بسيطة استراتيجية التداول الآلي

تجارة الفوركس الخوارزمية: حكاية عملية للمهندسين.

كما تعلمون، يتم استخدام سوق العملات الأجنبية (الفوركس، أو الفوركس) للتداول بين أزواج العملات. ولكن قد لا تكون على علم بأنها السوق الأكثر سيولة في العالم.

قبل بضع سنوات، مدفوعا الفضول بلدي، أخذت خطواتي الأولى في عالم التداول الفوركس حسابي عن طريق إنشاء حساب تجريبي واللعب من المحاكاة (مع المال وهمية) على منصة التداول ميتا التاجر 4.

بعد أسبوع من "التداول"، كنت قد تضاعفت تقريبا أموالي. مدفوعة من قبل بلدي ناجحة التداول الخوارزمية، وحفر أعمق، وقعت في نهاية المطاف لعدد من المنتديات فكس. قريبا، كنت أقضي ساعات القراءة عن أنظمة التداول حسابي (مجموعات القاعدة التي تحدد ما إذا كان يجب شراء أو بيع)، مؤشرات مخصصة، المزاج السوق، وأكثر من ذلك.

عميلي الأول.

حول هذا الوقت، من قبيل الصدفة، سمعت أن شخصا ما كان يحاول العثور على مطور البرمجيات لأتمتة نظام التداول بسيطة. كان هذا مرة أخرى في بلدي أيام الكلية عندما كنت أتعلم عن البرمجة المتزامنة في جافا (المواضيع، سيمافوريس، وجميع تلك غير المرغوب فيه). اعتقدت أن هذا النظام الآلي هذا لا يمكن أن يكون أكثر تعقيدا بكثير من بلدي متقدمة دورة علوم البيانات العمل، لذلك استفسرت عن هذه المهمة، وجاء على متن الطائرة.

أراد العميل برنامج التداول الخوارزمي الذي بني مع MQL4، وهي لغة برمجة وظيفية تستخدمها منصة ميتا تريدر 4 لأداء الإجراءات المتعلقة بالأسهم.

دور منصة التداول (ميتا تريدر 4، في هذه الحالة) هو توفير اتصال لوسيط الفوركس. وسيط ثم يوفر منصة مع المعلومات في الوقت الحقيقي حول السوق وتنفيذ أوامر الشراء / البيع. بالنسبة للقراء غير المألوفين بتداول العملات الأجنبية، إليك المعلومات التي يتم توفيرها من خلال خلاصة البيانات:

من خلال ميتا تريدر 4، يمكنك الوصول إلى جميع هذه البيانات مع الوظائف الداخلية، ويمكن الوصول إليها في أطر زمنية مختلفة: كل دقيقة (M1)، كل خمس دقائق (M5)، M15، M30، كل ساعة (H1)، H4، D1، W1، من .

حركة السعر الحالي تسمى القراد. وبعبارة أخرى، القراد هو تغيير في سعر العرض أو الطلب لزوج العملات. خلال الأسواق النشطة، قد يكون هناك العديد من القراد في الثانية الواحدة. خلال الأسواق بطيئة، يمكن أن يكون هناك دقائق دون علامة. القراد هو ضربات القلب من روبوت سوق العملات.

عند تقديم طلب من خلال هذه المنصة، يمكنك شراء أو بيع حجم معين من عملة معينة. يمكنك أيضا تعيين حدود وقف الخسارة والحد من الربح. الحد الأقصى لوقف الخسارة هو الحد الأقصى للنقاط (تغيرات الأسعار) التي يمكنك تحملها قبل التخلي عن التداول. الحد الأقصى للربح هو مقدار النقاط التي سوف تتراكم لصالحك قبل صرفها.

كانت مواصفات التداول الخوارزمية للعميل بسيطة: أرادوا روبوت الفوركس على أساس مؤشرين. بالنسبة إلى الخلفية، تكون المؤشرات مفيدة جدا عند محاولة تحديد حالة السوق واتخاذ قرارات التداول، لأنها تستند إلى بيانات سابقة (على سبيل المثال، أعلى قيمة سعر في آخر أيام n). يأتي العديد من المدمج في ميتا التاجر 4. ومع ذلك، فإن المؤشرات التي كان موكلي مهتما جاء من نظام التداول مخصص.

أرادوا أن يتداولوا في كل مرة يتقاطع فيها اثنان من هذه المؤشرات المخصصة، وفقط في زاوية معينة.

كما حصلت على يدي القذرة، علمت أن برامج MQL4 لديها البنية التالية:

وظيفة البداية هي قلب كل برنامج MQL4 لأنه يتم تنفيذها في كل مرة يتحرك السوق (إرجو، وهذه الوظيفة تنفيذ مرة واحدة لكل علامة). هذا هو الحال بغض النظر عن الإطار الزمني الذي تستخدمه. على سبيل المثال، يمكن أن تعمل على الإطار الزمني H1 (ساعة واحدة)، إلا أن وظيفة البدء ستنفذ عدة آلاف من المرات في الإطار الزمني.

للتغلب على هذا، اضطررت وظيفة لتنفيذ مرة واحدة لكل وحدة الفترة:

الحصول على قيم المؤشرات:

منطق القرار، بما في ذلك تقاطع المؤشرات وزواياها:

إرسال الأوامر:

إذا كنت مهتما، يمكنك العثور على رمز، رونابل كاملة على جيثب.

Backtesting.

بمجرد أن أقوم ببناء نظام التداول الخوارزمي الخاص بي، أردت أن أعرف: 1) إذا كان يتصرف بشكل مناسب، و 2) إذا كانت استراتيجية تداول العملات الأجنبية التي استخدمتها كانت جيدة.

الاختبار الخلفي (أحيانا مكتوب "الاختبار الخلفي") هو عملية اختبار نظام معين (الآلي أو لا) في ظل أحداث الماضي. وبعبارة أخرى، يمكنك اختبار النظام الخاص بك باستخدام الماضي كبديل للحاضر.

MT4 يأتي مع أداة مقبولة ل باكتستينغ استراتيجية تداول العملات الأجنبية (في الوقت الحاضر، وهناك المزيد من الأدوات المهنية التي توفر وظائف أكبر). للبدء، يمكنك إعداد الأطر الزمنية الخاصة بك وتشغيل البرنامج الخاص بك تحت محاكاة. فإن الأداة محاكاة كل القراد مع العلم أنه لكل وحدة يجب أن تفتح بسعر معين، وثيقة بسعر معين، والوصول إلى مستويات قياسية وأدنى مستوياتها.

بعد مقارنة الإجراءات من البرنامج ضد الأسعار التاريخية، سيكون لديك شعور جيد لما إذا كان أو لم تنفذ بشكل صحيح.

من باكتستينغ، كنت قد تحقق من نسبة العائد فكس الروبوت لبعض فترات زمنية عشوائية؛ وغني عن القول، وأنا أعلم أن موكلي لن يكون غني مع ذلك - المؤشرات التي اختارها، جنبا إلى جنب مع منطق القرار، لم تكن مربحة. كعينة، وهنا نتائج تشغيل البرنامج عبر نافذة M15 ل 164 عملية:

لاحظ أن رصيدنا (الخط الأزرق) ينتهي إلى ما دون نقطة البداية.

المعلمة الأمثل، والكذب.

على الرغم من أن باكتستينغ جعلني حذرا من فائدة هذا الروبوت فكس، وكنت مفتون عندما بدأت اللعب حولها مع معالمه الخارجية ولاحظت اختلافات كبيرة في نسبة العائد الكلي. ويعرف هذا العلم معين باسم تحسين المعلمة.

فعلت بعض اختبار خشنة لمحاولة واستنتاج أهمية المعلمات الخارجية على نسبة العائد وجاء مع شيء من هذا القبيل:

قد تعتقد (كما فعلت) أنه يجب عليك استخدام المعلمة A. ولكن القرار ليس واضحا كما قد تظهر. وعلى وجه التحديد، لاحظ عدم إمكانية التنبؤ بالمعلمة A: بالنسبة لقيم الخطأ الصغيرة، تتغير عودتها بشكل كبير. وبعبارة أخرى، من المرجح جدا أن تؤدي المعلمة أ إلى الإفراط في التنبؤ بالنتائج المستقبلية منذ أي حالة من عدم اليقين، فإن أي تحول على الإطلاق سيؤدي إلى أداء أسوأ.

ولكن في الواقع، والمستقبل غير مؤكد! وبالتالي فإن عودة المعلمة A غير مؤكدة أيضا. الخيار الأفضل، في الواقع، هو الاعتماد على عدم القدرة على التنبؤ. وفي كثير من الأحيان، يفضل أن تكون المعلمة ذات عتبة الحد الأدنى ولكن القدرة على التنبؤ المتفوقة (أقل تقلبا) أفضل من المعلمة ذات العائد المرتفع ولكن القدرة على التنبؤ ضعيفة.

الشيء الوحيد الذي يمكن أن يكون متأكدا هو أنك لا تعرف مستقبل السوق، والتفكير كنت تعرف كيف أن السوق هو الذهاب إلى أداء استنادا إلى البيانات الماضية هو خطأ. بدوره، يجب أن نعترف هذا عدم القدرة على التنبؤ في توقعات فوركس الخاص بك.

وهذا لا يعني بالضرورة أنه ينبغي لنا استخدام المعلمة B، لأن العوائد الدنيا للمعلمة A تؤدي أداء أفضل من المعلمة B؛ هذا هو فقط لتظهر لك أن تحسين المعلمات يمكن أن يؤدي إلى اختبارات المبالغة في النتائج المحتملة في المستقبل، وهذا التفكير ليست واضحة.

عموما اعتبارات التداول الخوارزمية الفوركس.

منذ أن أول تجربة تداول العملات الأجنبية خوارزمية، لقد بنيت عدة أنظمة التداول الآلي للعملاء، ويمكنني أن أقول لكم أن هناك دائما مجال لاستكشاف المزيد من التحليل الفوركس الذي يتعين القيام به. على سبيل المثال، قمت مؤخرا ببناء نظام قائم على إيجاد ما يسمى بحركات "السمك الكبير". وهذا هو، والنقاط الضخمة الاختلافات في صغيرة، وحدات صغيرة من الزمن. هذا هو الموضوع الذي يغني لي.

بناء نظام محاكاة فكس الخاص بك هو خيار ممتاز لمعرفة المزيد عن تداول سوق الفوركس، والاحتمالات لا حصر لها. على سبيل المثال، يمكنك محاولة فك توزيع الاحتمالات لتغيرات الأسعار كدالة للتقلب في سوق واحد (ور / أوسد على سبيل المثال)، وربما جعل نموذج محاكاة مونت كارلو باستخدام التوزيع لكل حالة تقلب، وذلك باستخدام أي درجة من دقة تريد. سأترك هذا كممارسة للقارئ الحريص.

عالم الفوركس يمكن أن يكون ساحقا في بعض الأحيان، ولكن آمل أن هذه الكتابة قد أعطاك بعض النقاط حول كيفية البدء في استراتيجية تداول الفوركس الخاصة بك.

قراءة متعمقة.

في الوقت الحاضر، هناك مجموعة واسعة من الأدوات لبناء واختبار وتحسين نظام التداول الآلي: تجارة بلوكس للاختبار، نينجاترادر ​​للتداول، أوكامل للبرمجة، على سبيل المثال لا الحصر.

لقد قرأت على نطاق واسع عن العالم الغامض الذي هو سوق العملات. وفيما يلي عدد قليل من الكتابة المنبثقة التي أوصي للمبرمجين والقراء المتحمسين:

فهم الأساسيات.

ما هو تداول الفوركس كل شيء؟

تداول الفوركس (أو الفوركس) هو شراء وبيع عن طريق أزواج العملات (على سبيل المثال الدولار مقابل اليورو) في سوق الصرف الأجنبي.

كيف الفوركس كسب المال؟

وسطاء الفوركس كسب المال من خلال العمولات والرسوم. تجار الفوركس يجعل (أو يخسر) المال على أساس توقيتهم: إذا كانوا قادرين على بيع عالية بما فيه الكفاية مقارنة عندما اشتروا، فإنها يمكن أن تحقق أرباحا.

ما هو اختبار استراتيجية التداول؟

الاختبار الخلفي هو عملية اختبار استراتيجية أو نظام معين باستخدام أحداث الماضي.

ما هو التداول الخوارزمي؟

التداول الخوارزمي هو عندما يستخدم روبوت / برنامج مجموعة من القواعد التي تخبره عند الشراء أو البيع.

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 يعمل في نظام التداول حسابي، تحقق من إنفستوبيديا أكاديمية تصبح دورة اليوم التاجر. ]

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 في الوقت الحالي هو تداول عالي التردد (هفت)، والذي يحاول الاستفادة من وضع عدد كبير من الطلبات بسرعة عالية جدا عبر أسواق متعددة ومعلمات قرار متعددة، استنادا إلى 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 شركات شراء (صناديق المعاشات التقاعدية وصناديق الاستثمار وشركات التأمين) الذين يشترون في الأسهم بكميات كبيرة ولكنهم لا يريدون التأثير على أسعار الأسهم مع استثمارات منفصلة وكبيرة 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 كما الربح خالية من المخاطر 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 المحددة إلى عملية محوسبة متكاملة لها إمكانية الوصول إلى حساب تداول لتقديم الطلبات. 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 إكس قبل ساعة من بورصة لندن، يليه التداولان في وقت واحد للساعات القليلة القادمة ثم يتداولان فقط في بورصة لندن خلال الساعة الأخيرة عند 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.)

مستوى السعر.

ما هو "مستوى السعر"

ومستوى الأسعار هو متوسط ​​الأسعار الحالية في كامل مجموعة السلع والخدمات المنتجة في الاقتصاد. وبمعنى أعم، يشير مستوى السعر إلى أي صورة ثابتة لسعر السلعة أو الخدمة أو الأمن القابل للتداول. ويمكن التعبير عن مستويات الأسعار في نطاقات صغيرة، مثل القراد مع أسعار الأوراق المالية، أو عرضها كقيمة منفصلة.

كسر "مستوى السعر"

مستوى الأسعار للمستثمرين والمستثمرين.

التجار والمستثمرين كسب المال عن طريق شراء وبيع الأوراق المالية. يتم تداول بعض الأوراق المالية ويتبعها عدد كبير من الناس الذين يشترون عندما يصل سعر الأمن إلى مستوى سعر معين ويبيع عندما يصل إلى مستوى سعر معين. ويشار إلى مستويات الأسعار هذه بالدعم والمقاومة. يستخدم التجار هذه المجالات من الدعم والمقاومة لتحديد نقاط الدخول والخروج.

مستوى الأسعار للاقتصاديين.

عندما يشير التجار إلى مستوى السعر، فإنه في إشارة إلى شراء وبيع موقف في الأمن. وعندما يشير الاقتصاديون إلى مستوى الأسعار، فإنه يشير إلى القوة الشرائية للنقود أو التضخم. وبعبارة أخرى، يصف الاقتصاديون حالة الاقتصاد من خلال النظر في كم من الناس يمكن شراء بنفس الدولار من العملة. مؤشر أسعار المستهلك الأكثر شيوعا هو مؤشر أسعار المستهلك (كبي).

ويتم فحص مستوى الأسعار من خلال نهج "سلة السلع"، الذي يتم فيه فحص مجموعة من السلع والخدمات المستندة إلى المستهلك في مجملها؛ فإن التغيرات في السعر الإجمالي مع مرور الوقت تدفع المؤشر لقياس سلة السلع أعلى. وعادة ما تستخدم المتوسطات المرجحة بدلا من الوسائل الهندسية. وتوفر مستويات الأسعار لمحة سريعة عن الأسعار في وقت معين، مما يتيح استعراض التغييرات في مستوى الأسعار الواسع بمرور الوقت. ومع ارتفاع الأسعار (التضخم) أو الانخفاض (الانكماش)، يتأثر طلب المستهلكين على السلع أيضا، الأمر الذي يؤدي إلى تدابير إنتاج واسعة، مثل الناتج المحلي الإجمالي، أعلى أو أقل.

مستويات الأسعار هي واحدة من المؤشرات الاقتصادية الأكثر مشاهدة في العالم. ويعتقد على نطاق واسع أن الأسعار يجب أن تظل مستقرة نسبيا من سنة إلى أخرى حتى لا تسبب التضخم غير اللازم (ارتفاع الأسعار). وإذا بدأت مستويات الأسعار في الارتفاع بسرعة كبيرة، يبحث المصرفيون المركزيون أو الحكومات عن طرق لتقليل العرض النقدي أو الطلب الكلي على السلع والخدمات.

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 بلومبرج) سيكون من الواضح أن تكون واقعية عن 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 عبر. 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. Classic texts provide a wide range of simpler, more straightforward ideas, with which to familiarise yourself with quantitative trading. Here is a selection that I recommend for those who are new to quantitative trading, which gradually become more sophisticated as you work through the list:

For a longer list of quantitative trading books, please visit the QuantStart reading list.

The next place to find more sophisticated strategies is with trading forums and trading blogs. However, a note of caution: Many trading blogs rely on the concept of technical analysis . Technical analysis involves utilising basic indicators and behavioural psychology to determine trends or reversal patterns in asset prices.

Despite being extremely popular in the overall trading space, technical analysis is considered somewhat ineffective in the quantitative finance community. Some have suggested that it is no better than reading a horoscope or studying tea leaves in terms of its predictive power! In reality there are successful individuals making use of technical analysis. However, as quants with a more sophisticated mathematical and statistical toolbox at our disposal, we can easily evaluate the effectiveness of such "TA-based" strategies and make data-based decisions rather than base ours on emotional considerations or preconceptions.

Here is a list of well-respected algorithmic trading blogs and forums:

Once you have had some experience at evaluating simpler strategies, it is time to look at the more sophisticated academic offerings. Some academic journals will be difficult to access, without high subscriptions or one-off costs. If you are a member or alumnus of a university, you should be able to obtain access to some of these financial journals. Otherwise, you can look at pre-print servers , which are internet repositories of late drafts of academic papers that are undergoing peer review. Since we are only interested in strategies that we can successfully replicate, backtest and obtain profitability for, a peer review is of less importance to us.

The major downside of academic strategies is that they can often either be out of date, require obscure and expensive historical data, trade in illiquid asset classes or do not factor in fees, slippage or spread. It can also be unclear whether the trading strategy is to be carried out with market orders, limit orders or whether it contains stop losses etc. Thus it is absolutely essential to replicate the strategy yourself as best you can, backtest it and add in realistic transaction costs that include as many aspects of the asset classes that you wish to trade in.

Here is a list of the more popular pre-print servers and financial journals that you can source ideas from:

What about forming your own quantitative strategies? This generally requires (but is not limited to) expertise in one or more of the following categories:

Market microstructure - For higher frequency strategies in particular, one can make use of market microstructure , i. e. understanding of the order book dynamics in order to generate profitability. Different markets will have various technology limitations, regulations, market participants and constraints that are all open to exploitation via specific strategies. This is a very sophisticated area and retail practitioners will find it hard to be competitive in this space, particularly as the competition includes large, well-capitalised quantitative hedge funds with strong technological capabilities. Fund structure - Pooled investment funds, such as pension funds, private investment partnerships (hedge funds), commodity trading advisors and mutual funds are constrained both by heavy regulation and their large capital reserves. Thus certain consistent behaviours can be exploited with those who are more nimble. For instance, large funds are subject to capacity constraints due to their size. Thus if they need to rapidly offload (sell) a quantity of securities, they will have to stagger it in order to avoid "moving the market". Sophisticated algorithms can take advantage of this, and other idiosyncrasies, in a general process known as fund structure arbitrage . Machine learning/artificial intelligence - Machine learning algorithms have become more prevalent in recent years in financial markets. Classifiers (such as Naive-Bayes, et al.) non-linear function matchers (neural networks) and optimisation routines (genetic algorithms) have all been used to predict asset paths or optimise trading strategies. If you have a background in this area you may have some insight into how particular algorithms might be applied to certain markets.

There are, of course, many other areas for quants to investigate. We'll discuss how to come up with custom strategies in detail in a later article.

By continuing to monitor these sources on a weekly, or even daily, basis you are setting yourself up to receive a consistent list of strategies from a diverse range of sources. The next step is to determine how to reject a large subset of these strategies in order to minimise wasting your time and backtesting resources on strategies that are likely to be unprofitable.

Evaluating Trading Strategies.

The first, and arguably most obvious consideration is whether you actually understand the strategy . Would you be able to explain the strategy concisely or does it require a string of caveats and endless parameter lists? In addition, does the strategy have a good, solid basis in reality? For instance, could you point to some behavioural rationale or fund structure constraint that might be causing the pattern(s) you are attempting to exploit? Would this constraint hold up to a regime change, such as a dramatic regulatory environment disruption? Does the strategy rely on complex statistical or mathematical rules? Does it apply to any financial time series or is it specific to the asset class that it is claimed to be profitable on? You should constantly be thinking about these factors when evaluating new trading methods, otherwise you may waste a significant amount of time attempting to backtest and optimise unprofitable strategies.

Once you have determined that you understand the basic principles of the strategy you need to decide whether it fits with your aforementioned personality profile. This is not as vague a consideration as it sounds! Strategies will differ substantially in their performance characteristics. There are certain personality types that can handle more significant periods of drawdown, or are willing to accept greater risk for larger return. Despite the fact that we, as quants, try and eliminate as much cognitive bias as possible and should be able to evaluate a strategy dispassionately, biases will always creep in. Thus we need a consistent, unemotional means through which to assess the performance of strategies. Here is the list of criteria that I judge a potential new strategy by:

Methodology - Is the strategy momentum based, mean-reverting, market-neutral, directional? Does the strategy rely on sophisticated (or complex!) statistical or machine learning techniques that are hard to understand and require a PhD in statistics to grasp? Do these techniques introduce a significant quantity of parameters, which might lead to optimisation bias? Is the strategy likely to withstand a regime change (i. e. potential new regulation of financial markets)? Sharpe Ratio - The Sharpe ratio heuristically characterises the reward/risk ratio of the strategy. It quantifies how much return you can achieve for the level of volatility endured by the equity curve. Naturally, we need to determine the period and frequency that these returns and volatility (i. e. standard deviation) are measured over. A higher frequency strategy will require greater sampling rate of standard deviation, but a shorter overall time period of measurement, for instance. Leverage - Does the strategy require significant leverage in order to be profitable? Does the strategy necessitate the use of leveraged derivatives contracts (futures, options, swaps) in order to make a return? These leveraged contracts can have heavy volatility characterises and thus can easily lead to margin calls . Do you have the trading capital and the temperament for such volatility? Frequency - The frequency of the strategy is intimately linked to your technology stack (and thus technological expertise), the Sharpe ratio and overall level of transaction costs. All other issues considered, higher frequency strategies require more capital, are more sophisticated and harder to implement. However, assuming your backtesting engine is sophisticated and bug-free, they will often have far higher Sharpe ratios. Volatility - Volatility is related strongly to the "risk" of the strategy. The Sharpe ratio characterises this. Higher volatility of the underlying asset classes, if unhedged, often leads to higher volatility in the equity curve and thus smaller Sharpe ratios. I am of course assuming that the positive volatility is approximately equal to the negative volatility. Some strategies may have greater downside volatility. You need to be aware of these attributes. Win/Loss, Average Profit/Loss - Strategies will differ in their win/loss and average profit/loss characteristics. One can have a very profitable strategy, even if the number of losing trades exceed the number of winning trades. Momentum strategies tend to have this pattern as they rely on a small number of "big hits" in order to be profitable. Mean-reversion strategies tend to have opposing profiles where more of the trades are "winners", but the losing trades can be quite severe. Maximum Drawdown - The maximum drawdown is the largest overall peak-to-trough percentage drop on the equity curve of the strategy. Momentum strategies are well known to suffer from periods of extended drawdowns (due to a string of many incremental losing trades). Many traders will give up in periods of extended drawdown, even if historical testing has suggested this is "business as usual" for the strategy. You will need to determine what percentage of drawdown (and over what time period) you can accept before you cease trading your strategy. This is a highly personal decision and thus must be considered carefully. Capacity/Liquidity - At the retail level, unless you are trading in a highly illiquid instrument (like a small-cap stock), you will not have to concern yourself greatly with strategy capacity . Capacity determines the scalability of the strategy to further capital. Many of the larger hedge funds suffer from significant capacity problems as their strategies increase in capital allocation. Parameters - Certain strategies (especially those found in the machine learning community) require a large quantity of parameters. Every extra parameter that a strategy requires leaves it more vulnerable to optimisation bias (also known as "curve-fitting"). You should try and target strategies with as few parameters as possible or make sure you have sufficient quantities of data with which to test your strategies on. Benchmark - Nearly all strategies (unless characterised as "absolute return") are measured against some performance benchmark. 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. لماذا هذا؟ 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.

Automated Trading Systems for Savvy Investors.

Stocks, ETF’s, & Futures Algorithmic Trading Strategies.

In a headline driven world, with superfast algorithmic trading computers spitting out orders faster than anyone could possibly respond to a rumor, fact, or breaking news, what’s an trader or investor to do?

Invest in a systematic, disciplined strategy, like our AlgoTrades Algorithmic Trading Strategies . Based on a six month rolling time interval our algorithmic trading systems has demonstrated a strong negative correlation to the equities market during pullbacks, and even multi-year bear markets.*** In other words, over a given six-month period, our trading systems tend to grow your trading account, when the equity market have been declining. We have built our algorithms for capturing trends in various markets like the S&P500 index, Dax index, individual stocks, and event he volatility index. Using either futures, exchanged traded funds (ETFs), or stocks we can take full advantage the monthly stock market gyrations. Use our algorithmic trading system and you can rest assured that you have some of the best automated trading systems working for you.*