양적 일 거래 전략

퀀트 전략 - 당신을위한 것입니까?

정량적 투자 전략은 현대 컴퓨터의 출현과 함께 매우 복잡한 도구로 발전했지만 그 전략의 뿌리는 70 년이 넘었습니다. 그들은 일반적으로 고도로 교육받은 팀에 의해 운영되며 독점 모델을 사용하여 시장을 이길 수있는 능력을 향상시킵니다. 단순성을 추구하는 사람들을 위해 플러그 앤 플레이 방식의 상용 프로그램도 있습니다. 퀀트 모델은 다시 테스트 할 때 항상 잘 작동하지만 실제 응용 프로그램과 성공률은 논쟁의 여지가 있습니다. 그들이 황소 시장에서 잘 작동하는 것처럼 보이지만, 시장이 혼란에 빠지면 퀀트 전략은 다른 전략과 동일한 위험을 겪습니다.

[양적 투자 전략은 하루 거래자들 사이에서 매우 인기가 있었지만, 그들은 상인들이 일관되게 이익을 얻기 위해 사용하는 유일한 전략은 아닙니다. Investopedia의 Become a Day Trader 코스는 위험 관리 전략과 함께 6 가지 유형의 거래를 포함하는 입증 된 전략을 설명합니다. 5 시간 이상의 온 디맨드 비디오, 실습 및 대화 형 컨텐츠로 어떤 시장에서든 보안을 교환하는 데 필요한 기술을 습득하게됩니다.]

금융에 적용된 정량적 이론 연구의 창시자 중 한 사람인 Robert Merton이 그 중 하나입니다. 컴퓨터를 사용하기 전에 프로세스가 얼마나 어렵고 시간이 오래 걸리는지 상상할 수 있습니다. 금융 분야의 다른 이론들도 현대 포트폴리오 이론을 기반으로하는 포트폴리오 다변화의 기반을 포함하여 최초의 양적 연구의 일부에서 발전했습니다. 양적 금융과 미적분을 함께 사용하면 투자자가 가격 옵션을 선택하고 전략을 개발할 수있을뿐 아니라 유동성을 고려하여 시장을 유지하는 데 도움이되는 가장 유명한 Black-Scholes 옵션 가격 결정 공식 중 하나를 비롯한 많은 일반적인 도구가 사용되었습니다.

포트폴리오 관리에 직접 적용될 때 목표는 다른 투자 전략과 같습니다 : 가치, 알파 또는 초과 수익을 추가합니다. 개발자가 호출 할 때 퀀트는 투자 기회를 감지하기 위해 복잡한 수학적 모델을 구성합니다. 그 (것)들을 개발하는 콴트만큼이나 많은 모델이 있고, 모두 최고라고 주장합니다. 양적 투자 전략의 베스트셀러 포인트 중 하나는 모델이 궁극적으로 컴퓨터가 인간이 아닌 실제 구매 / 판매 결정을한다는 점입니다. 이는 투자를 매매 할 때 사람이 경험할 수있는 감정적 인 반응을 제거하는 경향이 있습니다.

퀀트 전략은 이제 투자 커뮤니티에서 허용되며 뮤추얼 펀드, 헤지 펀드 및 기관 투자가가 운영합니다. 그들은 일반적으로 알파 생성기 또는 알파 젠 (alpha gens)이라는 이름을 사용합니다.

"오즈의 마법사"에서처럼 누군가 프로세스를 진행하는 커튼 뒤에 있습니다. 어떤 모델과 마찬가지로, 프로그램을 개발 한 사람만큼이나 훌륭합니다. 퀀트가되기위한 특정 요구 사항은 없지만 퀀트 모델을 실행하는 대부분의 회사는 투자 분석가, 통계 전문가 및 프로세스를 코딩하는 프로그래머의 기술을 컴퓨터에 결합합니다. 수학 및 통계 모델의 복잡한 특성으로 인해 금융, 경제, 수학 및 엔지니어링 분야의 대학원 및 박사 학위 같은 자격 증명을 보는 것이 일반적입니다.

역사적으로이 팀원은 백 오피스에서 근무했지만 퀀트 모델이 더 평범 해짐에 따라 백 오피스는 프론트 오피스로 이동하고 있습니다.

퀀트 전략의 이점.

전반적인 성공률은 논쟁의 여지가 있지만 일부 퀀트 전략은 징계에 기반을두고 있습니다. 모델이 맞다면이 분야는 정량 데이터를 기반으로 시장의 비효율을 악용하기 위해 번개 속도가 빠른 컴퓨터와 함께 전략을 유지합니다. 모델 자체는 P / E, 부채 대 주식 및 수입 성장과 같은 몇 가지 비율을 기반으로 할 수도 있고 동시에 수천 개의 입력을 함께 사용할 수도 있습니다.

성공적인 전략은 컴퓨터가 끊임없이 비효율을 찾기 위해 시나리오를 실행하기 때문에 초기 단계의 경향을 파악할 수 있습니다. 이 모델은 매우 많은 투자 그룹을 동시에 분석 할 수 있습니다. 기존 분석가가 한 번에 몇 가지를 조사하는 경우가 있습니다. 선별 과정은 모델에 따라 1-5 또는 A-F와 같은 학년 수준으로 우주를 평가할 수 있습니다. 이것은 높은 거래가있는 투자에 투자하고 낮은 등급의 투자를 팔아서 실제 거래 프로세스를 매우 간단하게 만듭니다.

퀀트 모델은 또한 길고, 짧고, 길거나 / 짧거나 같은 다양한 전략을 연다. 성공적인 퀀텀 펀드는 모델의 특성상 위험 통제에 주력합니다. 대부분의 전략은 우주 또는 벤치 마크에서 시작하여 모델에서 부문 및 업계 가중치를 사용합니다. 이것은 자금이 모델 자체를 손상시키지 않으면 서 어느 정도까지 다양 화를 통제 할 수있게한다. 퀀텀 펀드는 일반적으로 전통적인 애널리스트와 포트폴리오 관리자를 필요로하지 않기 때문에 저렴한 비용으로 운영됩니다.

퀀트 전략의 단점.

많은 투자자들이 블랙 박스에 투자를 허용하는 개념을 완전히 받아들이지 않는 이유가 있습니다. 밖에있는 모든 성공적인 퀀트 펀드에 대해서도 많은 사람들이 성공하지 못한 것처럼 보입니다. 불행히도 퀀트의 평판 때문에 실패하면 큰 시간을 허비합니다.

Long-Term Capital Management는 가장 존경받는 학계 지도자 중 일부와 노벨 기념상 수상 경제학자 인 Myron S. Scholes와 Robert C. Merton이 운영했기 때문에 가장 유명한 퀀트 헤지 펀드 중 하나였습니다. 1990 년대에는 팀이 평균 이상의 수익을 올렸고 모든 유형의 투자자로부터 자본을 끌어 들였습니다. 그들은 비효율적 인 방법을 사용하는 것뿐만 아니라 자본에 쉽게 액세스하여 시장 방향에 대한 엄청난 레버리지를 창출하는 것으로 유명했습니다.

그들의 전략의 훈련 된 특성은 실제로 그들의 붕괴로 이끄는 약점을 만들었습니다. 장기 자본 관리는 2000 년 초에 청산되고 해체되었다. 러시아 정부는 러시아 정부가 자체 부채의 일부를 채무 불이행 할 가능성을 포함하지 않았다. 이 한 사건은 사건을 일으켰고 연쇄 반응은 레버리지로 인한 혼란으로 확대되었습니다. LTCM은 다른 투자 운영에 너무 많이 관여되어 붕괴가 세계 시장에 영향을 주어 극적인 사건을 유발했습니다. 장기적으로 연방 준비 제도 이사회 (Federal Reserve)는 도움을 청했습니다. 다른 은행과 투자 기금은 더 이상의 피해를 막기 위해 LTCM을 지원했습니다. 이것은 퀀텀 펀드가 미래 사건을 포함하지 않을 수있는 역사적 사건을 기반으로하기 때문에 실패 할 수있는 이유 중 하나입니다.

강력한 퀀트 팀은 미래의 사건을 예측하기 위해 지속적으로 모델에 새로운면을 추가 할 것이지만, 매번 미래를 예측하는 것은 불가능합니다. 퀀텀 펀드는 경제와 시장이 평균보다 높은 변동성을 겪고있을 때 압도적 인 태도를 취할 수 있습니다. 구매 및 판매 신호가 너무 빨리 올 수있어 높은 매출액으로 높은 커미션 및 과세 이벤트가 발생할 수 있습니다. 퀀트 펀드는 곰의 증거로 판매되거나 짧은 전략을 기반으로 할 때 위험을 초래할 수 있습니다. 파산을 예측하고 파생 상품을 사용하고 레버리지를 결합하는 것은 위험 할 수 있습니다. 하나의 잘못된 순서는 종종 뉴스를 만드는 폭파로 이어질 수 있습니다.

정량적 투자 전략은 백 오피스 블랙 박스에서 주류 투자 도구로 진화했습니다. 그들은 비효율을 악용하고 시장 베팅을 만들기 위해 레버리지를 사용하기 위해 비즈니스에서 가장 좋은 마음과 가장 빠른 컴퓨터를 활용하도록 설계되었습니다. 모델에 모든 올바른 입력이 포함되어 있고 비정상적인 시장 상황을 예측할 수있을만큼 민첩한 경우 매우 성공적 일 수 있습니다. 반면에 퀀트 펀드는 제대로 작동 할 때까지 엄격한 테스트를 거쳤지 만 성공의 역사적 데이터에 의존한다는 약점이 있습니다. 퀀텀 스타일의 투자는 시장에서 그 위치를 차지하고 있지만, 그 단점과 위험을 인식하는 것이 중요합니다. 다변화 전략과 일관되게, 퀀트 전략을 투자 스타일로 취급하고 적절한 다각화를 달성하기 위해 기존 전략과 결합하는 것이 좋습니다.

승객의 성명

양적 헤지 펀드 트레이딩 전략의 유형.

Quant Hedge Funds는 3 대륙에 존재하는 국제 기금에 10 대에 번호를 부여하는 직원이있는 중소기업에서 모든 형태와 크기로 제공됩니다. 더 큰 자산 기반이 반드시 더 많은 직원과 상관 관계가있는 것은 아닙니다. 대신, 헤지 펀드 직원은 자신이 고용하는 전략의 수에 따라 기능 할 수 있습니다. 퀀트 헤지 펀드는 주식, 채권 또는 다른 자산 클래스에 집중할 수 있지만, 헷지 펀드는 개별 주식을 따로 떼어 놓지 않는 전략을 택하지는 않습니다. 많은 CTA 또는 “Cityity Trading Advisors ”는 또한 선물 계약 또는 옵션 선물 매매 또는 소매 거래 외환 계약 (또는이 상품을 거래하는 다른 사람들에게 상담)에서 자신의 역할을 감안할 때 Quant Hedge Fund로 간주됩니다.

다음 표는 헤지 펀드의 다양한 투자 전략 유형에 대해 자세히 설명합니다. 거의 모든 헤지 펀드 투자 스타일의 양적 및 비 양적 버전 모두를 구축 할 수 있다는 점에 유의해야합니다.

상대 가치 거래 vs. 방향성 거래.

대부분의 양적 헤지 펀드의 거래 / 투자 접근 방식은 상대 가치 전략을 사용하는 전략과 전략이 방향성을 갖는 전략의 두 가지 범주 중 하나로 분류됩니다. 두 가지 전략 모두 컴퓨터 모델과 통계 소프트웨어를 많이 사용합니다.

상대 가치 전략은 여러 자산 간의 예측 가능한 가격 책정 관계 (대개 вњњ 되돌릴 수있는 관계)를 활용하려고합니다 (예 : 미국 재무부 채권 수익률이 단기간 미국 재무부 채권 수익률과의 관계 또는 암시 된 관계 두 가지 옵션 계약의 변동성). 반면에 방향성 전략은 일반적으로 증권 또는 증권 집합에 대한 상승 또는 하락 모멘텀을 암시하는 경향 추종 또는 기타 패턴 기반 경로를 기반으로합니다 (예 : 장기 채권의 미국 재무부 채권 수익률이 증가하거나 변동성을 암시 함). 쇠퇴).

상대 가치 전략.

상대 가치 전략의 일반적인 예로는 가격이 밀접하게 연결된 자산에 대한 상대 베팅 (즉, 한 자산 구입 및 다른 판매)이 있습니다.

두 개의 다른 국가의 정부 증권 두 가지 길이의 만기가되는 정부 증권 회사와 모기지 채권 증권 두 가지 파생 상품 간의 내재 변동성의 차등 주식 가격과 회사채 발행자의 채권 가격 회사 채권 수익률 스프레드와 신용 디폴트 스왑 (CDS ) 확산.

잠재적 인 상대 가치 전략 목록은 매우 길다. 위의 내용은 단지 몇 가지 예입니다. 그러나 세 가지 매우 중요하고 일반적으로 사용되는 상대 가치 전략은 다음과 같습니다.

통계적 차익 거래 : 과거의 거래 관계를 기반으로 유사한 자산 바구니 값의 평균 되돌릴 추세를 거래합니다. Statistical Arbitrage 또는 Stock Arb, ” trading의 일반적인 형태 중 하나는 주식 시장 중립 거래 (Equity Market Neutral trading)로 알려져 있습니다. 이 전략에서는 2 개의 바구니의 상대적인 무게가 다양한 위험 요인 (산업, 지리, 부문 등)에 대한 순수한 노출로 펀드를 떠나는 것을 목표로 두 개의 주식 바구니가 선택됩니다 (하나는 “long” 바구니, 하나는 “short” 바구니). ) Stat Arb는 유사하게 일치하는 ETF에 대한 지수 거래 또는 단일 회사 в ™ ™ 주식에 대한 지수 거래를 포함 할 수 있습니다. Convertible Arbitrage : 회사가 전환 사채 발행을 구매하면서 동일한 회사의 주식을 동시에 판매하는 경우, 주어진 회사의 주식이 감소하면 짧은 포지션에서 얻는 이익은 전환 가능한 채권 위치, 고정 소득 악기로 전환 할 bond†™ s 가치를 주어. 마찬가지로, 보통주의 어떤 상승 가격 움직임에서, 기금은 시장에 그 주식을 판매하는 그것의 전환 사채의 주식으로 전환에서 이익이 될 수있다 단기적으로 손실을 초과하는 금액만큼 Fixed Income Arbitrage : 인식 된 상대 이자율 변이를 이용하기 위해 개발 채권 시장에서 채권 시장 거래. Fixed Income Arbitrage 포지션은 국채, 금리 스왑 및 금리 선물을 사용할 수 있습니다.  고정 수입 차익 거래에서의 이러한 스타일의 거래 중 하나의 예로는 â € œbasis trade, 재무부 선물을 매수 (매입)하고 판매). 잠재적 인 인도 가능 채권의 해당 금액을 판매합니다. 채권의 현물 가격과 조정 된 future†™ 계약 가격 (선물 가격 Г - 전환 계수)과 쌍을 거래하는 것의 차이에 대한 견해를 봅니다. 이에 따라 자산의

방향 전략.

한편, 방향성 거래 전략은 일반적으로 추세를 따르거나 다른 패턴 기반 경로를 기반으로하여 보안 в ™ ™ 가격에 대한 상승 또는 하락 모멘텀을 암시합니다. 방향 트레이딩은 종종 기술 분석 또는 “charting의 일부 측면을 통합합니다. 과거 가격 및 물량 시장 데이터에 대한 연구를 통해 가격을 결정할 수 있습니다. 거래되는 방향은 자산 자체의 가치 (예 : 주식 가격의 추세 또는 유로 / 미국 달러 환율) 또는 직접 영향을 미치는 요소 일 수 있습니다 자산 가격 그 자체 (옵션에 대한 내재 변동성 또는 국채에 대한 이자율).

기술 거래는 이동 평균, 가격의 역사적 표준 편차를 둘러싼 밴드, 지원 및 저항 수준, 변화율 등을 포함 할 수도 있습니다. 일반적으로 기술 지표는 Quantitative Hedge Fund†™ s 투자의 유일한 기반을 구성하지 않습니다 병법; Quant Hedge Funds는 과거 가격 및 거래량 정보에 비해 많은 추가 요소를 사용합니다. 즉, 방향성 거래 전략을 채택한 Quantitative Hedge Funds는 일반적으로 일반 기술 분석보다 훨씬 정교한 전반적인 정량 전략을 가지고 있습니다.

이것은 일 상인이 기술적 인 분석에서 이익이되지 않을지도 모른다는 것을 건의하지 않기 위하여 †"반대로, 많은 기세를 바탕으로 한 무역 전략은 유익 할 수있다. 따라서 본 트레이닝 모듈의 목적 상, 퀀트 헤지 펀드 거래 전략에 대한 언급에는 기술적 분석 기반 전략 만 포함됩니다.

다른 양적 전략.

상대 가치 전략 또는 방향 전략으로 쉽게 분류되지 않는 기타 양적 거래 접근법에는 다음이 포함됩니다.

트레이더들이 하루 종일 많은 거래를하는 여러 플랫폼에서 가격 불일치를 이용하는 고주파 거래 Managed Volatility 전략은 선물 선물과 선물환을 사용하여 낮지 만 안정적인 LIBOR + 절대 수익률을 생성하고 주식, 채권 및 기타 시장의 근본적인 변동성에 따라 계약 수를 동적으로 조정합니다. Â 관리 된 변동성 전략은 주식 및 채권 시장의 최근 불안정으로 인해 최근 몇 년 동안 인기를 얻었습니다. & Larr; Quantitative Hedge Fund 란 무엇입니까? Top Quantitative Hedge Funds & rarr;

QuantStart.

빠르게 성장하는 소매점 퀀텀 트레이더 커뮤니티를 지원하는 Quantcademy 개인 회원 포털에 가입하십시오. 당신은 당신의 가장 중요한 퀀트 트레이딩 질문에 대답 할 준비가되어있는 지식이 풍부하고 마음이 맞는 퀀트 트레이더 그룹을 찾을 수 있습니다.

퀀트 트레이딩에 관한 나의 eBook을 확인해보십시오. 여기서 저는 파이썬 툴로 수익성 높은 체계적인 트레이딩 전략을 만드는 법을 가르쳐드립니다.

Python 및 R을 사용하여 시계열 분석, 기계 학습 및 베이지안 통계를 사용하는 고급 거래 전략에 관한 새로운 전자 책을 살펴보십시오.

Michael Halls-Moore (2013 년 3 월 26 일)

이 기사에서 나는 종단 간 양적 거래 시스템을 수반하는 몇 가지 기본 개념을 소개 할 것입니다. 이 게시물은 두 명의 독자를 대상으로합니다. 첫 번째는 양적 상인으로서 펀드에서 일자리를 구하려고하는 개인입니다. 두 번째는 자신의 "소매"알고리즘 트레이딩 비즈니스를 시도하려는 개인입니다.

양적 거래는 매우 정교한 퀀텀 파이낸싱 영역입니다. 인터뷰를 통과하거나 자신의 트레이딩 전략을 수립하는 데 필요한 지식을 얻으려면 상당한 시간이 걸릴 수 있습니다. 뿐만 아니라 MATLAB, R 또는 Python과 같은 언어에서는 광범위한 프로그래밍 전문 지식을 필요로합니다. 그러나 전략의 거래 빈도가 증가함에 따라 기술적 측면이보다 적절 해집니다. 따라서 C / C ++에 익숙해지는 것이 가장 중요합니다.

양적 거래 시스템은 네 가지 주요 구성 요소로 구성됩니다.

전략 식별 - 전략 수립, 모서리 활용 및 거래 빈도 결정 전략 Backtesting - 데이터 획득, 전략 성과 분석 및 편향 제거 Execution System - 중개인과의 연계, 거래 자동화 및 거래 비용 최소화 위험 관리 - 최적의 자본 배분, 베팅 사이즈 "/ 켈리 기준과 트레이딩 심리.

먼저 거래 전략을 식별하는 방법을 살펴 보겠습니다.

전략 식별.

모든 양적 거래 프로세스는 초기 연구 기간부터 시작됩니다. 이 연구 프로세스는 전략을 찾고, 전략이 실행중인 다른 전략의 포트폴리오에 맞는지 여부, 전략을 테스트하는 데 필요한 모든 데이터를 얻는 방법, 더 높은 수익 및 / 또는 위험을 낮추기위한 전략을 최적화하려는 경우를 포함합니다. 전략을 "소매상"상인으로 운영하고 거래 비용이 전략에 어떤 영향을 미치는지 알아 보려면 자본 요구 사항을 고려해야합니다.

일반적인 믿음과는 달리, 다양한 공개 소스를 통해 수익성있는 전략을 찾는 것은 실제로 매우 간단합니다. 학자들은 이론적 인 거래 결과를 정기적으로 발표합니다 (대부분 거래 비용의 총액 임). 양적 금융 블로그는 전략에 대해 자세히 논의 할 것입니다. 무역 저널은 기금이 사용하는 전략의 일부를 개괄 할 것입니다.

왜 개인과 기업이 수익성있는 전략에 대해 논의하고 싶어하는지 질문 할 수 있습니다. 특히 "거래를 복잡하게 만드는"다른 사람들이 전략이 장기적으로 작동하지 않을 수 있다는 것을 알고있을 때 그렇습니다. 그 이유는 그들이 수행 한 정확한 매개 변수와 튜닝 방법을 자주 논의하지 않는다는 사실에 있습니다. 이러한 최적화는 상대적으로 평범하지 않은 전략을 수익성이 높은 전략으로 전환시키는 열쇠입니다. 사실, 고유 한 전략을 수립하는 가장 좋은 방법 중 하나는 유사한 방법을 찾아 자신의 최적화 절차를 수행하는 것입니다.

다음은 전략 아이디어를 찾기 시작할 수있는 작은 목록입니다.

당신이 볼 전략의 대부분은 평균 - 복귀와 추세 - 추종 / 운동량의 범주에 속할 것입니다. 평균 회귀 전략은 "가격 시리즈"(예 : 두 개의 상호 연관된 자산 사이의 스프레드)에 대한 장기 평균이 존재한다는 사실과이 평균에서 단기간의 편차가 결국 회복 될 것이라는 사실을 악용하려는 전략입니다. 모멘텀 전략은 한 방향으로 기세를 모을 수있는 시장 추세에서 "타기를 히치 (hitching)"함으로써 투자자 심리와 대규모 펀드 구조를 모두 활용하고, 그 흐름이 뒤바뀔 때까지 추세를 따라 가려고합니다.

양적 거래의 또 다른 중요한 측면은 거래 전략의 빈도입니다. 저주파 거래 (LFT)는 일반적으로 거래일보다 긴 자산을 보유하는 모든 전략을 나타냅니다. 따라서 고주파 거래 (HFT)는 일반적으로 자산을 하루 동안 보유하는 전략을 나타냅니다. 초고주파수 거래 (UHFT)는 초 단위 및 밀리 초 단위로 자산을 보유하는 전략을 나타냅니다. 소매 실무자 인 HFT와 UHFT는 확실하게 가능하지만 거래 기술 스택 및 주문서 역학에 대한 자세한 지식이 있어야만 가능합니다. 이 소개 기사에서는 이러한 측면에 대해서는 크게 언급하지 않겠습니다.

일단 전략 또는 전략 세트가 확인되면 과거 데이터에 대한 수익성을 테스트해야합니다. 그것이 역 테스팅의 영역입니다.

전략 Backtesting.

역 테스팅의 목표는 위의 프로세스를 통해 확인 된 전략이 과거 및 현재 데이터 모두에 적용될 때 수익이된다는 증거를 제공하는 것입니다. 이것은 "현실 세계"에서 전략이 어떻게 수행 될지에 대한 기대치를 설정합니다. 그러나 백 테스트는 여러 가지 이유로 성공을 보장하는 것은 아닙니다. 가능한 한 많이 고려해야하고 제거해야하는 수많은 편향을 수반하기 때문에 아마도 양적 거래에서 가장 미묘한 영역 일 것입니다. look-ahead bias, 생존 바이어스, 최적화 바이어스 ( "data-snooping"바이어스라고도 함)를 포함한 일반적인 바이어스 유형에 대해 논의 할 것입니다. backtesting에서 중요한 다른 영역으로는 역사적인 데이터의 가용성과 청결성, 현실적인 거래 비용을 고려하고 강력한 백 테스팅 플랫폼을 결정하는 것 등이 있습니다. 아래의 실행 시스템 섹션에서 트랜잭션 비용에 대해 더 자세히 논의 할 것입니다.

일단 전략이 확인되면, 테스트를 수행하고, 아마도 정교화 할 수있는 과거 데이터를 얻는 것이 필요합니다. 모든 자산 클래스에 걸쳐 상당수의 데이터 공급 업체가 있습니다. 그들의 비용은 일반적으로 데이터의 품질, 깊이 및 적시성과 함께 확장됩니다. 퀀트 트레이더 시작에 대한 전통적인 출발점은 (적어도 소매 수준에서) 야후 파이낸스의 무료 데이터 세트를 사용하는 것입니다. 나는 공급자들에게 너무 많이 머물지 않을 것이다. 오히려 역사적인 데이터 세트를 다룰 때 일반적인 이슈에 집중하고 싶다.

과거 데이터의 주된 관심사는 정확성 / 청결성, 생존자 편향 및 배당금 및 주식 분할과 같은 기업 활동 조정을 포함합니다.

정확도는 오류가 있는지 여부에 관계없이 데이터의 전반적인 품질과 관련됩니다. 스파이크 필터와 같이 오류를 쉽게 식별 할 수 있습니다. 스파이크 필터는 시계열 데이터에서 잘못된 "스파이크"를 찾아서 수정합니다. 다른 시간에 그들은 발견하기가 매우 어려울 수 있습니다. 두 개 이상의 공급자가 있고 각 공급자의 데이터를 서로 점검해야하는 경우가 종종 있습니다. 생존자 편견은 종종 무료 또는 저렴한 데이터 세트의 "특징"입니다. 생존 편향이있는 데이터 세트는 더 이상 거래하지 않는 자산을 포함하지 않는다는 것을 의미합니다. 주식의 경우에는 상장 주식 / 파산 주식을 의미합니다. 이 편향은 그러한 데이터 세트에서 테스트 된 주식 거래 전략이 과거의 "승자"가 이미 선택되어 있기 때문에 "실제 세계"보다 더 잘 수행 될 것임을 의미합니다. 기업 활동에는 회사가 수행하는 "물류 (logistical)"활동이 포함되며 원가에 계단식 기능 변경이 발생하며 이는 가격 반환 계산에 포함되어서는 안됩니다. 배당금 및 주식 분할에 대한 조정이 일반적인 원인입니다. 이 작업들 각각에서 역 조정이라고 알려진 프로세스가 수행되어야합니다. 주식 분할과 실제 수익 조정을 혼동하지 않도록 매우주의해야합니다. 많은 상인이 기업 활동에 의해 포착되었습니다!

백 테스트 절차를 수행하려면 소프트웨어 플랫폼을 사용해야합니다. Tradestation과 같은 전용 백 테스트 소프트웨어, Excel 또는 MATLAB과 같은 수치 플랫폼 또는 Python 또는 C ++와 같은 프로그래밍 언어의 완전한 사용자 정의 구현 중에서 선택할 수 있습니다. Tradestation (또는 유사), Excel 또는 MATLAB에 너무 많이 머 무르지 않을 것입니다. 아래에서 설명하는 이유 때문에 전체 사내 기술 스택을 만드는 것으로 믿습니다. 그렇게하는 것의 이점 중 하나는 극단적 인 고급 통계 전략을 사용하여 백 테스트 소프트웨어 및 실행 시스템을 긴밀하게 통합 할 수 있다는 것입니다. 특히 HFT 전략의 경우 사용자 지정 구현을 사용하는 것이 필수적입니다.

시스템을 다시 테스트 할 때 성능을 얼마나 잘 측정 할 수 있어야합니다. 정량적 전략에 대한 "산업 표준"측정 기준은 최대 축소 및 Sharpe Ratio입니다. 최대 하락률은 특정 기간 (일반적으로 연간)에 걸친 계정 자기 자본 곡선에서 가장 큰 peak-to-trough 하락을 특징으로합니다. 이것은 가장 자주 백분율로 표시됩니다. LFT 전략은 여러 가지 통계적 요인으로 인해 HFT 전략보다 더 많은 축소를하는 경향이 있습니다. 역사적인 백 테스트는 향후 최대 수익 감소를 보여 주며, 이는 향후 전략의 수익 감소 효과를위한 좋은 가이드입니다. 두 번째 측정 값은 초과 수익률의 평균을 초과 수익률의 표준 편차로 나눈 값으로 경험적으로 정의되는 Sharpe Ratio입니다. 여기에서 초과 수익률은 S & P500이나 3 개월 재무부 법안과 같은 사전 결정된 벤치 마크 이상으로 전략이 복귀 한 것을 의미합니다. 연간 수익률은 전략의 변동성 (Sharpe Ratio와는 달리)을 고려하지 않았기 때문에 일반적으로 활용되는 척도가 아닙니다.

일단 전략이 다시 테스트되었고 좋은 샤프 (Sharpe)와 드로우 다운 (drawdown)을 최소화하면서 편견이없는 것으로 간주되면 실행 시스템을 구축 할 때입니다.

실행 시스템.

실행 시스템은 전략에 의해 생성 된 거래 목록이 브로커에 의해 보내지고 실행되는 수단입니다. 무역 세대가 반자동 또는 완전 자동화 될 수 있다는 사실에도 불구하고, 실행 메커니즘은 수동, 반 수동 (즉, "원 클릭") 또는 완전히 자동화 될 수있다. LFT 전략의 경우 수동 및 반 수동 기술이 일반적입니다. HFT 전략의 경우 전략 및 기술의 상호 의존성으로 인해 무역 발전기와 긴밀하게 결합되는 완전 자동화 된 실행 메커니즘을 만들어야합니다.

실행 시스템을 만들 때 중요한 고려 사항은 중개자와의 인터페이스, 트랜잭션 비용 (커미션, 미끄러짐 및 스프레드 포함) 최소화 및 테스트 된 성능에서 라이브 시스템 성능의 차이입니다.

중개 회사와 연결하는 데는 여러 가지 방법이 있습니다. 브로커를 전화로 바로 호출하여 완전히 자동화 된 고성능 API (Application Programming Interface)까지 다양합니다. 이상적으로는 거래 실행을 가능한 한 자동화하는 것이 좋습니다. 이것은 당신이 더 많은 연구에 집중할 수있게 해줄뿐만 아니라, 여러 전략이나 더 높은 빈도의 전략을 실행할 수있게 해줍니다. (사실 자동 실행이 없다면 HFT는 본질적으로 불가능합니다). MATLAB, Excel 및 Tradestation과 같은 일반적인 백 테스팅 소프트웨어는 주파수가 낮고 단순한 전략에 적합합니다. 그러나 실제 HFT를 수행하려면 C ++와 같은 고성능 언어로 작성된 사내 실행 시스템을 구축해야합니다. 일화로, 이전에 고용 된 펀드에서 10 분마다 새로운 시장 데이터를 다운로드 한 다음 동일한 시간대에 해당 정보를 기반으로 거래를 수행하는 10 분의 "거래 루프"가있었습니다. 이것은 최적화 된 Python 스크립트를 사용하고있었습니다. 분 또는 두 번째 주파수 데이터에 접근하는 것에 대해서는 C / C ++가 더 이상적이라고 생각합니다.

대규모 펀드에서는 실행을 최적화하기 위해 퀀트 트레이더의 영역이 아닌 경우가 많습니다. 그러나 소규모 상점이나 HFT 회사에서는 상인이 유언 집행자이므로보다 폭 넓은 스킬 셋이 바람직한 경우가 많습니다. 기금에 고용되기를 원한다면이를 명심하십시오. 프로그래밍 기술은 통계 및 계량 경제학의 재능만큼이나 중요합니다.

실행의 기치에 해당하는 또 다른 주요 쟁점은 트랜잭션 비용 최소화입니다. 일반적으로 거래 비용에는 세 가지 요소가 있습니다. 수수료 (또는 세금)는 중개 회사, 거래소 및 SEC (또는 유사한 정부 규제 기관)가 부과하는 수수료입니다. 미끄러짐은 주문을 채우려는 의도와 실제 채워진 것의 차이입니다. 스프레드는 거래되는 증권의 입찰가 / 물가 사이의 차이입니다. 스프레드는 일정하지 않으며 시장의 현재 유동성 (즉, 매수 / 매도 주문의 가용성)에 좌우된다는 점에 유의하십시오.

거래 비용은 좋은 Sharpe 비율의 극도로 수익성 높은 전략과 무시 무시한 Sharpe 비율의 극단적 인 수익성이 낮은 전략 간의 차이를 만들 수 있습니다. 백 테스트에서 거래 비용을 정확히 예측하는 것은 어려울 수 있습니다. 전략의 빈도에 따라 입찰 / 청문 가격에 대한 진드기 데이터가 포함 된 과거 거래 데이터에 액세스해야합니다. 이러한 이유로 콴트의 전체 팀은 대규모 펀드의 실행 최적화에 전념합니다. 펀드가 상당량의 거래를 오프 로딩해야하는 시나리오를 고려해보십시오 (그 이유는 다양합니다!). 너무 많은 주식을 시장에 "쏟아 버리면"그들은 가격을 급격히 떨어 뜨릴 것이고 최적의 실행을 얻지 못할 수도 있습니다. 따라서 시장에 "물방울을 떨어 뜨리는"명령이 존재하지만, 펀드는 미끄러질 위험이 있습니다. 더 나아가, 다른 전략들은 이러한 필수품을 "먹이"하며 비 효율성을 악용 할 수 있습니다. 이것은 펀드 구조 차익 거래의 영역입니다.

실행 시스템의 마지막 주요 문제는 전략 성능이 백 테스팅 된 성능과 다른 점입니다. 이것은 여러 가지 이유로 발생할 수 있습니다. 우리는 이미 백 테스트를 고려할 때 미리보기 바이어스와 최적화 바이어스에 대해 이미 논의했습니다. 그러나 일부 전략에서는 배포 전에이 편향 요소를 쉽게 테스트 할 수 없습니다. 이것은 HFT에서 가장 우세하게 발생합니다. 실행 시스템에는 버그가있을뿐만 아니라 백 트레이스에는 나타나지 않지만 라이브 거래에는 나타나지 않는 거래 전략 자체가있을 수 있습니다. 시장은 전략을 전개 한 후에 체제 변화의 대상이되었을 수 있습니다. 새로운 규제 환경, 변화하는 투자 심리 및 거시 경제 현상은 시장이 어떻게 행동하고 따라서 전략의 수익성이 다른가로 이어질 수 있습니다.

위기 관리.

양적 교역 수수께끼의 마지막 부분은 위험 관리의 과정입니다. '위험'에는 앞에서 언급 한 모든 편견이 포함됩니다. 갑자기 하드 디스크 오작동을 일으키는 교환기에 함께있는 서버와 같은 기술 위험이 포함됩니다. 브로커가 파산하는 것과 같은 브로커 리스크 위험을 포함합니다 (MF Global과 최근의 공포를 감안할 때 미친 것처럼 보이지 않습니다!). 간단히 말해서 그것은 거래 구현을 방해 할 수있는 거의 모든 것을 다루고 있으며, 그 중 많은 소스가 있습니다. 전체 책은 양적 전략을위한 리스크 관리에 전념하기 때문에 모든 가능한 위험 원천을 여기에서 밝히지는 않을 것입니다.

리스크 관리는 포트폴리오 이론의 한 부분 인 최적 자본 배분 (optimal capital allocation)으로도 알려져 있습니다. 이것은 자본이 일련의 상이한 전략과 그 전략 내의 거래에 배분되는 수단이다. 그것은 복잡한 영역이며 일부 사소한 수학에 의존합니다. 최적의 자본 배분과 전략의 영향력이 관련되는 산업 표준을 켈리 기준이라고합니다. 이 글은 소개 글이므로, 나는 계산에 머 무르지 않을 것이다. Kelly 기준은 수익률의 통계적 특성에 대해 몇 가지 가정을합니다. 이는 금융 시장에서 종종 유효하지 않기 때문에 거래자는 구현 측면에서 보수적 인 경우가 많습니다.

위험 관리의 또 다른 주요 구성 요소는 자신의 심리적 프로파일을 다루는 것입니다. 거래로 들어가는 많은인지 적 편견이 있습니다. 전략이 혼자 남겨지면 이것은 알고리즘 거래와 관련하여 문제가 될 수 있습니다. 일반적인 편견은 상실감을 느끼는 고통 때문에 손실 위치가 닫히지 않는 손실 혐오감입니다. 마찬가지로 이미 이익을 잃는 것에 대한 두려움이 너무 클 수 있기 때문에 이익을 너무 일찍받을 수 있습니다. 또 다른 공통 바이어스는 최신 성 (recency) 바이어스로 알려져 있습니다. 이는 상인이 장기적인 관점이 아니라 최근의 사건에 지나치게 강조 할 때 나타납니다. 물론 두려움과 탐욕의 정서적 편향이 있습니다. 이는 종종 과소 또는 과잉 레버 리징으로 이어질 수 있으며, 이로 인해 파산 (즉, 계정 자본이 0 또는 그 이하가 됨) 또는 수익 감소가 발생할 수 있습니다.

이해할 수 있듯이 양적 거래는 매우 복잡하지만 매우 흥미로운 양적 금융 분야입니다. 나는이 기사에서 문자 그대로 표면을 긁어 냈으며 이미 오랜 시간이 걸리고 있습니다! 전체 책과 논문은 제가 한두 문장 밖에 쓰지 않은 쟁점에 관해 쓰여졌습니다. 따라서 양적 펀드 거래를 신청하기 전에 상당한 양의 기초 연구를 수행해야합니다. 최소한 MATLAB, Python 또는 R과 같은 프로그래밍 언어를 통해 구현 경험이 풍부한 통계 및 계량 경제학에 대한 광범위한 배경 지식이 필요합니다. 보다 높은 수준의 주파수에서보다 정교한 전략을 얻으려면 기술 설정이 필요할 것입니다 Linux 커널 수정, C / C ++, 어셈블리 프로그래밍 및 네트워크 대기 시간 최적화를 포함합니다.

자신의 알고리즘 트레이딩 전략을 만드는 데 관심이 있다면 먼저 프로그래밍을 잘하는 것이 좋습니다. 필자가 선호하는 것은 가능한 한 많은 데이터 수집기, 전략 백 테스터 및 실행 시스템을 가능한 한 많이 구축하는 것입니다. 자신의 수도가 라인에 있다면, 당신이 당신의 시스템을 완벽하게 테스트하고 그 함정과 특별한 이슈를 알고 있다는 것을 알면서 밤에는 잘 자지 않겠습니까? 장기간에 걸쳐 시간을 절약 할 수는 있지만 공급 업체에 아웃소싱하는 것은 장기적으로 매우 비쌀 수 있습니다.

양적 거래 시작하기?

QuantStart 목록을 구독해야하는 3 가지 이유 :

1. 퀀트 트레이딩 레슨.

계량 거래를 시작하는 데 도움이되는 힌트와 팁으로 가득한 무료 10 일간 코스에 즉시 액세스 할 수 있습니다!

2. 모든 최신 내용.

매주 나는 퀀트 스타트에서 모든 활동의 포장을 보내드릴 것입니다. 그래서 당신은 결코 다시 글을 놓치지 않을 것입니다.

현실감 넘치는 퀀 트레이딩 팁.

양적 거래.

'양적 거래'란 무엇인가?

양적 거래는 거래 기회를 파악하기 위해 수학 계산 및 번호 계산에 의존하는 정량 분석을 기반으로하는 거래 전략으로 구성됩니다. 양적 거래는 일반적으로 금융 기관 및 헤지 펀드에서 사용되므로 거래 규모가 대개 크며 수십만 주 및 기타 증권의 매매가 필요할 수 있습니다. 그러나 양적 거래는 개인 투자자들에 의해 보편적으로 사용되고 있습니다.

'수량 거래'를 깨고

양적 거래 기법에는 고주파 거래, 알고리즘 거래 및 통계적 재정 거래가 포함됩니다. 이러한 기술은 빠른 속도로 진행되며 일반적으로 단기 투자의 시야가 있습니다. 많은 양적 거래자는 이동 평균 및 발진기와 같은 정량적 도구에 더 익숙합니다.

양적 거래의 이해.

양적 거래자는 최신 기술, 수학 및 합리적인 거래 결정을 내리는 데 필요한 포괄적 인 데이터베이스를 이용할 수 있습니다.

양적 거래자는 거래 기법을 사용하여 수학을 사용하여 거래 모델을 만든 다음 모델을 과거 시장 데이터에 적용하는 컴퓨터 프로그램을 개발합니다. 그런 다음 모델을 다시 테스트하고 최적화합니다. 유리한 결과가 얻어지면 시스템은 실제 자본으로 실시간 시장에서 구현됩니다.

양적 거래 모델이 작동하는 방식은 비유를 사용하여 가장 잘 묘사 될 수 있습니다. 태양이 비치는 동안 기상 학자가 비가 내릴 확률이 90 %가 될 것이라는 기상 예보를 고려하십시오. 기상 학자는이 지역 전체의 센서로부터 기후 데이터를 수집하고 분석함으로써이 직관적이지 않은 결론을 도출합니다. 전산화 된 정량 분석은 데이터의 특정 패턴을 나타냅니다. 이러한 패턴을 역사적인 기후 데이터 (백 테스팅)에서 나타난 동일한 패턴과 비교하고 100 배 중 90 %가 비가되면 기상 학자는 결론을 확신 할 수 있으므로 90 % 예측을 이끌어 낼 수 있습니다. 양적 거래자는 이와 동일한 절차를 금융 시장에 적용하여 거래 의사 결정을 내립니다.

양적 거래의 장점과 단점.

거래의 목적은 수익성있는 거래를 실행할 최적의 확률을 계산하는 것입니다. 일반적인 거래자는 유입되는 데이터의 양이 의사 결정 프로세스를 압도하기 전에 제한된 수의 증권에 대해 효과적으로 모니터링, 분석 및 거래 의사 결정을 내릴 수 있습니다. 양적 거래 기법을 사용하면 컴퓨터를 사용하여 모니터링, 분석 및 거래 의사 결정을 자동화함으로써 이러한 한계가 드러납니다.

감정을 극복하는 것은 거래에서 가장 보편적 인 문제 중 하나입니다. 두려움이나 탐욕, 거래 할 때, 감정은 합리적 사고를 억 누르는 역할을합니다. 합리적인 사고는 대개 손실로 이어집니다. 컴퓨터와 수학은 감정을 가지고 있지 않으므로 양적 거래는이 문제를 해결합니다.

양적 거래에는 그 문제가 있습니다. 금융 시장은 존재하는 가장 역동적 인 실체의 일부입니다. 따라서 양적 거래 모델은 지속적으로 성공하기 위해서는 역동적이어야합니다. 많은 양적 거래자들은 시장 상황에 따라 일시적으로 수익을내는 모델을 개발하지만 시장 상황이 바뀌면 궁극적으로 실패합니다.