Exemplo de estratégia de negociação algorítmica

Noções básicas de negociação algorítmica: conceitos e exemplos.
A negociação algorítmica (negociação automatizada, negociação de caixa preta ou simplesmente negociação de algoritmos) é o processo de usar computadores programados para seguir um conjunto definido de instruções (um algoritmo) para colocar uma negociação para gerar lucros a uma velocidade e freqüência impossível para um comerciante humano. Os conjuntos de regras definidos são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Para além das oportunidades de lucro para o comerciante, a negociação de algoritmos torna os mercados mais nítidos e torna a negociação mais sistemática ao excluir o impacto das emoções humanas nas atividades de negociação.
Suponha que um comerciante siga estes critérios comerciais simples:
Compre 50 ações de uma ação quando a média móvel de 50 dias ultrapassar a média móvel de 200 dias. (Uma média móvel é uma média de pontos de dados passados ​​que suaviza as flutuações diárias de preço e, portanto, identifica as tendências.) Venda ações do estoque quando sua média móvel de 50 dias ficar abaixo da média móvel de 200 dias.
Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitore automaticamente o preço das ações (e os indicadores de média móvel) e coloque as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais ficar de olho nos preços e gráficos ativos, ou colocar os pedidos manualmente. O sistema de negociação algorítmica faz isso automaticamente, identificando corretamente a oportunidade de negociação.
Benefícios do comércio algorítmico.
Algo-trading fornece os seguintes benefícios:
operações realizadas com os melhores preços possíveis e imediatas (com altas chances de execução nos níveis desejados) operações cronometradas corretamente e instantaneamente, para evitar mudanças significativas nos preços reduzindo os custos de transação (veja o exemplo de déficit de implementação abaixo) verificações automatizadas simultâneas em múltiplos as condições de mercado reduziram o risco de erros manuais ao colocar os negócios em teste, em dados históricos e em tempo real disponíveis, para ver se é uma estratégia comercial viável, possibilidade reduzida de erros por parte de comerciantes humanos com base em fatores emocionais e psicológicos.
A maior parte da negociação de algoritmos de hoje é a negociação de alta frequência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em vários mercados e vários parâmetros de decisão, com base em instruções pré-programadas.
O comércio de algo é usado em muitas formas de atividades de negociação e investimento, incluindo:
Investidores de médio a longo prazo ou empresas compradoras - fundos de pensão, fundos mútuos, seguradoras - usam-no para comprar ações em grandes quantidades quando não desejam influenciar os preços das ações com investimentos discretos e de grande volume. Comerciantes de curto prazo e participantes de sell-side - formadores de mercado (como corretoras), especuladores e arbitradores - se beneficiam da execução automatizada do comércio; Além disso, o comércio de algo ajuda a criar liquidez suficiente para os vendedores no mercado. Comerciantes sistemáticos - seguidores de tendências, hedge funds ou pares de traders (uma estratégia de negociação neutra de mercado que corresponde a uma posição comprada com uma posição vendida em um par de instrumentos altamente correlacionados, como duas ações, fundos negociados em bolsa (ETFs) ou moedas) etc. - Acha muito mais eficiente programar suas regras de negociação e permitir que o programa troque automaticamente.
O comércio algorítmico fornece uma abordagem mais sistemática ao comércio ativo do que métodos baseados na intuição ou instinto de um operador humano.
Estratégias de Negociação Algorítmica.
Qualquer estratégia para negociação algorítmica requer uma oportunidade identificada que seja lucrativa em termos de ganhos aprimorados ou redução de custos. A seguir estão as estratégias de negociação comuns usadas no comércio de algo:
As estratégias de negociação algorítmica mais comuns seguem as tendências de médias móveis, desvios de canal, movimentos de níveis de preços e indicadores técnicos relacionados. Essas são as estratégias mais fáceis e simples de implementar por meio do comércio algorítmico, porque essas estratégias não envolvem previsões nem previsões de preços. As negociações são iniciadas com base na ocorrência de tendências desejáveis, que são fáceis e diretas de implementar por meio de algoritmos, sem entrar na complexidade da análise preditiva. O exemplo mencionado acima, de usar as médias móveis de 50 e 200 dias, é uma estratégia popular de acompanhamento de tendências.
Comprar uma ação com cotação dupla a um preço menor em um mercado e vendê-la simultaneamente a um preço mais alto em outro mercado oferece o diferencial de preço como lucro ou arbitragem isenta de risco. A mesma operação pode ser replicada para ações versus instrumentos futuros, já que os diferenciais de preços existem de tempos em tempos. A implementação de um algoritmo para identificar esses diferenciais de preço e colocar as ordens permite oportunidades lucrativas de maneira eficiente.
Os fundos de índices definiram períodos de reequilíbrio para aproximar seus investimentos aos seus respectivos índices de referência. Isso cria oportunidades lucrativas para os traders algorítmicos, que capitalizam os negócios esperados que oferecem 20 a 80 pontos-base de lucros, dependendo do número de ações no fundo de índice, pouco antes do rebalanceamento do fundo de índice. Tais negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.
Modelos matemáticos comprovados, como a estratégia de negociação delta-neutral, permitem negociar com uma combinação de opções e sua segurança subjacente. (A Delta neutra é uma estratégia de carteira que consiste em múltiplas posições com deltas positivos e negativos compensatórios - uma relação que compara a mudança no preço de um ativo, normalmente um título negociável, com a mudança correspondente no preço de seu derivativo - de forma que a delta dos ativos em questão totaliza zero.)
A estratégia de reversão à média baseia-se na ideia de que os preços altos e baixos de um ativo são um fenômeno temporário que revertem para seu valor médio (valor médio) periodicamente. Identificar e definir uma faixa de preço e implementar um algoritmo baseado nele permite que as negociações sejam feitas automaticamente quando o preço do ativo entra e sai de sua faixa definida.
A estratégia de preço médio ponderado por volume divide uma ordem grande e libera pedaços menores da ordem determinada dinamicamente para o mercado, usando perfis de volume histórico específicos do estoque. O objetivo é executar o pedido próximo ao preço médio ponderado por volume (VWAP).
A estratégia de preço médio ponderada pelo tempo quebra uma ordem grande e libera dinamicamente pedaços menores da ordem para o mercado usando intervalos de tempo divididos uniformemente entre uma hora inicial e final. O objetivo é executar o pedido próximo ao preço médio entre os horários inicial e final, minimizando o impacto no mercado.
Até que a ordem de negociação esteja totalmente preenchida, este algoritmo continua enviando ordens parciais, de acordo com a taxa de participação definida e de acordo com o volume negociado nos mercados. A “estratégia de etapas” relacionada envia pedidos em uma porcentagem definida pelo usuário de volumes de mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge níveis definidos pelo usuário.
A estratégia de déficit de implementação visa minimizar o custo de execução de um pedido negociando o mercado em tempo real, economizando assim no custo do pedido e se beneficiando do custo de oportunidade de execução atrasada. A estratégia aumentará a taxa de participação visada quando o preço das ações se mover favoravelmente e diminuirá quando o preço das ações se mover negativamente.
Existem algumas classes especiais de algoritmos que tentam identificar “acontecimentos” do outro lado. Esses "algoritmos de farejamento", usados, por exemplo, por um criador de mercado de vendas, têm a inteligência incorporada para identificar a existência de quaisquer algoritmos no lado da compra de uma grande ordem. Essa detecção por meio de algoritmos ajudará o criador de mercado a identificar grandes oportunidades de pedidos e permitir que eles se beneficiem do preenchimento dos pedidos a um preço mais alto. Às vezes, isso é identificado como front-running de alta tecnologia.
Requisitos técnicos para negociação algorítmica.
A implementação do algoritmo usando um programa de computador é a última parte, acompanhada de backtesting (experimentando o algoritmo em períodos históricos do desempenho passado do mercado de ações para ver se usá-lo seria lucrativo). O desafio é transformar a estratégia identificada em um processo informatizado integrado que tenha acesso a uma conta de negociação para fazer pedidos. Os seguintes são necessários:
conhecimento de programação de computadores para programar a estratégia de negociação necessária, programadores contratados ou conectividade de rede de software de negociação pré-fabricada e acesso a plataformas de negociação para colocar os pedidos em acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de fazer pedidos. infra-estrutura para backtest o sistema, uma vez que é construído - antes de ir viver em mercados reais dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.
Aqui está um exemplo de como funciona a negociação algorítmica: a Royal Dutch Shell (RDS) está listada na Bolsa de Valores de Amsterdã (AEX) e na Bolsa de Valores de Londres (LSE). Começamos construindo um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes:
AEX negocia em euros, enquanto a LSE negocia em libras esterlinas britânicas Devido à diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguida pelas duas bolsas negociadas simultaneamente pelas próximas horas e depois negociadas apenas na LSE durante a última hora como AEX fecha.
Podemos explorar a possibilidade de negociação de arbitragem sobre as ações da Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes?
um programa de computador capaz de ler os preços atuais de preços de mercado da LSE e AEX, uma taxa forex (taxa de câmbio) para a capacidade de colocação de pedidos de GBP-EUR que pode encaminhar a ordem para a capacidade correta de backtesting de câmbio em preços históricos.
O programa de computador deve executar o seguinte:
Leia o feed de preço de entrada do estoque RDS de ambas as trocas. Usando as taxas de câmbio disponíveis, converta o preço de uma moeda para outra. Se houver uma discrepância de preço grande o suficiente (descontando os custos de corretagem) levando a uma oportunidade lucrativa, então coloque a ordem de compra na troca de preço mais baixo e na ordem de venda na troca de preço mais alto. Se as ordens forem executadas conforme desejado, o lucro da arbitragem se seguirá.
Simples e fácil! No entanto, a prática de negociação algorítmica não é tão simples de manter e executar. Lembre-se, se você puder colocar uma negociação gerada por algoritmos, os outros participantes do mercado também poderão. Consequentemente, os preços flutuam em milissegundos e até microssegundos. No exemplo acima, o que acontece se a transação de compra for executada, mas a negociação de venda não ocorre porque os preços de venda mudam quando o seu pedido chega ao mercado? Você vai acabar sentado com uma posição aberta, fazendo com que sua estratégia de arbitragem seja inútil.
Há riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos entre ordens de negociação e execução e, o mais importante de tudo, algoritmos imperfeitos. Quanto mais complexo for um algoritmo, o backtesting mais rigoroso é necessário antes de ser colocado em ação.
The Bottom Line.
É emocionante usar a automação auxiliada por computadores com o objetivo de ganhar dinheiro sem esforço. Mas é preciso garantir que o sistema seja completamente testado e que os limites necessários sejam definidos. Comerciantes analíticos devem considerar a aprendizagem de programação e construção de sistemas por conta própria, para ter confiança em implementar as estratégias certas de uma maneira infalível. Uso cauteloso e testes completos de negociação de algoritmos podem criar oportunidades lucrativas.

Algorithmic Trading System Design & amp; Implementação.
AlgorithmicTrading é um desenvolvedor de sistema de negociação de terceiros especializado em sistemas automatizados de negociação, estratégias de negociação algorítmica e análise de negociação quantitativa. Oferecemos dois algoritmos de negociação distintos para comerciantes de varejo e investidores profissionais.
Assista ao nosso blog de vídeo algorítmico em que nosso principal desenvolvedor analisa o desempenho a partir de 6/10/17 & ndash; 8/8/17 usando nosso sistema de negociação automatizado. Visite nosso Blog Algorithmic Trading para ver todos os vídeos de desempenho de 2016-2018 no acumulado do ano. Os futuros e opções de negociação envolvem risco substancial de perda e não são adequados para todos os investidores.
Comece hoje mesmo na negociação algorítmica.
Os Destaques do Swing Trader.
Nossa Swing Trading Strategy negocia o S & P 500 Emini Futures (ES) e o Ten Year Note (TY). Este é um sistema de negociação 100% automatizado que pode ser executado automaticamente com os melhores esforços por vários Corretores Registrados da NFA. Também pode ser instalado e carregado na plataforma Tradestation. Os dados seguintes abrangem o período de avanço (fora da amostra) que abrange 10/1 / 15-3 / 14/18. A negociação de futuros envolve risco substancial de perda e não é apropriada para todos os investidores. O desempenho passado não é indicativo de desempenho futuro. Esses dados presumem que 1 unidade (US $ 15.000) foi negociada durante todo o período em análise (non-compounded).
* Perdas podem exceder o rebaixamento máximo. Isso é medido de pico a vale, fechando o comércio para fechar o comércio. O desempenho passado não é indicativo de desempenho futuro.
O Swing Trader Mensal P / L.
Os negócios iniciados em outubro de 2015 são considerados Walk-Forward / Out-of-Sample, enquanto os negócios anteriores a outubro de 2015 são considerados back-tested. Os lucros / perdas fornecidos são baseados em uma conta de US $ 15.000 que troca 1 unidade no Swing Trader. Esses dados não são compostos.
* Perdas podem exceder o rebaixamento máximo. Isso é medido de pico a vale, fechando o comércio para fechar o comércio. O desempenho passado não é indicativo de desempenho futuro.
CFTC REGRA 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados mostrados em um registro de desempenho real, esses resultados não representam negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação insuficiente ou insuficiente pelo impacto, se houver, de alguns fatores de mercado, como falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de que eles são projetados com o benefício da retrospectiva. Não está sendo feita nenhuma representação de que qualquer conta terá ou poderá obter lucros ou perdas similares a essas demonstrações.
Noções básicas de negociação algorítmica.
O Algorithmic Trading, também conhecido como Quant Trading, é um estilo de negociação que utiliza algoritmos de previsão de mercado para encontrar transações potenciais. Existem várias subcategorias de negociação quantitativa para incluir High Frequency Trading (HFT), Arbitragem Estatística e Análise de Predição de Mercado. Na AlgorithmicTrading, nós nos concentramos no desenvolvimento de sistemas de negociação automatizados que fazem negócios de swing, dia e opções para aproveitar as ineficiências do mercado.
Atualmente, estamos oferecendo dois sistemas de negociação de futuros que negociam o ES & amp; Futuros de TY. Continue lendo para ver por si mesmo como implementar um sistema de negociação de algo projetado profissionalmente pode ser benéfico para suas metas de investimento. Nós não somos registrados Consultores de Negociação de Commodities e, portanto, não controlamos diretamente as contas de clientes & ndash; no entanto, negociamos ambos os sistemas de negociação com nosso próprio capital, utilizando um dos corretores de execução de negociação automatizada.
Exemplo de negociação algorítmica.
Estratégia de negociação de futuros: o pacote Swing Trader.
Este pacote utiliza nossos algoritmos de melhor desempenho desde o início. Visite a página do comerciante do swing para ver preços, estatísticas comerciais completas, lista completa de comércio e muito mais. Este pacote é ideal para o cético que deseja negociar um sistema robusto que tenha se saído bem em negociações cegas para fora e para fora da amostra. Cansado de modelos otimistas com back-testing que nunca parecem funcionar quando negociados ao vivo? Se assim for, considere este sistema de negociação de caixa preta. Este é o nosso algoritmo de negociação mais popular para venda.
Detalhes no Swing Trader System.
Futuros & amp; Estratégia de negociação de opções: o pacote S & amp; P Crusher v2.
Este pacote utiliza sete estratégias de negociação em uma tentativa de diversificar melhor sua conta. Este pacote utiliza comércios de swing, day trades, condutores de ferro e chamadas cobertas para tirar proveito de várias condições de mercado. Este pacote é negociado em unidades de tamanho de US $ 30.000 e foi lançado ao público em outubro de 2016. Visite a página de produtos do S & amp; P Crusher para ver os resultados do back-test com base nos relatórios de comercialização.
Detalhes no triturador S & P.
Cobrindo os fundamentos do design do sistema de negociação automatizado.
Múltiplos Sistemas de Negociação Algorítmica Disponíveis.
Escolha de um dos nossos sistemas de negociação & ndash; O Swing Trader ou o S & amp; P Crusher. Cada página mostra a lista de negociação completa, incluindo resultados de otimização de post-forward, walk-forward. Esses sistemas de negociação informatizados de caixa preta são totalmente automatizados para gerar alfa ao tentar minimizar o risco.
Algoritmos de negociação múltiplos trabalhando juntos.
Nossa metodologia de negociação quântica nos emprega várias estratégias de negociação de algoritmos para diversificar melhor sua conta de negociação automática. Saiba mais visitando nossa página de metodologia de design de estratégias de negociação.
Trades During Bear & amp; Mercados de touro.
Em nossa opinião, a chave para o desenvolvimento de um sistema de negociação algorítmica que realmente funciona é contabilizar várias condições de mercado. A qualquer momento, o mercado poderia passar de um touro para um mercado em baixa. Ao tomar uma posição agnóstica de direção de mercado, estamos tentando superar o desempenho em Bull & amp; Condições de mercado do urso.
Sistemas de negociação totalmente automatizados.
Você pode negociar automaticamente nosso software algorítmico usando um corretor de execução automática (com os melhores esforços). Temos vários corretores para você escolher. Remova as decisões baseadas em emoções de sua negociação usando nosso sistema de negociação automatizado.
O comércio algorítmico funciona?
Acompanhe o progresso diário de nossos algoritmos de negociação quantitativa com o aplicativo do corretor OEC. Você também receberá declarações diárias da empresa de compensação da NFA Registered. Você pode comparar cada uma das suas negociações com a lista comercial que publicamos no final de cada dia. Exemplos completos de negociação algorítmica são postados para todos verem. A lista completa de transações pode ser vista visitando a página de negociação algorítmica do sistema que você está negociando. Quer ver algumas declarações de contas ativas? Visite os retornos ao vivo & amp; página de instruções.
Múltiplas Estratégias de Negociação Quant.
Nossos sistemas de negociação quantitativos têm diferentes expectativas com base nos algoritmos preditivos empregados. Nossos Sistemas de Negociação Automatizada colocarão operações de swing, day trade, condutores de ferro & amp; chamadas cobertas. Estas Estratégias 100% Quant baseiam-se puramente em indicadores técnicos e algoritmos de reconhecimento de padrões.
Nosso software de negociação automatizada ajuda a remover suas emoções da negociação.
Algoritmos de negociação múltiplos são negociados como parte de um maior sistema de negociação algorítmica.
Cada estratégia de negociação algorítmica oferecida tem vários pontos fortes e fracos. Seus pontos fortes e fracos são identificados com base em três estados de mercado potenciais: Strong Up, Sideways & amp; Abaixo mercados em movimento. A estratégia de negociação de condores de ferro supera os mercados em movimento lateral e ascendente, enquanto o algoritmo das notas de tesouro se destaca nos mercados em baixa. Com base no backtesting, espera-se que o algoritmo de momentum tenha um bom desempenho durante os mercados em ascensão. Confira a seguinte coleção de vídeos, onde cada algoritmo de negociação oferecido é revisado por nosso desenvolvedor líder. Os pontos fortes de cada algoritmo de negociação são analisados ​​juntamente com as suas fraquezas.
Vários tipos de estratégias de negociação são usados ​​em nosso software de negociação automatizada.
Comissões do dia são inseridas & amp; saiu no mesmo dia, enquanto as negociações de giro terão um longo prazo de negociação com base nas expectativas para o S & amp; P 500 a tendência de maior ou menor no prazo intermédio. Os negócios de opções são colocados nas opções semanais do S & amp; P 500 sobre futuros, normalmente entrando em uma segunda-feira e mantendo até a expiração da sexta-feira.
Swing Trading Strategies.
As seguintes Swing Trading Strategies colocam operações de swing direcional no S & amp; P 500 Emini Futures (ES) e na Nota de Dez Anos (TY). Eles são usados ​​em ambos os sistemas de negociação automatizados que oferecemos para aproveitar as tendências de longo prazo que nossos algoritmos de predição de mercado estão esperando.
Futures Swing Trading Strategy # 1: Momentum Swing Trading Algorithm.
A Momentum Swing Trading Strategy coloca os negócios do swing no Emini S & amp; P Futures, aproveitando as condições de mercado que sugerem um movimento de prazo intermediário mais alto. Este algoritmo de negociação é usado em ambos os nossos sistemas de negociação automatizados: O S & amp; P Crusher v2 & amp; O comerciante do balanço.
Estratégia de Negociação de Futuros Swing # 2: Algoritmo de Notas do Tesouro de Dez Anos.
A Tesouraria Note (TY) Trading Strategy coloca swing trades na nota de dez anos (TY). Uma vez que o TY tipicamente se move inversamente para os mercados mais amplos, esta estratégia cria um trade swing semelhante ao shorting do S & P 500. Este algoritmo T-Note tem expectativas positivas para condições de mercado em baixa. Este algoritmo de negociação é usado em ambos os nossos sistemas de negociação automatizados: O S & amp; P Crusher v2 & amp; O comerciante do balanço.
Estratégias de Negociação Diária.
As estratégias de negociação do dia seguinte colocam o day trade no S & amp; P 500 Emini Futures (ES). Eles quase sempre entram em negociações durante os primeiros 20 minutos após a abertura dos mercados de ações e saem antes do fechamento dos mercados. Paradas apertadas são utilizadas em todos os momentos.
Estratégia de Negociação do Dia de Futuros # 1: Algoritmo Curto de Negociação Diária.
A Estratégia de Negociação de Dia Curta coloca negociações diárias no Emini S & P Futures quando o mercado mostra fraqueza pela manhã (prefere uma grande diferença para baixo). Esta estratégia de negociação é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.
Estratégia de Negociação de Dia de Futuro # 2: Algoritmo de Negociação de Dia de Breakout.
A Breakout Day Trading Strategy coloca o day trade no Emini-S & P Futures quando o mercado mostra força pela manhã. Esta estratégia de negociação de futuros é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.
Estratégia de Negociação de Dia de Futuros # 3: Algoritmo de Negociação de Dia de Intervalo da Manhã.
O Morning Gap Day Trading Strategy coloca negócios de dia curto no Emini S & amp; P Futures quando o mercado tem uma grande lacuna, seguido por um curto período de fraqueza. Esta estratégia de negociação é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.
Estratégias de Negociação de Opções.
As seguintes estratégias de negociação de opções cobram prêmio no S & amp; P 500 Emini Weekly Options (ES). Eles são usados ​​em nosso S & amp; P Crusher v2, a fim de aproveitar as vantagens de lateralmente, para baixo & amp; condições de mercado em movimento. Um benefício para as opções de negociação com nossas estratégias de negociação algorítmica é que elas são suportadas em um ambiente de negociação automatizado usando um dos corretores de execução automática.
Opções Trading Strategy # 1: Algoritmo de Condor Iron Condor.
A Estratégia de Negociação de Opções de Condor da Iron é perfeita para quem quer uma taxa de ganhos por negociação mais alta, ou que simplesmente quer cobrar prêmios no S & amp; P 500 Emini Futures com a venda da Iron Condors. Quando nossos algoritmos esperam uma condição de mercado de derivação lateral ou ascendente, esse sistema criará uma operação de Condor de Ferro. Essa estratégia é usada em um dos nossos Sistemas de negociação automatizados: O S & amp; P Crusher v2.
Estratégia de negociação de opções # 2: Algoritmo de opções de chamadas cobertas.
A Estratégia de Negociação das Opções de Compra Coberta vende de chamadas cobertas por dinheiro contra os algoritmos de momento Long swing swing, para arrecadar premium e ajudar a minimizar as perdas caso o mercado se mova contra nossa posição de algoritmo de momentum. Quando negociado com o Algoritmo de Troca de Momentum Swing - como é o caso no S & amp; P Crusher & amp; ES / TY Futures Trading Systems, isso cria uma posição de compra coberta. Quando negociados no Sistema de Negociação Bearish Trader, as chamadas são vendidas sem cobertura e, portanto, estão a descoberto. Em ambos os casos, & ndash; como um suporte ao longo do algoritmo & ndash; Ele funciona bem em condições de mercado em movimento lateral e para baixo. Essa estratégia é usada em um dos nossos Sistemas de negociação automatizados: O S & amp; P Crusher v2.
Embora cada uma dessas estratégias de negociação possa ser negociada sozinha, elas são negociadas melhor em uma coleção mais ampla de algoritmos de negociação & ndash; como visto em um dos nossos sistemas automatizados de negociação, como o The Swing Trader.
Algoritmos de negociação que realmente funcionam?
Essa série de vídeos de negociação algorítmica é feita para que nossos clientes possam ver os detalhes de cada negociação semanalmente. Assista a cada um dos seguintes vídeos de negociação algorítmica para ver em tempo real o desempenho de nossos algoritmos de negociação. Sinta-se à vontade para visitar nossos Críticas de AlgorithmicTrading & amp; Página Press Releases para ver o que os outros estão dizendo sobre nós.
Inscrição na Newsletter.
Obtenha atualizações de desempenho da AlgorithmicTrading juntando-se à nossa newsletter.
O que separa o comércio algorítmico de outras técnicas técnicas de negociação?
Nos dias de hoje, parece que todo mundo tem uma opinião sobre técnicas de negociação técnica. Head & amp; Padrões de ombros, MACD Bullish Crosses, VWAP Divergences, a lista continua. Nesses vídeos, nosso engenheiro líder de projeto analisa alguns exemplos de estratégias de negociação encontradas on-line. Ele pega suas Tips Trading, faz um código e executa um back-test simples para ver o quão efetivas elas realmente são. Depois de analisar seus resultados iniciais, ele otimiza o código para ver se uma abordagem quantitativa à negociação pode melhorar as descobertas iniciais. Se você é novo em negociação algorítmica, esses blogs de vídeo serão bastante interessantes. Nosso designer utiliza máquinas de estado finito para codificar essas dicas básicas de negociação. Como a negociação algorítmica difere da negociação técnica tradicional? Simplificando, Algorithmic Trading requer precisão e fornece uma janela para um potencial de algoritmos baseado em back-testing que possui limitações.
Procurando por Algorithmic Trading Tutorial & amp; Como para vídeos?
Assista a várias apresentações de vídeo educativo feitas por nosso designer líder em negociação algorítmica para incluir um vídeo que cobre nossa Metodologia de Design de Quantificação Comercial e um Tutorial de Negociação Algorítmica. Esses vídeos de estratégia de negociação fornecem exemplos de codificação de comércio algorítmico e o introduzem à nossa abordagem de negociar os mercados usando análise quantitativa. Nesses vídeos, você verá muitas razões pelas quais a negociação automatizada está decolando para incluir a ajuda para remover suas emoções da negociação. Visite nossa página de vídeos de negociação educacional para ver uma lista completa de mídia educacional.
Comece a usar um dos nossos sistemas de negociação automatizados hoje.
Não perca. Junte-se aos que já estão negociando com AlgorithmicTrading. Comece hoje mesmo com um dos nossos pacotes de negociação algorítmica.
Várias opções de execução automática de comércio estão disponíveis.
Nossos algoritmos de negociação podem ser executados automaticamente usando um dos corretores de execução automática registrados pela NFA (com os melhores esforços) ou podem ser negociados em seu próprio PC usando MultiCharts ou Tradestation.
O FOX Group é uma corretora de introdução independente localizada no icônico prédio da Chicago Board of Trade, no coração do distrito financeiro da cidade. Eles são registrados no NFA e são capazes de executar nossos algoritmos automaticamente com os melhores esforços.
Os corretores interativos são corretores registrados pela NFA que podem executar nossos algoritmos automaticamente com os melhores esforços. Além disso, eles suportam clientes canadenses.
Se você preferir executar os algoritmos em seu próprio PC, o MultiCharts é a plataforma preferida de software de negociação para execução automática. Ele oferece benefícios consideráveis ​​para os traders e oferece vantagens significativas sobre as plataformas concorrentes. Ele vem com gráficos de alta definição, suporte para mais de 20 feeds de dados e mais de 10 corretores, backtesting dinâmico de estratégia em nível de portfólio, suporte a EasyLanguage, relatórios interativos de desempenho, otimização genética, scanner de mercado e replay de dados.
A TradeStation é mais conhecida pelo software de análise e pela plataforma de negociação eletrônica que oferece ao operador ativo e a determinados mercados de traders institucionais que permitem que os clientes projetem, testem, otimizem, monitorem e automatizem suas próprias ações, opções e opções personalizadas. estratégias de negociação de futuros. Tradestation é outra opção para pessoas que desejam negociar automaticamente nossos algoritmos em seu próprio PC.
Não deixe de visitar nossa página Perguntas frequentes para ver uma lista de perguntas e respostas comuns. Você também pode clicar aqui para saber mais sobre a AlgorithmicTrading e seu Lead Developer.

Tipos Comuns de Algoritmos de Negociação.
Esta é uma breve visão geral dos tipos comuns de algoritmos de finanças quantitativas que são negociados hoje. Claro, isso é apenas uma visão geral e não abrangente! Deixe-me saber se você acha que existem outros tipos de algoritmos que devo abordar.
Investidores de reversão média assumem que o preço da ação irá, com o tempo, voltar ao seu preço médio de longo prazo. Eles usam a análise do preço das ações para determinar os limites de negociação de significância estatística. Se a ação estiver sendo negociada significativamente acima da média móvel, ela será vendida em baixa. Por outro lado, se a ação estiver tendendo significativamente abaixo de sua média móvel, ela será comprada. Veja a estratégia de exemplo Valuation - Bargain Shopping.
Os investidores criam estratégias que dependem da época do ano. Está bem documentado que os mercados tendem a ter retornos melhores no final do ano e durante os meses de verão, enquanto setembro é geralmente um mês com retornos mais baixos. Para evitar a perda de capital, alguns investidores optam por vender suas posições com perdas no final de dezembro para se beneficiar da clemência tributária. Em janeiro, os investidores retornam em triunfo e compram ações de pequena capitalização e valor, elevando seus preços. Os preços das ações também apresentam uma tendência diferente em torno dos feriados e períodos de fechamento dos trimestres. Uma estratégia simples é comprar e manter ações (SPY) de outubro a abril e depois girar para comprar e manter títulos (BSV) de maio a setembro. Veja o exemplo da estratégia Sentimento - Compre o rumor, venda as notícias.
A negociação da Análise de Sentimentos deriva da psicologia de massa, na qual os investidores mantêm-se atualizados sobre notícias recentes e compram ações para prever a reação da multidão. Eles tentam capturar mudanças de preço a curto prazo e colher os benefícios rápidos. Os investidores podem monitorar fontes, incluindo tendências de pesquisa do Google, meios de comunicação, blogs / fóruns e postagens no Twitter. Veja a estratégia de exemplo Fundamental Investing.
Esta é uma maneira de avaliar o verdadeiro valor intrínseco de uma ação examinando fatores de nível macro, como indicadores econômicos, comparações setoriais e setoriais, e analisando as demonstrações financeiras da empresa. Os cálculos derivados de dados reais tentam modelar o valor real da ação, que é então comparado ao preço de mercado da ação - conduzindo a decisão de comprar ou vender. Exemplos de pontos de dados para análise fundamental incluem as receitas das empresas, lucros, crescimento futuro, retorno sobre o patrimônio líquido e margens de lucro. Investimento Técnico.
Esse método examina a atividade do mercado anterior quanto a mudanças no preço e volume da ação, acreditando que o desempenho histórico é indicativo de resultados futuros. Os investidores usam gráficos, estatísticas e outras ferramentas para descobrir padrões nos dados para prever movimentos futuros de preços. Esse estilo de investimento não analisa o valor intrínseco do estoque, mas sim o movimento futuro da segurança. Para adicionar uma análise técnica ao seu código Quantopian, consulte a biblioteca de código aberto ta-lib.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta para fornecer serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece opinião com relação à adequação de qualquer investimento específico ou de segurança. Nenhuma informação aqui contida deve ser considerada como uma sugestão para se envolver ou se abster de qualquer ação relacionada ao investimento, pois nenhuma das suas afiliadas está comprometida em fornecer consultoria de investimento, agir como um consultor para qualquer plano ou entidade sujeita a o Employee Retirement Income Security Act de 1974, conforme alterado, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em uma capacidade fiduciária com relação aos materiais aqui apresentados. Se você for um investidor individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado com a Quantopian sobre se qualquer ideia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não garante a exatidão ou integridade das opiniões expressas no site. As opiniões estão sujeitas a alterações e podem ter se tornado não confiáveis ​​por várias razões, incluindo mudanças nas condições de mercado ou circunstâncias econômicas.

Uma estratégia robusta de negociação algorítmica.
Nossa abordagem para negociação algorítmica é relativamente simples. Reconhecemos que ninguém pode prever a direção do mercado com 100% de precisão. O que sabemos é que o mercado em uma base de mês a mês, fechará fortemente para cima, fortemente para baixo ou em algum lugar no meio (mercado lateral). Em nossa opinião, a estratégia de negociação algorítmica mais robusta é aquela que negocia múltiplos algoritmos não correlacionados, cada um dos quais tem como alvo uma condição específica de mercado. Este tipo de metodologia só é viável, se no contrário as condições de mercado & ndash; os algoritmos têm pequenos ganhos ou pequenas perdas. Portanto, o principal objetivo de nossos esforços de P & D é minimizar as perdas durante as condições de mercado contrárias. Ao revisar nossa estratégia de negociação algorítmica, considere os riscos envolvidos antes de utilizar nossas estratégias de negociação algorítmica. Negociação de futuros e amp; opções tem risco significativo de perda e não é apropriado para todos os investidores.
Este vídeo, apresentado pelo nosso desenvolvedor líder & ndash; abrange detalhadamente a metodologia de design usada na AlgorithmicTrading.
Definindo Estados de Mercado.
O primeiro passo na criação da nossa estratégia de negociação algorítmica foi definir o que significa ser "fortemente para cima", "baixo" e "baixo". ou & ldquo; lateral & rdquo; Enquanto esta análise pode ser feita diariamente, semanalmente ou mensalmente. Decidimos executar a análise inicial usando dados mensais. Nosso objetivo era separar o desempenho mensal do S & P 500 em três categorias, com base em uma distribuição igual de desempenho mensal. A tabela a seguir demonstra como definimos cada categoria ou estado de mercado. Estes dados foram retirados de um relatório mensal de desempenho do S & P 500, que foi comprado no primeiro dia do mês e vendido no último dia do mês & ndash; para cada mês a partir de outubro de 2003 até outubro de 2016.
Como nossas estratégias de negociação algorítmica fazem em cada condição de mercado?
A tabela a seguir compara cada estratégia de negociação algorítmica oferecida pela AlgorithmicTrading com cada uma das três condições de mercado, conforme definido na seção anterior. A intenção desta tabela é demonstrar como cada estratégia de negociação algorítmica funciona com base no que o mercado fez naquele mês. O P / L Mensal Mostrado representa o ganho médio mensal com base em uma conta de US $ 30.000 negociando 1 unidade em cada estratégia. Inclui slippage, commission & amp; proteção para nossos negócios com a Iron Condor.
CFTC REGRA 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados mostrados em um registro de desempenho real, esses resultados não representam negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação insuficiente ou insuficiente pelo impacto, se houver, de alguns fatores de mercado, como falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de que eles são projetados com o benefício da retrospectiva. Nenhuma representação está sendo feita de que qualquer conta terá ou poderá obter lucros ou prejuízos como esses sendo mostrados.
As estratégias de negociação algorítmica de chamada coberta e condor de ferro negociam opções de futuros. O backtesting de um algoritmo de opções apresenta muitos desafios devido às estimativas desconhecidas do prêmio coletado. Dependendo da volatilidade do mercado (entre outras coisas), o prêmio coletado ao vender uma opção pode variar muito. Em geral, quanto maior a volatilidade, mais prêmio poderíamos esperar coletar. Além disso, as opções semanais de ES não estavam disponíveis para negociação durante todo o período de backtested. Para fornecer a nossos clientes dados mais precisos, criamos estimativas de prêmio divididas por Dia (seg-qui) e usamos uma tabela de consulta para várias faixas do VIX (consulte a página de produtos da Iron Condor para obter detalhes ). Observe que essas estimativas têm limitações significativas e os relatórios correspondentes que usam essas estimativas devem ser considerados muito menos do que perfeitos. Todos os back-tests têm limitações, no entanto, os algoritmos de opções testadas novamente têm ainda mais em nossa opinião, devido às possíveis imprecisões usadas na determinação das estimativas coletadas do prêmio.
Como interpretar esses dados?
Esses dados testados novamente capturam como cada algoritmo faz, com base no que o S & P 500 fez naquele mês.
Por exemplo, em todos os testes realizados de outubro de 2003 a outubro de 2016, se o S & P 500 fechou no mês (abaixo), a Treasury Note Strategy realmente teve um desempenho excelente, em US $ 990 / mês em média (por unidade Traded). Isso nos sugere que a Estratégia de Negociação Algorítmica da Treasury Note deve continuar bem durante os meses em que o S & amp; P 500 fechar para esse mês. O algoritmo Covered Call e o algoritmo Breakdown Short Day Trade também fazem bem & ndash; com ganhos de $ 323 & amp; US $ 280 por mês, respectivamente.
Durante os meses em que o S & P 500 fecha em pelo menos US $ 1.500 (Strong Up), o Iron Condor & amp; Algoritmos de impulso funcionam bem com ganhos de $ 1.442 & amp; US $ 1.600 por mês em média (por 1 unidade negociada).
Durante os mercados em que o S & P 500 se elevou ou foi negociado lateralmente (lateralmente), o algoritmo Condor de Ferro, Chamadas Cobertas e Nota de Tesouraria teve um bom desempenho.
Como o AlgorithmicTrading usa esses dados? Qual é o ponto?
Esses dados são usados ​​para criar portfólios (coleções de estratégias de negociação) que possuem certas expectativas, divididas por condições de mercado. Seria ótimo se soubéssemos com antecedência, com 100% de certeza de que o mercado fecharia mais alto para qualquer mês. Se esses dados fossem conhecidos, simplesmente deixaríamos que a estratégia de negociação do Momentum fosse executada e desativássemos todas as outras estratégias. Ou & ndash; basta comprar o S & amp; P 500 no início do mês & amp; vender no final do mês. Infelizmente, ninguém tem uma bola de cristal e, em vez disso, combinamos várias estratégias de negociação, que quando negociadas em conjunto & ndash; Esperamos ter um bom desempenho em TODAS as condições de mercado. Esta metodologia não fornece garantias, mas, em nossa opinião, melhora as probabilidades a nosso favor. Porque temos confiança na capacidade completa de portfólios para lidar com o Strong Up, Sideways & amp; Mercados descendente, somos capazes de deixar o portfólio completo funcionar sem intervenção, não importa o que "pensamos"; o mercado pode fazer.
Estudo de Caso da Estratégia de Negociação Algorítmica Real: S & P Crusher v2.
Este é o nosso principal portfólio, projetado para se sair bem em todas as condições do mercado. Ele comercializa todas as nossas sete estratégias de negociação & ndash; na tentativa de diversificar melhor sua conta. Como este gráfico demonstra, quando você coloca cada estratégia de negociação em um portfólio de negociação completo, você tem o que parece ser um sistema robusto de negociação algorítmica projetado para fazer bem se o mercado sobe, desce ou em algum lugar no meio.
Veja mais informações sobre o S & amp; P Crusher v2.
CFTC REGRA 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados mostrados em um registro de desempenho real, esses resultados não representam negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação insuficiente ou insuficiente pelo impacto, se houver, de alguns fatores de mercado, como falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de que eles são projetados com o benefício da retrospectiva. Nenhuma representação está sendo feita de que qualquer conta terá ou poderá obter lucros ou prejuízos como esses sendo mostrados.
As estratégias de call coberta e condor de ferro negociam opções de futuros. O backtesting de um algoritmo de opções apresenta muitos desafios devido às estimativas desconhecidas do prêmio coletado. Dependendo da volatilidade do mercado (entre outras coisas), o prêmio coletado ao vender uma opção pode variar muito. Em geral, quanto maior a volatilidade, mais prêmio poderíamos esperar coletar. Além disso, as opções semanais de ES não estavam disponíveis para negociação durante todo o período de backtested. Para fornecer a nossos clientes dados mais precisos, criamos estimativas de prêmio divididas por Dia (seg-qui) e usamos uma tabela de consulta para várias faixas do VIX (consulte a página de produtos da Iron Condor para obter detalhes ). Observe que essas estimativas têm limitações significativas e os relatórios correspondentes que usam essas estimativas devem ser considerados muito menos do que perfeitos. Todos os back-tests têm limitações, no entanto, os algoritmos de opções testadas novamente têm ainda mais em nossa opinião, devido às possíveis imprecisões usadas na determinação das estimativas coletadas do prêmio.
Esta estratégia de negociação é perfeita?
É a opinião da AlgorithmicTrading, que não existe santo graal de negociação e que não existe uma estratégia de negociação perfeita. Todas as estratégias têm falhas e até alguém desenha uma bola de cristal & ndash; haverá stress & amp; emoções envolvidas com a negociação. Com isso dito, é nossa experiência que este tipo de metodologia de negociação & ndash; fundamentada na análise quantitativa real (não falando cabeças ou salas de negociação altas), proporciona uma sensação de alívio emocional quando se trata de negociação ativa.
Como todos os comerciantes sabem, a negociação é muito difícil e as emoções podem nos levar a fazer coisas irracionais. Nossa experiência é que alguns dos negócios mais estressantes são aqueles que vão bem. Sua natureza humana para querer bloquear lucros & ndash; mas os comerciantes estão todos familiarizados com sair cedo demais e ver o mercado continuar em alta. Eles voltam, querendo capturar mais ganhos apenas para reverter o mercado. Eles seguram o perdedor por muito tempo e acabam tendo uma perda maior do que o esperado depois de passarem por suas paradas. Este processo se repete e é uma das razões pelas quais muitos comerciantes de dia falham.
Enquanto a nossa metodologia não é perfeita & ndash; nós tomamos comércios perdedores, perdemos meses e até perdemos trimestres às vezes, o comércio de estratégias múltiplas ajuda com um aspecto da troca de emoções, ou seja, o medo de "pegar a direção do mercado". errado. Os dados nos mostram que, mesmo com nossa metodologia de negociação, o mercado pode ser mais alto e o mercado de melhor desempenho “bull market & rdquo; estratégia de negociação que temos (Momentum Trading Strategy) ainda pode ter perdas. No entanto, isso não deve ser a norma e, assim, somos capazes de descansar um pouco mais, sabendo que temos um conjunto equilibrado de estratégias, prontas para (esperançosamente) executá-las, independentemente da direção que o mercado decidir seguir.
Como mencionado repetidamente, futuros e opções de negociação não são para todos. Você deve negociar apenas com o Capital de Risco. Se você estiver em dúvida, discuta nossas estratégias de negociação algorítmica com um CTA registrado ou um Consultor de Investimentos. Como desenvolvedor de sistemas de negociação de terceiros, não somos registrados na NFA como Consultores de Negociação de Mercadorias (reivindicamos a isenção de auto-execução de registro) e não podemos fornecer consultoria de investimento devido à sua situação pessoal.

Negociação Algorítmica 101.
O comércio algorítmico está aqui para ficar. Assista à CNBC e veja o andar vazio da outrora gloriosa Bolsa de Nova York.
Bilhões de ações ainda são negociadas no pregão todos os dias, mas a maioria dessas ordens de compra e venda é feita por computadores. Já se foram os dias do especialista, market-maker ou trader de chão
Vamos descobrir o que os algoritmos de negociação podem fazer e como você pode se tornar um operador de algo ou desenvolvedor.
O que é negociação algorítmica?
A negociação algorítmica é um processo que usa computadores para colocar as negociações com perfeição. O principal benefício é o computador e o algoritmo, nunca quebra suas regras.
Este método é freqüentemente chamado de negociação de algoritmos. Outras variações incluem negociação automatizada e negociação de caixa preta. A negociação de alta frequência ou “HFT” é uma forma especializada de negociação algorítmica. Para lhe dar uma visão completa, devemos também mencionar o comércio de caixa cinza.
Uma caixa preta permite que o computador tome 100% das decisões. Uma caixa cinza permite decisões discricionárias do comerciante.
Algo negociação é fascinante e misterioso, mas significa simplesmente suas idéias de comércio, são executadas na perfeição. O computador faz todo o trabalho depois de inserir seus critérios.
Repare que eu disse "coloca os negócios perfeitamente" e "executado sem falhas". Quando desenvolvemos um algoritmo para negociação, nosso objetivo é escrever um programa que siga nossa estratégia 100% do tempo.
O algoritmo é um conjunto de critérios específicos que:
1: Encontra trocas que correspondem à nossa vantagem.
2: Identifica os critérios de entrada predefinidos.
3: Coloque a entrada de comércio.
4: Analisa e rastreia o movimento de preços, lances, ofertas e transações.
5: identifica os critérios de saída predefinidos.
6: Coloca as ordens de saída para concluir a negociação.
O passo 1 é crucial para o processo. Uma borda bem definida, identifica a oportunidade. Os computadores poderosos de hoje permitem que traders como nós identifiquem e negociem oportunidades, anteriormente disponíveis apenas para as grandes instituições monetárias.
Uma simples estratégia de algoritmos se parece com isso.
A) Compre um contrato (ou 100 ações, se a negociação de ações), quando o último preço, comércios acima do alto do dia anterior.
B) Venda a nova posição, sempre que o preço tiver um declínio de 0,35.
Este algoritmo é puro. Não há qualificadores para ajustar a borda. Qualificadores podem ser:
* O último preço deve estar acima do preço aberto de hoje.
* O último preço deve estar acima do dia anterior, por pelo menos 30 minutos.
* O último preço deve ser superior ao preço de abertura, no primeiro dia do mês.
* O SPY ETF deve ser positivo para o dia.
Desenvolver uma vantagem e convertê-la em código de programação é onde o dinheiro é ganho em negociações algorítmicas. Os qualificadores forçam a ação e o volume do preço, a se desdobrar de acordo com o nosso plano, ou não entraremos em um novo negócio.
O desenvolvimento da estratégia algorítmica está crescendo mais rapidamente do que os computadores pessoais no início dos anos 80. Hoje estima-se que até 70% de todas as negociações nos mercados acionários dos EUA são executadas por computadores. Nunca houve um melhor momento para se tornar um algo comerciante ou desenvolvedor.
Para colocar o crescimento em perspectiva, uma pesquisa no Google sobre o comércio de algoritmos & # 8221; retorna 1,2 milhão de resultados. Uma pesquisa usando o Google Trends, para a palavra & # 8220; algo & # 8221; e & # 8220; HFT & # 8221; mais do que duplicou nos últimos 5 anos.
Como desenvolver uma estratégia algorítmica lucrativa.
Uma vantagem do algoritmo vencedora significa que você identificou um momento de preço, volume e tempo, que ocorre mais frequentemente do que não.
O prazo de negociação para isso é expectativa de negociação.
Você está procurando uma razão para alocar capital, porque você acredita que o lucro potencial, vale o risco potencial. Estratégias e programas de negociação algorítmica, digitalizar todos os dados disponíveis e executar negociações quando sua borda é válida.
Identificar uma aresta é bastante simples. Escolher os melhores qualificadores que correspondem aos seus objetivos, recursos e capital é onde o seu item se torna especial.
Existem basicamente três melhores práticas para validar sua estratégia de algo: back-testing | negociação simulada | negociação ao vivo.
Algo Trading Development: Como validar o seu Edge.
O teste retroativo de uma estratégia de algo envolve simular o desempenho de uma estratégia de negociação usando dados históricos. Isso significa que você testa uma estratégia, usando uma ação de preço que já ocorreu. Essa forma de validação oferece uma oportunidade para estimar a eficácia de sua margem.
Testar de volta seu algoritmo é um ponto de partida.
Ele não deve ser usado como validação final, mas funciona bem para determinar se vale a pena investigar sua vantagem. Uma ressalva a ser considerada no backtesting e na análise dos resultados é a armadilha da otimização.
É tentador ajustar o seu algoritmo para corresponder aos dados anteriores, por isso gera resultados impressionantes. Esta é uma armadilha viciosa de perfeição. Depois de ter a validação preliminar, passe para negociação simulada.
Negociação simulada, acompanha sua estratégia de algo contra dados do mercado ao vivo. Você obtém resultados e feedback sem o benefício de saber o resultado da ação do preço. Em essência, você não pode escolher o dia perfeito para validar sua vantagem.
Este processo é obviamente mais lento, porque você só pode testar um dia de cada vez. O benefício é que você não pode fazer ajustes em retrospectiva. Você permite que sua estratégia de algoritmo seja executada durante todo o dia e, em seguida, analise os dados em busca de possíveis alterações.
A negociação ao vivo para validar sua estratégia de algoritmos é de longe o método mais eficaz para uma validação verdadeira. Você obtém feedback que mostra as execuções reais e o desempenho do seu programa de negociação dentro das duas condições críticas de liquidez e volatilidade do mercado.
Teste Algorítmico aplicado à Luidez e Volatilidade.
Enquanto valioso, back-teste e simulação de negociação fornecem feedback para negociações que nunca ocorrem. Isso pode dar uma falsa esperança.
Como o back-testing e as operações simuladas nunca adicionam ou removem ações de um mercado, você nunca saberá realmente o desempenho até tentar transações que interajam com as ações disponíveis no mercado.
A Luidity identifica a facilidade com a qual você pode executar uma negociação, porque há ações cotadas na oferta ou compra, e seu algoritmo e uma transação ocorreram. Você verá isto ocorrer na fita & # 8220; & # 8221;
À medida que você desenvolve e testa sua estratégia algorítmica, deve levar em consideração o tamanho do contrato (ou o tamanho da ação) que planeja negociar e a facilidade com a qual você pode razoavelmente executar essa negociação.
Quanto menos luidez, sua estratégia de negociação precisará considerar o & # 8220; slippage & # 8221; em desempenho.
Escorregamento significa que você não está recebendo o preço de preenchimento perfeito que você recebeu durante o teste de retorno ou negociação simulada. Grandes encomendas, sem luidez, podem ser um desastre de deslizamento.
Volatilidade representa, com que rapidez e até que ponto, uma segurança se move, dentro de um período designado de tempo. Na linguagem comercial, muitos que usam análise técnica determinam a volatilidade, usando o indicador Average True Range. Ou & # 8220; ATR & # 8221;
O ATR determina até que ponto uma segurança é negociada de alta a baixa durante um determinado período de tempo. Por exemplo; o ATR de BOA, Bank of America é .58 nos últimos 14 dias. O ATR para AMZN, Amazon é de $ 27,52.
Isso significa que se você está negociando AMZN, as oscilações são muito mais amplas e o tamanho da ação deve corresponder à sua tolerância ao risco.
O mesmo se aplica aos contratos futuros. Negociar o S & # 038; P 500 é muito diferente de negociar o Eurodollar. Luidez e volatilidade são elementos-chave a serem considerados ao validar seu algoritmo.
Estratégias de Negociação Algorítmica.
Existem literalmente milhares de potenciais estratégias de negociação algorítmica, aqui estão algumas das mais comuns para iniciar a sua jornada:
Tendência Seguindo os Algores: Sua borda é determinada identificando uma direção óbvia para ordenar o fluxo. Essa borda pode durar meses ou minutos. A chave para o sucesso dessa estratégia é definir o prazo para operar.
O objetivo é escolher um lado e depois escolher um ponto para entrar. Quanto menor o período de tempo, mais frequentemente você irá negociar, porque a tendência mudará mais rapidamente e você receberá mais sinais.
Algo Estratégias baseadas no Momentum: Os algos Momentum buscam o contrato futuro para se mover rapidamente em uma direção em alto volume.
Essa borda procura entrar rapidamente em uma pausa, aproveitar o momento e, em seguida, sair na próxima pausa. Este algoritmo não possui grandes vencedores. O lado positivo é que ele não deve ter grandes perdedores também. Estratégias de impulso na direção do fluxo de pedidos são geralmente consideradas negociações inteligentes.
Estratégias de Algo de Contra-Tendência: Esta estratégia normalmente identifica um ponto de saturação no momento, e & # 8220; fades & # 8221; o movimento, em vez de negociar com o momento. O comércio de contra-tendência é uma forma especializada de alocar capital e não para pessoas de coração fraco.
Esta última afirmação é especialmente verdadeira por causa de algoritmos! Houve um período no tempo, quando a ação do preço tinha um bom ritmo de ida e volta fluida. Se você estivesse em uma negociação perdida, havia uma boa chance que você poderia, "negocie fora de uma posição perdedora". # 8221;
Algos tem mudanças que drasticamente. O mundo do algoritmo de hoje verá múltiplos programas algorítmicos dispararem ao mesmo tempo, e o preço explodirá ou implodirá em uma direção. Deixando nenhum alívio para o neófito contra-tendência.
Reversão para as Estratégias Mé - dia de Algo: Imagine um elástico que normalmente se expande para & # 8220; 10. & # 8221; Quando chega tão longe, ele se afasta ou reverte para a distância normal. Esta é a reversão para a negociação de algo médio. Seu algo disseca dados e coloca pedidos quando um contrato de futuros se expande além de sua média.
O objetivo dessa negociação é calcular a entrada, a um preço extremo, antecipando uma reversão lucrativa.
Escalpelamento Estratégias Algo: Certos mercados oferecem oportunidades para rastrear grandes compradores e vendedores. A estratégia aqui é "capturar o spread". # 8221; Isso significa comprar na oferta e depois vender na oferta, para um lucro de alguns ticks.
Esta estratégia de algo foi o pão com manteiga para muitos comerciantes de dia / pregadores de piso ao longo dos anos. Spreads mais apertados e computadores mais rápidos, tornaram este desafio para o comerciante manual. Uma porta se fecha e uma porta se abre, oportunidades de escalpelamento abriram para desenvolvedores e comerciantes de algos inteligentes.
HFT | Algos de Negociação de Alta Frequência: Este é o algoritmo que recebe toda a publicidade. A máquina de dinheiro percebida pelos assistentes quantificados privilegiados. Os programas de HFT são executados em um segundo mili e exigem o que é conhecido como & # 8220; co-localizado & # 8221; servidores perto de uma troca.
A velocidade da execução é crucial para o sucesso.
A indústria sempre em expansão do comércio computadorizado é um cenário em mudança que parece não ter limites, nem imaginação e velocidade de computação.
A linha inferior, há um milhão de maneiras para descrever negociação algorítmica, e pode parecer intimidante, mas o "homenzinho" & # 8221; pode e deve, procurar competir. O acesso a programadores, consultores, acesso de alta velocidade e poderosos servidores, estão ao seu alcance.
Para toda a linguagem do comerciante de fantasia, isso é simplesmente negociação automatizada. É apenas uma questão do seu tempo.
Linguagem de programação visual para Algo Trading.
CLIQUE NA IMAGEM PARA EXPANDIR A VISUALIZAÇÃO COMPLETA.
Linguagem de programação visual, permite aos negociadores de futuros e opções projetar, criar e implantar algoritmos automatizados de negociação de alta frequência sem ter que escrever uma única linha de código.
Com uma interface de arrastar e soltar fácil de usar, os usuários aplicam blocos de construção para criar designs semelhantes a circuitos em suas telas de computador.
A linguagem e o programa oferecem a flexibilidade para projetar sua própria estratégia e a oportunidade de estudar e implementar estratégias pré-fabricadas.
A linguagem de programação visual preferida dos consultores do Professor Algo e dos parceiros certificados é o Algo Design Lab da TT.
Quando uma estratégia "ADL" é implantada no servidor de negociação, a estratégia é compilada e executada como se fosse um programa de computador tradicional. A ADL torna o design do algoritmo acessível a qualquer pessoa, não apenas aos programadores avançados.
A ADL fornece medidas de segurança (em tempo de projeto e em tempo de execução) que não estão disponíveis no contexto de programação tradicional, reduzindo o risco e o tempo necessário para projetar, criar e testar programas, proporcionando um ambiente comercial mais seguro.
CLIQUE NA IMAGEM PARA EXPANDIR A VISUALIZAÇÃO COMPLETA.
O que uma vez levou dias ou semanas, agora leva minutos.
Além disso, ao manusear código escrito & # 8220; nos bastidores & # 8221; para o usuário, o ADL reduz os riscos para traders, firmas de negociação e bolsas de valores # 8211; especialmente para negociação automatizada de alta frequência.
** Professor Algo Nota: Linguagem Visual de Programação é o foco do nosso Programa de Certificação ADL. Assista ao vídeo Quick-Start abaixo para saber mais.
Algo Trading Languages ​​para codificadores e desenvolvedores.
Java é popular e com boas razões. Esta linguagem sofisticada é construída em torno de um importante benefício, codifique um programa uma vez e você pode se integrar de forma transparente entre as plataformas.
Outra vantagem, alimentando a ascensão do Java, é que a linguagem é fácil de implementar (para codificadores) e é confiável. Ele pode ser depurado, o que enfatiza a verificação de erros. Problemas que não apareceriam até o tempo de execução ao usar outros idiomas são encontrados rapidamente com o Java.
O Python é conhecido como uma linguagem orientada a objetos. A linguagem de programação é interativa e portátil, o que facilita o trabalho (para codificadores profissionais).
Sua estrutura de programação é bem organizada, o que significa que codificadores de longa data podem se adaptar rapidamente e começar a produzir programas com Python.
Essa linguagem de propósito geral é normalmente usada na programação de sistemas e é bastante popular. C ++ é uma linguagem avançada que não é para iniciantes.
Ele foi projetado com um viés para programação de sistemas e sistemas embarcados, com recursos restritos e grandes, com desempenho, eficiência e flexibilidade de uso como seus destaques de design.

Estratégias de Negociação Algorítmica, Paradigmas e Idéias de Modelagem.
"As aparências enganam", disse uma pessoa sábia. A frase vale para as estratégias de negociação algorítmica. O termo estratégias de negociação algorítmica pode soar muito chique ou muito complicado. No entanto, o conceito é muito simples de entender, uma vez que o básico é claro. Neste artigo, vou falar sobre estratégias de negociação algorítmica com alguns exemplos interessantes.
Se você olhar de fora, um algoritmo é apenas um conjunto de instruções ou regras. Esse conjunto de regras é usado em uma bolsa de valores para automatizar a execução de ordens sem intervenção humana. Este conceito é chamado Algorithmic Trading.
Deixe-me começar com uma estratégia de negociação muito simples. Aqueles que já estão negociando saberão sobre S. M.A e para aqueles que não o fazem; S. M.A é média móvel simples. O S. M.A pode ser calculado usando qualquer número predefinido e fixo de dias. Uma estratégia de negociação algorítmica baseada em S. M.A pode ser simplificada nestes quatro passos simples:
Calcular 5 dias SMA Calcular 20 dias SMA Tomar uma posição longa quando o SMA de 5 dias for maior ou igual a 20 dias SMA Tomar uma posição curta quando o SMA de 5 dias for menor que SMA de 20 dias.
Referimo-nos a esta estratégia de negociação algorítmica como Moving Average Crossover Strategy. Este foi apenas um exemplo simples. Agora, não pense que tudo vai ser uma cama de rosas. Mesmo que fosse, então esteja preparado para os espinhos. Na negociação cotidiana, algoritmos de negociação muito mais complexos são usados ​​para gerar estratégias de negociação algorítmica.
Todas as estratégias de negociação algorítmica que estão sendo usadas hoje podem ser classificadas amplamente nas seguintes categorias:
Momento / Tendência Após Arbitragem Tomada de Mercado de Arbitragem Estatística.
Deixe-me entrar em alguns detalhes.
Estratégias baseadas no momento.
Supondo que haja uma tendência específica no mercado. Como um comerciante de algo, você está seguindo essa tendência. Além de nossa suposição, os mercados caem dentro da semana. Agora, você pode usar estatísticas para determinar se essa tendência continuará. Ou se vai mudar nas próximas semanas. Assim, você fará o seu próximo passo. Você baseou sua estratégia de negociação algorítmica nas tendências de mercado que você determinou usando estatísticas.
Este método de seguir as tendências é chamado de estratégia baseada em dinâmica.
Existem inúmeras maneiras de implementar essa estratégia de negociação algorítmica e discuti isso em detalhes em um de nossos artigos anteriores, chamado “Metodologia de Quantificação de Notícias para o Comércio Automático”.
Se assumirmos que um pharma-corp deve ser comprado por outra empresa, então o preço das ações do nosso corp pode subir. Isso é acionado pela aquisição, que é um evento corporativo. Se você está planejando investir com base nas ineficiências de preços que podem acontecer durante um evento corporativo (antes ou depois), então você está usando uma estratégia orientada a eventos. Falência, aquisição, fusão, spin-offs, etc. podem ser o evento que conduz esse tipo de estratégia de investimento.
Essas estratégias podem ser neutras em termos de mercado e usadas amplamente por corretores de hedge funds e proprietários.
Arbitragem Estatística.
Quando surge uma oportunidade de arbitragem por causa de citação incorreta nos preços, pode ser muito vantajoso para a estratégia de negociação de algo. Embora tais oportunidades existam por um período muito curto, os preços no mercado são ajustados rapidamente. E é por isso que esse é o melhor uso de estratégias de negociação algorítmica, já que uma máquina automatizada pode acompanhar essas alterações instantaneamente.
Por exemplo, se o preço da Apple cair para menos de US $ 1, a Microsoft cairá US $ 0,5, mas a Microsoft não caiu, então você vai vender a Microsoft para obter lucro. Você pode ler sobre os equívocos comuns que as pessoas têm sobre Arbitragem Estatística aqui.
Fabricação de mercado.
Para entender o mercado, deixe-me falar primeiro sobre os criadores de mercado.
Segundo a Wikipedia:
Um criador de mercado ou provedor de luidez é uma empresa, ou um indivíduo, que cita tanto um preço de compra quanto de venda em um instrumento financeiro ou mercadoria mantida em estoque, esperando lucrar com o spread de oferta ou oferta.
A criação de mercado fornece liquidez para títulos que não são negociados com frequência na bolsa de valores. O formador de mercado pode melhorar a equação demanda-oferta de títulos. Deixe-me lhe dar um exemplo:
Vamos supor que você tenha Martin, um criador de mercado, que compra por Rs. 500 do mercado e vendê-lo em 505. Ele lhe dará uma cotação bid-ask de Rs. 505-500. O lucro de Rs. 5 não pode ser vendido ou trocado por dinheiro sem perda substancial de valor. Quando Martin assume um risco maior, o lucro também é maior.
Eu achei o livro de Michael Lewis "Flash Boys" no Indian Bull Market bastante interessante e ele fala sobre luidez, criação de mercado e HFT em grande detalhe. Confira depois de terminar de ler este artigo.
Desde que você precisará ser analítico & amp; Embora seja quantitativo ao entrar ou atualizar para a negociação algorítmica, é imperativo aprender programação (alguns, se não todos) e construir sistemas infalíveis e executar a estratégia de negociação algorítmica correta. Lendo este artigo sobre negociação automatizada com Interactive Brokers usando Python será muito benéfico para você. Você pode ler o artigo aqui.
Paradigmas & amp; Idéias de Modelagem.
Agora que eu apresentei estratégias de negociação algorítmica, estarei lançando alguma luz sobre os paradigmas de estratégia e as idéias de modelagem pertencentes a cada estratégia.
Tomada De Mercado Estatística Arbitragem Momentum Machine Learning Based.
Fabricação de mercado.
Como mencionei anteriormente, o principal objetivo da criação de mercado é infundir liquidez em títulos que não são negociados em bolsas de valores. Para medir a liquidez, levamos em consideração o spread de compra e venda e os volumes de negociação.
Os algoritmos de negociação tendem a lucrar com o spread bid-ask. Vou me referir ao nosso amigo, Martin, novamente nesta seção. Martin sendo um criador de mercado é um provedor de liquidez que pode cotar tanto no lado de compra quanto de venda em um instrumento financeiro que espera lucrar com o spread de oferta de oferta. Martin aceitará o risco de manter os títulos para os quais citou o preço e, uma vez recebido o pedido, muitas vezes ele venderá imediatamente de seu próprio inventário. Ele pode procurar uma oferta de compensação em segundos e vice-versa.
Quando se trata de valores mobiliários, os spreads são geralmente mais altos e os lucros também. Martin assumirá um risco maior nesse caso. Vários segmentos do mercado não têm interesse dos investidores devido à falta de liquidez, já que não conseguem sair de várias ações de pequena e média capitalização em um dado momento.
Fabricantes de mercado como Martin são úteis, pois estão sempre prontos para comprar e vender ao preço cotado por eles. De fato, grande parte da negociação de alta frequência (HFT) é uma atividade de mercado passiva. As estratégias estão presentes em ambos os lados do mercado (muitas vezes simultaneamente) competindo entre si para fornecer luidez àqueles que precisam.
Então, quando essa estratégia é mais lucrativa?
Essa estratégia é lucrativa desde que o modelo preveja com precisão as variações futuras de preço.
Modelando idéias baseadas neste paradigma.
O spread bid-ask e o volume de negociação podem ser modelados em conjunto para obter a curva de custo de liquidez que é a taxa paga pelo tomador de risco. Se o tomador de acusação somente executar os pedidos com a melhor oferta e pedir, a taxa será igual à oferta de compra, o spread será multiplicado pelo volume. Quando os comerciantes vão além da melhor oferta e pedem mais volume, a taxa também se torna uma função do volume.
O volume de comércio é difícil de modelar, pois depende da estratégia de execução dos compradores. O objetivo deve ser encontrar um modelo para volumes de comércio que seja consistente com a dinâmica de preços. Modelos de criação de mercado são geralmente baseados em um dos dois:
O primeiro se concentra no risco de estoque. O modelo é baseado na posição de estoque preferencial e nos preços com base no apetite de risco. O segundo é baseado na seleção adversa que distingue entre negociações informadas e de ruído. Negociações de ruído não possuem qualquer visão sobre o mercado, enquanto que as transações informadas fazem. Quando a visão do tomador de liquidez é de curto prazo, seu objetivo é obter lucro de curto prazo utilizando a margem estatística. No caso de visão de longo prazo, o objetivo é minimizar o custo da transação. As estratégias e limitações de longo prazo podem ser modeladas como ruído em torno das estratégias de execução de curto prazo.
Para saber mais sobre o Market Makers, você pode conferir este interessante artigo no blog da QuantInsti.
Arbitragem Estatística.
Se a criação de mercado for a estratégia que faz uso do spread bid-ask, a Arbitragem Estatística busca lucrar com a precificação estatística de um ou mais ativos com base no valor esperado desses ativos.
Uma maneira mais acadêmica de explicar a arbitragem estatística é espalhar o risco entre mil a milhões de negociações em um período de detenção muito curto, esperando obter lucro da lei de grandes números. Algoritmos de Arbitragem Estatística são baseados na hipótese de reversão da média, principalmente como um par.
O comércio de pares é uma das várias estratégias coletivamente referidas como Estratégias de Arbitragem Estatística. Em pares estratégia comercial, as ações que exibem co-movimento histórico nos preços são emparelhadas usando semelhanças fundamentais ou baseadas no mercado. A estratégia baseia-se na noção de que os preços relativos em um mercado estão em equilíbrio e que os desvios desse equilíbrio serão eventualmente corrigidos.
Quando um estoque supera o outro, o outperformer é vendido a descoberto e o outro é comprado com a expectativa de que o desvio de curto prazo termine em convergência. Isto frequentemente protege o risco de mercado de movimentos adversos do mercado, isto é, torna a estratégia beta neutra. No entanto, o risco total de mercado de uma posição depende do montante de capital investido em cada ação e da sensibilidade das ações a esse risco.
A Momentum Strategies busca lucrar com a continuidade da tendência existente, aproveitando as oscilações do mercado.
“Em palavras simples, compre alto e venda mais alto e vice-versa.”
E como conseguimos isso?
Nesta estratégia de negociação de algoritmos em particular, teremos posições de curto prazo em ações que estão subindo ou descendo até que apresentem sinais de reversão. É contra-intuitivo para quase todas as outras estratégias bem conhecidas. O investimento em valor é geralmente baseado em reversão de longo prazo para significar, enquanto o investimento em momentum é baseado na lacuna no tempo antes da reversão da média ocorrer.
O momentum está perseguindo o desempenho, mas de uma maneira sistemática, tirando vantagem de outros caçadores de desempenho que estão tomando decisões emocionais. Normalmente, há duas explicações dadas para qualquer estratégia que tenha funcionado historicamente, ou a estratégia é compensada pelo risco extra que ela assume ou por fatores comportamentais, devido a qual prêmio existe.
Há uma longa lista de preconceitos comportamentais e erros emocionais que os investidores exibem devido a que o momento funciona. No entanto, é mais fácil falar do que fazer, pois as tendências não duram para sempre e podem exibir reversões rápidas quando atingem o pico e chegam ao fim. O momento de negociação carrega um grau mais alto de volatilidade do que a maioria das outras estratégias e tenta capitalizar a volatilidade do mercado. É importante ter tempo para comprar e vender corretamente para evitar perdas, usando técnicas adequadas de gerenciamento de risco e interrompendo as perdas. O investimento em momento requer monitoramento adequado e diversificação apropriada para salvaguardar contra esses acidentes graves.
Em primeiro lugar, você deve saber como detectar o momentum do preço ou as tendências. Como você já está negociando, sabe que as tendências podem ser detectadas seguindo estoques e ETFs que estão continuamente subindo por dias, semanas ou até vários meses seguidos. Por exemplo, identifique as ações negociadas dentro de 10% de suas 52 semanas de alta ou olhe para a variação do preço percentual nas últimas 12 ou 24 semanas. Da mesma forma para detectar uma tendência mais curta, inclua uma mudança de preço a curto prazo.
Se você se lembra, em 2008, o setor de petróleo e energia foi continuamente classificado como um dos principais setores, mesmo quando estava em colapso. Também podemos analisar os ganhos para entender os movimentos nos preços das ações. Estratégias baseadas em retornos passados ​​(“estratégias de momentum de preço”) ou em surpresa de ganhos (conhecidas como “estratégias de momentum de ganhos”) exploram a reação do mercado a diferentes informações. Uma estratégia de ganho de lucros pode lucrar com a reação negativa a informações relacionadas a ganhos de curto prazo. Da mesma forma, uma estratégia de momentum de preço pode lucrar com a resposta lenta do mercado a um conjunto mais amplo de informações, incluindo a lucratividade de longo prazo.
Aprendizado de Máquina baseado.
Na negociação baseada em Aprendizado de Máquina, os algoritmos são usados ​​para prever o intervalo para movimentos de preço de curtíssimo prazo em um determinado intervalo de confiança. A vantagem de usar a Inteligência Artificial (IA) é que os humanos desenvolvem o software inicial e a própria IA desenvolve o modelo e o aprimora com o tempo. Um grande número de fundos depende de modelos computacionais construídos por cientistas de dados e quants, mas eles geralmente são estáticos, ou seja, não mudam com o mercado. Modelos baseados em ML, por outro lado, podem analisar grandes quantidades de dados em alta velocidade e melhorar-se através de tais análises.
Uma forma de inclinação da máquina chamada “redes Bayesianas” pode ser usada para prever tendências de mercado enquanto utiliza algumas máquinas. Uma IA que inclua técnicas como a computação evolucionária (que é inspirada pela genética) e o aprendizado profundo pode ser executada em centenas ou mesmo milhares de máquinas. Ele pode criar uma coleção grande e aleatória de operadores de ações digitais e testar seu desempenho em dados históricos. Em seguida, ele escolhe os melhores artistas e usa seu estilo / padrões para criar um novo tipo de trader evoluído. Esse processo é repetido várias vezes e um comerciante digital que pode operar totalmente é criado.
Esse processo é repetido várias vezes e um comerciante digital que pode operar totalmente é criado.
Estes foram alguns importantes paradigmas de estratégia e idéias de modelagem. Em seguida, vamos passar pelo procedimento passo a passo para construir uma estratégia de negociação.
Você pode aprender esses paradigmas em grande detalhe no Executive Program da QuantInsti em Algorithmic Trading (EPAT), um dos mais extensivos cursos de negociação algorítmica disponíveis on-line com gravações de palestras e acesso e suporte vitalícios.
Construindo uma estratégia de negociação algorítmica.
De estratégias de negociação de algoritmos a paradigmas e ideias de modelagem, chego a essa seção do artigo onde vou lhe dizer como construir uma estratégia de negociação algorítmica básica.
Como você começa com a implementação de estratégias de negociação de algo?
Essa é a primeira pergunta que deve ter vindo à sua mente, eu presumo. A questão é que você já começou conhecendo os fundamentos e os paradigmas das estratégias de negociação algorítmica ao ler este artigo. Agora, que o nosso vagão tem o motor ligado, é hora de pressionar o acelerador.
E como exatamente isso é feito?
Vou explicar como uma estratégia de negociação algorítmica é construída, passo a passo. A descrição concisa lhe dará uma idéia sobre todo o processo.
O primeiro passo é decidir o paradigma da estratégia. Pode ser Market Making, Arbitrage based, Alpha, Hedging ou Execution based strategy. Para este caso em particular, escolherei negociação em pares, que é uma estratégia de arbitragem estatística que é neutra em termos de mercado (beta neutro) e gera alfa, ou seja, gera dinheiro independentemente do movimento do mercado.
Você pode decidir sobre os títulos reais que deseja negociar com base na visão de mercado ou através de correlação visual (no caso de estratégia de negociação de pares). Estabelecer se a estratégia é estatisticamente significativa para os títulos selecionados. Por exemplo, no caso de troca de pares, verifique a cointegração dos pares selecionados.
Agora, codifique a lógica com base na qual você deseja gerar sinais de compra / venda na sua estratégia. Para a troca de pares, verifique a “reversão à média”; calcule o escore z para o spread do par e gere os sinais de compra / venda quando você espera que ele reverta para o significado. Decida sobre as condições de “Stop Loss” e “Profit Taking”.
Stop Loss & # 8211; Uma ordem de stop-loss limita a perda de um investidor em uma posição em um título. Ele dispara uma ordem para eliminar a posição longa ou curta existente para evitar mais perdas e ajuda a tirar a emoção das decisões de negociação. Take Profit & # 8211; ordens take-profit são usadas para fechar automaticamente as posições existentes, a fim de garantir lucros quando há um movimento em uma direção favorável. Citando ou batendo estratégia.
É muito importante decidir se a estratégia será “citando” ou “batendo”. A estratégia de execução, em grande medida, decide o quão agressiva ou passiva sua estratégia será.
Citando & # 8211; Na negociação em pares, você cita uma garantia e, dependendo se essa posição é preenchida ou não, você envia a ordem para a outra. Nesse caso, a probabilidade de obter um preenchimento é menor, mas você salva bid-ask em um lado. Batendo - Neste caso, você envia ordens de mercado simultâneas para ambos os títulos. A probabilidade de obter um preenchimento é maior, mas, ao mesmo tempo, a derrapagem é maior e você paga bid-ask em ambos os lados.
A escolha entre a probabilidade de preenchimento e execução otimizada em termos de derrapagem e executivo cronometrado é o que é isso se eu tiver que colocar dessa maneira. Se você optar por citar, então você precisa decidir para o que está citando, é assim que funciona o par de operações. Se você decidir fazer uma cotação para a segurança menos nítida, o escorregamento será menor, mas os volumes de negociação cairão por sua vez, aumentando o risco de derrapagem, mas os volumes de negociação serão altos.
A utilização de estatísticas para verificar a causalidade é outra maneira de chegar a uma decisão, ou seja, alterar em que segurança provoca alterações no outro e qual delas leva. O teste de causalidade determinará o par de "lead-lag"; citar para o líder e cobrir a segurança de atraso.
Como você decide se a estratégia escolhida foi boa ou ruim?
Como você julga sua hipótese?
É aí que o back-testing da estratégia surge como uma ferramenta essencial para a estimativa do desempenho da hipótese projetada com base em dados históricos. Uma estratégia pode ser considerada boa se os resultados do backtest e as estatísticas de desempenho apoiarem a hipótese.
Por isso, é importante escolher dados históricos com um número suficiente de pontos de dados. Isso é para criar um número suficiente de negociações de amostra (pelo menos 100 negociações) cobrindo vários cenários de mercado (alta, baixa, etc.). Certifique-se de fazer provisão para custos de corretagem e derrapagem também. Isso vai te dar resultados mais realistas, mas você ainda pode ter que fazer algumas aproximações durante o backtesting. Por exemplo, enquanto backtesting citando estratégias é difícil descobrir quando você obtém um preenchimento. Assim, a prática comum é assumir que as posições são preenchidas com o último preço negociado.
Para que tipo de ferramentas você deve ir, enquanto faz o backtesting?
Desde backtesting para estratégias de negociação algorítmica envolve uma enorme quantidade de dados, especialmente se você for usar dados tick by tick. Então, você deve ir para ferramentas que podem lidar com essa enorme quantidade de dados.
R ou MATLAB?
R é excelente para lidar com grandes quantidades de dados e também possui um alto poder de computação. Assim, tornando-se uma das melhores ferramentas para backtesting. Além disso, R é open source e livre de custos. Podemos usar o MATLAB também, mas ele vem com um custo de licenciamento.
Tudo bem, eu acabei de tirar a famosa citação de Ben Parker do filme Homem-Aranha (não do Incrível). Mas confie em mim, é 100% verdade. Não importa o quão confiante você pareça com a sua estratégia ou quão bem sucedido ela possa ser, você deve ir e avaliar cada um e tudo em detalhes. Existem vários parâmetros que você precisa monitorar ao analisar o desempenho e o risco de uma estratégia. Algumas métricas / proporções importantes são mencionadas abaixo:
Retorno Total (CAGR) - Taxa de Crescimento Anual Composta (CAGR). É a taxa de crescimento média anual de um investimento durante um período de tempo especificado superior a um ano. Taxa de acerto - ordem de negociação. Lucro Médio por Lucro Total do Comércio dividido pelo número total de negócios Perda Média por Comércio - Perda Total dividida pelo número total de negócios Retirada Máxima & # 8211; Perda máxima em qualquer negociação Volatilidade de devoluções - Desvio padrão dos “retornos” Sharpe Ratio - Retornos ajustados pelo risco, ou seja, retornos excedentes (sobre a taxa livre de risco) por unidade de volatilidade ou risco total.
Todo o processo de estratégias de negociação algorítmica não termina aqui. O que eu forneci neste artigo é apenas o pé de um Everest sem fim. Para conquistar isso, você deve estar equipado com o conhecimento correto e orientado pelo guia certo. É aí que entra o QuantInsti, para guiá-lo nessa jornada. QuantInsti irá ajudá-lo a conquistar o Everest no final. Se você quiser saber mais sobre estratégias de negociação algorítmica, clique aqui.

Um exemplo de uma estratégia de negociação codificada em C ++
Qualquer estratégia de negociação pode ser dividida em um conjunto de eventos e a reação a esses eventos. As reações podem se tornar infinitamente complexas e variadas, mas essencialmente a redação de estratégias é simplesmente colocada exatamente assim.
O tipo de eventos e sua frequência dependeriam dos mercados e dos instrumentos nos quais esta estratégia estaria trabalhando, no entanto, em linhas gerais, a maioria dos mercados teria diferentes sabores dos seguintes:
Tipo de eventos.
Alteração de dados de mercado & # 8211; Isso pode significar a mudança dos preços ou a mudança dos tamanhos. Também pode ser o preço da última negociação. Relatórios da troca & # 8211; Reconhecimentos de trocas, rejeições, etc. Execução de pedidos & # 8211; Parcial da execução total de pedidos que foram colocados anteriormente. Pedidos sendo enviados para a troca & # 8211; Algumas informações contábeis podem precisar ser feitas logo após o envio de um pedido para a bolsa, talvez para gerenciamento de risco. Eventos de intervalo & # 8211; Este não é um evento relacionado ao mercado, mas mais como uma lógica que precisa ser executada em intervalos regulares. Por exemplo, formação de velas. Novo portfólio sendo carregado & # 8211; Um novo portfólio sendo carregado pode alterar os limites de risco de outros portfólios já em execução e, portanto, a necessidade de reduzir o tamanho dos pedidos, etc. Alteração dos parâmetros do usuário & # 8211; Toda estratégia requer um certo conjunto de entradas ou parâmetros do usuário que definem a estrutura dentro da qual a estratégia opera. Isso pode variar de tamanho da ordem de cotação para a exposição máxima que a estratégia pode levar, etc. Qualquer um desses parâmetros pode mudar e, geralmente, irá garantir alguma quantidade de recálculo.
A estratégia.
Como exercício, podemos olhar para uma estratégia muito simples e ver como quebramos uma premissa na reação aos eventos. Vamos considerar uma estratégia de arbitragem pura, que essencialmente se baseia no fato de que o mesmo instrumento que está sendo cotado em diferentes destinos deve idealmente ter o mesmo valor. Se houver alguma discrepância no valor grande o suficiente para justificar a compra em uma troca e a venda na outra, nós o faremos. Então, digamos que queremos fazer um spread de cada compra e venda. Portanto, a estratégia proposta seria citar no instr1 a um preço.
Onde preço de compra e preço de venda são os preços da ordem de compra e venda, respectivamente, em instr1.
Bid1 e ask1 são preços de instr1.
Bid2 e ask2 são preços de instr2.
A lógica básica seria manter consistentemente a ordem de compra em bid2 e vender em ask2 + s. Sempre que a ordem de compra é executada, enviamos uma ordem de venda no instr2 no bid2. Então, na verdade,
Compramos na bid2 e vendemos na bid2 = & gt; feito fora desta transação.
Claramente, como podemos ver, a lógica onMarketData realmente depende apenas dos dados de mercado de instr2 e nada mais.
Da mesma forma, a lógica onExecution depende da execução de pedidos no instr1.
Soa bem até agora. Isso seria perfeito em um mundo ideal onde as coisas acontecem instantaneamente. Mas no mundo real, operamos sob certas restrições. Algumas dessas restrições são.
Demora um período de tempo finito para que uma ordem chegue à troca É preciso um tempo finito para a troca confirmar um pedido. Substituir solicitação não pode ser enviada em um pedido, a menos que esteja em um estado reconhecido. .
Claramente, isso muda as coisas. Considere o seguinte cronograma.
T0: ordem de compra enviada ao preço b1 (= bid2 – s)
T1: instr2 move-se para tick.
T2: Confirmado pelo pedido enviado em T0.
T10: novos dados de mercado no instrumento 2.
No T1, nossa ordem de compra no instr1 deveria ter sido substituída por bid2 - 1 – s. No entanto, como o pedido não é reconhecido, não poderíamos substituí-lo e, portanto, o pedido ainda permanece no bid2 e ele permanece lá até que os novos dados de mercado cheguem a T10. Observe que o reconhecimento chegou em T2. No entanto, não substituímos nosso pedido (que estava com o preço errado) porque decidimos que a cotação no instr1 depende apenas dos dados de mercado do instr2. Isso significa que se este pedido for executado no endereço T3, nós o faremos.
Compre instr1 em bid2-s.
Vender instr2 em bid2 -1 = & gt; nós fizemos s-1 (em vez de s).
Para evitar isso, pode-se querer reagir aos relatórios de reconhecimento também.
Então o novo pseudocódigo seria.
Soa bem mais uma vez. Até que, claro, cavarmos um pouco mais. Considere o seguinte cronograma.
T0: ordem de compra O1 enviada pelo preço b1 (= bid2 – s)
T1: Reconhecido pelo pedido enviado em T0.
T2: execução do pedido original O1. Cubra a ordem de venda enviada no instr2 no bid2.
T3: execução de ordem instr2. Nada foi feito desde que a execução está no instr2.
T10: novos dados de mercado no instrumento 2. Nova ordem de compra O2 enviada no instr1.
Tenha em atenção que a partir de T2 e T10, não existe uma ordem de compra no instr1. Significando que podemos estar perdendo oportunidades. Nós só entramos com um pedido de compra em T10, já que os eventos que ouvíamos eram dados de mercado em instr2, reconhecimento de instr1 e execução de instr1. Para evitar perder a oportunidade, adicionaremos outro evento à nossa lista. Execuções de instr2. Como resultado, modifique bem o nosso pseudo código como.
Até agora estamos assumindo que nossas execuções acontecem totalmente ou nenhuma. Execuções parciais introduzem uma lata de worms em nossa lógica pura. Isso porque isso adiciona outra restrição que devemos respeitar:
Ao substituir, precisamos informar à troca qual foi o horário da última transação. O último tempo de transação refere-se ao registro de data e hora que toda troca atribui sempre que um pedido é alterado (confirmado, substituído, negociado etc.)
Agora isso leva ao seguinte cenário.
T0: ordem de compra O1 enviada pelo preço b1 (= bid2 – s)
T1: Reconhecido pelo pedido enviado em T0. Última hora da transação atualizada para T1.
T2: MarketData para instr2 muda para bid2 - 1. Substituir pedido (R1 com o tempo da última transação como T1) enviado para alterar o preço para bid2-1-s.
T3: execução parcial da ordem original O1 antes de R1 atingir a troca. Último tempo de transação atualizado no final da troca para T3. Cubra a ordem de venda enviada no instr2 no bid2. Nenhuma solicitação de substituição enviada no instr1 como um pedido está no estado não reconhecido.
T4: pedido rejeitado porque a troca pensa que a hora da última transação é T3, mas a solicitação de substituição é enviada com T1.
T10: novos dados de mercado no instrumento 2. Substituir solicitação enviada R2 enviada no instr1.
Entre T4 e T10, a ordem de compra no instr1 ainda está em bid2 – s (em vez de bid2-1-s). Isso pode levar a derrapagens se vermos outra execução. Nós não o substituímos pelo preço certo porque estamos apenas reagindo aos dados de mercado em instr2, reconhecimento de instr1, execuções.
Agora podemos adicionar rejeições ao algoritmo também.
Até agora fizemos duas suposições muito grandes. Um, que os eventos acontecem um por um e dois, que nossa reação a um evento é instantânea. Na realidade, no entanto, os eventos podem acontecer simultaneamente, por exemplo, dados de mercado e a execução de um de nossos pedidos pode nos alcançar ao mesmo tempo. Isso significa que a estratégia estaria executando dois segmentos diferentes em paralelo. Da mesma forma, uma execução pode chegar enquanto estamos processando nossa reação a um evento de dados de mercado. Se alguém processa eventos em paralelo, precisamos ter cuidado com a implementação, pois variáveis ​​como buyPosition e sellPosition podem estar em um estado inconsistente. Se você quiser evitar a complexidade de implementações multiencadeadas, então sempre é possível processar eventos sequencialmente, e o custo seria latência. Analisaremos os casos de borda que surgem com a implementação multi-thread e como eles podem ser ignorados em outro post.
Mesmo em implementações single-threaded, ainda não cuidamos dos eventos gerados pelo usuário, como alterações de parâmetros. Por exemplo, e se o usuário decidir alterar o valor de s. Devemos reagir a isso também, em vez de esperar que o próximo evento de mercado substitua nossas cotações pelo preço certo. A essência deste post é introduzir a abordagem de quebrar um evento e aprofundar o fluxo da lógica antes de implementar uma estratégia para negociação algorítmica.
Se você quiser aprender vários aspectos do comércio algorítmico, confira o Programa Executivo em Algorithmic Trading (EPAT ™). O curso abrange módulos de treinamento como o Statistics & amp; Econometria, Computação Financeira & amp; Tecnologia e Algoritmica & amp; Negociação Quantitativa. EPAT ™ prepara você com os conjuntos de habilidades necessárias para ser um profissional bem sucedido. Inscreva-se agora!
Disclaimer: Todos os investimentos e negociação no mercado de ações envolvem risco. Quaisquer decisões de negociar nos mercados financeiros, incluindo negociação de ações ou opções ou outros instrumentos financeiros, são uma decisão pessoal que só deve ser tomada após uma pesquisa completa, incluindo risco pessoal e avaliação financeira e o envolvimento de assistência profissional na medida em que você Acredito necessário. As estratégias de negociação ou informações relacionadas mencionadas neste artigo são apenas para fins informativos.

Exemplo de estratégia de negociação algorítmica
A maioria dos exemplos de livros didáticos e recursos on-line falam sobre negociação algorítmica de ações, futuros, forex etc. Cobrem técnicas como negociação de cointegração, análise ARIMA e muitas outras formas mais exóticas de negociar esses instrumentos.
No entanto, uma coisa que eu realmente nunca vejo são exemplos de fazer exatamente a mesma coisa para opções sobre, digamos, ações. Obviamente, isso será um pouco mais difícil devido à natureza das opções, mas não parece impossível.
Alguns exemplos que posso (grosso modo) pensar estão tentando calcular valores melhores para IV e tal, e encontrar erros nas opções dessa maneira. Mas tem que haver algumas estratégias baseadas completamente no subjacente, usando os technos acima (como o ARIMA). Que tipo de exemplos de negociação algorítmica de opções existem?