Livro de sistemas de negociação quantitativa

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.

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.

20 Sistemas Quantitativos de Negociação.

Compartilhe este post:

O termo & # 8216; quant & # 8217; ou & # 8216; sistema de negociação quantitativo & # 8217; evoca a imagem de um graduado em matemática inteligente na mesa de um banco de investimento que gasta seu tempo criando sofisticados algoritmos de curto prazo. Tais algoritmos que tiram milhões de dólares do mercado em um piscar de olhos.

No entanto, e embora existam muitos desses tipos de quants, qualquer um que use uma abordagem matemática e objetiva também pode ser chamado de quant.

Então, quais são os sistemas de negociação quantitativos?

Um sistema de negociação quantitativo pode ser definido como qualquer sistema que usa cálculos matemáticos para tomar decisões comerciais. Em finanças, isso é extremamente benéfico por vários motivos. Em primeiro lugar, o uso de um sistema de negociação quantitativo significa que você pode testar suas idéias de forma objetiva sobre dados passados ​​e, portanto, chegar a conclusões sobre como essas idéias se sairão em dados reais e futuros. Alguns dos fundos de hedge de maior sucesso utilizam métodos quantitativos em algum grau. Para um bom exemplo, basta dar uma olhada em Jim Simons, cujo fundo Medallion obteve uma média de 35% de retorno desde 1989.

Em segundo lugar, os sistemas de negociação quantitativos podem ser estatisticamente verificados e testados. Eles também podem ser usados ​​para fazer cálculos complexos e instantâneos que um operador humano pode não conseguir.

Outra vantagem de usar um sistema de negociação quantitativo é que você pode eliminar parte da emoção humana envolvida na negociação.

No entanto, há um ponto importante a ser feito aqui, porque um sistema de negociação nunca pode eliminar totalmente toda a emoção envolvida.

De fato, em alguns casos, as emoções meramente são transferidas para o próprio sistema, tornando-o inútil.

Isso pode acontecer de várias maneiras; saltando dentro e fora do sistema, criando um sistema que não é robusto, ajustando a curva do sistema a dados passados, ignorando o sistema ou questionando os sinais do sistema;

A psicologia é, portanto, extremamente importante, mesmo para os comerciantes quantitativos.

Um bom livro sobre o assunto de sistemas de negociação quantitativos é a negociação quantitativa de Ernie Chan: como construir seu próprio negócio de negociação algorítmica. É particularmente bom porque contém algumas das ideias originais de Chan. Alguns deles são difíceis de implementar e requerem tecnologia sofisticada, mas alguns são simples, como o sistema de Chan, que busca tirar proveito do desvio de receita.

Outro bom livro sobre o assunto é Quantitative Trading Systems pelo Dr. Howard Bandy. Este é um bom livro sobre como projetar um sistema de negociação, e dá muitos exemplos, embora seja caro e principalmente voltado para os usuários da Amibroker.

E, em seguida, há o meu livro que contém 20 sistemas, todos os quais são testados em 10 anos de dados do mercado de ações e fornecidos com uma série de métricas de desempenho. Eles são uma mistura de sistemas de acompanhamento de tendências e de reversão à média e são baseados principalmente em períodos de tempo semanais.

20 sistemas de negociação quantitativos:

Sistema 1: Mover o cruzamento médio.

Sistema 2: Quatro semanas seguidas.

Sistema 3: Negociando o ruído.

Sistema 4: Negociando o ruído mais calções.

Sistema 5: gradientes de negociação.

Sistema 6: média do custo do dólar.

Sistema 7: fuga do estilo Donchian.

Sistema 8: Breakout com confirmação EMA.

Sistema 9: Tendência seguinte com o TEMA.

Sistema 10: medo de Bull / Bear.

Sistema 11: RSI simples com filtro de curva de capital.

Sistema 12: O indicador de faixa (TRI)

Sistema 13: Breakout de volatilidade com Bollinger Bands.

Sistema 14: Negociando a lacuna.

Sistema 15: RSI com o VIX.

Sistema 16: Negociação do TED.

Sistema 17: MACD simples com filtro EMA.

Sistema 18: Estoques de moeda de um centavo da colheita da cereja com passagem de EMA.

Sistema 19: Utilizando o relatório Commitment of Traders (COT).

Sistema 20: Encontrar estoques baratos com regressão linear e intervalo médio real.

Howard B. Bandy & # 8211; Sistemas de Negociação Quantitativa.

Howard B. Bandy & # 8211; Sistemas de Negociação Quantitativa.

Você apenas paga: $ 9.

Entre em contato conosco por e-mail: [email & # 160; protected] ou Skype: adam. road (Viking Adam) para saber como pagar e receber os cursos.

Descrição.

Com muita frequência, os sistemas de negociação que pareciam bons no ano passado, em um anúncio ou durante o back-testing de computador, perdem dinheiro assim que você começa a negociá-los. Este livro explica por que isso acontece e fornece técnicas detalhadas para o desenvolvimento de sistemas que serão lucrativos.

Quero agradecer-lhe pela sua excelente, sem clareza e soberba em descrever os sistemas mecânicos de negociação e os problemas nele contidos. Eu tenho várias prateleiras cheias de livros de todos os autores & # 8216; e eu aprendi muito ao longo dos anos, apesar de alguns dos "autores" me levaram por caminhos falsos. Fiquei impressionado com o seu livro (o que me levou à conferência) e o workshop aumentou drasticamente. Para mim, foi uma viagem que valeu a pena. & # 8211; Robert G.

Oi Howard & # 8230; Acabei de receber o seu livro. Eu comecei a ler o seu livro e ele está bem apresentado. Parece muito interessante e está filosoficamente alinhado com o meu livro "Análise Técnica Baseada em Evidência". # 8221; Espero que receba a circulação que merece. Desejo-lhe sucesso com o seu livro. & # 8211; David A.

Sobre o livro, fantástico. Eu estou aproveitando cada momento disso. Uma leitura lenta porque você desencadeia tantos pensamentos que eu estou indo principalmente em uma tangente e, em seguida, testando e verificando, mas no final uma experiência muito agradável. Se alguém deste lado do mundo quiser uma referência, você é mais do que bem-vindo para apontá-lo em minha direção. No final, toda a experiência se revelou positiva, uma pela sua utilidade e segundo o material do livro. Muito obrigado pelo seu esforço, eu realmente aprecio isso. & # 8211; J. M., África do Sul, email.

Oi Howard & # 8230; Acabei de receber o seu livro. Eu comecei a ler o seu livro e ele está bem apresentado. Parece muito interessante e está filosoficamente alinhado com o meu livro "Análise Técnica Baseada em Evidência". # 8221; Espero que receba a circulação que merece. Desejo-lhe sucesso com o seu livro. & # 8211; David A.

Sobre o livro, fantástico. Eu estou aproveitando cada momento disso. Uma leitura lenta porque você desencadeia tantos pensamentos que eu estou indo principalmente em uma tangente e, em seguida, testando e verificando, mas no final uma experiência muito agradável. Se alguém deste lado do mundo quiser uma referência, você é mais do que bem-vindo para apontá-lo em minha direção. No final, toda a experiência se revelou positiva, uma pela sua utilidade e segundo o material do livro. Muito obrigado pelo seu esforço, eu realmente aprecio isso. & # 8211; J. M., África do Sul, email.

Sobre o autor.

O Dr. Howard Bandy tem tanto a educação formal quanto a experiência prática necessárias para escrever este livro. Ele é formado em matemática, física, engenharia e ciência da computação. Ele era professor universitário de ciência da computação e matemática e reitor da universidade. Ele começou a pesquisa e aplicação de modelagem, simulação, estatística e inteligência artificial, enquanto na escola de pós-graduação. Ele é o designer e programador de um programa de computador comercialmente bem-sucedido para registrar entradas e saídas. Ele era um analista sênior de pesquisa para uma empresa de consultoria de negociação de commodities, onde detinha uma licença da Série 3. Ele é um orador regular em conferências internacionais, autor de cinco livros relacionados ao design, análise e gerenciamento de sistemas de negociação. E um consultor para empresas comerciais e pessoas físicas.

16 melhores livros de negociação de todos os tempos.

Compartilhe este post:

16 Melhores livros de negociação de todos os tempos.

Eu escrevi em um artigo anterior sobre as vantagens de um bom livro em um blog, então aqui está minha lista dos 16 melhores livros de negociação de todos os tempos. Estes são todos os livros que li e posso recomendar. Se você é novo nos mercados financeiros, esses livros são o melhor lugar para começar.

Escolhas de consenso.

Existem centenas de livros de negociação por aí, mas há apenas dois que são mencionados repetidamente como sendo o melhor do grupo.

Jesse Livermore, também conhecido como o "pistão do garoto", é considerado um dos melhores traders de todos os tempos, ganhando e perdendo muitos milhões de dólares durante a Grande Depressão e anos circunvizinhos. Este livro clássico é educacional e uma ótima leitura.

A série de Wizards do mercado por Jack Schwager inclui os feiticeiros originais do mercado, feiticeiros do mercado novo e feiticeiros do fundo de cobertura. Os livros contêm entrevistas inestimáveis ​​com alguns dos maiores comerciantes dos últimos 30 anos. Schwager é o autor de uma série de outros livros, no entanto, o seu original Market Wizards nunca foi superado.

Mais clássicos de negociação.

Facilmente uma das melhores tendências seguintes livros lá fora, se não o melhor. O livro de Michael Covel é completamente persuasivo e cheio de exemplos detalhados de estratégias de negociação e a tendência de seguir fundos que os utilizam. Há uma seção sobre o desempenho da sequência de tendências e um segmento sobre a tendência após os estoques. Muitas das minhas ideias atuais de negociação são baseadas em algumas das ideias deste livro.

Não tão bom quanto Tendência Seguindo em termos de profundidade, mas ainda uma tendência informativa e educativa seguindo o livro. O livro de Curtis Faith merece o seu lugar na lista dos melhores livros de comércio, uma vez que detalha as façanhas dos famosos Turtle Traders, orientados por Richard Dennis nos anos 70.

Eu posso estar errado, mas não acho que muitos tenham lido este. Rindo de Wall Street, detalhes como o pequeno investidor Chris Camillo transformou US $ 20.000 em mais de US $ 2 milhões em apenas alguns anos e ele fez isso com uma estratégia realmente única que olhou para as mídias sociais e tendências populares. Um ótimo livro para os tempos modernos e mostra porque é tão importante ser original.

Sistemas de Negociação.

Eu peguei isso na biblioteca anos atrás, numa época em que eu trabalhava como day trader e lutava para sobreviver. Foi Perry Kaufman quem primeiro me convenceu de que os sistemas de negociação são cruciais se você tiver dificuldade em manter seus negócios ou com o lado emocional da negociação.

Este livro, do Dr. Howard Bandy, foi desenvolvido para a Amibroker, mas também contém uma visão brilhante do design do sistema, além de detalhar o código da AFL para vários exemplos de sistemas de negociação. O código pode ser facilmente adaptado para outros programas de negociação.

Assim como o QTS, o Dr. Bandy também tem vários outros livros sobre design de sistemas de negociação, incluindo Sistemas de Negociação de Reversão Média, Desempenho do Sistema de Modelagem e seu último livro, Análise Técnica Quantitativa. Todos os livros do Dr. Bandy são excelentes leituras para desenvolvedores de sistemas.

Psicologia.

O livro clássico de Charles MacKay foi publicado pela primeira vez em 1841, mas mantém o seu fascínio por seu retrato eloqüente de bolhas e manias. Depois de ler isto, você entenderá como as bolhas econômicas acontecem e por que elas realmente não são nada de novo.

Acho bons livros de psicologia de negociação difíceis de encontrar. Embora eles sejam bem recebidos, eu pessoalmente não acho que a Trading na Zona ou o Naked Trader tenham ambos uma quantidade razoável de material de preenchimento. Entrar na minha sala de negociação, no entanto, pelo Dr. Alexander Elder, é um bom equilíbrio entre ciência e intuição.

Leituras favoritas.

Jim Rogers co-fundou o Quantum Fund com George Soros e se aposentou de Wall Street aos 37 anos de idade. Neste livro, ele circunavega o mundo em uma Mercedes Benz construída sob encomenda enquanto fornece sabedoria de investimento. Eu gosto de todos os Rogers & # 8217; livros, mas isso é o melhor.

Há uma boa razão pela qual Michael Lewis & # 8216; livro se tornou um best-seller. Ele oferece uma visão fascinante dos mercados financeiros, mas o mais importante, é uma ótima leitura, mesmo para aqueles que não têm interesse em negociar.

Investindo clássicos.

Este é o clássico tomo de investimento de Benjamin Graham que Buffet afirma ter lido capa a capa não menos que 7 vezes antes de colocar dinheiro nos mercados. O livro ainda é considerado a cartilha essencial sobre o investimento em valor.

Existem inúmeros livros que tentam explicar o estilo de investimento de Warren Buffett, mas acho que o Buffetology é o mais claro e fácil de ler. Criado por sua ex-nora, Mary Buffett, este livro é uma ótima introdução ao estilo Buffet.

Um excelente livro escrito por Timothy Hayes, da Ned Davis Research, que detalha como construir indicadores econômicos compostos que podem ser usados ​​para prever grandes pontos de virada e tendências do mercado. É muito bem colocado e é exaustivo em sua pesquisa, dando muitos gráficos e exemplos.

Leituras mais avançadas.

Mandelbrot é um matemático nobre e pioneiro na matemática fractal. Fractais descrevem coisas que não importa quão perto você esteja, nunca fique mais simples. Como os ramos de couve-flor, costas irregulares e mercados financeiros.

O gerenciamento de dinheiro é possivelmente o componente mais importante da negociação bem-sucedida. No New Money Management, Ralph Vince, dá sua própria opinião sobre o assunto, incluindo a cobertura do & # 8216; ótimo f & # 8217; e & # 8216; risco de ruína & # 8217; . Este livro é o mais abrangente que li sobre o assunto da administração do dinheiro. Não é barato, no entanto.

Seria estúpido escrever uma lista dos melhores livros de negociação sem mencionar meu próprio livro. De muitas maneiras, o HTBWS é um acúmulo de todos os livros desta página. Todos os segredos e técnicas desses clássicos ajudaram a moldar meu livro, que tentei reunir de maneira concisa.

Prefiro audiolivros? Obtenha meu audiolivro agora da Amazon Audible (teste gratuito) ou no iTunes.

Alguma coisa que eu perdi?

Já posso pensar em alguns que poderiam ser adicionados a esta lista, mas acho que vou parar por aí. Quais livros de negociação você recomendaria? E você acha que eu deveria ter incluído?

Precisa de mais recomendações de livros?

Há muito mais livros de negociação para você conferir na página de Recursos.

Ou, se você preferir aprender on-line, confira minha lista dos 15 melhores cursos de negociação de ações da web.

Plano de estudo individual para se tornar um comerciante quantitativo & # 8211; Parte I.

Os papéis quantitativos dos operadores em grandes fundos quant são frequentemente vistos como uma das posições mais prestigiosas e lucrativas no cenário de emprego em finanças quantitativas. Negociando carreiras em um & # 8220; pai & # 8221; Os fundos são muitas vezes vistos como um trampolim para eventualmente permitir que se forme o seu próprio fundo, com uma alocação inicial de capital do empregador pai e uma lista de investidores iniciais para trazer a bordo.

A competição por posições de negociação quantitativa é intensa e, portanto, um investimento significativo de tempo e esforço é necessário para obter uma carreira em negociação quântica. Neste artigo, vou descrever os caminhos de carreira comuns, rotas para o campo, o plano de fundo necessário e um plano de auto-estudo para ajudar os comerciantes de varejo e pretensos profissionais a adquirir habilidades em negociação quantitativa.

Definindo expectativas.

Antes de nos aprofundarmos nas listas de livros didáticos e outros recursos, tentarei definir algumas expectativas sobre o que o papel envolve. A pesquisa de negociação quantitativa está muito mais alinhada com os testes de hipóteses científicas e com o rigor acadêmico do que o usual & # 8220; usual & # 8221; percepção dos operadores dos bancos de investimento e a bravata associada. Há muito pouca (ou inexistente) entrada discricionária ao realizar negociações quantitativas, pois os processos são quase universalmente automatizados.

O método científico e o teste de hipóteses são processos altamente valorizados dentro da comunidade financeira de quant e, como tal, qualquer pessoa que deseje entrar em campo precisará ter sido treinada em metodologia científica. Isso muitas vezes, mas não exclusivamente, significa treinamento para um nível de pesquisa de doutorado & # 8211; geralmente através de um mestrado em nível de doutorado ou pós-graduação em um campo quantitativo. Embora se possa entrar em negociações quantitativas em nível profissional por meios alternativos, isso não é comum.

As habilidades exigidas por um pesquisador de negociação quantitativa sofisticado são diversas. Uma extensa experiência em matemática, probabilidade e testes estatísticos fornecem a base quantitativa sobre a qual construir. É essencial compreender os componentes da negociação quantitativa, incluindo métodos de previsão, geração de sinais, backtesting, limpeza de dados, gerenciamento de portfólio e execução. É necessário um conhecimento mais avançado para análise de séries temporais, aprendizagem estatística / máquina (incluindo métodos não lineares), otimização e microestrutura de troca / mercado. Juntamente com isso, há um bom conhecimento de programação, incluindo como obter modelos acadêmicos e implementá-los rapidamente.

Este é um aprendizado significativo e não deve ser introduzido de ânimo leve. Costuma-se dizer que são necessários de 5 a 10 anos para se aprender material suficiente para ser consistentemente lucrativo no comércio quantitativo de uma firma profissional. No entanto, as recompensas são significativas. É um ambiente altamente intelectual com um grupo muito inteligente. Ele fornecerá desafios contínuos em um ritmo acelerado. É extremamente bem remunerado e oferece muitas opções de carreira, incluindo a capacidade de se tornar um empreendedor, iniciando seu próprio fundo depois de demonstrar um histórico de longo prazo.

Antecedentes Necessários

É comum considerar uma carreira em finanças quantitativas (e, finalmente, pesquisa de negociação quantitativa), enquanto estudava em um diploma de graduação numerada ou dentro de um doutorado técnico especializado. No entanto, o seguinte conselho é aplicável àqueles que desejarem fazer a transição para uma carreira de negociação quant de outro, embora com a ressalva de que levará um pouco mais de tempo e envolverá extensa rede de contatos e muito autoestudo.

No nível mais básico, a pesquisa quantitativa profissional requer uma sólida compreensão da matemática e do teste de hipóteses estatísticas. Os suspeitos usuais de cálculo multivariado, álgebra linear e teoria da probabilidade são todos necessários. Uma boa marca de classe em um curso de graduação em matemática ou física de uma escola bem conceituada geralmente fornecerá a base necessária.

Se você não tem formação em matemática ou física, sugiro que você faça um curso de graduação em uma das melhores escolas em um desses campos. Você estará competindo com pessoas que têm esse conhecimento e, portanto, será altamente desafiador obter uma posição em um fundo sem algumas credenciais acadêmicas definitivas.

Além de ter uma sólida compreensão matemática, é necessário ser adepto da implementação de modelos, via programação de computadores. As opções comuns de linguagens de modelagem nos dias de hoje incluem R, a linguagem estatística de código aberto; Python, com suas extensas bibliotecas de análise de dados; ou MatLab. Ganhar extensa familiaridade com um desses pacotes é um pré-requisito necessário para se tornar um profissional quantitativo. Se você tem uma extensa experiência em programação de computadores, talvez queira considerar entrar em um fundo por meio da rota do Quantitative Developer.

A grande habilidade final necessária aos pesquisadores quantitativos de negociação é a capacidade de interpretar objetivamente novas pesquisas e implementá-las rapidamente. Esta é uma habilidade aprendida através do treinamento de doutorado e uma das razões pelas quais os candidatos a PhD das melhores escolas geralmente são os primeiros a serem escolhidos para cargos de negociação quantitativa. Obter um PhD em uma das seguintes áreas (particularmente aprendizado de máquina ou otimização) é um bom caminho para um fundo quantificado sofisticado.

Troca Quantitativa Introdutória.

O comércio quantitativo explodiu em popularidade tanto no espaço do fundo profissional quanto no de varejo. É, naturalmente, o principal tema deste site! Escrevi alguns artigos sobre como começar a negociação quantitativa / algorítmica introdutória. A seguir, você terá uma breve visão geral do campo:

Para uma introdução mais profunda, você deve pegar os seguintes textos do gerente de fundos hedge Ernie Chan, que incluem detalhes significativos sobre a implementação de estratégias de negociação quant. Eles são dedicados ao sofisticado investidor de varejo, mas as metodologias de negociação e as técnicas de gerenciamento de risco são sólidas e transitam para o espaço do fundo profissional:

Se você deseja obter mais informações sobre os detalhes da implementação de estratégias de negociação quant (particularmente no nível de varejo), dê uma olhada nos artigos de negociação de quantia neste site.

Econometria / Análise de Séries Temporais.

Fundamentalmente, a maioria das negociações quantitativas trata da análise de séries temporais. Isso inclui predominantemente séries de preços de ativos em função do tempo, mas pode incluir séries derivadas de alguma forma. Assim, a análise de séries temporais é um tópico essencial para o pesquisador de negociação quantitativa. Escrevi sobre como começar no artigo sobre os 10 principais recursos essenciais para aprender econometria financeira. Esse artigo inclui guias básicos de probabilidade e início de programação em R, que discutiremos com mais detalhes na segunda parte desta série de artigos.

Os três textos fundamentais que eu recomendo para começar em econometria e análise de séries temporais são:

Se você quiser ler mais sobre cada livro e como ele pode ajudá-lo, sugiro dar uma olhada no meu artigo sobre recursos econométricos.

Recentemente me deparei com um recurso fantástico chamado OTexts, que fornece livros de acesso aberto. O seguinte livro é especialmente útil para previsão:

Previsão: Princípios e Prática de Hyndman e Athanasopoulos & # 8211; Este livro gratuito é uma excelente maneira de começar a aprender sobre previsão estatística através do ambiente de programação R. Ele abrange técnicas de regressão simples e multivariada, suavização exponencial e ARIMA, além de modelos de previsão mais avançados. O livro é originalmente lançado em graus de negócios / comércio, mas é suficientemente técnico para ser de interesse para começar quantos.

Com os fundamentos das séries temporais em seu currículo, o próximo passo é começar a estudar as técnicas de aprendizado de estatística / máquina, que são o estado atual da arte & # 8221; dentro do financiamento quantitativo.

Estatística Intermediária / Aprendizado de Máquina.

A moderna pesquisa de negociação quantitativa depende de extensas técnicas de aprendizado de estatística. Até há relativamente pouco tempo, o único local para aprender técnicas como as aplicadas às finanças quantitativas estava na literatura. Atualmente existem livros didáticos bem estabelecidos que preenchem a lacuna entre teoria e prática. É o próximo acompanhamento lógico das técnicas de previsão de econometria e de séries temporais, embora haja sobreposição significativa nas duas áreas.

A maneira recomendada para começar a compreender a aprendizagem estatística / máquina é estudar os dois livros seguintes (com autores sobrepostos):

Uma Introdução à Aprendizagem Estatística: com Aplicações em R por James, et al & # 8211; Este texto fornece uma ótima introdução às modernas técnicas de aprendizado estatístico. Ele é voltado para o profissional, e não para o estatístico acadêmico, portanto, será útil para aqueles que vêm de um ambiente financeiro com experiência mínima em aprendizado de máquina. Faz uso de R para todos os seus exemplos e, como tal, é fácil de implementar. Recomenda-se ler isto antes de ler o livro subseqüente abaixo. Os elementos do aprendizado estatístico: mineração de dados, inferência e previsão por Hastie, et al & # 8211; Carinhosamente conhecido como & # 8220; ESL & # 8221; dentro da comunidade estatística, este livro é uma continuação fantástica para o recém lançado “ISL & # 8221; acima. É muito mais profundo na teoria e fornecerá uma base sólida na aprendizagem estatística. Você também pode baixar uma cópia gratuita do livro no site do autor (statweb. stanford. edu/

As principais técnicas de interesse incluem Regressão Linear Multivariada, Regressão Logística, Técnicas de Reamostragem, Métodos Baseados em Árvore (incluindo Florestas Aleatórias), Máquinas de Vetores de Suporte (SVM), Análise de Componentes Principais (PCA), Clustering (K-Meios, Hierárquicos), Kernal Métodos e Redes Neurais. Cada um desses tópicos é um exercício de aprendizagem significativo em si, embora os dois textos acima cubram o material introdutório necessário, fornecendo mais referências para um estudo mais profundo.

Um conjunto particularmente útil (e gratuito!) De cursos na Web sobre Machine Learning / AI é fornecido pelo Coursera:

Aprendizado de Máquina por Andrew Ng & # 8211; Este curso aborda os fundamentos dos métodos que mencionei brevemente acima. Ele recebeu elogios de pessoas que participaram. É provavelmente melhor assistido como um companheiro para ler ISL ou ESL dado acima. Redes Neurais para Aprendizado de Máquina por Geoffrey Hinton & # 8211; Este curso se concentra principalmente em redes neurais, que têm uma longa história de associação com finanças quantitativas. Se você deseja se concentrar especificamente nesta área, então vale a pena dar uma olhada neste curso, em conjunto com um livro sólido na área.

Próximos passos.

No próximo artigo da série, estaremos considerando os tópicos de aprendizado de máquina não linear, otimização matemática, trocas / microestrutura de mercado, teoria de portfólios e programação de computadores & # 8211; todas as áreas de estudo necessárias para um pesquisador prospectivo de negociação quantitativa.

Sobre o autor Mike Halls-Moore.

Michael graduou-se com um MMath em Matemática pela University of Warwick, obteve PhD do Imperial College London em Fluid Dynamics e trabalhou em um fundo de hedge como desenvolvedor de trading quantitativo nos últimos anos em Mayfair, Londres. Ele agora gasta tempo em pesquisa, desenvolvimento, backtesting e implementação de estratégias de negociação algorítmica intradia.