Tipos De Estrategias Comerciales Cuantitativas

Menú principal Estrategias de negociación cuantitativa Operaciones basadas en eventos corporativos anticipados, como la fusión anticipada o la actividad de toma de posesión o la declaración de quiebra. También se llama arbitraje de riesgo. Negociación de valor relativo versus negociación direccional La mayoría de los enfoques de negociación / inversión de fondos de cobertura cuantitativos se clasifican en una de dos categorías: las que utilizan estrategias de valor relativo y aquellas cuyas estrategias se caracterizarían como direccionales. Ambas estrategias utilizan en gran medida modelos informáticos y software estadístico. Las estrategias de Valor Relativo tratan de capitalizar relaciones de precios predecibles (a menudo relaciones de media revertir) entre múltiples activos (por ejemplo, la relación entre los rendimientos a corto plazo de los bonos del Tesoro de Estados Unidos y los rendimientos de bonos del Tesoro de Estados Unidos a largo plazo o la relación implícita Volatilidad en dos contratos de opciones diferentes). Las estrategias direccionales, por su parte, suelen basarse en tendencias u otros caminos basados ​​en patrones que sugieren un impulso ascendente o descendente para un valor o conjunto de valores (por ejemplo, las apuestas de que los rendimientos de bonos del Tesoro estadounidense a largo plazo aumentarán o que la volatilidad implícita será disminución). Estrategias de Valor Relativo Ejemplos comunes de estrategias de Valor Relativo incluyen colocar apuestas relativas (es decir, comprar un activo y vender otro) en activos cuyos precios están estrechamente vinculados: Valores gubernamentales de dos países diferentes Valores gubernamentales de dos diferentes longitudes hasta el vencimiento El diferencial de volatilidad implícita entre dos derivados Los precios de las acciones frente a los precios de los bonos para un emisor de bonos corporativos Los diferenciales de rendimiento de los bonos corporativos frente a los diferenciales de Credit Default Swap (CDS) La lista de posibles estrategias de valor relativo es muy larga. Hay tres muy importantes y comúnmente utilizados estrategias de valor relativo a ser conscientes de, sin embargo: Arbitraje estadístico: el comercio de una tendencia a la media revertir los valores de cestas similares de activos sobre la base de relaciones comerciales históricas. Una forma común de Arbitraje Estadístico, o Stat Arb, la negociación, se conoce como negociación Neutral de Equity Market. En esta estrategia, se seleccionan dos canastas de acciones (una canasta larga y una canasta corta), con el objetivo de que los pesos relativos de las dos cestas salgan del fondo con cero exposición neta a diversos factores de riesgo (industria, geografía, sector, etc.). .) Stat Arb también podría implicar el comercio de un índice frente a un ETF similar, o un índice frente a un stock de una sola compañía. Arbitraje Convertible: compra de emisiones de bonos convertibles por una empresa y simultáneamente venta de acciones comunes de la misma compañía, con la idea de que si la acción de una determinada empresa disminuye, el beneficio de la posición corta compensará más que cualquier pérdida en la obligación convertible , Dado el valor de los bonos convertibles como un instrumento de renta fija. Del mismo modo, en cualquier movimiento al alza del precio de las acciones comunes, el fondo puede beneficiarse de la conversión de sus obligaciones convertibles en acciones, vendiéndolas a valor de mercado por un monto que exceda cualquier pérdida en su posición corta. Arbitraje de renta fija: negociación de valores de renta fija en mercados de bonos desarrollados para explotar las anomalías relativas a las tasas de interés percibidas. Las posiciones de Arbitraje de Ingreso Fijo pueden usar bonos del gobierno, swaps de tasas de interés y futuros de tasas de interés. Un ejemplo popular de este estilo de negociación en el arbitraje de renta fija es el comercio de base, en el cual uno vende (compra) futuros del Tesoro y compra (vende) una cantidad correspondiente del bono entregable potencial. Aquí, uno está tomando una opinión sobre la diferencia entre el precio al contado de un bono y el precio del contrato de futuros ajustado (factor de conversión del precio de futuros) y la negociación de los pares de activos en consecuencia. Estrategias direccionales Las estrategias de negociación direccional, por su parte, suelen basarse en los seguimientos de tendencias u otros caminos basados ​​en patrones que sugieren un impulso ascendente o descendente para un precio de seguridad. El comercio direccional incorporará a menudo algún aspecto del Análisis Técnico o del gráfico. Esto implica predecir la dirección de los precios a través del estudio de datos de mercado de precios y precios pasados. La dirección que se negocia puede ser la de un activo en sí (impulso en los precios de las acciones, por ejemplo, o el tipo de cambio euro / dólar estadounidense) o un factor que afecta directamente al propio precio del activo (por ejemplo, volatilidad implícita para opciones o tasas de interés Para bonos del gobierno). El comercio técnico también puede comprender el uso de promedios móviles, bandas alrededor de la desviación estándar histórica de los precios, los niveles de soporte y resistencia y las tasas de cambio. Normalmente, los indicadores técnicos no constituirían la única base para una estrategia de inversión cuantitativa de hedge funds Quant Hedge Funds emplea muchos factores adicionales por encima de la información histórica de precios y volúmenes. En otras palabras, los fondos de cobertura cuantitativos que emplean estrategias de negociación direccional generalmente tienen estrategias cuantitativas generales que son mucho más sofisticadas que el análisis técnico general. Esto no es para sugerir que los comerciantes de día puede no ser capaz de beneficiarse de la analisis tecnica al contrario, muchas estrategias de negociacion basadas en el impulso puede ser rentable. Por lo tanto, para los propósitos de este módulo de capacitación, las referencias a las estrategias de negociación de Quant Hedge Fund no incluirán únicamente estrategias basadas en Análisis Técnico. Otras estrategias cuantitativas Otros enfoques comerciales cuantitativos que no se clasifican fácilmente como estrategias de valor relativo o estrategias direccionales incluyen: Negociación de alta frecuencia. Donde los comerciantes intentan aprovechar las discrepancias de precios entre múltiples plataformas con muchas operaciones a lo largo del día. Las estrategias de Managed Volatility utilizan futuros y contratos a plazo para centrarse en generar retornos LIBOR-plus bajos, pero estables, incrementando o disminuyendo dinámicamente el número de contratos. Las volatilidades subyacentes de las acciones, los bonos y otros mercados cambian. Las estrategias de volatilidad administrada han ganado popularidad en los últimos años debido a la reciente inestabilidad de los mercados de acciones y bonos. ¿Cuáles son los diferentes tipos de estrategias de negociación cuantitativa estrategias de comercio cuantitativo son utilizados por los inversores que creen en la fiabilidad de la información estadística como el factor determinante en el potencial de las poblaciones específicas. Algunas estrategias se basan en las cualidades reales de las empresas que emiten las acciones y pertenecen a la información obtenida de los informes financieros. Otras estrategias de negociación cuantitativas se basan en las tendencias de los movimientos de precios de las propias poblaciones como una forma de predecir los futuros movimientos de precios. A veces, los inversores les gusta proteger contra las pérdidas pesadas mediante la institución de una parada de la pérdida de cualquier comercio que hacen que les permite salir de cualquier posición de acciones que podría estar saliendo. Los inversores tienen una gran cantidad de información en sus manos acerca de todas las acciones disponibles para ellos. A algunos inversionistas les gusta usar partes de esa información y combinarla con su propia experiencia al tomar decisiones de compra y venta. Otros inversores les gusta dejar que los números tomen las decisiones por ellos, sacando así cualquier impedimento psicológico fuera de la imagen. Para este último grupo de inversores, hay numerosas estrategias comerciales cuantitativas que se centran exclusivamente en los números. Aquellos inversionistas que utilizan estrategias de negociación cuantitativas a menudo deciden si compran o venden una acción en base a los dictados del sistema que siguen. Algunos de estos sistemas se basan en las empresas que emiten las existencias. Los informes de ingresos y los balances son la fuente de la información pertinente para tales estrategias. Las cifras brutas obtenidas de esta información pueden desglosarse en ratios financieros que miden prácticamente todos los aspectos de las operaciones de una empresa. Por el contrario, algunos inversores optan por ignorar las especificidades de una empresa a favor de las siguientes tendencias de precios. Estos inversores tienden a ser los comerciantes de día y los comerciantes de swing que buscan entrar y salir de sus posiciones en cuestión de días en un esfuerzo por obtener ganancias rápidas. Como resultado, las estrategias comerciales cuantitativas que usan se centrarán probablemente en la volatilidad de las acciones, que es una medida de la rapidez con que se mueve el precio y el rango de su movimiento. Los sistemas de recolección de acciones de esta manera a menudo envían a los inversores comprar o vender señales cada vez que un precio de las acciones alcanza un cierto nivel. Uno de los inconvenientes inherentes a las estrategias de negociación cuantitativa es que pueden ser lentos para reaccionar a los cambios importantes del mercado. Como resultado, algunas estrategias pueden conducir a varias malas operaciones antes de que se puedan hacer ajustes. Por esta razón, los inversionistas pueden desear poner un stop-loss en cualquier comercio que hagan. Stop-pérdidas se colocan en un nivel en el que el inversor ya no es cómodo permanecer en una posición específica y correr el riesgo de perder más dinero. Hacer esto permite una cierta protección contra una estrategia potencialmente defectuosa. Relacionados wiseGEEK articlesBeginner39s Guía de comercio cuantitativo En este artículo voy a presentarle algunos de los conceptos básicos que acompañan a un sistema de comercio cuantitativo de extremo a extremo. Esperamos que este post sirva a dos audiencias. La primera será las personas que tratan de obtener un empleo en un fondo como un comerciante cuantitativo. El segundo será los individuos que desean intentar y fijar su propio negocio de negociación algorítmico al por menor. El comercio cuantitativo es un área extremadamente sofisticada de finanzas cuantitativas. Puede tomar una cantidad significativa de tiempo para obtener el conocimiento necesario para pasar una entrevista o construir sus propias estrategias comerciales. No sólo eso, sino que requiere una amplia experiencia en la programación, al menos en un lenguaje como MATLAB, R o Python. Sin embargo, a medida que aumenta la frecuencia de negociación de la estrategia, los aspectos tecnológicos se vuelven mucho más relevantes. Por lo tanto, estar familiarizado con C / C será de suma importancia. Un sistema de comercio cuantitativo consta de cuatro componentes principales: Identificación de la Estrategia - Encontrar una estrategia, explotar una ventaja y decidir sobre la frecuencia de negociación Estrategia Backtesting - Obtención de datos, análisis del desempeño de la estrategia y eliminación de sesgos Sistema de ejecución - Vinculación a un corretaje, automatización del comercio y minimización Costos de transacción Gestión de Riesgos - Asignación de capital óptima, tamaño de la apuesta / criterio de Kelly y la psicología comercial Bien comience por echar un vistazo a cómo identificar una estrategia comercial. Identificación de la estrategia Todos los procesos de negociación cuantitativa comienzan con un período inicial de investigación. Este proceso de investigación abarca la búsqueda de una estrategia, ver si la estrategia encaja en una cartera de otras estrategias que puede ejecutar, la obtención de cualquier información necesaria para probar la estrategia y tratar de optimizar la estrategia para mayores retornos y / o menor riesgo. Debe tener en cuenta sus propios requisitos de capital si ejecuta la estrategia como un comerciante minorista y cómo los costos de transacción afectarán a la estrategia. Contrariamente a la creencia popular es en realidad bastante sencillo encontrar estrategias rentables a través de diversas fuentes públicas. Los académicos publican periódicamente los resultados comerciales teóricos (aunque en su mayor parte son brutos de los costos de transacción). Los blogs cuantitativos de finanzas discutirán las estrategias en detalle. Las revistas comerciales describirán algunas de las estrategias empleadas por los fondos. Usted puede preguntarse por qué las personas y las empresas están dispuestos a discutir sus estrategias rentables, sobre todo cuando saben que otros apiñando el comercio puede detener la estrategia de trabajar a largo plazo. La razón radica en el hecho de que no suelen discutir los parámetros exactos y los métodos de ajuste que han llevado a cabo. Estas optimizaciones son la clave para convertir una estrategia relativamente mediocre en una muy rentable. De hecho, una de las mejores maneras de crear sus propias estrategias únicas es encontrar métodos similares y luego llevar a cabo su propio procedimiento de optimización. Aquí hay una pequeña lista de lugares para comenzar a buscar ideas de estrategia: Muchas de las estrategias que verá caerán en las categorías de reversión media y seguimiento de tendencias / impulso. Una estrategia de inversión de media es aquella que intenta explotar el hecho de que existe una media a largo plazo en una serie de precios (como el diferencial entre dos activos correlacionados) y que las desviaciones a corto plazo de esta media eventualmente revertirán. Una estrategia de impulso intenta explotar tanto la psicología de los inversionistas como la estructura de los fondos grandes al atraer un paseo en una tendencia del mercado, que puede obtener ímpetu en una dirección y seguir la tendencia hasta que se invierte. Otro aspecto enormemente importante del comercio cuantitativo es la frecuencia de la estrategia comercial. Bajo frecuencia de negociación (LFT) generalmente se refiere a cualquier estrategia que tiene activos más largo que un día de negociación. Correspondientemente, el comercio de alta frecuencia (HFT) generalmente se refiere a una estrategia que mantiene activos intradía. El comercio de frecuencia ultra-alta (UHFT) se refiere a estrategias que tienen activos en el orden de segundos y milisegundos. Como un practicante de venta al por menor HFT y UHFT son ciertamente posibles, pero sólo con un conocimiento detallado de la pila de tecnología de negociación y la dinámica del libro de pedidos. No discutiremos estos aspectos en gran medida en este artículo introductorio. Una vez que se ha identificado una estrategia o un conjunto de estrategias, ahora es necesario probar la rentabilidad de los datos históricos. Ese es el dominio del backtesting. Estrategia Backtesting El objetivo del backtesting es proporcionar evidencia de que la estrategia identificada a través del proceso anterior es rentable cuando se aplica tanto a datos históricos como fuera de la muestra. Esto establece la expectativa de cómo la estrategia se llevará a cabo en el mundo real. Sin embargo, backtesting no es una garantía de éxito, por varias razones. Es quizás el área más sutil del comercio cuantitativo, ya que conlleva numerosos sesgos, que deben ser cuidadosamente considerados y eliminados en la medida de lo posible. Discutiremos los tipos comunes de sesgo, incluyendo el sesgo prospectivo. El sesgo de supervivencia y el sesgo de optimización (también conocido como sesgo de snooping de datos). Otras áreas de importancia dentro de backtesting incluyen la disponibilidad y limpieza de datos históricos, teniendo en cuenta los costos de transacción realistas y decidir sobre una sólida plataforma de backtesting. Discuta los costos de transacción más adelante en la sección de Sistemas de Ejecución a continuación. Una vez que se ha identificado una estrategia, es necesario obtener los datos históricos a través de los cuales realizar pruebas y, quizás, refinamiento. Hay un número significativo de proveedores de datos en todas las clases de activos. Sus costos generalmente varían con la calidad, profundidad y oportunidad de los datos. El punto de partida tradicional para comenzar comerciantes cuantitativamente (al menos en el nivel minorista) es utilizar el conjunto de datos gratuito de Yahoo Finance. No voy a pensar demasiado en los proveedores aquí, más bien me gustaría concentrarme en los problemas generales cuando se trata de conjuntos de datos históricos. Las principales preocupaciones con los datos históricos incluyen la precisión / limpieza, el sesgo de supervivencia y el ajuste para las acciones corporativas, tales como dividendos y divisiones de stock: Exactitud se refiere a la calidad general de los datos - si contiene errores. Los errores a veces pueden ser fáciles de identificar, como con un filtro de espiga. Que seleccionará picos incorrectos en datos de series de tiempo y corregirá para ellos. En otras ocasiones pueden ser muy difíciles de detectar. A menudo es necesario tener dos o más proveedores y, a continuación, comprobar todos sus datos entre sí. El sesgo de supervivencia es a menudo una característica de los conjuntos de datos gratuitos o baratos. Un conjunto de datos con sesgo de supervivencia significa que no contiene activos que ya no son comerciales. En el caso de las acciones, esto significa acciones enajenadas / quebradas. Este sesgo significa que cualquier estrategia de negociación de valores probada en un conjunto de datos de este tipo probablemente funcionará mejor que en el mundo real ya que los ganadores históricos ya han sido preseleccionados. Las acciones corporativas incluyen actividades logísticas llevadas a cabo por la empresa que suelen provocar un cambio de paso en el precio bruto, que no debe ser incluido en el cálculo de las devoluciones del precio. Los ajustes por dividendos y divisiones de acciones son los culpables comunes. En cada una de estas acciones es necesario realizar un proceso conocido como ajuste posterior. Uno debe tener mucho cuidado de no confundir una división de acciones con un verdadero ajuste de devoluciones. Muchos comerciantes han sido atrapados por una acción corporativa Para llevar a cabo un procedimiento de backtest es necesario utilizar una plataforma de software. Usted tiene la opción entre software de backtest dedicado, como Tradestation, una plataforma numérica como Excel o MATLAB o una implementación personalizada completa en un lenguaje de programación como Python o C. No me quedaré demasiado en Tradestation (o similar), Excel o MATLAB, ya que creo en la creación de una pila de tecnología completa en la casa (por las razones descritas a continuación). Uno de los beneficios de hacerlo es que el software de backtest y el sistema de ejecución pueden estar estrechamente integrados, incluso con estrategias estadísticas muy avanzadas. Para las estrategias HFT en particular, es esencial utilizar una implementación personalizada. Cuando backtesting un sistema uno debe ser capaz de cuantificar qué tan bien está realizando. La métrica estándar de la industria para las estrategias cuantitativas es la reducción máxima y la relación de Sharpe. La desgravación máxima caracteriza la mayor caída de pico a vaciado en la curva de patrimonio de la cuenta durante un período de tiempo particular (generalmente anual). Esto se cita más a menudo como un porcentaje. Las estrategias LFT tienden a tener mayores tiradas que las estrategias HFT, debido a una serie de factores estadísticos. Un backtest histórico demostrará el máximo drenaje pasado, que es una buena guía para el funcionamiento futuro de la reducción de la estrategia. La segunda medición es la relación de Sharpe, que se define heurísticamente como la media de los rendimientos excedentes divididos por la desviación estándar de esos rendimientos excedentes. Aquí, el exceso de retornos se refiere al retorno de la estrategia por encima de un punto de referencia predeterminado. Como el SP500 o un bono del Tesoro a tres meses. Tenga en cuenta que la rentabilidad anualizada no es una medida utilizada normalmente, ya que no tiene en cuenta la volatilidad de la estrategia (a diferencia del Índice de Sharpe). Una vez que una estrategia ha sido backtested y se considera que está libre de sesgos (en la medida de lo posible), con un buen Sharpe y reducir las reducciones, es el momento de construir un sistema de ejecución. Sistemas de Ejecución Un sistema de ejecución es el medio por el cual la lista de operaciones generadas por la estrategia son enviadas y ejecutadas por el corredor. A pesar de que la generación comercial puede ser semiautomática o totalmente automatizada, el mecanismo de ejecución puede ser manual, semi-manual (es decir, un clic) o totalmente automatizado. Para las estrategias LFT, las técnicas manuales y semi-manuales son comunes. Para las estrategias de HFT es necesario crear un mecanismo de ejecución totalmente automatizado, que a menudo estará estrechamente vinculado con el generador de comercio (debido a la interdependencia de la estrategia y la tecnología). Las consideraciones clave al crear un sistema de ejecución son la interfaz con la correduría. Minimización de los costos de transacción (incluyendo la comisión, el deslizamiento y la propagación) y la divergencia del desempeño del sistema en vivo con el desempeño backtestado. Hay muchas formas de interactuar con una correduría. Que van desde llamar a su agente en el teléfono a través de una totalmente automatizada de alto rendimiento de la interfaz de programación de aplicaciones (API). Idealmente, desea automatizar la ejecución de sus operaciones, tanto como sea posible. Esto le libera para concentrarse en la investigación adicional, así como le permiten ejecutar múltiples estrategias o incluso estrategias de mayor frecuencia (de hecho, HFT es esencialmente imposible sin la ejecución automatizada). El software común de backtesting descrito anteriormente, como MATLAB, Excel y Tradestation, son buenos para estrategias de menor frecuencia y más sencillas. Sin embargo, será necesario construir un sistema de ejecución interno escrito en un lenguaje de alto rendimiento como C para hacer cualquier HFT real. Como una anécdota, en el fondo que solía ser empleado en, tuvimos un bucle de 10 minutos de comercio donde se descarga nuevos datos de mercado cada 10 minutos y luego ejecutar operaciones basadas en esa información en el mismo marco de tiempo. Esto estaba utilizando una escritura optimizada de Python. Para cualquier cosa que se aproxima a los datos de frecuencia minuto o segunda, creo que C / C sería más ideal. En un fondo más grande no es a menudo el dominio del comerciante del quant para optimizar la ejecución. Sin embargo, en las tiendas más pequeñas o las empresas de HFT, los comerciantes son los ejecutores y por lo que un nivel de competencia mucho más amplio es a menudo deseable. Tener esto en mente si desea ser empleado de un fondo. Sus habilidades de programación serán tan importantes, si no más, que sus estadísticas y talentos de econometría Otra cuestión importante que cae bajo la bandera de la ejecución es la minimización de costos de transacción. Generalmente hay tres componentes a los costos de transacción: Las comisiones (o impuestos), que son los cargos cobrados por la correduría, el intercambio y el deslizamiento de la SEC (o un organismo regulador gubernamental similar), que es la diferencia entre lo que usted pensó que su pedido fuera Llenado en comparación con lo que realmente se llenó en el spread, que es la diferencia entre el precio de oferta / demanda de la seguridad que se negocian. Tenga en cuenta que el diferencial no es constante y depende de la liquidez actual (es decir, disponibilidad de órdenes de compra / venta) en el mercado. Los costos de transacción pueden hacer la diferencia entre una estrategia extremadamente rentable con una buena relación de Sharpe y una estrategia extremadamente poco rentable con una proporción terrible de Sharpe. Puede ser un desafío para predecir correctamente los costos de transacción de un backtest. Dependiendo de la frecuencia de la estrategia, necesitará tener acceso a los datos históricos de intercambio, los cuales incluirán datos de tick para los precios de oferta / solicitud. Equipos enteros de quants se dedican a la optimización de la ejecución en los fondos más grandes, por estas razones. Considere el escenario en el que un fondo necesita descargar una cantidad sustancial de operaciones (de las cuales las razones para hacerlo son muchas y variadas). Al depositar tantas acciones en el mercado, deprimirán rápidamente el precio y no podrán obtener una ejecución óptima. De ahí que los algoritmos que gotean pedidos de alimentación en el mercado existen, aunque entonces el fondo corre el riesgo de deslizamiento. Además, otras estrategias se aprovechan de estas necesidades y pueden explotar las ineficiencias. Este es el dominio del arbitraje de la estructura del fondo. El último problema importante para los sistemas de ejecución se refiere a la divergencia del desempeño de la estrategia con el rendimiento respaldado. Esto puede suceder por varias razones. Ya hemos discutido el sesgo prospectivo y el sesgo de optimización en profundidad, al considerar los backtests. Sin embargo, algunas estrategias no facilitan la comprobación de estos sesgos antes de la implementación. Esto ocurre en HFT más predominantemente. Puede haber bugs en el sistema de ejecución, así como la estrategia de comercio en sí que no se muestran en un backtest pero DO mostrar en el comercio en vivo. El mercado puede haber estado sujeto a un cambio de régimen posterior al despliegue de su estrategia. Los nuevos entornos regulatorios, el cambio del sentimiento de los inversionistas y los fenómenos macroeconómicos pueden conducir a divergencias en el comportamiento del mercado y, por lo tanto, en la rentabilidad de su estrategia. Gestión de Riesgos La última pieza del rompecabezas de negociación cuantitativa es el proceso de gestión de riesgos. El riesgo incluye todos los sesgos anteriores que hemos discutido. Incluye el riesgo de la tecnología, tales como servidores co-ubicados en el intercambio de repente el desarrollo de un mal funcionamiento del disco duro. Incluye riesgo de corretaje, como el corredor que se quiebra (no tan loco como parece, dado el reciente susto con MF Global). En resumen, cubre casi todo lo que podría interferir con la aplicación de comercio, de los cuales hay muchas fuentes. Los libros enteros se dedican a la gestión del riesgo para las estrategias cuantitativas así que no intentaré aclarar sobre todas las posibles fuentes de riesgo aquí. La gestión de riesgos también abarca lo que se conoce como asignación óptima de capital. Que es una rama de la teoría de la cartera. Este es el medio por el cual el capital se asigna a un conjunto de estrategias diferentes ya los oficios dentro de esas estrategias. Es un área compleja y se basa en algunas matemáticas no triviales. El estándar de la industria por el cual la asignación óptima del capital y el apalancamiento de las estrategias se relacionan se llama el criterio de Kelly. Puesto que esto es un artículo introductorio, no voy a detenerme en su cálculo. El criterio de Kelly hace algunas suposiciones acerca de la naturaleza estadística de los retornos, que a menudo no son verdad en los mercados financieros, por lo que los comerciantes son a menudo conservadores en lo que respecta a la implementación. Otro componente clave de la gestión de riesgos es el trato con el propio perfil psicológico. Hay muchos prejuicios cognitivos que pueden arrastrarse a la negociación. Aunque esto es sin duda menos problemático con el comercio algorítmico si la estrategia se deja solo Un sesgo común es el de la aversión a la pérdida donde una posición perdedora no se cerrará debido al dolor de tener que realizar una pérdida. Del mismo modo, los beneficios pueden ser tomados demasiado pronto porque el miedo de perder un beneficio ya ganado puede ser demasiado grande. Otro sesgo común se conoce como sesgo de recency. Esto se manifiesta cuando los comerciantes ponen demasiado énfasis en los acontecimientos recientes y no en el largo plazo. Luego, por supuesto, hay el clásico par de prejuicios emocionales - el miedo y la codicia. Éstos a menudo pueden conducir a sub o sobre-apalancamiento, lo que puede provocar la explosión (es decir, la partida de equidad de la cuenta a cero o peor) o beneficios reducidos. Resumen Como puede verse, el comercio cuantitativo es un área de finanzas cuantitativas extremadamente compleja, aunque muy interesante. Literalmente he rayado la superficie del tema en este artículo y ya está recibiendo bastante largo Se han escrito libros enteros y documentos sobre cuestiones que sólo he dado una oración o dos hacia. Por esa razón, antes de solicitar puestos de trabajo cuantitativos de comercio de fondos, es necesario llevar a cabo una cantidad significativa de estudio de base. Por lo menos necesitarás un amplio fondo en estadísticas y econometría, con mucha experiencia en la implementación, a través de un lenguaje de programación como MATLAB, Python o R. Para estrategias más sofisticadas en el extremo de mayor frecuencia, tu conjunto de habilidades es probable Para incluir la modificación del kernel de Linux, C / C, programación de ensamblaje y optimización de latencia de red. Si usted está interesado en tratar de crear sus propias estrategias de negociación algorítmica, mi primera sugerencia sería ser bueno en la programación. Mi preferencia es construir tanto de la captura de datos, la estrategia backtester y el sistema de ejecución por ti mismo como sea posible. Si su propio capital está en la línea, no dormir mejor por la noche sabiendo que ha probado completamente su sistema y son conscientes de sus peligros y problemas particulares Outsourcing esto a un proveedor, mientras que potencialmente ahorrar tiempo en el corto plazo, podría ser extremadamente Caro a largo plazo.