O que são estratégias de negociação sistemáticas

QuantStart.
Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo bem informado de mentalistas quant pronto para responder suas perguntas comerciais mais importantes.
Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.
Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.
Por Frank Smietana em 18 de julho de 2017.
Neste artigo, Frank Smietana, um dos colaboradores experientes do QuantStart, descreve a paisagem do software de backtesting de código aberto da Python e fornece conselhos sobre quais framework de backtesting são adequados para suas próprias necessidades de projeto.
Backtesting é indiscutivelmente a parte mais crítica do processo de produção da Sistemática de Negociação Sistemática (STS), sentado entre o desenvolvimento da estratégia e a implantação (negociação ao vivo). Se uma estratégia é defeituosa, um teste rigoroso provavelmente expõe isso, evitando que uma estratégia de perda seja implantada.
Uma série de capacidades relacionadas se sobrepõem com backtesting, incluindo simulação comercial e negociação ao vivo. O Backtesting usa dados históricos para quantificar o desempenho STS. Os simuladores de negociação levam backtesting um passo adiante, visualizando o desencadeamento de trades e desempenho de preços em uma base bar-a-bar. A negociação simulada / ao vivo implementa um STS testado em tempo real: negociações de sinalização, gerando ordens, roteando ordens para corretores e mantendo as posições à medida que as ordens são executadas.
A maioria dos quadros vai além do backtesting para incluir algumas capacidades de negociação ao vivo. Isso é conveniente se você deseja implantar a partir de sua estrutura de backtesting, que também funciona com o seu fornecedor preferido e fontes de dados. Quantopian / Zipline vai um passo adiante, fornecendo uma solução totalmente integrada de desenvolvimento, backtesting e implantação.
A comunidade Python é bem servida, com pelo menos seis estruturas de backtesting de código aberto disponíveis. No entanto, estão em vários estágios de desenvolvimento e documentação. Se você gosta de trabalhar em uma equipe construindo uma estrutura de backtesting de código aberto, confira seus reembolsos Github.
Antes de avaliar quadros de teste, vale a pena definir os requisitos do seu STS.
Qual classe de ativos você está negociando? Embora a maioria dos frameworks ofereça suporte aos dados da US Equities via YahooFinance, se uma estratégia incorporar derivados, ETFs ou títulos de EM, os dados precisam ser importados ou fornecidos pela estrutura. As coberturas de classe de ativos vão além dos dados. O framework pode lidar com futuros e opções de tamanho finito e gerar negociações de roll-over automaticamente? E quanto aos mercados ilíquidos, quão realista é uma suposição ao executar grandes encomendas?
Qual a frequência e o detalhe dos dados do seu STS? Um sistema de negociação que exige que cada marca ou lance / peça tenha um conjunto muito diferente de problemas de gerenciamento de dados do que um intervalo de 5 minutos ou horário. Os hedge funds e as lojas HFT investiram significativamente na construção de quadros robustos e escaláveis ​​de backtesting para lidar com esse volume e freqüência de dados. Algumas plataformas fornecem um conjunto rico e profundo de dados para várias classes de ativos, como ações da S & P, com resolução de um minuto.
Qual (s) tipo (s) de ordem o seu STS requer? No mínimo, o limite, as paradas e o OCO devem ser suportados pela estrutura.
Nível de suporte e amp; documentação necessária. Os quadros de estágio inicial têm escassa documentação, poucos têm suporte além de placas comunitárias.
Os Componentes de um Quadro de Teste de Backtesting.
Dados e aquisição de STS: os componentes de aquisição consomem o arquivo de script / definição STS e fornecem os dados necessários para testes. Se a estrutura exige que qualquer STS seja recodificado antes do teste posterior, a estrutura deve suportar funções enlatadas para os indicadores técnicos mais populares para acelerar o teste STS. Os usuários determinam o tempo de um período histórico para fazer backtest com base no que o framework fornece, ou o que eles são capazes de importar.
O teste de desempenho aplica a lógica STS à janela de dados históricos solicitada e calcula uma ampla gama de riscos & amp; métricas de desempenho, incluindo redução máxima, taxas Sharpe e Sortino. A maioria dos frameworks suporta um número decente de capacidades de visualização, incluindo curvas de equidade e estatísticas decimais.
A otimização tende a exigir a maior parte dos recursos de computação no processo STS. Se o seu STS precisar de otimização, concentre-se em uma estrutura que suporte processamento escalável distribuído / paralelo.
No contexto de estratégias desenvolvidas usando indicadores técnicos, os desenvolvedores de sistemas tentam encontrar um conjunto ideal de parâmetros para cada indicador. Mais simplesmente, a otimização pode achar que um fluxo de média móvel de 6 e 10 dias STS acumulou mais lucro sobre os dados de teste históricos do que qualquer outra combinação de períodos de tempo entre 1 e 20. Já com este exemplo trivial, 20 * 20 = 400 combinações de parâmetros devem ser calculado & amp; classificado.
No contexto de um portfólio, a otimização procura encontrar a ponderação ideal de cada ativo na carteira, incluindo os instrumentos em curto e alavancado. Em uma base periódica, o portfólio é reequilibrado, resultando na compra e venda de participações da carteira, conforme necessário, para alinhar com os pesos otimizados.
O dimensionamento de posição é um uso adicional da otimização, ajudando os desenvolvedores de sistemas a simular e analisar o impacto da alavancagem e dimensionamento de posição dinâmico no STS e no desempenho do portfólio.
Seis quadros de teste para o Python.
As capacidades padrão das plataformas open source Python backtesting parecem incluir:
Gerenciamento de eventos, flexível e irrestrito Coleta decente de indicadores técnicos pré-definidos Captação de desempenho padrão / visualização / geração de relatórios.
PyAlgoTrade.
PyAlgoTrade é uma estrutura de backtesting mutuamente documentada, juntamente com capacidades de negociação em papel e ao vivo. O suporte a dados inclui Yahoo! Finanças, Google Finance, NinjaTrader e qualquer tipo de série de tempo baseada em CSV, como Quandl. Os tipos de pedidos suportados incluem Market, Limit, Stop e StopLimit.
O PyAlgoTrade suporta a negociação Bitcoin via Bitstamp e o gerenciamento de eventos do Twitter em tempo real.
bt - Backtesting para Python.
bt "visa promover a criação de blocos de lógica de estratégia facilmente testáveis, reutilizáveis ​​e flexíveis para facilitar o rápido desenvolvimento de estratégias comerciais complexas".
O framework é particularmente adequado para testar STS com base em portfólio, com algos para ponderação de ativos e reequilíbrio de portfólio. A modificação de uma estratégia para executar em diferentes freqüências de tempo ou pesos de ativos alternativos envolve um mínimo de ajuste de código. bt é construído em cima do ffn - uma biblioteca de funções financeiras para Python.
Backtrader.
Esta plataforma está excepcionalmente bem documentada, com um blog acompanhante e uma comunidade on-line ativa para postar perguntas e solicitações de recursos. O Backtrader suporta uma série de formatos de dados, incluindo arquivos CSV, Pandas DataFrames, iteradores de incandescência e feeds de dados em tempo real de três corretores. Esses feeds de dados podem ser acessados ​​simultaneamente e podem até representar diferentes cronogramas. Os corretores suportados incluem Oanda para negociação de Forex e negociação de classes de ativos múltiplos através de Interactive Brokers e Visual Chart.
Pysystemtrade.
O desenvolvedor da Pysystemtrade, Rob Carver, tem uma ótima postagem em discussão sobre o porquê ele se propôs a criar mais uma nova estrutura de teste do Python e os argumentos para e contra o desenvolvimento do framework. A estrutura backtesting para pysystemtrade é discutida no livro Rob, "Systematic Trading".
Pysystemtrade lista uma série de recursos de roteiro, incluindo um testador de back-up completo, que inclui técnicas de otimização e calibração e negociação de futuros totalmente automáticos com Interactive Brokers. Os contribuidores da fonte aberta são bem-vindos.
Zipline é um simulador de negociação algorítmica com recursos de papel e negociação ao vivo. Acessível através da interface do navegador IPython baseado no navegador, a Zipline fornece uma alternativa fácil de usar para ferramentas de linha de comando. Suportado e desenvolvido por Quantopian, Zipline pode ser usado como uma estrutura de backtesting autônomo ou como parte de um ambiente completo de desenvolvimento, teste e implantação de STS, de Aosta / Zipline STS. A Zipline fornece 10 anos de dados de estoque históricos históricos de última hora e uma série de opções de importação de dados.
QSTrader é uma estrutura de backtesting com capacidades de negociação ao vivo. O fundador da QuantStart, Michael Halls-Moore, lançou o QSTrader com a intenção de construir uma plataforma robusta e escalável o suficiente para atender às necessidades dos fundos de hedge quantitativos institucionais, bem como aos comerciantes quantos de varejo. O QSTrader atualmente suporta dados de resolução "barra" da OHLCV em várias escalas de tempo, mas permite que dados de marca sejam usados.
Tanto o backtesting como o comércio ao vivo são completamente orientados para eventos, simplificando a transição das estratégias da pesquisa para o teste e, finalmente, a negociação ao vivo. A estratégia básica / código do portfólio geralmente é idêntico em ambas as implementações.
O principal benefício do QSTrader é em sua modularidade, permitindo uma ampla personalização de código para aqueles que possuem requisitos específicos de gerenciamento de risco ou portfólio.
Abraçando o Backtest.
É a natureza humana se concentrar na recompensa de desenvolver um STS (esperançosamente lucrativo), então apressar-se a implantar uma conta financiada (porque esperamos), sem gastar tempo e recursos suficientes para testar completamente a estratégia. Mas backtesting não é apenas um gatekeeper para nos impedir de implementar estratégias erradas e perder capital comercial, também fornece uma série de diagnósticos que podem informar o processo de desenvolvimento STS. Por exemplo, testando um STS idêntico em dois intervalos de tempo diferentes, compreendendo a redução máxima de uma estratégia no contexto de correlações de ativos e criando portfólios mais inteligentes por backtesting de alocações de ativos em várias regiões geográficas.
Em futuras postagens, iremos abordar frameworks de backtesting para ambientes que não sejam Python e o uso de várias técnicas de amostragem como bootstrapping e jackknife para testar modelos de negociação preditivos.
Apenas iniciando o comércio quantitativo?
3 razões para se inscrever para a lista de e-mails QuantStart:
1. Quant Trading Lessons.
Você terá acesso instantâneo a um curso de e-mail gratuito de 10 partes, repleto de sugestões e dicas para ajudá-lo a começar a negociação quantitativa!
2. Todo o conteúdo mais recente.
Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.
Real, dicas de negociação viáveis, sem tonturas.

O que são estratégias de negociação sistemáticas
Obter através da App Store Leia esta publicação em nosso aplicativo!
Categorias de estratégias de negociação sistemáticas?
Quais são as principais categorias de estratégias de negociação sistemática (por exemplo, impulso, reversão média), como pode ser considerado por um índice ou analista de fundos de fundos?
Existem sub-estratégias comuns?
Existem outros tipos de estratégia não cobertos pela reversão média / tendência seguinte:
arbitragem - mantenha os ativos correlatos fechados no preço (índice SPX versus 500 ações contidas, ou negociação do ouro em Londres versus negociação do ouro em Nova York)
fabricação de mercado - comprar em oferta, vender em ask, ganhar o spread.
desconto de liquidez - algum venus pagá-lo por colocar ordens de limite no livro. Coloque uma ordem limite para comprar, quando é atingido tente vender ao mesmo preço que você comprou (ou melhor) e ganhe o desconto. Funciona melhor em ativos de alto volume e baixo preço.
negociação predatória - busque grande liquidez escondida no mercado e faça frente a ela.
comércio comportamental - quantificar o sentimento do mercado e trocar no mesmo (analisar tweets, determinar o clima global / regional e usar teorias psicológicas conhecidas para prever o efeito sobre o comportamento do mercado)
negociação de eventos - analise notícias (eletrônicas, papel, blogs, twits) e preveja o impacto no mercado de novos fatos relevantes (litigação, novos produtos, nova administração,.)
Não existe uma taxonomia oficial de modelos comerciais de quant. Afinal, "avaliações" são inerentemente subjetivas, independentemente da quantidade de matemática que colocamos atrás delas. Mas existem alguns termos padrão da indústria que podem ser úteis.
Também é possível desagregar por implementação:
Horizonte de tempo: variando desde longo prazo até alta frequência Estrutura de apostas: relativa ou intrínseca Instrumentos: líquidos ou ilíquidos.
E estes nem sequer entram em construção de portfólio, limites de posição, monitoramento de riscos, etc.
Quanto ao que funciona, tenha em mente esta máxima:
Os touros ganham dinheiro, os ursos ganham dinheiro, mas os porcos são abatidos.
E, por último, comparando chartists com quants é como comparar astrologistas com astrônomos.
Eu uso o método ANDY LANK CASH FLOW, é o meu favorito.

Para estratégias de negociação sistemáticas.
Soluções de hedge funds.
Apoiar estratégias de negociação sistemática em todas as etapas do fluxo de trabalho.
Solicite detalhes sobre Estratégia Sistemática.
Todos os países (gratuito)
Oriente Médio e amp; Norte da África.
Hong Kong, Macau, Taiwan e amp; Coréia.
Índia e Ásia do Sul.
Singapura e Sudeste Asiático / ASEAN.
Austrália, Nova Zelândia, Pacífico.
Abastecendo sua pesquisa por alfa.
Embora existam oportunidades de serem encontradas em novas informações e análises, os volumes de dados são enormes e os custos de instalação para novos mercados podem ser assustadores. A Thomson Reuters pode ajudá-lo a enfrentar esses desafios.
Nós fornecemos uma gama inigualável de conteúdo histórico e em tempo real para alimentar o desenvolvimento de idéias comerciais sistemáticas. Nossos dados padronizados suportam o fluxo de trabalho, desde a geração de ideias até a produção e monitoramento através de testes e análises de back.
Nossos centros de dados de serviços gerenciados o libertam de equipamentos e conectividade restringe-se para que você possa atualizar rapidamente com novas idéias.
Quant Research.
Identifique as idéias geradoras de alfa mais rapidamente, com conteúdo líder do setor, recursos abrangentes de gerenciamento de dados e ferramentas analíticas sofisticadas.
Seja qual for a gama de conteúdo, ferramentas analíticas e conhecimentos que você precisa para sua pesquisa quantitativa, a Thomson Reuters pode fornecê-la.
A Thomson Reuters fornece uma gama inigualável de conteúdos, incluindo cobertura global de preços, índices, fundamentos, estimativas, economia, dados do modelo de risco e todas as notícias textuais históricas que acompanham, sentimento de notícias e dados de carrapatos marcados com tempo histórico milenar granular que você precisa tomar uma ideia da geração de ideias, a posterior análise e análise e depois à produção.
E além dos dados econômicos e financeiros, oferecemos conteúdo exclusivo em áreas como notícias, desempenho ambiental, social e de governança e orientação corporativa. Nossa própria equipe de analistas quantitativos cria conteúdo de valor extra, incluindo estimativas de consenso de analistas ponderados, modelos de revisão de analistas preditivos e modelos de qualidade de lucros e projeções de ganhos de longo prazo que impulsionam avaliações de empresas.
Finalmente, nós também oferecemos experiência e suporte valioso para ajudar as empresas a desenvolver e implementar estratégias vencedoras.
Fundamentos de estimativas (EQ / FI) (EQ / FI) StarMine (EQ / FI / Macro) Ações corporativas (EQ / FI) Propriedade (EQ / FI) Datastream (Economia / Cross-Asset) MACE Terms & amp; Condições (EQ / FI) I / B / E / S Tempo real (EQ) Ponto-em-tempo (EQ / Economia) Histórico de eventos datafeed (EQ / FI) Newsable e News Analytics (EQ / C) Thapson Reuters MarketPsych Indices (Cross-Asset) Lanworth pesquisa & amp; previsões (C & amp; E) Point Carbon Research & amp; Previsões (C & amp; E)
Os gerentes Quant se beneficiam de ferramentas focadas de conteúdo, gerenciamento de dados e fluxo de trabalho com nossa plataforma QA Direct.
QA fluxo de trabalho direto.
Back-testing.
À procura de dados de tiques históricos para testar suas estratégias, realizar pesquisas quantitativas e muito mais?
O Thomson Reuters Tick History oferece acesso sem precedentes aos dados históricos do nível de ticks em classes de ativos globais. Ele permite que você gerencie eficazmente os requisitos de conformidade no ambiente regulatório de fluidos de hoje, realize pesquisas e análises quantitativas e empregue estratégias de negociação algorítmica em tempo real de forma econômica.
Os dados são registrados a partir dos feeds em tempo real da Thomson Reuters que cobrem o OTC e os instrumentos negociados em bolsa em mais de 400 locais de negociação e dados de contribuições de terceiros.
Preços em tempo real.
Mova-se rapidamente da pesquisa para a produção - e aproveite as oportunidades comerciais.
Nosso fluxo consolidado de baixa latência em tempo real fornece acesso a dados de profundidade de mercado. Um modelo de dados extensível torna mais fácil a bordo e integra conteúdo em aplicações a jusante. Se você está negociando na região, a coleta local, a normalização e a distribuição podem oferecer latência competitiva com muitos feeds diretos. Isso lhe dá acesso a milhares de locais de intercâmbio e mercados OTC através de um único datafeed e API única:
Dados de patrimônio, futuros e opções mundiais Dados do corretor e especialista: preços do Tradeweb e corretoras, incluindo GFI, ICAP e Tullett Prebon Opções pontuais e cruzadas, opções de forward e FX, volatilidades de opções, futuros futuros e futuros não entregáveis ​​Mercados monetários, incluindo fixações, depósitos, recompra, taxas do banco central, papel comercial, aceitações bancárias, curvas zero e derivativos de taxa de juros. Mercadorias especializadas e dados do intermediário de energia.
Nós oferecemos conectividade de diversos datacentres e opções de conectividade resilientes para atender às suas necessidades, e você pode escolher a sua conectividade de última milha de preferência para otimizar seus custos de comunicação.
Estratégias orientadas para eventos.
Notícias globais, em tempo real, com cada versão marcada com o tempo para o milissegundo e marcada com metadados, de modo que os algoritmos podem aproveitar oportunidades de notícias, atuar em ineficiências de mercado e gerenciar risco de evento. A News Analytics possibilita examinar pontuações em notícias para mais de 25 mil ações e quase 40 temas de commodities e energia.
Investigar estratégias orientadas para a latência?
Os lançamentos econômicos e os eventos de notícias macroeconômicas impulsionam a volatilidade do mercado para FX, renda fixa, futuros e opções. A Thillson Reuters Machine Readable News é a nossa fonte de estrutura de estrutura de economia de ultra-baixa latência, líder econômico, que fornece esses dados de mercado diretamente para o seu algoritmo. E, fornecemos texto completo em tempo real e metadados abrangentes da Reuters e fios de notícias de terceiros, permitindo que seus algoritmos aproveitem oportunidades de notícias, atuem sobre ineficiências de mercado e gerenciem o risco de eventos.
Explorando estratégias baseadas no sentimento?
Transformamos notícias não estruturadas e em tempo real em um feed legível por máquina com sentimentos de autor, relevância e novidades e análise de volume em uma empresa ou nível de commodities. Isso fornece "sinais" que são usados ​​para gerar estratégias de negociação e informar atividades de pesquisa, enquanto o sentimento do mercado ajuda os gerentes de risco a refinar correlações, volatilidades e mudanças de mercado.
Precisa quantificar as percepções dos investidores sobre os ativos de acordo com uma série de sentimentos e referências tópicas?
Os Índices MarketPsych da Thomson Reuters usam análises linguísticas e psicológicas em tempo real de notícias e mídias sociais para quantificar emoções, linguagem financeira e tópicos específicos. O resultado é um dado abrangente, financeiro e específico, que abrange todos os principais países, moedas, commodities, setores de ações e empresas individuais.
Serviços gerenciados.
O caminho mais rápido para o mercado para conteúdos globais de baixa latência.
Nós somos o principal fornecedor de serviços gerenciados que fornecem infraestrutura, dados e conectividade. Estas são soluções confiáveis, escaláveis ​​e seguras nas quais você pode construir.
Nossos centros de dados estratégicos em locais financeiros chave possuem feeds de baixa latência para a maior variedade de locais e mercados OTC. Então você sempre pode estar perto da ação comercial.
Serviços gerenciados - hospedagem de aplicativos, dados de mercado, plataformas e conectividade para dados e locais de negociação, entregues a partir de nossos data centers. Rack space, hardware, sistema operacional e rede para aplicativos e sistemas de clientes. Acesso sob demanda ao nosso feed consolidado em tempo real, Tick History e Machine Readable News, através de uma única conexão.
Execução - Trade spot FX sistematicamente no maior local de liquidez do mundo.
Acesso instantâneo a liquidez profunda, execução rápida e exata do comércio e correspondência local e direta.
A Thomson Reuters FX Matching API permite o acesso programável aos dados da Thomson Reuters Matching, da FXall e da Thomson Reuters SEF.
A Thomson Reuters Spot Matching é o principal sistema de correspondência de comércio eletrônico anônimo da FX e o maior local de liquidez global para a comunidade interbancária Spot FX. Com mais de 1.100 bancos de assinantes, oferece acesso imparcial aos preços executáveis ​​em tempo real em 80 pares de moedas por pontos. A Thomson Reuters Matching for Prime Brokerage permite que os clientes do premier-broker troquem em nome de um corretor principal com acesso direto ao mercado anônimo.
FXall é um pool de liquidez aceso ECN anônimo com tipos de pedidos avançados. O FXall Order Book combina a melhor liquidez e velocidade da antiga plataforma Accelor da FXall e da antiga plataforma de negociação ativa do Citi.
A Thomson Reuters SEF permite que as empresas troquem as opções FX e os encaminhamentos não entregues por meio eletrônico e atendam as obrigações de compensação e relatórios exigidas pela Lei Dodd-Frank.
Soluções Hedge Fund.
Desenvolvendo estratégias de negociação sistemáticas.
Solicite detalhes sobre Estratégia Sistemática.
Todos os países (gratuito)
Oriente Médio e amp; Norte da África.
Hong Kong, Macau, Taiwan e amp; Coréia.
Índia e Ásia do Sul.
Singapura e Sudeste Asiático / ASEAN.
Austrália, Nova Zelândia, Pacífico.
Thomson Reuters financial & amp; As soluções de risco fornecem notícias, informações e análises críticas para a comunidade financeira global - possibilitando transações e conectando comunidades de profissionais comerciais, de investimento, financeiros e corporativos.

Uma Abordagem Sistemática ao Desenvolvimento de Estratégias de Negociação.
Na Parte 1 e na Parte 2 do nosso Guia do Iniciante para o desenvolvimento do sistema comercial, conversamos sobre as habilidades necessárias e como abordar um sistema de negociação. Nós dissemos que um Sistema Automatizado de Negociação consiste em vários elementos. Você precisa decidir quais os mercados que deseja negociar, identificar e codificar uma lógica de negociação, contabilizar os custos de negociação e otimizar via backtesting (mas não overfit).
Aqui, conversamos especificamente sobre o processo de identificação da lógica comercial e desenvolvimento de uma estratégia. A estratégia será a carne do seu sistema comercial.
O objetivo final de uma estratégia de negociação é dar-lhe uma ação comercial final - comprar ou vender uma certa quantidade de um bem comercial. No entanto, há um processo estruturado que leva a esse objetivo final. Idealmente, sua estratégia comercial deve decidir o seguinte:
DIRECÇÃO: identificar se um bem é barato ou caro ou de valor justo ENTRAR COMÉRCIO: dado que um ativo é barato / caro, decida se deseja comprar / vender esse ativo EXIT TRADE: dado que um ativo é justo e se possuímos um posição nesse activo (comprado ou vendido anteriormente), decida se deseja sair dessa posição GAMA DE PREÇOS: escolha o preço (ou faixa de preço) que deseja fazer este comércio em QUANTIDADE: Quantidade de capital (quantas ações de um estoque por exemplo) que quer negociar.
Isso lhe dá a ação comercial final, por exemplo: compre X número de ações do comapny Y abaixo do preço Z, que você enviará ao seu corretor.
Ao pensar em projetar uma estratégia de negociação, acho útil o seguinte fluxograma.
Vamos analisar o que está acontecendo aqui em detalhes:
Nós temos dados de preços em tempo real para vários títulos (isso pode vir de um corretor ou de um fornecedor de dados ou de um servidor co-localizado) alimentando nosso sistema. DIREÇÃO - Este feed de dados é analisado pelo nosso modelo de previsão, que usa atuais e históricos dados para prever um valor justo para os títulos usando uma lógica pré-aprendida. A previsão real pode variar de acordo com a forma como você construiu seu modelo. Por exemplo, ao invés de prever o valor justo, você poderia prever a probabilidade de que o preço suba (ou desça) ENTRADA / EXIT TRADE - A predição anterior alimenta a lógica do sinal de negociação, que decide se queremos negociar. Isto é muito importante. Mesmo que um bem seja barato, talvez você não queira comprá-lo necessariamente. Por exemplo, o valor justo de um estoque pode ser Rs 100 e atualmente ele está negociando em Rs 99 (você espera que o preço volte para Rs 100), mas a variação nos preços das ações (desvio padrão) recentemente pode ser Rs 10 e você pode querer esperar por um ponto de entrada melhor. Ou o custo para o comércio pode ser Re 1, deixando você sem lucro se você comprar no Rs 99. Ou você já pode estar no seu limite máximo de posição. Esta parte da lógica identifica quais negociações fazer e qual o preço a negociar em QUANTIDADE (GAMA DE PREÇO): agora você sabe o que fazer o comércio, você tem que decidir quantos fundos alocar para esse comércio. A lógica aqui variará muito de estratégia para estratégia. Normalmente, você não deseja entrar (ou sair) em uma troca de uma só vez. Você pode querer entrar em um comércio de pequenos pedaços para evitar perdas de uma decisão ruim ou para negociar ao melhor preço ou para evitar impactar demais o mercado. No exemplo anterior, você pode comprar uma pequena quantidade de estoque em 99, então espere até que o preço vá para 98 e compre mais e assim por diante. A quantidade de posição que você já possui e os fundos disponíveis para o comércio também afetam essa lógica. Se você estiver negociando vários ativos, você terá que decidir quanto alocar para cada bem também. Finalmente, temos a ordem completa que estamos prontos para executar no mercado.
O objetivo deste post foi encaminhá-lo através da abordagem sistemática do desenvolvimento de uma estratégia comercial. Nos próximos tutoriais, falaremos sobre algumas estratégias básicas, como reversão e impulso, que irão ajudá-lo com os passos 2 e 3 - identificando direção, comércio e preço. Para alguma experiência prática, tente desenvolver suas próprias estratégias usando nossa caixa de ferramentas.
Ao bater palmas mais ou menos, você pode nos indicar quais são as histórias que realmente se destacam.
Equipe Auquan.
A Auquan pretende envolver pessoas de diversas origens para aplicar as habilidades de seus respectivos campos para desenvolver estratégias de negociação de alta qualidade. Acreditamos que pessoas extremamente talentosas equipadas com conhecimento e atitude adequados podem projetar algoritmos de negociação bem-sucedidos.

O que são estratégias de negociação sistemáticas
Nossas estratégias são totalmente automáticas e operam em freqüências baixas e altas, usando algoritmos matemáticos proprietários e modelos econométricos.
As Estratégias Sistemáticas possuem uma Plataforma de Conta Gerenciada e uma estrutura de fundos de hedge do Master Feeder para investidores.
Nossos clientes incluem pessoas de alto patrimônio líquido, escritórios de família e investidores institucionais.
Além de gerenciar suas próprias estratégias, a empresa se dedica à pesquisa e desenvolvimento em nome de outras empresas comerciais.