Negociação Quantitativa.
O que é 'negociação quantitativa'
A negociação quantitativa consiste em estratégias de negociação baseadas em análises quantitativas, que dependem de cálculos matemáticos e processamento de números para identificar oportunidades de negociação. Como a negociação quantitativa é geralmente usada por instituições financeiras e fundos de hedge, as transações geralmente são grandes em tamanho e podem envolver a compra e venda de centenas de milhares de ações e outros títulos. No entanto, o comércio quantitativo está se tornando mais comumente usado por investidores individuais.
Análise quantitativa.
Análise de risco.
Tendência de Atributos.
Cientista de foguetes.
QUEBRANDO "Negociação Quantitativa"
Os técnicas de negociação quantitativa incluem negociação de alta frequência, negociação algorítmica e arbitragem estatística. Essas tecnologias são rápidas e normalmente têm horizontes de investimento de curto prazo. Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, como médias móveis e osciladores.
Compreender Negociação Quantitativa.
Comerciantes quantitativos aproveitam a tecnologia moderna, a matemática e a disponibilidade de bancos de dados abrangentes para tomar decisões comerciais racionais.
Comerciantes quantitativos usam uma técnica de negociação e criam um modelo usando matemática, e então desenvolvem um programa de computador que aplica o modelo a dados históricos de mercado. O modelo é então backtested e otimizado. Se resultados favoráveis forem alcançados, o sistema é então implementado em mercados em tempo real com capital real.
A forma como os modelos de negociação quantitativa funcionam pode ser melhor descrita usando uma analogia. Considere um boletim meteorológico em que o meteorologista prevê 90% de chance de chuva enquanto o sol estiver brilhando. O meteorologista deriva essa conclusão contraintuitiva ao coletar e analisar dados climáticos de sensores em toda a área. Uma análise quantitativa computadorizada revela padrões específicos nos dados. Quando esses padrões são comparados aos mesmos padrões revelados em dados históricos do clima (backtesting), e 90 em 100 vezes o resultado é chuva, então o meteorologista pode tirar a conclusão com confiança, daí a previsão de 90%. Os comerciantes quantitativos aplicam este mesmo processo ao mercado financeiro para tomar decisões comerciais.
Vantagens e desvantagens da negociação quantitativa.
O objetivo da negociação é calcular a probabilidade ótima de executar uma negociação lucrativa. Um trader típico pode efetivamente monitorar, analisar e tomar decisões de negociação sobre um número limitado de títulos antes que a quantidade de dados recebidos sobrecarregue o processo de tomada de decisão. O uso de técnicas quantitativas de negociação ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação.
Superar a emoção é um dos problemas mais difusos da negociação. Seja medo ou ganância, quando se negocia, a emoção serve apenas para sufocar o pensamento racional, o que geralmente leva a perdas. Computadores e matemática não possuem emoções, então a negociação quantitativa elimina esse problema.
A negociação quantitativa tem seus problemas. Os mercados financeiros são algumas das entidades mais dinâmicas que existem. Portanto, os modelos de negociação quantitativos devem ser tão dinâmicos para serem consistentemente bem-sucedidos. Muitos comerciantes quantitativos desenvolvem modelos que são temporariamente lucrativos para as condições de mercado para as quais foram desenvolvidos, mas acabam fracassando quando as condições do mercado mudam.
S T R E E T E D E L A L S.
Tipos de estratégias de negociação Quantitative Hedge Fund.
Os Quant Hedge Funds vêm em todas as formas e tamanhos - desde pequenas empresas com empregados na adolescência, até fundos internacionais com presença em três continentes. Uma base de ativos maior não se correlaciona necessariamente com um número maior de funcionários; em vez disso, a equipe do Hedge Fund provavelmente é uma função do número de estratégias que emprega. Os Hedge Funds Quant podem se concentrar em ações, renda fixa ou outras classes de ativos, embora raramente um Quant Hedge Fund estivesse envolvido em uma estratégia de longo prazo de picking individual de ações sem proteção. Muitos CTAs ou “Consultores de Negociação de Commodities” também seriam considerados Quant Hedge Funds, dado seu papel na compra ou venda de contratos futuros, opções sobre futuros ou contratos de forex fora da bolsa de varejo (ou aconselhamento a outros para negociar nessas commodities).
A tabela a seguir fornece mais detalhes sobre diferentes tipos de estratégias de investimento no Hedge Funds; É importante notar que versões quantitativas e não quantitativas de quase todos esses estilos de investimento do Hedge Fund podem ser construídas:
Negociação Relativa de Valor vs. Negociação Direcional.
A maioria das abordagens de investimento / investimento do Quantitative Hedge Fund se enquadra em uma das duas categorias: aquelas que usam estratégias de Relative Value e aquelas cujas estratégias seriam caracterizadas como Direcionais. Ambas as estratégias utilizam fortemente modelos de computador e software estatístico.
As estratégias de Relative Value tentam capitalizar sobre relacionamentos de preços previsíveis (geralmente relacionamentos de "reversão") entre vários ativos (por exemplo, a relação entre rendimentos de títulos do Tesouro dos EUA de curto prazo versus títulos de títulos do Tesouro dos EUA de longo prazo ou o relacionamento volatilidade em dois contratos de opções diferentes). Enquanto isso, as estratégias direcionais geralmente baseiam-se em tendências ou outros caminhos baseados em padrões sugestivos de impulso para cima ou para baixo para um título ou conjunto de valores mobiliários (por exemplo, apostar que os rendimentos de títulos do Tesouro dos EUA aumentam ou que implicavam volatilidade declínio).
Estratégias Relativas de Valor.
Exemplos comuns de estratégias de Relative Value incluem colocar apostas relativas (ou seja, comprar um ativo e vender outro) em ativos cujos preços estão intimamente ligados:
Títulos públicos de dois países diferentes Títulos públicos de dois portes diferentes até o vencimento Títulos corporativos versus títulos hipotecários O diferencial de volatilidade implícita entre dois derivativos Índices acionários versus preços de títulos de um emissor de títulos corporativos ) se espalha.
A lista de potenciais estratégias de Valor Relativo é muito longa; acima são apenas alguns exemplos. Existem três estratégias de Valor Relativo muito importantes e comumente usadas para estar ciente, no entanto:
Arbitragem Estatística: negociação de uma tendência de reversão à média dos valores de cestas de ativos similares com base em relações comerciais históricas. Uma forma comum de Arbitragem Estatística, ou "Stat Arb," trading, é conhecida como negociação de Equity Market Neutral. Nesta estratégia, duas cestas de ações são escolhidas (uma cesta "longa" e uma cesta "curta"), com o objetivo de que os pesos relativos das duas cestas saiam do fundo com exposição líquida zero a vários fatores de risco (indústria, geografia, setor, etc. .) Stat Arb também pode envolver a negociação de um índice contra um ETF similar, ou um índice versus ações de uma única empresa. Arbitragem conversível: compra de emissões de obrigações conversíveis por uma empresa e, simultaneamente, venda das mesmas ações ordinárias da empresa, com a idéia de que, caso as ações de uma determinada empresa caiam, o lucro da posição vendida mais que compense qualquer perda no posição de obrigações convertíveis, dado o valor das obrigações convertíveis como instrumento de rendimento fixo. Da mesma forma, em qualquer movimento ascendente das ações ordinárias, o fundo pode lucrar com a conversão das suas obrigações convertíveis em ações, vendendo essa ação no mercado. valor por uma quantia que exceda quaisquer perdas em sua posição vendida. Arbitragem de Renda Fixa: negociar títulos de renda fixa em mercados de títulos desenvolvidos para explorar anomalias percebidas de taxa de juros relativa. As posições de Arbitragem de Renda Fixa podem usar títulos do governo, swaps de taxa de juros e futuros de taxa de juros. Um exemplo popular desse estilo de negociação em arbitragem de renda fixa é o “comércio básico”, no qual se vende (compra) títulos do Tesouro e compra ( vende) uma quantia correspondente da obrigação potencial de entrega. Neste caso, está-se a analisar a diferença entre o preço à vista de uma obrigação e o preço de contrato futuro ajustado (preço de futuros - fator de conversão) e negociar os pares de ativos em conformidade.
Estratégias direcionais.
As estratégias de negociação direcional, por sua vez, baseiam-se tipicamente em tendências ou outros caminhos baseados em padrões que sugerem um impulso para cima ou para baixo por um preço de segurança. O comércio direcional muitas vezes incorpora algum aspecto da Análise Técnica ou do gráfico. de preços através do estudo de dados de mercado anteriores de preço e volume. O “direcionamento” negociado pode ser aquele de um ativo em si (momentum nos preços das ações, por exemplo, ou a taxa de câmbio euro / dólar) ou um fator que afeta diretamente o mercado. próprio preço do ativo (por exemplo, volatilidade implícita para opções ou taxas de juros para títulos do governo).
A negociação técnica também pode incluir o uso de médias móveis, bandas em torno do desvio padrão histórico dos preços, níveis de suporte e resistência e taxas de variação. Tipicamente, os indicadores técnicos não constituiriam a única base para um investimento do Quantitative Hedge Fund. estratégia; Os Quante Hedge Funds empregam muitos fatores adicionais além das informações históricas sobre preço e volume. Em outras palavras, os Fundos Quantitativos de Hedge que empregam estratégias de negociação direcional geralmente têm estratégias quantitativas gerais que são muito mais sofisticadas do que a Análise Técnica geral.
Isto não é sugerir que os comerciantes do dia podem não ser capazes de lucrar com a Análise Técnica - ao contrário, muitas estratégias de negociação baseadas no momento podem ser lucrativas. Assim, para os propósitos deste módulo de treinamento, as referências às estratégias de negociação do Quant Hedge Fund não incluirão apenas as estratégias baseadas na Análise Técnica.
Outras estratégias quantitativas.
Outras abordagens quantitativas de negociação que não são facilmente categorizadas como estratégias de valor relativo ou estratégias direcionais incluem:
High-Frequency Trading, onde os investidores tentam tirar proveito das discrepâncias de preços entre múltiplas plataformas com muitos negócios ao longo do dia. As estratégias de Volatility gerenciadas usam contratos futuros e futuros para focar em gerar retornos absolutos baixos, mas estáveis, LIBOR-plus, aumentando ou diminuindo o número de contratos dinamicamente à medida que as volatilidades subjacentes das bolsas de valores, títulos e outros mercados mudam. As Estratégias de Volatilidade Gerenciada ganharam popularidade nos últimos anos devido à recente instabilidade dos mercados de ações e de títulos. O que é um fundo de hedge quantitativo? Top Quantitative Hedge Funds & rarr;
Estratégias de negociação de opções quantitativas
Quando um trader obtém a conclusão de que a volatilidade está sendo subestimada (via cone de volatilidade ou alguma outra tecnologia), na verdade existem várias maneiras para sua negociação. (Vamos supor que o instrumento subjacente seja a equidade). 1. Long uma opção e proteger o delta, para ganhar com a recuperação da volatilidade. 2. Long straddle estratégia para ganhar com o movimento do preço das ações. 3. Longa estratégia gama para ganhar com o movimento do preço das ações.
É claro que existem mais estratégias, mas acabei de listar essas três para tornar a discussão mais simples e clara. Vamos supor que a volatilidade se recupere como esperado. Para o número 1, ganha dinheiro com o aumento do preço da opção como a maior volatilidade. (Aqui a volatilidade é definida como Desvio Padrão dos retornos dos registros de estoque) Para o 2, ela ganha dinheiro com o movimento do preço das ações. (O movimento deve exceder o limite de perda de lucros do straddle. Por exemplo: 87.0-95.0) Para o número 3, ele ganha dinheiro com o movimento do preço das ações. (O movimento deve cobrir o tempo de decaimento da opção)
O # 2 e # 3 são equivalentes a # 1 até certo ponto, já que a maior volatilidade também significa o maior movimento de preços. Mas eles ainda não são exatamente iguais. Quando o volume rende 12%, o lucro # 1, no entanto, talvez o movimento do preço das ações não consiga atingir o limite de perda de lucros para o número 2 ou não possa cobrir o tempo de deterioração do número 3. A negociação de opções é complexa e os traders precisam usar o modelo matemático para mensuração de risco (e precificação). E parece que os modelos de opção são quase baseados em volatilidade.
Pergunta 1: Como medir o risco de estratégias de opções como # 2 e # 3. (Refiro-me ao pré-cheque do risco antes da negociação, não calculando o Var no final de um dia de negociação). Os modelos focados na volatilidade das ações não conseguiam medir exatamente o movimento dos preços das ações, como mencionado acima.
Outra questão é sobre o gerenciamento de riscos após a negociação. Var é geralmente usado para o gerenciamento de risco do portfólio, mas a negociação de opções tem mais gregos explorados do que outros negócios como capital de caixa. Em nosso exemplo, o principal risco de # 3 é o risco theta (decaimento temporal).
Pergunta 2: Existe algum outro método / modelo / fórmula específica para medir o risco de negociação de opções contra gregos (como theta em # 3) além do Var? (Algumas instituições como Banco e Formador de Mercado prestam mais atenção a Var talvez por causa da regulamentação como basel II?)
Muito aprecio se você pudesse ajudar nessas duas questões da prática do mercado de opções. Desde já, obrigado.
Estratégias de negociação de opções quantitativas
Eu estou procurando por todos os tipos de pesquisa sobre estratégias de negociação de opção. Com isso quero dizer artigos que publicam resultados em diferentes estratégias de negociação de opções devidamente testadas com dados do mundo real.
Eu fiz algumas pesquisas e encontrei os seguintes artigos - a maioria deles oferecendo uma perspectiva bastante distinta em comparação com a teoria clássica de precificação de opções!
O seguinte é o meu favorito: Você poderia fazer alguns backtests por conta própria com dados disponíveis gratuitamente (usando o VXO como informações de volatilidade) e com qualquer planilha - fácil e elegante:
Eu atualizarei esta resposta de tempos em tempos quando surgirem novos artigos interessantes:
Quantas estratégias - são para você?
As estratégias de investimento quantitativo evoluíram para ferramentas muito complexas com o advento dos computadores modernos, mas as raízes das estratégias remontam a mais de 70 anos. Eles normalmente são administrados por equipes altamente instruídas e usam modelos proprietários para aumentar sua capacidade de vencer o mercado. Existem até programas prontos para uso que são plug-and-play para aqueles que buscam simplicidade. Os modelos Quant sempre funcionam bem quando testados novamente, mas suas aplicações reais e sua taxa de sucesso são discutíveis. Embora pareçam funcionar bem em mercados altistas, quando os mercados se descontrolam, as estratégias quantitativas estão sujeitas aos mesmos riscos que qualquer outra estratégia.
Estratégias de investimento quantitativo tornaram-se extremamente populares entre os comerciantes de dia, mas eles não são as únicas estratégias que os comerciantes usam para consistentemente lucrar. O curso Torne-se um Day Trader da Investopedia descreve uma estratégia comprovada que inclui seis tipos de negociações, além de estratégias para gerenciar riscos. Com mais de cinco horas de vídeo sob demanda, exercícios e conteúdo interativo, você obterá as habilidades necessárias para negociar qualquer segurança em qualquer mercado.]
Um dos pais fundadores do estudo da teoria quantitativa aplicado ao financiamento foi Robert Merton. Você pode imaginar o quão difícil e demorado foi o processo antes do uso de computadores. Outras teorias em finanças também evoluíram a partir de alguns dos primeiros estudos quantitativos, incluindo a base da diversificação de portfólio baseada na moderna teoria do portfólio. O uso tanto do cálculo quantitativo quanto do cálculo levou a muitas outras ferramentas comuns, incluindo uma das mais famosas, a fórmula de precificação de opções Black-Scholes, que não apenas ajuda as opções de preço dos investidores e desenvolve estratégias, mas ajuda a manter os mercados sob controle.
Quando aplicado diretamente ao gerenciamento de portfólio, o objetivo é como qualquer outra estratégia de investimento: agregar valor, retorno alfa ou excesso. Quants, como os desenvolvedores são chamados, compõem modelos matemáticos complexos para detectar oportunidades de investimento. Existem tantos modelos por aí quanto quantos os desenvolvem e todos afirmam ser os melhores. Um dos pontos mais vendidos de uma estratégia de investimento quant é que o modelo e, em última análise, o computador, toma a decisão de compra / venda real, não um ser humano. Isso tende a eliminar qualquer resposta emocional que uma pessoa possa ter ao comprar ou vender investimentos.
Quantas estratégias são agora aceitas na comunidade de investimentos e administradas por fundos mútuos, fundos de hedge e investidores institucionais. Eles normalmente usam o nome de geradores alfa ou alfa gens.
Assim como em "O Mágico de Oz", alguém está por trás da cortina que conduz o processo. Como em qualquer modelo, é tão bom quanto o humano que desenvolve o programa. Embora não haja um requisito específico para se tornar um quant, a maioria das empresas que executam modelos quantificados combinam as habilidades de analistas de investimento, estatísticos e programadores que codificam o processo nos computadores. Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum ver credenciais como pós-graduação e doutorado em finanças, economia, matemática e engenharia.
Historicamente, esses membros da equipe trabalhavam nos back-offices, mas à medida que os modelos quânticos se tornaram mais comuns, o back office está se mudando para o front office.
Benefícios das Estratégias Quant.
Embora a taxa de sucesso global seja discutível, a razão pela qual algumas estratégias de quant funcionam é que elas são baseadas na disciplina. Se o modelo estiver certo, a disciplina mantém a estratégia trabalhando com computadores de velocidade relâmpago para explorar ineficiências nos mercados com base em dados quantitativos. Os modelos em si podem se basear em apenas alguns índices, como P / L, dívida em relação ao capital e crescimento de lucros, ou usar milhares de insumos trabalhando juntos ao mesmo tempo.
Estratégias bem-sucedidas podem captar as tendências em seus estágios iniciais, à medida que os computadores executam constantemente cenários para localizar ineficiências antes que outras o façam. Os modelos são capazes de analisar um grupo muito grande de investimentos simultaneamente, onde o analista tradicional pode estar olhando apenas alguns de cada vez. O processo de triagem pode classificar o universo por níveis de notas como 1-5 ou A-F, dependendo do modelo. Isso torna o processo de negociação real muito simples, investindo em investimentos altamente cotados e vendendo os de baixa classificação.
Os modelos Quant também abrem variações de estratégias como long, short e long / short. Os fundos quant bem-sucedidos estão atentos ao controle de risco devido à natureza de seus modelos. A maioria das estratégias começa com um universo ou benchmark e usa pesos setoriais e setoriais em seus modelos. Isso permite que os fundos controlem a diversificação até certo ponto sem comprometer o modelo em si. Os fundos Quant geralmente são executados com base em custos menores porque não precisam de tantos analistas tradicionais e gerentes de portfólio para executá-los.
Desvantagens das estratégias Quant.
Existem razões pelas quais tantos investidores não abraçam totalmente o conceito de deixar uma caixa preta executar seus investimentos. Para todos os fundos quant bem sucedidos lá fora, assim como muitos parecem ser mal sucedidos. Infelizmente para a reputação dos quants, quando eles falham, eles falham em grande momento.
O Long-Term Capital Management foi um dos fundos de hedge mais famosos, já que foi administrado por alguns dos mais respeitados líderes acadêmicos e dois economistas ganhadores do Prêmio Nobel, Myron S. Scholes e Robert C. Merton. Durante a década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Eles eram famosos por não apenas explorar ineficiências, mas também por usar o acesso fácil ao capital para criar enormes apostas alavancadas nas direções do mercado.
A natureza disciplinada de sua estratégia criou a fraqueza que levou ao seu colapso. A Long-Term Capital Management foi extinta e dissolvida no início de 2000. Seus modelos não incluíam a possibilidade de que o governo russo pudesse inadimplir parte de sua própria dívida. Esse evento único desencadeou eventos e uma reação em cadeia aumentada pela destruição gerada pela alavancagem. A LTCM estava tão fortemente envolvida com outras operações de investimento que seu colapso afetou os mercados mundiais, provocando eventos dramáticos. No longo prazo, o Federal Reserve entrou em cena para ajudar, e outros bancos e fundos de investimento apoiaram o LTCM para evitar mais danos. Essa é uma das razões pelas quais os fundos de quantia podem falhar, pois são baseados em eventos históricos que podem não incluir eventos futuros.
Embora uma equipe de quanteamento forte esteja constantemente adicionando novos aspectos aos modelos para prever eventos futuros, é impossível prever o futuro a cada vez. Os fundos Quant podem também ficar sobrecarregados quando a economia e os mercados estão experimentando uma volatilidade acima da média. Os sinais de compra e venda podem vir tão rapidamente que a alta rotatividade pode criar comissões elevadas e eventos tributáveis. Os fundos Quant podem também representar um perigo quando são comercializados como prova de impacto ou se baseiam em estratégias curtas. A previsão de desacelerações, o uso de derivativos e a combinação de alavancagem podem ser perigosos. Um turno errado pode levar a implosões, que muitas vezes são notícia.
Estratégias de investimento quantitativo evoluíram de caixas pretas de back office para ferramentas de investimento tradicionais. Eles são projetados para utilizar as melhores mentes dos negócios e os computadores mais rápidos para explorar ineficiências e usar alavancagem para fazer apostas no mercado. Eles podem ter muito sucesso se os modelos incluírem todas as entradas corretas e forem ágeis o suficiente para prever eventos anormais de mercado. Por outro lado, enquanto fundos quantificados são rigorosamente testados até que funcionem, sua fraqueza é que eles confiam em dados históricos para seu sucesso. Embora o investimento no estilo quant tenha seu lugar no mercado, é importante estar ciente de suas deficiências e riscos. Para ser consistente com as estratégias de diversificação, é uma boa ideia tratar as estratégias quantitativas como um estilo de investimento e combiná-las com as estratégias tradicionais para alcançar a diversificação adequada.
Gekko Quant - Negociação Quantitativa.
Negociação Quantitativa, Arbitragem Estatística, Aprendizado de Máquina e Opções Binárias.
Arquivo da Categoria: Estratégia de Negociação.
Pós-navegação.
Spreads de crédito de alta probabilidade & # 8211; Usando curvas de regressão linear.
Eu me deparei com essa série de vídeos no fim de semana, um operador de opções discute como ele negocia spreads de crédito (principalmente procura por reversão à média). A maioria de vocês estará familiarizada com bandas de bollinger como uma estratégia comum de reversão à média, essencialmente você pega a média móvel e o desvio padrão móvel da ação. Você então grava em seu gráfico a média móvel e uma banda superior e inferior (média móvel +/- n * desvios padrão).
Supõe-se que o preço irá reverter para a média móvel, portanto, qualquer movimento de preço para as bandas é um bom ponto de entrada. Um problema comum com essa estratégia é que a média móvel é um indicador de LAGGING e geralmente é muito lenta para rastrear o preço se um longo período de lookback é usado.
O vídeo 1 apresenta uma técnica chamada "curvas de regressão linear" & # 8221; cerca de 10min. Curvas de regressão linear visam resolver o problema da média móvel sendo lenta para rastrear o preço.
Curva de Regressão Linear vs Média Móvel Simples.
Veja quão firmemente a curva de regressão linear azul segue o preço de fechamento, é significativamente mais rápido identificar voltas no mercado onde a média móvel simples tem um erro de rastreamento considerável. O MSE poderia ser usado para quantificar o aperto.
Como calcular a curva de regressão linear:
Neste exemplo você tem 100 preços de fechamento para seu estoque dado. A barra 1 é o preço mais antigo, a barra 100 é o preço mais recente. Nós usaremos uma regressão de 20 dias.
1. Tome os preços 1-20 e desenhe a linha de melhor ajuste através deles.
2. No final da sua linha de melhor ajuste (assim barra 20), desenhe um pequeno círculo.
3. Tome os preços 2-21 e desenhe a linha de melhor ajuste através deles.
4. No final da sua linha de melhor ajuste (assim barra 21) desenhe um pequeno círculo.
5. Repetir até o bar 100.
6. Junte todos os seus círculos pequenos, esta é a sua curva de regressão linear & # 8217;
Então, em poucas palavras, você acaba de juntar as extremidades de uma regressão linear rolante.
É & # 8216; risco & # 8217; recompensado nos mercados de ações?
Este post parece examinar se a frase bem conhecida & # 8220; quanto maior o risco, maior a recompensa & # 8221; aplica-se aos constituintes do FTSE 100. Diversos modelos tentaram capturar métricas de recompensa de risco, o mais conhecido é o CAPM (Capital Allocation Pricing Model). O CAPM tenta quantificar o retorno de um investimento que um investidor deve receber para ser adequadamente compensado pelo risco que assumiu.
O código abaixo calcula o desvio padrão contínuo dos retornos, & # 8216; o risco & # 8217 ;, para os constituintes do FTSE 100. Em seguida, agrupa os estoques em quartis por essa métrica de risco, os grupos são atualizados diariamente. O quartil 1 é o de menor volatilidade, o quartil 2 é o mais alto. Um índice igualmente ponderado ($ amt) é criado para cada quartil. De acordo com a teoria acima, Q4 (high vol) deve produzir os maiores retornos cumulativos.
Ao usar um lookback de 1 mês para o cálculo stdev, há um índice vencedor claro, o menor índice vol (preto). Curiosamente o segundo melhor índice é o maior índice vol (azul). O gráfico acima é calculado usando os retornos aritméticos.
Quando se utiliza um lookback mais longo de 250 dias, um ano de negociação, o índice de vol superior é o de melhor desempenho e o índice de vol menor, o pior desempenho.
Para lookback curto (30 dias), o índice de baixa vol foi o de melhor desempenho.
Para lookback longo (250 dias), o índice de vol alto foi o melhor desempenho.
Uma explicação possível (não testada) é que, para uma breve retrospectiva, a métrica de risco de volatilidade é mais sensível a movimentos no estoque e, portanto, em um anúncio / lucro de notícias, o estoque tem uma probabilidade maior de passar do índice atual para um índice vol maior. Talvez não seja razoável supor que o índice vol elevado contenha apenas as ações que tiveram um anúncio recente / volatilidade temporária e estão em um período de consolidação ou reversão à média. Ou, para colocar de outra forma, para visões curtas, o índice de vol alto não contém os estoques que são permanentemente altamente vol, enquanto que para os longos retrocessos quaisquer desvios vol temporários são suavizados.
Abaixo estão os mesmos gráficos acima, mas para retornos geométricos.
Estratégias de negociação de opções quantitativas
Quando um trader obtém a conclusão de que a volatilidade está sendo subestimada (via cone de volatilidade ou alguma outra tecnologia), na verdade existem várias maneiras para sua negociação. (Vamos supor que o instrumento subjacente seja a equidade). 1. Long uma opção e proteger o delta, para ganhar com a recuperação da volatilidade. 2. Long straddle estratégia para ganhar com o movimento do preço das ações. 3. Longa estratégia gama para ganhar com o movimento do preço das ações.
É claro que existem mais estratégias, mas acabei de listar essas três para tornar a discussão mais simples e clara. Vamos supor que a volatilidade se recupere como esperado. Para o número 1, ganha dinheiro com o aumento do preço da opção como a maior volatilidade. (Aqui a volatilidade é definida como Desvio Padrão dos retornos dos registros de estoque) Para o 2, ela ganha dinheiro com o movimento do preço das ações. (O movimento deve exceder o limite de perda de lucros do straddle. Por exemplo: 87.0-95.0) Para o número 3, ele ganha dinheiro com o movimento do preço das ações. (O movimento deve cobrir o tempo de decaimento da opção)
O # 2 e # 3 são equivalentes a # 1 até certo ponto, já que a maior volatilidade também significa o maior movimento de preços. Mas eles ainda não são exatamente iguais. Quando o volume rende 12%, o lucro # 1, no entanto, talvez o movimento do preço das ações não consiga atingir o limite de perda de lucros para o número 2 ou não possa cobrir o tempo de deterioração do número 3. A negociação de opções é complexa e os traders precisam usar o modelo matemático para mensuração de risco (e precificação). E parece que os modelos de opção são quase baseados em volatilidade.
Pergunta 1: Como medir o risco de estratégias de opções como # 2 e # 3. (Refiro-me ao pré-cheque do risco antes da negociação, não calculando o Var no final de um dia de negociação). Os modelos focados na volatilidade das ações não conseguiam medir exatamente o movimento dos preços das ações, como mencionado acima.
Outra questão é sobre o gerenciamento de riscos após a negociação. Var é geralmente usado para o gerenciamento de risco do portfólio, mas a negociação de opções tem mais gregos explorados do que outros negócios como capital de caixa. Em nosso exemplo, o principal risco de # 3 é o risco theta (decaimento temporal).
Pergunta 2: Existe algum outro método / modelo / fórmula específica para medir o risco de negociação de opções contra gregos (como theta em # 3) além do Var? (Algumas instituições como Banco e Formador de Mercado prestam mais atenção a Var talvez por causa da regulamentação como basel II?)
Muito aprecio se você pudesse ajudar nessas duas questões da prática do mercado de opções. Desde já, obrigado.
Aprenda sobre o nosso sistema patenteado State Modeling TM, elimina as suposições da negociação.
Negociar pode ser emocional. Medo e ganância podem ser incapacitantes ao tentar tomar decisões comerciais. Nós usamos a matemática para tomar decisões. Com o State Modeling TM, damos sinais claros com metas e paramos as perdas com base em nosso algoritmo de aprendizado de máquina.
COMPRAR / VENDER COMÉRCIO DE TESTE.
Investir não tem que ser difícil, seja simples com o Delphian. Construa uma estratégia personalizada, teste suas ideias e torne-se um membro para desfrutar de negociações ilimitadas sem comissões.
Torne-se um membro hoje!
Faça o download da brochura da Delphian para saber mais sobre como melhorar sua negociação para maximizar os retornos. Descubra como o Delphian pode ajudar a tirar as emoções do medo e da ganância da negociação.
Últimas Postagens no Blog.
3000 Bayport Drive, Suite 840, Tampa, FL 33607 | 813-330-0900 | info @ delphiantrading.
&cópia de; 2018 Capmark Solutions LLC. Todos os direitos reservados | Divulgação.
Eu estou procurando por todos os tipos de pesquisa sobre estratégias de negociação de opção. Com isso quero dizer artigos que publicam resultados em diferentes estratégias de negociação de opções devidamente testadas com dados do mundo real.
Eu fiz algumas pesquisas e encontrei os seguintes artigos - a maioria deles oferecendo uma perspectiva bastante distinta em comparação com a teoria clássica de precificação de opções!
O seguinte é o meu favorito: Você poderia fazer alguns backtests por conta própria com dados disponíveis gratuitamente (usando o VXO como informações de volatilidade) e com qualquer planilha - fácil e elegante:
Eu atualizarei esta resposta de tempos em tempos quando surgirem novos artigos interessantes:
Quantas estratégias - são para você?
As estratégias de investimento quantitativo evoluíram para ferramentas muito complexas com o advento dos computadores modernos, mas as raízes das estratégias remontam a mais de 70 anos. Eles normalmente são administrados por equipes altamente instruídas e usam modelos proprietários para aumentar sua capacidade de vencer o mercado. Existem até programas prontos para uso que são plug-and-play para aqueles que buscam simplicidade. Os modelos Quant sempre funcionam bem quando testados novamente, mas suas aplicações reais e sua taxa de sucesso são discutíveis. Embora pareçam funcionar bem em mercados altistas, quando os mercados se descontrolam, as estratégias quantitativas estão sujeitas aos mesmos riscos que qualquer outra estratégia.
Estratégias de investimento quantitativo tornaram-se extremamente populares entre os comerciantes de dia, mas eles não são as únicas estratégias que os comerciantes usam para consistentemente lucrar. O curso Torne-se um Day Trader da Investopedia descreve uma estratégia comprovada que inclui seis tipos de negociações, além de estratégias para gerenciar riscos. Com mais de cinco horas de vídeo sob demanda, exercícios e conteúdo interativo, você obterá as habilidades necessárias para negociar qualquer segurança em qualquer mercado.]
Um dos pais fundadores do estudo da teoria quantitativa aplicado ao financiamento foi Robert Merton. Você pode imaginar o quão difícil e demorado foi o processo antes do uso de computadores. Outras teorias em finanças também evoluíram a partir de alguns dos primeiros estudos quantitativos, incluindo a base da diversificação de portfólio baseada na moderna teoria do portfólio. O uso tanto do cálculo quantitativo quanto do cálculo levou a muitas outras ferramentas comuns, incluindo uma das mais famosas, a fórmula de precificação de opções Black-Scholes, que não apenas ajuda as opções de preço dos investidores e desenvolve estratégias, mas ajuda a manter os mercados sob controle.
Quando aplicado diretamente ao gerenciamento de portfólio, o objetivo é como qualquer outra estratégia de investimento: agregar valor, retorno alfa ou excesso. Quants, como os desenvolvedores são chamados, compõem modelos matemáticos complexos para detectar oportunidades de investimento. Existem tantos modelos por aí quanto quantos os desenvolvem e todos afirmam ser os melhores. Um dos pontos mais vendidos de uma estratégia de investimento quant é que o modelo e, em última análise, o computador, toma a decisão de compra / venda real, não um ser humano. Isso tende a eliminar qualquer resposta emocional que uma pessoa possa ter ao comprar ou vender investimentos.
Quantas estratégias são agora aceitas na comunidade de investimentos e administradas por fundos mútuos, fundos de hedge e investidores institucionais. Eles normalmente usam o nome de geradores alfa ou alfa gens.
Assim como em "O Mágico de Oz", alguém está por trás da cortina que conduz o processo. Como em qualquer modelo, é tão bom quanto o humano que desenvolve o programa. Embora não haja um requisito específico para se tornar um quant, a maioria das empresas que executam modelos quantificados combinam as habilidades de analistas de investimento, estatísticos e programadores que codificam o processo nos computadores. Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum ver credenciais como pós-graduação e doutorado em finanças, economia, matemática e engenharia.
Historicamente, esses membros da equipe trabalhavam nos back-offices, mas à medida que os modelos quânticos se tornaram mais comuns, o back office está se mudando para o front office.
Benefícios das Estratégias Quant.
Embora a taxa de sucesso global seja discutível, a razão pela qual algumas estratégias de quant funcionam é que elas são baseadas na disciplina. Se o modelo estiver certo, a disciplina mantém a estratégia trabalhando com computadores de velocidade relâmpago para explorar ineficiências nos mercados com base em dados quantitativos. Os modelos em si podem se basear em apenas alguns índices, como P / L, dívida em relação ao capital e crescimento de lucros, ou usar milhares de insumos trabalhando juntos ao mesmo tempo.
Estratégias bem-sucedidas podem captar as tendências em seus estágios iniciais, à medida que os computadores executam constantemente cenários para localizar ineficiências antes que outras o façam. Os modelos são capazes de analisar um grupo muito grande de investimentos simultaneamente, onde o analista tradicional pode estar olhando apenas alguns de cada vez. O processo de triagem pode classificar o universo por níveis de notas como 1-5 ou A-F, dependendo do modelo. Isso torna o processo de negociação real muito simples, investindo em investimentos altamente cotados e vendendo os de baixa classificação.
Os modelos Quant também abrem variações de estratégias como long, short e long / short. Os fundos quant bem-sucedidos estão atentos ao controle de risco devido à natureza de seus modelos. A maioria das estratégias começa com um universo ou benchmark e usa pesos setoriais e setoriais em seus modelos. Isso permite que os fundos controlem a diversificação até certo ponto sem comprometer o modelo em si. Os fundos Quant geralmente são executados com base em custos menores porque não precisam de tantos analistas tradicionais e gerentes de portfólio para executá-los.
Desvantagens das estratégias Quant.
Existem razões pelas quais tantos investidores não abraçam totalmente o conceito de deixar uma caixa preta executar seus investimentos. Para todos os fundos quant bem sucedidos lá fora, assim como muitos parecem ser mal sucedidos. Infelizmente para a reputação dos quants, quando eles falham, eles falham em grande momento.
O Long-Term Capital Management foi um dos fundos de hedge mais famosos, já que foi administrado por alguns dos mais respeitados líderes acadêmicos e dois economistas ganhadores do Prêmio Nobel, Myron S. Scholes e Robert C. Merton. Durante a década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Eles eram famosos por não apenas explorar ineficiências, mas também por usar o acesso fácil ao capital para criar enormes apostas alavancadas nas direções do mercado.
A natureza disciplinada de sua estratégia criou a fraqueza que levou ao seu colapso. A Long-Term Capital Management foi extinta e dissolvida no início de 2000. Seus modelos não incluíam a possibilidade de que o governo russo pudesse inadimplir parte de sua própria dívida. Esse evento único desencadeou eventos e uma reação em cadeia aumentada pela destruição gerada pela alavancagem. A LTCM estava tão fortemente envolvida com outras operações de investimento que seu colapso afetou os mercados mundiais, provocando eventos dramáticos. No longo prazo, o Federal Reserve entrou em cena para ajudar, e outros bancos e fundos de investimento apoiaram o LTCM para evitar mais danos. Essa é uma das razões pelas quais os fundos de quantia podem falhar, pois são baseados em eventos históricos que podem não incluir eventos futuros.
Embora uma equipe de quanteamento forte esteja constantemente adicionando novos aspectos aos modelos para prever eventos futuros, é impossível prever o futuro a cada vez. Os fundos Quant podem também ficar sobrecarregados quando a economia e os mercados estão experimentando uma volatilidade acima da média. Os sinais de compra e venda podem vir tão rapidamente que a alta rotatividade pode criar comissões elevadas e eventos tributáveis. Os fundos Quant podem também representar um perigo quando são comercializados como prova de impacto ou se baseiam em estratégias curtas. A previsão de desacelerações, o uso de derivativos e a combinação de alavancagem podem ser perigosos. Um turno errado pode levar a implosões, que muitas vezes são notícia.
Estratégias de investimento quantitativo evoluíram de caixas pretas de back office para ferramentas de investimento tradicionais. Eles são projetados para utilizar as melhores mentes dos negócios e os computadores mais rápidos para explorar ineficiências e usar alavancagem para fazer apostas no mercado. Eles podem ter muito sucesso se os modelos incluírem todas as entradas corretas e forem ágeis o suficiente para prever eventos anormais de mercado. Por outro lado, enquanto fundos quantificados são rigorosamente testados até que funcionem, sua fraqueza é que eles confiam em dados históricos para seu sucesso. Embora o investimento no estilo quant tenha seu lugar no mercado, é importante estar ciente de suas deficiências e riscos. Para ser consistente com as estratégias de diversificação, é uma boa ideia tratar as estratégias quantitativas como um estilo de investimento e combiná-las com as estratégias tradicionais para alcançar a diversificação adequada.
Gekko Quant - Negociação Quantitativa.
Negociação Quantitativa, Arbitragem Estatística, Aprendizado de Máquina e Opções Binárias.
Arquivo da Categoria: Estratégia de Negociação.
Pós-navegação.
Spreads de crédito de alta probabilidade & # 8211; Usando curvas de regressão linear.
Eu me deparei com essa série de vídeos no fim de semana, um operador de opções discute como ele negocia spreads de crédito (principalmente procura por reversão à média). A maioria de vocês estará familiarizada com bandas de bollinger como uma estratégia comum de reversão à média, essencialmente você pega a média móvel e o desvio padrão móvel da ação. Você então grava em seu gráfico a média móvel e uma banda superior e inferior (média móvel +/- n * desvios padrão).
Supõe-se que o preço irá reverter para a média móvel, portanto, qualquer movimento de preço para as bandas é um bom ponto de entrada. Um problema comum com essa estratégia é que a média móvel é um indicador de LAGGING e geralmente é muito lenta para rastrear o preço se um longo período de lookback é usado.
O vídeo 1 apresenta uma técnica chamada "curvas de regressão linear" & # 8221; cerca de 10min. Curvas de regressão linear visam resolver o problema da média móvel sendo lenta para rastrear o preço.
Curva de Regressão Linear vs Média Móvel Simples.
Veja quão firmemente a curva de regressão linear azul segue o preço de fechamento, é significativamente mais rápido identificar voltas no mercado onde a média móvel simples tem um erro de rastreamento considerável. O MSE poderia ser usado para quantificar o aperto.
Como calcular a curva de regressão linear:
Neste exemplo você tem 100 preços de fechamento para seu estoque dado. A barra 1 é o preço mais antigo, a barra 100 é o preço mais recente. Nós usaremos uma regressão de 20 dias.
1. Tome os preços 1-20 e desenhe a linha de melhor ajuste através deles.
2. No final da sua linha de melhor ajuste (assim barra 20), desenhe um pequeno círculo.
3. Tome os preços 2-21 e desenhe a linha de melhor ajuste através deles.
4. No final da sua linha de melhor ajuste (assim barra 21) desenhe um pequeno círculo.
5. Repetir até o bar 100.
6. Junte todos os seus círculos pequenos, esta é a sua curva de regressão linear & # 8217;
Então, em poucas palavras, você acaba de juntar as extremidades de uma regressão linear rolante.
É & # 8216; risco & # 8217; recompensado nos mercados de ações?
Este post parece examinar se a frase bem conhecida & # 8220; quanto maior o risco, maior a recompensa & # 8221; aplica-se aos constituintes do FTSE 100. Diversos modelos tentaram capturar métricas de recompensa de risco, o mais conhecido é o CAPM (Capital Allocation Pricing Model). O CAPM tenta quantificar o retorno de um investimento que um investidor deve receber para ser adequadamente compensado pelo risco que assumiu.
O código abaixo calcula o desvio padrão contínuo dos retornos, & # 8216; o risco & # 8217 ;, para os constituintes do FTSE 100. Em seguida, agrupa os estoques em quartis por essa métrica de risco, os grupos são atualizados diariamente. O quartil 1 é o de menor volatilidade, o quartil 2 é o mais alto. Um índice igualmente ponderado ($ amt) é criado para cada quartil. De acordo com a teoria acima, Q4 (high vol) deve produzir os maiores retornos cumulativos.
Ao usar um lookback de 1 mês para o cálculo stdev, há um índice vencedor claro, o menor índice vol (preto). Curiosamente o segundo melhor índice é o maior índice vol (azul). O gráfico acima é calculado usando os retornos aritméticos.
Quando se utiliza um lookback mais longo de 250 dias, um ano de negociação, o índice de vol superior é o de melhor desempenho e o índice de vol menor, o pior desempenho.
Para lookback curto (30 dias), o índice de baixa vol foi o de melhor desempenho.
Para lookback longo (250 dias), o índice de vol alto foi o melhor desempenho.
Uma explicação possível (não testada) é que, para uma breve retrospectiva, a métrica de risco de volatilidade é mais sensível a movimentos no estoque e, portanto, em um anúncio / lucro de notícias, o estoque tem uma probabilidade maior de passar do índice atual para um índice vol maior. Talvez não seja razoável supor que o índice vol elevado contenha apenas as ações que tiveram um anúncio recente / volatilidade temporária e estão em um período de consolidação ou reversão à média. Ou, para colocar de outra forma, para visões curtas, o índice de vol alto não contém os estoques que são permanentemente altamente vol, enquanto que para os longos retrocessos quaisquer desvios vol temporários são suavizados.
Abaixo estão os mesmos gráficos acima, mas para retornos geométricos.
Комментариев нет:
Отправить комментарий