21 сентября 2013
Личные предпочтения в торговле
Чтобы быть успешным трейдером – торгуя самостоятельно или с помощью алгоритмов – необходимо задать себе несколько прямых вопросов. Торговля предоставляет вам возможность потерять деньги очень быстро, таким образом, необходимо «знать себя» так же, как и необходимо понимать выбранную вами стратегию.
Я бы сказал, что самое важный фактор в торговле –знать о своей индивидуальности. Торговля, и в частности алгоритмическая торговля, требует существенной дисциплины, терпения и эмоциональной беспристрастности. Поскольку вы позволяете алгоритму торговать за вас, то необходимо принять твердое решение не вмешиваться в стратегию когда она выполняется. Это может быть очень трудно, особенно в период затянувшегося спада. Однако, многие стратегии, которые показывали хорошие результаты при бэктестировании, могут потерпеть крах при простом вмешательстве. Поймите, что если вы войдете в мир алгоритмической торговли, то будете подвергаться эмоциональным испытаниям и, чтобы быть успешным, необходимо справляться с этими трудностями!
Следующий вопрос для рассмотрения – время. Вы работаете на полную ставку или неполный рабочий день? Вы работаете из дома или каждый день добираетесь до работы? Эти вопросы помогут определить частоту стратегии, которую вам следует искать. Тем из вас, кто работает на полную ставку, не подойдет стратегия внутридневной торговли фьючерсами (по крайней мере, пока она полностью не автоматизирована!). Ваши временные ограничения также влияют на методологию стратегии. Если стратегия часто торгуется и зависит от дорогих лент новостей (таких как, например, терминал Bloomberg), вы должны реалистично оценить свои возможности успешно управлять ею, пока находитесь в офисе! Те из вас, кто обладает большим количеством свободного времени или навыками для автоматизации стратегии, могут попробовать изучить более технологическую стратегию высокочастотной торговли (High-frequency trading HFT).
Я считаю, что необходимо вести постоянные исследования по вашим торговым стратегиям, чтобы ваш портфель был последовательно прибылен. Немногие стратегий остаются «на радаре» навсегда. Следовательно, существенная часть времени, выделенного на торговлю, будет посвящена проведению исследований. Спросите себя, готовы ли вы к этому, поскольку здесь может заключаться разница между высокой доходностью и медленным спадом.
Вы также должны взвесить свой торговый капитал. Для количественной стратегии общепринятый идеальный минимальный капитал составляет $50 тыс. Если бы я сейчас начинал торговать, то начал бы с большей суммы, скорее всего около $100 тыс. Это потому, что у стратегий от средних до высокочастотных операционные издержки могут быть очень большими, и необходимо иметь достаточный капитал, чтобы переварить их во время просадок. Если вы хотите начать меньше чем с $10 тыс., то должны будете ограничить себя низкочастотными стратегиями, торгующими одним или двумя активами, иначе операционные издержки быстро съедят вашу прибыль. У Interactive Brokers, который благодаря своему интерфейсу является одним из самых приятных брокеров для тех, у кого есть навыки программирования, розничный минимальный счет составляет $10 тыс.
Навык программирования является важным фактором при создании автоматизированной алгоритмической торговой стратегии. Если вы хорошо разбираетесь в таких языках программирования, как C++, Java, C#, Python или R, это позволит вам самостоятельно создавать хранилище данных, движок бэктестирования и систему выполнения, что даст вам некоторые преимущества, главным из которых является возможность знать обо всех аспектах торговой инфраструктуры. Это также позволит вам анализировать более высокочастотные стратегии, поскольку вы будете полностью управлять своим «стеком технологий». Это означает не только то, что вы сможете тестировать свое собственное программное обеспечение и устранять ошибки, а также то, что вы больше времени будете тратить на кодирование инфраструктуры, и меньше – на реализацию стратегий, по крайней мере, в начале своей карьеры алгоритмического трейдера. Вы можете обнаружить, что достаточно удобно торговать с помощью Excel или MATLAB, и можете отдать на аутсорсинг разработку других компонентов. Однако я не рекомендовал бы так поступать, особенно тем, кто занимается высокочастотной торговлей.
Вы должны спросить себя, чего вы хотите достигнуть с помощью алгоритмической торговли. Интересует ли вас регулярный доход, с помощью которого вы надеетесь извлечь прибыль из своего торгового счета? Или вас интересует получение долгосрочного роста капитала? Желаемый доход будет диктовать частоту вашей стратегии. Более регулярный вывод полученного дохода потребует более высокой частоты торговой стратегии с меньшей волатильностью (то есть более высоким коэффициентом Шарпа). Долгосрочные трейдеры могут позволить себе более низкую частоту торговли.
Наконец, пусть вас не вводит в заблуждение мнение, что можно стать очень богатым за короткий промежуток времени! Алгоритмическая торговля не является схемой быстрого обогащения, но она может стать схемой быстрой потери денег. Чтобы быть успешным в алгоритмической торговле, необходимо быть хорошо дисциплинированным, способным к анализу, усердным и терпеливым. Могут потребоваться месяцы, если не годы, чтобы выйти на устойчивую доходность.
Поиск источников алгоритмических торговых идей
Несмотря на общее противоположное мнение, на самом деле довольно просто находить выгодные торговые стратегии в открытых источниках. Никогда раньше торговые стратегии не были столь доступны, как сейчас. Научные финансовые журналы, серверы с препринтами (предварительной публикацией научных работ), трейдинговые блоги и форумы, еженедельные торговые журналы и тексты профессионалов предоставляют тысячи торговых стратегий, которые могут послужить основой для ваших идей.
Наша цель в качестве количественных исследователей состоит в установлении канала поступления стратегий, который предоставит нам поток непрерывных торговых идей. В идеале мы хотим создать методический подход к поиску источников, оценке и реализации обнаруженных стратегий. Цель канала состоит в генерировании постоянного числа новых идей и создании рабочей схемы для отклонения большинства этих идей с минимальной эмоциональной оценкой.
Мы должны быть очень внимательными и не позволять когнитивным искажениям влиять на нашу методологию принятия решения. Это может быть так же просто, как предпочитать один класс активов другому (на ум приходит золото и другие драгоценные металлы), потому что он выглядит более экзотичным. Наша цель всегда должна состоять в нахождении прибыльных стратегий с положительным ожидаемым результатом. Выбор класса активов должен быть основан на других факторах, таких как ограничения торгового капитала, комиссия брокера и маржинальные характеристики.
Если вы совсем не знакомы с понятием торговой стратегии, то сначала вам следует почитать авторитетные учебники. Классические тексты предоставляют широкий диапазон простых, прямых идей, по которым можно самостоятельно ознакомиться с количественной торговлей. Вот список книг, рекомендуемых мною тем, кто плохо знаком с количественной торговлей, составленный в порядке постепенного усложнения:
- Количественная торговля: Как построить свой алгоритмический торговый бизнес - Эрнест Чан (Quantitative Trading: How to Build Your Own Algorithmic Trading Business (Wiley Trading) - Ernest Chan)
- Алгоритмическая Торговля и DMA: Введение в торговые стратегии прямого доступа. - Барри Джонсон (Algorithmic Trading and DMA: An introduction to direct access trading strategies - Barry Johnson);
- Волатильность и ценообразование опциона: передовые торговые стратегии и методы - Шелдон Нэтенберг (Option Volatility & Pricing: Advanced Trading Strategies and Techniques - Sheldon Natenberg);
- Торговля волатильностью - Юэн Синклер (Volatility Trading - Euan Sinclair);
- Торговля и биржи: Микроструктура рынка для практиков - Ларри Харрис (Trading and Exchanges: Market Microstructure for Practitioners - Larry Harris).
Чтобы получить дополнительный список книг по количественной торговле, можно посетить сайт QuantStart.
Следующее место, где можно найти более сложные стратегии, это трейдинговые форумы и блоги. Однако предупреждаю: многие блоги опираются на технический анализ. Технический анализ включает в себя использование основных индикаторов и поведенческую психологию для определения тенденций, или изменение направления паттернов цен актива.
Несмотря на то, что технический анализ очень популярен в околотрейдинговом пространстве, его считают весьма неэффективным в сообществе количественных финансистов. Некоторые предполагают, что с точки зрения прогнозирующей способности, он не лучше чтения гороскопа или изучения фигур из чайной заварки! На самом деле есть успешные люди, использующие технический анализ. Однако, поскольку количественные трейдеры в своем распоряжении имеют более сложный математический и статистический комплект инструментов, то мы можем легко оценивать эффективность таких «основанных на техническом анализе» стратегий и принимать решения, основанные на данных, а не на эмоциональных факторах или предвзятых мнениях.
Вот список высокоавторитетных алгоритмических трейдинговых блогов и форумов:
- The Whole Street;
- Quantivity;
- Quantitative Trading(Ernest Chan);
- Quantopian;
- Quantpedia;
- ETF HQ;
- Quant.ly;
- Elite Trader Forums;
- Wealth Lab;
- Nuclear Phynance;
- Wilmott Forums.
Как только у вас появится некоторый опыт оценки простых стратегий, пора будет взглянуть на более сложные научные предложения. Некоторые научные журналы труднодоступны без дорогой подписки или одноразовых платежей. Но если вы являетесь сотрудником или выпускником университета, то должны иметь возможности получить доступ к некоторым из этих финансовых журналов. В противном случае вы можете использовать серверы с препринтами (предварительной публикацией научных работ), которые являются интернет-репозитоиями черновиков последних научных работ, которые находятся на экспертной оценке. Поскольку мы интересуемся только стратегиями, которые сможем успешно воспроизвести, повести бэктестиование и получить прибыль, то для нас экспертная оценка не имеет большого значения.
Важной обратной стороной научных стратегий является то, что они могут часто быть устаревшими, нуждаться в неизвестных и дорогих исторических данных, торговать неликвидными классами активов или не учитывать комиссии, проскальзывание или спрэд. Также может быть не ясно, реализована ли в торговой стратегии работа с рыночными и лимитными заявками, включает ли она стоп-лоссы и т.д. Таким образом, очень важно самостоятельно воспроизводить стратегию так хорошо, как это возможно, проводить ее бэктестирование, и добавлять реальные операционные издержки, которые включают большинство аспектов класса актива, которыми вы хотите торговать.
Вот список наиболее популярных серверов с предварительной публикацией научных работ и финансовых журналов, где вы можете найти источник для своих идей:
- arXiv;
- SSRN;
- Journal of Investment Strategies;
- Journal of Computational Finance;
- Mathematical Finance.
Что же касается формирования собственных количественных стратегий, то это обычно требует экспертного опыта (но не ограничивается им) в одной или нескольких следующих категориях:
- Микроструктура рынка. В частности для высокочастотных стратегий можно использовать микроструктуру рынка, то есть понимание динамики книги заявок для получения прибыли. У разных рынков разные технологические ограничения, регламенты, участники рынка и требования, которые можно использовать с помощью определенных стратегий. Это очень сложная область, и розничным практикам будет трудно оставаться конкурентоспособными в этом пространстве, особенно потому, что в соревновании участвуют крупные, хорошо капитализированные количественные хедж-фонды с сильными технологическими возможностями.
- Структура фонда. Объединенные инвестиционные фонды, такие как пенсионные фонды, частные инвестиционные партнерства (хедж-фонды), финансовые консультанты и взаимные фонды, ограничены как жестким регулированием, так и большим резервным капиталом. А определенное последовательное поведение может использоваться теми, кто более гибок. Например, крупные фонды из-за своего размера подвержены ограничениям по емкости (capacity constraints). Значит, если им надо быстро освободиться от некоторого количества ценных бумаг (продать), то они должны будут разбить их для избежания «движения рынка». Сложные алгоритмы могут использовать в своих интересах этот и другие особенности общего процесса, известного как арбитраж структуры фонда (fund structure arbitrage).
- Машинное обучение/искусственный интеллект. Алгоритмы машинного обучения в последние годы стали более распространены на финансовых рынках. Классификаторы (например, Naive-Bayes, и др.) нахождения нелинейной функции (нейронные сети) и алгоритмы оптимизации (генетические алгоритмы) используются для прогнозирования пути актива или оптимизации торговой стратегии. Если у Вас есть знания в этой области, то вы можете понимать, как отдельные алгоритмы можно применить к определенным рынкам.
Есть, конечно, много других областей для изучения, которыми могут заняться количественные трейдеры.
Продолжая еженедельно или даже ежедневно просматривать эти источники, вы начнете получать систематический список стратегий из большого диапазона источников. Следующим шагом необходимо определить, как забраковать большинство стратегий, которые, скорее всего, будут нерентабельными, для минимизации потери времени и использования ресурсов бэктестирования.
Оценка торговых стратегий
Самый важный, и возможно самый очевидный факт состоит в том, понимаете ли вы стратегию на самом деле. Можете ли вы объяснить стратегию кратко, или для этого потребуется ряд условностей и бесконечные списки параметров? Кроме того, есть ли в действительности у стратегии хорошая, твердая основа? Например, можете ли вы отметить некоторое логическое обоснование поведения или ограничения структуры фонда, что могло бы стать причиной паттерна (паттернов), которые вы пытаетесь использовать? Сохраняется ли это ограничение при изменении финансового режима, такого как резкое регулятивное изменение финансовой среды? Стратегия опирается на сложные статистические или математические правила? Относится ли она к какому-нибудь финансовому временному ряду, или характерна для класса активов? Вы должны постоянно думать об этих факторах, оценивая новые торговые методы, иначе можете потратить впустую много времени, пытаясь бэктестировать и оптимизировать нерентабельные стратегии.
Как только вы решили, что понимаете основные принципы стратегии, вы должны определить, соответствует ли она вашему упомянутому в первой части профилю личности. Все не столь неопределенно, как может показаться на первый взгляд! Стратегии будут сильно отличаться по их рабочим характеристикам. Есть конкретные типы личности, которые могут справиться с более существенными периодами просадки или готовы идти на больший риск для получения большей прибыли. Несмотря на тот факт, что мы в качестве количественных трейдеров пытаемся и устраняем как можно больше когнитивных искажений, и должны быть способны оценивать стратегию беспристрастно, искажения все равно будут появляться. Таким образом, мы нуждаемся в последовательном, бесстрастном средстве, с помощью которого можно оценить выполнение стратегий. Вот список критериев, по которым я оцениваю потенциально новую стратегию:
- Методология. Основана ли стратегия на импульсе (momentum), возврате к среднему (mean-reverting), маркет-нейтральна она или направлена? Опирается ли стратегия на сложные статистические или машинные методы обучения, которые трудны для понимания и требуют докторской степени в статистике? Вводят ли эти методы большое количество параметров, которые могут привести к ошибкам оптимизации? Будет ли стратегия противостоять изменению финансового режима (то есть потенциально новому регулированию финансовых рынков)?
- Коэффициент Шарпа. Коэффициент Шарпа эвристически характеризует отношение прибыли стратегии к ее риску. Он определяет, какую прибыль вы можете получить для уровня волатильности, допускаемой кривой эквити. Естественно, мы должны определить период и частотность, которыми измеряются эта прибыль и волатильность (стандартное отклонение). Например, более высокочастотная стратегия потребует большей частоты измерений стандартного отклонения, но более короткого общего периода времени измерения.
- Плечо. Нужны ли стратегии большие плечи, чтобы быть прибыльной? Необходимо ли использование производных маржинальных контрактов (фьючерсов, опционов, свопов), чтобы приносить прибыль? Эти маржинальные контракты могут быть очень чувствительны к волатильности, и легко привести к маржин-колам. Есть ли у вас есть торговый капитал и темперамент для такой волатильности?
- Частотность. Частотность стратегии сильно связана с вашим стеком технологий (и вашим опытом в этих технологиях), коэффициентом Шарпа и общим уровнем операционных издержек. Среди других рассматриваемых проблем высокочастотные стратегии требуют большего капитала, они более сложны и более трудноосуществимы. Однако, если ваш движок для бэктестирования умен и в нем нет ошибок, то такие стратегии часто будут иметь намного более высокие коэффициенты Шарпа.
- Волатильность. Волатильность сильно связана с риском стратегии. Она характеризуется коэффициентом Шарпа. Более высокая волатильность основных классов активов, если они не хеджированы, часто приводит к более высокой волатильности кривой эквити и таким образом меньшему коэффициенту Шарпа. Я здесь предполагаю, что положительная волатильность приблизительно равна отрицательной волатильности. У некоторых стратегий может быть большая волатильность на падении рынка. Вы должны знать эти отличительные особенности.
- Выигрыш/проигрыш, средняя прибыль/средние потери. Стратегии будут отличаться по этим параметрам. Можно иметь очень прибыльную стратегию, даже если число проигрышных сделок превышает число выигрышных. Импульсные стратегии имеют тенденцию к такому сценарию, поскольку, чтобы быть прибыльными, им необходимо небольшое число «крупных успехов». Стратегии возврата к среднему имеют тенденцию к противоположной схеме, где большинство сделок «выигрывает», но проигрывающие сделки могут быть довольно серьезными.
- Максимальная посадка. Максимальная просадка – самый большой общий спад в процентном исчислении от высшей до низшей точки на кривой эквити стратегии. Хорошо известно, что импульсные стратегии страдают от периодов длительных просадок (из-за последовательности большого количества постепенных проигрышных сделок). Многие трейдеры сдаются в периоды длительных просадок, даже если тестирование на исторических данных указывало, что для стратегии это «обычное положение дел». Прежде, чем останавливать торговлю по своей стратегии, вам необходимо определить, какой процент просадок (и за какой период) вас устроит. Это очень личное решение, и его нужно принять, все тщательно взвесив.
- Емкость/ликвидность. На розничном уровне, если вы не торгуете очень неликвидным инструментом (например, акциями мелких компаний), вам не придется сильно беспокоиться о емкости стратегии. Емкость определяет расширяемость стратегии на больший капитал. Многие большие хедж-фонды страдают от больших проблем с емкостью, когда в их стратегии приходит больше капитала.
- Параметры. Некоторым стратегиям (особенно найденным в сообществе машинного обучения) требуется большое число параметров. Каждый дополнительный параметр, который необходим стратегии, делает ее более уязвимой для ошибки оптимизации (также известной как «подгонка кривой»). Вам следует пробовать и выбирать стратегии с как можно меньшим количеством параметров, или удостовериться в том, что у вас есть достаточное количество данных для ее проверки.
- Бэнчмарк. Почти все стратегии (кроме тех, которые являются стратегиями с «абсолютным доходом») измеряются по сравнению с некоторым бенчмарком. Бенчмарком обычно является индекс, характеризующий большую выборку базового класса активов, которыми торгует стратегия. Если стратегия торгует акциями США c высокой капитализацией, то SnP 500 является естественным бенчмарком для измерения вашей стратегии. Вы услышите термины «альфа» и «бета», применяемые к стратегиям этого типа.
Заметьте, что мы не обсуждаем фактическую прибыль стратегии. Почему? Прибыль, если рассматривать ее автономно, на самом деле предоставляет нам ограниченную информацию относительно эффективности стратегии. Она не дает вам представление о плечах, волатильности, бенчмарках или требованиях к капиталу. Таким образом, стратегии редко оцениваются по одной только прибыли. Всегда смотрите на риск стратегии перед рассмотрением прибыли.
На данном этапе многие стратегии, полученные через ваш канал, будут отклонены, поскольку не будут отвечать вашим основным требованиям, требованиям к плечам, к допустимой максимальной просадке или параметрам волатильности. Оставшиеся стратегии можно будет рассмотреть для проведения бэктестирования. Однако прежде чем это делать, необходимо взвесить критерии окончательного отказа – те доступные исторические данные, с помощью которых можно протестировать эти стратегии.
Получение исторических данных
В наше время объем технических средств по классам активов для хранения исторических данных является существенным. Чтобы остаться конкурентоспособными, как покупатели (фонды), так и продавцы (инвестиционные банки) вкладывают большой капитал в свою техническую инфраструктуру.
В частности мы интересуемся своевременностью, точностью и требованиями к хранению. Сейчас я обрисую в общих чертах основы получения исторических данных и их сохранения. К сожалению, это очень обширная техническая тема, так что я не в состоянии рассказать обо всем в этой статье.
Выше мы настроили канал поступления стратегий, который позволяет нам отклонять конкретные стратегии, основываясь на наших личных критериях отклонения. Сейчас мы еще будем отфильтровывать стратегии, основанные на наших собственных предпочтениях получения исторических данных. Главными факторами (особенно на уровне розничного практика) являются стоимость данных, требования к хранению и ваш технический уровень. Также мы должны обсудить различные типы доступных данных и различные факторы, которые нам навязывает каждый тип данных.
Давайте начнем с рассмотрения типов доступных данных и ключевых проблем, которые необходимо обдумать:
- Фундаментальные данные. Они включают в себя данные о макроэкономических тенденциях, таких как процентные ставки, показатели инфляции, корпоративные действия (дивиденды, разделение акций), занесение в реестр Комиссии по ценным бумагам и биржам США (Securities and Exchange Commission, SEC), корпоративные счета, объем прибыли, сезонные отчеты, метеорологические данные и т.д. Эти данные часто используются для оценки компании или других активов на фундаментальной основе, то есть с помощью некоторых способов ожидания будущих потоков наличных средств. Данные не включают последовательность курса акций. Государственные веб-сайты публикуют некоторые фундаментальные данные в свободном доступе. Другие исторические фундаментальные данные за долгий период могут быть чрезвычайно дорогими. Требования к хранению часто не очень большие, если только тысячи компаний не изучались одновременно.
- Новостные данные. Новостные данные часто имеют качественную природу. Они состоят из статей, постов в блогах, микросообщений («твиты») и редакционных статей. Методы машинного обучения, такие как классификаторы, часто используются для интерпретации настроения. Эти данные также часто находятся в свободном доступе, или доступны благодаря недорогой подписке на средства массовой информации. Разработаны новые базы данных хранения документов «NoSQL» для хранения этого типа неструктурированных данных качественного характера.
- Данные о цене актива. Для количественного трейдера это традиционная область определения данных. Данные состоят из временного ряда цен активов. Акции, продукты фиксированного дохода (облигации), товары и курсы валют – это разные классы. Ежедневные исторические данные часто легко получить для простых классов активов, таких как акции. Однако, как только добавлены точность и чистота, и удалены статистические ошибки, данные могут стать дорогими. Кроме того, данные временного ряда часто обладают существенными требованиями к хранению, особенно когда учитываются внутридневные данные.
- Финансовые инструменты. Акции, облигации, фьючерсы и более экзотические производные опционов обладают совершенно отличными особенностями и параметрами. Таким образом, нет универсальной структуры базы данных, которая может их вместить. Необходимо существенное внимание к дизайну и реализации структур баз данных для различных финансовых инструментов.
- Частотность. Чем выше частотность данных, тем больше затраты и требования к хранению. Для низкочастотных стратегий часто достаточно ежедневных данных. Для высокочастотных стратегий могут понадобиться данные уровня тиков, и даже исторические копии данных конкретной торговой биржевой книги заявок. Реализация инструмента хранения этого типа данных является технологически интенсивной и подходит только тем, кто обладает хорошими знаниями в программировании/технике.
- Бенчмарки. Стратегии, описанные выше, часто будут сравниваться с бенчмарком. Он обычно представлен в виде дополнительного финансового временного ряда. Для акций это национальный бэнчмарк акций, такой как индекс SnP 500 (США) или FTSE100 (Великобритания). Фонды фиксированного дохода сравниваются с корзинами облигаций или других продуктов фиксированного дохода. «Безрисковая ставка» (то есть установленная процентная ставка) также является широко распространенным бенчмарком. Все категории классов активов обладают общепринятым бенчмарком, таким образом, если вы хотите получить интерес к своей стратегии извне, то необходимо исследовать его, основываясь на вашей конкретной стратегии.
- Технология. Стеки технологий на заднем плане финансового центра хранения данных сложны. В этой статье мы можем только коснуться области, связанной с их разработкой. Однако сосредоточимся на таком инструменте баз данных, как RDBMS (Relational Database Management System, Система управления реляционной базой данных), например, MySQL, SQL Server, Oracle или инструмент хранения документов («NoSQL»). К ним получают доступ через прикладной код «бизнес-логики», который отправляет запросы к базе данных и обеспечивает доступ к внешним инструментам, таким как MATLAB, R или Excel. Часто бизнес-логика написана на C++, C#, Java или Python. Вы также должны будете где-то размещать эти данные – на вашем персональном компьютере или на удаленном интернет-сервере. Такие продукты, как Amazon Web Services за последние годы сделали это проще и дешевле, но все еще необходима значительная техническая подготовка, чтобы достичь устойчивого к ошибкам поведения.
Можно увидеть, что как только стратегия идентифицирована посредством канала, необходимо оценить возможность использования, затраты, сложность и детали использования конкретного набора исторических данных. Вы можете обнаружить, что необходимо отказаться от стратегии исключительно из-за особенностей исторических данных. Это большая область, и команды, состоящие из докторов наук, работают в крупных фондах, обеспечивая точность и надежность ценовых данных. Не недооцениваете трудности создания устойчивого к ошибкам центра данных для ваших целей бэктестирования!
Однако я хочу сказать, что многие платформы бэктестирования могут автоматически предоставлять вам эти данные – за плату. Таким образом, вы не будете прилагать усилия для реализации этого шага, и можете сконцентрироваться только на реализации стратегии и оптимизации. Такие инструменты, как TradeStation, обладают этими возможностями. Однако, по-моему, необходимо максиммально самостоятельно разрабатывать систему и избегать отдавать части технологического стека на аутсорсинг продавцам программного обеспечения. Я предпочитаю высокочастотные стратегии из-за их более привлекательных коэффициентов Шарпа, но они часто тесно объединены со стеком технологий, где важна усовершенствованная оптимизация.
Теперь, когда мы обсудили проблемы, связанные с историческими данными, пора проводить бэктестирование наших стратегий.
(C) Источник
Не является индивидуальной инвестиционной рекомендацией
При копировании ссылка обязательна Нашли ошибку: выделить и нажать Ctrl+Enter
Чтобы быть успешным трейдером – торгуя самостоятельно или с помощью алгоритмов – необходимо задать себе несколько прямых вопросов. Торговля предоставляет вам возможность потерять деньги очень быстро, таким образом, необходимо «знать себя» так же, как и необходимо понимать выбранную вами стратегию.
Я бы сказал, что самое важный фактор в торговле –знать о своей индивидуальности. Торговля, и в частности алгоритмическая торговля, требует существенной дисциплины, терпения и эмоциональной беспристрастности. Поскольку вы позволяете алгоритму торговать за вас, то необходимо принять твердое решение не вмешиваться в стратегию когда она выполняется. Это может быть очень трудно, особенно в период затянувшегося спада. Однако, многие стратегии, которые показывали хорошие результаты при бэктестировании, могут потерпеть крах при простом вмешательстве. Поймите, что если вы войдете в мир алгоритмической торговли, то будете подвергаться эмоциональным испытаниям и, чтобы быть успешным, необходимо справляться с этими трудностями!
Следующий вопрос для рассмотрения – время. Вы работаете на полную ставку или неполный рабочий день? Вы работаете из дома или каждый день добираетесь до работы? Эти вопросы помогут определить частоту стратегии, которую вам следует искать. Тем из вас, кто работает на полную ставку, не подойдет стратегия внутридневной торговли фьючерсами (по крайней мере, пока она полностью не автоматизирована!). Ваши временные ограничения также влияют на методологию стратегии. Если стратегия часто торгуется и зависит от дорогих лент новостей (таких как, например, терминал Bloomberg), вы должны реалистично оценить свои возможности успешно управлять ею, пока находитесь в офисе! Те из вас, кто обладает большим количеством свободного времени или навыками для автоматизации стратегии, могут попробовать изучить более технологическую стратегию высокочастотной торговли (High-frequency trading HFT).
Я считаю, что необходимо вести постоянные исследования по вашим торговым стратегиям, чтобы ваш портфель был последовательно прибылен. Немногие стратегий остаются «на радаре» навсегда. Следовательно, существенная часть времени, выделенного на торговлю, будет посвящена проведению исследований. Спросите себя, готовы ли вы к этому, поскольку здесь может заключаться разница между высокой доходностью и медленным спадом.
Вы также должны взвесить свой торговый капитал. Для количественной стратегии общепринятый идеальный минимальный капитал составляет $50 тыс. Если бы я сейчас начинал торговать, то начал бы с большей суммы, скорее всего около $100 тыс. Это потому, что у стратегий от средних до высокочастотных операционные издержки могут быть очень большими, и необходимо иметь достаточный капитал, чтобы переварить их во время просадок. Если вы хотите начать меньше чем с $10 тыс., то должны будете ограничить себя низкочастотными стратегиями, торгующими одним или двумя активами, иначе операционные издержки быстро съедят вашу прибыль. У Interactive Brokers, который благодаря своему интерфейсу является одним из самых приятных брокеров для тех, у кого есть навыки программирования, розничный минимальный счет составляет $10 тыс.
Навык программирования является важным фактором при создании автоматизированной алгоритмической торговой стратегии. Если вы хорошо разбираетесь в таких языках программирования, как C++, Java, C#, Python или R, это позволит вам самостоятельно создавать хранилище данных, движок бэктестирования и систему выполнения, что даст вам некоторые преимущества, главным из которых является возможность знать обо всех аспектах торговой инфраструктуры. Это также позволит вам анализировать более высокочастотные стратегии, поскольку вы будете полностью управлять своим «стеком технологий». Это означает не только то, что вы сможете тестировать свое собственное программное обеспечение и устранять ошибки, а также то, что вы больше времени будете тратить на кодирование инфраструктуры, и меньше – на реализацию стратегий, по крайней мере, в начале своей карьеры алгоритмического трейдера. Вы можете обнаружить, что достаточно удобно торговать с помощью Excel или MATLAB, и можете отдать на аутсорсинг разработку других компонентов. Однако я не рекомендовал бы так поступать, особенно тем, кто занимается высокочастотной торговлей.
Вы должны спросить себя, чего вы хотите достигнуть с помощью алгоритмической торговли. Интересует ли вас регулярный доход, с помощью которого вы надеетесь извлечь прибыль из своего торгового счета? Или вас интересует получение долгосрочного роста капитала? Желаемый доход будет диктовать частоту вашей стратегии. Более регулярный вывод полученного дохода потребует более высокой частоты торговой стратегии с меньшей волатильностью (то есть более высоким коэффициентом Шарпа). Долгосрочные трейдеры могут позволить себе более низкую частоту торговли.
Наконец, пусть вас не вводит в заблуждение мнение, что можно стать очень богатым за короткий промежуток времени! Алгоритмическая торговля не является схемой быстрого обогащения, но она может стать схемой быстрой потери денег. Чтобы быть успешным в алгоритмической торговле, необходимо быть хорошо дисциплинированным, способным к анализу, усердным и терпеливым. Могут потребоваться месяцы, если не годы, чтобы выйти на устойчивую доходность.
Поиск источников алгоритмических торговых идей
Несмотря на общее противоположное мнение, на самом деле довольно просто находить выгодные торговые стратегии в открытых источниках. Никогда раньше торговые стратегии не были столь доступны, как сейчас. Научные финансовые журналы, серверы с препринтами (предварительной публикацией научных работ), трейдинговые блоги и форумы, еженедельные торговые журналы и тексты профессионалов предоставляют тысячи торговых стратегий, которые могут послужить основой для ваших идей.
Наша цель в качестве количественных исследователей состоит в установлении канала поступления стратегий, который предоставит нам поток непрерывных торговых идей. В идеале мы хотим создать методический подход к поиску источников, оценке и реализации обнаруженных стратегий. Цель канала состоит в генерировании постоянного числа новых идей и создании рабочей схемы для отклонения большинства этих идей с минимальной эмоциональной оценкой.
Мы должны быть очень внимательными и не позволять когнитивным искажениям влиять на нашу методологию принятия решения. Это может быть так же просто, как предпочитать один класс активов другому (на ум приходит золото и другие драгоценные металлы), потому что он выглядит более экзотичным. Наша цель всегда должна состоять в нахождении прибыльных стратегий с положительным ожидаемым результатом. Выбор класса активов должен быть основан на других факторах, таких как ограничения торгового капитала, комиссия брокера и маржинальные характеристики.
Если вы совсем не знакомы с понятием торговой стратегии, то сначала вам следует почитать авторитетные учебники. Классические тексты предоставляют широкий диапазон простых, прямых идей, по которым можно самостоятельно ознакомиться с количественной торговлей. Вот список книг, рекомендуемых мною тем, кто плохо знаком с количественной торговлей, составленный в порядке постепенного усложнения:
- Количественная торговля: Как построить свой алгоритмический торговый бизнес - Эрнест Чан (Quantitative Trading: How to Build Your Own Algorithmic Trading Business (Wiley Trading) - Ernest Chan)
- Алгоритмическая Торговля и DMA: Введение в торговые стратегии прямого доступа. - Барри Джонсон (Algorithmic Trading and DMA: An introduction to direct access trading strategies - Barry Johnson);
- Волатильность и ценообразование опциона: передовые торговые стратегии и методы - Шелдон Нэтенберг (Option Volatility & Pricing: Advanced Trading Strategies and Techniques - Sheldon Natenberg);
- Торговля волатильностью - Юэн Синклер (Volatility Trading - Euan Sinclair);
- Торговля и биржи: Микроструктура рынка для практиков - Ларри Харрис (Trading and Exchanges: Market Microstructure for Practitioners - Larry Harris).
Чтобы получить дополнительный список книг по количественной торговле, можно посетить сайт QuantStart.
Следующее место, где можно найти более сложные стратегии, это трейдинговые форумы и блоги. Однако предупреждаю: многие блоги опираются на технический анализ. Технический анализ включает в себя использование основных индикаторов и поведенческую психологию для определения тенденций, или изменение направления паттернов цен актива.
Несмотря на то, что технический анализ очень популярен в околотрейдинговом пространстве, его считают весьма неэффективным в сообществе количественных финансистов. Некоторые предполагают, что с точки зрения прогнозирующей способности, он не лучше чтения гороскопа или изучения фигур из чайной заварки! На самом деле есть успешные люди, использующие технический анализ. Однако, поскольку количественные трейдеры в своем распоряжении имеют более сложный математический и статистический комплект инструментов, то мы можем легко оценивать эффективность таких «основанных на техническом анализе» стратегий и принимать решения, основанные на данных, а не на эмоциональных факторах или предвзятых мнениях.
Вот список высокоавторитетных алгоритмических трейдинговых блогов и форумов:
- The Whole Street;
- Quantivity;
- Quantitative Trading(Ernest Chan);
- Quantopian;
- Quantpedia;
- ETF HQ;
- Quant.ly;
- Elite Trader Forums;
- Wealth Lab;
- Nuclear Phynance;
- Wilmott Forums.
Как только у вас появится некоторый опыт оценки простых стратегий, пора будет взглянуть на более сложные научные предложения. Некоторые научные журналы труднодоступны без дорогой подписки или одноразовых платежей. Но если вы являетесь сотрудником или выпускником университета, то должны иметь возможности получить доступ к некоторым из этих финансовых журналов. В противном случае вы можете использовать серверы с препринтами (предварительной публикацией научных работ), которые являются интернет-репозитоиями черновиков последних научных работ, которые находятся на экспертной оценке. Поскольку мы интересуемся только стратегиями, которые сможем успешно воспроизвести, повести бэктестиование и получить прибыль, то для нас экспертная оценка не имеет большого значения.
Важной обратной стороной научных стратегий является то, что они могут часто быть устаревшими, нуждаться в неизвестных и дорогих исторических данных, торговать неликвидными классами активов или не учитывать комиссии, проскальзывание или спрэд. Также может быть не ясно, реализована ли в торговой стратегии работа с рыночными и лимитными заявками, включает ли она стоп-лоссы и т.д. Таким образом, очень важно самостоятельно воспроизводить стратегию так хорошо, как это возможно, проводить ее бэктестирование, и добавлять реальные операционные издержки, которые включают большинство аспектов класса актива, которыми вы хотите торговать.
Вот список наиболее популярных серверов с предварительной публикацией научных работ и финансовых журналов, где вы можете найти источник для своих идей:
- arXiv;
- SSRN;
- Journal of Investment Strategies;
- Journal of Computational Finance;
- Mathematical Finance.
Что же касается формирования собственных количественных стратегий, то это обычно требует экспертного опыта (но не ограничивается им) в одной или нескольких следующих категориях:
- Микроструктура рынка. В частности для высокочастотных стратегий можно использовать микроструктуру рынка, то есть понимание динамики книги заявок для получения прибыли. У разных рынков разные технологические ограничения, регламенты, участники рынка и требования, которые можно использовать с помощью определенных стратегий. Это очень сложная область, и розничным практикам будет трудно оставаться конкурентоспособными в этом пространстве, особенно потому, что в соревновании участвуют крупные, хорошо капитализированные количественные хедж-фонды с сильными технологическими возможностями.
- Структура фонда. Объединенные инвестиционные фонды, такие как пенсионные фонды, частные инвестиционные партнерства (хедж-фонды), финансовые консультанты и взаимные фонды, ограничены как жестким регулированием, так и большим резервным капиталом. А определенное последовательное поведение может использоваться теми, кто более гибок. Например, крупные фонды из-за своего размера подвержены ограничениям по емкости (capacity constraints). Значит, если им надо быстро освободиться от некоторого количества ценных бумаг (продать), то они должны будут разбить их для избежания «движения рынка». Сложные алгоритмы могут использовать в своих интересах этот и другие особенности общего процесса, известного как арбитраж структуры фонда (fund structure arbitrage).
- Машинное обучение/искусственный интеллект. Алгоритмы машинного обучения в последние годы стали более распространены на финансовых рынках. Классификаторы (например, Naive-Bayes, и др.) нахождения нелинейной функции (нейронные сети) и алгоритмы оптимизации (генетические алгоритмы) используются для прогнозирования пути актива или оптимизации торговой стратегии. Если у Вас есть знания в этой области, то вы можете понимать, как отдельные алгоритмы можно применить к определенным рынкам.
Есть, конечно, много других областей для изучения, которыми могут заняться количественные трейдеры.
Продолжая еженедельно или даже ежедневно просматривать эти источники, вы начнете получать систематический список стратегий из большого диапазона источников. Следующим шагом необходимо определить, как забраковать большинство стратегий, которые, скорее всего, будут нерентабельными, для минимизации потери времени и использования ресурсов бэктестирования.
Оценка торговых стратегий
Самый важный, и возможно самый очевидный факт состоит в том, понимаете ли вы стратегию на самом деле. Можете ли вы объяснить стратегию кратко, или для этого потребуется ряд условностей и бесконечные списки параметров? Кроме того, есть ли в действительности у стратегии хорошая, твердая основа? Например, можете ли вы отметить некоторое логическое обоснование поведения или ограничения структуры фонда, что могло бы стать причиной паттерна (паттернов), которые вы пытаетесь использовать? Сохраняется ли это ограничение при изменении финансового режима, такого как резкое регулятивное изменение финансовой среды? Стратегия опирается на сложные статистические или математические правила? Относится ли она к какому-нибудь финансовому временному ряду, или характерна для класса активов? Вы должны постоянно думать об этих факторах, оценивая новые торговые методы, иначе можете потратить впустую много времени, пытаясь бэктестировать и оптимизировать нерентабельные стратегии.
Как только вы решили, что понимаете основные принципы стратегии, вы должны определить, соответствует ли она вашему упомянутому в первой части профилю личности. Все не столь неопределенно, как может показаться на первый взгляд! Стратегии будут сильно отличаться по их рабочим характеристикам. Есть конкретные типы личности, которые могут справиться с более существенными периодами просадки или готовы идти на больший риск для получения большей прибыли. Несмотря на тот факт, что мы в качестве количественных трейдеров пытаемся и устраняем как можно больше когнитивных искажений, и должны быть способны оценивать стратегию беспристрастно, искажения все равно будут появляться. Таким образом, мы нуждаемся в последовательном, бесстрастном средстве, с помощью которого можно оценить выполнение стратегий. Вот список критериев, по которым я оцениваю потенциально новую стратегию:
- Методология. Основана ли стратегия на импульсе (momentum), возврате к среднему (mean-reverting), маркет-нейтральна она или направлена? Опирается ли стратегия на сложные статистические или машинные методы обучения, которые трудны для понимания и требуют докторской степени в статистике? Вводят ли эти методы большое количество параметров, которые могут привести к ошибкам оптимизации? Будет ли стратегия противостоять изменению финансового режима (то есть потенциально новому регулированию финансовых рынков)?
- Коэффициент Шарпа. Коэффициент Шарпа эвристически характеризует отношение прибыли стратегии к ее риску. Он определяет, какую прибыль вы можете получить для уровня волатильности, допускаемой кривой эквити. Естественно, мы должны определить период и частотность, которыми измеряются эта прибыль и волатильность (стандартное отклонение). Например, более высокочастотная стратегия потребует большей частоты измерений стандартного отклонения, но более короткого общего периода времени измерения.
- Плечо. Нужны ли стратегии большие плечи, чтобы быть прибыльной? Необходимо ли использование производных маржинальных контрактов (фьючерсов, опционов, свопов), чтобы приносить прибыль? Эти маржинальные контракты могут быть очень чувствительны к волатильности, и легко привести к маржин-колам. Есть ли у вас есть торговый капитал и темперамент для такой волатильности?
- Частотность. Частотность стратегии сильно связана с вашим стеком технологий (и вашим опытом в этих технологиях), коэффициентом Шарпа и общим уровнем операционных издержек. Среди других рассматриваемых проблем высокочастотные стратегии требуют большего капитала, они более сложны и более трудноосуществимы. Однако, если ваш движок для бэктестирования умен и в нем нет ошибок, то такие стратегии часто будут иметь намного более высокие коэффициенты Шарпа.
- Волатильность. Волатильность сильно связана с риском стратегии. Она характеризуется коэффициентом Шарпа. Более высокая волатильность основных классов активов, если они не хеджированы, часто приводит к более высокой волатильности кривой эквити и таким образом меньшему коэффициенту Шарпа. Я здесь предполагаю, что положительная волатильность приблизительно равна отрицательной волатильности. У некоторых стратегий может быть большая волатильность на падении рынка. Вы должны знать эти отличительные особенности.
- Выигрыш/проигрыш, средняя прибыль/средние потери. Стратегии будут отличаться по этим параметрам. Можно иметь очень прибыльную стратегию, даже если число проигрышных сделок превышает число выигрышных. Импульсные стратегии имеют тенденцию к такому сценарию, поскольку, чтобы быть прибыльными, им необходимо небольшое число «крупных успехов». Стратегии возврата к среднему имеют тенденцию к противоположной схеме, где большинство сделок «выигрывает», но проигрывающие сделки могут быть довольно серьезными.
- Максимальная посадка. Максимальная просадка – самый большой общий спад в процентном исчислении от высшей до низшей точки на кривой эквити стратегии. Хорошо известно, что импульсные стратегии страдают от периодов длительных просадок (из-за последовательности большого количества постепенных проигрышных сделок). Многие трейдеры сдаются в периоды длительных просадок, даже если тестирование на исторических данных указывало, что для стратегии это «обычное положение дел». Прежде, чем останавливать торговлю по своей стратегии, вам необходимо определить, какой процент просадок (и за какой период) вас устроит. Это очень личное решение, и его нужно принять, все тщательно взвесив.
- Емкость/ликвидность. На розничном уровне, если вы не торгуете очень неликвидным инструментом (например, акциями мелких компаний), вам не придется сильно беспокоиться о емкости стратегии. Емкость определяет расширяемость стратегии на больший капитал. Многие большие хедж-фонды страдают от больших проблем с емкостью, когда в их стратегии приходит больше капитала.
- Параметры. Некоторым стратегиям (особенно найденным в сообществе машинного обучения) требуется большое число параметров. Каждый дополнительный параметр, который необходим стратегии, делает ее более уязвимой для ошибки оптимизации (также известной как «подгонка кривой»). Вам следует пробовать и выбирать стратегии с как можно меньшим количеством параметров, или удостовериться в том, что у вас есть достаточное количество данных для ее проверки.
- Бэнчмарк. Почти все стратегии (кроме тех, которые являются стратегиями с «абсолютным доходом») измеряются по сравнению с некоторым бенчмарком. Бенчмарком обычно является индекс, характеризующий большую выборку базового класса активов, которыми торгует стратегия. Если стратегия торгует акциями США c высокой капитализацией, то SnP 500 является естественным бенчмарком для измерения вашей стратегии. Вы услышите термины «альфа» и «бета», применяемые к стратегиям этого типа.
Заметьте, что мы не обсуждаем фактическую прибыль стратегии. Почему? Прибыль, если рассматривать ее автономно, на самом деле предоставляет нам ограниченную информацию относительно эффективности стратегии. Она не дает вам представление о плечах, волатильности, бенчмарках или требованиях к капиталу. Таким образом, стратегии редко оцениваются по одной только прибыли. Всегда смотрите на риск стратегии перед рассмотрением прибыли.
На данном этапе многие стратегии, полученные через ваш канал, будут отклонены, поскольку не будут отвечать вашим основным требованиям, требованиям к плечам, к допустимой максимальной просадке или параметрам волатильности. Оставшиеся стратегии можно будет рассмотреть для проведения бэктестирования. Однако прежде чем это делать, необходимо взвесить критерии окончательного отказа – те доступные исторические данные, с помощью которых можно протестировать эти стратегии.
Получение исторических данных
В наше время объем технических средств по классам активов для хранения исторических данных является существенным. Чтобы остаться конкурентоспособными, как покупатели (фонды), так и продавцы (инвестиционные банки) вкладывают большой капитал в свою техническую инфраструктуру.
В частности мы интересуемся своевременностью, точностью и требованиями к хранению. Сейчас я обрисую в общих чертах основы получения исторических данных и их сохранения. К сожалению, это очень обширная техническая тема, так что я не в состоянии рассказать обо всем в этой статье.
Выше мы настроили канал поступления стратегий, который позволяет нам отклонять конкретные стратегии, основываясь на наших личных критериях отклонения. Сейчас мы еще будем отфильтровывать стратегии, основанные на наших собственных предпочтениях получения исторических данных. Главными факторами (особенно на уровне розничного практика) являются стоимость данных, требования к хранению и ваш технический уровень. Также мы должны обсудить различные типы доступных данных и различные факторы, которые нам навязывает каждый тип данных.
Давайте начнем с рассмотрения типов доступных данных и ключевых проблем, которые необходимо обдумать:
- Фундаментальные данные. Они включают в себя данные о макроэкономических тенденциях, таких как процентные ставки, показатели инфляции, корпоративные действия (дивиденды, разделение акций), занесение в реестр Комиссии по ценным бумагам и биржам США (Securities and Exchange Commission, SEC), корпоративные счета, объем прибыли, сезонные отчеты, метеорологические данные и т.д. Эти данные часто используются для оценки компании или других активов на фундаментальной основе, то есть с помощью некоторых способов ожидания будущих потоков наличных средств. Данные не включают последовательность курса акций. Государственные веб-сайты публикуют некоторые фундаментальные данные в свободном доступе. Другие исторические фундаментальные данные за долгий период могут быть чрезвычайно дорогими. Требования к хранению часто не очень большие, если только тысячи компаний не изучались одновременно.
- Новостные данные. Новостные данные часто имеют качественную природу. Они состоят из статей, постов в блогах, микросообщений («твиты») и редакционных статей. Методы машинного обучения, такие как классификаторы, часто используются для интерпретации настроения. Эти данные также часто находятся в свободном доступе, или доступны благодаря недорогой подписке на средства массовой информации. Разработаны новые базы данных хранения документов «NoSQL» для хранения этого типа неструктурированных данных качественного характера.
- Данные о цене актива. Для количественного трейдера это традиционная область определения данных. Данные состоят из временного ряда цен активов. Акции, продукты фиксированного дохода (облигации), товары и курсы валют – это разные классы. Ежедневные исторические данные часто легко получить для простых классов активов, таких как акции. Однако, как только добавлены точность и чистота, и удалены статистические ошибки, данные могут стать дорогими. Кроме того, данные временного ряда часто обладают существенными требованиями к хранению, особенно когда учитываются внутридневные данные.
- Финансовые инструменты. Акции, облигации, фьючерсы и более экзотические производные опционов обладают совершенно отличными особенностями и параметрами. Таким образом, нет универсальной структуры базы данных, которая может их вместить. Необходимо существенное внимание к дизайну и реализации структур баз данных для различных финансовых инструментов.
- Частотность. Чем выше частотность данных, тем больше затраты и требования к хранению. Для низкочастотных стратегий часто достаточно ежедневных данных. Для высокочастотных стратегий могут понадобиться данные уровня тиков, и даже исторические копии данных конкретной торговой биржевой книги заявок. Реализация инструмента хранения этого типа данных является технологически интенсивной и подходит только тем, кто обладает хорошими знаниями в программировании/технике.
- Бенчмарки. Стратегии, описанные выше, часто будут сравниваться с бенчмарком. Он обычно представлен в виде дополнительного финансового временного ряда. Для акций это национальный бэнчмарк акций, такой как индекс SnP 500 (США) или FTSE100 (Великобритания). Фонды фиксированного дохода сравниваются с корзинами облигаций или других продуктов фиксированного дохода. «Безрисковая ставка» (то есть установленная процентная ставка) также является широко распространенным бенчмарком. Все категории классов активов обладают общепринятым бенчмарком, таким образом, если вы хотите получить интерес к своей стратегии извне, то необходимо исследовать его, основываясь на вашей конкретной стратегии.
- Технология. Стеки технологий на заднем плане финансового центра хранения данных сложны. В этой статье мы можем только коснуться области, связанной с их разработкой. Однако сосредоточимся на таком инструменте баз данных, как RDBMS (Relational Database Management System, Система управления реляционной базой данных), например, MySQL, SQL Server, Oracle или инструмент хранения документов («NoSQL»). К ним получают доступ через прикладной код «бизнес-логики», который отправляет запросы к базе данных и обеспечивает доступ к внешним инструментам, таким как MATLAB, R или Excel. Часто бизнес-логика написана на C++, C#, Java или Python. Вы также должны будете где-то размещать эти данные – на вашем персональном компьютере или на удаленном интернет-сервере. Такие продукты, как Amazon Web Services за последние годы сделали это проще и дешевле, но все еще необходима значительная техническая подготовка, чтобы достичь устойчивого к ошибкам поведения.
Можно увидеть, что как только стратегия идентифицирована посредством канала, необходимо оценить возможность использования, затраты, сложность и детали использования конкретного набора исторических данных. Вы можете обнаружить, что необходимо отказаться от стратегии исключительно из-за особенностей исторических данных. Это большая область, и команды, состоящие из докторов наук, работают в крупных фондах, обеспечивая точность и надежность ценовых данных. Не недооцениваете трудности создания устойчивого к ошибкам центра данных для ваших целей бэктестирования!
Однако я хочу сказать, что многие платформы бэктестирования могут автоматически предоставлять вам эти данные – за плату. Таким образом, вы не будете прилагать усилия для реализации этого шага, и можете сконцентрироваться только на реализации стратегии и оптимизации. Такие инструменты, как TradeStation, обладают этими возможностями. Однако, по-моему, необходимо максиммально самостоятельно разрабатывать систему и избегать отдавать части технологического стека на аутсорсинг продавцам программного обеспечения. Я предпочитаю высокочастотные стратегии из-за их более привлекательных коэффициентов Шарпа, но они часто тесно объединены со стеком технологий, где важна усовершенствованная оптимизация.
Теперь, когда мы обсудили проблемы, связанные с историческими данными, пора проводить бэктестирование наших стратегий.
(C) Источник
Не является индивидуальной инвестиционной рекомендацией
При копировании ссылка обязательна Нашли ошибку: выделить и нажать Ctrl+Enter