양적 외환 거래

양적 교역. 양적 교역이란 무엇인가? 양적 교역은 수학적 계산과 수 처리에 의존하는 계량 분석에 기초한 거래 전략으로 구성되어 거래 기회를 파악합니다. 양적 거래는 일반적으로 금융 기관과 헤지 펀드에서 사용되므로 대개 거래가 크고 수십만 종의 주식 및 기타 유가 증권의 매매가 포함될 수 있습니다. 그러나 양적 거래는 개인 투자자들에 의해 보편적으로 사용됩니다. 수량 적 거래 중단. 수량 및 거래량은 정량 분석에서 사용되는 일반적인 데이터 입력 중 두 가지입니다. 정량적 거래 기법에는 고주파 거래 알고리즘 거래 및 통계 차익 거래가 포함됩니다. 이러한 기법은 신속한 투자이며 일반적으로 단기 투자 지평을 가지고 있습니다. 많은 양적 거래자는 이동 평균 및 오실레이터와 같은 정량적 도구에 더 익숙합니다. Und 이해하기 쉬운 양적 거래. 양적 거래자는 현대 기술, 수학 및 합리적인 거래 결정을 내리는 데 필요한 포괄적 인 데이터베이스를 이용할 수 있습니다. 양적 거래자는 거래 기법을 사용하고 수학을 사용하여 거래 모델을 작성한 다음이를 적용하는 컴퓨터 프로그램을 개발합니다. 모형은 역사적인 시장 자료에 그 때 모형은 철저히 시험되고 낙관된다 유리한 결과가 달성되는 경우에, 체계는 진짜 자본을 가진 순간 시장에서 그 때 실행된다. 양적 인 무역 모형이 작용하는 방법은 유례를 사용하여 잘 기술 될 수있다. 기상 학자는 태양이 비치고있는 동안 비가 내릴 확률이 90 일 것이라고 예보합니다. 기상 학자는 지역 전체의 센서로부터 기후 데이터를 수집하고 분석하여이 직관적 인 결론을 도출합니다. 컴퓨터 화 된 정량 분석은 데이터의 특정 패턴을 나타냅니다. 이러한 패턴을 동일한 패턴 역사적으로 드러난 기후 데이터 백 테스트 및 100 배 중 90 건이 비가 내리기 때문에 기상 학자는 확신을 가지고 결론을 도출 할 수 있으므로 90 대 Quantitative 거래자는 이와 동일한 프로세스를 금융 시장에 적용하여 거래 의사 결정을 내릴 수 있습니다. 양적 거래의 장점과 단점. 거래의 목적은 수익성 높은 거래를 수행하는 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 기법 이 한도는 컴퓨터를 사용하여 모니터링, 분석 및 거래 의사 결정을 자동화함으로써이 한계를 비 춥니 다. 다가오는 감정은 거래에서 가장 보편적 인 문제 중 하나입니다. 거래를 할 때 감정이 두려움이나 욕심을 느끼면 합법적 인 생각을 억 누르는 역할 만합니다. 컴퓨터와 수학은 감정을 가지고 있지 않으므로 양적 거래는이 프로를 제거합니다. 정량적 거래에는 문제가있다. 금융 시장은 존재하는 가장 역동적 인 존재이다. 따라서 양적 거래 모델은 일관되게 성공하기 위해서는 역동적이어야한다. 많은 양적 거래자는 그들이 개발 된 시장 조건에 대해 일시적으로 수익을내는 모델을 개발한다 시장 상황이 바뀌면 궁극적으로 실패합니다. 퀀트 전략 - 당신을위한 것입니다. 정량적 투자 전략은 현대 컴퓨터의 출현과 함께 매우 복잡한 도구로 발전했지만 뿌리부터 70 년 전으로 거슬러 올라갑니다. 이들은 일반적으로 고학력자 팀을 독점적으로 사용하여 시장을 이길 수있는 독점적 인 모델을 사용합니다. 단순성을 추구하는 사람들을 위해 플러그 앤 플레이 방식의 상용 프로그램도 있습니다. 퀀트 모델은 다시 테스트 할 때 항상 올바르게 작동하지만 실제 응용 프로그램 및 성공률은 논쟁의 여지가없는 시장 시장이 혼란에 빠지면 황소 시장에서 잘 작동하는 것처럼 보이지만 퀀트 전략은 다른 전략과 동일한 위험에 직면했습니다. 역사 금융에 적용된 정량적 이론 연구의 창시자 중 한 사람은 Robert Merton입니다. 컴퓨터를 사용하기 전에 프로세스가 얼마나 어렵고 시간이 오래 걸리는지 상상할 수 있습니다. 금융에 대한 다른 이론 또한 현대 포트폴리오 이론에 기반한 포트폴리오 다변화의 기초를 포함하여 최초의 정량적 연구의 일부에서 진화했습니다. 양적 금융과 미적분을 모두 사용하여 가장 유명한 Black-Scholes 옵션 가격 결정 공식 중 하나를 비롯한 많은 다른 일반적인 도구를 사용했습니다. 이는 투자자가 가격 옵션을 선택하고 전략을 개발하는 데 도움이 될뿐만 아니라 유동성으로 시장을 점검하는 데 도움이됩니다. 포트폴리오 관리에 직접 적용되는 경우 목표는 가치, 알파 또는 초과 수익을 추가하는 다른 투자 전략과 같습니다. 개발자는 , 복잡한 수학적 모델을 작성하여 투자 기회를 발견하십시오. 개발중인 콴트만큼이나 많은 모델이 있습니다. 모든 것이 최고라고 주장합니다. 양적 투자 전략 중 베스트셀러 포인트 중 하나는 모델이 궁극적으로 컴퓨터가 인간이 아닌 실제 구매 결정을 내리는 것입니다. 이는 사람이 경험할 수있는 감정적 인 반응을 제거하는 경향이 있습니다 매수 또는 매도. Quant 전략은 이제 투자 커뮤니티에서 받아 들여지고 뮤추얼 펀드, 헤지 펀드 및 기관 투자가가 운영합니다. 일반적으로 알파 생성기 또는 알파 Gens라는 이름을 사용합니다. 커즈 뒤에서 오즈의 마법사처럼 프로세스를 주도하는 커튼 뒤에 모든 모델과 마찬가지로 프로그램을 개발하는 사람만큼이나 우수합니다 퀀트가되기위한 특정 요구 사항은 없지만 퀀트 모델을 실행하는 대부분의 회사는 투자 분석가, 통계 전문가 및 프로그래머의 기술을 결합합니다 컴퓨터에 프로세스 코드 작성 수학적 모델과 통계 모델의 복잡한 특성으로 인해 대학원 학위 나 박사 학위 같은 자격 증명을 보는 것이 일반적입니다. 재무, 경제학, 수학 및 엔지니어링 분야에서 근무했습니다. 일반적으로이 팀원은 백 오피스에서 근무했지만 퀀트 모델이 더 일반화되면서 백 오피스가 프론트 오피스로 이동합니다. 퀀텀 전략의 장점 전체 성공률은 논쟁의 여지가 있지만, 일부 퀀트 전략은 규율에 기반하고 있습니다. 모델이 옳다면, 규율은 정량 데이터를 기반으로 시장의 비 효율성을 악용하기 위해 번개 속도가 빠른 컴퓨터와 함께 전략을 유지합니다. 모델 자체는 몇 가지를 기반으로 할 수 있습니다 PE의 부채 비율과 이익 증가율과 같은 비율이나 동시에 수천 개의 인풋을 사용합니다. 컴퓨터가 끊임없이 비효율을 찾기 위해 시나리오를 실행하기 때문에 성공한 전략은 초기 단계의 경향을 파악할 수 있습니다. 전통적인 분석가가 한 번에 단 몇 곳 만보고있을 수있는 매우 많은 투자 그룹을 동시에 분석합니다. 심사 절차 모델은 1-5 또는 AF와 같은 학년 수준으로 우주를 평가할 수 있습니다. 이것은 모델에 따라 등급이 매겨집니다. 이것은 높은 평가 투자에 투자하고 저평가 투자를 팔아서 실제 거래 프로세스를 매우 간단하게 만듭니다. 길고 짧고 긴 짧은 성공적인 퀀텀 펀드는 모델의 본질 때문에 위험 통제에 주목해야합니다 대부분의 전략은 우주 또는 벤치 마크에서 시작하여 모델에서 업종 및 산업 가중치를 사용합니다. 이렇게하면 펀드가 어느 정도까지는 모델 자체를 손상시키지 않습니다. Quant fund는 일반적으로 전통적인 애널리스트와 포트폴리오 관리자를 필요로하지 않기 때문에 저비용으로 운영됩니다. Quant Strategy의 단점 많은 투자자들이 다음과 같은 개념을 완전히 포용하지 못하는 이유가 있습니다. 블랙 박스에 투자를시키는 것 성공한 퀀트 펀드를 위해 많은 사람들이 성공하지 못한 것처럼 보인다. 불행히도 QUA 장기적 자본 관리는 가장 존경받는 학자 지도자들과 노벨 기념 대상 수상 경제학자 인 Myron S Scholes에 의해 운영 되었기 때문에 가장 유명한 퀀트 헤지 펀드 중 하나였습니다. Robert C Merton 1990 년대에는 평균 이상의 수익률을 보였고 모든 유형의 투자자가 자본을 끌어 들였습니다. 비효율적 인 방법을 사용하는 것이 아니라 자본에 쉽게 액세스하여 시장 방향에 대한 엄청난 레버리지를 얻는 것으로 유명했습니다. 그들의 전략은 실제로 그들의 붕괴를 가져온 약점을 창출했다. 장기 자본 관리는 2000 년 초 청산되고 해체되었다. 러시아 정부가 러시아 정부가 자체 부채의 일부를 채무 불이행 할 가능성을 포함하지 않았다. 레버리지로 인한 혼란에 의해 확대 된 연쇄 반응 LTCM은 다른 투자 운영과 너무 밀접하게 관련되어있어 붕괴가 세계 시장에 영향을 미쳤습니다 극적인 사건을 촉발 장기적으로 연방 준비 제도 이사회가 도움을 요청하고 다른 은행 및 투자 기금이 LTCM을 지원하여 더 이상의 피해를 입히지 못하게했습니다 이것은 퀀텀 기금이 실패 할 수있는 이유 중 하나입니다. 미래의 사건을 예측하기 위해 강력한 퀀트 팀이 모델에 새로운면을 끊임없이 추가 할 것이지만, 경제와 시장이 더 큰 경험을 할 때마다 Quant 펀드 또한 압도 당할 수 있습니다. - 평균 변동성 구매 및 판매 신호가 너무 빨리 올 수있어 높은 이직률로 인해 높은 커미션 및 과세 이벤트 발생 가능 퀀트 펀드는 곰의 증거로 판매되거나 짧은 전략을 기반으로 위험을 초래할 수 있음 파생 상품을 사용하여 경기 침체를 예측하고 차입 자본 이용은 위험 할 수 있음 하나의 잘못된 턴은 종종 뉴스를 만드는 파열로 이어질 수 있습니다. 결론 양적 투자 전략은 사무실 블랙 박스는 주류 투자 도구에 사용됩니다. 비즈니스에서 최고의 마음을 활용하고 가장 빠른 컴퓨터를 활용하여 비효율 성과 시장 활용을위한 레버리지를 사용하도록 설계되었습니다. 모델에 모든 올바른 입력이 포함되어 있고 민첩합니다 비정상적인 시장 상황을 예측하기에 충분합니다. 퀀트 펀드는 제대로 작동 할 때까지 엄격한 테스트를 거쳐야하지만, 자신의 성공에 대한 과거 데이터에 의존한다는 약점이 있습니다. 퀀텀 스타일의 투자가 시장에서 그 위치를 차지하는 반면, 결점과 위험을 인식하십시오 다변화 전략과 일관되게하기 위해서는 퀀트 전략을 투자 스타일로 취급하고 적절한 다각화를 달성하기위한 전통적인 전략과 결합시키는 것이 좋습니다. 매크로 뉴스 이벤트를 사용하여 자동화 된 FX 거래 전략. RavenPack RavenPack 소스가 제공 한 매크로 뉴스 데이터를 기반으로하는 자동 양적 외환 거래 전략 관련성 및 참신성을 포함하여 다양한 분석 자료를 실시간으로 얻을 수있는 다양한 출처의 뉴스를 제공합니다. 우리는 연구를 수행하고 Deltix QuantOffice 연구 플랫폼에서 전략을 구현했습니다. C 개발 스튜디오. 우리의 논문은 세계 최대 경제국의 거시 경제 소식이 시장에 추가적인 변동성을 가져다 주었다. 사용 된 과거 데이터 세트는 아래에 설명되어있다. 2012 년 3 월 1 일부터 1 일까지의 뉴스 데이터 2012 년 8 월. 1 백만 건 이상의 메시지. 2012 년 3 월 1 일부터 2012 년 8 월 1 일까지 미국 28 만 7000 건, 독일 7,800 건, EU 3,700 건 및 일본 14,400 건의 마켓 데이터를 사용했습니다. EURUSD, USDJPY, EURJPY의 3 건 통화로 입찰가를 요청할 수 있습니다. 약 1 억 개의 시장 데이터 메시지. 뉴스 데이터는 다음 뉴스 유형별로 필터링되었습니다. 현재 계정, 현재 계정 과잉, 경상 수지 적자. 무역 수지, 무역 수지 적자, 무역 수지 흑자. 뉴스 관련성 관련성 100 최대 관련성. 논문을 시험합니다. 변동성의 척도로서, 우리는 10 초 막대 즉 30 막대의 5 분 윈도우 안의 로그 반환의 연간 표준 편차를 계산했습니다. 또한 분산 비율 i. VR HILO N ATR N을 계산했습니다 SQRT NN 30 HILO N은 높은 저가 가격이며 ATR N은 N 바 기간 동안 평균 true 범위입니다. 모든 통계는 보도 자료가 발표되기 전에 5 분 동안, 그리고 5 분 후에 계산됩니다. 예를 들어, 미국 공고 예정 오전 8시 30 분 동안 시간 간격은 오전 8 시부 터 오전 8시 30 분까지, 그리고 오전 8 시부 터 오전 8시 35 분까지입니다. 미국 경제 뉴스 데이터와 관련한 결과는 아래에 나와 있습니다. 조사 전략. 위의 결과를 보면 위의 결과에서 경제 데이터 발표 후 단기간의 환율 변동성이 연구의 다음 단계는이 관찰을 활용하는 거래 전략을 설계하고 테스트하는 것이 었습니다. 이 전략은 sch 이전의 5 분 간격으로 브레이크 아웃 구매 판매 수준을 정의합니다 eduled 이벤트 뉴스 이벤트를 수신하면 전략은 구매 가격을 초과하면 긴 포지션을 생성하고 시장이 판매 레벨 아래로 이동하면 짧은 포지션을 만듭니다. 전략은 뉴스 이벤트를 수신 한 후 5 분 후에 포지션을 마감합니다. 테스트 수행, 상대적으로 보수적 인 Best Bid Offer 모드를 사용하여 주문 실행 시뮬레이션을 수행했습니다. 최상의 입찰 가격으로 판매하십시오. 모든 거래의 로트 크기는 100,000입니다. 1 Variance Ratio 통계는 Lo와 MacKinlay 1988에 의해 소개되었습니다. VR이 1에 가까울수록 시장은 임의의 보행 체제에 있음을 나타냅니다. VR 1은 시장이 가격 수익의 자기 상관 관계가 긍정적 인 동향 체계에 있음을 나타냅니다. VR 1은 시장이 양적 무역에 대한 비영어 가이드. 이 기사에서는 철저한 양적 거래 시스템을 수반하는 기본 개념을 소개하겠다. 이 게시물은 두 명의 고객에게 서비스를 제공 할 것이다. 첫 번째는 양적 상인으로서 기금에서 일자리를 얻으려는 개인입니다. 두 번째는 자신의 소매 알고리즘 거래 비즈니스를 시도하려는 개인입니다. 양적 거래는 정량 금융의 매우 정교한 영역입니다. 면접을 통과하거나 자신의 거래 전략을 세우는 데 필요한 지식을 얻는 데 상당한 시간이 걸릴뿐 아니라 광범위한 프로그래밍이 필요합니다. 최소한 MATLAB, R 또는 Python과 같은 언어로는 그렇다. 그러나 전략의 거래 빈도가 증가함에 따라 기술 측면이보다 적절해진다. 따라서 CC에 익숙해지면 양적으로 중요한 거래 시스템이 될 것이다. 네 가지 주요 구성 요소. 전략 식별 - 전략적 모색 및 거래 빈도 결정. 전략적 백 테스팅 - 전략적 성과 분석 및 편향 제거. 실행 시스템 - 브로커리지와의 연계, 거래 자동화 및 거래 비용 최소화. 위험 경영 - 최적의 자본 배분, 베팅 규모, 켈리 기준 및 트레이딩 심리. 먼저 거래 전략을 식별하는 방법을 살펴 봅니다. 전략적 식별. 양적 거래 프로세스는 초기 연구로 시작됩니다. 이 연구 프로세스는 전략을 찾는 것을 포함합니다 전략이 실행중인 다른 전략의 포트폴리오에 속하는지 여부를 확인합니다. 전략을 테스트하고 더 높은 수익률 및 / 또는 위험을 낮추기 위해 전략을 최적화하려는 데 필요한 모든 데이터 확보 소매업 자로 전략을 실행하는 경우 자신의 자본 요구 사항을 고려해야하며 거래 비용이 전략에 어떤 영향을 미치는지를 고려해야합니다. 대중의 신념에 비추어 볼 때 실제로 다양한 공개 소스를 통해 수익성있는 전략을 찾는 것은 매우 쉽습니다. 학자들은 이론적 인 거래 결과를 대부분 거래 비용의 대부분을 게시하지만 정기적으로 게시합니다. 정량적 인 금융 블로그는 전략을 자세하게 논의합니다. 무역 저널은 펀드가 채택한 전략 중 일부를 개괄합니다. 왜 개인과 회사가 수익성있는 전략에 대해 토론하고 싶어하는지 질문하십시오. 특히 거래를 성 장시키는 다른 사람들이 장기적으로 전략을 멈추게 할 수 있다는 사실을 알고있는 경우에는 정확한 매개 변수와 조정 방법에 관해 자주 논의하지 않을 것입니다 그들이 수행 한 최적화 이러한 최적화가 터널의 핵심입니다 상대적으로 평범한 전략을 매우 수익성있는 전략으로 구현하십시오. 사실, 고유 한 전략을 수립하는 가장 좋은 방법 중 하나는 비슷한 방법을 찾아 내고 자신의 최적화 절차를 수행하는 것입니다. 여기에 전략을 찾기 시작할 수있는 작은 목록이 있습니다 당신이 보게 될 많은 전략들은 평균 - 복귀와 추세 - 추세의 범주에 속할 것입니다. 평균 - 복귀 전략은 다음과 같은 가격 시리즈의 장기 평균을 활용하려고 시도하는 전략입니다. 두 가지 상관 관계가있는 자산 들간의 스프레드가 존재하며, 단기적 편차가 결국 사라지게된다. 한 방향으로 추진력을 모을 수있는 시장 추세를 타면서, 투자자 심리와 대형 펀드 구조 모두를 활용하려는 추진력 전략 시도. 추세가 반전 될 때까지 추세를 보일 것입니다. 양적 거래의 또 다른 중요한 측면은 거래 전략의 빈도입니다. 저주파 거래 LFT는 일반적으로 보유하고있는 전략 거래 일보다 긴 자산 상응하여 고주파 거래 HFT는 일반적으로 자산을 일중으로 보유하는 전략을 의미합니다 초고주파수 거래 UHFT는 초 및 밀리 초 단위로 자산을 보유하는 전략을 말합니다 소매업 종사자 인 HFT 및 UHFT는 확실히 가능합니다 거래 기술 스택 및 주문서 역학에 대한 자세한 지식이있는 경우에만이 소개 기사에서 이러한 측면을 크게 논의하지 않을 것입니다. 전략 또는 전략 세트가 식별되면 이제는 수익성을 테스트해야합니다 과거 데이터 Backtesting의 목표입니다. Backtesting의 목표는 위의 프로세스를 통해 확인 된 전략이 과거 및 현재 데이터 모두에 적용될 때 수익성이 있다는 증거를 제공하는 것입니다. 전략은 현실 세계에서 수행 할 것입니다. 그러나 백 테스트는 여러 가지 이유로 성공의 보장이 아닙니다. 가능한 한 많이 신중하게 고려하고 제거해야하는 수많은 편견을 수반하므로 양적 거래 영역을 고려해야합니다. 미리보기 바이어스 생존 편향 및 데이터 스누핑 편향이라고도하는 최적화 바이어스를 포함하여 일반적인 편견 유형에 대해 논의합니다. 백 테스팅의 중요성은 역사적 데이터의 가용성 및 청결성, 실제 트랜잭션 비용 고려, 강력한 백 테스팅 플랫폼 결정 등을 포함합니다. 트랜잭션 비용은 아래의 실행 시스템 절에서 자세히 논의 할 것입니다. 전략이 식별되면, 테스트를 수행 할 데이터 및 아마도 세분화 모든 자산 클래스에 걸쳐 상당한 수의 데이터 공급 업체가 있습니다. 일반적으로 해당 데이터의 품질, 깊이 및 적시성에 따라 비용이 비례합니다. 소매 수준은 Yahoo Finance에서 제공하는 무료 데이터 세트를 사용하는 것입니다. 여기에는 역사적인 데이터를 다룰 때 일반적인 문제에 집중하고 싶습니다. 과거 데이터의 주된 관심사는 정확도 청결, 생존자 편향, 배당금 및 주식 분할과 같은 기업 활동 조정입니다. 정확도는 데이터의 전반적인 품질 - 오류가 있는지 여부 시계열 데이터에서 잘못된 스파이크를 찾아서 수정하는 스파이크 필터와 같이 오류를 쉽게 식별 할 수있는 경우가 있습니다. 둘 이상의 공급자를 보유하고 각각의 데이터를 서로 점검해야하는 경우가 종종 있습니다. 생존 편향은 종종 무료 또는 저렴한 데이터 세트의 기능입니다. 생존 편향이있는 데이터 세트는 더 이상 거래하지 않는 자산을 포함하지 않는다는 것을 의미합니다. 주식의 경우 이것은 파산 한 주식을 상실 함을 의미합니다. 이 편향은 이러한 데이터 세트에서 테스트 된 주식 거래 전략이 실제보다 더 잘 수행 될 것임을 의미합니다 세계는 역사적 수상자로서 이미 사전 선택되었습니다. 기업 활동에는 일반적으로 원가의 단계 함수 변경을 일으키는 회사가 수행하는 물류 활동이 포함되며 이는 가격 반환 계산에 포함되어서는 안됩니다. 배당금 조정 및 주식 분할은 공통적 인 범인이다. 이러한 조정 각각에 대해 수행해야하는 등 조정이라고 알려진 프로세스가 주식 분할과 실제 수익 조정을 혼동하지 않도록주의해야한다. 많은 상인이 기업에 의해 포획되었다. 백 테스트 절차를 수행하려면 소프트웨어 플랫폼을 사용해야합니다. Tradestation과 같은 전용 백 테스트 소프트웨어, Excel 또는 MATLAB과 같은 수치 플랫폼 또는 다음과 같은 프로그래밍 언어의 전체 사용자 정의 구현 중에서 선택할 수 있습니다. Python이나 CI는 Tradestation 또는 이와 유사한 Excel이나 MATLAB에서 너무 많이 사용되지 않았습니다. 이유는 전체 사내 기술 스택을 만드는 것입니다. 아래에 설명되어 있습니다. 그렇게하는 것의 이점 중 하나는 백 테스트 소프트웨어 및 실행 시스템이 극도로 발전된 통계 전략과도 밀접하게 통합 될 수 있다는 것입니다. 특히 HFT 전략의 경우 사용자 정의 구현을 반드시 사용해야합니다. 시스템을 다시 테스트 할 때 그것이 얼마나 잘 수행되고 있는지 정량화하기 양적 전략을위한 업계 표준 메트릭스는 최대 삭감과 샤프 비율입니다. 최대 삭감은 보통 특정 기간 동안 계정 자본 곡선에서 가장 큰 peak-to-trough 드롭을 특징으로합니다. 백분율로 인용 LFT 전략은 많은 통계적 요소로 인해 HFT 전략보다 더 많은 축소를하는 경향이 있습니다. 역사적 백 테스트는 전략의 미래 수익 감소 성능에 대한 좋은 지침 인 과거 최대 수익률을 보여줍니다. 두 번째 측정은 경험적으로 초과 수익의 평균을 표준으로 나눈 값인 Sharpe Ratio 초과 수익의 편차 여기서 초과 수익률은 S 미끄러짐과 같은 미리 결정된 벤치 마크를 초과하는 전략의 수익을 의미합니다. S 미끄러짐은 주문을 채우기를 의도 한 것과 실제 스프레드로 채워진 것의 차이입니다 , 이는 거래되는 증권의 입찰 가격과의 차이입니다. 스프레드가 일정하지 않고 현재의 유동성, 즉 시장에서의 매도 주문의 가용성에 달려 있음을 주목하십시오. 거래 비용은 매우 수익성있는 전략 좋은 Sharpe 비율과 끔찍한 Sharpe 비율을 지닌 매우 수익성없는 전략 Backtest에서 거래 비용을 정확하게 예측하는 것은 어려울 수 있습니다 전략의 빈도에 따라 틱 데이터가 포함될 역사적인 교환 데이터에 액세스해야합니다 입찰 가격에 대해 퀀트의 전체 팀은 이러한 이유로 대규모 펀드의 실행 최적화에 전념합니다. sc 펀드가 상당량의 거래를 수행해야하는 이유가 다양하고 다양한 이유가있다. 시장에 너무 많은 주식을 쏟아 부으면 가격이 급격히 떨어지고 최적의 실행을 얻을 수 없다. 따라서 피드 주문을 떨어 뜨리는 알고리즘 시장에 존재하지만, 펀드는 미끄러질 위험이 있습니다. 게다가, 다른 전략은 이러한 필요성을 먹고 비효율을 악용 할 수 있습니다. 이것은 펀드 구조 재정의 영역입니다. 실행 시스템의 마지막 주요 문제는 전략 성과의 차이입니다 backtest를 고려할 때 look-ahead 바이어스와 최적화 바이어스에 대해 이미 논의했습니다. 그러나 일부 전략에서는 배포 전에 이러한 바이어스를 쉽게 테스트 할 수 없습니다. 이것은 HFT에서 가장 많이 발생합니다 주로 실행 시스템에 버그가있을뿐만 아니라 백 트레이스에는 표시되지 않지만 거래는 보이지 않는 거래 전략 자체가있을 수 있습니다 시장이 전략의 전개에 뒤이어 체제 변화의 대상이되었을 수도 있습니다. 새로운 규제 환경, 투자 심리 및 거시 경제 현상의 변화는 시장이 어떻게 행동하고 따라서 전략의 수익성이 다른가로 이어질 수 있습니다. 위험 관리. 정량적 거래 퍼즐의 마지막 부분은 위험 관리의 과정입니다. 위험은 우리가 논의한 이전의 모든 편견을 포함합니다. 갑자기 하드 디스크 오작동을 발생시키는 서버와 같은 기술 위험을 포함합니다. 중개 위험을 포함합니다 MF Global과의 최근 공포를 감안할 때 중개인이 파산하는 등 미친 것처럼 파산하는 등 거래 구현을 방해 할 수있는 거의 모든 것을 포괄합니다. 많은 소스가 있습니다. 전체 책은 양적 전략 그래서 나는 위험의 모든 가능한 근원을 여기에서 명료하게하려고 시도하지 않을 것이다. 위험 관리 포트폴리오 이론의 한 부분 인 최적 자본 배분으로 알려져있는 것을 포괄한다. 이것은 자본이 일련의 다른 전략과 그 전략 내의 거래에 배분되는 수단이다. 복잡한 영역이며 일부 사소한 수학에 의존한다. 최적의 자본 배분과 전략의 영향력이 관련되어있는 업계 표준을 켈리 기준이라고 부릅니다. 이 글은 소개 글이므로 필자는 계산에 관심을 갖지 않습니다. 켈리 기준은 수익의 통계적 특성에 대해 몇 가지 가정을합니다. 금융 시장에서 종종 유효하기 때문에 거래자는 구현에있어 보수적 인 경우가 많습니다. 위험 관리의 또 다른 주요 구성 요소는 자신의 심리적 인 프로필을 다루는 것입니다. 거래에 침투 할 수있는 많은인지 적 편향이 있습니다. 전략이 혼자 있다면 알고리즘 트레이딩에 문제가있다. 공통적 인 편향은 손실 혐오의 것이다. 이미 잃어버린 이익을 잃을 까봐 두려움이 너무 커질 수 있기 때문에 이윤을 너무 일찍받을 수있다. 또 다른 일반적인 편향은 최근 성향으로 알려져있다. 이것은 거래자들 최근의 사건에 너무 많은 강조를하고 장기간에 걸쳐 두지 말라. 물론 정서적 편향의 고전적인 한 쌍 - 공포와 탐욕이있다. 이들은 종종 과소 또는 과잉 레버리지로 이어질 수 있는데, 이것은 폭팔을 초래할 수있다. 제로 또는 악화 또는 이익 감소로 향하고 있습니다. 양적 거래는 매우 복잡하지만 매우 흥미 롭지 만 양적 금융 분야입니다. 필자는이 기사에서 주제의 표면을 문자 그대로 긁어 냈으며 이미 오히려 길어지고 있습니다 전체 책 나는 단지 한두 문장 밖에 쓰지 않은 이슈에 관해서 쓰여졌다. 그 이유로, 양적 펀드 거래를 신청하기 전에, 상당한 양의 gr을 수행 할 필요가있다 oundwork study 최소한 MATLAB, Python 또는 R과 같은 프로그래밍 언어를 통해 구현 경험이 풍부한 통계 및 계량 경제학에 대한 광범위한 배경 지식이 필요합니다. 고주파수 끝에 더욱 정교한 전략을 사용하려면 기술이 리눅스 커널 수정, CC, 어셈블리 프로그래밍 및 네트워크 대기 시간 최적화를 포함 할 가능성이 높습니다. 자신의 알고리즘 트레이딩 전략을 만들려고 노력하는 것에 관심이 있다면, 제 첫 제안은 프로그래밍을 잘하는 것입니다. 나의 선호는 데이터의 많은 부분을 구축하는 것입니다 그래버 (grabber), 전략 백 테스터 (strategic backtester) 및 실행 시스템을 가능한 한 스스로 수행하십시오. 자신의 자본이 라인에 있다면, 시스템을 완벽하게 테스트하고 함정과 특정 문제를 인식하고 있음을 알면서 밤에는 잘 자지 못하게 될 것입니다. 잠재적으로 단기간 내에 시간을 절약하는 것은 장기간에 극도로 비쌀 수 있습니다. 정량적 거래 시작. Quantitativ Forex에서의 분석 .2016 년 10 월 18 일 업데이트. 정량 분석이란 무엇입니까? 정량 분석을 통해 거래 프로세스에서 감정을 제거 할 수 있습니다. 양적 분석은 직감에 대한 통계 또는 확률에 초점을 맞춘 접근입니다. 컴퓨터 및 정교한 수학 모델의 기술 계량 분석은 월스트리트와 Wall Street의 신규 거래자 및 직원의 대다수를 양도 적 사고 방식으로 인수했습니다. 정량 분석은 다른 시장과 마찬가지로 외환 시장에서의 자리를 차지합니다. 분석을하는 경우에도 양적 관점에서 시장에 접근하는 사람 퀀트를 고려하지 않더라도 손목 보상, 주당 수익 또는 옵션 가격 책정 및 할인 된 현금 흐름과 같은 간단한 재무 비율은 양적 분석 당신이 상상할 수 있듯이, 데이터는 분석에서 매우 중요합니다. 수많은 수학 및 통계 모델을 작성하는 데 사용되는 데이터의 품질에 중점을두고 있습니다. 정량 분석 ​​또는 통계 분석의 예입니다. 통계 분석의 혜택을 누리려면 계량 경제학 박사 학위를 갖고 계셔야합니다. 당신은 두 개의 무작위 변수 또는 데이터 세트에 대한 의존성 또는 연관성을보고 있습니다. 트레이더는 광범위한 통계적 관계와 의존성을 나타내는 상관 관계의 일반적인 통계 분석의 이점을 얻습니다. 외환 시장의 일반적인 상관 관계는 달러 약점이 신흥 시장에 대한 약세 또 다른 Intermarket 관계 엔 강도와 주식 시장의 약세. 통계적 분석은 미래의 가능성을 결정하는데 도움이되지만 순수한 예측을 의미하지는 않습니다. 일반적으로 상관 관계는 인과 관계가 아닙니다. 원인은 명백한 원인과 결과를 의미하는 반면 상관은 간단히 두 무작위 변수 사이의 잠재적 공통 운동을 의미합니다. 관계 계수는 -1 대 1이며, 반면에 음수는 완전한 역 관계 또는 상관, 0은 제로 상관, 양수는 양 변수 또는 시장이 수갑을 채우는 것과 거의 완벽한 양의 상관 관계입니다. 통계학의 다른 유리한 형태 분석은 회귀 분석으로 알려져 있습니다. 회귀 분석은 변수 간의 관계를 파악하는 데 도움이되는 매우 바람직한 통계 모델 및 정량 분석입니다. 회귀 분석은 종속 변수와 하나 이상의 종속 변수 간의 관계에 중점을 둡니다. 독립 변수 중 하나가 다양 할 때 종속 변수의 일반적인 값이 변경되는 방식 이해 대부분의 FX 차트 패키지에는 회귀 분석 계산을 수행하는 회귀 채널이 있으며 상관 관계보다 액세스하기가 쉽습니다. 조건부 기대 또는 방향 독립 변수에 주어진 종속 변수의 가격. 이것은 고정 독립 변수에 대한 종속 변수의 평균값을 의미합니다. 이는 경향의 방향 또는 옆으로 움직이는 가격을 높이거나 낮추는 경사 선으로 표시되는 경우가 종종 있습니다 회귀 직선은 종종 평면입니다. 필요한 것. 수학적 모델이이 기사의 범위를 벗어나는 동안 많은 트레이더는 Microsoft의 Excel을 사용하고 특정 시간 집합에 대한 변수 간의 상관 함수를 사용하여 양수 또는 음수가 있는지 확인합니다. 부정적 상관 관계 그러나 많은 연구 기관은 상관 관계 보고서를 작성하고 Bloomberg 또는 Reuters와 같은 연구 단말기에서도 발견 할 수 있습니다. 이러한 유형의 모델을 직접 수행하는 데 관심이있는 경우 결과는 데이터가 누출되고 누락됨을 유의하는 것이 중요합니다 또는 불완전한 데이터로 인해 길을 잃을 수 있습니다. 따라서 데이터 E를 효과적으로 분석하려면 누락 된 데이터를 먼저 처리해야합니다 xcel은 간단한 분석을 수행하는 관점에서 가장 가능성이 높지만 많은 브로커가 많은 분석을 수행하는 데 도움이되는 도구를 제공합니다. 결론적으로 통계 분석은 패턴이 무작위로 변하는 임의의 변수에 대해 머리를 감싸는 의미입니다. you can trade Risk must always be managed, but these patterns can last for a long time even without causality existing While seemingly similar, backtesting is the proverbial wolf in sheep s clothing of often statistical or quantitative analysis It pays to be aware of back testing pitched as statistical modeling because more often than not backtesting is done over idealized data sets which can bring about false confidence, over-leveraging, and potentially large losses when the current environment diverges from the data set. Show Full Article. Continue Reading.