Algorithmic Trading: Gewinnende Strategien und ihre Begründung (Wiley Trading) Beschreibung Von der Inside Flap In seinem gut empfundenen ersten Buch Quantitative Trading, adressierte Dr. Ernest Chan die wesentlichen Techniken, die ein algorithmischer Händler braucht, um an diesem anspruchsvollen Unterfangen erfolgreich zu sein. Während einige nützliche Beispiel-Strategien wurden überall präsentiert, waren sie nicht der Schwerpunkt des Buches. In diesem Sinne hat Dr. Chan einen praktischen Leitfaden für algorithmische Handelsstrategien geschaffen, die sowohl von Einzelhändlern als auch von institutionellen Händlern leicht umgesetzt werden können. Mehr als eine akademische Abhandlung über Finanztheorie ist Algorithmic Trading eine zugängliche Ressource, die einige der nützlichsten finanziellen Forschung in den letzten Jahrzehnten mit wertvollen Einsichten Dr. Chan hat sich aus der tatsächlichen Ausnutzung einiger dieser Theorien im Live-Handel. Engagieren und informativ, Algorithmic Trading geschickt deckt eine breite Palette von Strategien. Sie ist breit in den Mittelwertsteiger - und Momentum-Camps unterteilt und enthält Standardtechniken für den Handel jeder Kategorie von Strategien und ebenso wichtig für die grundlegenden Gründe, warum eine Strategie funktionieren sollte. Das Hauptaugenmerk liegt dabei auf einfachen und linearen Strategien, die als Gegenmittel für die Überfischung und Datierung von komplexen Strategien dienen. Auf dem Weg, bietet es eine umfassende Berichterstattung über: Die Wahl der richtigen automatisierten Ausführung Plattform sowie eine Backtesting-Plattform, die Sie zu reduzieren oder zu eliminieren gemeinsame Fallstricke mit algorithmischen Handelsstrategien verbundenen Mehrere statistische Techniken für die Erkennung quottime seriesquot Mittelwert Reversion oder Stationarität, und Zum Erfassen der Kointegration eines Instrumentenportfolios Einfache Techniken für den Handel, die mittelständige Portfolios linear, Bollinger-Band und Kalman-Filter verarbeiten und ob die Rohpreise, die Logarithmen oder die Quoten die Ergebnisse dieser Tests und Strategien am sinnvollsten sind, sind die Mittelwerte für die ETFs , Währungen und Futures-Kalender und intermarket Spreads Die vier Haupttreiber der Momentum in Aktien und Futures, und Strategien, die Zeitreihen und Querschnittsmomentum extrahieren können Neuer Impuls Strategien basierend auf News-Events und Stimmung, gehebelte ETFs, Auftragsabwicklung und Hochfrequenzhandel Probleme mit Risiko - und Geldmanagement basierend auf der Kelly-Formel, aber gemildert mit den Autoren praktische Erfahrung im Risikomanagement mit schwarzen Schwänen, Constant Proportion Portfolio Insurance und Stop-Verluste Mathematik und Software sind die beiden Sprachen des algorithmischen Handels. Dieses Buch bleibt dieser Sichtweise treu, indem es ein Niveau der Mathematik verwendet, das eine präzisere Diskussion der Konzepte der Finanzmärkte ermöglicht. Und es enthält illustrative Beispiele, die rund um MATLABcopy-Codes, die zum Download zur Verfügung stehen gebaut sind. Während Algorithmic Trading enthält eine Fülle von Strategien, die sowohl für unabhängige und institutionelle Händler attraktiv sein wird, ist es nicht ein stepbystep Führer, sie zu implementieren. Es bietet eine realistische Einschätzung der allgemeinen algorithmischen Handelstechniken an und kann ernsten Händlern helfen, ihre Fähigkeiten in diesem Feld weiter zu verfeinern. Produktbeschreibung Algorithmic Trading Ein Buch über quantitative Handel von einem erfahrenen Praktiker geschrieben. Mit dem Schwerpunkt auf realen Beispielen im Gegensatz zu nur Theorie beschreibt sie nicht nur Konzepte, sondern bringt sie mit wirklichen Handelsstrategien zum Leben, die dem Leser Einblick geben, wie und warum jede Strategie entwickelt wurde, wie sie umgesetzt wurde und wie sie war codiert. Vollständige Beschreibung Von der Back Cover Praise für algorithmischen Handel quotAlgorithmic Trading ist ein aufschlussreiches Buch über quantitative Handel von einem erfahrenen Praktiker geschrieben. Was dieses Buch von vielen anderen im Raum abhebt, ist die Betonung auf reale Beispiele im Gegensatz zu nur Theorie. Konzepte werden nicht nur beschrieben, sie werden mit wirklichen Handelsstrategien zum Leben erweckt, die dem Leser Einblick geben, wie und warum jede Strategie entwickelt wurde, wie sie umgesetzt wurde und wie sie kodiert wurde. Dieses Buch ist eine wertvolle Ressource für alle, die ihre eigenen systematischen Trading-Strategien und diejenigen, die bei der Auswahl von Managern zu schaffen, wo das Wissen in diesem Buch wird dazu führen, dass eine informierte und nuancierte Gespräch mit Managern. quot DAREN SMITH, CFA, CAIA, Mit einer ausgeprägten Auswahl an Mittelwert-Reversion - und Impulsstrategien erklärt Ernie die Grundlagen hintereinander, zeigt, wie man sie testet, wie sie verbessert werden kann, und diskutiert Implementierungsprobleme . Sein Buch ist eine sorgfältige, detaillierte Darstellung der wissenschaftlichen Methode für die Strategieentwicklung angewendet. Für schwere Einzelhändler kenne ich kein anderes Buch, das diese Reihe von Beispielen und Detaillierungsgrad bietet. Seine Diskussionen darüber, wie Regimewechsel Strategien beeinflussen, und des Risikomanagements sind unschätzbare Boni. quot Roger Hunter, Mathematiker und algorithmischer Händler Über den Autor ERNEST P. CHAN ist das Managing Member von QTS Capital Management, LLC. Seit 1997 ist er für verschiedene Investmentbanken (Morgan Stanley, Credit Suisse, Maple) und Hedgefonds (Mapleridge, Millennium Partners, MANE) tätig. Chan erhielt seinen Doktortitel in Physik an der Cornell University und war zuvor Mitglied der IBMs Human Language Technologies Beitritt zur Finanzindustrie. Er war Mitbegründer und Direktor der EXP Capital Management, LLC, einer Investmentgesellschaft von Chicagobase. Chan ist auch der Autor von Quantitative Trading: Wie Sie Ihre eigenen Algorithmic Trading Business (Wiley) und ein beliebter finanzieller Blogger auf epchan. blogspot bauen. Erfahre mehr über ihn bei epchan. Über diese itemAlgorithmic Trading: Gewinnende Strategien und ihre Begründung Beschreibung von der inneren Klappe In seinem gut erhaltenen ersten Buch Quantitative Trading, adressierte Dr. Ernest Chan die wesentlichen Techniken, die ein algorithmischer Händler braucht, um an diesem anspruchsvollen Unterfangen erfolgreich zu sein. Während einige nützliche Beispiel-Strategien wurden überall präsentiert, waren sie nicht der Schwerpunkt des Buches. In diesem Sinne hat Dr. Chan einen praktischen Leitfaden für algorithmische Handelsstrategien geschaffen, die sowohl von Einzelhändlern als auch von institutionellen Händlern leicht umgesetzt werden können. Mehr als eine akademische Abhandlung über Finanztheorie ist Algorithmic Trading eine zugängliche Ressource, die einige der nützlichsten Finanz-Forschung in den letzten Jahrzehnten mit wertvollen Einsichten Dr. Chan hat aus der tatsächlichen Ausnutzung einiger dieser Theorien im Live-Handel gewonnen. Engagieren und informativ, Algorithmic Trading geschickt deckt eine breite Palette von Strategien. Sie ist breit in die Mittelrückkehr - und Momentumlager unterteilt und enthält Standardtechniken für den Handel jeder Kategorie von Strategien und ebenso wichtig für die grundlegenden Gründe, warum eine Strategie funktionieren sollte. Der Schwerpunkt liegt dabei auf einfachen und linearen Strategien als Antidot zu den übermodellierenden und datenschnüffelnden Verzerrungen, die oft komplexe Strategien plagen. Auf dem Weg, bietet es eine umfassende Berichterstattung über: Die Wahl der richtigen automatisierten Ausführung Plattform sowie eine Backtesting-Plattform, die Sie zu reduzieren oder zu eliminieren gemeinsame Fallstricke mit algorithmischen Handelsstrategien verbundenen Mehrere statistische Techniken für die Erkennung quottime seriesquot Mittelwert Reversion oder Stationarität, und Zum Erfassen der Kointegration eines Instrumenten-Portfolios Einfache Techniken für den Handel mit dem Mittelwert-Rücktransfer von Portfolioslinear, Bollinger-Band und Kalman-Filter und die Verwendung von Rohpreisen, Logarithmen oder Verhältnissen am meisten Sinn als Eingang in diese Tests und Strategien Mittelrückgewinnungsstrategien für Aktien , ETFs, Währungen und Futures - Kalender und Intermarket Spreads Die vier Haupttreiber der Dynamik in Aktien und Terminkontrakten und Strategien, die Zeitreihen und Querschnittsimpulse extrahieren können. Neuere Impulsstrategien basierend auf News - Events und - Stimmungen, gehebelten ETFs, Orderflow und Hochfrequenzhandel Probleme mit Risiko - und Geldmanagement basierend auf der Kelly-Formel, aber gemildert mit den Autoren praktische Erfahrung im Risikomanagement mit schwarzen Schwänen, Constant Proportion Portfolio Insurance und Stop-Verluste Mathematik und Software sind die beiden Sprachen des algorithmischen Handels. Dieses Buch bleibt dieser Sichtweise treu, indem es ein Niveau der Mathematik verwendet, das eine präzisere Diskussion der Konzepte der Finanzmärkte ermöglicht. Und es enthält illustrative Beispiele, die rund um MATLABcopy-Codes, die zum Download zur Verfügung stehen gebaut sind. Während Algorithmic Trading enthält eine Fülle von Strategien, die sowohl für unabhängige und institutionelle Händler attraktiv sein wird, ist es nicht eine Schritt-für-Schritt-Anleitung zur Umsetzung sie. Es bietet eine realistische Einschätzung der allgemeinen algorithmischen Handelstechniken an und kann ernsten Händlern helfen, ihre Fähigkeiten in diesem Feld weiter zu verfeinern. Produkt-Beschreibung Lob für algorithmischen Handel quotAlgorithmic Trading ist ein aufschlussreiches Buch über quantitative Handel geschrieben von einem erfahrenen Praktiker. Was dieses Buch von vielen anderen im Raum abhebt, ist die Betonung auf reale Beispiele im Gegensatz zu nur Theorie. Konzepte werden nicht nur beschrieben, sie werden mit wirklichen Handelsstrategien zum Leben erweckt, die dem Leser Einblick geben, wie und warum jede Strategie entwickelt wurde, wie sie umgesetzt wurde und wie sie kodiert wurde. Dieses Buch ist eine wertvolle Ressource für alle, die ihre eigenen systematischen Trading-Strategien und diejenigen, die bei der Auswahl von Managern zu schaffen, wo das Wissen in diesem Buch wird dazu führen, dass eine informierte und nuancierte Gespräch mit Managern. quot DAREN SMITH, CFA, CAIA, Mit einer ausgeprägten Auswahl an Mittelwert-Reversion - und Impulsstrategien erklärt Ernie die Grundlagen hintereinander, zeigt, wie man sie testet, wie sie verbessert werden kann, und diskutiert Implementierungsprobleme . Sein Buch ist eine sorgfältige, detaillierte Darstellung der wissenschaftlichen Methode für die Strategieentwicklung angewendet. Für schwere Einzelhändler kenne ich kein anderes Buch, das diese Reihe von Beispielen und Detaillierungsgrad bietet. Seine Diskussionen darüber, wie Regimewechsel Strategien beeinflussen, und des Risikomanagements sind unschätzbare Boni. quot Roger Hunter, Mathematiker und algorithmischer Händler Über den Autor ERNEST P. CHAN ist das Managing Member von QTS Capital Management, LLC. Seit 1997 ist er für verschiedene Investmentbanken (Morgan Stanley, Credit Suisse, Maple) und Hedgefonds (Mapleridge, Millennium Partners, MANE) tätig. Chan erhielt seinen Doktortitel in Physik an der Cornell University und war zuvor Mitglied der IBMs Human Language Technologies Beitritt zur Finanzindustrie. Er war Mitbegründer und Direktor der EXP Capital Management, LLC, einer in Chicago ansässigen Investmentgesellschaft. Chan ist auch der Autor von Quantitative Trading: Wie Sie Ihre eigenen Algorithmic Trading Business (Wiley) und ein beliebter finanzieller Blogger auf epchan. blogspot bauen. Erfahre mehr über ihn bei epchan. Über diese item7 Fallstricke zu vermeiden, wenn die Entwicklung Ihrer Algo-Strategie ldquoProbability ist nicht nur eine Berechnung der Chancen auf die Würfel oder komplizierter Varianten ist es die Akzeptanz der Mangel an Sicherheit in unserem Wissen und die Entwicklung von Methoden für den Umgang mit unserer Unwissenheit. Rdquo Nassim Nicholas Taleb. Fooled by Randomness: Die versteckte Rolle der Chance im Leben und in den Märkten Algorithmischen Handel kommt bis zu kommen mit einer Reihe von Regeln, um das Risiko im Angesicht der Unsicherheit zu verwalten. Es gibt zwei Möglichkeiten, eine Handelsstrategie zu testen. Mit historischen Daten, um Simulationen oder den Handel live auf dem Markt laufen. Backtests werden von vielen Quants und Hedge-Fonds im Strategieentwicklungsprozess eingesetzt. Backtesting Ihre Strategie ermöglicht es Ihnen, eine große Stichprobe von Trades für die statistische Signifikanz zu lernen, um mit einem robusten System, bevor Sie Kapital in Gefahr. In diesem Artikel möchte ich decken 7 gemeinsamen Fallstricke zu vermeiden, wenn die Entwicklung Ihrer algorithmischen Trading-Strategie. Die Wertentwicklung in der Vergangenheit ist kein Hinweis auf zukünftige Ergebnisse. Eine Overfit-Strategie ist eine, die sehr gut auf backtested Daten, aber schlecht in Live-Handel oder Forward-Tests. Dies kann passieren, wenn viele Systemparameter verwendet werden, was zu einer Strategie führt, die wahrscheinlich an vergangene Marktgeräusche angepasst ist, die einer zugrunde liegenden Ineffizienz oder einer soliden Theorie entgegenstehen. Die Erhöhung der Anzahl von Parametern oder Indikatoren, die in Ihrer Strategie verwendet werden, erhöht die Freiheitsgrade Ihrer Strategie und führt zu einer höheren Wahrscheinlichkeit einer Überbelegung im Backtesting. Deshalb haben viele der algorithmischen Händler Irsquove, die im Laufe der Jahre gelernt haben, mit einfachen und robusten Strategien betont. Je mehr Freiheitsgrade Sie in Ihrem System haben, desto wahrscheinlicher ist Ihr System in der Lage, sich selbst an die Vergangenheit Datenreihe während der Optimierung anzupassen. Der beste Weg, um diese Perspektive zu gewinnen, besteht darin, verschiedene Strategien mit unterschiedlichen Parametern zu testen. Es dauerte eine lange Zeit, um auf eine einfache Strategie zu begleichen und es schließlich kam auf Hunderte von Backtests und das Studium der Ergebnisse. Gute Backtest Ergebnisse für eine Strategie sind in der Regel Auge-Grabbing, aber diese doesnrsquot bedeuten, sollten Sie sofort Geld auf Risiko für die Strategie. Sie sollten immer sehr skeptisch für die Ergebnisse, die Sie bekommen und versuchen, Fehler in Ihren Annahmen und Gründe, warum die Ergebnisse sollten ungültig zu finden. Wenn Sie testen und denken, jede mögliche Art und Weise, in der Ihre Strategie, Annahmen oder Backtest falsch sein könnte und die Ergebnisse sind noch Augen-popping, dann könnten Sie nur eine robuste Strategie haben. Allerdings ist immer lauernd die Chance eines extremen Szenarios unerklärt für in Ihrem Backtesting wie der eintägige 8.000 Punkt Rückgang in der SampP 500 im Oktober 1987 oder die 40 bewegen in EURCHF Minuten nachdem die SNB den Zapfen ohne vorherige Ankündigung aufgegeben. Sie können versucht sein, Ihre Strategie mit so viel Risiko und Leverage wie möglich zu handeln, um auf Ihre Entdeckung zu profitieren. Wenn so, donrsquot über die Marktbeispiele oben vergessen. 3. Donrsquot Override Ihre Strategie Irsquom alle für die Forschung zur Verbesserung Ihrer Strategie, aber Sie können in Schwierigkeiten kommen, wenn Sie Ihre Strategie in der Hitze des Augenblicks überschreiben. Dies ist ein sehr häufiger Drang für systematische Händler. Menschen sind anfällig für emotionale Entscheidungen und Entscheidung Müdigkeit allein kann zu schlechten Entscheidungen führen. Irgendwann wird deinsquore wahrscheinlich eine schlechte Entscheidung wegen Müdigkeit alleine machen. Wenn yoursquore ständig Zweitens Vermutung Ihre Live-Strategie und manuell intervenieren, darauf achten, dass viele Faktoren können Ihre Entscheidungen beeinflussen. Ein datengetriebener, erforschter Ansatz zur Umsetzung von Veränderungen ist wahrscheinlich ein besserer Ansatz. Die meisten Menschen entscheiden, ihr Risiko-Management-Prozess zu vertrauen, um Probleme wie Entscheidungen Müdigkeit, emotionalen Handel und die sich auf Hunnen zu vermeiden. 4. Backtesting Kurzzeitstrategie mit 1 min Daten Wenn Ihre Strategie Trades für eine kurze Dauer wie Minuten hält oder enge Stop - und Grenzwerte verwendet, sollten Sie so genau wie möglich beim Backtesting und mit hochwertigen Tickdaten arbeiten. Es kann nach oben von Hunderten von Zecken in einem 1 min bar und viele Annahmen getroffen werden, wenn yoursquore nicht so granular wie möglich in Ihren Backtests werden. Wenn Ihr Unternehmen nicht sicher, was zu tun ist, können Sie einen Vergleichstest mit Zecken und 1 min Bars. Wenn es einen spürbaren Unterschied in den Ergebnissen, werden Sie wahrscheinlich wollen Tick-Daten für Ihre Tests verwenden. Beachten Sie, dass ein Backtest mit ticks erfordert viel Speicher und kann eine lange Zeit abhängig von Ihrem Setup. 5. Verwenden Sie falsche Transaktionskostenannahmen Einige Strategien sind sehr empfindlich auf Transaktionskosten. Ebenso können einige Strategien scheinen, buchstäblich drucken Geld, wenn Sie nicht für die Ausbreitung oder Provisionen in Ihren Backtests sind. Die Nicht-Berücksichtigung von Posten wie Provisionen oder vernünftigen Annahmen zu Schlupf kann zu einer starken Verzerrung einer Strategie-Performance führen. 6. Optimieren von Parametern über den gesamten Datensatz Wenn IhreSeparator-Optimierungsparameter über Ihre gesamte Datenmenge hinausgehen, erhöhen Sie Ihre Chancen, Ihre Strategie auf diese bestimmte Zeitreihe zu übertra - gen, und müssen die Strategie-Robustheit im Live-Handel testen. Sichern Sie einen Teil, sagen Sie ein 1/3 Ihrer Datenhistorie, für aus Probe-Tests können Sie zu implementieren Walk-forward-Tests und sehen, ob die Performance-Zahlen sind in der Nähe Ihrer Backtests. Darüber hinaus können Sie auch die Reihenfolge der Datenhistorie zufällig bestimmen, um Überfit - tungsrisiken bei der Strategieoptimierung zu vermeiden. 7. Cherry Pick Märkte Der Drang, auf einem bestimmten Markt basierend auf großen Backtests zu begleichen kann zu Wunschdenken führen. Ihr Ziel sollte es sein, alle Wege zu finden, in denen Ihre Strategie oder Annahmen voreingenommen sein können. Wenn Ihre Strategie großartig auf EURUSD zum Beispiel, aber Blutungen Geld auf GBPUSD. Darüber nachzudenken, warum dies der Fall sein kann. Hinzufügen zusätzlicher Märkte mit einer wirksamen Strategie kann möglicherweise die Gesamtvolatilität des Kontos verringern, wenn jeder Markt rentabel ist. Strategien, die sehr empfindlich auf die Marktwahl sind, können auf Überformatie - rung oder Zufälligkeit hindeuten. Achten Sie darauf, nicht täuschen sich mit der Idee des einfachen Geldes. Ihre Algo-Strategie wird das Ergebnis Ihrer Bemühungen sein, das Risiko angesichts einer unsicheren Zukunft systematisch zu steuern und zu diversifizieren. Sobald Sie eine Strategie yoursquore bereit zur Automatisierung haben, müssen Sie immer noch die emotionale Stärke haben, durch die unvermeidlichen Höhen und Tiefen zu fahren, zu vermeiden Selbst-Sabotage und Entscheidungen in Bezug auf Ihre Strategie aus einer Position der Unsicherheit, die niemals verschwinden wird. Algorithmic-Handel für mich ist das Ergebnis, indem Sie alles, was Sie wissen über die Märkte und kommen mit einem Trading-Ansatz, der klar definiert werden kann, um jede Komponente, die Sie Backtest und Optimierung der Parameter ermöglicht. Viele Trader kommen nie an dem ersten Schritt vorbei und machen gerade Handelsentscheidungen, die auf Hunzen basieren. Allerdings, wenn Sie die Forschung tun können, kommen mit einer Idee für eine Strategie und dann backtest es, können Sie eine Menge Einblicke über Ihre Strategie gewinnen, bevor Sie einen Cent zu riskieren. DailyFX bietet Forex-Nachrichten und technische Analysen zu den Trends, die die globalen Währungsmärkte beeinflussen.
Comments
Post a Comment