+
퀀트 전략 - 그들은 당신을 위해 정량적 투자 전략은 현대 컴퓨터의 출현과 함께 매우 복잡한 도구로 진화하고 있지만 전략의 뿌리는 다시 칠십년을 통해 이동합니다. 그들은 일반적으로 고등 교육 팀에 의해 실행하고 시장을 이길 수있는 능력을 높이기 위해 독자적인 모델을 사용하고 있습니다. 단순함을 추구하는 사람들을위한 플러그 앤 플레이에도 상용 프로그램이 있습니다. 다시 테스트 할 때 퀀트 모델은 항상 잘 작동하지만, 실제 응용 프로그램과 성공률은 논쟁의 여지가있다. 그들은 황소 시장에서 잘 작동하는 것 동안. 시장이 훙 분하다 때, 퀀트 전략이 다른 전략과 같은 위험을 실시한다. 양적 이론의 연구의 건국의 아버지 중 하나는 재정 적용되는 역사 로버트 머튼이었다. 당신은 시간이 많이 소요되는 프로세스가 컴퓨터를 사용하기 전에 얼마나 어렵고 상상할 수있다. 금융의 다른 이론은 현대 포트폴리오 이론을 바탕으로 포트폴리오 다각화의 기초를 포함하여, 첫 번째 양적 연구의 일부에서 진화. 양적 금융 및 수학 모두의 사용은 가장 유명한 중 하나뿐만 아니라 투자자 가격 옵션을하는 데 도움이 전략을 개발하지만, 유동성 점검 시장을 유지하는 데 도움이 블랙 숄즈 옵션 가격 결정 공식을 포함하여 많은 다른 일반적인 도구로 이끌어 냈다. 포트폴리오 관리에 직접 적용합니다. 목표는 다른 투자 전략 같다. 값, 알파 또는 초과 수익을 추가 할 수 있습니다. Quants는, 개발자가 호출 될 때, 투자 기회를 감지하는 복잡한 수학적 모델을 구성한다. 이 많은 모델을 개발 quants으로 거기, 그리고 모든 최선을 주장. 퀀트 투자 전략의 베스트셀러 점 중 하나는 모델, 궁극적 컴퓨터가 실제 구매 / 판매 결정이 아닌 인간을 만드는 것입니다. 이 투자를 구입하거나 판매 할 때 사람이 경험할 수있는 감정적 반응을 제거하는 경향이있다. 퀀트 전략은 이제 투자 지역 사회에서 받아 들여지고 뮤추얼 펀드, 헤지 펀드 및 기관 투자자에 의해 실행됩니다. 그들은 일반적으로 이름 알파 생성기로 간다. 또는 알파 씨족. 커튼 그냥 오즈의 마법사처럼 뒤에, 누군가가 프로세스를 구동 커튼 뒤에 있습니다. 어떤 모델과 같이, 프로그램 개발 인간만큼만 좋은이야. 퀀트가되기위한 특별한 요구 사항이 없지만, 퀀트 모델을 실행하는 대부분의 기업은 투자 분석가, 통계 및 컴퓨터에 프로세스를 코딩 프로그래머의 기술을 결합한다. 때문에 수학 및 통계 모델의 복잡한 특성으로는 금융, 경제, 수학, 공학 석사 학위와 박사 학위 등 자격 증명을 참조하는 것이 일반적이야. 역사적으로, 이 팀 구성원은 다시 사무실에서 일했다. 퀀트 모델이 더 일반화되면서하지만, 백 오피스 전면 사무실로 이동합니다. 퀀트 전략의 장점 성공율은 논쟁의 여지가 있지만, 약간 정량적 전략 일 이유는 훈련에 기초한다는 것이다. 모델이 옳다면, 징계는 정량적 데이터를 기반으로 시장의 비 효율성을 악용 번개 속도의 컴퓨터를 사용 전략을 유지합니다. 모델은 자체가 P / E 등 몇 비율만큼 작은에 기초 할 수있다. 자본 및 이익 성장, 또는 부채가 동시에 함께 일하는 입력의 수천을 사용합니다. 컴퓨터가 지속적으로 다른 사람이하기 전에 비 효율성을 찾아 시나리오를 실행으로 성공적인 전략은 초기 단계의 동향에 선택할 수 있습니다. 모델은 기존의 분석은 시간에 몇보고 될 수 동시에 투자의 매우 큰 그룹을 분석 할 수있다. 심사 과정은 1-5 같은 학년으로 우주 또는 모델에 따라 A-F를 평가할 수 있습니다. 이는 높은 평가를 투자에 투자하고 낮은 평가 것들을 판매하여 매우 간단 실제 거래 과정을 수 있습니다. 퀀트 모델은 짧은 / 긴 짧고 긴 같은 전략의 변화를 엽니 다. 성공적인 퀀트 펀드는 그들의 모델의 특성으로 위험 관리에 날카로운 눈을 유지합니다. 대부분의 전략은 모델에 유니버스 또는 벤치 마크 및 사용 분야 및 업계의 가중치로 시작합니다. 이 금액은 모델 자체를 손상시키지 않으면 서 어느 정도의 다양성을 제어 할 수있다. 그들은 t 그들을 실행하는 기존의 애널리스트와 포트폴리오 매니저 많은 필요 돈 때문에 퀀트 펀드는 일반적으로 낮은 비용으로 실행. 퀀트 전략의 단점은 많은 투자자들이 완전히 블랙 박스가 투자를 실행시키는의 개념을 수용하지 않는 이유가있다. 거기에 모든 성공 퀀트 펀드, 그냥 많은 사람들이 실패 할 것으로 보인다. 그들이 실패 할 때 불행하게도 quants 명성을 위해, 그들은 큰 시간을 실패합니다. 그것이 가장 존경받는 교육 지도자들과 두 개의 노벨상 기념 상을 수상한 경제학자 마이런 S. 스콜스와 로버트 C. 머튼의 일부에 의해 실행 된 장기 자본 관리, 가장 유명한 퀀트 헤지 펀드 중 하나였다. 1990 년대, 그들의 팀은 평균 이상의 수익률을 생성 투자자의 모든 유형에서 자본을 끌었다. 그들은 단지 비 효율성을 활용하지만, 시장의 방향에 엄청난 레버리지 내기를 만들 수도에 쉽게 액세스를 사용하지로 유명했다. 그들의 전략의 훈련 특성은 실제로 붕괴되었다 약점을 만들었습니다. 장기 자본 관리는 청산과 러시아 정부가 자신의 채무 중 일부에 기본 수 있다는 가능성을 포함하지 않았다 2000 년 초 자사의 모델에 용해시켰다. 이 하나의 이벤트는 이벤트 및 활용 만든 혼란으로 확대 연쇄 반응을 촉발. LTCM은 너무 심하게 붕괴 극적인 이벤트를 트리거, 세계 시장에 영향을 것을 다른 투자 작업에 참여했다. 장기적으로, 연방 준비 제도 이사회 도와 개입, 그리고 다른 은행과 투자 자금은 더 이상의 손상을 방지하기 위해 LTCM를 지원했다. 이것은 그들이 미래의 사건을 포함하지 않을 수 있습니다 역사적 사건을 기반으로 같은 양의 자금이 실패 할 수있는 이유 중 하나입니다. 강한 퀀트 팀 끊임없이 미래의 사건을 예측 모델에 새로운 요소를 추가 할 것이지만, 그것은 미래 매번 예측 불가능하다. 경제와 시장이보다 큰 평균 변동성가 발생하는 경우 퀀트 펀드는 또한 압도 될 수 있습니다. 구매 및 판매 신호는 높은 회전율이 높은 수수료 및 과세 이벤트를 만들 수 있도록 빨리 올 수 있습니다. 그들은 곰 증거로 판매하거나 짧은 전략을 기반으로 할 때 퀀트 펀드는 위험을 초래할 수 있습니다. 침체를 예측. 파생 상품을 사용 및 활용을 결합하는 것은 위험 할 수 있습니다. 하나 틀린 순서는 종종 소식을 내파로 이어질 수 있습니다. 결론 양적 투자 전략은 주류 투자 도구에 다시 사무실 블랙 박스에서 진화했다. 그들은 모두 비 효율성을 활용하여 비즈니스에서 최고의 마음과 가장 빠른 컴퓨터를 활용하고 시장 내기를 만들기 위해 레버리지를 사용하도록 설계되어 있습니다. 모델이 모든 권리 입력을 포함하고 비정상적인 시장 이벤트를 예측할 수있을만큼 민첩 경우 그들은 매우 성공적이 될 수 있습니다. 그들이 작동 할 때까지 퀀트 펀드는 엄격하게 다시 테스트하는 동안 플립 측면에서, 자신의 약점은 그들의 성공에 대한 과거 데이터에 의존하고 있다는 점이다. 퀀트 스타일의 투자가 시장에서 자리를 가지고 있지만, 그것의 단점과 위험을 알고 있어야 중요하다. 다각화 전략과 일치합니다. 그것은 투자 스타일로 퀀트 전략을 치료하고 적절한 다변화를 달성하기 위해 기존의 전략과 결합하는 것은 좋은 생각이야. 양적 무역 정량 거래 무엇 양적 무역 정량 분석을 기반으로 거래 전략으로 구성되어 있습니다. 어떤 거래 기회를 식별하기 위해 재정 수학적 계산과 수에 의존한다. 양적 무역으로 일반적으로 금융 기관과 헤지 펀드에 의해 사용된다. 거래의 크기는 보통 크고, 주식 및 기타 유가 증권의 수천 수백의 구매 및 판매를 포함 할 수있다. 그러나, 정량 거래는 더 일반적이되고 개인 투자자에 의해 사용된다. 정량 거래 가격과 볼륨을 분해하는 수학적 모델의 주요 입력으로 정량 분석에 사용되는 일반적인 데이터 입력이 있습니다. 정량적 거래 기술은 고주파 거래를 포함한다. 알고리즘 트레이딩 및 통계 차익. 이러한 기술은 속사이며, 일반적으로 단기 투자 지평을 가지고있다. 많은 양적 상인은 평균 및 발진기 이동과 같은 양적 도구, 더 잘 알고 있습니다. 이해 양적 무역 양이 상인은 현대 기술, 수학, 합리적인 거래 의사 결정에 대한 포괄적 인 데이터베이스의 가용성을 활용. 양적 상인은 무역 기술을 가지고 수학을 사용하여 모델을 만든 다음 그들은 역사적인 시장 데이터 모델을 적용하는 컴퓨터 프로그램을 개발한다. 이 모델은 다음 backtested 최적화입니다. 유리한 결과가 달성되면, 시스템은 실제 자본 실시간 시장에서 구현된다. 방법 정량 거래 모델 함수는 가장 유사성을 이용하여 설명 할 수있다. 태양이 빛나는 동안 기상 학자 비의 90 기회를 예측하는 일기 예보를 생각해 보자. 기상이 지역에 걸쳐 센서로부터 기후 데이터를 수집하고 분석하여이 반 직관적 결론을 도출한다. 전산화 정량 분석 데이터에서 특정 패턴을 보여준다. 이러한 패턴은 과거 기후 자료 (백 테스팅)에 계시 같은 패턴에 비해, 90 (100)의 타임 아웃 결과가 비 인 경우, 다음 기상 학자는 확신을 가지고 결론, 따라서 90 예측을 그릴 수 있습니다. 양적 상인은 거래 결정을 내릴 금융 시장이 동일한 프로세스를 적용합니다. 장점과 양적 무역의 단점은 거래의 목적은 수익성이 거래를 실행하는 최적의 확률을 계산하는 것이다. 효과적으로 모니터링, 분석 및 수신 데이터의 양 전에 증권의 제한된 수에 거래 결정을 내릴 수있는 전형적인 상인 의사 결정 과정을 압도한다. 정량적 거래 기술의 사용은 모니터링, 분석, 및 거래 결정을 자동화 시스템을 사용하여이 제한 조명. 감정을 극복하는 것은 무역으로 가장 널리 문제 중 하나입니다. 그것은 두려워하거나 거래 할 때 탐욕은 감정은 일반적으로 손실을 초래 합리적인 사고를 억압하는 역할을한다. 컴퓨터 및 수학 감정을 가지고 있지 않기 때문에 정량적 거래는이 문제를 제거합니다. 정량 거래는 문제를 가지고있다. 금융 시장이 존재하는 가장 역동적 인 실체의 일부입니다. 따라서, 정량 거래 모델은 지속적으로 성공하기 위해 동적이어야합니다. 많은 양적 상인은 일시적들이 개발되었다하는 시장 조건에 대한 수익성 모델을 개발하지만, 시장 상황이 변화 할 때 궁극적으로 실패합니다. 더 만기일과 채권. 영구 채권은 상환하지 않지만 영원히 관심의 꾸준한 스트림을 지불합니다. 의 일부. 경제 또는 금융 지수 년 시리즈의 첫 번째. 베이스 년 통상 대개의 수명 동안 어떤 시점 동사 지분 일정량으로 변환 할 수 1 본드의 임의의 레벨로 설정된다. 주식 시장에 투자 초과 수익률은 국채의 반환 등의 위험이없는 속도를 통해 제공합니다. 500 주식의 인덱스는 다른 요인들 중 시장 규모, 유동성 및 업계 그룹에 대한 선택. 의 S P 500은 디자인된다. 이 문서에서는 3 월 26 일, 2013 년 마이클 홀 - 무어에 의해 정량적 무역을위한 초보자 가이드 나는 엔드 - 투 - 엔드 양적 무역 체제와 함께 제공되는 기본 개념 몇 가지를 소개하려고 해요. 이 게시물은 희망이 관객을 제공합니다. 첫 번째는 양적 상인 등 펀드에서 일자리를 얻기 위해 노력하고 개인이 될 것입니다. 두 번째 시도하고 자신의 소매 알고리즘 트레이딩 사업을 설정하고자하는 개인 될 것입니다. 정량 거래 퀀트 금융의 매우 정교한 영역입니다. 이 면접을 통과하거나 자신의 거래 전략을 구축하는 데 필요한 지식을 얻기 위해 상당한 시간이 걸릴 수 있습니다. 뿐만 아니라를하지만은 MATLAB, R 또는 파이썬과 같은 언어로 적어도, 광범위한 프로그래밍 전문 지식이 필요합니다. 그러나 전략 증가의 거래 빈도로, 기술적 측면이 훨씬 더 관련이된다. 따라서 C에 대해 잘 알고있는 / C가 가장 중요 할 것이다. 정량적 거래 시스템은 네 가지 주요 구성 요소로 구성 전략 식별이 - 데이터를 취득, 전략의 성능을 분석하고 편견을 실행 시스템을 제거 - - 중개에 연결, 거래를 자동화하고 최소화 가장자리를 이용하고 거래 빈도 전략 백 테스팅을 결정, 전략을 찾기 거래는 리스크 관리 비용 - 최적의 자본 배분, 내기 크기 / 켈리 기준 및 무역 심리학 우리는 무역 전략을 식별하는 방법에 대해 살펴 보는 것으로 시작하겠습니다. 전략 식별 모든 정량적 거래 프로세스 연구의 초기에 시작한다. 이 연구 과정은 전략이 실행 전략을 테스트하는 데 필요한 데이터를 획득하고 높은 수익 및 / 또는 낮은 위험에 대한 전략을 최적화하기 위해 시도 할 수있는 다른 전략의 포트폴리오에 맞는지보고, 전략을 찾는 포함한다. 당신은 소매 상인과 방법을 모든 거래 비용이 전략에 영향을 미칠 것 같은 전략을 실행하는 경우 자신의 자본 요구 사항을 반영해야합니다. 일반적인 생각과는 달리 실제로는 다양한 공개 소스를 통해 수익성있는 전략을 찾기가 매우 간단합니다. 학자는 정기적으로 (거래 비용의 대부분은 총이기는하지만) 이론적 거래 결과를 게시 할 수 있습니다. 양적 금융 블로그는 세부 전략을 논의 할 것이다. 무역 저널 자금에 의해 고용 전략의 일부를 개설 할 것이다. 개인과 기업들이 수익성 전략을 논의하기 위해 촉각을 곤두 세우고있다 왜이 거래를 크롤 링 다른 사람이 장기적으로 작동 전략을 중지 할 수 있습니다 알고 때 특히, 질문 있습니다. 그 이유는 이들이 종종 수행 한 정확한 파라미터 및 튜닝 방법에 대해 설명하지 않을 것이라는 점이다. 이러한 최적화는 높은 수익성 하나에 상대적으로 평범한 전략을 선회하는 열쇠입니다. 사실, 자신 만의 독특한 전략을 만들 수있는 가장 좋은 방법 중 하나는 유사한 방법을 발견하고 자신의 최적화 과정을 수행하는 것입니다. 전략의 대부분이 평균 회귀와 트렌드 다음 / 모멘텀의 범주로 구분됩니다 볼 것이다 : 여기에 전략 아이디어를 찾고 시작하는 곳의 작은 목록입니다. 평균 되 돌리는 전략은 장기 (예 : 두 상관 자산의 스프레드 등) 가격이 시리즈에 의미한다는 사실을 악용 존재하고이 평균으로부터의 단기 편차가 결국 되돌아갑니다 하나입니다. 모멘텀 전략은 한 방향으로 힘을 모을 수있는 시장 추세에 타고 히치 하이킹으로 투자 심리와 큰 펀드 구조를 모두 이용하고, 이 반전 될 때까지 추세를 따라하려고합니다. 정량적 거래의 또 다른 양태는 대단히 중요한 거래 전략의 주파수이다. 저주파 거래 (LFT)는 일반적으로 거래 일보다 긴 자산을 보유하는 전략을 의미한다. 이에 대응하여, 고주파 거래 (HFT)는 일반적으로 자산의 장중를 유지하는 전략을 의미한다. 울트라 고주파 거래 (UHFT)는 초 (밀리 초) 정도의 자산을 보유 전략을 의미한다. 소매 개업으로 HFT와 UHFT는 있지만 거래 기술 스택 및 주문 책 역학의 상세한 지식을, 확실히 가능하다. 우리는 t이 소개 기사에서 어떤 훌륭한 정도에 이러한 측면을 논의했다. 전략되면, 또는 전략의 설정, 지금 확인 된 것은 과거 데이터를 수익성 검사를 할 필요가있다. 즉, 백 테스팅의 도메인입니다. 전략 백 테스팅은 백 테스트의 목적은 기록 및 밖으로의 샘플 데이터 모두에 적용 할 때, 상기 프로세스를 통해 식별 된 전략 수익성 증거를 제공하는 것이다. 이 전략은 현실 세계에서 수행하는 방법의 기대를 설정합니다. 그러나 백 테스팅은 여러 가지 이유로 성공의 보장, 아닙니다. 그것은 신중하게 고려하고 가능한 한 많이 제거되어야 수많은 편견을 수반하기 때문에 그것은 아마 양적 거래의 가장 미묘한 영역입니다. 우리는 봐 미리 바이어스를 포함하여 바이어스의 일반적인 유형에 대해 설명합니다. 생존 바이어스 최적화 바이어스 (또한 데이터 스누핑 바이어스로서 알려져 있음). 백 테스팅에서 중요한 다른 영역은 실제 거래 비용을 감안하고 강력한 백 테스팅 플랫폼을 결정, 가용성 및 히스토리 데이터의 청결을 포함한다. 우리는 아래의 실행 시스템 섹션에서 추가 거래 비용을 논의 할 것이다. 전략이 식별되면, 아마도 정련 테스트를 수행하고이를 통해 기록 된 데이터를 획득 할 필요가있다. 모든 자산 군에 걸쳐 데이터 공급 업체의 상당수가있다. 이들 비용은 일반적으로 데이터의 품질, 적시성 깊이로 확장. (적어도 소매 수준) 정량적 상인을 처음 전통적인 시작점 Yahoo 경리에서 설정된없는 데이터를 사용하는 것이다. 나는 t 오히려 내가 과거 데이터 세트를 처리 할 때 일반적인 문제에 집중하고 싶은, 너무 여기 공급자에 연연 원. 기록 데이터와 주요 관심사는 배당과 주식 분할 등 기업 활동에 대한 정확성 / 청결, 생존 바이어스 조정을 포함한다 : 정확도는 데이터의 전반적인 품질에 관한 - 그것은 오류가 포함되어 있는지 여부. 오류가 가끔 스파이크 필터와 같은, 쉽게 식별 할 수 있습니다. 이는 시계열 데이터에 잘못된 스파이크를 골라 그들에 대한 올바른 것입니다. 다른 시간에 그들은 발견하기가 매우 어려울 수 있습니다. 2 개 이상의 프로 바이더를하고 서로에 대해 그들의 모든 데이터를 확인하는 것이 필요하다. 생존 바이어스는 종종 무료 또는 저렴한 데이터 세트의 기능입니다. 생존 바이어스와 데이터 세트는 더 이상 거래하는 자산을 포함하지 않는 것을 의미한다. 주식의 경우 이것은 상장 폐지 / 파산 축적량을 말한다. 이 바이어스는 과거 수상자가 이미 사전 선택 된 같은 데이터 집합에서 테스트 모든 주식 거래 전략 가능성이 현실 세계에서보다 더 나은 수행하는 것을 의미합니다. 기업 활동은 일반적으로 가격의 복귀의 계산에 포함되지 않아야 원료 가격의 스텝 함수의 변화를 야기하는 회사에 의해 수행 물류 활동을 포함한다. 배당과 주식 분할에 대한 조정은 일반적인 범인입니다. 다시 조정으로 알려진 프로세스는 다음 작업 중 각각에서 수행 할 필요가있다. 하나는, true를 돌려줍니다 조정으로 주식 분할을 혼동하지 않도록 매우주의해야합니다. 많은 공급자가 그 소프트웨어 플랫폼을 사용하는 것이 필요하다 backtest 절차를 수행하기 위해 기업의 동작에 의해 발견되었다. 당신은 TradeStation를, 엑셀 또는 MATLAB 또는 파이썬이나 C와 같은 프로그래밍 언어의 완전한 사용자 정의 구현 등의 수치 플랫폼으로 전용 backtest 소프트웨어 사이에 선택할 수 있습니다. 나는 (이유는 아래에 설명을위한) 전체 사내 기술 스택을 만드는 생각으로 나는 t, TradeStation를 (또는 유사), Excel 또는 MATLAB에 너무 연연 원. 이렇게의 장점 중 하나는 backtest 소프트웨어 실행 시스템이 매우 빡빡한 고급 통계 전략으로 통합 될 수 있다는 것이다. 특히 HFT 전략을 위해 사용자 정의 구현을 사용하는 것이 필수적입니다. 시스템을 백 테스팅 할 때 하나는 실적을 정량화 할 수 있어야합니다. 양적 전략에 대한 업계 표준 측정 항목은 최대 삭감과 샤프 비율입니다. 최대 삭감은 특정 시간주기 (일반적으로 연간) 위에 계정 지분 곡선의 최대 피크 - 대 - 골 드롭 특징. 이것은 대부분의 경우 백분율로 인용된다. LFT 전략 때문에 통계적 요인에 HFT 전략보다 큰, 드로을 갖는 경향이있다. 역사적 backtest는 전략의 미래 삭감 성능에 대한 좋은 가이드 과거 최대 삭감을 보여줍니다. 두 번째 측정 경험적 그 초과 수익의 표준 편차로 나눈 초과 수익의 평균으로 정의되는 샤프 비율이다. 여기에, 초과 수익률은 미리 정해진 기준 위의 전략의 반환을 의미한다. P500는 S 또는 3 개월 재무부 명세서 등. 그 연간 수익률이 계정에 (샤프 비율과 달리) 전략의 변동성을 고려하지 않는 한 일반적으로 사용되는 측정 아닙니다. 전략은 backtested 왔으며 좋은 샤프 최소화하여, 드로 (만큼 그 수로) 바이어스없는 것으로 간주되면, 이 실행 시스템을 구축하기위한 시간이다. 실행 시스템은 실행 시스템은 전략에 의해 생성 된 거래 목록이 브로커에 의해 전송 및 실행하는 수단이다. 무역 생성이 반기 또는 완전히 자동화 할 수 있다는 사실에도 불구하고, 실행 메커니즘은 수동, 반 수동 (즉, 한 번의 클릭)이거나 완전 자동화 할 수 있습니다. LFT 전략, 수동 및 반 수동 기술이 일반적이다. HFT 전략을 위해 종종 밀접 (인해 전략 및 기술의 상호 의존성) 무역 발생기와 결합 될 전자동 실행 메커니즘을 만들 필요가있다. 실행 시스템을 만들고 주요 고려 사항은 중개의 인터페이스이다. 트랜잭션 (위원회, 미끄러짐 및 확산 포함) 비용과 backtested 성능에서 라이브 시스템의 성능의 차이의 최소화. 중개에 인터페이스하는 방법에는 여러 가지가 있습니다. 그들은 완전 자동화 된 고성능 애플리케이션 프로그래밍 인터페이스 (API)에 바로를 통해 전화에 브로커를 호출 이르기까지 다양합니다. 이상적으로는 최대한하여 거래의 실행을 자동화 할. 이것은 추가 연구에 집중할뿐만 아니라 여러 전략 또는 더 높은 주파수의도 전략을 실행할 수 있도록 당신을 자유롭게 (사실, HFT는 자동 실행하지 않고 본질적으로 불가능하다). 이러한 MATLAB, Excel 및 TradeStation를 위에서 설명한 일반적인 백 테스팅 소프트웨어는 낮은 주파수, 간단한 전략 좋다. 그러나 실제 HFT를 수행하기 위해 C와 같은 고성능 언어로 작성된 사내 실행 시스템을 구축 할 필요가있다. 일화로, 펀드에 나는 우리가 우리가 새로운 시장 데이터를 10 분마다 다운로드 한 다음 같은 기간에 그 정보를 기반으로 거래를 실행하는 것 10 분 거래 루프를 가지고, 에 이용 될하는 데 사용됩니다. 이 최적화 된 파이썬 스크립트를 사용 하였다. minute - 또는 두 번째 주파수 데이터에 접근하는 것을, 나는 C / C가 더 이상적 일 것이다 생각합니다. 큰 펀드에서 종종 실행을 최적화 할 수있는 퀀트 상인의 영역이 아니다. 그러나 작은 상점 또는 HFT 회사에서 상인이 집행되고, 그래서 훨씬 더 넓은 스킬은 종종 바람직하다. 당신이 기금으로 사용될하고자하는 경우 염두에 곰. 당신의 프로그래밍 기술은 통계와 계량 경제학의 재능보다 거래 비용 최소화의 인 실행의 기치에 해당 또 다른 주요 문제가되지 더 그렇다면, 중요 할 것이다. 당신이 할 수있는 주문을 의도의 차이는 중개, 교환 및 증권 거래위원회 (또는 이와 유사한 정부 규제 기관) 미끄러짐에 의해 부과되는 요금입니다위원회 (또는 세금) : 거래 비용에 세 가지 구성 요소는 일반적으로있다 무엇 실제로 확산에 가득 차 있었다 것은, 입찰의 차이 인 대에서 충전 / 보안이 거래되는 가격을 부탁드립니다. 스프레드가 일정하지 않은 시장에서 현재 유동성 (구매 / 판매 주문 즉, 가용성)에 의존합니다. 거래 비용은 좋은 샤프 비율이 매우 수익성있는 전략과 끔찍한 샤프 비율이 매우 수익성이 전략의 차이를 만들 수 있습니다. 정확하게 backtest에서 거래 비용을 예측하는 도전이 될 수 있습니다. 전략의 주파수에 따라 가격을 물어 / 입찰 틱 데이터를 포함 할 것이다 과거의 데이터에 액세스해야합니다. quants의 전체 팀은 이러한 이유로, 더 큰 자금에 실행의 최적화에 최선을 다하고 있습니다. 펀드는 거래의 상당한 양을 오프로드 할 필요가있는 경우를 생각해 볼 수 있습니다 (있는 이유는 많은과 다양 할 수 있습니다). 시장에 너무 많은 주식을 투기함으로써, 그들은 신속하게 가격을 우울하게하고 최적의 실행을 얻을 수 있습니다. 다음 펀드는 미끄러짐의 위험이 있지만, 따라서 시장에있는 물방울 공급 주문 알고리즘은 존재한다. 또한 그에게 다른 전략은 이러한 필요성에 먹이와 비 효율성을 악용 할 수 있습니다. 이 펀드 구조 차익의 도메인입니다. 실행 시스템에 대한 최종 주요 문제는 backtested 성능의 전략 성과의 차이에 관한 것이다. 이 원인으로는 여러 가지가 있습니다. backtests을 고려할 때 우리는 이미 봐 미리 바이어스와 깊이에 최적화 편견을 논의했습니다. 그러나 일부 전략은 쉽게 배포하기 전에 이러한 편견을 테스트 할 수 있도록하지 않습니다. 이것은 대부분의 주로 HFT에서 발생합니다. 실행 시스템에서 버그뿐만 아니라 backtest에 표시되지 않지만 실제 거래에 표시 마십시오 거래 전략 자체가있을 수 있습니다. 시장은 전략의 전개에 이어지는 정권 교체의 대상이되었을 수도 있습니다. 새로운 규제 환경, 변화하는 투자 심리와 거시 경제 현상 할 수있는 시장이 이렇게 전략의 수익성을 작동하는 방법에 이견 모든 리드. 리스크 관리 정량적 거래 퍼즐의 마지막 조각은 위험 관리의 과정이다. 위험은 우리가 논의했던 이전의 편견을 모두 포함한다. 그러한 서버가 갑자기 하드 디스크 고장 현상 교환기에서 동일 위치로서 기술 위험을 포함한다. 그것은 같은 브로커가 파산되는 등, 중개 위험을 포함한다 (그것이 소리로 MF 글로벌과 최근 겁을 주어, 미친되지 않음). 즉 그것은 아마도 많은 소스가있는 거래 구현을 방해 할 수있는 거의 모든 것을 다루고 있습니다. 전체 책은 내가 t 여기에 위험의 가능한 모든 소스를 해명하려고 못해 있도록 양적 전략에 대한 위험 관리에 전념하고 있습니다. 위험 관리는 최적의 자본 배분으로 알려진 것을 포함한다. 어떤 포트폴리오 이론의 한 분야이다. 이는 자본 다른 전략 설정하고, 그 전략 내의 거래에 할당되는 방식이다. 그것은 복잡한 지역과 일부 비 사소한 수학에 의존합니다. 전략의 최적의 자본 배분 및 활용이 관련되어있는 업계 표준은 켈리 기준이라고합니다. 이 입문 문서이기 때문에, 나는 t의 계산에 연연 원. 켈리 기준은 구현에 올 때 상인들은 보수적, 그래서 자주하지 않는 금융 시장에서 성립 수익률의 통계적 특성에 대한 몇 가지 가정을합니다. 리스크 관리의 또 다른 주요 구성 요소는 하나 자신의 심리적 프로파일을 다루는입니다. 거래에 크리프 수있는 많은인지 적 편견이있다. 전략이 방치되는 경우이 인정 하듯이 알고리즘 트레이딩 덜 문제가 있지만 일반적인 편견지는 위치로 인해 손실을 실현해야하는 고통에게 닫히지 않습니다 손실 회피한다는 것입니다. 이미 얻은 이익을 잃을 두려움이 너무 큰 수 있기 때문에 마찬가지로 이익을 너무 일찍 촬영 할 수 있습니다. 또 다른 일반적인 바이어스 최신 성 바이어스로 알려져있다. 상인이 최근의 이벤트가 아닌 장기에 너무 많은 중점을두고 때 드러난다. 공포와 탐욕 - 그럼 물론 고전적인 감정적 인 편견의 한 쌍있다. 이들은 종종 블로우 업 (제로 또는 악화에 즉 계정 지분 호) 또는 감소 된 이익을 일으킬 수, 부족 또는 과다 레버리지가 발생할 수 있습니다. 요약 된 바와 같이, 정량 거래 양적 금융 매우 흥미 영역이라도, 매우 복잡하다. 말 그대로이 문서의 주제의 표면을 긁으며 이미 다소 긴 항목의 책과 논문이 난 단지쪽으로 문장이나 두 문장을 준 문제에 대해 기록 된 받고있다. 그 때문에, 정량 자금 거래 작업에 적용하기 전에, 그것을 기초 연구의 상당한 양을 행할 필요가있다. 최소한 당신은 당신의 기술 세트는 가능성이 같은 높은 주파수 끝에 더 정교한 전략을 위해 MATLAB, 파이썬이나 R. 같은 프로그래밍 언어를 통해 구현에 많은 경험과 통계 및 계량 경제학에서 광범위한 배경을해야합니다 리눅스 커널 수정, C / C, 어셈블리 프로그래밍과 네트워크 대기 시간 최적화를 포함합니다. 당신이 당신의 자신의 알고리즘 트레이딩 전략을 만들려고에 관심이 있다면, 내 첫 번째 제안은 프로그램에서 좋은 얻을 것입니다. 내 취향은 가능한 한 직접 데이터 그래버, 전략 backtester 및 실행 시스템을 많이 구축하는 것입니다. 자신의 자본이 라인에있는 경우, 당신은 잠재적으로 단기간에 시간을 절약하면서, 수, 완전히 시스템을 시험하고 그 함정과 공급 업체에이 아웃소싱 특정 문제에 대해 알고있는 것을 알고 밤에 더 잠을 t 같으면 장기적으로 매우 비싼. 마이클 홀 - 무어 마이크 QuantStart의 설립자이며, 주로 퀀트 개발자 이후 헤지 펀드에 대한 퀀트 상인 컨설팅으로, 지난 5 년 동안 양적 금융 산업에 참여하고있다.
