استراتيجيات خوارزمية التداول

تصميم نظام التداول الخوارزمي & أمب؛ التنفيذ.

خوارزميك ترادينغ هو مطور نظام التداول طرف ثالث متخصصة في أنظمة التداول الآلي، واستراتيجيات التداول حسابي وتحليل التداول الكمي. نحن نقدم اثنين من خوارزميات التداول متميزة لتجار التجزئة والمستثمرين المحترفين.

مشاهدة لدينا بلوق التداول التجاري خوارزمية حيث لدينا المطور الرصاص يستعرض الأداء من 6/10/17 وندش]؛ 8/8/17 باستخدام نظام التداول الآلي لدينا. تفضل بزيارة مدونة التداول الخوارزمية للاطلاع على جميع مقاطع فيديو الأداء للفترة 2018-2017 حتى الآن. العقود الآجلة للتداول والخيارات تنطوي على مخاطر كبيرة من الخسارة وغير مناسبة لجميع المستثمرين.

ابدأ في التداول الخوارزمي اليوم.

تبرز سوينغ التاجر.

لدينا استراتيجية التداول سوينغ تداول S & P P 500 إميني العقود الآجلة (إس) وعشرة السنة ملاحظة (تي). هذا هو نظام التداول الآلي 100٪ والتي يمكن أن تكون ذاتية التنفيذ مع أفضل الجهود من قبل وسطاء نفا المسجلين متعددة. ويمكن أيضا أن يتم تثبيتها وتحميلها على منصة تراديستاتيون. وتشمل البيانات التالية فترة السير (خارج العينة) التي تغطي 10/1 / 15-9 / 17/17. ينطوي تداول العقود الآجلة على مخاطر كبيرة من الخسارة وليس مناسبا لجميع المستثمرين. الأداء السابق ليس مؤشرا للأداء المستقبلي. وتفترض هذه البيانات أنه تم تداول وحدة واحدة (000 15 دولار) طوال الفترة قيد التحليل (غير معقدة).

* يمكن أن تتجاوز الخسائر الحد الأقصى للسحب. ويقاس هذا من الذروة إلى الوادي، وإغلاق التجارة لإغلاق التجارة. الأداء السابق ليس مؤشرا للأداء المستقبلي.

سوينغ التاجر الشهري P / L.

وتعتبر الصفقات التي تبدأ في تشرين الأول / أكتوبر 2018 نموذجا للمشي / الخروج من العينة، في حين تعتبر الصفقات قبل تشرين الأول / أكتوبر 2018 مختبرة مرة أخرى. يعتمد الربح / الخسارة على حساب تداول بقيمة 15،000 دولار أمريكي (أو ما يعادله بالعملة المحلية) وحدة واحدة على سوينغ ترادر. هذه البيانات غير مركب.

* يمكن أن تتجاوز الخسائر الحد الأقصى للسحب. ويقاس هذا من الذروة إلى الوادي، وإغلاق التجارة لإغلاق التجارة. الأداء السابق ليس مؤشرا للأداء المستقبلي.

قاعدة كفتك 4.41: تستند النتائج إلى نتائج أداء محاكاة أو افتراضية لها بعض القيود المتأصلة. وخلافا للنتائج المبينة في سجل الأداء الفعلي، فإن هذه النتائج لا تمثل التداول الفعلي. ولأن هذه الصفقات لم يتم تنفيذها فعليا، فإن هذه النتائج قد تكون أقل من أو تعوض عن تأثير بعض عوامل السوق، مثل نقص السيولة. برامج التداول المحاكاة أو الافتراضية بشكل عام تخضع أيضا لحقيقة أنها مصممة مع الاستفادة من بعد. ولا يوجد أي تمثيل بأن أي حساب سيحقق أو يرجح أن يحقق أرباحا أو خسائر مماثلة لتلك التي تظهر.

أساسيات التداول الخوارزمي.

التداول الخوارزمي، المعروف أيضا باسم كوانت ترادينغ هو أسلوب التداول الذي يستخدم خوارزميات التنبؤ بالسوق من أجل العثور على الصفقات المحتملة. هناك فئات فرعية مختلفة من التداول الكمي لتشمل التجارة عالية التردد (هفت)، والتحكيم الإحصائي وتحليل التنبؤات السوق. في ألغوريثميكترادينغ، ونحن نركز على تطوير أنظمة التداول الآلي الذي يضع البديل، اليوم والخيارات الصفقات من أجل الاستفادة من مختلف أوجه القصور في السوق.

نحن نقدم حاليا اثنين من أنظمة التداول الآجلة التي تتداول إس & أمب؛ تي الآجلة. مواصلة القراءة لنرى لنفسك كيفية تنفيذ نظام التداول ألغو مصممة مهنيا يمكن أن تكون مفيدة لأهداف الاستثمار الخاصة بك. نحن غير مسجلين تجارة السلع المستشارين وبالتالي لا تسيطر مباشرة حسابات العملاء ونداش؛ ومع ذلك نحن نفعل التجارة على حد سواء أنظمة التداول مع رؤوس أموالنا الخاصة باستخدام واحدة من وسطاء تنفيذ التجارة الآلي.

مثال على التداول الخوارزمي.

العقود الآجلة استراتيجية التداول: حزمة التاجر سوينغ.

هذه الحزمة تستخدم أفضل خوارزميات الأداء منذ أن نعيش. زيارة صفحة تاجر البديل لرؤية التسعير، وإكمال احصائيات التجارة، قائمة التجارة الكاملة وأكثر من ذلك. هذه الحزمة مثالية للمشككين الذين يرغبون في تجارة نظام قوي الذي أدى بشكل جيد في أعمى المشي إلى الأمام / خارج العينة من التداول. تعبت من أكثر من التفاؤل نماذج اختبارها مرة أخرى التي لا يبدو أن تعمل عندما تداولت العيش؟ إذا كان الأمر كذلك، فكر في نظام التداول الصندوق الأسود هذا. هذا هو خوارزمية التداول الأكثر شعبية للبيع.

تفاصيل نظام سوينغ ترادر.

العقود الآجلة & أمب؛ خيارات استراتيجية التداول: V & P كسارة V2 حزمة.

هذه الحزمة تستخدم سبع استراتيجيات التداول في محاولة لتنويع حسابك بشكل أفضل. تستخدم هذه الباقة الصفقات المتأرجحة، الصفقات اليومية، المكيفات الحديدية والمكالمات المغطاة للاستفادة من ظروف السوق المختلفة. هذه الصفقة تتداول في أحجام الوحدات من 30،000 $، وأطلق سراحه للجمهور في أكتوبر من عام 2018. زيارة صفحة المنتج كسارة & أمبير؛ P ل رؤية نتائج اختبارها مرة أخرى على أساس تقارير التجارة.

التفاصيل على كسارة S & أمب؛ P.

تغطية أساسيات تصميم نظام التداول الآلي.

أنظمة التداول خوارزمية متعددة المتاحة.

اختر من أحد أنظمة التداول & نداش؛ إما سوينغ ترادر ​​أو S & أمب؛ P كسارة. كل صفحة يظهر قائمة التجارة كاملة بما في ذلك آخر التحسين، المشي إلى الأمام النتائج. هذه الأنظمة السوداء، المحوسبة التداول الآلي مؤتمتة بالكامل لتوليد ألفا في محاولة للحد من المخاطر.

خوارزميات التداول المتعددة تعمل معا.

لدينا منهجية التداول الكمي لديه لنا توظيف استراتيجيات التداول ألغو متعددة من أجل تنويع أفضل حساب التداول السيارات الخاصة بك. تعرف على المزيد من خلال زيارة صفحة منهجية تصميم استراتيجيات التداول.

ترادس دورينغ بير & أمب؛ بول الأسواق.

في رأينا، المفتاح لتطوير نظام التداول حسابي يعمل فعلا، هو لحساب ظروف السوق متعددة. في أي وقت، يمكن للسوق الانتقال من الثور لتحمل السوق. من خلال اتخاذ اتجاه السوق موقف ملحد نحن نحاول أن يتفوق في كل من بول & أمب؛ ظروف السوق الدب.

أنظمة التداول الآلي بالكامل.

يمكنك تجارة السيارات لدينا البرمجيات الخوارزمية باستخدام وسيط التنفيذ التلقائي (مع أفضل الجهود). لدينا وسطاء متعددة لتختار من بينها. إزالة القرارات العاطفية القائمة من التداول الخاص بك باستخدام نظام التداول الآلي لدينا.

هل يعمل التداول الخوارزمي؟

تتبع التقدم اليومي لدينا خوارزميات التداول الكمي مع التطبيق وسيط أويك. سوف تتلقى أيضا البيانات اليومية من نفا شركة المقاصة المسجلة. يمكنك مقارنة كل من الصفقات الخاصة بك إلى قائمة التجارة ننشر في نهاية كل يوم. يتم نشر أمثلة تجارية خوارزمية كاملة ليراها الجميع. يمكن الاطلاع على قائمة التجارة الكاملة من خلال زيارة صفحة التداول الحسابية للنظام الذي يتم تداوله. هل تريد الاطلاع على بعض العبارات من الحسابات المباشرة؟ زيارة عوائد مباشرة & أمب؛ صفحة البيانات.

استراتيجيات التداول متعددة كوانت.

لدينا أنظمة التداول الكمي لديها توقعات مختلفة على أساس الخوارزميات التنبؤية المستخدمة. سوف نظم التداول الآلي لدينا وضع الصفقات سوينغ، الصفقات اليوم، كوندورس الحديد & أمب؛ المكالمات المغطاة. وتستند هذه الاستراتيجيات 100٪ كوانت فقط على المؤشرات الفنية وخوارزميات التعرف على الأنماط.

لدينا برامج التداول الآلي يساعد على إزالة العواطف من التداول.

يتم تداول خوارزميات التداول المتعددة كجزء من نظام التداول الخوارزمي الأكبر.

كل استراتيجية التداول خوارزمية عرضت لديها نقاط القوة والضعف المختلفة. يتم تحديد نقاط القوة والضعف على أساس ثلاث دول محتملة في السوق: سترونغ أوب، سيدويس & أمب؛ أسفل تتحرك الأسواق. تتفوق استراتيجية تجارة الحديد كوندور في الأسواق الجانبية والمتحركة، في حين تتفوق خوارزمية ملاحظة الخزانة في الأسواق المتجهة لأسفل. واستنادا إلى الاختبار الخلفي، من المتوقع أن تؤدي خوارزمية الزخم أداء جيدا خلال الأسواق المتحركة. الخروج من مجموعة مقاطع الفيديو التالية، حيث يتم مراجعة كل خوارزمية التداول المقدمة من قبل المطور الرئيسي لدينا. يتم مراجعة نقاط القوة في كل تداول ألغو جنبا إلى جنب مع نقاط الضعف.

يتم استخدام أنواع متعددة من استراتيجيات التداول في برنامج التداول الآلي لدينا.

يتم إدخال الصفقات اليوم & أمب؛ في نفس اليوم، في حين أن الصفقات البديل سوف تأخذ تجارة طويلة الأجل على أساس التوقعات ل S & P 500 للاتجاه أعلى أو أقل في المدى المتوسط. يتم وضع صفقات الخيارات على الخيارات الأسبوعية ل S & أمب؛ P 500 على العقود الآجلة، وعادة ما تدخل يوم الاثنين وتستمر حتى انتهاء يوم الجمعة.

استراتيجيات التداول سوينغ.

استراتيجيات التداول سوينغ التالية تضع الصفقات سوينغ الاتجاهية على S & أمب؛ P 500 العقود الآجلة إميني (إس) والمذكرة العشرة (تي). وهي تستخدم في كل من أنظمة التداول الآلي التي نقدمها للاستفادة من الاتجاهات على المدى الطويل لدينا خوارزميات التنبؤ السوق تتوقع.

العقود الآجلة سوينغ ترادينغ ستراتيغي # 1: مومنتوم سوينغ ترادينغ ألغوريثم.

وتضع استراتيجية تداول الزخم السويني صفقات سوينغ على مؤشر إيميني S & أمب؛ P فوتشرز، مستفيدة من ظروف السوق التي تشير إلى تحرك متوسط ​​المدى أعلى. يتم استخدام خوارزمية التداول هذه في كل من أنظمة التداول الآلية لدينا: V & أمب؛ P كروشر v2 & أمب؛ تاجر سوينغ.

العقود الآجلة سوينغ تجارة استراتيجية # 2: الخزانة عشر سنوات خوارزمية ملاحظة.

وتضع إستراتيجية التداول في سندات الخزينة تداولات متقلبة على مذكرة العشرة سنوات (تي). وبما أن نموذج النقل النموذجي عادة ما يتحرك معكوس إلى الأسواق الأوسع، فإن هذه الإستراتيجية تخلق تجارة سوينغ مشابهة لتقصير مؤشر S & أمب؛ P 500. هذا T-نوت ألغو لديه توقعات إيجابية لخفض ظروف السوق. يتم استخدام خوارزمية التداول هذه في كل من أنظمة التداول الآلية لدينا: V & أمب؛ P كروشر v2 & أمب؛ تاجر سوينغ.

يوم استراتيجيات التداول.

استراتيجيات التداول في اليوم التالي تضع الصفقات اليوم على S & أمب؛ P 500 إميني العقود الآجلة (إس). ودائما ما يدخلون في الصفقات في أول 20 دقيقة بعد فتح أسواق الأسهم وسوف تخرج قبل إغلاق الأسواق. وتستخدم محطات التوقف في جميع الأوقات.

إستراتيجية التداول يوم الآجلة # 1: خوارزمية التداول اليومي.

وتضع إستراتيجية التداول في اليوم القصير صفقات اليوم على مؤشر إيميني S & أمب؛ P فوتشرز عندما يظهر السوق ضعف في الصباح (يفضل فجوة كبيرة). يتم استخدام هذه الاستراتيجية التجارية في S & أمبير؛ P كسارة V2 نظام التداول الآلي.

إستراتيجية تداول يوم الآجلة # 2: خوارزمية تداول يوم الإختراق.

وتضع استراتيجية تداول يوم الاختراق صفقات اليوم على إيميني-S & P فوتشرز عندما يظهر السوق قوة في الصباح. يتم استخدام هذه الاستراتيجية التداول الآجلة في S & أمبير؛ P كسارة V2 نظام التداول الآلي.

استراتيجية التداول يوم الآجلة # 3: صباح اليوم الفجوة خوارزمية التداول.

استراتيجية التداول اليوم الفجوة الفجوة يضع الصفقات يوم قصير على إميني S & أمب؛ P العقود الآجلة عندما يكون السوق لديه فجوة كبيرة تصل، تليها فترة قصيرة من الضعف. يتم استخدام هذه الاستراتيجية التجارية في S & أمبير؛ P كسارة V2 نظام التداول الآلي.

خيارات استراتيجيات التداول.

استراتيجيات التداول الخيارات التالية تجمع قسط على S & أمبير؛ P 500 إميني الخيارات الأسبوعية (إس). وهي تستخدم في S & أمبير؛ P كسارة v2 من أجل الاستفادة من جانبية، أسفل & أمبير؛ وظروف السوق المتحركة. واحدة من الفوائد لخيارات التداول مع استراتيجيات التداول خوارزمية لدينا هي أنها معتمدة في بيئة التداول الآلي باستخدام واحدة من وسطاء التنفيذ التلقائي.

خيارات استراتيجية التداول رقم 1: خوارزمية حديد كوندور للتجارة.

تعد إستراتيجية التداول في خيارات الحديد كوندور مثالية للفرد الذي يريد اختبار أعلى للخارج لكل معدل ربح تجاري أو الذي يريد ببساطة جمع قسط على عقود S & أمب؛ P 500 إميني فيوتشرز من خلال بيع أيرون كوندورس. عندما تتوقع خوارزمياتنا حالة جانبية أو صاعدة في اتجاه الانجراف، فإن هذا النظام سيخلق تجارة حديد كوندور. يتم استخدام هذه الاستراتيجية في واحدة من أنظمة التداول الآلي: V & P كسارة v2.

خيارات استراتيجية التداول # 2: خيارات المكالمات المغطاة خوارزمية.

تغطى استراتيجية التداول خيارات الدعوة المغطاة من المكالمات المغطاة المال ضد خوارزميات الزخم طويل إس أرجوحة الصفقات، لجمع قسط وتساعد على تقليل الخسائر إذا تحرك السوق ضد موقف خوارزمية الزخم لدينا. عند تداولها مع خوارزمية سوينغ سوينغ للتجارة - كما هو الحال في كسارة S & أمب؛ P & أمب؛ إس / تي العقود الآجلة أنظمة التداول، وهذا يخلق موقف دعوة مغطاة. عندما يتم تداولها في نظام التداول التاجر الهابط، يتم بيع المكالمات دون تغطية، وبالتالي فهي عارية قصيرة. في كلتا الحالتين & نداش؛ كما الوقوف على طول خوارزمية & نداش؛ فإنه يؤدي جيدا في جانبية وأسفل تتحرك ظروف السوق. يتم استخدام هذه الاستراتيجية في واحدة من أنظمة التداول الآلي: V & P كسارة v2.

في حين أن كل من هذه الاستراتيجيات التجارية يمكن تداولها بذاتها، فهي الأفضل تداولها في مجموعة أوسع من خوارزميات التداول & نداش؛ كما رأينا في واحدة من أنظمة التداول الآلي لدينا مثل سوينغ التاجر.

خوارزميات التداول التي تعمل فعلا؟

يتم هذا سلسلة الفيديو التداول خوارزمية بحيث يمكن لعملائنا رؤية تفاصيل كل تجارة على أساس أسبوعي. مشاهدة كل من أشرطة الفيديو التداول حسابي خوارزمية التالية لنرى في الوقت الحقيقي، وكيف خوارزميات التداول لدينا أداء. لا تتردد في زيارة لدينا خوارزميك ترادينغ التعليقات & أمب؛ الصفحة الصحفية للاطلاع على ما يقوله الآخرون عنا.

الاشتراك في الرسائل الإخبارية.

الحصول على تحديثات الأداء من ألغوريثميكترادينغ من خلال الانضمام إلى النشرة الإخبارية لدينا.

ما الذي يفصل التداول الخوارزمي عن تقنيات التداول الفنية الأخرى؟

في هذه الأيام، يبدو أن الجميع لديه رأي حول تقنيات التداول التقنية. رأس & أمبير؛ أنماط الكتفين، ماسد الصليب الصلبان، فواب الاختلافات، والقائمة تطول وهلم جرا. في هذه المدونات الفيديو، لدينا مهندس تصميم الرصاص يحلل أمثلة قليلة من استراتيجيات التداول وجدت على الانترنت. وقال انه يأخذ نصائح التداول، رموز عنه وتشغيل اختبار بسيط بسيط لمعرفة مدى فعالية هم حقا. بعد تحليل النتائج الأولية، وقال انه يحسن التعليمات البرمجية لمعرفة ما إذا كان النهج الكمي للتداول يمكن أن تحسن النتائج الأولية. إذا كنت جديدا على التداول الخوارزمي، فإن مدونات الفيديو هذه ستكون مثيرة جدا للاهتمام. مصمم لدينا يستخدم آلات الدولة محدودة لرمز حتى هذه النصائح التداول الأساسية. كيف تختلف تجارة الخوارزمية عن التداول الفني التقليدي؟ ببساطة، يتطلب التداول الخوارزمي الدقة ويعطي نافذة إلى إمكانات خوارزميات على أساس الاختبار الخلفي الذي لديه قيود.

أبحث عن مجانا خوارزمية التداول تعليمي & أمب؛ كيفية "مقاطع الفيديو"؟

مشاهدة عروض الفيديو التعليمية متعددة من قبل مصمم الرصاص لدينا على التداول حسابي لتشمل شريط فيديو تغطي لدينا كوانت طريقة تصميم التداول وبرنامج تعليمي خوارزمية. توفر هذه أشرطة الفيديو استراتيجية التداول التداول خوارزمية أمثلة الترميز وتعريف لكم على نهجنا من التداول في الأسواق باستخدام التحليل الكمي. في أشرطة الفيديو هذه سترى العديد من الأسباب التي تجعل التداول الآلي ينطلق ليشمل المساعدة على إزالة العواطف من التداول. تفضل بزيارة صفحة الفيديو التعليمية التعليمية للاطلاع على قائمة كاملة من الوسائط التعليمية.

بدء استخدام واحد من أنظمة التداول الآلي لدينا اليوم.

لا تفوت. الانضمام إلى تلك التداول بالفعل مع ألغوريثميكترادينغ. تبدأ اليوم مع واحدة من حزم التداول خوارزمية لدينا.

تتوفر عدة خيارات تنفيذ التجارة الآلي.

خوارزميات التداول لدينا يمكن أن يتم تنفيذها تلقائيا باستخدام واحدة من نفا السماسرة التنفيذ التلقائي المسجل (مع أفضل الجهود) أو أنها يمكن تداولها على جهاز الكمبيوتر الخاص بك باستخدام إما مولتيشارتس أو تراديستاتيون.

مجموعة فوكس هي شركة وساطة تقديم مستقلة تقع في مبنى شيكاغو مجلس التجارة مبدع في قلب المنطقة المالية في المدينة. يتم تسجيلها مع نفا وقادرة على صناعة السيارات في تنفيذ خوارزميات لدينا مع أفضل الجهود.

وسطاء التفاعلية هو وسيط نفا المسجلين الذين يمكن لصناعة السيارات في تنفيذ خوارزميات لدينا مع أفضل الجهود. وبالإضافة إلى ذلك، فإنها تدعم العملاء الكنديين.

إذا كنت تفضل تشغيل الخوارزميات على جهاز الكمبيوتر الخاص بك، ثم مولتيشارتس هو منصة برمجيات التداول المفضل لتنفيذ السيارات. ويقدم فوائد كبيرة للتجار، ويوفر مزايا كبيرة على منصات المنافسة. لأنه يأتي مع الرسوم البيانية عالية الوضوح، ودعم 20+ يغذي البيانات و 10 + السماسرة، ديناميكية باكتستينغ استراتيجية على مستوى محفظة، دعم إيسيلانغواد، تقارير الأداء التفاعلي، التحسين الجيني، الماسح الضوئي السوق وإعادة البيانات.

ومن المعروف ترادستاتيون لبرامج التحليل ومنصة التداول الإلكترونية التي توفر للتاجر النشط وبعض الأسواق التاجر المؤسسي التي تمكن العملاء من تصميم واختبار وتحسين ورصد وأتمتة الأسهم المخصصة الخاصة بهم، خيارات & أمب؛ استراتيجيات التداول الآجلة. التاجر هو خيار آخر للأفراد الذين يرغبون في تجارة السيارات خوارزميات لدينا على جهاز الكمبيوتر الخاص بهم.

أساسيات التداول الخوارزمي: المفاهيم والأمثلة.

الخوارزمية هي مجموعة محددة من التعليمات المحددة بوضوح تهدف إلى تنفيذ مهمة أو عملية.

التداول الحسابي (التداول الآلي، التداول في الصندوق الأسود، أو ببساطة التداول ألغو) هو عملية استخدام أجهزة الكمبيوتر المبرمجة لمتابعة مجموعة محددة من التعليمات لوضع التجارة من أجل توليد الأرباح بسرعة وتردد يستحيل على تاجر الإنسان. وتستند مجموعات القواعد المحددة إلى التوقيت أو السعر أو الكمية أو أي نموذج رياضي. وبصرف النظر عن فرص الربح للتاجر، ألغو التداول يجعل الأسواق أكثر سيولة ويجعل التداول أكثر منهجية من خلال استبعاد الآثار البشرية العاطفية على الأنشطة التجارية. (لمزيد من المعلومات، اطلع على اختيار برامج التداول الخوارزمية الصحيحة.)

لنفترض أن المتداول يتبع هذه المعايير التجارية البسيطة:

شراء 50 سهم من الأسهم عندما يكون المتوسط ​​المتحرك لمدة 50 يوما فوق المتوسط ​​المتحرك ل 200 يوم بيع أسهم السهم عندما يقل المتوسط ​​المتحرك ل 50 يوم عن المتوسط ​​المتحرك ل 200 يوم.

وباستخدام هذه المجموعة من تعليمين بسيطين، من السهل كتابة برنامج حاسوبي يقوم برصد سعر السهم تلقائيا (ومؤشرات المتوسط ​​المتحرك) ووضع أوامر الشراء والبيع عند استيفاء الشروط المحددة. التاجر لم يعد يحتاج إلى الحفاظ على مشاهدة للأسعار الحية والرسوم البيانية، أو وضعت في أوامر يدويا. نظام التداول الخوارزمية تلقائيا يفعل ذلك بالنسبة له، عن طريق تحديد بشكل صحيح فرصة التداول. (لمزيد من المعلومات عن المتوسطات المتحركة، اطلع على المتوسطات المتحركة البسيطة التي تجعل المؤشرات تتوقف.)

[إذا كنت ترغب في معرفة المزيد عن ثبت وإلى الاستراتيجيات نقطة التي يمكن في نهاية المطاف أن تعمل في نظام التداول لواريثميك، تحقق من إنفستوبيديا أكاديمية تصبح دورة التاجر اليوم. ]

فوائد التداول الخوارزمية.

ألغو التداول يوفر الفوائد التالية:

الصفقات التي يتم تنفيذها بأفضل الأسعار الممكنة وضع أمر تجاري فوري ودقيق (وبالتالي فرص عالية للتنفيذ على المستويات المطلوبة) توقيت الصفقات بشكل صحيح وعلى الفور، لتجنب التغيرات الكبيرة في الأسعار خفض تكاليف المعاملات (انظر مثال على نقص التنفيذ أدناه) الشيكات التلقائية في وقت واحد على عدة ظروف السوق تقليل مخاطر الأخطاء اليدوية في وضع الصفقات باكتست الخوارزمية، استنادا إلى البيانات المتاحة الوقت الحقيقي والحقيقي انخفاض احتمال الأخطاء من قبل التجار البشري على أساس العوامل العاطفية والنفسية.

إن الجزء الأكبر من التداول الحالي هو تداول عالي التردد (هفت)، والذي يحاول الاستفادة من وضع عدد كبير من الطلبات بسرعة عالية جدا عبر أسواق متعددة ومعلمات قرار متعددة، بناء على تعليمات مبرمجة مسبقا. (لمزيد من المعلومات حول التداول عالي التردد، راجع استراتيجيات وأسرار شركات التداول عالي التردد).

يستخدم ألغو-ترادينغ في العديد من أشكال الأنشطة التجارية والاستثمارية، بما في ذلك:

المستثمرون على المدى المتوسط ​​إلى الطويل أو الشركات الجانبية (صناديق المعاشات التقاعدية، صناديق الاستثمار، شركات التأمين) الذين يشترون في الأسهم بكميات كبيرة ولكن لا يريدون التأثير على أسعار الأسهم مع استثمارات منفصلة كبيرة الحجم. ويستفيد المتداولون على المدى القصير والمشتركون من جانب البيع (صناع السوق والمضاربون والمراجحون) من تنفيذ التجارة الآلي؛ بالإضافة إلى ذلك، المساعدات التجارية ألغو في خلق السيولة الكافية للبائعين في السوق. التجار المنتظمين (أتباع الاتجاه، أزواج التجار، صناديق التحوط، الخ) تجد أنها أكثر كفاءة بكثير لبرمجة قواعد التداول الخاصة بهم والسماح للتجارة البرنامج تلقائيا.

يوفر التداول الخوارزمي نهجا أكثر انتظاما للتداول النشط من الطرق القائمة على الحدس أو الغريزة للتاجر البشري.

استراتيجيات التداول الخوارزمية.

وتتطلب أي استراتيجية للتداول الخوارزمي فرصة محددة تكون مربحة من حيث تحسين الأرباح أو خفض التكاليف. وفيما يلي استراتيجيات التداول الشائعة المستخدمة في تجارة ألغو:

استراتيجيات التداول الأكثر خوارزمية تتبع الاتجاهات في المتوسطات المتحركة، هروب القناة، حركات مستوى الأسعار والمؤشرات الفنية ذات الصلة. هذه هي أسهل وأبسط الاستراتيجيات لتنفيذ من خلال التداول الحسابي لأن هذه الاستراتيجيات لا تنطوي على اتخاذ أي توقعات أو توقعات الأسعار. وتبدأ الصفقات على أساس حدوث الاتجاهات المستصوبة، التي تكون سهلة ومباشرة لتنفيذها من خلال الخوارزميات دون الدخول في تعقيد التحليل التنبئي. المثال المذكور أعلاه للمتوسط ​​المتحرك 50 و 200 يوم هو الاتجاه الشعبي التالي استراتيجية. (لمزيد من المعلومات حول استراتيجيات التداول الاتجاه، انظر: استراتيجيات بسيطة للاستفادة من الاتجاهات.)

شراء الأسهم المدرجة المزدوجة بسعر أقل في سوق واحد وبيعها في وقت واحد بسعر أعلى في سوق أخرى تقدم فرق السعر كخالية من الأرباح أو المراجحة. ويمكن تكرار نفس العملية بالنسبة للأسهم مقابل أدوات العقود الآجلة، حيث أن فروق الأسعار موجودة من وقت لآخر. تطبيق خوارزمية لتحديد مثل هذه الفروق السعرية ووضع أوامر يسمح فرص مربحة بطريقة فعالة.

وقد حددت صناديق المؤشرات فترات من إعادة التوازن لجعل حيازاتها متساوية مع مؤشراتها المرجعية. وهذا يخلق فرصا مربحة للمتداولين الخوارزميين الذين يستفيدون من الصفقات المتوقعة التي تقدم أرباح تتراوح بين 20 و 80 نقطة أساس اعتمادا على عدد الأسهم في صندوق المؤشرات، قبيل إعادة التوازن في مؤشر المؤشرات. يتم بدء هذه الصفقات عن طريق أنظمة التداول الحسابية للتنفيذ في الوقت المناسب وأفضل الأسعار.

وهناك الكثير من النماذج الرياضية المثبتة، مثل استراتيجية التداول دلتا المحايدة، والتي تسمح التداول على مجموعة من الخيارات والأمن الكامنة فيها، حيث يتم وضع الصفقات لتعويض الدلتا الإيجابية والسلبية بحيث يتم الحفاظ على دلتا محفظة في الصفر.

وتستند استراتيجية معدل العائد على فكرة أن الأسعار المرتفعة والمنخفضة للأصل هي ظاهرة مؤقتة تعود إلى قيمتها المتوسطة بشكل دوري. تحديد وتحديد النطاق السعري وتطبيق الخوارزمية بناء على ما يسمح بتداول الصفقات تلقائيا عندما يكسر سعر الأصول من النطاق المحدد.

استراتيجية السعر المتوسط ​​المرجح لحجم الأسهم تفصل أمر كبير وتنشر قطع أصغر حجما من الترتيب إلى السوق باستخدام ملفات تعريف حجم المخزون التاريخية المحددة. والهدف من ذلك هو تنفيذ الأمر بالقرب من متوسط ​​السعر المرجح (فواب)، وبالتالي الاستفادة من متوسط ​​السعر.

وتؤدي استراتيجية متوسط ​​السعر المرجح للوقت إلى تفكيك أمر كبير وتنشر قطع أصغر حجما من النظام إلى السوق باستخدام فترات زمنية مقسمة بالتساوي بين بداية ونهاية الوقت. والهدف من ذلك هو تنفيذ أمر قريب من متوسط ​​السعر بين بداية ونهاية الوقت، وبالتالي تقليل تأثير السوق.

حتى يتم ملء النظام التجاري بالكامل، تستمر هذه الخوارزمية في إرسال أوامر جزئية، وفقا لنسبة المشاركة المحددة وحسب حجم التداول في الأسواق. وترسل "ستيبس ستراتيغي" ذات الصلة الطلبات بناء على النسبة المئوية المحددة من قبل المستخدم من أحجام السوق وتزيد أو تنقص من معدل المشاركة هذا عندما يصل سعر السهم إلى مستويات معرفة من قبل المستخدم.

وتهدف استراتيجية العجز في التنفيذ إلى التقليل من تكلفة تنفيذ أمر الشراء عن طريق التداول في السوق في الوقت الحقيقي، وبالتالي توفير تكلفة الطلب والاستفادة من تكلفة الفرصة البديلة للتأخير في التنفيذ. وستؤدي الاستراتيجية إلى زيادة معدل المشاركة المستهدف عندما يتحرك سعر السهم إيجابيا ويقلله عندما يتحرك سعر السهم سلبا.

هناك عدد قليل من فئات خاصة من الخوارزميات التي تحاول التعرف على "الأحداث" على الجانب الآخر. هذه "خوارزميات الاستنشاق"، المستخدمة، على سبيل المثال، من قبل صانع السوق الجانب بيع لديها المخابرات في الداخل لتحديد وجود أي خوارزميات على الجانب شراء من أجل كبير. هذا الكشف من خلال خوارزميات سوف يساعد صانع السوق تحديد فرص النظام كبيرة وتمكنه من الاستفادة من خلال ملء أوامر بسعر أعلى. يتم تحديد هذا في بعض الأحيان على أنها التكنولوجيا الفائقة الأمامية. (لمزيد من المعلومات حول التداول عالي التردد والممارسات الاحتيالية، راجع: إذا اشتريت الأسهم عبر الإنترنت، فأنت تشارك في هفت.)

المتطلبات الفنية للتجارة الخوارزمية.

تنفيذ الخوارزمية باستخدام برنامج الكمبيوتر هو الجزء الأخير، نادب مع باكتستينغ. ويتمثل التحدي في تحويل الاستراتيجية التي تم تحديدها إلى عملية محوسبة متكاملة لها إمكانية الوصول إلى حساب تداول لوضع الأوامر. ويلزم ما يلي:

المعرفة البرمجة الحاسوبية لبرمجة استراتيجية التداول المطلوبة والمبرمجين استأجرت أو برامج التداول مسبقة الصنع شبكة الاتصال والوصول إلى منصات التداول لوضع أوامر الوصول إلى تغذية البيانات السوق التي سيتم رصدها من قبل خوارزمية للحصول على فرص لوضع أوامر القدرة والبنية التحتية من أجل إعادة النظر في النظام الذي تم بناؤه قبل بدء تشغيله في الأسواق الحقيقية. توفر البيانات التاريخية للاختبار المسبق، تبعا لتعقيد القواعد المطبقة في الخوارزمية.

وفيما يلي مثال شامل: رويال داتش شل (رديز) مدرج في بورصة أمستردام (إكس) وبورصة لندن (لس). دعونا نبني خوارزمية لتحديد فرص المراجحة. وفيما يلي بعض الملاحظات المثيرة للاهتمام:

تداول الفوركس باليورو، في حين يتداول سوق لندن للأوراق المالية بالجنيه الإسترليني بسبب فارق التوقيت لمدة ساعة واحدة، يفتح مؤشر إكس قبل ساعة من سوق لندن للأوراق المالية، يليه كلا من التبادل التجاري في وقت واحد للساعات القليلة القادمة ثم يتداول فقط في بورصة لندن خلال الساعة الأخيرة مع إغلاق إكس .

هل يمكننا أن نستكشف إمكانية التداول بالمراجحة على أسهم شركة رويال داتش شل المدرجة في هذين السوقين بعملتين مختلفتين؟

برنامج حاسوبي يمكنه قراءة أسعار السوق الحالية السعر يغذي من كل من لس و إكس إكس تغذية سعر صرف العملات الأجنبية مقابل سعر صرف غبب-ور القدرة على وضع الأمر الذي يمكن أن توجه النظام إلى الصرف الصحيح القدرة على الاختبار السابق على الأعلاف السعر التاريخية.

يجب أن يقوم برنامج الكمبيوتر بما يلي:

قراءة تغذية الأسعار الواردة من أسهم رديز من كلا التبادل باستخدام أسعار الصرف الأجنبي المتاحة، وتحويل سعر عملة واحدة إلى أخرى إذا كان هناك اختلاف كبير بما فيه الكفاية السعر (خصم تكاليف الوساطة) مما يؤدي إلى فرصة مربحة، ثم وضع شراء ترتيب على سعر صرف أقل وبيع النظام على ارتفاع سعر الصرف إذا تم تنفيذ أوامر كما هو مطلوب، فإن الأرباح التحكيم تتبع.

بسيطة وسهلة! ومع ذلك، فإن ممارسة التداول الخوارزمية ليست بهذه البساطة للحفاظ على وتنفيذ. تذكر، إذا كنت يمكن أن تضع التجارة ألغو ولدت، لذلك يمكن للمشاركين في السوق الأخرى. وبالتالي، تتقلب الأسعار في الملي ثانية وحتى الميكروثانية. في المثال أعلاه، ماذا يحدث إذا تم تنفيذ صفقة الشراء، ولكن تجارة البيع لا تتغير مع تغير أسعار البيع في الوقت الذي يصل فيه طلبك إلى السوق؟ سوف ينتهي بك الأمر يجلس مع موقف مفتوح، مما يجعل استراتيجية المراجحة الخاص بك لا قيمة له.

هناك مخاطر وتحديات إضافية: على سبيل المثال، مخاطر فشل النظام، وأخطاء الاتصال بالشبكة، والفترات الزمنية بين أوامر التجارة والتنفيذ، والأهم من ذلك كله، الخوارزميات الناقصة. وكلما كانت الخوارزمية الأكثر تعقيدا، فإن الأمر يحتاج إلى مزيد من الاختبار المسبق الأكثر صرامة قبل وضعها موضع التنفيذ.

الخط السفلي.

التحليل الكمي لأداء الخوارزمية يلعب دورا هاما ويجب دراسته بشكل نقدي. انها مثيرة للذهاب لأتمتة بمساعدة أجهزة الكمبيوتر مع فكرة لكسب المال دون عناء. ولكن يجب على المرء أن يتأكد من أن النظام يتم اختبارها بشكل كامل ويحدد الحدود المطلوبة. يجب على التجار التحليليين النظر في تعلم البرمجة ونظم البناء من تلقاء نفسها، ليكونوا واثقين من تنفيذ الاستراتيجيات الصحيحة بطريقة مضمونة. استخدام الحذر واختبار شامل من ألغو التداول يمكن أن تخلق فرص مربحة. (لمزيد من المعلومات، راجع كيفية كتابة روبوت ألغو التجاري الخاص بك.)

QuantStart.

الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.

تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.

نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.

بقلم مايكل هالز مور في 19 أبريل 2018.

في هذه المقالة أريد أن أعرض لكم الطرق التي أنا نفسي تحديد استراتيجيات التداول خوارزمية مربحة. هدفنا اليوم هو أن نفهم بالتفصيل كيفية العثور على وتقييم واختيار هذه النظم. سأشرح كيفية تحديد الاستراتيجيات بقدر ما يتعلق بالأفضلية الشخصية، كما هو الحال بالنسبة لأداء الاستراتيجية، وكيفية تحديد نوع وكمية البيانات التاريخية للاختبار، وكيفية تقييم تقييم التداول بشكل متعمد، وأخيرا كيفية المضي قدما نحو مرحلة باكتستينغ و تنفيذ الاستراتيجية.

تحديد التفضيلات الشخصية الخاصة بك للتداول.

من أجل أن يكون تاجر ناجح - إما تناسبيا أو خوارزمية - من الضروري أن تسأل نفسك بعض الأسئلة الصادقة. التداول يوفر لك القدرة على فقدان المال بمعدل ينذر بالخطر، لذلك فمن الضروري أن "تعرف نفسك" بقدر ما هو ضروري لفهم الاستراتيجية التي اخترتها.

وأود أن أقول أن أهم اعتبار في التداول هو على بينة من شخصيتك الخاصة. التداول، والتجارة الخوارزمية على وجه الخصوص، يتطلب درجة كبيرة من الانضباط والصبر والانفصال العاطفي. منذ كنت تدع خوارزمية تنفيذ التداول الخاص بك بالنسبة لك، فمن الضروري أن يتم حل عدم التدخل في الاستراتيجية عندما يتم تنفيذها. وقد يكون ذلك صعبا للغاية، خاصة في فترات الانسحاب الموسع. ومع ذلك، العديد من الاستراتيجيات التي ثبت أن تكون مربحة للغاية في باكتست يمكن أن تدمر من خلال تدخل بسيط. فهم أنه إذا كنت ترغب في دخول عالم التداول حسابي سوف يتم اختبار عاطفيا وأنه من أجل أن تكون ناجحة، فمن الضروري العمل من خلال هذه الصعوبات!

الاعتبار التالي هو واحد من الوقت. هل لديك وظيفة بدوام كامل؟ هل تعمل بدوام جزئي؟ هل تعمل من المنزل أو لديك تنقلات طويلة كل يوم؟ هذه الأسئلة سوف تساعد في تحديد وتيرة الاستراتيجية التي يجب أن تسعى. بالنسبة لأولئك منكم في العمل بدوام كامل، قد لا تكون استراتيجية العقود الآجلة لحظية مناسبة (على الأقل حتى يتم مؤتمتة بالكامل!). كما أن قيود وقتك تملي منهجية الاستراتيجية. إذا كانت إستراتيجيتك يتم تداولها بشكل متكرر وتعتمد على خلاصات أخبار باهظة الثمن (مثل محطة بلومبرغ) سيكون من الواضح أن تكون واقعية حول قدرتك على تشغيل هذا بنجاح أثناء وجودك في المكتب! بالنسبة لأولئك منكم مع الكثير من الوقت، أو المهارات لأتمتة الاستراتيجية الخاصة بك، قد ترغب في النظر في استراتيجية التداول عالية التردد أكثر تقنية (هفت).

إيماني هو أنه من الضروري إجراء البحوث المستمرة في استراتيجيات التداول الخاصة بك للحفاظ على محفظة مربحة باستمرار. عدد قليل من الاستراتيجيات البقاء "تحت الرادار" إلى الأبد. وبالتالي فإن جزءا كبيرا من الوقت المخصص للتداول سيكون في إجراء البحوث الجارية. اسأل نفسك عما إذا كنت مستعدا للقيام بذلك، لأنه يمكن أن يكون الفرق بين الربحية القوية أو الانخفاض البطيء نحو الخسائر.

تحتاج أيضا إلى النظر في رأس المال الخاص بك التداول. الحد الأدنى المثالي المقبول عموما للاستراتيجية الكمية هو 50،000 دولار أمريكي (حوالي 35،000 جنيه استرليني بالنسبة لنا في المملكة المتحدة). إذا كنت قد بدأت من جديد، سأبدأ بمبلغ أكبر، ربما أقرب 100،000 دولار أمريكي (حوالي 70،000 £). وذلك لأن تكاليف المعاملات يمكن أن تكون مكلفة للغاية بالنسبة لاستراتيجيات متوسطة إلى عالية التردد، وأنه من الضروري أن يكون رأس المال كاف لاستيعابها في أوقات السحب. إذا كنت تفكر في البدء مع أقل من 10،000 دولار أمريكي، سوف تحتاج إلى تقييد نفسك لاستراتيجيات التردد المنخفض، والتداول في واحد أو اثنين من الأصول، وتكاليف المعاملات سوف تأكل بسرعة في عوائد الخاص بك. وسطاء التفاعلية، والتي تعد واحدة من الوسطاء ودية لأولئك الذين لديهم مهارات البرمجة، بسبب أبي، لديها حساب الحد الأدنى التجزئة 10،000 دولار أمريكي.

مهارة البرمجة هي عامل مهم في خلق استراتيجية التداول الآلي الخوارزمية. كونك على دراية بلغة البرمجة مثل C ++، جافا، C #، بيثون أو R سوف تمكنك من إنشاء نهاية إلى نهاية تخزين البيانات، باكتست المحرك ونظام التنفيذ نفسك. هذا له عدد من المزايا، رئيسها هو القدرة على أن تكون على علم تام بجميع جوانب البنية التحتية التجارية. كما يسمح لك لاستكشاف استراتيجيات تردد أعلى كما سوف تكون في السيطرة الكاملة على "كومة التكنولوجيا". في حين أن هذا يعني أنه يمكنك اختبار البرمجيات الخاصة بك والقضاء على البق، وهذا يعني أيضا المزيد من الوقت الذي يقضيه ترميز البنية التحتية وأقل على تنفيذ الاستراتيجيات، على الأقل في الجزء السابق من حياتك التجارية ألغو. قد تجد أن لديك تجارة مريحة في إكسيل أو ماتلاب ويمكن الاستعانة بمصادر خارجية لتطوير المكونات الأخرى. إلا أنني لا أنصح هذا، وخاصة بالنسبة لأولئك المتداولين في وتيرة عالية.

تحتاج إلى أن تسأل نفسك ما كنت آمل تحقيقه من خلال التداول حسابي. هل ترغب في الحصول على دخل منتظم، حيث كنت تأمل في الحصول على الأرباح من حساب التداول الخاص بك؟ أو هل أنت مهتم بتحقيق مكاسب رأسمالية طويلة الأجل ويمكنها أن تتداول دون الحاجة إلى سحب الأموال؟ سوف الاعتماد على الإملاء تملي وتيرة الاستراتيجية الخاصة بك. وسيتطلب سحب أكثر انتظاما للدخل استراتیجیة تداول ذات تردد أکبر مع تقلب أقل (أي نسبة شارب أعلی). يمكن للتجار على المدى الطويل تحمل تردد تداول أكثر رصانة.

وأخيرا، لا تتلاشى من فكرة أن تصبح غنية للغاية في مساحة قصيرة من الزمن! ألغو التداول ليس مخطط سريع الغني - إذا كان أي شيء يمكن أن يكون مخططا فقيرة وسريعة. فإنه يأخذ الانضباط كبير، والبحوث، الاجتهاد والصبر لتكون ناجحة في التداول حسابي. قد يستغرق الأمر شهورا، إن لم يكن سنوات، لتوليد أرباح متسقة.

مصادر الأفكار التداول خوارزمية.

وعلى الرغم من التصورات المشتركة على العكس من ذلك، فمن الواضح تماما في الواقع تحديد استراتيجيات تجارية مربحة في الملك العام. لم تكن أبدا الأفكار التجارية متاحة بسهولة أكثر مما هي عليه اليوم. توفر مجلات التمويل الأكاديمي وخوادم ما قبل الطباعة ومدونات التداول ومنتديات التداول ومجلات التداول الأسبوعية والنصوص المتخصصة آلاف استراتيجيات التداول التي تستند إليها أفكارك.

هدفنا كباحثين التداول الكمي هو إنشاء خط أنابيب استراتيجية من شأنها أن توفر لنا مجموعة من الأفكار التجارية الجارية. من الناحية المثالية نحن نريد أن نخلق نهجا منهجيا في تحديد وتقييم وتنفيذ الاستراتيجيات التي نأتي بها. وأهداف خط الأنابيب هي توليد كمية متسقة من الأفكار الجديدة وتزويدنا بإطار لرفض غالبية هذه الأفكار مع الحد الأدنى من النظر العاطفي.

يجب أن نكون حذرين للغاية لعدم السماح للتحيزات المعرفية تؤثر على منهجية صنع القرار لدينا. ويمكن أن يكون ذلك بسيطا مثل تفضيل فئة أصول واحدة على فئة أخرى (الذهب والمعادن الثمينة الأخرى تتبادر إلى الذهن) لأنها تعتبر أكثر غرابة. يجب أن يكون هدفنا دائما إيجاد استراتيجيات مربحة باستمرار، مع توقع إيجابي. يجب أن يستند اختيار فئة األصول إلى اعتبارات أخرى، مثل القيود على رأس المال التجاري، ورسوم الوساطة، وقدرات الرافعة المالية.

إذا كنت غير مألوفة تماما مع مفهوم استراتيجية التداول ثم أول مكان للنظر هو مع الكتب المدرسية المعمول بها. النصوص الكلاسيكية توفر مجموعة واسعة من أبسط، وأكثر وضوحا الأفكار، والتي للتعرف على نفسك مع التداول الكمي. هنا هو التحديد الذي أوصي لأولئك الذين هم جديدة إلى التداول الكمي، والتي تصبح تدريجيا أكثر تطورا وأنت تعمل من خلال القائمة:

للحصول على قائمة أطول من الكتب التجارية الكمية، يرجى زيارة قائمة القراءة كوانتستارت.

والمكان التالي للعثور على استراتيجيات أكثر تطورا هو منتديات التداول والمدونات التجارية. ومع ذلك، ملاحظة الحذر: العديد من بلوق التداول تعتمد على مفهوم التحليل الفني. يتضمن التحليل الفني استخدام المؤشرات الأساسية وعلم النفس السلوكي لتحديد الاتجاهات أو أنماط الانعكاس في أسعار الأصول.

على الرغم من كونها تحظى بشعبية كبيرة في مساحة التداول العامة، يعتبر التحليل الفني غير فعال إلى حد ما في مجتمع التمويل الكمي. وقد اقترح البعض أنه ليس أفضل من قراءة برجك أو دراسة أوراق الشاي من حيث القوة التنبؤية لها! في الواقع هناك أفراد ناجحين يستفيدون من التحليل الفني. ومع ذلك، كما يتأخر مع مجموعة أدوات رياضية وإحصائية أكثر تطورا تحت تصرفنا، يمكننا بسهولة تقييم فعالية هذه الاستراتيجيات "تا" القائمة على أساس واتخاذ القرارات القائمة على البيانات بدلا من قاعدة لنا على الاعتبارات العاطفية أو الأفكار المسبقة.

وهنا لائحة من بلوق التداول المحترمة جيدا والمنتديات:

مرة واحدة كان لديك بعض الخبرة في تقييم استراتيجيات أبسط، فقد حان الوقت للنظر في العروض الأكاديمية أكثر تطورا. وسيكون من الصعب الوصول إلى بعض المجلات الأكاديمية، دون اشتراكات عالية أو تكاليف لمرة واحدة. إذا كنت عضوا أو خريجا في الجامعة، يجب أن تكون قادرا على الوصول إلى بعض هذه المجلات المالية. خلاف ذلك، يمكنك أن تبحث في خوادم ما قبل الطباعة، والتي هي مستودعات الإنترنت من مسودات في وقت متأخر من الأوراق الأكاديمية التي تخضع لمراجعة الأقران. وبما أننا مهتمون فقط في الاستراتيجيات التي يمكننا أن نكرر بنجاح، باكتست والحصول على الربحية، استعراض الأقران هو أقل أهمية بالنسبة لنا.

إن الجانب السلبي الكبير للاستراتيجيات الأكاديمية هو أنها غالبا ما تكون قديمة، وتتطلب بيانات تاريخية غامضة ومكلفة، وتداول في فئات الأصول غير السائلة، أو لا تأخذ في الاعتبار الرسوم أو الانزلاق أو الانتشار. كما يمكن أن يكون من غير الواضح ما إذا كان سيتم تنفيذ استراتيجية التداول مع أوامر السوق، أوامر الحد أو ما إذا كان يحتوي على وقف الخسائر وما إلى ذلك وبالتالي فمن الضروري للغاية لتكرار استراتيجية نفسك على أفضل وجه ممكن، باكتست ذلك وإضافة في معاملة واقعية التكاليف التي تتضمن العديد من جوانب فئات الأصول التي ترغب في التداول فيها.

في ما يلي قائمة بخوادم ما قبل الطباعة والمجلات المالية الأكثر شعبية والتي يمكنك من خلالها الحصول على أفكار من:

ماذا عن تشكيل الاستراتيجيات الكمية الخاصة بك؟ ويتطلب ذلك عموما (على سبيل المثال لا الحصر) الخبرة في واحدة أو أكثر من الفئات التالية:

سوق المجهرية - لاستراتيجيات تردد أعلى على وجه الخصوص، يمكن للمرء أن الاستفادة من المجهرية السوق، أي فهم ديناميات كتاب النظام من أجل توليد الربحية. وستكون للأسواق المختلفة قيود تكنولوجية مختلفة، ولوائح، ومشاركين في السوق، ومعوقات كلها مفتوحة للاستغلال عن طريق استراتيجيات محددة. وهذه منطقة متطورة جدا وسيجد ممارسو البيع بالتجزئة صعوبة في المنافسة في هذا المجال، خاصة وأن المنافسة تشمل صناديق تحوط كمية كبيرة ذات رأس مال جيد ذات قدرات تكنولوجية قوية. هيكل الصندوق - إن صناديق الاستثمار المجمعة، مثل صناديق المعاشات التقاعدية وشراكات الاستثمار الخاص (صناديق التحوط) ومستشاري تجارة السلع وصناديق الاستثمار المشتركة مقيدة بسبب التنظيمات الثقيلة واحتياطيات رأس المال الكبيرة. وهكذا يمكن استغلال بعض السلوكيات المتسقة مع أولئك الذين هم أكثر ذكاء. فعلى سبيل المثال، تخضع الأموال الكبيرة للقيود المفروضة على القدرات بسبب حجمها. وبالتالي إذا كانوا بحاجة إلى تفريغ سريع (بيع) كمية من الأوراق المالية، سيكون لديهم لتدوير ذلك من أجل تجنب "تحريك السوق". خوارزميات متطورة يمكن الاستفادة من هذا، وغيرها من الخصوصيات، في عملية عامة تعرف باسم هيكل صندوق التحكيم. تعلم الآلة / الذكاء الاصطناعي - أصبحت خوارزميات التعلم الآلي أكثر انتشارا في السنوات الأخيرة في الأسواق المالية. وقد استخدمت كل من المصنفات (مثل نايف بايز وآخرون) ومطابقة الوظائف غير الخطية (الشبكات العصبية) وإجراءات التحسين (الخوارزميات الجينية) للتنبؤ بمسارات الأصول أو تحسين استراتيجيات التداول. إذا كان لديك خلفية في هذا المجال قد يكون لديك بعض نظرة ثاقبة كيف يمكن تطبيق خوارزميات معينة في أسواق معينة.

وهناك بالطبع مجالات كثيرة أخرى للتحقيق فيها. سنناقش كيفية التوصل إلى استراتيجيات مخصصة بالتفصيل في مقال لاحق.

من خلال الاستمرار في مراقبة هذه المصادر على أساس أسبوعي، أو حتى يومي، كنت تضع نفسك للحصول على قائمة متسقة من الاستراتيجيات من مجموعة متنوعة من المصادر. والخطوة التالية هي تحديد كيفية رفض مجموعة فرعية كبيرة من هذه الاستراتيجيات من أجل التقليل إلى أدنى حد من إهدار وقتك واسترجاع الموارد على الاستراتيجيات التي من المرجح أن تكون غير مربحة.

تقييم استراتيجيات التداول.

أول ما يمكن اعتباره أكثر وضوحا هو ما إذا كنت تفهم الاستراتيجية فعلا. هل ستكون قادرا على شرح الاستراتيجية بشكل موجز أم أنها تتطلب سلسلة من المحاذير وقوائم المعلمات التي لا نهاية لها؟ وبالإضافة إلى ذلك، هل لدى الاستراتيجية أساس جيد ومتين في الواقع؟ على سبيل المثال، هل يمكن أن تشير إلى بعض الأسباب المنطقية السلوكية أو قيود هيكل التمويل التي قد تسبب النمط (النماذج) التي تحاول استغلالها؟ ھل سیستمر ھذا القیود حتی تغییر النظام، مثل تعطل بیئي تنظیمي دراماتیکي؟ هل تعتمد الاستراتيجية على قواعد إحصائية أو رياضية معقدة؟ هل تنطبق على أي سلسلة زمنية مالية أو هل هي محددة لفئة الأصول التي يدعى أنها مربحة عليها؟ يجب أن تكون دائما التفكير في هذه العوامل عند تقييم أساليب التداول الجديدة، وإلا قد تضيع قدرا كبيرا من الوقت في محاولة ل باكتست وتحسين الاستراتيجيات غير المربحة.

مرة واحدة كنت قد قررت أن تفهم المبادئ الأساسية للاستراتيجية تحتاج إلى أن تقرر ما إذا كان يتناسب مع الشخصية الشخصية المذكورة أعلاه. هذا ليس كما غامضة النظر كما يبدو! وستختلف الاستراتيجيات اختلافا كبيرا في خصائص أدائها. هناك بعض أنواع الشخصية التي يمكن التعامل مع فترات أكثر أهمية من الانسحاب، أو على استعداد لقبول مخاطر أكبر لعودة أكبر. على الرغم من حقيقة أننا، كوانتس، في محاولة والقضاء على أكبر قدر من التحيز المعرفي قدر الإمكان، وينبغي أن تكون قادرة على تقييم استراتيجية بالتناوب، والتحيزات سوف تزحف دائما في. وبالتالي نحن بحاجة إلى وسائل عاطفية متسقة من خلالها لتقييم أداء الاستراتيجيات . وفيما يلي قائمة بالمعايير التي أحكم فيها على استراتيجية جديدة محتملة من خلال:

المنهجية - هل يستند الزخم الاستراتيجى إلى الاستراتيجى، أو الاتجاه المتوسط، أو الاتجاه المحايد للسوق؟ ھل تعتمد الاستراتیجیة علی تقنیات إحصائیة متطورة (أو معقدة) أو تعلم آلي یصعب فھمھا وتحتاج إلی درجة الدکتوراه في الإحصاء لفھمھا؟ هل تقدم هذه التقنيات كمية كبيرة من البارامترات، مما قد يؤدي إلى التحيز الأمثل؟ هل من المرجح أن تتحمل الاستراتيجية تغيير النظام (أي تنظيم جديد محتمل للأسواق المالية)؟ نسبة شارب - نسبة شارب يصف نظريا نسبة المكافأة / المخاطر للاستراتيجية. وهو يحدد كم من العائدات التي يمكن تحقيقها لمستوى التقلبات التي يتحملها منحنى الأسهم. وبطبيعة الحال، نحتاج إلى تحديد الفترة والتردد الذي تقاس فيه هذه العوائد والتقلب (أي الانحراف المعياري). وتتطلب استراتيجية التردد الأعلى معدل أخذ عينات أكبر من الانحراف المعياري، ولكن فترة زمنية عامة أقصر للقياس، على سبيل المثال. الرافعة المالية - هل تتطلب الاستراتيجية نفوذا كبيرا لكي تكون مربحة؟ هل تتطلب الاستراتيجية استخدام عقود المشتقات المالية (العقود الآجلة والخيارات والمقايضات) من أجل تحقيق العائد؟ يمكن أن يكون لهذه العقود المديونية خصائص التقلب الثقيلة، وبالتالي يمكن أن يؤدي بسهولة إلى المكالمات الهامش. هل لديك رأس المال التجاري ومزاجه لمثل هذا التقلب؟ التردد - يرتبط تواتر الاستراتيجية ارتباطا وثيقا بمكدس التكنولوجيا (وبالتالي الخبرة التقنية) ونسبة شارب والمستوى العام لتكاليف المعاملات. جميع القضايا الأخرى التي تعتبرها، تتطلب استراتيجيات التردد العالي المزيد من رأس المال، وأكثر تطورا وأصعب لتنفيذ. ومع ذلك، على افتراض محرك باكتستينغ الخاص بك هو متطور وخالية من الأخطاء، فإنها غالبا ما يكون لها نسب شارب أعلى بكثير. التقلب - يرتبط التقلب بقوة ب "مخاطر" الاستراتيجية. نسبة شارب تميز هذا. وغالبا ما يؤدي التقلب األعلى لفئات األصول األساسية، إذا لم يتم تحوطها، إلى تقلبات أعلى في منحنى األسهم وبالتالي نسب أصغر من شارب. وأنا أفترض بالطبع أن التقلبات الإيجابية تساوي تقريبا التقلبات السلبية. قد يكون لبعض الاستراتيجيات تقلبات هبوطية أكبر. يجب أن تكون على علم بهذه السمات. وين / لوس، متوسط ​​الربح / الخسارة - ستختلف الاستراتيجيات في الربح / الخسارة ومتوسط ​​خصائص الربح / الخسارة. يمكن للمرء أن يكون استراتيجية مربحة جدا، حتى لو كان عدد الصفقات الخاسرة يتجاوز عدد الصفقات الفائزة. استراتيجيات الزخم تميل إلى أن يكون هذا النمط لأنها تعتمد على عدد قليل من "الضربات الكبيرة" من أجل أن تكون مربحة. وتميل استراتيجيات الانحدار الوسطي إلى أن تكون لها مظاهر معارضة حيث يكون المزيد من الصفقات "فائزين"، ولكن الصفقات الخاسرة يمكن أن تكون شديدة جدا. الحد الأقصى للسحب - الحد الأقصى للسحب هو أكبر انخفاض في النسبة المئوية من الذروة إلى الحوض الصغير على منحنى الأسهم للاستراتيجية. ومن المعروف جيدا أن استراتيجيات الزخم تعاني من فترات السحب الموسعة (بسبب سلسلة من العديد من الصفقات الخاسرة المتزايد). سوف يتخلى العديد من التجار في فترات السحب التدريجي، حتى لو كان الاختبار التاريخي قد اقترح هذا هو "العمل كالمعتاد" للاستراتيجية. سوف تحتاج إلى تحديد ما هي نسبة السحب (وأكثر من الفترة الزمنية) التي يمكن أن تقبل قبل التوقف عن التداول الاستراتيجية الخاصة بك. هذا قرار شخصي للغاية وبالتالي يجب النظر فيه بعناية. القدرة / السيولة - على مستوى التجزئة، إلا إذا كنت تتداول في أداة غير سائلة للغاية (مثل الأسهم الصغيرة)، لن تضطر إلى قلق نفسك بشكل كبير مع القدرة الاستراتيجية. وتحدد القدرات قابلية الاستراتيجية لزيادة رأس المال. ويعاني العديد من صناديق التحوط األكبر حجما من مشاكل كبيرة تتعلق بالقدرات مع زيادة استراتيجياتها في تخصيص رأس المال. معلمات - بعض الاستراتيجيات (وخاصة تلك الموجودة في مجتمع التعلم الآلي) تتطلب كمية كبيرة من المعلمات. كل معلمة إضافية تتطلب استراتيجية يجعلها أكثر عرضة للتحيز التحسين (المعروف أيضا باسم "منحنى المناسب"). يجب أن تحاول واستهداف الاستراتيجيات مع عدد قليل من المعلمات ممكن أو تأكد من أن لديك كميات كافية من البيانات التي لاختبار الاستراتيجيات الخاصة بك على. المعيار - تقاس جميع الاستراتيجيات تقريبا (ما لم توصف بأنها "عودة مطلقة") مقابل بعض مؤشرات الأداء. The benchmark is usually an index that characterises a large sample of the underlying asset class that the strategy trades in. If the strategy trades large-cap US equities, then the S&P500 would be a natural benchmark to measure your strategy against. You will hear the terms "alpha" and "beta", applied to strategies of this type. We will discuss these coefficients in depth in later articles.

Notice that we have not discussed the actual returns of the strategy. Why is this? In isolation, the returns actually provide us with limited information as to the effectiveness of the strategy. They don't give you an insight into leverage, volatility, benchmarks or capital requirements. Thus strategies are rarely judged on their returns alone. Always consider the risk attributes of a strategy before looking at the returns.

At this stage many of the strategies found from your pipeline will be rejected out of hand, since they won't meet your capital requirements, leverage constraints, maximum drawdown tolerance or volatility preferences. The strategies that do remain can now be considered for backtesting . However, before this is possible, it is necessary to consider one final rejection criteria - that of available historical data on which to test these strategies.

Obtaining Historical Data.

Nowadays, the breadth of the technical requirements across asset classes for historical data storage is substantial. In order to remain competitive, both the buy-side (funds) and sell-side (investment banks) invest heavily in their technical infrastructure. It is imperative to consider its importance. In particular, we are interested in timeliness, accuracy and storage requirements. I will now outline the basics of obtaining historical data and how to store it. Unfortunately this is a very deep and technical topic, so I won't be able to say everything in this article. However, I will be writing a lot more about this in the future as my prior industry experience in the financial industry was chiefly concerned with financial data acquisition, storage and access.

In the previous section we had set up a strategy pipeline that allowed us to reject certain strategies based on our own personal rejection criteria. In this section we will filter more strategies based on our own preferences for obtaining historical data. The chief considerations (especially at retail practitioner level) are the costs of the data, the storage requirements and your level of technical expertise. We also need to discuss the different types of available data and the different considerations that each type of data will impose on us.

Let's begin by discussing the types of data available and the key issues we will need to think about:

Fundamental Data - This includes data about macroeconomic trends, such as interest rates, inflation figures, corporate actions (dividends, stock-splits), SEC filings, corporate accounts, earnings figures, crop reports, meteorological data etc. This data is often used to value companies or other assets on a fundamental basis, i. e. via some means of expected future cash flows. It does not include stock price series. Some fundamental data is freely available from government websites. Other long-term historical fundamental data can be extremely expensive. Storage requirements are often not particularly large, unless thousands of companies are being studied at once. News Data - News data is often qualitative in nature. It consists of articles, blog posts, microblog posts ("tweets") and editorial. Machine learning techniques such as classifiers are often used to interpret sentiment . This data is also often freely available or cheap, via subscription to media outlets. The newer "NoSQL" document storage databases are designed to store this type of unstructured, qualitative data. Asset Price Data - This is the traditional data domain of the quant. It consists of time series of asset prices. Equities (stocks), fixed income products (bonds), commodities and foreign exchange prices all sit within this class. Daily historical data is often straightforward to obtain for the simpler asset classes, such as equities. However, once accuracy and cleanliness are included and statistical biases removed, the data can become expensive. In addition, time series data often possesses significant storage requirements especially when intraday data is considered. Financial Instruments - Equities, bonds, futures and the more exotic derivative options have very different characteristics and parameters. Thus there is no "one size fits all" database structure that can accommodate them. Significant care must be given to the design and implementation of database structures for various financial instruments. We will discuss the situation at length when we come to build a securities master database in future articles. Frequency - The higher the frequency of the data, the greater the costs and storage requirements. For low-frequency strategies, daily data is often sufficient. For high frequency strategies, it might be necessary to obtain tick-level data and even historical copies of particular trading exchange order book data. Implementing a storage engine for this type of data is very technologically intensive and only suitable for those with a strong programming/technical background. Benchmarks - The strategies described above will often be compared to a benchmark . This usually manifests itself as an additional financial time series. For equities, this is often a national stock benchmark, such as the S&P500 index (US) or FTSE100 (UK). For a fixed income fund, it is useful to compare against a basket of bonds or fixed income products. The "risk-free rate" (i. e. appropriate interest rate) is also another widely accepted benchmark. All asset class categories possess a favoured benchmark, so it will be necessary to research this based on your particular strategy, if you wish to gain interest in your strategy externally. Technology - The technology stacks behind a financial data storage centre are complex. This article can only scratch the surface about what is involved in building one. However, it does centre around a database engine, such as a Relational Database Management System (RDBMS), such as MySQL, SQL Server, Oracle or a Document Storage Engine (i. e. "NoSQL"). This is accessed via "business logic" application code that queries the database and provides access to external tools, such as MATLAB, R or Excel. Often this business logic is written in C++, C#, Java or Python. You will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers. Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner.

As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data. You may find it is necessary to reject a strategy based solely on historical data considerations. This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely. Do not underestimate the difficulties of creating a robust data centre for your backtesting purposes!

I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost. Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation. Tools like TradeStation possess this capability. However, my personal view is to implement as much as possible internally and avoid outsourcing parts of the stack to software vendors. I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical.

Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine. This will be the subject of other articles, as it is an equally large area of discussion!

Just Getting Started with Quantitative Trading?

3 Reasons to Subscribe to the QuantStart Email List:

1. Quant Trading Lessons.

You'll get instant access to a free 10-part email course packed with hints and tips to help you get started in quantitative trading!

2. All The Latest Content.

Every week I'll send you a wrap of all activity on QuantStart so you'll never miss a post again.

Real, actionable quant trading tips with no nonsense.

The S&P Crusher trades seven Algorithmic Trading Strategies Concurrently.

الأداء السابق ليس مؤشرا للأداء المستقبلي. تداول العقود الآجلة & أمب؛ options is not for everyone and involves substantial risk of loss.

S&P Crusher Trades Seven Algorithmic Trading Strategies:

Trades Multiple Algorithms Concurrently.

Combines the Covered Calls, Momentum, Breakout Day Trade, Breakdown Day Trade (SHORT), Morning Gap Day Trade, Treasury Note and Iron Condor trading strategies in an attempt to take advantage of up, down and sideways moving markets. In our opinion, trading multiple Algorithmic Trading Strategies concurrently increases chances of success in all market conditions.

100% Automated Futures Trading System.

The S&P Trading Strategy is a fully automated futures trading system, with zero time commitment required. Receive real-time trade alerts on your phone, and daily statements. Trades the S&P Emini Futures, 10 Yr Note, Futures & Options on Futures, day trade, swing trade, long and short.

Rigorously Back-Tested 15 Years.

Live Trade History.

Each trading algorithm within this package has traded live – for various durations. The S&P Crusher Track has traded live since January 2018 (Treasury Note, Breakdout Day Trade, Breakdown Day Trade SHORT & Momentum). The newer additions began trading live in October 2018 and include the Gap Short algo, Iron Condors plus the addition of Covered Calls. Visit our Algorithmic Trading Statements page to see actual statements from accounts trading this package.

Product Dashboard – S&P Crusher.

The following data is taken from compiled back-tested Tradestation reports.

S&P Crusher v2 Trade List: Trading $30,000 (1 Unit)

Data assumes $30,000 starting account, trading 1 Unit (1 contract per algo/per trade, seven algos total). Includes slippage & commission. Results are taken from compiled back-tested/hypothetical accounts which have limitations (see CFTC RULE 4.41 below).

Start Auto-Trading Today With The S&P Crusher.

S&P Crusher Trades Seven Algorithms Concurrently.

When the market goes higher, the Momentum algorithmic trading strategy will place well timed swing trades on the ES and the Covered Calls and Iron Condor algos will sell out-of-money weekly calls & puts on the S&P Futures. When the market is rebounding in a short covering rally, the Breakout Day Trade Algorithmic Trading Strategy shines placing a day-trade in the morning then exits at the close. During market sell-offs, the momentum, covered call & iron condor algos are designed to get on the sidelines while the Breakdown & Morning Gap Short Trading Strategies places short day-trades and the Treasury Note Trading Strategy takes a longer term bearish position. During periods of sustained sideways movement, the Iron Condor sells weekly call & put options potentially adding to gains seen in the preceding directional periods.

Algorithmic Trading Strategies, Paradigms and Modelling Ideas.

‘Looks can be deceiving,’ a wise person once said. The phrase holds true for Algorithmic Trading Strategies. The term Algorithmic trading strategies might sound very fancy or too complicated. However, the concept is very simple to understand, once the basics are clear. In this article, I will be telling you about algorithmic trading strategies with some interesting examples.

If you look at it from the outside, an algorithm is just a set of instructions or rules. These set of rules are then used on a stock exchange to automate the execution of orders without human intervention. This concept is called Algorithmic Trading.

Let me start with a very simple trading strategy. Those who are already into trading would know about S. M.A and for those who don’t; S. M.A is Simple Moving Average. S. M.A can be calculated using any predefined and fixed number of days. An algorithmic trading strategy based on S. M.A can be simplified in these four simple steps:

Calculate 5 day SMA Calculate 20 day SMA Take a long position when the 5 day SMA is larger than or equal to 20 day SMA Take a short position when the 5 day SMA is smaller than 20 day SMA.

We refer to this algorithmic trading strategy as Moving Average Crossover Strategy . This was just a simple example. Now don’t get down to thinking that it is all going to be a bed of roses. Even if it were, then be prepared for the thorns. In everyday trading, far more complex trading algorithms are used to generate algorithmic trading strategies.

All the algorithmic trading strategies that are being used today can be classified broadly into the following categories:

Momentum/Trend Following Arbitrage Statistical Arbitrage Market Making.

Let me go into some detail.

Momentum based Strategies.

Assuming that there is a particular trend in the market. As an algo trader, you are following that trend. Further to our assumption, the markets fall within the week. Now, you can use stats to determine if this trend is going to continue. Or if it will change in the coming weeks. Accordingly, you will make your next move. You have based your algorithmic trading strategy on the market trends which you determined by using statistics.

This method of following trends is called Momentum Based Strategy.

There are numerous ways to implement this algorithmic trading strategy and I have discussed this in detail in one of our previous articles called “Methodology of Quantifying News for Automated Trading”

If we assume that a pharma-corp is to be bought by another company, then the stock price of our corp could go up. This is triggered by the acquisition which is a corporate event. If you are planning to invest based on the pricing inefficiencies that may happen during a corporate event (before or after), then you are using an event-driven strategy. Bankruptcy, acquisition, merger, spin-offs etc could be the event that drives such kind of an investment strategy.

These strategies can be market neutral and used by hedge fund and proprietary traders widely.

Statistical Arbitrage.

When an arbitrage opportunity arises because of misquoting in prices, it can be very advantageous to algo trading strategy. Although such opportunities exist for a very short duration as the prices in the market get adjusted quickly. And that’s why this is the best use of algorithmic trading strategies, as an automated machine can track such changes instantly.

For instance, if Apple’s price falls under $1 then Microsoft will fall by $0.5 but Microsoft has not fallen, so you will go and sell Microsoft to make a profit. You can read about the common misconceptions people have about Statistical Arbitrage here.

Market Making.

To understand Market making, let me first talk about Market Makers.

According to Wikipedia:

A market maker or liquidity provider is a company, or an individual, that quotes both a buy and a sell price in a financial instrument or commodity held in inventory, hoping to make a profit on the bid-offer spread, or turn.

Market making provides liquidity to securities which are not frequently traded on the stock exchange. The market maker can enhance the demand-supply equation of securities. Let me give you an example:

Let’s assume you have Martin, a market maker, who buys for Rs. 500 from the market and sell it at 505. He will give you a bid-ask quote of Rs. 505-500. The profit of Rs. 5 cannot be sold or exchanged for cash without substantial loss in value. When Martin takes a higher risk then the profit is also higher.

I found Michael Lewis’ book ‘Flash Boys’ in Indian Bull Market pretty interesting and it talks about liquidity, market making and HFT in great detail. Check it out after you finish reading this article.

Since you will need to be analytical & quantitative while getting into or upgrading to algorithmic trading it is imperative to learn programming (some if not all) and build foolproof systems and execute right algorithmic trading strategy . Reading this article on Automated Trading with Interactive Brokers using Python will be very beneficial for you. You can read the article here.

Paradigms & Modeling Ideas.

Now that I have introduced you to algorithmic trading strategies, I will be throwing some light on the strategy paradigms and modeling ideas pertaining to each strategy.

Market Making Statistical Arbitrage Momentum Machine Learning Based.

Market Making.

As I had mentioned earlier, the primary objective of Market making is to infuse liquidity in securities that are not traded on stock exchanges. In order to measure the liquidity, we take the bid-ask spread and trading volumes into consideration.

The trading algorithms tend to profit from the bid-ask spread. I will be referring to our buddy, Martin, again in this section. Martin being a market maker is a liquidity provider who can quote on both buy and sell side in a financial instrument hoping to profit from the bid-offer spread. Martin will accept the risk of holding the securities for which he has quoted the price for and once the order is received, he will often immediately sell from his own inventory. He might seek an offsetting offer in seconds and vice versa.

When it comes to illiquid securities, the spreads are usually higher and so are the profits. Martin will take a higher risk in this case. Several segments in the market lack investor interest due to lack of liquidity as they are unable to gain exit from several small - and mid-cap stocks at any given point in time.

Market Makers like Martin are helpful as they are always ready to buy and sell at the price quoted by them. In fact, much of high frequency trading (HFT) is passive market making. The strategies are present on both sides of the market (often simultaneously) competing with each other to provide liquidity to those who need.

So, when is this strategy most profitable?

This strategy is profitable as long as the model accurately predicts the future price variations.

Modeling ideas based on this Paradigm.

The bid-ask spread and trade volume can be modeled together to get the liquidity cost curve which is the fee paid by the liquidity taker. If the liquidity taker only executes orders at the best bid and ask, the fee will be equal to the bid ask spread times the volume. When the traders go beyond best bid and ask taking more volume, the fee becomes a function of the volume as well.

Trade volume is difficult to model as it depends on the liquidity takers execution strategy. The objective should be to find a model for trade volumes that is consistent with price dynamics. Market making models are usually based on one of the two:

The first focuses on inventory risk. The model is based on preferred inventory position and prices based on the risk appetite. The second is based on adverse selection which distinguishes between informed and noise trades. Noise trades do not possess any view on the market whereas informed trades do. When the view of the liquidity taker is short term, its aim is to make short term profit utilizing the statistical edge. In the case of long term view, the objective is to minimize the transaction cost. The long-term strategies and liquidity constraints can be modeled as noise around the short-term execution strategies.

To know more about Market Makers, you can check out this interesting article on QuantInsti’s blog.

Statistical Arbitrage.

If Market making is the strategy that makes use of the bid-ask spread, Statistical Arbitrage seeks to profit from statistical mispricing of one or more assets based on the expected value of these assets.

A more academic way to explain statistical arbitrage is to spread the risk among thousand to million trades in a very short holding time to, expecting to gain profit from the law of large numbers. Statistical Arbitrage Algorithms are based on mean reversion hypothesis, mostly as a pair.

Pairs trading is one of the several strategies collectively referred to as Statistical Arbitrage Strategies. In pairs trade strategy, stocks that exhibit historical co-movement in prices are paired using fundamental or market-based similarities. The strategy builds upon the notion that the relative prices in a market are in equilibrium, and that deviations from this equilibrium eventually will be corrected.

When one stock outperforms the other, the outperformer is sold short and the other stock is bought long with the expectation that the short term diversion will end in convergence. This often hedges market risk from adverse market movements i. e. makes the strategy beta neutral. However, the total market risk of a position depends on the amount of capital invested in each stock and the sensitivity of stocks to such risk.

Momentum Strategies seek to profit from the continuance of existing trend by taking advantage of market swings.

“In simple words, buy high and sell higher and vice versa.”

And how do we achieve this?

In this particular algo-trading strategy we will take short-term positions in stocks that are going up or down until they show signs of reversal. It is counter-intuitive to almost all other well-known strategies. Value investing is generally based on long-term reversion to mean whereas momentum investing is based on the gap in time before mean reversion occurs.

Momentum is chasing performance, but in a systematic way taking advantage of other performance chasers who are making emotional decisions. There are usually two explanations given for any strategy that has been proven to work historically, either the strategy is compensated for the extra risk that it takes or there are behavioral factors due to which premium exists.

There is a long list of behavioral biases and emotional mistakes that investors exhibit due to which momentum works. However, this is easier said than done as trends don’t last forever and can exhibit swift reversals when they peak and come to an end. Momentum trading carries a higher degree of volatility than most other strategies and tries to capitalize on the market volatility. It is important to time the buys and sells correctly to avoid losses by using proper risk management techniques and stop losses. Momentum investing requires proper monitoring and appropriate diversification to safeguard against such severe crashes.

Firstly, you should know how to detect Price momentum or the trends. As you are already into trading, you know that trends can be detected by following stocks and ETFs that have been continuously going up for days, weeks or even several months in a row. For instance, identify the stocks trading within 10% of their 52 weeks high or look at the percentage price change over the last 12 or 24 weeks. Similarly to spot a shorter trend, include a shorter term price change.

If you remember, back in 2008, the oil and energy sector was continuously ranked as one of the top sectors even while it was collapsing. We can also look at earnings to understand the movements in stock prices. Strategies based on either past returns (“price momentum strategies”) or on earnings surprise (known as “earnings momentum strategies”) exploit market under-reaction to different pieces of information. An earnings momentum strategy may profit from the under-reaction to information related to short-term earnings. Similarly, a price momentum strategy may profit from market’s slow response to a broader set of information including longer-term profitability.

Machine Learning based.

In Machine Learning based trading, algorithms are used to predict the range for very short term price movements at a certain confidence interval. The advantage of using Artificial Intelligence (AI) is that humans develop the initial software and the AI itself develops the model and improves it over time. A large number of funds rely on computer models built by data scientists and quants but they’re usually static, i. e. they don’t change with the market. ML based models on the other hand can analyze large amounts of data at high speed and improve themselves through such analysis.

A form of machine leaning called “Bayesian networks” can be used to predict market trends while utilizing a couple of machines. An AI which includes techniques such as evolutionary computation (which is inspired by genetics) and deep learning might run across hundreds or even thousands of machines. It can create a large and random collection of digital stock traders and test their performance on historical data. It then picks the best performers and uses their style/patterns to create a new of evolved traders. This process repeats multiple times and a digital trader that can fully operate on it’s own is created.

This process repeats multiple times and a digital trader that can fully operate on it’s own is created.

These were some important strategy paradigms and modelling ideas. Next, we will go through the step by step procedure to build a trading strategy.

You can learn these Paradigms in great detail in QuantInsti’s Executive Programme in Algorithmic Trading (EPAT) , one of the most extensive algorithmic trading courses available online with lecture recordings and lifetime access and support.

Building an algorithmic trading strategy.

From algo trading strategies to paradigms and modeling ideas, I come to that section of the article where I will tell you how to build a basic algorithmic trading strategy.

How do you start with the implementation of algo trading strategies?

That is the first question that must have come to your mind, I presume. The point is that you have already started by knowing the basics and paradigms of algorithmic trading strategies while reading this article. Now, that our bandwagon has it’s engine turned on, it is time to press on the accelerator.

And how exactly is this done?

I will explain how an algorithmic trading strategy is built, step by step. The concise description will give you an idea about the entire process.

The first step is to decide the strategy paradigm. It can be Market Making, Arbitrage based, Alpha generating, Hedging or Execution based strategy. For this particular instance, I will choose pair trading which is a statistical arbitrage strategy that is market neutral (Beta neutral) and generates alpha, i. e.makes money irrespective of market movement.

You can decide on the actual securities you want to trade based on market view or through visual correlation (in the case of pair trading strategy). Establish if the strategy is statistically significant for the selected securities. For instance, in the case of pair trading, check for co-integration of the selected pairs.

Now, code the logic based on which you want to generate buy/sell signals in your strategy. For pair trading check for “mean reversion”; calculate the z-score for the spread of the pair and generate buy/sell signals when you expect it to revert to mean. Decide on the “Stop Loss” and “Profit Taking” conditions.

Stop Loss – A stop-loss order limits an investor’s loss on a position in a security. It fires an order to square off the existing long or short position to avoid further losses and helps to take emotion out of trading decisions. Take Profit – take-profit orders are used to automatically close out existing positions in order to lock in profits when there is a move in a favorable direction. Quoting or Hitting strategy.

It is very important to decide if the strategy will be “quoting” or “hitting”. Execution strategy to a great extent decides how aggressive or passive your strategy is going to be.

Quoting – In pair trading you quote for one security and depending on if that position gets filled or not you send out the order for the other. In this case, the probability of getting a fill is lesser but you save bid-ask on one side. Hitting - In this case, you send out simultaneous market orders for both securities. The probability of getting a fill is higher but at the same time slippage is more and you pay bid-ask on both sides.

The choice between the probability of fill and Optimized execution in terms of slippage and timed executive is what this is if I have to put it that way. If you choose to quote, then you need to decide what are quoting for, this is how pair trading works. If you decide to quote for the less liquid security, slippage will be less but the trading volumes will come down liquid securities on the other hand increase the risk of slippage but trading volumes will be high.

Using stats to check causality is another way of arriving at a decision, i. e. change in which security causes change in the other and which one leads. The causality test will determine the “lead-lag” pair; quote for the leading and cover the lagging security.

How do you decide if the strategy you chose was good or bad?

How do you judge your hypothesis?

This is where back-testing the strategy comes as an essential tool for estimation of the performance of the designed hypothesis based on historical data. A strategy can be considered to be good if the backtest results and performance statistics back the hypothesis.

Hence, it is important to choose historical data with a sufficient number of data points. This is to create a sufficient number of sample trades (at least 100+ trades) covering various market scenarios (bullish, bearish etc.). Ensure that you make provision for brokerage and slippage costs as well. This will get you more realistic results but you might still have to make some approximations while backtesting. For instance, while backtesting quoting strategies it is difficult to figure out when you get a fill. So, the common practice is to assume that the positions get filled with the last traded price.

What kind of tools should you go for, while backtesting?

Since backtesting for algorithmic trading strategies involves a huge amount of data, especially if you are going to use tick by tick data. So, you should go for tools which can handle such mammoth load of data.

R or MATLAB?

R is excellent for dealing with huge amounts of data and has a high computation power as well. Thus, making it one of the better tools for backtesting. Also, R is open source and free of cost. We can use MATLAB as well but it comes with a licensing cost.

Fine, I just ripped off Ben Parker’s famous quotation from the Spiderman movie (not the Amazing one). But trust me, it is 100% true. No matter how confident you seem with your strategy or how successful it might turn out previously, you must go down and evaluate each and everything in detail. There are several parameters that you would need to monitor when analyzing a strategy’s performance and risk. Some important metrics/ratios are mentioned below:

Total Returns (CAGR)- Compound Annual Growth Rate (CAGR). It is the mean annual growth rate of an investment over a specified period of time longer than one year. Hit Ratio - Order to trade ratio. Average Profit per Trade - Total profit divided by the total number of trades Average Loss per trade - Total loss divided by the total number of trades Maximum Drawdown – Maximum loss in any trade Volatility of Returns - Standard deviation of the “returns” Sharpe Ratio - Risk adjusted returns, i. e. excess returns (over risk free rate) per unit volatility or total risk.

The entire process of Algorithmic trading strategies does not end here. What I have provided in this article is just the foot of an endless Everest. In order to conquer this, you must be equipped with the right knowledge and mentored by the right guide . That’s where QuantInsti comes in, to guide you through this journey. QuantInsti will help you conquer the Everest at the end. If you want to know more about algorithmic trading strategies then you can click here.