Estratégias de negociação de opções algorítmicas

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 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 os preços, estatísticas completas do comércio, 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 comercializado 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 múltiplas 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 da nota 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 direccionais 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 de Negociação de Dia.
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, o 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 na remoção de 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 ​​aos negociadores e oferece vantagens significativas em relação às plataformas concorrentes. Ele vem com gráficos de alta definição, suporte a 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 fornece 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.
Certifique-se de visitar a nossa página de 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.

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 a fim de 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 comerciante humano.
Estratégias de Negociação Algorítmica.
Qualquer estratégia para negociação algorítmica requer uma oportunidade identificada que seja lucrativa em termos de melhoria de ganhos 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. Implementar um algoritmo para identificar esses diferenciais de preços 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, geralmente 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 partes menores da ordem para o mercado, determinadas dinamicamente, usando perfis de volume históricos 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 qualquer algoritmo no lado de compra de um pedido grande. 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 quanto a oportunidades de fazer pedidos. infra-estrutura para backtest o sistema, uma vez que é construído - antes de ir ao vivo em mercados reais disponíveis dados históricos 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 dos 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 o aprendizado de programação e construção de sistemas por conta própria, para ter confiança em implementar as estratégias corretas de uma maneira infalível. Uso cauteloso e testes completos de negociação de algoritmos podem criar oportunidades lucrativas.

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 os nossos negócios da 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.

Troca de Opções Algorítmicas 1.
Apesar das muitas características interessantes das opções, os operadores privados raramente se aproveitam delas (claro que estou falando aqui de opções sérias, não de opções binárias). Talvez as opções sejam impopulares devido à sua reputação de serem complexas. Ou devido à falta de suporte da maioria das ferramentas de software de negociação. Ou devido às etiquetas de preço das poucas ferramentas que as suportam e dos dados históricos que você precisa para negociação algorítmica. Seja qual for o & # 8211; recentemente fizemos vários contratos de programação para sistemas de negociação de opções, e fiquei surpreso que sistemas simples pareciam produzir lucros relativamente consistentes. Especialmente vender opções parece mais lucrativo do que negociação "convencional". instrumentos. Este artigo é o primeiro de uma mini-série sobre ganhar dinheiro com negociação de opções algorítmicas.
Opções 101.
As opções são explicadas em muitos sites e em muitas listas de negociação, portanto, aqui está uma breve visão geral. Uma opção é um contrato que dá ao seu proprietário o direito de comprar (opção de compra) ou vender (opção de venda) um ativo financeiro (o subjacente) a um preço fixo (o preço de exercício) em ou antes de uma data fixa (a data de vencimento) . Se você vender uma opção curta, você está assumindo o outro lado da negociação. Assim, você pode inserir uma posição de 4 maneiras diferentes: comprar uma ligação, comprar uma opção de venda, vender uma ligação a curto prazo, vender uma opção de venda a descoberto. E isso com todas as combinações possíveis de preços de exercício e datas de vencimento.
O prêmio é o preço que você paga ou coleta por comprar ou vender uma opção. É muito menos do que o preço do estoque subjacente. Os principais mercados de opções geralmente são líquidos, para que você possa comprar, escrever ou vender uma opção com qualquer preço de exercício e data de vencimento razoáveis. Se o preço subjacente atual (o preço à vista) de uma opção de compra estiver acima do preço de exercício, a opção estará no dinheiro; caso contrário, está fora do dinheiro. O oposto é verdadeiro para opções de venda. In-the-money é bom para o comprador e ruim para o vendedor. Opções no dinheiro podem ser exercidas e são então trocadas pelo subjacente ao preço de exercício. A diferença de spot e strike é o lucro do comprador e a perda do vendedor. Opções de estilo americano podem ser exercidas a qualquer momento, opções de estilo europeu apenas no vencimento.
Opções fora do dinheiro não podem ser exercidas, pelo menos não com lucro. Mas eles não são inúteis, já que eles ainda têm a chance de entrar no dinheiro antes da expiração. O valor de uma opção depende dessa chance e pode ser calculado para opções européias a partir do preço à vista, strike, vencimento, taxa de rendimento sem risco, taxa de dividendos e volatilidade subjacente com a famosa fórmula de Black-Scholes. Este valor é a base do prêmio da opção. O prêmio real pode desviar ligeiramente devido à oferta, demanda e tentativas de prever a tendência de preço subjacente.
Ao inverter a fórmula com um processo de aproximação, a volatilidade pode ser calculada a partir do prêmio real. Essa volatilidade implícita é como o mercado espera que o subjacente flutue na próxima vez. As derivadas parciais do valor da opção são os gregos (Delta, Vega & # 8211; não sabemos qual letra grega que supostamente deveria ser & # 8211; e Theta). Eles determinam em qual direção, e quão forte, o valor mudará quando um parâmetro de mercado mudar.
Isso é tudo informação básica necessária para opções de negociação. By the way, é interessante comparar as performances de estratégias de negociação de livros. Embora os sistemas de negociação de ações ou forex descritos nesses livros sejam em grande parte beliscados e percam já um simples backtest, isso não acontece com os sistemas de opções. Eles geralmente vencem nos backtests. E isso, embora eu tenha certeza de que quase nenhum autor realmente voltou a testá-los. Os autores de livros de negociação de opções são apenas mais inteligentes do que outros autores de livros de negociação? Talvez, mas nós veremos que há uma explicação alternativa.
Por que as opções de negociação em tudo?
Eles são mais complexos e mais difíceis de negociar, e você precisa de uma fórmula ganhadora do prêmio Nobel para calcular um valor que, de outra forma, seria simplesmente uma diferença de preço de entrada e saída. Apesar de tudo isso, as opções oferecem muitas vantagens maravilhosas sobre outros instrumentos financeiros:
Alta alavancagem. Com $ 100 você pode comprar apenas algumas ações, mas opções de várias centenas de ações. Risco controlado Uma posição curta em um estoque pode limpar sua conta; posições em opções podem ser inteligentes combinadas para limitar o risco de qualquer maneira desejada. E ao contrário de um stop loss, é um limite de risco real. Dimensões adicionais. Os lucros das ações dependem apenas do aumento ou queda dos preços. Os lucros das opções podem ser alcançados com a crescente volatilidade, a queda da volatilidade, os preços se movendo num intervalo, fora de um intervalo, ou quase qualquer outro comportamento de preço imaginável. Fogo e esqueça. As opções expiram, para que você não precise de um algoritmo para fechá-las (a menos que queira vendê-las ou exercê-las em condições especiais). E você não paga comissão de saída por uma opção expirada. Vantagem do vendedor. Devido ao prêmio, as opções ainda podem gerar lucro para o vendedor, mesmo que o subjacente se mova na direção errada.
A ética hacker exige que você não apenas reivindique algo, mas prove. Para se familiarizar com as opções, vamos colocar a última reivindicação, a vantagem do vendedor, em teste:
Este é um sistema de negociação de opções muito simples. Ele escreve aleatoriamente opções de compra ou venda e mantém as posições abertas até que elas expirem. Devido à aleatoriedade de colocar / chamar, é tendência independente. Antes de examinar os detalhes do código, basta executá-lo no modo [Test] algumas vezes (você precisará do Zorro versão 1.53 ou superior). Você notará que o resultado é diferente a qualquer momento, mas é mais positivo que negativo, mesmo que a comissão seja subtraída do lucro. Um resultado típico:
Você pode ver que a maioria dos negócios ganha, mas quando eles perdem, eles perdem muito. Agora inverta a estratégia e compre as opções em vez de vendê-las: Substitua enterShort () por enterLong (). Execute-o novamente algumas vezes (o script precisa de cerca de 3 segundos para um backtest). Você verá agora que o resultado é mais frequentemente negativo & # 8211; na verdade quase a qualquer momento.
Parece que as opções, pelo menos os contratos de SPY testados, realmente favorecem o vendedor. Isso é um pouco semelhante à expectativa positiva de posições compradas em ações, ETFs ou futuros de índices, mas a vantagem do vendedor de opções é mais forte e independente da direção do mercado. Isso pode explicar uma grande parte dos resultados positivos dos sistemas de opções nos livros de negociação. Por que existem então compradores de opções? As opções são frequentemente compradas sem fins lucrativos, mas como um seguro contra tendências de preços desfavoráveis ​​do subjacente. E por que a vantagem do vendedor não é arbitrada pelos tubarões de mercado? Talvez porque ainda não há muita negociação algorítmica com opções, e porque há mais baleias do que tubarões nos mercados financeiros.
Funções para opções.
Podemos ver que a negociação e o backtesting de opções requerem mais algumas funções do que apenas negociar o subjacente. Sem opções, o mesmo sistema de negociação aleatório seria reduzido a este script curto:
Opções requerem (pelo menos) três funções adicionais:
dataLoad (1, & # 8221; SPY_Options. t8 & # 8243;, 9) carrega dados de opções históricas do arquivo & # 8220; SPY_Options. t8 & # 8221; em um conjunto de dados. Dados de opções incluem não apenas os preços de compra e oferta, mas também o preço de exercício, a data de vencimento, o tipo & # 8211; coloque ou ligue, americano ou europeu & # 8211; de qualquer opção, e alguns dados adicionais raramente utilizados, como o interesse em aberto. Ao contrário dos dados de preços históricos, os dados de opções costumam ser caros. Você pode comprá-lo de fornecedores como o iVolatility. Mas há uma maneira alternativa de obtê-lo gratuitamente, o que eu descreverei abaixo.
A coluna central apresenta diferentes preços de exercício e datas de vencimento, as partes direita e esquerda são os preços de compra e oferta e os tamanhos do livro de ofertas para as opções de chamada atribuída (esquerda) e de venda (direita). Os preços são por ação; um contrato de opção sempre cobre um certo número de ações, normalmente 100. Então você pode ver na lista acima que você irá cobrar $ 15 de prêmio quando você escrever uma opção de compra SPY que expira na próxima semana (03/02/2017) com um valor de $ 230. preço de exercício. Se o SPY não ultrapassar os US $ 230 até essa data, os US $ 15 serão seu lucro. Se subir para $ 230 e 10 centavos e a opção for exercida (acontece automaticamente quando expira no dinheiro), você ainda mantém $ 5. Mas se de repente subiu para US $ 300 (talvez Trump tenha anunciado novas muralhas ao redor dos EUA, todas pagas por ele mesmo), você tem que arcar com uma perda de US $ 6985.
A imagem exibe 54 contratos, mas essa é apenas uma pequena parte da cadeia de opções, já que existem muitas datas de vencimento e preços de exercício disponíveis. A cadeia de opções SPY pode conter até 10.000 opções diferentes. Todos eles são baixados para o PC com a função contractUpdate acima, que pode levar alguns segundos para ser concluída.
contract (Type, 30, priceClose ()) seleciona uma opção específica da cadeia de opções baixada anteriormente. O tipo (PUT ou CALL), os dias até a expiração (30) e o strike (priceClose () é o preço atual do subjacente) são informações suficientes para selecionar a opção de melhor ajuste. Observe que, para obter os preços de exercício corretos no backtest, fizemos o download dos dados de preço subjacentes com o sinalizador UNADJUSTED. Os preços de greve são sempre não ajustados.
Quando um contrato é selecionado, o próximo enterLong () ou enterShort () compra ou vende a opção no mercado. A cláusula if () verifica se o contrato está disponível e se o seu prazo de validade é diferente do anterior (para garantir que somente contratos diferentes sejam negociados). Limites de entrada, parada ou lucro funcionariam como de costume, agora eles só se aplicam ao valor da opção, o prêmio, em vez do preço subjacente. O backtest assume que quando uma opção é exercida ou expira no dinheiro, o subjacente é imediatamente vendido, e o lucro é registrado na conta do comprador e deduzido da conta do vendedor. Se a opção expirar fora do dinheiro, a posição simplesmente desaparece. Então, não nos importamos em sair de posições nessa estratégia. Além dessas diferenças, as opções de negociação funcionam da mesma forma que qualquer outro instrumento financeiro.
Estratégias de opção de backtesting.
Aqui está uma maneira fácil de enriquecer. Abra uma conta IB e execute um software que registre as cadeias de opções e os preços do contrato em intervalos de um minuto. É o que alguns fornecedores de dados fizeram nos últimos 5 anos, e agora eles estão querendo vender seus tesouros de dados. Embora você possa facilmente pagar vários milhares de dólares por algumas cadeias de opções das principais ações, não tenho certeza de quem realmente detém os direitos autorais desses dados & # 8211; o fornecedor, o corretor, a bolsa ou os participantes do mercado? Esta pode ser uma área cinzenta legal. De qualquer forma, você precisa de dados históricos para desenvolver estratégias de opções, caso contrário, você não poderia backtest-los.
Aqui está um método para obtê-lo gratuitamente e sem quaisquer problemas legais:
Este script é um pouco mais longo do que os scripts Zorro usuais que eu postei aqui, então eu não explicarei isso em detalhes. Ele gera cadeias de opções artificiais para qualquer dia de 2011 a 2017 e as armazena em um arquivo de dados históricos. Os preços das opções são calculados a partir do preço subjacente, da volatilidade, da taxa de juros livre de risco atual e da taxa de dividendos do subjacente. Ele usa três faixas de preços de exercício e datas de vencimento em qualquer sexta-feira dos próximos 180 dias. Você precisa do R instalado para executá-lo e também do pacote RQuantlib para calcular valores de opções. Todas as funções são descritas no manual do Zorro. A função yield () retorna a taxa de rendimento atual das letras do tesouro dos EUA, e contractVal () calcula o prêmio resolvendo uma equação diferencial com todos os parâmetros da opção. O código-fonte de ambas as funções pode ser encontrado no arquivo de inclusão contract. c
Devido ao lento solucionador de equações diferenciais e ao grande número de opções, o script precisa de várias horas para ser concluído. Aqui está uma comparação dos dados gerados com dados reais das opções SPY:
A linha azul são os preços de opções artificiais, a linha preta são os preços reais comprados de um fornecedor de dados de opções, ambos para contratos SPY de 3 semanas com 10 pontos de distância spot-strike. Você pode ver que os preços correspondem muito bem. Existem algumas pequenas diferenças que podem ser parcialmente aleatórias, parcialmente causadas por anomalias na oferta e na demanda. Para estratégias que exploram essas anomalias & # 8211; que inclui todas as estratégias baseadas na volatilidade implícita & # 8211; você precisará de preços reais de opções históricas. Para as estratégias de opções que exploram apenas mudanças de preço ou volatilidade do subjacente, os dados artificiais provavelmente ocorrerão. Veja, ler este artigo até o fim já lhe economizou alguns milhares de dólares.
Conclusão.
Opções e combinações de opções podem ser usadas para criar instrumentos financeiros artificiais com propriedades muito interessantes. As estratégias de opções, especialmente as opções de venda, têm maior probabilidade de serem lucrativas do que outras estratégias. Estratégias de opções algorítmicas são um pouco, mas não muito mais complexas do que estratégias com outros instrumentos financeiros.
Incluímos todos os scripts no repositório de scripts 2017 e também um conjunto de dados históricos com as taxas de rendimento (caso contrário, você precisaria da ponte Quandl ou do Zorro S para fazer o download deles). Você precisará do Zorro 1.53 ou superior, que atualmente está disponível sob o comando & # 8220; Beta & # 8221; link da página de download do Zorro. A mensagem de erro da versão gratuita do Zorro sobre a ponte Quandl não suportada pode ser ignorada, devido às taxas de rendimento incluídas no script.
No próximo artigo, veremos mais de perto os valores das opções e métodos para combinar opções para limitar o risco ou negociar faixas de preço arbitrárias. Aquelas combinações com nomes engraçados como & # 8220; Iron Condor & # 8221; ou & # 8220; Borboleta & # 8221; são frequentemente referidos como estratégias de opções, mas não são & # 8211; eles são apenas instrumentos financeiros artificiais. O modo como você os negocia está à altura da estratégia real. Algumas estratégias de opções simples, mas consistentemente lucrativas serão o tópico do terceiro artigo desta minissérie.
49 pensamentos sobre "Algorithmic Options Trading 1"
Artigo muito interessante! Eu tenho uma opção de sistema de negociação automática criada por desenvolvedores Zorro (excelente trabalho a propósito) e é bastante interessante ver, que minha estratégia gera resultados semelhantes à sua estratégia "aleatória". Estou ansioso pelos próximos artigos desta minissérie.
Gostaria de perguntar, tem alguma ideia se o seu livro será traduzido para inglês em breve? Adoraria ler o livro.
Estou totalmente interessado nos artigos desta minissérie. Por favor, deixe-me saber o próximo da série.
Obrigado & # 8211; Sim, uma versão em inglês do livro está planejada, só preciso encontrar algum tempo para revisar a tradução bruta. Andrés: você pode inserir seu e-mail no campo de inscrição à direita.
Belo artigo, gostaria de perguntar quais são os bons livros ou onde posso aprender a negociar com opções. Obrigado.
Estou certo, que esses preços artificiais e reais se relacionam com uma espécie de 'sintético'? Opção feita como uma série de opções reais com a data de vencimento mais próxima e uma greve alterada dinamicamente (dependendo do preço subjacente)?
Investopedia e Tastytrade têm alguns tutoriais e vídeos sobre opções. - Não há séries roladas, mas sim uma cadeia de opções com diferentes greves e datas de expiração, assim como na vida real. Caso contrário, o backtest não seria realista.
Quando você está comparando os preços artificiais com os preços reais, você está usando a greve do caixa eletrônico? O ponto principal, para mim, do backtesting de uma estratégia de negociação de opções versus dados de opções reais é que nas laterais os volumes implícitos serão muito mais altos do que aqueles gerados artificialmente.
As greves utilizadas foram cerca de 10 pontos ITM.
Obrigado por publicar este artigo interessante. Posso saber quando os outros dois artigos desta minissérie serão publicados?
Quando eu tiver algum tempo & # 8230; 🙂
Que artigo legal! Os resultados do sistema de negociação aleatória parecem similares ao CBOE S & P 500 PutWrite Index e isso faz sentido.
Muito obrigado por este artigo! Estava apenas pensando sobre isso no outro dia.
Eu gosto muito deste artigo do blog. Atualmente estou negociando opções de vencimento de 1 ano de ações específicas.
O meu maior problema com a vantagem do vendedor & # 8221; que contradiz a risco controlado & # 8221; declaração.
"Algo que muitas vezes confunde os investidores é se as chamadas são curtas ou longas e as conversas longas são as mesmas." Intuitivamente, isso pode fazer algum sentido, já que as chamadas e puts são contratos quase opostos, mas ser curto e longo não é o mesmo. Quando você é comprado, você tem que pagar o prémio e o pior caso resultará em uma perda apenas do prêmio. No entanto, quando você recebe uma chamada, você recebe o prêmio da opção, mas está exposto a uma grande quantidade de risco & # 8221;
Então, quando você escreve (nu), seu risco é ilimitado. O curto período de tempo de expiração (30 dias) salva você na maioria dos casos, mas isso é uma ilusão. Este método é muito semelhante a bots de negociação fraudulentos, em que 99,5% dos bots ganham pouco (por exemplo, call premium) em dinheiro, mas quando você perde, arrisca grande quantia do seu dinheiro.
Long call ou colocar o risco dos operadores é limitado e eles escolhem opções fora do dinheiro para multiplicar seus ganhos e, paralelamente, reduzem suas chances de ganho.
Eu estaria interessado em LEAPS (1 ano de validade / opções de venda) backtest.
Apenas faça isso. Baixe o Zorro 1.54 do fórum do usuário e faça backtest de um sistema com o LEAPS. Para isso, você precisa aumentar o & # 8220; o DaysMax & # 8221; variável no script de geração de dados de opções acima para 1 ano (365) ou 2 anos (2 * 365) para incluir contratos de longo prazo. O script precisará de um pouco mais de tempo para a geração de dados.
Como as opções de negociação são um novo recurso do Zorro, estou pensando se a parte API do Broker do manual (zorro-trader / manual / en / brokerplugin. htm) foi suficientemente atualizada para considerar as opções de manuseio.
Estou perguntando porque estou tentando escrever um plug-in de DLL para o TradeKing (que em breve será renomeado para Ally Invest). Eles têm ações, ETFs e contratos de opções. Corretor de barreira de entrada muito baixa também (US $ 0 necessário para obter acesso à API).
Para opções, implemente as funções básicas da API mais 5 funções de BrokerCommand: GET_POSITION, GET_OPTIONS, GET_UNDERLYING, SET_SYMBOL e SET_MULTIPLIER.

Como identificar estratégias de negociação algorítmicas.
Como identificar estratégias de negociação algorítmicas.
Neste artigo, quero apresentar os métodos pelos quais eu mesmo identifico estratégias lucrativas de negociação algorítmica. Nosso objetivo hoje é entender detalhadamente como encontrar, avaliar e selecionar tais sistemas. Explicarei como as estratégias de identificação envolvem tanto a preferência pessoal quanto o desempenho da estratégia, como determinar o tipo e a quantidade de dados históricos para testes, como avaliar imparcialmente uma estratégia de negociação e, finalmente, como proceder para a fase de backtesting e implementação estratégica.
Identificando suas próprias preferências pessoais para negociação.
Para ser um profissional bem-sucedido - seja de forma discreta ou algorítmica - é necessário fazer algumas perguntas honestas. Negociação fornece-lhe a capacidade de perder dinheiro a um ritmo alarmante, por isso é necessário "conhecer-se", tanto quanto é necessário compreender a sua estratégia escolhida.
Eu diria que a consideração mais importante no comércio é estar ciente de sua própria personalidade. O comércio e o comércio algorítmico, em particular, exigem um grau significativo de disciplina, paciência e distanciamento emocional. Como você está permitindo que um algoritmo realize sua negociação para você, é necessário que ele seja resolvido para não interferir na estratégia quando ela estiver sendo executada. Isso pode ser extremamente difícil, especialmente em períodos de redução prolongada. No entanto, muitas estratégias que se mostraram altamente lucrativas em um backtest podem ser arruinadas pela simples interferência. Entenda que, se você deseja entrar no mundo do comércio algorítmico, será testado emocionalmente e, para ter sucesso, é necessário superar essas dificuldades!
A próxima consideração é uma das vezes. Você tem um emprego a tempo inteiro? Você trabalha meio período? Você trabalha em casa ou tem um longo trajeto todos os dias? Essas perguntas ajudarão a determinar a frequência da estratégia que você deve procurar. Para aqueles que trabalham em tempo integral, uma estratégia de futuros intradiários pode não ser apropriada (pelo menos até que seja totalmente automatizada!). Suas limitações de tempo também ditarão a metodologia da estratégia. Se a sua estratégia é freqüentemente negociada e depende de feeds de notícias caros (como um terminal da Bloomberg), você terá claramente que ser realista em relação à sua capacidade de executar isso com sucesso no escritório! Para aqueles de vocês com muito tempo, ou as habilidades para automatizar sua estratégia, você pode querer olhar para uma estratégia de negociação de alta frequência (HFT) mais técnica.
Acredito que é necessário realizar pesquisas contínuas em suas estratégias de negociação para manter um portfólio consistentemente lucrativo. Poucas estratégias permanecem "sob o radar" para sempre. Portanto, uma parte significativa do tempo destinado à negociação será na realização de pesquisas em andamento. Pergunte a si mesmo se você está preparado para fazer isso, pois pode ser a diferença entre rentabilidade forte ou um declínio lento em direção a perdas.
Você também precisa considerar seu capital comercial. O valor mínimo ideal geralmente aceito para uma estratégia quantitativa é de 50.000 USD (aproximadamente £ 35.000 para nós no Reino Unido). Se eu estivesse começando de novo, começaria com uma quantia maior, provavelmente perto de 100.000 USD (aproximadamente £ 70.000). Isso ocorre porque os custos de transação podem ser extremamente caros para as estratégias de média a alta frequência e é necessário ter capital suficiente para absorvê-los em tempos de rebaixamento. Se você está pensando em começar com menos de 10.000 dólares, então você precisará restringir-se a estratégias de baixa frequência, negociando em um ou dois ativos, já que os custos de transação irão rapidamente engolir seus retornos. A Interactive Brokers, que é uma das corretoras mais amigáveis ​​para aqueles com habilidades de programação, devido à sua API, tem uma conta de varejo de no mínimo 10.000 USD.
A habilidade de programação é um fator importante na criação de uma estratégia automatizada de negociação algorítmica. Ter conhecimento em uma linguagem de programação como C ++, Java, C #, Python ou R permitirá que você crie o armazenamento de dados de ponta a ponta, mecanismo de backtest e sistema de execução por conta própria. Isso tem uma série de vantagens, das quais a principal é a capacidade de estar completamente ciente de todos os aspectos da infraestrutura de negociação. Ele também permite que você explore as estratégias de frequência mais alta, pois você estará no controle total da sua "pilha de tecnologia". Embora isso signifique testar seu próprio software e eliminar bugs, também significa mais tempo gasto na codificação de infraestrutura e menos na implementação de estratégias, pelo menos na primeira parte de sua carreira de negociação de algoritmos. Você pode achar que está confortável negociando no Excel ou no MATLAB e pode terceirizar o desenvolvimento de outros componentes. Eu não recomendaria isso, no entanto, especialmente para aqueles que operam em alta freqüência.
Você precisa se perguntar o que você espera alcançar por negociação algorítmica. Você está interessado em uma renda regular, em que você espera obter ganhos de sua conta de negociação? Ou, você está interessado em um ganho de capital a longo prazo e pode se dar ao luxo de negociar sem a necessidade de levantar fundos? Dependência de renda irá ditar a frequência da sua estratégia. Retiradas de renda mais regulares exigirão uma estratégia de negociação de frequência mais alta com menos volatilidade (ou seja, um índice de Sharpe mais alto). Comerciantes de longo prazo podem ter uma frequência de negociação mais tranqüila.
Finalmente, não se iluda com a noção de se tornar extremamente rico em um curto espaço de tempo! Algo negociação não é um esquema de enriquecimento rápido - se alguma coisa pode ser um esquema de tornar-se pobre rápido. É preciso muita disciplina, pesquisa, diligência e paciência para ter sucesso no comércio algorítmico. Pode levar meses, se não anos, para gerar lucratividade consistente.
Idéias de Negociação Algorítmica de Sourcing.
Apesar das percepções comuns em contrário, é bastante simples localizar estratégias de negociação lucrativas no domínio público. Nunca as ideias de negociação foram mais prontamente disponíveis do que são hoje. Revistas de finanças acadêmicas, servidores de pré-impressão, blogs de negociação, fóruns de negociação, revistas semanais de negociação e textos especializados fornecem milhares de estratégias de negociação com as quais basear suas idéias.
Nosso objetivo como pesquisadores de comércio quantitativo é estabelecer um pipeline de estratégia que nos fornecerá um fluxo de ideias de negociação em andamento. Idealmente, queremos criar uma abordagem metódica para a terceirização, avaliação e implementação de estratégias com as quais nos deparamos. Os objetivos do pipeline são gerar uma quantidade consistente de novas idéias e nos fornecer uma estrutura para rejeitar a maioria dessas idéias com o mínimo de consideração emocional.
Devemos ser extremamente cuidadosos para não deixar que vieses cognitivos influenciem nossa metodologia de tomada de decisão. Isso pode ser tão simples quanto ter uma preferência por uma classe de ativos sobre outra (ouro e outros metais preciosos vêm à mente) porque eles são percebidos como mais exóticos. Nosso objetivo deve ser sempre encontrar estratégias consistentemente lucrativas, com expectativa positiva. A escolha da classe de ativos deve ser baseada em outras considerações, como restrições de capital comercial, taxas de corretagem e capacidades de alavancagem.
Se você não está familiarizado com o conceito de uma estratégia de negociação, então o primeiro lugar a olhar é com livros de texto estabelecidos. Os textos clássicos fornecem uma ampla gama de ideias mais simples e diretas, com as quais você pode se familiarizar com a negociação quantitativa. Aqui está uma seleção que eu recomendo para aqueles que são novos no comércio quantitativo, que gradualmente se tornam mais sofisticados conforme você trabalha na lista:
Para uma lista mais longa de livros de negociações quantitativas, visite a lista de leitura QuantStart.
O próximo lugar para encontrar estratégias mais sofisticadas é com fóruns de negociação e blogs de negociação. No entanto, uma nota de cautela: Muitos blogs de negociação contam com o conceito de análise técnica. A análise técnica envolve a utilização de indicadores básicos e psicologia comportamental para determinar tendências ou padrões de reversão nos preços dos ativos.
Apesar de ser extremamente popular no espaço comercial geral, a análise técnica é considerada um tanto ineficaz na comunidade financeira quantitativa. Alguns sugeriram que não é melhor do que ler um horóscopo ou estudar folhas de chá em termos de poder preditivo! Na realidade, existem indivíduos bem sucedidos fazendo uso de análise técnica. No entanto, como pessoas com uma caixa de ferramentas matemática e estatística mais sofisticada à nossa disposição, podemos facilmente avaliar a eficácia de tais estratégias baseadas em TA e tomar decisões baseadas em dados em vez de basear as nossas em considerações emocionais ou preconceitos.
Aqui está uma lista de blogs e fóruns de negociação algorítmica bem respeitados:
Depois de ter alguma experiência em avaliar estratégias mais simples, é hora de olhar para as ofertas acadêmicas mais sofisticadas. Algumas revistas acadêmicas serão de difícil acesso, sem altas assinaturas ou custos únicos. Se você é um membro ou ex-aluno de uma universidade, você deve ser capaz de obter acesso a alguns desses periódicos financeiros. Caso contrário, você pode ver os servidores de pré-impressão, que são repositórios da Internet de rascunhos atrasados ​​de trabalhos acadêmicos que estão sendo revisados ​​por especialistas. Como estamos interessados ​​apenas em estratégias que podemos replicar com sucesso, fazer backtest e obter lucratividade, uma revisão por pares é de menor importância para nós.
A principal desvantagem das estratégias acadêmicas é que muitas vezes elas podem estar desatualizadas, exigir dados históricos obscuros e caros, negociar em classes de ativos ilíquidos ou não levar em consideração taxas, escorregões ou spread. Também pode não estar claro se a estratégia de negociação deve ser executada com ordens de mercado, ordens de limite ou se ela contém perdas de parada, etc. Assim, é absolutamente essencial replicar a estratégia você mesmo, fazer o backtest e adicionar transações realistas. custos que incluem tantos aspectos das classes de ativos que você deseja negociar.
Aqui está uma lista dos servidores de pré-impressão mais populares e revistas financeiras que você pode obter idéias de:
Que tal formar suas próprias estratégias quantitativas? Isso geralmente requer (mas não está limitado a) conhecimento em uma ou mais das seguintes categorias:
Microestrutura de mercado - Para estratégias de maior frequência, em particular, pode-se fazer uso da microestrutura de mercado, ou seja, o entendimento da dinâmica da carteira de pedidos para gerar rentabilidade. Diferentes mercados terão várias limitações tecnológicas, regulamentações, participantes do mercado e restrições que serão abertas à exploração por meio de estratégias específicas. Esta é uma área muito sofisticada e os profissionais de varejo terão dificuldade em ser competitivos neste espaço, particularmente porque a competição inclui fundos de hedge quantitativos grandes e bem capitalizados com fortes capacidades tecnológicas. Estrutura do fundo - Fundos de investimento agrupados, como fundos de pensão, parcerias de investimento privado (hedge funds), consultores de negociação de commodities e fundos mútuos são limitados tanto pela pesada regulação quanto por suas grandes reservas de capital. Assim, certos comportamentos consistentes podem ser explorados com aqueles que são mais ágeis. Por exemplo, grandes fundos estão sujeitos a restrições de capacidade devido ao seu tamanho. Assim, se eles precisarem rapidamente descarregar (vender) uma quantidade de títulos, terão que escalonar para evitar "movimentar o mercado". Algoritmos sofisticados podem tirar proveito disso e de outras idiossincrasias, em um processo geral conhecido como arbitragem da estrutura do fundo. Aprendizado de máquina / inteligência artificial - Os algoritmos de aprendizado de máquina se tornaram mais prevalentes nos últimos anos nos mercados financeiros. Classificadores (como Naive-Bayes, et al.) Correspondentes de função não-linear (redes neurais) e rotinas de otimização (algoritmos genéticos) têm sido usados ​​para prever caminhos de ativos ou otimizar estratégias de negociação. Se você tiver experiência nessa área, poderá ter algumas dicas sobre como determinados algoritmos podem ser aplicados a determinados mercados.
Existem, é claro, muitas outras áreas para os quantos investigarem. Discutiremos como detalhar as estratégias personalizadas em um artigo posterior.
Ao continuar a monitorar essas fontes semanalmente ou diariamente, você está se preparando para receber uma lista consistente de estratégias de diversas fontes. O próximo passo é determinar como rejeitar um grande subconjunto dessas estratégias, a fim de minimizar o desperdício de tempo e recursos de backtesting em estratégias que provavelmente não serão lucrativas.
Avaliação de estratégias de negociação.
A primeira e indiscutivelmente mais óbvia consideração é se você realmente entende a estratégia. Você seria capaz de explicar a estratégia de forma concisa ou requer uma série de advertências e listas de parâmetros sem fim? Além disso, a estratégia tem uma base boa e sólida na realidade? Por exemplo, você poderia apontar para algum raciocínio comportamental ou restrição de estrutura de fundos que possa estar causando o (s) padrão (ões) que você está tentando explorar? Essa restrição seria uma mudança de regime, como uma dramática interrupção no ambiente regulatório? A estratégia depende de regras estatísticas ou matemáticas complexas? Aplica-se a qualquer série temporal financeira ou é específico da classe de ativos na qual se afirma ser rentável? Você deve estar constantemente pensando sobre esses fatores ao avaliar novos métodos de negociação, caso contrário você pode perder uma quantidade significativa de tempo tentando fazer backtest e otimizar estratégias não lucrativas.
Depois de determinar que você entende os princípios básicos da estratégia, você precisa decidir se ela se encaixa no perfil de personalidade mencionado anteriormente. Esta não é uma consideração tão vaga quanto parece! Estratégias diferem substancialmente em suas características de desempenho. Existem certos tipos de personalidade que podem lidar com períodos mais significativos de levantamento, ou estão dispostos a aceitar um risco maior de retorno maior. Apesar do fato de que nós, como muitos, tentamos eliminar o máximo de viés cognitivo possível e devemos ser capazes de avaliar uma estratégia imparcialmente, os vieses sempre se infiltrarão. Assim, precisamos de meios consistentes e sem emoção para avaliar o desempenho das estratégias. . Aqui está a lista de critérios que julgo uma nova estratégia em potencial:
Metodologia - A estratégia é baseada no momento, na reversão da média, no neutro do mercado, no direcional? A estratégia depende de técnicas sofisticadas (ou complexas!) Ou técnicas de aprendizado de máquina que são difíceis de entender e requerem um PhD em estatística para entender? Essas técnicas introduzem uma quantidade significativa de parâmetros, o que pode levar a um viés de otimização? É provável que a estratégia resista a uma mudança de regime (ou seja, nova regulação potencial dos mercados financeiros)? Índice de Sharpe - O índice de Sharpe caracteriza heuristicamente a relação recompensa / risco da estratégia. Quantifica quanto retorno você pode obter para o nível de volatilidade suportado pela curva de capital. Naturalmente, precisamos determinar o período e a frequência com que esses retornos e a volatilidade (ou seja, o desvio padrão) são medidos. Uma estratégia de frequência mais alta exigirá uma taxa de amostragem maior do desvio padrão, mas um período de tempo global mais curto de medição, por exemplo. Alavancagem - A estratégia requer alavancagem significativa para ser rentável? A estratégia requer o uso de contratos de derivativos alavancados (futuros, opções, swaps) para fazer um retorno? Esses contratos alavancados podem ter características pesadas de volatilidade e, portanto, podem facilmente levar a chamadas de margem. Você tem o capital comercial e o temperamento para tal volatilidade? Freqüência - A frequência da estratégia está intimamente ligada à sua pilha de tecnologia (e, portanto, expertise tecnológica), ao índice de Sharpe e ao nível geral de custos de transação. Todas as outras questões consideradas, estratégias de maior frequência exigem mais capital, são mais sofisticadas e mais difíceis de implementar. No entanto, supondo que seu mecanismo de backtesting seja sofisticado e livre de erros, eles geralmente terão taxas de Sharpe muito mais altas. Volatilidade - A volatilidade está fortemente relacionada ao "risco" da estratégia. A proporção de Sharpe caracteriza isso. A maior volatilidade das classes de ativos subjacentes, se não protegidas, muitas vezes leva a uma maior volatilidade na curva de capital e, portanto, menores índices de Sharpe. É claro que estou assumindo que a volatilidade positiva é aproximadamente igual à volatilidade negativa. Algumas estratégias podem ter maior volatilidade negativa. Você precisa estar ciente desses atributos. Ganho / Perda, Lucro Médio / Perda - As estratégias diferem em suas características de ganhos / perdas e lucro / prejuízo médio. Pode-se ter uma estratégia muito lucrativa, mesmo se o número de negociações perdedoras exceder o número de negociações vencedoras. As estratégias de impulso tendem a ter esse padrão, pois dependem de um pequeno número de "grandes sucessos" para serem rentáveis. As estratégias de reversão à média tendem a ter perfis opostos nos quais mais dos negócios são "vencedores", mas os negócios perdedores podem ser bastante severos. Drawdown Máximo - O rebaixamento máximo é a maior queda percentual de ponta a ponta na curva de capital da estratégia. As estratégias de dinâmica são bem conhecidas por sofrer de períodos de rebaixamentos prolongados (devido a uma série de muitos comércios de perda incremental). Muitos traders desistirão em períodos de rebaixamento prolongado, mesmo que testes históricos tenham sugerido que isso é "business as usual" para a estratégia. Você precisará determinar qual porcentagem de rebaixamento (e em qual período de tempo) você pode aceitar antes de interromper sua estratégia. Esta é uma decisão altamente pessoal e, portanto, deve ser considerada com cuidado. Capacidade / Luidez - No nível de varejo, a menos que você esteja negociando com um instrumento altamente ilíquido (como ações de pequena capitalização), você não terá que se preocupar muito com a capacidade da estratégia. A capacidade determina a escalabilidade da estratégia para mais capital. Muitos dos maiores fundos de hedge sofrem com problemas de capacidade significativos à medida que suas estratégias aumentam na alocação de capital. Parâmetros - Determinadas estratégias (especialmente aquelas encontradas na comunidade de aprendizado de máquina) exigem uma grande quantidade de parâmetros. Cada parâmetro extra que uma estratégia requer deixa mais vulnerável ao viés de otimização (também conhecido como "ajuste de curva"). Você deve tentar direcionar as estratégias com o menor número de parâmetros possível ou ter quantidades suficientes de dados para testar suas estratégias. Benchmark - Quase todas as estratégias (a menos que caracterizadas como "retorno absoluto") são medidas em relação a alguns benchmarks de desempenho. O benchmark é geralmente um índice que caracteriza uma grande amostra da classe de ativos subjacente na qual a estratégia negocia. Se a estratégia negociar ações de grande capitalização dos EUA, o S & P500 seria uma referência natural para medir sua estratégia. Você ouvirá os termos "alpha" e "beta", aplicados a estratégias desse tipo. Discutiremos esses coeficientes em profundidade em artigos posteriores.
Observe que não discutimos os retornos reais da estratégia. Por que é isso? Isoladamente, os retornos realmente nos fornecem informações limitadas sobre a eficácia da estratégia. Eles não dão uma visão sobre alavancagem, volatilidade, benchmarks ou requisitos de capital. Assim, as estratégias raramente são julgadas apenas por seus retornos. Sempre considere os atributos de risco de uma estratégia antes de examinar os retornos.
Neste estágio, muitas das estratégias encontradas em seu pipeline serão rejeitadas, pois elas não atenderão às suas necessidades de capital, limitações de alavancagem, tolerância máxima de redução ou preferências de volatilidade. As estratégias que permanecem podem agora ser consideradas para backtesting. No entanto, antes que isso seja possível, é necessário considerar um critério final de rejeição - o dos dados históricos disponíveis sobre os quais testar essas estratégias.
Obtendo dados históricos.
Atualmente, a amplitude dos requisitos técnicos em classes de ativos para armazenamento de dados históricos é substancial. Para manter a competitividade, tanto o lado comprador (fundos) quanto o lado vendedor (bancos de investimento) investem pesadamente em sua infraestrutura técnica. É imperativo considerar sua importância. Em particular, estamos interessados ​​em pontualidade, precisão e requisitos de armazenamento. Agora descreverei os conceitos básicos da obtenção de dados históricos e como armazená-los. Infelizmente este é um tópico muito profundo e técnico, então não poderei dizer tudo neste artigo. No entanto, escreverei muito mais sobre isso no futuro, já que minha experiência anterior no setor financeiro estava principalmente relacionada à aquisição, armazenamento e acesso a dados financeiros.
Na seção anterior, criamos um pipeline de estratégia que nos permitia rejeitar determinadas estratégias com base em nossos critérios pessoais de rejeição. Nesta seção, filtraremos mais estratégias com base em nossas próprias preferências para obter dados históricos. As principais considerações (especialmente no nível do profissional de varejo) são os custos dos dados, os requisitos de armazenamento e seu nível de conhecimento técnico. Também precisamos discutir os diferentes tipos de dados disponíveis e as diferentes considerações que cada tipo de dados nos impõe.
Vamos começar discutindo os tipos de dados disponíveis e as principais questões que precisaremos pensar:
Dados Fundamentais - Incluem dados sobre tendências macroeconômicas, como taxas de juros, inflação, ações corporativas (dividendos, desdobramentos), arquivamentos na SEC, contas corporativas, dados de lucros, relatórios de safra, dados meteorológicos etc. Esses dados costumam ser usados ​​para valorizam empresas ou outros ativos em uma base fundamental, ou seja, por meio de alguns fluxos de caixa futuros esperados. Não inclui séries de preços de ações. Alguns dados fundamentais estão disponíveis gratuitamente em sites do governo. Outros dados históricos históricos de longo prazo podem ser extremamente caros. Os requisitos de armazenamento muitas vezes não são particularmente grandes, a menos que milhares de empresas estejam sendo estudadas de uma só vez. Dados de Notícias - Os dados de notícias são frequentemente de natureza qualitativa. É composto por artigos, posts, postagens de microblog ("tweets") e editorial. Técnicas de aprendizado de máquina, como classificadores, são freqüentemente usadas para interpretar sentimentos. Esses dados também costumam estar disponíveis gratuitamente ou são baratos, por meio da assinatura de meios de comunicação. Os bancos de dados de armazenamento de documentos "NoSQL" mais recentes são projetados para armazenar esse tipo de dados qualitativos não estruturados. Dados de Preço do Ativo - Este é o domínio de dados tradicional do quant. Consiste em séries temporais de preços de ativos. Ações (ações), produtos de renda fixa (títulos), commodities e preços de câmbio estão dentro dessa classe. Dados históricos diários geralmente são fáceis de obter para as classes de ativos mais simples, como ações. No entanto, depois que a precisão e a limpeza forem incluídas e os desvios estatísticos forem removidos, os dados poderão se tornar caros. Além disso, os dados de série temporal geralmente possuem requisitos de armazenamento significativos, especialmente quando os dados intraday são considerados. Instrumentos Financeiros - Ações, obrigações, futuros e as opções de derivativos mais exóticas têm características e parâmetros muito diferentes. Assim, não existe uma estrutura de banco de dados "tamanho único" que possa acomodá-los. Deve-se dar um cuidado significativo ao projeto e implementação de estruturas de banco de dados para vários instrumentos financeiros. Discutiremos a situação detalhadamente quando chegarmos a construir um banco de dados mestre de títulos em artigos futuros. Freqüência - Quanto maior a frequência dos dados, maiores são os custos e os requisitos de armazenamento. Para estratégias de baixa frequência, os dados diários costumam ser suficientes. Para estratégias de alta frequência, pode ser necessário obter dados em nível de escala e até cópias históricas de dados específicos do livro de ordens da bolsa de valores. A implementação de um mecanismo de armazenamento para esse tipo de dados é muito intensiva em tecnologia e adequada apenas para aqueles com forte histórico técnico / de programação. Benchmarks - As estratégias descritas acima serão frequentemente comparadas a um benchmark. Isso geralmente se manifesta como uma série temporal financeira adicional. Para ações, este é frequentemente um benchmark de ações nacionais, como o índice S & P500 (EUA) ou FTSE100 (Reino Unido). Para um fundo de renda fixa, é útil comparar com uma cesta de títulos ou produtos de renda fixa. A "taxa livre de risco" (isto é, taxa de juros apropriada) é também outro ponto de referência amplamente aceito. Todas as categorias de classe de ativos possuem uma referência favorecida, portanto, será necessário pesquisar isso com base em sua estratégia específica, se você deseja obter interesse em sua estratégia externamente. Tecnologia - As pilhas de tecnologia por trás de um centro de armazenamento de dados financeiros são complexas. Este artigo pode apenas arranhar a superfície sobre o que está envolvido na construção de um. No entanto, ele gira em torno de um mecanismo de banco de dados, como um RDBMS (Relational Database Management System), como MySQL, SQL Server, Oracle ou um Document Storage Engine (por exemplo, "NoSQL"). Isso é acessado por meio do código de aplicativo "lógica de negócios" que consulta o banco de dados e fornece acesso a ferramentas externas, como MATLAB, R ou Excel. Muitas vezes, essa lógica de negócios é escrita em C ++, C #, Java ou Python. Você também precisará hospedar esses dados em algum lugar, seja em seu próprio computador pessoal ou remotamente por meio de servidores da Internet. Produtos como o Amazon Web Services tornaram isso mais simples e mais barato nos últimos anos, mas ainda exigirão um conhecimento técnico significativo para alcançar de maneira robusta.
Como pode ser visto, uma vez que uma estratégia tenha sido identificada por meio do pipeline, será necessário avaliar a disponibilidade, os custos, a complexidade e os detalhes de implementação de um determinado conjunto de dados históricos. Você pode achar necessário rejeitar uma estratégia baseada somente em considerações de dados históricos. Esta é uma grande área e as equipes de PhDs trabalham em grandes fundos, garantindo que os preços sejam precisos e oportunos. Não subestime as dificuldades de criar um data center robusto para seus fins de backtesting!
Eu quero dizer, no entanto, que muitas plataformas de backtesting podem fornecer esses dados automaticamente para você - a um custo. Assim, você tirará muito da dor da implementação e poderá se concentrar apenas na implementação e otimização da estratégia. Ferramentas como TradeStation possuem essa capacidade. No entanto, minha visão pessoal é implementar o máximo possível internamente e evitar a terceirização de partes da pilha para os fornecedores de software. Eu prefiro estratégias de frequência mais altas devido às suas taxas de Sharpe mais atraentes, mas elas são freqüentemente acopladas à pilha de tecnologia, onde a otimização avançada é crítica.
Agora que discutimos os problemas em torno dos dados históricos, é hora de começar a implementar nossas estratégias em um mecanismo de backtesting. Este será o assunto de outros artigos, pois é uma área de discussão igualmente grande!

Estratégias de negociação de opções algorítmicas
A OptionsCity oferece uma solução completa de negociação automatizada para traders algorítmicos que utilizam nossas premiadas plataformas prontas para uso e expertise em precificação e análise. Ao oferecer algoritmos e personalização na City Store e na Freeway, podemos ajudá-lo a desenvolver sua tecnologia.
ACELERANDO A NEGOCIAÇÃO ALGORITÍMICA.
Tradutores Algorítmicos Especialização em Ferramentas Experimente uma Demonstração.
Nossa caixa de ferramentas.
Os produtos out-of-the-box da OptionsCity são uma combinação comprovada de avanço tecnológico e inovação financeira e fornecem uma base sólida para traders e negócios comerciais.
Metro é uma plataforma de negociação de opções baseada em servidor de alto desempenho.
Loja da cidade.
O City Store oferece uma biblioteca de aplicativos para download para adicionar funcionalidades personalizadas ao Metro.
Freeway é uma plataforma de negociação poderosa para o rápido desenvolvimento de estratégias de negociação automatizadas personalizadas.
Nossa solução para traders algorítmicos.
Experiência no mercado de # 1 em tecnologia de opções Nimble & amp; equipe eficiente ajuda você a economizar tempo com ciclos de vida de desenvolvimento para implantação reduzidos Crie e teste facilmente estratégias para agir rapidamente em oportunidades de mercado Interface intuitiva, visualização integrada de dados e análise gráfica Interagir com dados históricos e ferramentas de terceiros Algoritmos do Access City Store , automação e funcionalidade personalizada.

Troca de Opções Algorítmicas 3.
Neste artigo, analisaremos uma estratégia de negociação de opções reais, como as estratégias que codificamos para os clientes. Este, no entanto, é baseado em um sistema de uma carteira de negociação. Como mencionado anteriormente, os livros de negociação de opções muitas vezes contêm sistemas que realmente funcionam & # 8211; que não pode ser dito sobre o dia de negociação ou livros de negociação forex. O sistema que vamos examinar aqui é realmente capaz de produzir lucros. Mesmo lucros extremos, uma vez que aparentemente nunca perde. Mas também é óbvio que seu autor nunca voltou a testá-lo.
Para esclarecer: Eu selecionei o sistema descrito aqui não por causa da expectativa de lucro ou algoritmo inteligente, mas porque é bastante simples (você dificilmente pode imaginar um sistema mais simples) e não precisa de nenhum dos dados adicionais normalmente usados ​​para opção sistemas, como relatórios de lucros, juros em aberto, volatilidade implícita ou gregos. O que significa que você não precisa chamar funções R para matemática de opções, e você não precisa pagar por dados de opções de iVolatility, ganhos de Zacks ou quaisquer outros dados históricos para fazer backtesting do sistema. A versão gratuita do Zorro é suficiente.
A capa do livro elogia o sistema dentro: Para reduzir o risco de investimento para quase zero & # 8211; Conseguir retornos anuais altos e consistentes acima de 30% & # 8211; Não requer que você aprenda análises fundamentais e técnicas, deltas, thetas, gamas, vegas ou outros gobletgueiros gregos de ações ou opções & # 8211; Não requer a capacidade de prever a direção do mercado & # 8211; Não requer habilidades de levantamento de estoque & # 8211; Não requer monitoramento próximo.
Todas as declarações com as quais eu, claro, simpatizo muito. Afinal, por que precisaríamos de goblethegooks gregos quando recebemos 30% anuais sem eles! E aqui estão as regras (simplificadas) da nossa estratégia:
Venda uma chamada de 6 semanas e 6 semanas de um índice ETF. Escolha os preços de exercício para que os prêmios estejam no intervalo de US $ 1 ... US $ 2. Se o preço subjacente tocar em um de nossos preços de exercício, ameaçando assim um vencimento in-the-money, recompra essa opção e venda imediatamente uma nova opção do mesmo tipo, mas para uma data de vencimento e um prêmio que cubra a perda . Aguarde até que todas as opções expirem e volte para 1.
Se você tiver um pouco de experiência com as opções, perceberá que a regra 1 descreve um combo de strangle. E você vai notar algo estranho com a regra 2. Certo, tal sistema nunca pode perder, já que qualquer perda seria aparentemente compensada pelo prêmio do novo negócio. Finalmente encontramos o Santo Graal, um sistema sempre vencedor?
Lucro de estrangulamento.
Para obter uma impressão do lucro e do risco, primeiro verifique o diagrama de ganho / perda do estrangulamento premium de US $ 2 de 6 semanas. Esta é a definição de um strangle no script de plotagem de curva do último artigo:
As distâncias de ponto de ataque de US $ 6 foram escolhidas por um prêmio de US $ 2 de um índice hipotético de ETF com preço de US $ 250, multiplicador de 100 e volatilidade anual de 15%. Este é o diagrama de lucros / perdas:
Nosso ganho potencial é de cerca de US $ 400 por combinação, como esperado (2 * 100 * 2 premium). Mas o preço do nosso índice ETF não deve mover mais de US $ 10 em qualquer direção até a expiração. Caso contrário, a perda pode atingir rapidamente a zona de mil dólares. Isso não parece realmente "reduzir seu risco de investimento para quase zero". Mas espere, temos a regra 2, que certamente salvará o dia! Vamos colocar isso no backtest.
O sistema.
Uma breve discussão do código (uma introdução mais detalhada na codificação do sistema pode ser encontrada no Livro Negro). A função findCall recebe um tempo de expiração e um prêmio, e analisa a cadeia de opções atual para um contrato de chamada que corresponda a esses dois parâmetros. Para isso, aumenta o preço de exercício em 50 etapas. Se ainda assim nenhum contrato for encontrado no prêmio desejado ou abaixo dele, ele retornará 0. Caso contrário, ele retornará um ponteiro para o contrato encontrado. A função findPut faz o mesmo para um contrato de venda.
A função run configura o tempo de backtest e outros parâmetros para o backtest, bem como para negociação ao vivo. É um script diário e a função é executada todos os dias às 15h20 (horário de Brasília). Ele usa dois arquivos de dados históricos para o backtest. A função de ativo carrega um arquivo com os preços SPY não ajustados (por que não ajustados? Porque determinar as distâncias de preços de greves não funcionaria com os preços ajustados de dividendos). A função contractUpdate carrega a cadeia de opções SPY desse dia, do broker ou de um arquivo. Esses dois arquivos devem estar presentes, além da lista de ativos AssetsIB. csv que contém comissão, margem e outros parâmetros para simular o corretor ou a troca onde negociamos.
A próxima parte do código implementa a regra milagrosa 2. Calcula a perda atual, fecha qualquer posição que esteja em ou no dinheiro e imediatamente abre uma nova posição, com um prêmio ligeiramente acima de nossa perda (perda * 1,1). Dessa forma, estamos punindo o mercado por nos atacar. A função printf apenas armazena esse evento no log, para que possamos analisá-lo e ver melhor o destino desses trades.
A última parte do código é o estrangular. Anote o cálculo MarginCost. A margem afeta o capital requerido e, portanto, o desempenho do backtest, por isso deve refletir o requisito de margem do seu corretor. Por padrão, a margem de uma opção vendida é o prêmio mais uma porcentagem fixa do subjacente que é configurada na lista de ativos. Mas os corretores geralmente aplicam uma fórmula de margem mais complexa para combos de opções. Aqui assumimos que a margem de um estrangulamento vendido é o prêmio (que é adicionado automaticamente) mais 15% do preço subjacente menos o mínimo das duas diferenças de strike. Nós multiplicamos isso pela metade porque temos duas posições, mas a fórmula da margem é para o strangle inteiro.
O backtest de 2011-2016 precisa de apenas cerca de 2 segundos. Este é o resultado (assumindo que sempre abrimos 1 contrato):
Nós ganhamos cerca de 60% de todos os negócios, e fizemos 12% de retorno anual com base na análise de Montecarlo. Não é muito emocionante. E quanto aos altos retornos anuais consistentes acima de 30% & # 8221 ;? E como podemos obter um rebaixamento de US $ 935 quando sempre compensamos nossa perda com um novo negócio?
Está rolando sobre irracional?
Vamos tentar a mesma estratégia sem a regra 2. Isso simplifica um pouco o script:
Simplesmente remover o rolamento melhorou notavelmente o sistema:
A curva de capital sem rolamento:
Agora, o retorno anual de 25% está um pouco mais próximo do lucro prometido. Claro, ao custo de maior risco, uma vez que nenhum mecanismo de limitação está em vigor. Poderíamos agora testar outros combos de opções em vez do estrangulador, por exemplo, um condor para limitar o risco. Podemos executar uma otimização para descobrir como o lucro é afetado por diferentes prêmios e vencimentos. Deixo isso para o leitor. A questão interessante é por que a rolagem de opções, não apenas com isso, mas com muitos sistemas de negociação de opções que codificamos até agora, reduz notavelmente o desempenho. Muitas vezes, para grande surpresa do cliente.
Rolling over com compensação de perdas estabelece de fato um sistema de Martingale. E tal sistema não se sai melhor na negociação de opções do que no cassino. De fato, ainda pior. No cassino você tem pelo menos a mesma chance em cada jogada. Na negociação, uma combinação de opções perdedor sugere que o mercado começa a tendência & # 8211; e a tendência é provável que continue com o contrato rolado. Muito em breve você não pode mais compensar suas perdas com prêmios mais altos, uma vez que você não encontrará contratos com esse valor. Ok, você poderia então começar a aumentar o volume do contrato. Se você realmente fez isso, você pode calcular no link acima quanto tempo sua conta sobreviverá. Rolar sobre um contrato perdedor é um comportamento humano irracional típico & # 8211; mas os mercados tendem a punir a irracionalidade.
Dados de opções artificiais.
Como o sistema não depende de goblethegooks, podemos verificar se os dados de opções artificiais que criamos na primeira parte desta minissérie podem ser usados ​​para testar este sistema. Os resultados do backtest acima foram com dados de opções reais. Aqui está o resultado com os dados sintéticos:
É semelhante, mas não é exatamente idêntico aos dados reais. Os dados artificiais representam uma situação de mercado mais eficiente, uma vez que seus prêmios de opção são idênticos aos seus valores teóricos, e os fundamentos, como relatórios de lucros, não desempenham nenhum papel. Você pode usá-lo para confirmar o backtest de dados reais. Ou para poupar dinheiro, fazendo backtesting de um sistema não-goblethehosters (sim, eu gosto dessa palavra) primeiro com dados artificiais, e somente se parecer bom, comprando dados reais para o teste final.
Eu adicionei o script completo ao repositório 2017. Você precisará do Zorro versão 1.73 ou superior. Você pode encontrar os dados SPY não ajustados na pasta Histórico do arquivo (alternativamente, faça o download com o comando assetHistory do Zorro (& # 8220; SPY. US & # 8221 ;, FROM_STOOQ | UNADJUSTED)). Se você não quiser criar o histórico de opções artificiais de 2011-2016, poderá fazer o download dos arquivos de dados históricos aqui.
Conclusões
Mente o custo da margem nos backtests. Não ultrapasse os contratos perdidos. Se o seu sistema não tiver goblethegooks, experimente dados artificiais.
Literatura.
(1) é o livro do qual eu tirei o sistema. O livro está ok & # 8211; não é melhor ou pior do que a maioria dos outros livros de opções, mas com apenas US $ 10, não é um erro.
(2) é uma boa introdução ao assunto de negociação de opções. Mesmo que seu autor plagiava descaradamente o título do meu blog, e isso anos antes eu comecei a escrevê-lo!
(1) Daniel Mollat, $ tock opção $, BN Publishing 2011.

Como codificar seu próprio robô de negociação Algo.
Sempre quis se tornar um operador algorítmico com a capacidade de codificar seu próprio robô comercial? E, no entanto, você está frustrado com a quantidade de informações desorganizadas e enganosas e falsas promessas de prosperidade durante a noite? Bem, Lucas Liew, criador do curso de comércio on-line algorítmico AlgoTrading101, pode ter a solução para você. Tendo excelentes avaliações e conquistando mais de 8.000 alunos desde o seu primeiro lançamento em outubro de 2014, o curso da Liew - destinado a apresentar os fundamentos do comércio algorítmico de forma organizada - está se mostrando bastante popular. Ele é inflexível quanto ao fato de que a negociação algorítmica “não é um esquema de enriquecimento rápido”. Baseando-se em insights de Liew e seu curso, descritos abaixo são os fundamentos do que é necessário para projetar, construir e manter seu próprio robô de negociação algorítmica .
O que um robô de negociação algorítmico é e faz.
No nível mais básico, um robô de negociação algorítmica é um código de computador que tem a capacidade de gerar e executar sinais de compra e venda nos mercados financeiros. Os principais componentes desse robô incluem regras de entrada que sinalizam quando comprar ou vender, regras de saída que indicam quando fechar a posição atual e regras de dimensionamento de posição que definem as quantidades a serem compradas ou vendidas. (Para mais, veja: Noções básicas de negociação algorítmica: conceitos e exemplos.)
As principais ferramentas.
Obviamente, você vai precisar de um computador e uma conexão com a Internet. Depois disso, será necessário um sistema operacional Windows ou Mac para executar 4 (4) - uma plataforma de negociação eletrônica que usa a MetaQuotes Language 4 (4) para codificar estratégias de negociação. Embora 4 não seja o único software que se poderia usar para construir um robô, ele tem vários benefícios significativos.
Enquanto a principal classe de ativos de 4 é o câmbio (FX), a plataforma pode ser usada para negociar ações, índices de ações, commodities e Bitcoins usando CFDs. Outros benefícios de usar o 4 em oposição a outras plataformas incluem ser fácil de aprender, tem inúmeras fontes de dados de FX disponíveis e é gratuito. Infelizmente, 4 não permite negociações diretas nos mercados de ações e de futuros e a realização de análises estatísticas pode ser onerosa; no entanto, o MS Excel pode ser usado como uma ferramenta estatística suplementar.
Estratégias de Negociação Algorítmica.
É importante começar refletindo sobre algumas características fundamentais que toda estratégia de negociação algorítmica deve ter. A estratégia deve ser prudente no mercado, pois é fundamentalmente sólida do ponto de vista comercial e econômico. Além disso, o modelo matemático usado no desenvolvimento da estratégia deve ser baseado em métodos estatísticos sólidos.
Em seguida, é crucial determinar quais informações seu robô está tentando capturar. Para ter uma estratégia automatizada, seu robô precisa ser capaz de capturar ineficiências de mercado persistentes e identificáveis. As estratégias de negociação algorítmica seguem um conjunto rígido de regras que se aproveitam do comportamento do mercado e, portanto, a ocorrência de uma ineficiência de mercado única não é suficiente para construir uma estratégia. Além disso, se a causa da ineficiência do mercado não for identificável, então não haverá maneira de saber se o sucesso ou o fracasso da estratégia foi devido ao acaso ou não.
Com o acima em mente, há vários tipos de estratégia para informar o design do seu robô de negociação algorítmica. Estas incluem estratégias que aproveitam (i) notícias macroeconômicas (por exemplo, folha de pagamento não agrícola ou mudanças na taxa de juros); (ii) análise fundamental (por exemplo, usando dados de receita ou notas de lançamento de lucros); (iii) anise estattica (por exemplo, correlao ou cointegrao); (iv) análise técnica (por exemplo, médias móveis); (v) a microestrutura de mercado (por exemplo, infraestrutura de arbitragem ou comércio); ou (vi) qualquer combinação dos itens acima. (Para leitura relacionada, consulte: O que é eficiência de mercado?)
Projetando e testando seu robô.
Existem basicamente quatro etapas necessárias para criar e gerenciar um robô comercial:
Pesquisa preliminar: Esta etapa se concentra no desenvolvimento de uma estratégia que atenda às suas próprias características pessoais. Fatores como perfil de risco pessoal, comprometimento de tempo e capital de negociação são todos importantes para se pensar no desenvolvimento de uma estratégia. Você pode então começar a identificar as ineficiências persistentes do mercado mencionadas acima. Tendo identificado uma ineficiência de mercado, você pode começar a codificar um robô comercial adequado às suas próprias características pessoais.
Backtesting: Este passo se concentra em validar seu robô comercial. Isso inclui verificar o código para certificar-se de que ele está fazendo o que deseja e entender como ele funciona em diferentes períodos de tempo, classes de ativos ou condições de mercado diferentes, especialmente em eventos do tipo cisne negro, como a crise financeira global de 2008.
Otimização: Então, agora você codificou um robô que funciona e, nesse estágio, você quer maximizar seu desempenho enquanto minimiza o viés do overfitting. Para maximizar o desempenho, você primeiro precisa selecionar uma boa medida de desempenho que capture os elementos de risco e recompensa, bem como a consistência (por exemplo, o índice de Sharpe). O viés de sobrecurso ocorre quando o robô está muito próximo dos dados do passado; esse robô vai dar a ilusão de alto desempenho, mas como o futuro nunca se parece completamente com o passado, ele pode realmente falhar.
Execução ao Vivo: Agora você está pronto para começar a usar dinheiro real. No entanto, além de estar preparado para os altos e baixos emocionais que você pode experimentar, existem alguns problemas técnicos que precisam ser abordados. Esses problemas incluem a seleção de um corretor apropriado e a implementação de mecanismos para gerenciar os riscos de mercado e os riscos operacionais, como possíveis hackers e o tempo de inatividade da tecnologia. Também é importante nesta etapa verificar se o desempenho do robô é semelhante ao experimentado no estágio de teste. Finalmente, o monitoramento contínuo é necessário para garantir que a eficiência do mercado para a qual o robô foi projetado ainda exista. (Para mais, veja: Como os Algoritmos de Negociação são Criados.)
The Bottom Line.
Considerando que Richard Dennis, o lendário comerciante de commodities, ensinou a um grupo de estudantes suas estratégias de negociação pessoais que depois ganharam mais de US $ 175 milhões em apenas cinco anos, é completamente possível que traders inexperientes recebam um conjunto estrito de diretrizes e se tornem comerciantes bem sucedidos. No entanto, este é um exemplo extraordinário e os iniciantes devem lembrar-se de ter expectativas modestas.
Para ser bem sucedido, é importante não apenas seguir um conjunto de diretrizes, mas também entender como essas diretrizes estão funcionando. Liew salienta que a parte mais importante da negociação algorítmica é “entender em que tipos de condições de mercado seu robô irá funcionar e quando ele irá quebrar” e “entender quando intervir”. O comércio algorítmico pode ser recompensador, mas a chave para o sucesso é compreensão. Qualquer curso ou professor prometendo altas recompensas com o mínimo de entendimento deve ser um grande sinal de alerta.