Estratégias de negociação quantitativa ebook

Quant Trading Books.

Por favor, selecione uma categoria:

Quant Trading Machine Aprendizagem História Geral R Python C + + Programação Fin Math Jobs Hedge Funds Nossos Bloggers.

Esta categoria é curada por: Kris Longmore, da Robot Wealth.

Kris é ex-engenheiro e quantia de hedge funds. Ele fundou a Quantify Partners e a Robot Wealth, que facilitam a busca por obsessão por aprendizado de máquina e comércio algorítmico.

(*) Observe que os livros da Quant Start estão disponíveis apenas em seu site. Nós não somos afiliados à Quant Start, nem compensados ​​por este link. Nós simplesmente gostamos de promover o trabalho dos mocinhos.

Livros com curadoria dos melhores:

Estes livros são organizados pelos principais autores da nossa comunidade:

Quando você faz o pedido através desta página, a Amazon joga alguns shekels do nosso jeito. Não há nenhum custo adicional para você, e é uma ótima maneira de mostrar seu amor pela Quantocracia.

Direitos autorais & copy; 2015-2018 e middot; Design do site por: The Dynamic Duo.

Top 5 livros essenciais para iniciantes para negociação algorítmica.

Top 5 livros essenciais para iniciantes para negociação algorítmica.

O comércio algorítmico é geralmente percebido como uma área complexa para os iniciantes aprenderem. Abrange uma ampla gama de disciplinas, com certos aspectos que exigem um grau significativo de maturidade matemática e estatística. Consequentemente, pode ser extremamente desanimador para os não iniciados. Na realidade, os conceitos gerais são fáceis de entender, enquanto os detalhes podem ser aprendidos de maneira iterativa e contínua.

A beleza da negociação algorítmica é que não há necessidade de testar o conhecimento sobre capital real, já que muitas corretoras oferecem simuladores de mercado altamente realistas. Embora existam certas ressalvas associadas a esses sistemas, elas fornecem um ambiente para promover um nível profundo de entendimento, sem absolutamente nenhum risco de capital.

Uma pergunta comum que recebo dos leitores da QuantStart é "Como faço para começar no comércio quantitativo?". Eu já escrevi um guia para iniciantes sobre negociação quantitativa, mas um artigo não pode esperar cobrir a diversidade do assunto. Assim, decidi recomendar meus livros de negociação de quantia de nível de entrada favoritos neste artigo.

A primeira tarefa é obter uma visão geral sólida do assunto. Eu descobri que é muito mais fácil evitar discussões matemáticas pesadas até que o básico seja coberto e entendido. Os melhores livros que encontrei para esse fim são os seguintes:

1) Negociação Quantitativa por Ernest Chan - Este é um dos meus livros financeiros favoritos. O Dr. Chan oferece uma excelente visão geral do processo de criação de um sistema de negociação quantitativo "de varejo", usando o MatLab ou o Excel. Ele torna o assunto altamente acessível e dá a impressão de que "qualquer um pode fazê-lo". Embora haja muitos detalhes que são ignorados (principalmente por questão de brevidade), o livro é uma ótima introdução sobre como funciona o comércio algorítmico. Ele discute geração alfa ("o modelo comercial"), gerenciamento de risco, sistemas automatizados de execução e certas estratégias (particularmente momentum e reversão à média). Este livro é o lugar para começar. 2) Inside the Black Box por Rishi K. Narang - Neste livro, Dr. Narang explica em detalhes como funciona um fundo de hedge quantitativo profissional. É lançado em um investidor experiente que está pensando em investir em tal "caixa preta". Apesar da aparente irrelevância para um comerciante de varejo, o livro realmente contém uma riqueza de informações sobre como um "bom" sistema de negociação de quantum deve ser realizado. Por exemplo, a importância dos custos de transação e gerenciamento de risco são delineados, com idéias sobre onde procurar mais informações. Muitos comerciantes de algo de varejo poderiam fazer bem para pegar isso e ver como os 'profissionais' realizam sua negociação. 3) Negociação Algorítmica & amp; DMA por Barry Johnson - A frase "negociação algorítmica", no setor financeiro, geralmente se refere aos algoritmos de execução usados ​​por bancos e corretores para executar transações eficientes. Eu estou usando o termo para cobrir não apenas os aspectos de negociação, mas também de negociação quantitativa ou sistemática. Este livro é principalmente sobre o primeiro, sendo escrito por Barry Johnson, que é um desenvolvedor de software quantitativo em um banco de investimento. Isso significa que não tem utilidade para o quant varejo? De modo nenhum. Possuir uma compreensão mais profunda de como as trocas funcionam e a "microestrutura de mercado" pode ajudar imensamente a lucratividade das estratégias de varejo. Apesar de ser um tomo pesado, vale a pena pegar.

Uma vez que os conceitos básicos são apreendidos, é necessário começar a desenvolver uma estratégia de negociação. Isso é geralmente conhecido como o componente de modelo alfa de um sistema de negociação. As estratégias são fáceis de encontrar nos dias de hoje, no entanto, o verdadeiro valor vem em determinar seus próprios parâmetros de negociação através de extensa pesquisa e backtesting. Os seguintes livros discutem certos tipos de sistemas de negociação e execução e como implementá-los:

4) Algorithmic Trading por Ernest Chan - Este é o segundo livro do Dr. Chan. No primeiro livro, ele escapou ao momentum, à reversão à média e a certas estratégias de alta frequência. Este livro discute essas estratégias em profundidade e fornece detalhes significativos da implementação, embora com mais complexidade matemática do que na primeira (por exemplo, filtros de Kalman, estacionariedade / cointegração, CADF, etc.). As estratégias, mais uma vez, fazem uso extensivo do MatLab, mas o código pode ser facilmente modificado para C ++, Python / pandas ou R para aqueles com experiência em programação. Ele também fornece atualizações sobre o comportamento mais recente do mercado, já que o primeiro livro foi escrito há alguns anos. 5) Negociação e Trocas por Larry Harris - Este livro concentra-se na microestrutura do mercado, que eu pessoalmente acho que é uma área essencial para aprender, mesmo nos estágios iniciais da negociação de quant. A microestrutura de mercado é a "ciência" de como os participantes do mercado interagem e as dinâmicas que ocorrem na carteira de pedidos. Está intimamente relacionado a como funcionam as trocas e o que realmente acontece quando uma negociação é feita. Este livro é menos sobre estratégias de negociação como tal, mas mais sobre coisas para estar ciente ao projetar sistemas de execução. Muitos profissionais do espaço financeiro financeiro consideram isso um excelente livro e também o recomendo.

Nesta fase, como um comerciante de varejo, você estará em um bom lugar para começar a pesquisar os outros componentes de um sistema de negociação, como o mecanismo de execução (e seu profundo relacionamento com os custos de transação), bem como gerenciamento de risco e portfólio. Eu dicarei livros para esses tópicos em artigos posteriores.

A Quantcademy.

Participe do portal de associação da Quantcademy que atende à crescente comunidade de traders de quantificação de varejo e aprenda como aumentar a lucratividade de sua estratégia.

Negociação Algorítmica Bem Sucedida.

Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para o seu portfólio usando um mecanismo de backtesting personalizado no Python.

Comércio Algorítmico Avançado.

Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas Bayesianas com R e Python.

Guia para iniciantes em negociação quantitativa.

Guia para iniciantes em negociação quantitativa.

Neste artigo, vou apresentar alguns dos conceitos básicos que acompanham um sistema de negociação quantitativo de ponta a ponta. Espera-se que este post atenda a dois públicos-alvo. O primeiro será indivíduos tentando obter um emprego em um fundo como um comerciante quantitativo. A segunda será pessoas que desejam tentar montar seu próprio negócio de comércio algorítmico "de varejo".

A negociação quantitativa é uma área extremamente sofisticada de finanças quânticas. Pode levar uma quantidade significativa de tempo para obter o conhecimento necessário para passar uma entrevista ou construir suas próprias estratégias de negociação. Não só isso, mas requer extensa experiência em programação, pelo menos em uma linguagem como MATLAB, R ou Python. No entanto, à medida que a frequência de negociação da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Assim, estar familiarizado com o C / C ++ será de suma importância.

Um sistema de negociação quantitativo consiste em quatro componentes principais:

Identificação Estratégica - Encontrando uma estratégia, explorando uma vantagem e decidindo sobre a frequência de negociação Backtesting da estratégia - Obtendo dados, analisando o desempenho da estratégia e removendo vieses Sistema de Execução - Vinculando a uma corretora, automatizando a negociação e minimizando custos de transação tamanho da aposta "/ critério de Kelly e psicologia de negociação.

Começaremos dando uma olhada em como identificar uma estratégia de negociação.

Identificação de estratégia.

Todos os processos de negociação quantitativos começam com um período inicial de pesquisa. Este processo de pesquisa engloba encontrar uma estratégia, verificando se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, obtendo quaisquer dados necessários para testar a estratégia e tentando otimizar a estratégia para retornos mais altos e / ou menor risco. Você precisará levar em conta suas próprias necessidades de capital se administrar a estratégia como um operador de "varejo" e como os custos de transação afetarão a estratégia.

Ao contrário da crença popular, é bastante simples encontrar estratégias lucrativas por meio de várias fontes públicas. Os acadêmicos publicam regularmente resultados teóricos de negociação (embora, em sua maioria, sejam brutos dos custos de transação). Os blogs de finanças quantitativas discutirão as estratégias em detalhes. Os jornais de comércio delinearão algumas das estratégias empregadas pelos fundos.

Você pode questionar por que os indivíduos e as empresas estão interessados ​​em discutir suas estratégias lucrativas, especialmente quando sabem que outras pessoas "que estão ocupando o mercado" podem impedir que a estratégia funcione a longo prazo. A razão está no fato de que eles não costumam discutir os parâmetros exatos e os métodos de ajuste que eles realizaram. Essas otimizações são a chave para transformar uma estratégia relativamente medíocre em uma altamente lucrativa. Na verdade, uma das melhores maneiras de criar suas próprias estratégias únicas é encontrar métodos semelhantes e, em seguida, realizar seu próprio procedimento de otimização.

Aqui está uma pequena lista de lugares para começar a procurar ideias estratégicas:

Muitas das estratégias que você irá analisar se encaixarão nas categorias de reversão à média e tendência / momento. Uma estratégia de reversão à média é aquela que tenta explorar o fato de que existe uma média de longo prazo em uma "série de preços" (como o spread entre dois ativos correlatos) e que desvios de curto prazo dessa média acabarão sendo revertidos. Uma estratégia de momentum tenta explorar tanto a psicologia do investidor quanto a grande estrutura de fundos, "pegando carona" em uma tendência de mercado, que pode ganhar impulso em uma direção e seguir a tendência até que ela se reverta.

Outro aspecto extremamente importante da negociação quantitativa é a frequência da estratégia de negociação. A negociação de baixa frequência (LFT) geralmente se refere a qualquer estratégia que detenha ativos por mais de um dia de negociação. Correspondentemente, a negociação de alta frequência (HFT) geralmente se refere a uma estratégia que mantém ativos intraday. Negociação de frequência ultra-alta (UHFT) refere-se a estratégias que mantêm ativos na ordem de segundos e milissegundos. Como profissionais de varejo, HFT e UHFT certamente são possíveis, mas apenas com conhecimento detalhado da "pilha de tecnologia" e da dinâmica do livro de pedidos. Não vamos discutir esses aspectos em grande medida neste artigo introdutório.

Uma vez que uma estratégia, ou conjunto de estratégias, tenha sido identificada, ela agora precisa ser testada quanto à lucratividade nos dados históricos. Esse é o domínio do backtesting.

Backtesting de estratégia.

O objetivo do backtesting é fornecer evidências de que a estratégia identificada por meio do processo acima é lucrativa quando aplicada a dados históricos e fora da amostra. Isso define a expectativa de como a estratégia funcionará no "mundo real". No entanto, backtesting não é garantia de sucesso, por várias razões. É talvez a área mais sutil do comércio quantitativo, uma vez que implica inúmeros vieses, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível. Discutiremos os tipos comuns de polarização, incluindo viés de antecipação, viés de sobrevivência e viés de otimização (também conhecido como viés de "espionagem de dados"). Outras áreas de importância dentro do backtesting incluem a disponibilidade e a limpeza de dados históricos, levando em consideração custos de transação realistas e decidindo sobre uma plataforma robusta de backtesting. Discutiremos os custos de transação na seção Sistemas de Execução abaixo.

Uma vez que uma estratégia tenha sido identificada, é necessário obter os dados históricos através dos quais realizar testes e, talvez, refinamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Seus custos geralmente variam de acordo com a qualidade, profundidade e pontualidade dos dados. O ponto de partida tradicional para os comerciantes de quantia iniciais (pelo menos no nível de varejo) é usar o conjunto de dados gratuito do Yahoo Finance. Não vou me debruçar muito sobre fornecedores aqui, em vez disso, gostaria de me concentrar nas questões gerais ao lidar com conjuntos de dados históricos.

As principais preocupações com dados históricos incluem exatidão / limpeza, viés de sobrevivência e ajuste para ações corporativas, como dividendos e desdobramentos:

Precisão pertence à qualidade geral dos dados - se contém algum erro. Às vezes, os erros podem ser fáceis de identificar, como com um filtro de pico, que detecta "picos" incorretos nos dados de séries temporais e os corrige. Em outras ocasiões, podem ser muito difíceis de detectar. Muitas vezes é necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. O viés de sobrevivência é muitas vezes uma "característica" de conjuntos de dados gratuitos ou baratos. Um conjunto de dados com viés de sobrevivência significa que ele não contém ativos que não estão mais sendo negociados. No caso de ações, isso significa ações excluídas / falidas. Esse viés significa que qualquer estratégia de negociação de ações testada em tal conjunto de dados provavelmente terá um desempenho melhor do que no "mundo real", já que os "vencedores" históricos já foram pré-selecionados. As ações corporativas incluem atividades "logísticas" realizadas pela empresa, que geralmente causam uma mudança na função de etapa do preço bruto, que não deve ser incluída no cálculo dos retornos do preço. Ajustes para dividendos e desdobramentos são os culpados comuns. Um processo conhecido como ajuste de costas é necessário para ser realizado em cada uma dessas ações. É preciso ter muito cuidado para não confundir uma divisão de ações com um verdadeiro ajuste de retorno. Muitos traders foram pegos por uma ação corporativa!

Para realizar um procedimento de backtest, é necessário usar uma plataforma de software. Você tem a escolha entre softwares backtest dedicados, como o Tradestation, uma plataforma numérica como o Excel ou o MATLAB ou uma implementação personalizada completa em uma linguagem de programação como Python ou C ++. Eu não vou me demorar muito em Tradestation (ou similar), Excel ou MATLAB, como eu acredito em criar uma pilha de tecnologia interna completa (por razões descritas abaixo). Um dos benefícios disso é que o software de backtest e o sistema de execução podem ser totalmente integrados, mesmo com estratégias estatísticas extremamente avançadas. Para as estratégias de HFT, em particular, é essencial usar uma implementação personalizada.

Ao fazer o backtest de um sistema, é preciso ser capaz de quantificar o desempenho do mesmo. As métricas "padrão da indústria" para estratégias quantitativas são o rebaixamento máximo e o Índice de Sharpe. O rebaixamento máximo caracteriza a maior queda de ponta a ponta na curva de patrimônio da conta em um determinado período de tempo (geralmente anual). Isso é mais frequentemente citado como uma porcentagem. As estratégias de LFT tenderão a ter rebaixamentos maiores do que as estratégias de HFT, devido a vários fatores estatísticos. Um backtest histórico mostrará o último drawdown máximo, que é um bom guia para o futuro desempenho de drawdown da estratégia. A segunda medida é o Índice de Sharpe, que é definido heuristicamente como a média dos retornos excedentes dividida pelo desvio padrão desses retornos excedentes. Aqui, os retornos excedentes referem-se ao retorno da estratégia acima de um benchmark pré-determinado, como o S & P500 ou um Tesouro de 3 meses. Note-se que o retorno anualizado não é uma medida normalmente utilizada, pois não leva em conta a volatilidade da estratégia (ao contrário do Índice de Sharpe).

Uma vez que uma estratégia tenha sido testada novamente e seja considerada livre de vieses (na medida em que isso seja possível!), Com um bom Sharpe e rebaixamentos minimizados, é hora de construir um sistema de execução.

Sistemas de Execução.

Um sistema de execução é o meio pelo qual a lista de negociações geradas pela estratégia é enviada e executada pelo intermediário. Apesar do fato de que a geração de comércio pode ser semi ou totalmente automatizada, o mecanismo de execução pode ser manual, semi-manual (ou seja, "um clique") ou totalmente automatizado. Para estratégias de LFT, técnicas manuais e semi-manuais são comuns. Para as estratégias de HFT, é necessário criar um mecanismo de execução totalmente automatizado, que muitas vezes será fortemente acoplado ao gerador de comércio (devido à interdependência entre estratégia e tecnologia).

As principais considerações ao criar um sistema de execução são a interface com a corretora, a minimização dos custos de transação (incluindo comissão, derrapagem e spread) e a divergência de desempenho do sistema ao vivo do desempenho do backtested.

Há muitas maneiras de interagir com uma corretora. Eles variam de chamar seu corretor por telefone até uma Application Programming Interface (API) de alto desempenho totalmente automatizada. O ideal é que você queira automatizar a execução de seus negócios o máximo possível. Isso libera você para se concentrar em mais pesquisas, bem como permitir que você execute várias estratégias ou mesmo estratégias de maior frequência (na verdade, HFT é essencialmente impossível sem execução automatizada). O software comum de backtesting descrito acima, como MATLAB, Excel e Tradestation, é bom para estratégias mais simples e de menor frequência. No entanto, será necessário construir um sistema de execução interno escrito em uma linguagem de alto desempenho, como C ++, para fazer qualquer HFT real. Como uma anedota, no fundo em que eu costumava trabalhar, tínhamos um "ciclo de negociação" de 10 minutos, onde baixávamos novos dados de mercado a cada 10 minutos e depois executávamos negociações com base nessas informações no mesmo período de tempo. Isso estava usando um script Python otimizado. Para qualquer coisa que se aproxime de dados de frequência de minutos ou segundos, acredito que C / C ++ seria mais ideal.

Em um fundo maior, muitas vezes não é o domínio do comerciante de quantificação para otimizar a execução. No entanto, em pequenas lojas ou empresas de HFT, os comerciantes são os executores e, portanto, um conjunto de habilidades muito mais amplo é geralmente desejável. Tenha isso em mente se você deseja ser empregado por um fundo. Suas habilidades de programação serão tão importantes, se não mais, do que suas estatísticas e talentos econométricos!

Outra questão importante que cai sob a bandeira da execução é a minimização dos custos de transação. Geralmente, há três componentes nos custos de transação: Comissões (ou impostos), que são as taxas cobradas pela corretora, pela bolsa e pela SEC (ou órgão regulador governamental similar); escorregamento, que é a diferença entre o que você pretendia que seu pedido fosse preenchido versus o que foi realmente preenchido; spread, que é a diferença entre o preço de compra / venda do título negociado. Observe que o spread NÃO é constante e depende da liquidez atual (ou seja, disponibilidade de ordens de compra / venda) no mercado.

Os custos de transação podem fazer a diferença entre uma estratégia extremamente lucrativa com um bom índice de Sharpe e uma estratégia extremamente não lucrativa com um índice de Sharpe terrível. Pode ser um desafio prever corretamente os custos de transação de um backtest. Dependendo da frequência da estratégia, você precisará acessar os dados históricos do câmbio, que incluirão dados de ticks para preços de compra / venda. Equipes inteiras de quantos são dedicadas à otimização da execução nos fundos maiores, por esses motivos. Considere o cenário em que um fundo precisa descarregar uma quantidade substancial de negociações (das quais as razões para isso são muitas e variadas!). Ao "despejar" tantas ações no mercado, elas rapidamente deprimirão o preço e podem não obter uma execução ideal. Daí algoritmos que "gotejam feed" ordens para o mercado existem, embora o fundo corre o risco de derrapagem. Além disso, outras estratégias "atacam" essas necessidades e podem explorar as ineficiências. Este é o domínio da arbitragem da estrutura do fundo.

A última grande questão para os sistemas de execução diz respeito à divergência de desempenho da estratégia do desempenho do backtested. Isso pode acontecer por vários motivos. Já analisamos o viés de look-ahead e o viés de otimização em profundidade, ao considerar os backtests. No entanto, algumas estratégias não facilitam o teste desses vieses antes da implantação. Isso ocorre em HFT mais predominantemente. Pode haver bugs no sistema de execução, bem como a própria estratégia de negociação que não aparece em um backtest, mas aparece no live trading. O mercado pode ter sido sujeito a uma mudança de regime após a implantação de sua estratégia. Novos ambientes regulatórios, mudanças no sentimento do investidor e fenômenos macroeconômicos podem levar a divergências na forma como o mercado se comporta e, consequentemente, na rentabilidade de sua estratégia.

Gerenciamento de riscos.

A peça final do quebra-cabeça de negociação quantitativa é o processo de gerenciamento de risco. "Risco" inclui todos os vieses anteriores que discutimos. Isso inclui risco de tecnologia, como servidores co-localizados na central de repente desenvolvendo um mau funcionamento do disco rígido. Isso inclui risco de corretagem, como o corretor estar falido (não tão louco quanto parece, dado o recente susto com a MF Global!). Em suma, abrange quase tudo o que poderia interferir com a implementação comercial, dos quais existem muitas fontes. Livros inteiros são dedicados à gestão de risco para estratégias quantitativas, então eu não tentarei elucidar todas as possíveis fontes de risco aqui.

A gestão de risco também abrange o que é conhecido como alocação de capital ideal, que é um ramo da teoria de portfólio. Esse é o meio pelo qual o capital é alocado a um conjunto de estratégias diferentes e aos negócios dentro dessas estratégias. É uma área complexa e depende de algumas matemáticas não triviais. O padrão da indústria pelo qual a alocação ótima de capital e a alavancagem das estratégias estão relacionadas é chamado de critério de Kelly. Como este é um artigo introdutório, não vou me alongar em seu cálculo. O critério de Kelly faz algumas suposições sobre a natureza estatística dos retornos, que muitas vezes não são verdadeiros nos mercados financeiros, de modo que os operadores geralmente são conservadores quando se trata da implementação.

Outro componente fundamental do gerenciamento de riscos é lidar com o próprio perfil psicológico. Existem muitos vieses cognitivos que podem surgir na negociação. Embora isso seja reconhecidamente menos problemático com negociação algorítmica se a estratégia for deixada em paz! Um viés comum é o da aversão à perda, em que uma posição perdedora não será fechada devido à dor de ter que perceber uma perda. Da mesma forma, os lucros podem ser tomados muito cedo porque o medo de perder um lucro já ganho pode ser muito grande. Outro viés comum é conhecido como viés de recência. Isso se manifesta quando os operadores enfatizam demais os eventos recentes e não a longo prazo. Então, é claro, há o par clássico de preconceitos emocionais - medo e ganância. Estes podem muitas vezes levar a sub ou sobre-alavancagem, o que pode causar blow-up (ou seja, o título da conta indo para zero ou pior!) Ou lucros reduzidos.

Como pode ser visto, o comércio quantitativo é uma área extremamente complexa, embora muito interessante, de financiamento quantitativo. Eu literalmente arranhei a superfície do tópico neste artigo e já está ficando bastante longo! Livros e documentos inteiros foram escritos sobre questões para as quais eu só dei uma ou duas sentenças. Por esse motivo, antes de se candidatar a cargos quantitativos de negociação de fundos, é necessário realizar uma quantidade significativa de estudo de base. No mínimo, você precisará de um extenso conhecimento em estatística e econometria, com muita experiência em implementação, por meio de uma linguagem de programação como MATLAB, Python ou R. Para estratégias mais sofisticadas no final de frequência mais alta, seu conjunto de habilidades é provável para incluir a modificação do kernel do Linux, C / C ++, programação de montagem e otimização de latência de rede.

Se você estiver interessado em tentar criar suas próprias estratégias de negociação algorítmica, minha primeira sugestão seria se programar bem. Minha preferência é construir o máximo possível de dados capturados, backtester de estratégia e sistema de execução. Se o seu próprio capital está em jogo, não dormiria melhor à noite sabendo que você testou completamente o seu sistema e está ciente de suas armadilhas e problemas específicos? Terceirizar isso para um fornecedor, enquanto potencialmente economiza tempo a curto prazo, pode ser extremamente caro a longo prazo.

A Quantcademy.

Participe do portal de associação da Quantcademy que atende à crescente comunidade de traders de quantificação de varejo e aprenda como aumentar a lucratividade de sua estratégia.

Negociação Algorítmica Bem Sucedida.

Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para o seu portfólio usando um mecanismo de backtesting personalizado no Python.

Comércio Algorítmico Avançado.

Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas Bayesianas com R e Python.

EBooks grátis.

Livre eBooks Download, ebook, livros da faculdade.

Nota:! Se o conteúdo não for encontrado, você deve atualizar essa página manualmente ou apenas esperar 15 segundos para que essa página seja atualizada automaticamente. Como alternativa, experimente o nosso mecanismo de pesquisa de livros, clique aqui.

Estratégias Quantitativas de Negociação.

Editora: McGraw Hill Professional.

Descrição: Aproveitando o poder das técnicas quantitativas para criar um programa de negociação vencedor As estratégias de negociação quantitativa da Lars Kestner levam os leitores através das fases de desenvolvimento e avaliação do m de hoje.

Nota: o ficheiro ebook foi transmitido através de um afiliado externo, pelo que não podemos garantir a existência deste ficheiro nos nossos servidores.

** Por favor, desabilite o Adblock para mostrar o link para download **

Postagens recentes.

12 regras para a vida: um antídoto para o caos.

Pequenos incêndios por toda parte.

Previsão de informações.

Super Mario Odyssey: Kingdom Adventures, vol. 1

Calendário de parede Super Mario Bros. ™ 2018 (arte retro): & # 8230;

Lançamento: A fórmula secreta T de um milionário da Internet & # 8230;

Python para todos: explorando dados em Python 3.

Redefinir: Minha luta pela inclusão e mudança duradoura.

Windows 10 All-In-One For Dummies.

GRE Prep de Argo Brothers: Testes Práticos + Online & # 8230;

Termos de pesquisa recentes.

Termos de pesquisa populares.

Termos de pesquisa aleatória.

Negociação Quantitativa.

Descrição: Embora os traders institucionais continuem a implementar negociações quantitativas (ou algorítmicas), muitos traders independentes se perguntam se ainda podem desafiar poderosos profissionais da indústria por conta própria.

Negociação Algorítmica.

Editora: John Wiley & Sons.

Descrição: Os mercados são quase sempre eletrônicos e, como resultado da decimalização, o comércio algorítmico está crescendo. O comércio algorítmico (ou "negociação de algoritmos", como é referido) é o uso de programas de computador (.

Encontrar Alfas.

Autor de: Igor Tulchinsky.

Editora: John Wiley & Sons.

Descrição: Projete sistemas de negociação mais bem sucedidos com este guia prático para identificar alfas. Encontrar Alfas procura ensiná-lo a fazer uma coisa e fazê-lo bem: projetar alfas. Escrito por pract experiente.

Adblocker detectado!

Por favor! Desative seu adblock agora e atualize esta página.

Negociação Quantitativa: Algoritmos, Analytics, Dados, Modelos, Otimização.

Xin Guo, Tze Leung Lai, Howard Shek, Samuel Po-Shing Wong.

15 de dezembro de 2016 por Chapman e Hall / CRC.

Livro de texto - 357 páginas - 30 ilustrações coloridas.

ISBN 9781498706483 - CAT # K24831.

6 de janeiro de 2017 por Chapman e Hall / CRC.

Livro de texto - 357 páginas - 30 ilustrações coloridas.

ISBN 9781315371580 - CAT # KE38312.

Informações Adicionais do Livro.

Integra estatísticas, sistemas de engenharia, otimização dinâmica e ciência da computação em um livro Serve como referência teórica padrão sobre esses tópicos Fornece uma introdução à negociação algorítmica Discute operações algorítmicas em trocas e plataformas eletrônicas Abrange o gerenciamento de riscos e questões regulatórias.

A primeira parte deste livro discute instituições e mecanismos de negociação algorítmica, microestrutura de mercado, dados de alta frequência e fatos estilizados, agregação de tempo e eventos, dinâmica de pedidos, estratégias de negociação e algoritmos, custos de transação, impacto de mercado e estratégias de execução, análise de risco. e gerenciamento. A segunda parte aborda modelos de impacto de mercado, modelos de rede, negociação de múltiplos ativos, técnicas de aprendizado de máquina e filtragem não linear. A terceira parte discute a criação de mercado eletrônico, liquidez, risco sistêmico, desenvolvimentos recentes e debates sobre o assunto.

Índice.

Evolução da infraestrutura de negociação.

Estratégias quantitativas e escalas de tempo.

Arbitragem estatística e debates sobre EMH.

Fundos quantitativos, fundos mútuos, hedge funds.

Dados, análises, modelos, otimização, algoritmos.

Natureza interdisciplinar do assunto e como o livro pode ser usado.

Suplementos e problemas.

Modelos estatísticos e métodos para negociação quantitativa.

Fatos estilizados sobre dados de preços de ações.

Séries temporais de retornos de baixa frequência.

Alterações de preço discretas em dados de alta frequência.

Movimento browniano na Bolsa de Paris e passeio aleatório pela Wall Street.

MPT como um calçado de caminhada na Wall Street.

Bases estatísticas do TMF.

Modelos de precificação multifatorial.

Bayes, encolhimento e estimadores Black-Litterman.

Bootstrapping e a fronteira reamostrada.

Uma nova abordagem que incorpora incerteza de parâmetro.

Solução do problema de otimização.

Computação do vetor de peso ótimo.

Bootstrap estimativa de desempenho e NPEB.

De passeios aleatórios a martingales que correspondem a fatos estilizados.

De caminhadas aleatórias gaussianas a paretianas.

Passeios aleatórios com tempos de amostragem opcionais.

De passeios aleatórios para ARIMA, GARCH.

Neo-MPT envolvendo modelos de regressão martingale.

Incorporando séries temporais e_ects na NPEB.

Otimizando as taxas de informação ao longo da fronteira e_cient.

Um estudo empírico de neo-MPT.

Arbitragem estatística e estratégias além da EMH.

Regras técnicas e o contexto estatístico.

Séries temporais, momentum e estratégias de negociação de pares.

Estratégias contrárias, orientação comportamental e vieses cognitivos dos investidores.

Do investimento em valor a estratégias macro globais.

Avaliação in-sample e out-of-sample.

Suplementos e problemas.

Gerenciamento Ativo de Portfólio e Estratégias de Investimento.

Alfa e beta ativa no gerenciamento de portfólio.

Fontes de alfa.

Beta exótico além do alfa ativo.

Uma nova abordagem para otimização de portfólio ativo.

Custos de transação e restrições longas e curtas.

Componentes do custo de transação.

Long-short e outras restrições de portfólio.

Gerenciamento de portfólio multiperiódico.

A teoria de Samuelson-Merton.

Incorporando custos de transação no problema da Merton.

Crescimento de capital multiperiódico e bombeamento de volatilidade.

Reequilíbrio multiperíodo de carteira de média-variância.

Otimização dinâmica de portfólio de média-variância.

Seleção de portfólio dinâmico.

Notas suplementares e comentários.

Econometria de Transações em Plataformas Eletrônicas.

Dados de transações e transações.

Modelos para dados de alta frequência.

Modelo de rolo de salto bid-ask.

Modelo de microestrutura de mercado com ruído aditivo.

Estimativa da variância integrada de Xt.

Métodos de amostragem esparsos.

Método de média sobre subamostras.

Método de duas escalas de tempo.

Método de suavização do kernel: Kernels realizados.

Método de pré-média.

Do MLE do parâmetro de volatilidade para QMLE de [X] T.

Estimativa de covariação de múltiplos ativos.

Assincronia e o efeito de Epps.

QMLE para estimativa de covariância e correlação.

Kernels realizados multivariados e estimadores de duas escalas.

Estimador de Fourier de [X] T e volatilidade pontual.

Propriedades estatísticas de estimadores de Fourier.

Estimadores de Fourier de co-volatilidades pontuais.

Outros modelos econométricos envolvendo o TAQ.

Modelos ACD de durações entre transações.

Modelos de processo de ponto auto-empolgantes.

Decomposição de Di e modelos lineares generalizados.

Modelagem conjunta do processo pontual e suas marcas.

Decomposição de McCulloch e Tsay.

Realizou GARCH e outros modelos preditivos.

Salta no processo de preço e_cient e na variação de potência.

Notas suplementares e comentários.

Livro de pedidos de limite: análise de dados e modelos dinâmicos.

De dados de mercado para limitar o livro de ordens (LOB)

Fatos estilizados de dados de LOB.

Ajuste de preço de livro.

Desequilíbrio de volume e outros indicadores.

Ajuste de um processo de ponto multivariado para dados de LOB.

Pedidos comercializáveis ​​como um processo de ponto multivariado.

Análise de dados LOB via aprendizado de máquina.

Modelos de enfileiramento de dinâmica de LOB.

Limites de difusão do modelo de formulário reduzido de nível 1.

Limite de fluidos das posições de pedidos.

Modelo reativo à fila baseado em LOB.

Suplementos e problemas.

Execução ideal e posicionamento.

Execução ótima com um único ativo.

Solução de programação dinâmica de problema (6.2)

Modelos de tempo contínuo e cálculo de variações.

Modelo de impacto de preço multiplicativo.

O modelo e o problema de controle estocástico.

Equação de HJB para o caso _nite-horizon.

In_nite-horizonte caso T = 1.

Manipulação de preços e impacto de preço transitório.

Execução ótima com LOB.

Estratégia ótima para o modelo 1.

Estratégia ótima para o modelo 2.

Solução de formato fechado para LOBs em forma de bloco.

Execução ótima com portfólios.

Modelo de passeio aleatório de Markov com reversão à média.

Modelo de cadeia de Markov em tempo contínuo.

Suplementos e problemas.

Market Making e Smart Order Routing.

O modelo de Ho e Stoll e a política de Avellanedo-Stoikov.

Solução para a equação do HJB e extensões subsequentes.

Controle de impulsos envolvendo ordens de limite e de mercado.

Controle de impulso para o mercado.

Roteamento inteligente de pedidos e piscinas escuras.

Divisão ideal entre as trocas no SOR.

A função de custo e problema de otimização.

Posicionamento ideal de pedidos através de K exchanges.

Um método de aproximação estocástica.

Exploração de exploração censurada para piscinas escuras.

O problema SOR e um algoritmo guloso.

Estimativa modificada de Kaplan-Meier ^ Ti.

Exploração, exploração e alocação ótima.

Otimização Lagrangeana Estocástica em Poças Negras.

Abordagem Lagrangiana via aproximação estocástica.

Convergência de recursão Lagrangiana ao otimizador.

Notas suplementares e comentários.

Informática, Regulação e Gestão de Risco.

Algumas estratégias quantitativas.

Divulgação de dados de mercado.

Ordenar estrutura de taxas.

Compensação e liquidação.

Estratégia de informática e infra-estrutura.

Manipulação de dados de mercado.

Tipo de pedido e qualificador de pedido.

Regras e regulamentos de câmbio.

SIP e Reg NMS.

Outras regras específicas de troca.

Notas suplementares e comentários.

Cadeia de Markov e Tópicos Relacionados.

Gerador Q do CTMC.

Teoria potencial para cadeias de Markov.

Teoria da decisão de Markov.

Processos de ponto auto-empolgantes duplamente estocásticos.

Teoria do Martingale, processo de intensidade, auto-excitação.

Processo Hawkes: Compensador e estacionariedade.

Estimativa em modelos de processos pontuais.

Teoria assintótica e inferência de probabilidade.

Simulação de SEPP duplamente estocástica.

Teoremas de convergência e limite fracos.

Teorema de Donsker e suas extensões.

Sistema de enfileiramento e teoremas de limite.

Autor (es) Bio.

Xin Guo é o professor de Modelagem Financeira da Coleman Fung no departamento de Engenharia Industrial e Pesquisa Operacional, UC Berkeley. Ela fundou o Laboratório de Pesquisa de Análise de Risco e Análise de Dados de Berkeley (RADAR) e realiza uma reunião de cortesia com o Laboratório Nacional Lawrence Berkeley. Antes da UC Berkeley, ela foi Pesquisadora no Centro de Pesquisa da IBM T. J. Watson e Professora Associada na Cornell University. Seus principais interesses de pesquisa são controle estocástico, processos estocásticos e aplicações. Além de modelagem e análise de negociação de alta frequência, sua pesquisa recente inclui controles singulares, controles de impulso, expectativas não lineares, jogos de campo médio e ampliação de filtragem com aplicação ao risco de crédito.

Tze Leung Lai é professor de Estatística e, por cortesia, de Pesquisa e Política de Saúde na Faculdade de Medicina e do Instituto de Computação & amp; Engenharia Matemática (ICME) na Escola de Engenharia da Universidade de Stanford. Ele é diretor do Instituto de Modelagem Financeira e de Riscos, co-diretor do Núcleo de Bioestatística do Instituto de Câncer de Stanford e co-diretor do Centro de Design de Estudos Inovadores da Stanford School of Medicine. Ele realizou consultas regulares e visitas de professores na Universidade de Columbia, UC Berkeley e Nankai University, e ocupa cargos de consultoria na Universidade de Hong Kong, na Universidade de Pequim e na Universidade de Tsinghua.

Howard Shek é um pesquisador sênior da Tower Research Capital, onde ele construiu e liderou a equipe de pesquisa central com um mandato que abrange o amplo espectro de tópicos de pesquisa em negociações automatizadas. Ele tem mais de 15 anos de pesquisa quantitativa e experiência comercial em arbitragem de renda fixa, microestrutura de mercado, estimativa de volatilidade, precificação de opções e teoria de portfólio, e ocupou posições sênior de negociação e pesquisa na Merrill Lynch e JP Morgan, com foco em negociação proprietária em derivativos de renda fixa.

Samuel Po-Shing Wong é CEO e Chief Quant da 5Lattice Securities, uma empresa de trading proprietária em Hong Kong que desenvolve algoritmos de negociação quantitativos e metodologias correspondentes de gerenciamento de risco a partir de análise de dados estatísticos e aprendizado de máquina. Ele também ensina o curso de Algorithmic Trading para Stanford Quantitative Finance Program em Hong Kong e atua como professor honorário do Departamento de Estatística e Ciências Atuariais da Universidade de Hong Kong.

Compartilhe este título.

Títulos Relacionados

Finanças Quantitativas: Uma Abordagem Orientada a Objetos em C ++

Inferência Estatística Ideal em Engenharia Financeira.

Métodos Estatísticos para Engenharia Financeira.

Negociação Quantitativa: Algoritmos, Analytics, Dados, Modelos, Otimização.

Resumo do carrinho de compras.

O que é o VitalSource?

Os eBooks da CRC Press estão disponíveis através da VitalSource. O aplicativo gratuito VitalSource Bookshelf® permite que você acesse seus eBooks quando e onde quiser.

A aplicação Bookshelf oferece acesso:

On-line - Acesse seus e-books usando os links enviados por e-mail na sua fatura CRCPress ou na área "Minha conta" do CRCPress. Mobile / eReaders - Faça o download do aplicativo móvel Bookshelf na VitalSource ou na loja do iTunes ou Android para acessar seus eBooks de seu dispositivo móvel ou eReader. Computador off-line - Faça o download do software Bookshelf em sua área de trabalho para visualizar seus e-books com ou sem acesso à Internet.

O que significa "Certificado CPD"?

O DPC consiste em qualquer atividade educacional que ajude a manter e desenvolver conhecimentos, resolução de problemas e habilidades técnicas com o objetivo de fornecer melhores cuidados de saúde por meio de padrões mais elevados. Pode ser por meio de participação em conferências, discussão em grupo ou leitura dirigida, para citar apenas alguns exemplos.

Use certos livros médicos CRC Press para obter seus pontos de CPD para revalidação. Nós fornecemos um formulário on-line gratuito para documentar seu aprendizado e um certificado para seus registros.

Estratégias Quantitativas de Negociação.

Aproveitando o poder das técnicas quantitativas para criar um programa de negociação vencedor & middot; Borda do Trader de Irwin.

por Lars Kestner.

Inscreva-se para salvar sua biblioteca.

Com uma conta OverDrive, você pode salvar suas bibliotecas favoritas para obter informações instantâneas sobre a disponibilidade. Saiba mais sobre as contas do OverDrive.

Aproveitando o poder das técnicas quantitativas para criar um programa de negociação vencedora Lars Kestner Quantitative Trading Strategies leva os leitores através das fases de desenvolvimento e avaliação das estratégias de negociação técnicas mais populares e comprovadas pelo mercado. Quantificando cada decisão subjetiva no processo de negociação, este livro analítico avalia o trabalho de "quants" bem conhecidos de John Henry para Monroe Trout e introduz 12 estratégias de negociação totalmente novas. Ele desmascara muitos equívocos populares, e certamente fará ondas e mudará a mentalidade no mundo da análise técnica e da negociação.

Detalhes da publicação.

Adobe PDF eBook 2,8 MB.

Lars Kestner (Autor)

Lars Kestner é sócio-fundador da empresa proprietária de comércio Sabre II LLC e ex-vice-presidente de negociação de derivativos de ações da Salomon Smith Barney.