Quantitative Options Strategies

As estratégias quantitativas de investimento evoluíram em ferramentas muito complexas com o advento de computadores modernos, mas as raízes das estratégias remontam a mais de 70 anos. Geralmente são executadas por equipes altamente instruídas e usam modelos proprietários para aumentar sua capacidade de Vencer o mercado Há ainda off-the-shelf programas que são plug-and-play para aqueles que procuram simplicidade Quant modelos sempre funcionam bem quando volta testado, mas suas aplicações reais e taxa de sucesso são discutíveis Enquanto eles parecem funcionar bem em mercados de touro Quando os mercados ficam mal, as estratégias quanti está sujeita aos mesmos riscos que qualquer outra estratégia. A história Um dos pais fundadores do estudo da teoria quantitativa aplicada ao financiamento foi Robert Merton Você só pode imaginar o quão difícil e demorado o processo foi Antes do uso de computadores Outras teorias em finanças também evoluíram de alguns dos primeiros estudos quantitativos, incluindo a base de base de diversificação de carteira D na teoria da carteira moderna O uso de finanças quantitativas e cálculos levou a muitas outras ferramentas comuns, incluindo uma das mais famosas, Black-Scholes fórmula opção de preço, que não só ajuda os investidores preço opções e desenvolver estratégias, mas ajuda a manter os mercados Em cheque com a liquidez. Quando aplicado diretamente à gestão de carteiras a meta é como qualquer outra estratégia de investimento para agregar valor, alfa ou excesso retorna Quants, como os desenvolvedores são chamados, compor modelos matemáticos complexos para detectar oportunidades de investimento Há tantos modelos lá fora Como quants que desenvolvê-los, e todos afirmam ser o melhor Um dos pontos de uma estratégia de investimento quantita s best-seller é que o modelo e, finalmente, o computador, faz a decisão de compra de compra real, não um humano Isso tende a remover qualquer emocional Resposta que uma pessoa pode experimentar ao comprar ou vender investimentos. As estratégias de acordo são agora aceitas na comunidade do investimento e funcionadas por fundos mútuos, fundos de hedge um D investidores institucionais Eles normalmente vão pelo nome alfa geradores ou alfa gens. Behind the Curtain Assim como em The Wizard of Oz, alguém está por trás da cortina de condução do processo Como com qualquer modelo, é apenas tão bom como o humano que desenvolve o Embora não exista um requisito específico para se tornar um quant, a maioria das empresas que executam modelos quant combinam as habilidades de analistas de investimento, estatísticos e programadores que codificam o processo nos computadores Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum Para ver credenciais como pós-graduação e doutorado em finanças, economia, matemática e engenharia. Historicamente, esses membros da equipe trabalhou nos escritórios de volta, mas como modelos quant se tornou mais comum, o back office está se movendo para o front office. A taxa de sucesso global é discutível, a razão de algumas estratégias quant trabalho é que eles são baseados em disciplina Se o modelo é certo, a disciplina mantém E que trabalham com computadores de velocidade relâmpago para explorar ineficiências nos mercados com base em dados quantitativos Os próprios modelos podem ser baseados em tão poucas razões como a dívida de PE para o crescimento da equidade e dos lucros, ou usar milhares de insumos trabalhando juntos no mesmo Time. Successful estratégias podem pegar em tendências em seus estágios iniciais como os computadores constantemente executar cenários para localizar ineficiências antes de outros fazer Os modelos são capazes de analisar um grande grupo de investimentos simultaneamente, onde o analista tradicional pode estar olhando para apenas alguns Em um momento O processo de triagem pode classificar o universo por níveis de grau como 1-5 ou AF, dependendo do modelo Isso torna o processo de negociação real muito simples, investindo nos investimentos altamente cotados e vendendo os mais baixos. Up de estratégias como longo, curto e longo curto fundos bem sucedidos quant manter um olho afiado no controle de risco devido à natureza de seus modelos M Ost estratégias começam com um universo ou benchmark e uso setor e ponderações da indústria em seus modelos Isso permite que os fundos para controlar a diversificação, em certa medida, sem comprometer o próprio modelo Quant fundos normalmente são executados em uma base de custo mais baixo porque eles don t necessidade de tantos Analistas tradicionais e gestores de carteira para executá-los. Desvantagens de estratégias Quant Há razões por que tantos investidores não abraçar totalmente o conceito de deixar uma caixa preta executar seus investimentos Para todos os fundos bem sucedidos quant lá fora, assim como muitos parecem ser malsucedido A gestão de capital de longo prazo foi um dos mais famosos fundos de hedge, uma vez que foi gerido por alguns dos mais respeitados líderes acadêmicos e dois economistas ganhadores do Prêmio Nobel Myron S Scholes e Robert C Merton Durante a década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Ere famoso por não só explorar as ineficiências, mas usando o acesso fácil ao capital para criar apostas alavancadas enormes sobre as direções do mercado. A natureza disciplinada de sua estratégia realmente criou a fraqueza que levou ao seu colapso Long Term Capital Management foi liquidado e dissolvido no início de 2000 Seus modelos não incluem a possibilidade de que o governo russo poderia inadimplência sobre alguns de sua própria dívida Este evento desencadeou eventos e uma reação em cadeia ampliada pelo alvoroço criado havoc LTCM foi tão fortemente envolvido com outras operações de investimento que seu colapso afetou os mercados mundiais , Desencadeando eventos dramáticos A longo prazo, o Federal Reserve interveio para ajudar, e outros bancos e fundos de investimento apoiou LTCM para evitar mais danos Esta é uma das razões quant fundos podem falhar, uma vez que são baseados em eventos históricos que podem Não incluir eventos futuros. Enquanto uma equipa de quant forte vai constantemente acrescentando novos aspectos aos modelos para prever o futuro Eventos, é impossível prever o futuro cada vez Quant fundos também podem tornar-se oprimido quando a economia e os mercados estão experimentando maior do que a volatilidade média Os sinais de compra e venda pode vir tão rapidamente que a alta rotatividade pode criar comissões elevadas e eventos tributáveis Quant fundos também pode representar um perigo quando eles são comercializados como à prova de urso ou são baseados em estratégias de curto Previsão de recessões usando derivativos e combinação de alavancagem pode ser perigoso Um giro errado pode levar a implosões, que muitas vezes fazem a notícia. As estratégias evoluíram de caixas pretas de back office para ferramentas de investimento mainstream Eles são projetados para utilizar as melhores mentes no negócio e os computadores mais rápidos tanto para explorar as ineficiências e alavancar uso para fazer apostas no mercado Eles podem ser muito bem sucedidos se os modelos têm incluído todos os Direita e são ágeis o suficiente para prever eventos anormais do mercado Por outro lado, enquanto os fundos quant são rigorosamente Back testado até que eles trabalham, a sua fraqueza é que eles dependem de dados históricos para o seu sucesso Embora o estilo de estilo de investimento tem seu lugar no mercado, é importante estar ciente de suas deficiências e riscos Para ser coerente com as estratégias de diversificação é uma boa Idéia de tratar estratégias quant como um estilo de investimento e combiná-lo com as estratégias tradicionais para alcançar a diversificação adequada. A taxa de juros em que uma instituição depositária empresta fundos mantidos no Federal Reserve para outra instituição depositária.1 Uma medida estatística da dispersão de retornos para Um dado índice de segurança ou mercado A volatilidade pode ser medido. Um ato que o Congresso dos EUA aprovou em 1933 como a Lei Bancária, que proibia os bancos comerciais de participar do investimento. A folha de pagamento não-agrícola refere-se a qualquer trabalho fora das fazendas, Setor O US Bureau of Labour. The sigla de moeda ou símbolo de moeda para a rupia indiana INR, a moeda de I Ndia A rupia é composta de 1. Uma oferta inicial sobre os ativos de uma empresa falida de um comprador interessado escolhido pela empresa falida De um pool de licitantes. Negociação quantitativa. O que é negociação quantitativa. Negociação quantitativa consiste em estratégias de negociação com base em quantitativa Análise que se baseiam em cálculos matemáticos e número crunching para identificar oportunidades de negociação Como o comércio quantitativo é geralmente usado por instituições financeiras e fundos de hedge as transações são geralmente de grande porte e pode envolver a compra e venda de centenas de milhares de ações e outros títulos No entanto, O comércio quantitativo está se tornando mais comumente usado por investidores individuais. BREAKING DOWN Quantitative Trading. Price e volume são duas das entradas de dados mais comuns utilizados na análise quantitativa como as principais entradas para modelos matemáticos. As técnicas de negociação quantitativa incluem negociação de alta freqüência de negociação algorítmica e Arbitragem estatística Estas técnicas são de fogo rápido e ty Pically têm horizontes de investimento a curto prazo Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, tais como médias móveis e osciladores. Compreendendo comerciantes Quantitative Trading. Quantitative tirar proveito da tecnologia moderna, matemática ea disponibilidade de bases de dados abrangentes para tomar decisões de negociação racional. Os comerciantes tomam uma técnica de negociação e criar um modelo de que usando a matemática e, em seguida, eles desenvolvem um programa de computador que se aplica o modelo de dados históricos do mercado O modelo é então testado e otimizado Se resultados favoráveis ​​são alcançados, Tempo com o capital real. A maneira que a função quantitativa dos modelos negociando pode melhor ser descrita usando uma analogia Considere um relatório do tempo em que o meteorologist prevê uma possibilidade 90 da chuva quando o sol estiver brilhando O meteorologist deriva esta conclusão counterintuitive coletando e analisando dados do clima De sensores em toda a área A c Quando esses padrões são comparados com os mesmos padrões revelados em backtesting de dados climáticos históricos, e 90 de cada 100 vezes o resultado é chuva, então o meteorologista pode tirar a conclusão com confiança, daí a previsão de 90 Os comerciantes quantitativos aplicam este mesmo processo ao mercado financeiro para fazer trading decisions. Advantages e desvantagens de Trading Quantitative. O objectivo da negociação é calcular a probabilidade ótima de executar um comércio rentável Um comerciante típico pode efetivamente monitorar, analisar e tomar decisões comerciais em um Número limitado de títulos antes que a quantidade de dados entrantes esmaga o processo de tomada de decisão O uso de técnicas de negociação quantitativas ilumina este limite usando computadores para automatizar as decisões de monitoramento, análise e negociação. Overting emoção é um dos problemas mais difundidos com a negociação Seja medo ou ganância, ao negociar, a emoção serve Para sufocar o pensamento racional, que geralmente leva a perdas Computadores e matemática não possuem emoções, de modo quantitativa negociação elimina este problema. Negociação quantitativa tem seus problemas Mercados financeiros são algumas das entidades mais dinâmicas que existem Portanto, os modelos de negociação quantitativa deve ser Como dinâmico para ser consistentemente bem sucedido Muitos comerciantes quantitativos desenvolvem os modelos que são temporariamente rentáveis ​​para a condição de mercado para que foram desenvolvidos, mas falham finalmente quando as condições de mercado mudam. O termo arbitrage stat-arbit estatístico abarca uma variedade larga de estratégias de investimento que tipicamente Visam explorar uma relação de equilíbrio estatística entre dois ou mais títulos O principal geral é que qualquer divergência do equilíbrio é um efeito temporário e que as apostas devem ser colocadas sobre o processo de reverter a seu equilíbrio. A principal ressalva de stat-arb pares de negociação Tipo é que como a divergência de equilíbrio M cresce o comércio torna-se mais desejável, porém em algum ponto a divergência vai crescer tão grande que se tem de admitir que a relação de equilíbrio não existe mais o modelo está quebrado Naturalmente, é desejável estimar o poder dos instrumentos estatísticos utilizados para determinar estes Esta postagem investigará o poder dos testes estatísticos em relação à negociação de pares para os seguintes testes estatísticos: ADF, BVR, HURST, PP, PGFF, JO-T e JO - E O princípio geral é que para dois estoques e eles formam um par estacionário e, por definição, reverting média se a seguinte equação mantém. Se é entre e depois e são co-integrados, é o coeficiente de reversão média Um teste estatístico Deve ser realizada para verificar se, isso é conhecido como um teste de raiz unitária Se a série contém uma raiz unitária não é adequado para negociação de pares Existem vários testes raiz unitária, cada um executando um teste diferente no resi Duplo processo Poder-se-ia sentir-se tentado a estimar o modelo residual de AR 1 e verificar se utiliza o método de regressão linear convencional calculando a razão t padrão. No entanto, foi demonstrado por Dicky e Fuller 1979 que a razão t não segue a distribuição t, Portanto, testes de significância não-padrão são necessários conhecidos como testes de raiz unitária. Como com todos os modelos há trade off ao determinar o tamanho da janela de treinamento, muito tempo uma janela eo modelo pode conter dados irrelevantes e ser lento para ajustar a eventos recentes também Uma janela curta eo modelo apenas responde a eventos recentes e esquece rapidamente eventos passados ​​Este trade-off é problemático em testes de co-integração, foi demonstrado em Clegg, M janeiro de 2014 Sobre a persistência da cointegração em pares de negociação que para uma janela fixa Tamanho do poder da maioria dos testes de raiz unitária diminuir como tende a 1 a partir de baixo, para 250 pontos de dados com a barragem de testes de co-integração só detectar a co-integração menos de 25 do tempo. Intuitiv Ely isso faz sentido, mais lento o processo é reverter os pontos mais dados serão necessários para ver a reversão É um tanto indesejável que o poder dos testes raiz unitária variam dependendo das propriedades do processo subjacente, no entanto, não é necessário Para trocas de pares de sucesso que todos os pares co-integrados são identificados como tal, a propriedade de poder variável de testes de raiz unitária é em grande parte irrelevante. O que é mais interessante é a taxa de falso positivo, assim pares identificados como reverter média quando eles não são e como persistente Os resultados são. Gerar 1000 séries de tempo co-integrado com e uniformemente distribuído no conjunto, e no conjunto de acordo com Clegg isso é semelhante aos tipos de pares de estoque encontrados na realidade Repita isso para diferentes comprimentos de séries temporais e teste para ver Quantas séries de tempo são corretamente classificadas como co-integradas reverberação média usando vários testes para diferentes pValues. In a maioria dos testes PP e PGFF superar os outros métodos W Quando o processo foi fortemente revertido com menos de 0 85, os testes PP, PGFF, JO-E e JO-T identificaram corretamente o processo como uma média co-integrada que reverteu mais de 75 do tempo em pValue 0 01 Para alguns dos retornos mais fracos Pares com mais de 0 95 o desempenho dos testes estatísticos é lamentável com apenas 250 pontos de dados. Vale a pena ter em mente que 250 pontos de dados é approximatlythe número de dias de negociação em um ano, e talvez dá uma indicação de quanto os dados históricos É necessário em uma estratégia de negociação de pares. Testes Positivos Positivos. Follow o mesmo procedimento delineado para o teste de precisão, mas escolheu no conjunto para gerar séries de tempo que isn t co-integrado Veja que percentagem dos caminhos falsamente reportados como co-integrado significa Reverting. I nunca viu este gráfico em um livro de texto e foi surpreendido com os resultados, tanto HURST e BVR relatório mais falsos positivos como aumentos Quanto mais o processo explode mais provável o teste foi para mostrar um falso positivo. Thankfull E os outros testes se comportam de forma razoável com poucos falsos positivos. Esta parte do tutorial sobre o uso do algoritmo NEAT explica como os genomas são cruzados de forma significativa mantendo sua informação topológica e como o genoma do grupo de especiação em espécies pode ser usado para proteger fracos Genomas com novas informações topológicas de prematuramente ser erradicada do pool de genes antes de seu espaço de peso pode ser optimized. The primeira parte deste tutorial pode ser encontrada here. Tracking História do Gene através da Inovação Numbers. Part 1 mostrou duas mutações, link mutação e mutação nó Que ambos adicionaram novos genes ao genoma Cada vez que um novo gene é criado através de uma inovação topológica, um número de inovação global é incrementado e atribuído a esse gene. O número de inovação global está rastreando a origem histórica de cada gene Se dois genes têm a mesma inovação Número então eles devem representar a mesma topologia embora os pesos possam ser diferentes Isto é explorado durante o gene Crossover. Genome crossover Mating. Genomes crossover leva dois genomas pai permite chamá-los A e B e cria um novo genoma permite chamá-lo a criança a tomar os genes mais fortes de A e B copiando todas as estruturas topológicas ao longo do caminho. Durante o cruzamento genes de ambos Os genomas são alinhados usando seu número de inovação Para cada número de inovação o gene do pai mais apto é selecionado e inserido no genoma infantil Se ambos os genomas pai são a mesma aptidão, em seguida, o gene é aleatoriamente selecionado a partir de qualquer pai com igual probabilidade Se a inovação Número está presente apenas em um dos pais, então isso é conhecido como um gene disjunto ou excesso e representa uma inovação topológica, ele também é inserido na criança. A imagem abaixo mostra o processo de cruzamento para dois genomas da mesma fitness. Speciation leva todos os Genomas em um determinado conjunto de genomas e tenta dividi-los em grupos distintos conhecidos como espécies. Os genomas em cada espécie terão características semelhantes. A medida natural a ser usada seria uma soma ponderada do número de genes em excesso disjuntos que representam diferenças topológicas e a diferença de pesos entre genes de correspondência Se a soma ponderada estiver abaixo de um certo limiar, então os genomas são da mesma espécie. A vantagem de dividir os genomas em espécies é que durante o passo de evolução genética onde os genomas com baixa aptidão são eliminados completamente do conjunto do genoma em vez de ter cada genoma Luta por seu lugar contra todos os outros genomas em todo o genoma piscina podemos fazê-lo lutar por ele s lugar contra genomas da mesma espécie Esta espécie forma que se formam a partir de uma nova inovação topológica que pode não ter uma alta aptidão ainda devido a não Tendo it s pesos otimizados irá sobreviver ao culling. Summary de whole. Create processo genoma pool com n genomas random. Take cada genoma e aplicar a p Roblem e calcular o genoma fitness. Assign cada genoma para uma species. In cada espécie abater os genomas removendo alguns dos genomas mais fracos. Breed cada espécie aleatoriamente selecionar genomas na espécie de crossover ou mutate. Repeat todos os acima. Post navegação.