니까? 이러한 기술로 인해 상당한 양의 매개 변수가 도입되어 최적화 편향으로 이어질 수 있습니까? 전략이 체제 변화 (즉, 금융 시장의 잠재적 새로운 규제)에 견딜 가능성이 있습니까? Sharpe Ratio - Sharpe 비율은 경험적으로 전략의 보상 / 위험 비율의 특성을 나타냅니다. 그것은 주식 곡선에 의해 견디는 변동성 수준에 대해 얼마나 많은 수익을 낼 수 있는지를 정량화합니다. 당연히, 우리는 이러한 수익률과 변동성 (즉, 표준 편차)을 측정 할 기간과 빈도를 결정해야합니다. 보다 높은 빈도 전략은 표준 편차의 샘플링 속도가 더 빨라지지만 예를 들어 전체 측정 시간이 더 짧아야합니다. 레버리지 - 수익성을 위해 전략에 상당한 영향력이 필요합니까? 전략은 수익을 내기 위해 레버리지 파생 상품 (선물, 옵션, 스왑)의 사용을 필요로합니까? 이러한 레버리지 계약은 큰 변동성을 특징으로 할 수 있으므로 마진 콜이 쉽게 발생할 수 있습니다. 그러한 변동성에 대한 거래 자본과 기질이 있습니까? 빈도 - 전략의 빈도는 기술 스택 (기술적 전문성), 샤프 비율 및 전반적인 거래 비용 수준과 밀접하게 관련되어 있습니다. 고려해야 할 다른 모든 문제, 높은 빈도 전략은 더 많은 자본을 필요로하며, 구현하기가 더 정교하고 어렵습니다. 그러나 백 테스팅 엔진이 정교하고 버그가없는 것으로 가정하면 훨씬 높은 Sharpe 비율을 갖게됩니다. 변동성 - 변동성은 전략의 "위험"과 강하게 관련됩니다. Sharpe 비율은 이것을 특징으로합니다. 기초 자산 군의 변동성이 크지 않다면 주식 곡선의 변동성이 커지며 샤프 비율도 작아진다. 나는 물론 긍정적 인 변동성이 거의 네거티브 변동성과 같다고 가정하고 있습니다. 일부 전략은 더 큰 불리한 변동성을 가질 수 있습니다. 이러한 속성을 알고 있어야합니다. 승패, 평균 손익 - 전략은 승패와 평균 손익 특성이 다릅니다. 잃어버린 거래의 수가 승리 한 거래의 수를 초과하더라도 매우 수익률 높은 전략을 가질 수 있습니다. 기세 전략은 수익성이 있기 위해 소수의 "대히트"에 의존하기 때문에이 패턴을 갖는 경향이 있습니다. 평균 회귀 전략은 거래가 "승리자"인 경우 반대되는 경향이 있지만 손실 거래는 매우 심할 수 있습니다. 최대 인출 - 최대 인출은 전략의 지분 곡선에서 가장 큰 전체적인 최저가 하락률입니다. 기세 전략은 장기간의 축소 (많은 증분 손실 거래로 인한 손실)로 고통받는 것으로 잘 알려져 있습니다. 역사적 테스트에서 이것이 전략과 관련하여 "통상적 인 업무"라고 제안한 경우에도 많은 상인은 연장 된 인출 기간에 포기할 것입니다. 당신은 당신의 전략 거래를 중단하기 전에 어느 정도의 연체율 (그리고 어느 기간 동안)을 받을지 결정할 필요가 있습니다. 이는 매우 개인적인 결정이므로 신중하게 고려해야합니다. 용량 / 유동성 - 소매 수준에서, 당신이 (비상주 주식처럼) 고도로 유동성이없는 수단으로 거래하지 않는 한, 당신은 전략 능력에 크게 신경 쓰지 않아도됩니다. 용량은 전략의 추가 자본에 대한 확장 성을 결정합니다. 대형 헤지 펀드의 대부분은 자본 배분에서 전략이 증가함에 따라 상당한 용량 문제로 어려움을 겪습니다. 매개 변수 - 특정 전략 (특히 기계 학습 커뮤니티에있는 전략)에는 많은 양의 매개 변수가 필요합니다. 전략에 필요한 추가 매개 변수가 있으면 최적화 바이어스 ( "곡선 맞춤"이라고도 함)에 취약 해집니다. 가능한 한 적은 수의 매개 변수로 전략을 목표로 삼거나 전략을 테스트 할 수있는 충분한 양의 데이터가 있는지 확인해야합니다. 벤치 마크 - 거의 모든 전략 ( "절대 수익"으로 특징 지우지 않는 한)은 일부 성능 벤치 마크에 비해 측정됩니다. 벤치 마크는 일반적으로 전략이 거래하는 기본 자산 클래스의 큰 샘플을 특성화하는 지수입니다. 전략이 대형 미국 주식을 거래하는 경우 S & P500은 전략을 측정하는 자연스러운 벤치 마크가됩니다. 이 유형의 전략에 적용되는 용어 "알파"및 "베타"가 들립니다. 이 계수에 대해서는 이후 기사에서 자세히 다룰 것입니다.

전략의 실제 수익률에 대해서는 언급하지 않았습니다. 왜 이런거야? 이와는 별도로 수익률은 실제로 전략의 효과에 대한 제한된 정보를 제공합니다. 그들은 레버리지, 변동성, 벤치 마크 또는 자본 요구 사항에 대한 통찰력을주지 못합니다. 따라서 전략은 드물게 자신의 수익만으로 판단됩니다. 수익을보기 전에 항상 전략의 위험 요소를 고려하십시오.

이 단계에서 귀사의 파이프 라인에서 발견되는 많은 전략은 자본 요건, 레버리지 제약, 최대 인출 허용 오차 또는 변동성 선호도를 충족시키지 않기 때문에 거부됩니다. 남아있는 전략은 이제 백 테스트로 고려 될 수 있습니다. 그러나 이것이 가능하기 전에 이러한 전략을 테스트 할 수있는 사용 가능한 과거 데이터의 최종 거부 기준을 고려해야합니다.

내역 데이터 얻기.

요즘에는 과거 데이터 저장을위한 자산 클래스 전반에 걸친 기술적 요구 사항의 폭이 넓습니다. 경쟁 우위를 유지하기 위해 구매자 (펀드)와 매도자 측 (투자 은행) 모두 기술 인프라에 막대한 투자를합니다. 그것의 중요성을 고려하는 것이 필수적입니다. 특히 적시성, 정확성 및 저장 요구 사항에 관심이 있습니다. 이제는 이력 데이터를 얻는 기본 및 저장 방법에 대해 간략하게 설명하겠습니다. 불행히도 이것은 매우 깊고 기술적 인 주제이므로이 기사의 모든 내용을 말할 수는 없습니다. 그러나 필자는 금융 산업에서의 이전 업계 경험이 주로 금융 데이터 수집, 저장 및 액세스에 관심을 가졌으므로 향후이 점에 대해 더 많이 쓰겠습니다.

이전 섹션에서는 우리 자신의 개인 거부 기준에 따라 특정 전략을 거부 할 수있는 전략 파이프 라인을 설정했습니다. 이 섹션에서는 과거 데이터를 얻으려는 우리 자신의 선호도에 따라 더 많은 전략을 필터링 할 것입니다. 주요 고려 사항 (특히 소매 실무자 수준)은 데이터 비용, 저장 요구 사항 및 기술 전문성 수준입니다. 우리는 또한 다양한 유형의 사용 가능한 데이터와 각 유형의 데이터가 우리에게 부과 할 다양한 고려 사항을 논의해야합니다.

사용 가능한 데이터의 유형과 고려해야 할 핵심 쟁점에 대해 논의하겠습니다.

기초 데이터 - 금리, 인플레이션 수치, 기업 활동 (배당, 주식 분할), SEC 신고, 기업 회계, 수익 수치, 작물보고, 기상 데이터 등과 같은 거시 경제 동향에 관한 데이터를 포함합니다. 가치있는 회사 또는 기타 자산을 기초로, 즉 미래의 예상 현금 흐름을 통해 제공해야합니다. 주식 가격 시리즈는 포함되지 않습니다. 일부 기본 데이터는 정부 웹 사이트에서 무료로 사용할 수 있습니다. 다른 장기간의 역사적인 기초 자료는 극도로 비쌀 수 있습니다. 수천 개의 회사가 한 번에 연구되지 않는 한, 스토리지 요구 사항은 대개 크지 않습니다. 뉴스 데이터 - 뉴스 데이터는 본질적으로 정 성적입니다. 기사, 블로그 게시물, 마이크로 블로그 게시물 ( "트윗") 및 사설로 구성됩니다. 감정을 해석하기 위해 분류 자와 같은 기계 학습 기술이 종종 사용됩니다. 이 데이터는 언론 매체를 통한 구독을 통해 종종 무료 또는 저렴한 가격으로 제공됩니다. 새로운 "NoSQL"문서 저장소 데이터베이스는 이러한 유형의 비정형, 정 성적 데이터를 저장하도록 설계되었습니다. 자산 가격 데이터 - 이것은 퀀트의 전통적인 데이터 도메인입니다. 자산 가격의 시계열로 구성됩니다. 주식 (주식), 채권 (채권), 상품 및 환율은 모두이 클래스에 포함됩니다. 주식 등의보다 간단한 자산 클래스를 얻으려면 매일의 과거 데이터가 종종 간단합니다. 그러나 정확성과 청결도가 포함되고 통계 편향이 제거되면 데이터가 비쌀 수 있습니다. 또한 시계열 데이터는 특히 일중 데이터를 고려할 때 중요한 저장소 요구 사항을 가지고 있습니다. 금융 상품 - 주식, 채권, 선물 및 이국적인 파생 상품 옵션은 특성과 매개 변수가 매우 다릅니다. 따라서이를 수용 할 수있는 "한 가지 크기의 모든 것"데이터베이스 구조는 없습니다. 다양한 금융 상품에 대한 데이터베이스 구조의 설계 및 구현에 상당한주의를 기울여야합니다. 우리는 향후 기사에서 유가 증권 마스터 데이터베이스를 구축 할 때 그 상황을 충분히 논의 할 것입니다. 빈도 - 데이터의 빈도가 높을수록 비용 및 저장 요구 사항이 커집니다. 저주파 전략의 경우 일일 데이터로 충분할 수 있습니다. 고 빈도 전략의 경우 틱 수준의 데이터와 특정 거래 교환 주문서 데이터의 기록 사본을 얻는 것이 필요할 수 있습니다. 이러한 유형의 데이터를위한 스토리지 엔진을 구현하는 것은 기술적으로 집중적이며 프로그래밍 / 기술적 배경이 강한 사람들에게만 적합합니다. 벤치 마크 - 위에서 설명한 전략은 종종 벤치 마크와 비교됩니다. 이것은 일반적으로 추가 금융 시간 시리즈로 나타납니다. 주식의 경우 S & P500 지수 (US) 또는 FTSE100 (UK)과 같은 국가 주식 벤치 마크입니다. 고정 수입 기금의 경우 채권 또는 채권 바구니와 비교하는 것이 유용합니다. "무위험 이자율"(즉, 적절한 이자율)은 널리 받아 들여지는 또 다른 벤치 마크입니다. 모든 자산 클래스 카테고리에는 선호되는 벤치 마크가 있으므로 외부 전략에 관심을 가지려면 특정 전략에 따라이를 조사해야합니다. 기술 - 재무 데이터 저장 센터 뒤의 기술 스택은 복잡합니다. 이 기사에서는 건물을 짓는 것과 관련된 것에 대해서만 표면을 긁을 수 있습니다. 그러나 MySQL, SQL Server, Oracle 또는 Document Storage Engine (예 : "NoSQL")과 같은 관계형 데이터베이스 관리 시스템 (RDBMS)과 같은 데이터베이스 엔진을 중심으로합니다. 데이터베이스를 쿼리하고 MATLAB, R 또는 Excel과 같은 외부 도구에 대한 액세스를 제공하는 "비즈니스 로직"응용 프로그램 코드를 통해 액세스 할 수 있습니다. 종종이 비즈니스 로직은 C ++, C #, Java 또는 Python으로 작성됩니다. 또한 개인용 컴퓨터 또는 인터넷 서버를 통해 원격으로이 데이터를 어딘가에 호스팅해야합니다. Amazon Web Services와 같은 제품은 최근 몇 년 동안이 방법을 더 간단하고 저렴하게 만들었지 만 강력한 기술력을 필요로합니다.

위에서 볼 수 있듯이 일단 전략이 파이프 라인을 통해 확인되면 특정 과거 데이터의 가용성, 비용, 복잡성 및 구현 세부 사항을 평가해야합니다. 과거 데이터 고려 사항만을 토대로 전략을 거부 할 필요가 있음을 알 수 있습니다. 이것은 큰 영역이며 PhD 팀은 가격이 정확하고시기 적절한지 확인하기 위해 대규모 기금으로 일합니다. 백 테스팅을 위해 강력한 데이터 센터를 구축하는 어려움을 과소 평가하지 마십시오!

그러나 많은 백 테스팅 플랫폼이 비용을 들이지 않고 자동으로이 데이터를 제공 할 수 있다고 말하고 싶습니다. 따라서 구현 통증을 당신에게서 멀리 벗어나게되고, 당신은 순전히 전략 구현과 최적화에 집중할 수 있습니다. TradeStation과 같은 도구에는이 기능이 있습니다. 그러나 내 개인적인 관점은 가능한 한 많은 것을 내부적으로 구현하고 스택의 일부를 소프트웨어 공급 업체에 아웃소싱하는 것을 피하는 것입니다. 더 매력적인 Sharpe 비율로 인해 더 높은 빈도 전략을 선호하지만 첨단 최적화가 중요한 기술 스택과 긴밀하게 결합되는 경우가 많습니다.

이제는 과거 데이터를 둘러싼 문제에 대해 논의한 결과 백 테스트 엔진에서 전략을 구현할 때입니다. 이것은 토론의 동등한 큰 영역이기 때문에 다른 기사의 주제가 될 것입니다!

양적 거래 시작하기?

QuantStart 목록을 구독해야하는 3 가지 이유 :

1. 퀀트 트레이딩 레슨.

계량 거래를 시작하는 데 도움이되는 힌트와 팁으로 가득한 무료 10 일간 코스에 즉시 액세스 할 수 있습니다!

2. 모든 최신 내용.

매주 나는 퀀트 스타트에서 모든 활동의 포장을 보내드릴 것입니다. 그래서 당신은 결코 다시 글을 놓치지 않을 것입니다.

현실감 넘치는 퀀 트레이딩 팁.