منظمة العفو الدولية لتجارة استراتيجيات

في أكيتين إنفستورس، نعتقد أن التداول الآلي الناجح يعتمد أولا وقبل كل شيء على وضع وتطوير الاستراتيجيات التي تقوم على التحليل الفني ثبت ومبادئ إدارة الأموال. ونحن نعتقد أن البساطة والإبداع قليلا تقطع شوطا طويلا جدا. بناء على تجاربنا الخاصة، يمكننا أتمتة استراتيجيات التداول الحالية تحويل أفكارك إلى روبوتات عمل تتناسب مع متطلباتك الشخصية وتوقعاتك (على سبيل المثال الشهية للمخاطر) الاختبار الخلفي وتحسين استراتيجياتك تقديم تحليل لنتائج الاختبار الخلفي الخاصة بك تقديم المشورة عن كيفية تحسين الاستراتيجيات الجديدة أو القائمة، بما في ذلك إدارة المخاطر وتجنب الانحناء (أي تضليلها من خلال نتائج مفرطة في التفاؤل) إنشاء مؤشرات مفصلة لتحسين أداء التداول الخاص بك تقديم المشورة بشأن كيفية إعداد التداول الآلي الخاص بك البنية التحتية تقديم الدعم المستمر مرة واحدة الروبوت الخاص بك هو وتشغيلها لدينا اختيار اللغة البرمجة هو بويرلانغواج التي تم تطويرها من قبل مولتيشارتس ليك. التداول الاصطناعي الذكي صعود صندوق التحوط الذكي اصطدام صندوق التحوط الذكي اصطناعيا في الأسبوع الماضي، قام بن غورتزل وشركته، إدييا، بتشغيل صندوق تحوط يجعل جميع عمليات تداول الأسهم باستخدام الذكاء الاصطناعي 8212 لا تدخل بشري مطلوب. 8220 إذا كنا جميعا يموتون، 8221 يقول غورتزل، المعلم منذ فترة طويلة منظمة العفو الدولية والعالم الرئيسي 8217s، 8220it سوف تبقي التداول. 8221 وهو يعني هذا حرفيا. غورتزل والبشر الآخرين بنيت النظام، وبطبيعة الحال، وأنها 8217ll مواصلة تعديله حسب الحاجة. ولكن خلقهم يحدد وينفذ الحرف تماما من تلقاء نفسها، استنادا إلى أشكال متعددة من منظمة العفو الدولية، بما في ذلك واحدة مستوحاة من التطور الجيني وآخر على أساس المنطق الاحتمالي. كل يوم، بعد تحليل كل شيء من أسعار السوق والأحجام إلى بيانات الاقتصاد الكلي والوثائق المحاسبية للشركات، وهذه محركات أي جعل توقعات السوق الخاصة بهم ومن ثم 8220vote8221 على أفضل مسار للعمل. إذا كنا جميعا يموتون، فإنه سيتم الحفاظ على التداول. بن غورتزل، إديا على الرغم من أن إديا مقرها في هونغ كونغ، فإن هذا النظام الآلي يتداول في الأسهم الأمريكية، وفي اليوم الأول، وفقا ل غورتزل، ولدت عائدا بنسبة 2 في المئة على مجموعة من الأموال لم يكشف عنها. هذا 8217s لا مثيرة للإعجاب بالضبط، أو ذات صلة إحصائيا. ولكنه يمثل تحولا ملحوظا في عالم التمويل. بدعم من 143 مليون دولار في التمويل، بدأت شركة سان فرانسيسكو للتسويق بهدوء مع نظام مماثل منذ العام الماضي. وصناديق التحوط التي تركز على البيانات مثل اثنين من سيغما وعصر النهضة تكنولوجيز قالوا انهم يعتمدون على منظمة العفو الدولية. ووفقا للتقارير، واثنين آخرين 8212Bridgewater أسوسياتس و Point72 إدارة الأصول، التي تديرها أسماء وول ستريت كبيرة راي داليو وستيفن A. Cohen8212are تتحرك في نفس الاتجاه. التحسين التلقائي اعتمدت صناديق التحوط منذ فترة طويلة على أجهزة الكمبيوتر للمساعدة في إجراء الصفقات. وفقا لشركة أبحاث السوق بريشين. فإن نحو 1،360 صندوق تحویلي یقومون بغالبية تداولاتھم بمساعدة من نماذج الحواسیب 8212 في حدود 9 في المائة من جمیع الصنادیق 8212 ویتم إدارتھا بحوالي 197 ملیار. ولكن هذا عادة ما ينطوي على علماء البيانات 8212or 8220quants، 8221 في وول ستريت lingo8212using آلات لبناء نماذج إحصائية كبيرة. هذه النماذج معقدة، لكنها 8217re ثابتة أيضا إلى حد ما. كما يتغير السوق، فإنها قد لا تعمل فضلا عن أنها عملت في الماضي. ووفقا لبحث Preqin8217s، فإن صندوق منهجي نموذجي 8217t دائما أداء فضلا عن الأموال التي يديرها مدراء البشرية (انظر الرسم البياني أدناه) في السنوات الأخيرة، ومع ذلك، انتقلت الأموال نحو التعلم آلة حقيقية، حيث يمكن أن نظم ذكية اصطناعية تحليل كميات كبيرة من البيانات في سرعة وتحسين أنفسهم من خلال هذا التحليل. شركة نيويورك ريبليون البحوث، التي أسسها حفيد قاعة البيسبول من فامر هانك غرينبرغ، من بين أمور أخرى، تعتمد على شكل من أشكال التعلم الآلي يسمى شبكات بايزي. وذلك باستخدام حفنة من الآلات للتنبؤ اتجاهات السوق وتحديد صفقات معينة. وفي الوقت نفسه، ملابس مثل إدييا و سنتيانت تميل على منظمة العفو الدولية التي تمتد عبر مئات أو حتى الآلاف من الآلات. وهذا يشمل تقنيات مثل الحساب التطوري، الذي هو مستوحى من علم الوراثة، والتعلم العميق. وهي تقنية تستخدم الآن للتعرف على الصور، وتحديد الكلمات المنطوقة، وأداء مهام أخرى داخل شركات الإنترنت مثل غوغل ومايكروسوفت. والأمل هو أن هذه الأنظمة يمكن أن تعترف تلقائيا التغييرات في السوق والتكيف بطرق يمكن أن نماذج كوانت 8217t. 8220They8217re تحاول أن ترى الأشياء قبل أن تتطور، 8221 يقول بن كارلسون، مؤلف ثروة من الحس السليم: لماذا البساطة ينبض التعقيد في أي خطة الاستثمار. الذي قضى عقدا مع صندوق الهبات التي استثمرت في مجموعة واسعة من مديري الأموال. هذا النوع من منظمة العفو الدولية إدارة الأموال مدفوعة 8217t أن يكون الخلط مع تداول عالية التردد. فمن iso8217t تتطلع إلى الصفقات الأمامية المدى أو كسب المال من سرعة العمل. It8217s تبحث عن أفضل الصفقات في المدى الطويل 8212hours، أيام، أسابيع، حتى أشهر في المستقبل. وأكثر من ذلك إلى حد ما، آلات 8212 لا البشر 8212 اختيار الاستراتيجية. تطور الذكاء على الرغم من أن الشركة لم تقم بتسويق أموالها بشكل علني، إلا أن الرئيس التنفيذي لشركة سينتيانت أنطوان بلونداو يقول إنها تقوم بتداول رسمي منذ العام الماضي باستخدام أموال من مستثمري القطاع الخاص (بعد فترة أطول من صفقات الاختبار). وفقا لتقرير من بلومبرج. وقد عملت الشركة مع الأعمال صندوق التحوط داخل جب مورغان تشيس في تطوير تكنولوجيا التداول منظمة العفو الدولية، ولكن بلونديو رفض لمناقشة شراكاتها. غير أنه يقول إن صندوقه يعمل بالكامل من خلال الذكاء الاصطناعي. والفكرة كلها هي أن تفعل شيئا لا إنساناند آخر لا الماكينات الأخرى القيام به. ويسمح هذا النظام للشركة بتعديل إعدادات معينة للمخاطر، وفقا لما ذكره كبير مسؤولي العلوم باباك هودجات، الذي كان جزءا من الفريق الذي أنشأ سيري قبل أن تحصل شركة آبل على مساعد رقمي. ولكن خلاف ذلك، فإنه يعمل دون مساعدة بشرية. 8220It المؤلفين تلقائيا استراتيجية، ويعطينا الأوامر، 8221 يقول هودجات. 8220 وقال: 8216 شراء هذا بكثير الآن، مع هذا الصك، وذلك باستخدام هذا النوع من نوع معين. 8217 كما يخبرنا متى للخروج، والحد من التعرض، وهذا النوع من الاشياء. 8221 ووفقا ل هودجات، النظام يستحوذ على قوة الكمبيوتر غير المستخدمة من 8220millions8221 من ومعالجات الحاسوب داخل مراكز البيانات، ومقاهي الإنترنت، ومراكز ألعاب الكمبيوتر التي تديرها مختلف الشركات في آسيا وأماكن أخرى. محركها البرمجيات، وفي الوقت نفسه، يقوم على أساس التطورية 8212 نفس علم الوراثة-- مستوحاة من التقنية التي تلعب في نظام عيدia8217s. في أبسط العبارات، وهذا يعني أنه يخلق مجموعة كبيرة وعشوائية من تجار الأسهم الرقمية واختبار أدائها على بيانات الأسهم التاريخية. بعد اختيار أفضل الأداء، فإنه يستخدم بعد ذلك 8220genes8221 لخلق مجموعة جديدة من المتداولين متفوقة. وتكرر العملية. في نهاية المطاف، منازل النظام في على التاجر الرقمي التي يمكن أن تعمل بنجاح من تلقاء نفسها. 8220 على مدى آلاف الأجيال، تريليونات وتريليونات من 8216beings8217 تتنافس وتزدهر أو تموت، 8221 ويقول بلونديو، 8220 في نهاية المطاف، يمكنك الحصول على عدد من التجار الذكية يمكنك نشر فعلا. 21821 الاستثمار العميق على الرغم من الحساب التطوري يدفع النظام اليوم، كما يرى هودجات واعدة في خوارزميات التعلم العميق 8212 الخوارزميات التي ثبت بالفعل بارعون في تحديد الصور، والاعتراف الكلمات المنطوقة، وحتى فهم الطريقة الطبيعية نحن البشر الكلام. تماما كما التعلم العميق يمكن تحديد ملامح معينة التي تظهر في صورة القط، ويوضح، فإنه يمكن تحديد ميزات معينة من الأسهم التي يمكن أن تجعلك بعض المال. جوجل فقط مفتوحة المصدر تنسورفلو، محرك الذكاء الاصطناعي الفيسبوك مصادر مفتوحة لها الأجهزة أي كما هو سباقات جوجل جوجل جعل تشاتبوت أن يناقش معنى الحياة Goertzel8212who يشرف أيضا على مؤسسة أوبينكوغ. وهو جهد لبناء إطار مفتوح المصدر للذكاء الاصطناعي 8212disagrees. ويرجع ذلك جزئيا إلى أن خوارزميات التعلم العميق أصبحت سلعة. 8220 إذا كان الجميع يستخدم شيئا، سيتم تسعير it8217s التوقعات في السوق، 8221 يقول. 8220 عليك أن تفعل شيئا غريبا (82). كما يشير إلى أنه على الرغم من أن التعلم العميق مناسب لتحليل البيانات التي تحددها مجموعة معينة جدا من الأنماط، مثل الصور والكلمات، فإن هذه الأنواع من الأنماط don8217t تظهر بالضرورة في الأسواق المالية . وإذا فعلوا، فإنها aren8217t أن المفيدة 8212again، لأن أي شخص يمكن العثور عليها. ل هودجات، ومع ذلك، فإن المهمة هي لتحسين اليوم 8217s التعلم العميق. وهذا قد ينطوي على الجمع بين التكنولوجيا مع الحساب التطوري. كما يفسر ذلك، هل يمكن استخدام الحساب التطوري لبناء خوارزميات التعلم العميق أفضل. وهذا ما يسمى التطور العصبي. 8220 يمكن أن تتطور الأوزان التي تعمل على المتعلم العميق، 8221 يقول هودجات. 8220 ولكن يمكنك أيضا أن تتطور بنية المتعلم العميق نفسه. 8221 مايكروسوفت وغيرها من الازياء بالفعل بناء أنظمة التعلم العميق من خلال نوع من الانتقاء الطبيعي. على الرغم من أنها قد لا تستخدم الحساب التطوري في حد ذاته. التسعير في منظمة العفو الدولية أيا كانت الأساليب المستخدمة، بعض الأسئلة ما إذا كان يمكن لمنظمة العفو الدولية تنجح حقا في وول ستريت. وحتى لو حقق أحد الصناديق نجاحا مع منظمة العفو الدولية، فإن الخطر يتمثل في أن البعض الآخر سيكرر النظام وبالتالي يقوض نجاحه. إذا كان جزء كبير من السوق يتصرف بنفس الطريقة، فإنه يغير السوق. 8220I8217m قليلا متشككا أن منظمة العفو الدولية يمكن أن الرقم حقا هذا، 8221 كارلسون يقول. 8220 إذا كان شخص ما يجد خدعة التي تعمل، وليس فقط سوف صناديق أخرى مزلاج على ذلك ولكن المستثمرين الآخرين سوف صب المال في. فإنه من الصعب حقا أن تصور حالة حيث don8217t مجرد الحصول على محجوبة بعيدا.8221 غورتزيل يرى هذا الخطر. أن 8217s لماذا إدييا يستخدم ليس مجرد حساب تطوري ولكن مجموعة واسعة من التقنيات. وإذا كان آخرون تقليد أساليب الشركة 8217s، فإنه سيتم تبني أنواع أخرى من التعلم الآلي. والفكرة كلها هي أن تفعل شيئا لا الإنسان 8212and أخرى لا 8212is القيام به. 8220Finance هو المجال الذي تستفيد منه ليس فقط من أن تكون ذكية، 8221 غورتزيل يقول، 8220 ولكن من أن تكون ذكية بطريقة مختلفة عن الآخرين. 8221 المزيد بوسينيسو لتحديد استراتيجيات التداول حسابي في هذه المقالة أريد أن أعرض لكم على الطرق التي أنا نفسي تحديد استراتيجيات التداول خوارزمية مربحة. هدفنا اليوم هو أن نفهم بالتفصيل كيفية العثور على وتقييم واختيار هذه النظم. شرح كيفية تحديد الاستراتيجيات بقدر ما يتعلق بالأفضلية الشخصية كما هو الحال بالنسبة لأداء الإستراتيجية وكيفية تحديد نوع وكمية البيانات التاريخية للاختبار وكيفية تقييم إستراتيجية التداول بشكل متعمد وأخيرا كيفية المضي قدما نحو مرحلة باكتستينغ وتنفيذ الإستراتيجية . تحديد التفضيلات الشخصية الخاصة بك للتداول من أجل أن يكون تاجر ناجح - إما من الناحية التفضيلية أو خوارزمية - من الضروري أن تسأل نفسك بعض الأسئلة الصادقة. التداول يوفر لك القدرة على فقدان المال بمعدل ينذر بالخطر، لذلك فمن الضروري أن تعرف نفسك بقدر ما هو ضروري لفهم الاستراتيجية التي اخترتها. وأود أن أقول أن أهم اعتبار في التداول هو على بينة من شخصيتك الخاصة. التداول، والتجارة الخوارزمية على وجه الخصوص، يتطلب درجة كبيرة من الانضباط والصبر والانفصال العاطفي. منذ كنت تدع خوارزمية تنفيذ التداول الخاص بك بالنسبة لك، فمن الضروري أن يتم حل عدم التدخل في الاستراتيجية عندما يتم تنفيذها. وقد يكون ذلك صعبا للغاية، خاصة في فترات الانسحاب الموسع. ومع ذلك، العديد من الاستراتيجيات التي ثبت أن تكون مربحة للغاية في باكتست يمكن أن تدمر من خلال تدخل بسيط. فهم أنه إذا كنت ترغب في دخول عالم التداول حسابي سوف يتم اختبار عاطفيا وأنه من أجل أن تكون ناجحة، فمن الضروري العمل من خلال هذه الصعوبات الاعتبار التالي هو واحد من الوقت. هل لديك وظيفة بدوام كامل هل تعمل بدوام جزئي هل تعمل من المنزل أو لديك تخفيف طويلة كل يوم هذه الأسئلة سوف تساعد على تحديد وتيرة الاستراتيجية التي يجب أن تسعى. بالنسبة لأولئك منكم في العمل بدوام كامل، قد لا تكون استراتيجية العقود الآجلة لحظية مناسبة (على الأقل حتى يتم مؤتمتة بالكامل). كما أن قيود وقتك تملي منهجية الاستراتيجية. إذا كانت إستراتيجيتك يتم تداولها بشكل متكرر وتعتمد على خلاصات الأخبار المكلفة (مثل محطة بلومبرغ) سيكون من الواضح أن تكون واقعية حول قدرتك على تشغيل هذا بنجاح أثناء وجودك في المكتب بالنسبة لأولئك منكم مع الكثير من الوقت أو المهارات لأتمتة استراتيجيتك، قد ترغب في النظر في استراتيجية التداول عالية التردد أكثر تقنية (هفت). إيماني هو أنه من الضروري إجراء البحوث المستمرة في استراتيجيات التداول الخاصة بك للحفاظ على محفظة مربحة باستمرار. تبقى بعض الاستراتيجيات تحت الرادار إلى الأبد. وبالتالي فإن جزءا كبيرا من الوقت المخصص للتداول سيكون في إجراء البحوث الجارية. اسأل نفسك عما إذا كنت مستعدا للقيام بذلك، لأنه يمكن أن يكون الفرق بين الربحية القوية أو الانخفاض البطيء نحو الخسائر. تحتاج أيضا إلى النظر في رأس المال الخاص بك التداول. الحد الأدنى المثالي المقبول عموما للاستراتيجية الكمية هو 50،000 دولار (حوالي 35،000 بالنسبة لنا في المملكة المتحدة). إذا كنت قد بدأت من جديد، سأبدأ بمبلغ أكبر، ربما أقرب 100،000 دولار أمريكي (حوالي 70،000). وذلك لأن تكاليف المعاملات يمكن أن تكون مكلفة للغاية بالنسبة لاستراتيجيات متوسطة إلى عالية التردد، وأنه من الضروري أن يكون رأس المال كاف لاستيعابها في أوقات السحب. إذا كنت تفكر في البدء مع أقل من 10،000 دولار أمريكي، سوف تحتاج إلى تقييد نفسك لاستراتيجيات التردد المنخفض، والتداول في واحد أو اثنين من الأصول، وتكاليف المعاملات سوف تأكل بسرعة في عوائد الخاص بك. وسطاء التفاعلية، والتي تعد واحدة من الوسطاء ودية لأولئك الذين لديهم مهارات البرمجة، بسبب أبي، لديها حساب الحد الأدنى التجزئة 10،000 دولار أمريكي. مهارة البرمجة هي عامل مهم في خلق استراتيجية التداول الآلي الخوارزمية. كونك على دراية بلغة البرمجة مثل C، جافا، C، بيثون أو R سوف تمكنك من إنشاء نهاية إلى نهاية تخزين البيانات، باكتست المحرك ونظام التنفيذ نفسك. هذا له عدد من المزايا، رئيسها هو القدرة على أن تكون على علم تام بجميع جوانب البنية التحتية التجارية. كما يسمح لك لاستكشاف استراتيجيات تردد أعلى كما سوف تكون في السيطرة الكاملة على كومة التكنولوجيا الخاصة بك. في حين أن هذا يعني أنه يمكنك اختبار البرمجيات الخاصة بك والقضاء على البق، وهذا يعني أيضا المزيد من الوقت الذي يقضيه ترميز البنية التحتية وأقل على تنفيذ الاستراتيجيات، على الأقل في الجزء السابق من حياتك التجارية ألغو. قد تجد أن لديك تجارة مريحة في إكسيل أو ماتلاب ويمكن الاستعانة بمصادر خارجية لتطوير المكونات الأخرى. إلا أنني لا أنصح هذا، وخاصة بالنسبة لأولئك المتداولين في وتيرة عالية. تحتاج إلى أن تسأل نفسك ما كنت آمل تحقيقه من خلال التداول حسابي. هل ترغب في الحصول على دخل منتظم، حيث كنت تأمل في الحصول على الأرباح من حساب التداول الخاص بك، أو كنت مهتما في مكاسب رأس المال على المدى الطويل، ويمكن أن تحمل التجارة دون الحاجة إلى سحب الأموال سوف الاعتماد على الاعتماد تملي وتيرة الاستراتيجية الخاصة بك . وسيتطلب سحب أكثر انتظاما للدخل استراتیجیة تداول ذات تردد أکبر مع تقلب أقل (أي نسبة شارب أعلی). يمكن للتجار على المدى الطويل تحمل تردد تداول أكثر رصانة. وأخيرا، لا يكون خداع بفكرة أن تصبح غنية للغاية في فترة قصيرة من الزمن ألغو التداول ليس مخططا الغنية الغنية الحصول على - إذا كان أي شيء يمكن أن يكون مخطط الفقراء الفقراء. فإنه يأخذ الانضباط كبير، والبحوث، الاجتهاد والصبر لتكون ناجحة في التداول حسابي. قد يستغرق الأمر شهورا، إن لم يكن سنوات، لتوليد أرباح متسقة. أفكار التداول باستخدام خوارزمية المصادر على الرغم من التصورات الشائعة على العكس من ذلك، فمن السهل جدا تحديد استراتيجيات التداول المربحة في المجال العام. لم تكن أبدا الأفكار التجارية متاحة بسهولة أكثر مما هي عليه اليوم. توفر مجلات التمويل الأكاديمي وخوادم ما قبل الطباعة ومدونات التداول ومنتديات التداول ومجلات التداول الأسبوعية والنصوص المتخصصة آلاف استراتيجيات التداول التي تستند إليها أفكارك. هدفنا كباحثين التداول الكمي هو إنشاء خط أنابيب استراتيجية من شأنها أن توفر لنا مجموعة من الأفكار التجارية الجارية. من الناحية المثالية نحن نريد أن نخلق نهجا منهجيا في تحديد وتقييم وتنفيذ الاستراتيجيات التي نأتي بها. وأهداف خط الأنابيب هي توليد كمية متسقة من الأفكار الجديدة وتزويدنا بإطار لرفض غالبية هذه الأفكار مع الحد الأدنى من النظر العاطفي. يجب أن نكون حذرين للغاية لعدم السماح للتحيزات المعرفية تؤثر على منهجية صنع القرار لدينا. ويمكن أن يكون ذلك بسيطا مثل تفضيل فئة أصول واحدة على فئة أخرى (الذهب والمعادن الثمينة الأخرى تتبادر إلى الذهن) لأنها تعتبر أكثر غرابة. يجب أن يكون هدفنا دائما إيجاد استراتيجيات مربحة باستمرار، مع توقع إيجابي. يجب أن يستند اختيار فئة األصول إلى اعتبارات أخرى، مثل القيود على رأس المال التجاري، ورسوم الوساطة، وقدرات الرافعة المالية. إذا كنت غير مألوفة تماما مع مفهوم استراتيجية التداول ثم أول مكان للنظر هو مع الكتب المدرسية المعمول بها. النصوص الكلاسيكية توفر مجموعة واسعة من أبسط، وأكثر وضوحا الأفكار، والتي للتعرف على نفسك مع التداول الكمي. هنا هو اختيار أن أوصي لأولئك الذين هم جديدة إلى التداول الكمي، والتي تصبح تدريجيا أكثر تطورا وأنت تعمل من خلال القائمة: للحصول على قائمة أطول من الكتب التجارية الكمية، يرجى زيارة قائمة القراءة كوانتستارت. والمكان التالي للعثور على استراتيجيات أكثر تطورا هو منتديات التداول والمدونات التجارية. ومع ذلك، ملاحظة الحذر: العديد من بلوق التداول تعتمد على مفهوم التحليل الفني. يتضمن التحليل الفني استخدام المؤشرات الأساسية وعلم النفس السلوكي لتحديد الاتجاهات أو أنماط الانعكاس في أسعار الأصول. على الرغم من كونها تحظى بشعبية كبيرة في مساحة التداول العامة، يعتبر التحليل الفني غير فعال إلى حد ما في مجتمع التمويل الكمي. وقد اقترح البعض أنه ليس أفضل من قراءة برجك أو دراسة أوراق الشاي من حيث القدرة التنبؤية لها في الواقع هناك الأفراد الناجحين الاستفادة من التحليل الفني. ومع ذلك، كما نتساءل مع أدوات رياضية وإحصائية أكثر تطورا تحت تصرفنا، يمكننا بسهولة تقييم فعالية هذه الاستراتيجيات القائمة على تا، واتخاذ القرارات القائمة على البيانات بدلا من قاعدة لنا على الاعتبارات العاطفية أو الأفكار المسبقة. وفيما يلي قائمة من بلوق التداول المحترمة محترمة والمنتديات: مرة واحدة كان لديك بعض الخبرة في تقييم استراتيجيات أبسط، فقد حان الوقت للنظر في العروض الأكاديمية أكثر تطورا. وسيكون من الصعب الوصول إلى بعض المجلات الأكاديمية، دون اشتراكات عالية أو تكاليف لمرة واحدة. إذا كنت عضوا أو خريجا في الجامعة، يجب أن تكون قادرا على الوصول إلى بعض هذه المجلات المالية. خلاف ذلك، يمكنك أن تبحث في خوادم ما قبل الطباعة. والتي هي مستودعات الإنترنت من مسودات في وقت متأخر من الأوراق الأكاديمية التي تخضع لمراجعة الأقران. وبما أننا مهتمون فقط في الاستراتيجيات التي يمكننا أن نكرر بنجاح، باكتست والحصول على الربحية، استعراض الأقران هو أقل أهمية بالنسبة لنا. إن الجانب السلبي الكبير للاستراتيجيات الأكاديمية هو أنها غالبا ما تكون قديمة، وتتطلب بيانات تاريخية غامضة ومكلفة، وتداول في فئات الأصول غير السائلة، أو لا تأخذ في الاعتبار الرسوم أو الانزلاق أو الانتشار. كما يمكن أن يكون من غير الواضح ما إذا كان سيتم تنفيذ استراتيجية التداول مع أوامر السوق، أوامر الحد أو ما إذا كان يحتوي على وقف الخسائر وما إلى ذلك وبالتالي فمن الضروري للغاية لتكرار استراتيجية نفسك على أفضل وجه ممكن، باكتست ذلك وإضافة في معاملة واقعية التكاليف التي تشمل العديد من جوانب فئات الأصول التي ترغب في التجارة فيها. وهنا لائحة من خوادم ما قبل الطباعة الأكثر شعبية والمجلات المالية التي يمكنك مصدر الأفكار من: ماذا عن تشكيل الاستراتيجيات الكمية الخاصة بك وهذا يتطلب عموما ( ولكن لا تقتصر على) الخبرة في واحد أو أكثر من الفئات التالية: المجهرية السوق - لاستراتيجيات تردد أعلى على وجه الخصوص، يمكن للمرء أن الاستفادة من المجهرية السوق. أي فهم ديناميات كتاب النظام من أجل توليد الربحية. وستكون للأسواق المختلفة قيود تكنولوجية مختلفة، ولوائح، ومشاركين في السوق، وقيود كلها مفتوحة للاستغلال عن طريق استراتيجيات محددة. وهذه منطقة متطورة جدا وسيجد ممارسو البيع بالتجزئة صعوبة في المنافسة في هذا المجال، خاصة وأن المنافسة تشمل صناديق تحوط كمية كبيرة ذات رأس مال جيد ذات قدرات تكنولوجية قوية. هيكل الصندوق - إن صناديق الاستثمار المجمعة، مثل صناديق المعاشات التقاعدية وشراكات الاستثمار الخاص (صناديق التحوط) ومستشاري تجارة السلع وصناديق الاستثمار المشتركة مقيدة بسبب التنظيمات الثقيلة واحتياطيات رأس المال الكبيرة. وهكذا يمكن استغلال بعض السلوكيات المتسقة مع أولئك الذين هم أكثر ذكاء. فعلى سبيل المثال، تخضع الأموال الكبيرة للقيود المفروضة على القدرات بسبب حجمها. وبالتالي إذا كانوا بحاجة إلى تفريغ سريع (بيع) كمية من الأوراق المالية، سيكون لديهم لتدوير ذلك من أجل تجنب تحريك السوق. خوارزميات متطورة يمكن الاستفادة من هذا، وغيرها من الخصوصيات، في عملية عامة تعرف باسم هيكل صندوق التحكيم. ماشين ليارنينغارتيفيسيال الذكاء - أصبحت خوارزميات التعلم الآلي أكثر انتشارا في السنوات الأخيرة في الأسواق المالية. وقد استخدمت كل من المصنفات (مثل نايف بايز وآخرون) ومطابقة الوظائف غير الخطية (الشبكات العصبية) وإجراءات التحسين (الخوارزميات الجينية) للتنبؤ بمسارات الأصول أو تحسين استراتيجيات التداول. إذا كان لديك خلفية في هذا المجال قد يكون لديك بعض نظرة ثاقبة كيف يمكن تطبيق خوارزميات معينة في أسواق معينة. وهناك بالطبع مجالات كثيرة أخرى للتحقيق فيها. نناقش جيدا كيفية التوصل إلى استراتيجيات مخصصة بالتفصيل في مقال لاحق. من خلال الاستمرار في مراقبة هذه المصادر على أساس أسبوعي، أو حتى يومي، كنت تضع نفسك للحصول على قائمة متسقة من الاستراتيجيات من مجموعة متنوعة من المصادر. والخطوة التالية هي تحديد كيفية رفض مجموعة فرعية كبيرة من هذه الاستراتيجيات من أجل التقليل إلى أدنى حد من إهدار وقتك واسترجاع الموارد على الاستراتيجيات التي من المرجح أن تكون غير مربحة. تقييم استراتيجيات التداول أول ما يمكن اعتباره أكثر وضوحا هو ما إذا كنت تفهم الاستراتيجية فعليا. هل ستكون قادرا على شرح الاستراتيجية بشكل موجز أم أنها تتطلب سلسلة من التحذيرات وقوائم معلمات لا نهاية لها بالإضافة إلى ذلك، هل لدى الإستراتيجية أساس جيد ومتين في الواقع على سبيل المثال، هل يمكنك الإشارة إلى بعض الأسباب المنطقية السلوكية أو قيود هيكل التمويل قد يتسبب في النمط (النماذج) التي تحاول استغلالها هل سيواجه هذا القيد تغييرا في النظام، مثل تعطل بيئة تنظيمي دراماتيكي هل تعتمد الاستراتيجية على قواعد إحصائية أو رياضية معقدة هل تنطبق على أي سلسلة زمنية مالية أو وهي محددة لفئة الأصول التي يزعم أنها مربحة على يجب أن تكون دائما التفكير في هذه العوامل عند تقييم أساليب التداول الجديدة، وإلا قد تضيع قدرا كبيرا من الوقت في محاولة ل باكتست وتحسين الاستراتيجيات غير المربحة. مرة واحدة كنت قد قررت أن تفهم المبادئ الأساسية للاستراتيجية تحتاج إلى أن تقرر ما إذا كان يتناسب مع الشخصية الشخصية المذكورة أعلاه. هذا ليس كما نظر غامض كما يبدو الاستراتيجيات سوف تختلف اختلافا كبيرا في خصائص أدائها. هناك بعض أنواع الشخصية التي يمكن التعامل مع فترات أكثر أهمية من الانسحاب، أو على استعداد لقبول مخاطر أكبر لعودة أكبر. على الرغم من حقيقة أننا، كوانتس، في محاولة والقضاء على أكبر قدر من التحيز المعرفي قدر الإمكان، وينبغي أن تكون قادرة على تقييم استراتيجية بالتناوب، والتحيزات سوف تزحف دائما في. وبالتالي نحن بحاجة إلى وسائل عاطفية متسقة من خلالها لتقييم أداء الاستراتيجيات . وفيما يلي قائمة بالمعايير التي أحكم فيها على استراتيجية جديدة محتملة من خلال: المنهجية - هل يعتمد الزخم على الاستراتيجية، ومتوسط ​​الاتجاه، ومحايد السوق، والاتجاه، هل تعتمد الاستراتيجية على تقنيات إحصائية متطورة (أو معقدة) لفهم وتتطلب درجة الدكتوراه في الإحصاءات لفهم هل هذه التقنيات إدخال كمية كبيرة من المعلمات، والتي قد تؤدي إلى التحيز الأمثل هل الاستراتيجية من المرجح أن تصمد أمام تغيير النظام (أي تنظيم جديد محتمل للأسواق المالية) نسبة شارب - نسبة شارب يميز بشكل روتيني نسبة المكافأة من الاستراتيجية. وهو يحدد كم من العائدات التي يمكن تحقيقها لمستوى التقلبات التي يتحملها منحنى الأسهم. وبطبيعة الحال، نحتاج إلى تحديد الفترة والتردد الذي تقاس فيه هذه العوائد والتقلب (أي الانحراف المعياري). وتتطلب استراتيجية التردد الأعلى معدل أخذ عينات أكبر من الانحراف المعياري، ولكن فترة زمنية عامة أقصر للقياس، على سبيل المثال. الرافعة المالية - هل تتطلب الاستراتيجية نفوذا كبيرا من أجل تحقيق الربحية هل تستلزم الاستراتيجية استخدام عقود المشتقات المالية (العقود الآجلة والخيارات والمقايضات) من أجل تحقيق عوائد يمكن أن تكون لهذه العقود المردودة خصائص شديدة التقلب وبالتالي يمكن أن تؤدي بسهولة إلى مكالمات هامشية . هل لديك رأس المال التجاري ومزاجه لمثل هذا التقلب تردد - وترتبط استراتيجية الاستراتيجية بشكل وثيق إلى كومة التكنولوجيا الخاصة بك (وبالتالي الخبرة التكنولوجية)، ونسبة شارب والمستوى العام لتكاليف المعاملات. جميع القضايا الأخرى التي تعتبرها، تتطلب استراتيجيات التردد العالي المزيد من رأس المال، وأكثر تطورا وأصعب لتنفيذ. ومع ذلك، على افتراض محرك باكتستينغ الخاص بك هو متطور وخالية من الأخطاء، فإنها غالبا ما يكون لها نسب شارب أعلى بكثير. التقلب - يرتبط التقلب بقوة بخطر اإلستراتيجية. نسبة شارب تميز هذا. وغالبا ما يؤدي التقلب األعلى لفئات األصول األساسية، إذا لم يتم تحوطها، إلى تقلبات أعلى في منحنى األسهم وبالتالي نسب أصغر من شارب. وأنا أفترض بالطبع أن التقلبات الإيجابية تساوي تقريبا التقلبات السلبية. قد يكون لبعض الاستراتيجيات تقلبات هبوطية أكبر. يجب أن تكون على علم بهذه السمات. وينلوس، متوسط ​​بروفيتلوس - استراتيجيات تختلف في وينلوس وخصائص المتوسط ​​الربح. يمكن للمرء أن يكون استراتيجية مربحة جدا، حتى لو كان عدد الصفقات الخاسرة يتجاوز عدد الصفقات الفائزة. استراتيجيات الزخم تميل إلى أن يكون هذا النمط لأنها تعتمد على عدد قليل من الضربات الكبيرة من أجل أن تكون مربحة. تميل استراتيجيات الانحدار المتوسط ​​إلى أن يكون لها ملامح معارضة حيث أكثر من الصفقات الفائزين، ولكن الصفقات الخاسرة يمكن أن تكون شديدة جدا. الحد الأقصى للسحب - الحد الأقصى للسحب هو أكبر انخفاض في النسبة المئوية من الذروة إلى الحوض الصغير على منحنى الأسهم للاستراتيجية. ومن المعروف جيدا أن استراتيجيات الزخم تعاني من فترات السحب الموسعة (بسبب سلسلة من العديد من الصفقات الخاسرة المتزايد). سوف يتخلى العديد من التجار في فترات السحب التدريجي، حتى لو كان الاختبار التاريخي قد اقترح أن هذا هو العمل المعتاد للاستراتيجية. سوف تحتاج إلى تحديد ما هي نسبة السحب (وأكثر من الفترة الزمنية) التي يمكن أن تقبل قبل التوقف عن التداول الاستراتيجية الخاصة بك. هذا قرار شخصي للغاية وبالتالي يجب النظر فيه بعناية. القدرة على السيولة - على مستوى التجزئة، إلا إذا كنت تتداول في أداة غير سائلة للغاية (مثل الأسهم الصغيرة)، لن تضطر إلى قلق نفسك بشكل كبير مع القدرة الاستراتيجية. وتحدد القدرات قابلية الاستراتيجية لزيادة رأس المال. ويعاني العديد من صناديق التحوط األكبر حجما من مشاكل كبيرة تتعلق بالقدرات مع زيادة استراتيجياتها في تخصيص رأس المال. معلمات - بعض الاستراتيجيات (وخاصة تلك الموجودة في مجتمع التعلم الآلي) تتطلب كمية كبيرة من المعلمات. كل معلمة إضافية تتطلب استراتيجية يجعلها أكثر عرضة لتحيز التحسين (المعروف أيضا باسم منحنى المناسب). يجب أن تحاول واستهداف الاستراتيجيات مع عدد قليل من المعلمات ممكن أو تأكد من أن لديك كميات كافية من البيانات التي لاختبار الاستراتيجيات الخاصة بك على. المعيار - تقاس جميع الاستراتيجيات تقريبا (ما لم يتم وصفها بأنها عودة مطلقة) مقابل بعض مؤشرات الأداء. وعادة ما يكون المؤشر هو مؤشر يميز عينة كبيرة من فئة الأصول الأساسية التي تتداولها الاستراتيجية. إذا كانت الاستراتيجية تتداول أسهم الأسهم الكبيرة، فإن SP500 سيكون معيارا طبيعيا لقياس استراتيجيتك ضد. سوف تسمع المصطلحات ألفا وبيتا، تطبق على استراتيجيات من هذا النوع. وسوف نناقش هذه المعاملات بعمق في المواد اللاحقة. لاحظ أننا لم نناقش العائد الفعلي للاستراتيجية. لماذا هذا في عزلة، والعوائد في الواقع توفر لنا معلومات محدودة عن فعالية الاستراتيجية. أنها لا تعطيك نظرة ثاقبة النفوذ، والتقلب، والمعايير أو متطلبات رأس المال. وبالتالي نادرا ما يتم الحكم على الاستراتيجيات على عوائدها وحدها. ضع في اعتبارك دائما سمات المخاطر الخاصة بالاستراتيجية قبل النظر إلى العوائد. في هذه المرحلة سيتم رفض العديد من الاستراتيجيات التي تم العثور عليها من خط أنابيب الخاص بك من جهة، لأنها لن تلبي متطلبات رأس المال الخاص بك، والقيود على الرافعة المالية، والحد الأقصى للتسامح السحب أو تفضيلات التذبذب. ويمكن الآن النظر في الاستراتيجيات التي لا تزال قائمة للمراجعة الخلفية. ومع ذلك، قبل هذا ممكن، من الضروري النظر في واحدة معايير الرفض النهائي - أن من البيانات التاريخية المتاحة التي لاختبار هذه الاستراتيجيات. الحصول على البيانات التاريخية في الوقت الحاضر، اتساع المتطلبات الفنية عبر فئات الأصول لتخزين البيانات التاريخية هو كبير. وبغية الحفاظ على قدرتها على المنافسة، يستثمر كل من جانب الشراء (الصناديق) وجانب البيع (المصارف الاستثمارية) بكثافة في بنيتها التحتية التقنية. ومن الضروري النظر في أهميته. على وجه الخصوص، نحن مهتمون في الوقت المناسب والدقة ومتطلبات التخزين. سأحدد الآن أساسيات الحصول على البيانات التاريخية وكيفية تخزينها. لسوء الحظ هذا هو موضوع عميق جدا والتقنية، لذلك أنا لن تكون قادرة على أن أقول كل شيء في هذه المقالة. ومع ذلك، سوف أكتب الكثير عن هذا في المستقبل كما كانت تجربتي السابقة الصناعة في الصناعة المالية المعنية أساسا مع الحصول على البيانات المالية والتخزين والوصول. في القسم السابق قمنا بإعداد خطة استراتيجية سمحت لنا برفض استراتيجيات معينة بناء على معايير الرفض الشخصية الخاصة بنا. في هذا القسم سوف نقوم بتصفية المزيد من الاستراتيجيات استنادا إلى تفضيلاتنا الخاصة للحصول على البيانات التاريخية. The chief considerations (especially at retail practitioner level) are the costs of the data, the storage requirements and your level of technical expertise. We also need to discuss the different types of available data and the different considerations that each type of data will impose on us. Lets begin by discussing the types of data available and the key issues we will need to think about: Fundamental Data - This includes data about macroeconomic trends, such as interest rates, inflation figures, corporate actions (dividends, stock-splits), SEC filings, corporate accounts, earnings figures, crop reports, meteorological data etc. This data is often used to value companies or other assets on a fundamental basis, i. e. via some means of expected future cash flows. It does not include stock price series. Some fundamental data is freely available from government websites. Other long-term historical fundamental data can be extremely expensive. Storage requirements are often not particularly large, unless thousands of companies are being studied at once. News Data - News data is often qualitative in nature. It consists of articles, blog posts, microblog posts (tweets) and editorial. Machine learning techniques such as classifiers are often used to interpret sentiment . This data is also often freely available or cheap, via subscription to media outlets. The newer NoSQL document storage databases are designed to store this type of unstructured, qualitative data. Asset Price Data - This is the traditional data domain of the quant. It consists of time series of asset prices. Equities (stocks), fixed income products (bonds), commodities and foreign exchange prices all sit within this class. Daily historical data is often straightforward to obtain for the simpler asset classes, such as equities. However, once accuracy and cleanliness are included and statistical biases removed, the data can become expensive. In addition, time series data often possesses significant storage requirements especially when intraday data is considered. Financial Instruments - Equities, bonds, futures and the more exotic derivative options have very different characteristics and parameters. Thus there is no one size fits all database structure that can accommodate them. Significant care must be given to the design and implementation of database structures for various financial instruments. We will discuss the situation at length when we come to build a securities master database in future articles. Frequency - The higher the frequency of the data, the greater the costs and storage requirements. For low-frequency strategies, daily data is often sufficient. For high frequency strategies, it might be necessary to obtain tick-level data and even historical copies of particular trading exchange order book data. Implementing a storage engine for this type of data is very technologically intensive and only suitable for those with a strong programmingtechnical background. Benchmarks - The strategies described above will often be compared to a benchmark . This usually manifests itself as an additional financial time series. For equities, this is often a national stock benchmark, such as the SP500 index (US) or FTSE100 (UK). For a fixed income fund, it is useful to compare against a basket of bonds or fixed income products. The risk-free rate (i. e. appropriate interest rate) is also another widely accepted benchmark. All asset class categories possess a favoured benchmark, so it will be necessary to research this based on your particular strategy, if you wish to gain interest in your strategy externally. Technology - The technology stacks behind a financial data storage centre are complex. This article can only scratch the surface about what is involved in building one. However, it does centre around a database engine, such as a Relational Database Management System (RDBMS), such as MySQL, SQL Server, Oracle or a Document Storage Engine (i. e. NoSQL). This is accessed via business logic application code that queries the database and provides access to external tools, such as MATLAB, R or Excel. Often this business logic is written in C, C, Java or Python. You will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers. Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner. As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data. You may find it is necessary to reject a strategy based solely on historical data considerations. This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely. Do not underestimate the difficulties of creating a robust data centre for your backtesting purposes I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost. Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation. Tools like TradeStation possess this capability. However, my personal view is to implement as much as possible internally and avoid outsourcing parts of the stack to software vendors. I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical. Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine. This will be the subject of other articles, as it is an equally large area of discussion Just Getting Started with Quantitative Trading