Hoe om in opsies kwantitatief te handel

So, hoe besluit jy dat jou handel genoeg verloor het om te dink dat jou model nie meer werk nie? Wat is dit in Matlab wat jy nie in Python kan doen of andersom nie? Vir een ding, hulle. MTM's vir verskansingsfondse, kwartaallikse finansiële state vir banke met openbare verhandeling. Dit is eintlik 'n mikrokosmos van die groter probleem. Dit is 'n goeie ding: 'n metode wat vereis dat kompleksiteit winsgewend is, is waarskynlik nie 'n goeie metode in die eerste plek nie. Weereens, dankie vir u tyd. Die paradoksale gevolgtrekking is dus dat hoe vinniger 'n model geld verloor, hoe meer waarskynlik dit steeds geldig sal wees. Gevolglik werk FX-handelaars onder groot informatiewe nadele in vergelyking met hul eweknieë in ander bateklasse. Hoe kan die finale produk anders wees as ander dinge.

Indien wel, hoe konstrueer jy hierdie, watter soort maatreëls gebruik jy in hulle? As die model werklik die onderliggende ekonomiese realiteit weerspieël, moet dit redelik sterk wees vir sulke aanvalle. Dit begin alles met 'n hipotese. Watter stappe sluit u in u formele navorsingsproses in? Ons het gepraat oor hoe sy handelstrategieë opbou. Sy oorgaan van 'n abstrakte voorstelling van die mark tot iets konkreet met ware voorspellende magte. Verder, wat is dit in Matlab wat jy nie in Python kan doen of andersom nie? Vir 'n speelse aanhaling van algemene foute wat deur quants gemaak word, lees die sewe dodelike sondes van kwantitatiewe data-ontleders. Of ek toets Amerikaanse parameters op Kanadese markdata.

Goed, so nou het ek 'n model van die mark. Dit is 'n heel ander balspel. Ek probeer dus so min as moontlik te wees wanneer ek my model skep. Kan u ons vertel hoe u nuwe handelstrategieë ontwerp? En inderdaad vind ek dat ek Python al hoe meer gebruik. Weerspieël hulle, ten minste konseptueel, die werklike dinamika van die mark? Eenvoud, streng skeiding van monsters, en intellektuele eerlikheid is hier belangrik. Daarin bespreek ons ​​hoe produksie 'n hele nuwe balspel is, en waar om idees vir nuwe strategieë te kry. Sintaksvertaling is nie moeilik nie; data vertaling, nie so veel nie. Al hierdie dinge is nogal moeilik om in Python te doen.

Het jy probeer om Quantopian te gebruik. Ook verwant aan hoe identifiseer en handel jy met tydperke van redelike onderprestasie? Dit is 'n goeie geval vir die verandering van tydskaalse. Ons ervaar nou wat waarskynlik die grootste vordering in die motorsektor is, aangesien Henry Ford sy bewegende monteerlyn ontwerp het: die opkoms van die gekoppelde motor. Dit lyk egter of jy redelik ervare is en in hierdie veld vir 'n lang tyd. Is hierdie proses nie omslagtig nie? Optimizers kan sensitief wees vir die aanvanklike voorwaardes, dus ek gebruik Monte Carlo om 'n aantal beginpunte in die oplossing te kies. Daar is geen sentrale uitruilings, putte of bulletinborde nie. Dus, aangesien die metode regtig skoon is, kan ons wegkom met hierdie soort robuustheidstoets.

Quandl-weeklikse nuusbrief met vooraanstaande gedagtes en menings wat die alternatiewe data-landskap opmet. Kyk vir gevalle wanneer 1 agteroor is en die ander een in contango. Dit gesê, ek vind die voordele swaarder as die baie koste. In teenstelling met aandelemarkte, waar SEC-regulasies mandaat gee dat openbare uitruilings transaksiekoerse en daaglikse handelsvolumes rapporteer, het FX geen sulke verenigde databronne nie. Dit sal allerhande filosofiese vrae opduik. Gewapen met 'n gekalibreerde model, is die volgende stap om 'n PL simulasie te bou. Kwantitatiewe modellering en analise vir die lewe. Kyk die gesimuleerde uitsette redelik? Hierdie idee is natuurlik geen waarborg teen verliese as sodanig nie, maar die hoop sou wees dat dit genoeg sou wees om ten minste 'n LTCM-styl van opblaas te voorkom. In hierdie spesifieke voorbeeld word my parameters beperk en gekorreleer.

Of om meer akkuraat te wees, portefeuljes met programmatiese stroomafbrekers onderpresteer portefeuljes sonder, oor die lang termyn. Dankie vir die mees opmerklike kommentaar! Vroeg op, my grootste vrees is die besmetting van data. So moet jy baie versigtig wees in hoe en waar jy Excel gebruik. Maar ek gee aandag aan sensitiwiteit. Stel u voorafbepaalde moniteringsreëls of stroombrekers op wat die model outomaties uit aksie neem? Dit is 'n doelbewuste keuse: Excel is nie so kragtig soos Python nie, en dit beteken dat daar 'n boonste botsing is op hoe kompleks ek my handelsreëls kan maak. Konseptueel verstaan ​​ek wat jy sê, maar dit sal insiggewend wees om werklike voorbeelde aan die stappe te gee.

Sulke onderprestering kan een van die modelle twyfel en dit lyk asof 'n model opgehou het om te werk wanneer dit blyk dat dit nie die geval is nie. In elk geval, sal ek u graag help om u model in iets programmaties te vertaal. Maar ek stem saam met jou dat die verwydering van parameters heeltemal op hierdie stadium dwaas sal wees. Python is 'n relatief onlangse verskynsel. Dan toets met die hergekalibreerde model in die volgende maand, en gebruik weer daaglikse data. Vertrou jy op een stelsel of bly dit willekeurig verander en of jy ook 'n fundamentele analise gebruik om tegniese ontleding te ondersteun. Koop voor lae, verkoop terug hoog, verkoop voor hoog, koop lae. Die enigste aspek waarmee ek enige twyfel het, is die verwydering van faktore om stabiliteit te toets. Die valutamark het al lankal die mees gedesentraliseerde en ondeursigtige van alle markte. Dit is die honderd miljoen dollar vraag!

En hoekom is dit nodig? Ten minste nie in die sakewêreld nie. Maar die model moet steeds op dieselfde manier optree. Belangrike nota: Bogenoemde word ingelig deur my eie posisie en risiko voorkeur. In die eerste deel het sy die teoretiese fase bespreek om 'n kwantitatiewe handelsmetode te skep. Die model moet aan almal werk; anders het u keuse vooroordeel in die resultate. Op hierdie stadium draai ek gewoonlik na Matlab. Jammer dat dit nie duidelik is nie. Ek moet dus 'n werklike handelsmetode met behulp van my model toets. In plaas daarvan vind FX-transaksies plaas via 'n miljoen telefoonoproepe, kliëntbesoeke, e-posdrade en handelsplatforms.

Ek kalibreer byvoorbeeld op maandelikse data, maar toets daaglikse data. Om te verstaan ​​hoeveel dit kos om 'n huis te bestuur en die belangrikheid om betyds u rekeninge te betaal, kan u help om duur foute te vermy. Sou graag daarvan hoor. Omgekeerd, as 'n handel afwyk en dan die afwyking versnel, ruik dit vir my baie meer van 'n kapitulasie. Onlangs het Quandl 'n senior kwantitatiewe portefeuljebestuurder by 'n groot verskansingsfonds gevoer. Dit is 'n goeie onderhoud en ek waardeer dat jy die tyd geneem het om insig te gee in jou metodeontwerp. Al baie sinvolle dinge. Is daar 'n manier om saam te werk met iemand wat die ervaring en kennis het om terugtoetse, PL toets, ens.

Te doen. Sedert die mens die wiel uitgevind het, was ons behoefte om die manier waarop ons rondkry, te optimaliseer, 'n byna oeroue obsessie. In sulke gevalle wil ek my posisie beklee en inderdaad byvoeg as ek kan. Dankie weer vir die kommentaar! Dit is nodig om te simuleer hoe die model sou uitgevoer het as dit eintlik handel. Die onderliggende aandele het beskeie opsiebelange, dus is likiditeitsbeperkings relevant. Watter ander handelstrategieë gebruik genoteerde opsies kan help om hierdie situasie te ontgin? Daar is niks in die voorspelling oor die toekomstige geïmpliseerde vol. Om te verduidelik: Jy verwag dat die RV die volgende 30 dae hoër sal wees as RV die vorige 30 dae, maar hoe vergelyk die RV wat jy verwag met die huidige 1 maand IV? Daar is verskeie eenheid worteltoetse, wat elkeen 'n ander toets op die oorblywende proses uitvoer.

Dit spesifiseer hoe om die huidige toestand te gebruik en op te dateer met die uitsette van die neurale netwerk. Dit is die moeite werd om in gedagte te hou dat 250 data punte ongeveer die aantal handelsdae in 'n jaar is, en gee dalk 'n aanduiding van hoeveel historiese data nodig is in 'n parehandelmetode. Vir die paalbalansprobleem wil hierdie funksie die pendulum reg beloon, en beloon die kar naby die middel van die baan. Dit is waarskynlik dat met meer opleiding die grootte van hierdie foute sal verminder, dit kan in die onderste regterkantste grafiek gesien word dat die maksimum, gemiddelde en mediane fiksheid oor die algemeen met elke generasie toeneem. In die meeste toetse oortref PP en PGFF die ander metodes. Spesiasie neem al die genome in 'n gegewe genoompoel en poog om hulle te verdeel in afsonderlike groepe bekend as spesies. As beide ouer genome dieselfde fiksheid is, word die geen willekeurig gekies uit enige ouer met gelyke waarskynlikheid. HURST en BVR rapporteer meer vals positiewe as verhogings!

Die opleidingsfunksie neem 'n data raam en 'n formule. Natuurlik is dit wenslik om die krag van die statistiese gereedskap wat gebruik word om hierdie verhoudings te bepaal, te skat en om die duur van enige waargenome ewewig uit die steekproef te bepaal. As die geweegde som onder 'n drempelwaarde is, is die genome van dieselfde spesie. Kan besluit om te beëindig as die paal val, die simulasie het te lank gehardloop of die kar het van die einde van die baan af verdryf. In hierdie voorbeeld simuleer hierdie funksie die bewegingsvergelykings en neem die neurale netto-uitset as die krag wat op die kar toegepas word. Die globale innovasienommer volg die historiese oorsprong van elke geen. Dit word uitgebuit tydens die genoversteek. Vir elke innovasienommer word die geen van die mees geskikte ouer gekies en in die kindgenoom ingevoeg. Gebruik word vir die opstel van datastel.

Die prestasie van die netwerk kan in die onderste linkerkaart van die prent hierbo gesien word. Daar is aansienlike verskille tussen die verwagte uitset en die werklike uitset. Wat meer interessant is, is die vals positiewe koers, so pare word geïdentifiseer as 'n gemiddelde terugkeer wanneer dit nie is nie, en hoe aanhoudend die resultate is. Die rede waarom hulle binne die metode ingebed is, is om die leerproses te bespoedig, aangesien ons genome vroeg kan doodmaak voordat die simulasie voltooi is, gebaseer op die breek van die risikoregels. Soos met elke model is daar afhandelings wanneer die grootte van die opleiding venster vasgestel word, te lank 'n venster en die model kan irrelevante data bevat en stadig wees om aan te pas by onlangse gebeure, te kort 'n venster en die model reageer slegs op onlangse gebeure en vergeet van Verlede gebeure vinnig. Clegg dit is soortgelyk aan die soort voorraadpare wat in werklikheid voorkom. Die formule word gebruik om te spesifiseer watter kolomme in die datastel die afhanklike veranderlikes is en wat die verduidelikende veranderlike is. Neem die ou fiksheid, die ou staat en die nuwe opgedateerde staat en bepaal wat die nuwe stelsel fiksheid is. As die innovasienommer slegs in een ouer teenwoordig is, staan ​​dit bekend as 'n disjoint of oormaat gene en verteenwoordig dit 'n topologiese innovasie, dit word ook in die kind ingebring. Neem die staat en kontroleer of die beëindiging beëindig moet word. Die leer het 'n metode geïdentifiseer wat eenvoudig uitmaak en koop. Die kode is kommentaar en moet eenvoudig genoeg wees vir nuwe R-gebruikers.

Gelukkig gedrag die ander toetse op 'n redelike manier met min vals positiewe. Die geleerde metode wat aansienlik uitwerk, behels die aankoop en hou van beide in en uit die monster. Hoe meer die proses ontplof hoe meer waarskynlik die toets was om vals positief te wys! Tydens die crossover genen van beide genome word gevoer met hul innovasie nommer. Plotte die staat, vir die paalbalans trek dit die wa en slinger. Die eerste gedeelte van hierdie handleiding kan hier gevind word. Intuïtief maak dit sin, hoe stadiger die proses is om terug te keer, hoe meer data punte sal nodig wees om die terugkeer te sien. Die onderstaande beeld toon die oorgangsproses vir twee genome van dieselfde fiksheid.