Gekko Quant - Quantitative Handels

Trading-Strategie VWAP Mean Reversion Diese Strategie wird sich das Volumen gewichtete Durchschnittskurs (VWAP) als Indikator verwenden, um zurück zu VWAP Handel mittlere Version. Annualisierte Sharpe Ratio (Rf = 0%) ist 0,9016936. Dieser Beitrag ist eine Antwort auf gekkoquant / 2012/07/29 / Trading-Strategie-sp-VWAP-Trend-follow / wo es einen Fehler in dem Code, der angibt, dass VWAP wasnt zurückkehrt (dies nur knapp sein Ziel gut sitzen mit mir, oder einige die Menschen, die kommentiert). Wie immer nehmen Sie mein Wort für alles, Backtest die Strategie selbst nicht. Eine der Gefahren der Verwendung von R oder Matlab ist, dass seine leicht für Vorwärtsspannung in Ihrem Code rutschen. Es gibt Bibliotheken wie Quantstrat für R, die gegen diese zu schützen, aber Ive fand sie furchtbar langsam zu laufen. Alle Bedingungen sind am Ende überprüft, und der Handel für einen Tag aus der Nähe gehalten Wenn der Preis / VWAP & gt; Ulim zu kurz Wenn der Preis / VWAP & lt; Llim lange gehen High Probability Credit Spreads mittels linearer Regression Curves Ich kam in dieser Video-Serie über das Wochenende, diskutiert eine Option Trader, wie er handelt Credit Spreads (hauptsächlich sucht Mean-Reversion). Die meisten von euch werden mit Bollinger-Bänder als gemeinsame Mean-Reversion-Strategie vertraut sein, im wesentlichen Sie den gleitenden Durchschnitt und gleitende Standardabweichung der Bilanz zu ziehen. Dann zeichnen auf, um das Diagramm den gleitenden Durchschnitt und eine obere und untere Band (gleitender Durchschnitt +/- n * Standardabweichungen). Es wird angenommen, dass der Preis, um den gleitenden Durchschnitt zurückkehren daher jede Kursbewegung zu den Bändern ist ein guter Einstiegspunkt. Ein häufiges Problem bei dieser Strategie ist, dass der gleitende Durchschnitt ist ein Spätindikator und ist oft sehr langsam, um die Preisbewegungen zu verfolgen, wenn eine lange Rückblickzeitraum verwendet wird. Video 1 zeigt eine Technik namens linearen Regressionskurven etwa 10 Minuten in. Die lineare Regressionskurven Ziel, das Problem des gleitenden Durchschnitts, langsam, um den Preis zu verfolgen lösen. Lineare Regression Curve vs einfacher gleitender Durchschnitt Sehen Sie, wie dicht die blaue linearen Regressionskurve folgt der Nähe Preis, der deutlich schneller Windungen in dem Markt, in dem die einfache gleitende Durchschnitt hat erhebliche Spurfehler zu identifizieren. Die MSE könnten getroffen werden, um die Dichtheit zu quantifizieren. Wie die lineare Regressionskurve berechnen: In diesem Beispiel haben Sie 100 Schlusskurse für bestimmte Aktie. Bar 1 ist der älteste Preis, Bar 100 ist der jüngste Preis. Wir werden eine 20 Tage Regression zu verwenden. 1. Nehmen Sie die Preise 1-20 und zeichnen Sie die Ausgleichsgerade durch sie 2. Am Ende des Ausgleichsgerade (so bar 20), ziehen einen kleinen Kreis 3. Nehmen Sie die Preise 2-21 und zeichnen Sie die Ausgleichsgerade durch sie 4. Am Ende des Ausgleichsgerade (so bar 21) ziehen einen kleinen Kreis 5. Wiederholen Sie bis zu 100 bar 6. Verbinden Sie alle Ihre kleinen Kreisen, ist dies Ihre lineare Regressionskurve Also kurz gesagt einfach kommen Sie mit den Enden eines Walz lineare Regression. Trading-Strategie von S & P VWAP Trend folgen (Buggy) UPDATE: Die außergewöhnlichen Renditen in dieser Strategie gesehen, waren auf einer 2-tägigen Blick Vorwärtsspannung in dem Signal (und dann nachfolgende Handelsrichtung), dh wenn Performance wurde für Tag T berechnet die Handelssignal verwendet wurde, war tatsächlich von Tag T + 2. Sowohl das Signal und Handelsdatenrahmen hatten die richtigen Daten für jedes Signal / Handel jedoch, wenn indexRet * trade passiert dann wurde den Handel als undatierte Vektoren (die 2 Elemente kürzer als Index ret ist) daher der 2 Tagesschicht behandelt. Die Moral dieser Geschichte ist es, Datenrahmen, bevor die Multiplikation verschmelzen! Vielen Dank für alle, die zu diesem Thema erklärte, ist eine korrigierte Beitrag zu folgen! Original-Beitrag Diese Strategie wird sich das Volumen gewichtete Durchschnittskurs (VWAP) als Indikator verwenden, um die Richtung des aktuellen Trends zu ermitteln und handeln die gleiche Richtung wie der Trend. Annualisierte Sharpe Ratio (Rf = 0%) ist 8,510472. Alle Bedingungen sind am Ende überprüft, und der Handel für einen Tag aus der Nähe gehalten Wenn der Preis / VWAP & gt; Ulim lange gehen Wenn der Preis / VWAP & lt; Llim zu kurz Anfangs dachte ich, dass der Preis wäre mittlere Rückgriff auf VWAP (dies kann in der Hochfrequenz-Daten zu sehen sein) aber dies nur knapp sein Ziel scheint der Fall mit EOD Daten sein. Für eine solche einfache Strategie Im erstaunt, dass die Sharpe-Ratio ist so hoch (verdächtig hoch). Der Code wurde doubletripple geprüft, um zu sehen, ob eine Vorwärtsspannung eingeschlichen, aber ich havent spotted nichts. Trading-Strategie Volatilität Carry-Trade Diese Strategie wird sich bei einer Volatilität Vega neutral Carry-Trading-Strategie zu suchen. Zwei verschiedene Futures-Kontrakt gehandelt werden, die VXX und VXZ. Diese Verträge werden Roll Futures auf den S & P 500 VIX-Index, ist die VXX eine kurzfristige Zukunft und die VXZ ist eine mittelfristige Zukunft. Annualisierte Sharpe Ratio (Rf = 0%) ist 1,759449. Die Strategie ist sehr einfach, sind die Regeln: Wenn VXX / VXZ & gt; 1 dann in Backwardation zu tun ein Reverse Carry Trade (Kauf VXX, verkaufen VXZ) Wenn VXX / VXZ & lt; 1 dann eine Carry-Trade (verkaufen VXX kaufen VXZ) Wenn die Volatilität Spotpreis doesnt Wechsel, dann wurden Extrahieren der Cost of Carry. Durch den Kauf und Verkauf (oder umgekehrt) die kurz - bis mittelfristig Futures das Vega Position abgesichert. In dem Skript die beiden oben genannten Regeln wurden leicht verändert, ein leichter Versatz hinzugefügt / aus dem Verhältnis subtrahiert. Im Wesentlichen tief in Contango-Zone oder tief in Backwardation-Zone, bevor wir handeln sein wollen wir, wenn in der Nähe des Flip Punkt waren dann nicht den Handel. Abschnitt 1: Heruntergeladene die Daten, und berechnen Sie die Öffnen, um Rück schließen. Diese Strategie wird für die Einreise an der offenen und steigen an der Nähe zu suchen. Abschnitt 2: Regress die täglichen Renditen VXX mit VXZ, um die Hedge-Ratio berechnen Abschnitt 3: Generieren Sie die Backwardation / Contango-Signal Abschnitt 4: Simulieren Sie die Trading - Abschnitt 5: Analysieren Sie die Leistung Statistical Arbitrage Correlation vs Kointegration Was ist Statistical Arbitrage (stat arb)? Die Prämisse der statistischen Arbitrage, stat arb kurz, ist, dass es eine statistische Fehlbewertung zwischen einer Reihe von Wertpapieren, die wir uns zu nutzen. Typischerweise wird eine Strategie erfordert long gehen eine Reihe von Aktien und Kurz anderen. StatArb entwickelte sich aus Paaren Handel, wo man lange als Absicherung gehen würde ein Lager und kurz sein Konkurrent, paar Handel das Ziel ist, eine Aktie, die gehen, um ihre Altersgenossen übertreffen zu wählen. StatArb dreht sich alles um Mean Reversion im Wesentlichen Sie sagen, dass sich der Abstand zwischen zwei beliebigen Bestände sollte konstant sein (oder sich langsam entwickelnde im Laufe der Zeit), Abweichungen von der Ausbreitung präsentieren eine Handelsgelegenheit, da in StatArb glauben, dass wir die Ausbreitung ist Mittelwert zurückkehrt. Im Gegensatz zu den Namen statistische Arbitrage ist nicht darum, risikofreie Geld (determinis Arbitrage ist risikofrei). Welche Art von Aktien machen gute Paare? Die besten Aktien zu StatArb verwenden sind diejenigen, in denen es ein wesentlicher Grund für die Annahme, dass die Ausbreitung ist Mittelwert zurückkehrt / stationär. In der Regel bedeutet dies, dass die Bestände im selben Marktsegment oder noch besser die gleiche Firma (einige Unternehmen A und B-Aktien mit unterschiedlichen Stimmrechten oder den Handel an verschiedenen Börsen)! Einige Beispiele für grundlegend ähnliche Paare würde Royal Dutch Shell A vs Royal Dutch Shell B Aktien, Goldman Sachs vs JP Morgan Apple vs ARM (ihre Chip-Anbieter), ARM vs ARM ADR, einige sektorübergreif Gruppen können auch arbeiten, wie beispielsweise Gold Mining vs Goldpreis. Ein schlechtes Beispiel wäre Royal Bank of Scotland vs Tesco sein, da ihre Unternehmen sind völlig verschieden / nicht beeinflussen sich gegenseitig. Was ist die mathematische Definition der ein gutes Paar? Nach kommen mit einer guten Grund Lager Paarung nächsten Notwendigkeit, einen mathematischen Test zur Bestimmung, wenn seine ein gutes Paar zu haben. Die häufigste Prüfung ist für Kointegration aussehen (en. wikipedia / wiki / Kointegration), da dies bedeuten würde, dass das Paar eine stationäre Paar (die Ausbreitung ist fester) und damit statistisch es Mittelwert zurückkehrt ist. Bei der Prüfung auf Kointegration ein PValue (en. wikipedia / wiki / P-Wert) Hypothesentest wird durchgeführt, so können wir ein Maß an Vertrauen in das Paar zum Ausdruck bringen gemein zurückkehrt. Was ist der Unterschied zwischen Korrelation und Kointegration? Wenn man über statisitical Arbitrage viele Menschen oft verwirrt zwischen Korrelation und Kointegration. Korrelation Wenn zwei Aktien werden dann korreliert, wenn Lager A hat eine upday dann Lager B ein upday haben Kointegration Wenn zwei Aktien werden dann kointegriert ist es möglich, eine stationäre Paar von einigen lineare Kombination von Lager A und B bilden Eine der besten Erklärungen Kointegration ist wie folgt: "Ein Mann verlässt eine Kneipe nach Hause mit seinem Hund zu gehen, ist der Mann betrunken und geht auf eine Irrfahrt, geht der Hund auch auf einer Irrfahrt. Sie nähern sich einer viel befahrenen Straße und der Mann legt seinen Hund an der Leine, der Mann und der Hund nun kointegriert. Sie können sowohl gehen Irrfahrten aber die maximale Strecke, die sie weg von einander ist also Länge der Leitung festgelegt ". Also im Grunde ist der Abstand / Spread zwischen dem Mann und sein Hund ist fest, auch aus der Geschichte, die der Mensch und Hund sind immer noch auf einer Irrfahrt beachten Sie, gibt es nichts zu sagen, wenn ihre Bewegungen korreliert oder uncorrelated. With korrelierten Aktien, die sie wird in der gleichen Richtung die meiste Zeit jedoch das Ausmaß der Bewegungen ist unbekannt zu bewegen, bedeutet dies, dass, wenn youre Handel der Spread zwischen beiden Aktien dann die Ausbreitung kann zu halten wächst und wächst, keine Anzeichen von Mean-Reversion. Dies ist im Vertrag zur Kointegration, wo wir sagen, die Verbreitung ist "fest" und dass, wenn der Spread aus der "Fixierung", dann wird es bedeuten, revert abweicht. Lets erkunden Kointegration etwas mehr: Gleichung für geometrische Brownsche Bewegung 7Bt%2BT%7D%20%3D%20A_%7Bt%7D%2BN%28%5Cmu_%7Ba%7DT%2C%5Csigma_%7Ba%7D%5Csqrt%7BT%7D%29bg=FFFFFF&fg=000000&s=1" /% wobei A steht für den Kurs der Aktie A 5CDelta%20A%20%3D%20N%28%5Cmu_%7Ba%7D%5CDelta%20t%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF&fg=000000&s=1" /% 5CDelta%20A%20%3D%20%5Cmu_%7Ba%7D%5CDelta%20t%2BN%280%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF&fg=000000&s=1" /% 7BT% 7D% 5B% 5CDelta% 20A% 5D% 20% 3D% 20% 5Cmu_% 7Ba% 7Dbg = FFFFFF & fg = 000000 & s = 1 "/% Von der geometrischen Brownschen Bewegung Gleichung können wir sehen, dass die erwartete Änderung der A über die Zeit 28E_% 7BT% 7D% 5B% 5CDelta% 20A% 5D% 29bg = FFFFFF & fg = 000000 & s = 1 "/% ist 5Cmu_% 7Ba% 7Dbg = FFFFFF & fg = 000000 s = 1 "/%, mit anderen Worten eine nicht stationär vorausgesetzt 5Cmu_% 7Ba% 7Dbg = FFFFFF & fg = 000000 s = 1" /% ist nicht Null). Wir wollen eine co-integrierte / stationäre Paar zu finden. Die Gleichung für den Gang lange Vorrat A und Kurz n viele Lizenz B 3DA-nBbg = FFFFFF & fg = 000000 & s = 1 "/% 5CDelta% 20Spread% 3D% 5CDelta% 20A-n% 5CDelta% 20Bbg = FFFFFF & fg = 000000 & s = 1 "/% 5CDelta%20Spread%3D%5Cmu_%7Ba%7D%5CDelta%20t%2BN%280%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29-n%5Cmu_%7Bb%7D%5CDelta%20t-nN%280%2C%5Csigma_%7Bb%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF&fg=000000&s=1" /% 7Bt%7D%5B%5CDelta%20Spread%5D%3DE_%7Bt%7D%5B%5CDelta%20A-n%5CDelta%20B%5D%20%3D%20%5Cmu_%7Ba%7D-n%5Cmu_%7Bb%7Dbg=FFFFFF&fg=000000&s=1" /% Einstellen 3D% 5Cfrac% 7B% 5Cmu_% 7Ba% 7D% 7D% 7B% 5Cmu_% 7Bb% 7D% 7Dbg = FFFFFF & fg = 000000 & s = 1 "/% 7Bt%7D%5B%5CDelta%20Spread%5D%3DE_%7Bt%7D%5B%5CDelta%20A-n%5CDelta%20B%5D%20%3D%20%5Cmu_%7Ba%7D-%5Cfrac%7B%5Cmu_%7Ba%7D%5Cmu_%7Bb%7D%7D%7B%5Cmu_%7Bb%7D%7D%3D%5Cmu_%7Ba%7D-%5Cmu_%7Ba%7D%3D0bg=FFFFFF&fg=000000&s=1" /% Daher ist stationär unter der Annahme, dass die Hedge-Ratio, konstant bleibt. Beispiel korrelierte Aktien. Beachten Sie die Verbreitung Sprengung Beispiel kointegriert Aktien: Beachten Sie die Ausbreitung sieht Schwingungs Handelsstrategien Blog Exploit, News & Twitter Sentiment (Papier) Ich kam in diesem Papier und wollte es hier zu dokumentieren, dass etwas für mich selbst wieder auf und Test kommen, hoffentlich werden Sie es so interessant, wie ich fand. Das Verfahren weist vier Parameter: Sentiment Analysis Zeitraum Wie viele Tage der letzten Sentiment-Daten zu benutzen? Haltedauer Wie lange, um einen Handel zu halten? Marktkapitalisierung Haben Small-Cap-und Large-Cap reagieren die gleichen? Diversifikation Wie viele Aktien im Portfolio zu haben? Jedes der Handelsmodellparameter wird ebenfalls analysiert und ihre Auswirkungen erläutert. Das Papier skizziert eine marktneutrale Stimmung basierte Trading-Algorithmus, der wieder über einen Zeitraum von fünf Jahren (2005-2009) geprüft wird und produziert einige besonders eindrucksvolle Renditen fast 40% in bestimmten Jahren je nach Konfiguration. Was Ich mag am meisten über das Papier ist, dass der Vermögenswert, den Handel ausgewählt basierend auf einem festgelegten Kriterien (dh es ist in der oberen n extremsten Gefühle), hält diese positive Bias-Effekte, wobei der Autor konnte einfach vorhanden profitable Szenarien / Kirsche holen die Ergebnisse. Die Stimmung ist auf die Analyse News-Beiträge, Blog-Posts und Tweets basiert. Seit Twitter im Jahr 2009 kam erst ins Dasein die Autoren hatten nur eine halbe Jahre im Wert von twitter Daten zu analysieren. Die großartige Ergebnisse in diesem Papier wurden ohne twitter Daten mit normalen Nachrichten und Blog Quellen erreicht. Das Papier zeigt, dass Corpus Größe ankommt, mit Blogs könnte eine billigere Methode, um einen Korpus zu sammeln (kratzen viele RSS-Feeds), während bei Twitter gibt es Einschränkungen, welche Daten Sie kostenlos erhalten können (vollständige Dateneinspeisungen beginnen bei $ 3.500 pro Monat. ). Handelsstrategien Blog Exploit, News & Twitter Sentiment (Papier) Ich kam in diesem Papier und wollte es hier zu dokumentieren, dass etwas für mich selbst wieder auf und Test kommen, hoffentlich werden Sie es so interessant, wie ich fand. Das Verfahren weist vier Parameter: Sentiment Analysis Zeitraum Wie viele Tage der letzten Sentiment-Daten zu benutzen? Haltedauer Wie lange, um einen Handel zu halten? Marktkapitalisierung Haben Small-Cap-und Large-Cap reagieren die gleichen? Diversifikation Wie viele Aktien im Portfolio zu haben? Jedes der Handelsmodellparameter wird ebenfalls analysiert und ihre Auswirkungen erläutert. Das Papier skizziert eine marktneutrale Stimmung basierte Trading-Algorithmus, der wieder über einen Zeitraum von fünf Jahren (2005-2009) geprüft wird und produziert einige besonders eindrucksvolle Renditen fast 40% in bestimmten Jahren je nach Konfiguration. Was Ich mag am meisten über das Papier ist, dass der Vermögenswert, den Handel ausgewählt basierend auf einem festgelegten Kriterien (dh es ist in der oberen n extremsten Gefühle), hält diese positive Bias-Effekte, wobei der Autor konnte einfach vorhanden profitable Szenarien / Kirsche holen die Ergebnisse. Die Stimmung ist auf die Analyse News-Beiträge, Blog-Posts und Tweets basiert. Seit Twitter im Jahr 2009 kam erst ins Dasein die Autoren hatten nur eine halbe Jahre im Wert von twitter Daten zu analysieren. Die großartige Ergebnisse in diesem Papier wurden ohne twitter Daten mit normalen Nachrichten und Blog Quellen erreicht. Das Papier zeigt, dass Corpus Größe ankommt, mit Blogs könnte eine billigere Methode, um einen Korpus zu sammeln (kratzen viele RSS-Feeds), während bei Twitter gibt es Einschränkungen, welche Daten Sie kostenlos erhalten können (vollständige Dateneinspeisungen beginnen bei $ 3.500 pro Monat. ). Twitter Trading & Sentiment Analysis Ein Standard-Idee in der Verhaltensökonomie ist, dass Emotionen spielen eine große Rolle bei der Entscheidungsfindung und zutiefst beeinflussen einen Agenten Verhalten. Diese Linie der Logik kann auf den Aktienmarkt angewandt werden, sind der Preis bewegt sich in Abhängigkeit von den Emotionen der Akteure auf dem Markt. In 2011 wurde ein Papier von Johan Bollen, Huina Mao Xiaojun Zeng aufgerufen Twitter Stimmung prognostiziert die Börse. wird gezeigt, dass durch die Anwendung Sentiment-Analyse, um Beiträge (Tweets) Twitter ist es möglich, den aktuellen emotionalen Zustand des Agenten zu messen. Das Papier geht dann zu argumentieren, dass die Emotion der Twitter mit Marktbewegungen korreliert und möglicherweise sogar prädiktive der Bewegungen. Nachdem dieses Wahrzeichen Papier wurde zuerst veröffentlicht eine Reihe von Hedge-Fonds haben die Idee übernommen und produziert twitter Fonds wird die meisten öffentlich bekannt twitter Fonds, der von Derwent Hauptstadt laufen. Ich plane die Untersuchung diese Idee weiter in diesem Blog, aber wenn du vor mir zu beginnen möchten Folgendes sollte nützlich sein: Statistische Arbitrage-Handel ein kointegrierten Paar In meinem letzten Beitrag gekkoquant / 2012/12/17 / statistische Arbitrage-testing-for-Kointegration-Augmented-dicky-volleren / I gezeigt Kointegration, einen mathematischen Test zur stationären Paaren, wo die Ausbreitung von Definition muss Mittelwert zurückkehrt sein, zu identifizieren. In diesem Beitrag möchte ich zeigen, wie man eine kointegrierten Paar handeln und wird auch weiterhin die Analyse Royal Dutch Shell A vs B-Aktien (wir wissen, theyre von meinem letzten Beitrag kointegriert). Handel mit einem co-integrierte Paar ist unkompliziert, wir wissen, den Mittelwert und die Varianz der Ausbreitung, wissen wir, dass diese Werte konstant sind. Der Eintrittspunkt für einen stat arb ist, einfach für eine große Abweichung schauen weg vom Mittelwert. Wenn Spread (t) & gt; = mittlere Verbreiten + 2 * Standardabweichung dann gehen Sie Kurz Wenn Spread (t) & lt; = mittlerer Breiten 2 * Standardabweichung dann gehen Sie Lang Es gibt viele Variationen dieser Strategie