Exemplos de estratégias de negociação algorítmica

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

Estratégias de Negociação Algorítmica com Exemplos do MATLAB.
Ernest Chan, QTS Capital Management, LLC.
O paradigma tradicional de aplicação de técnicas não-lineares de aprendizado de máquina a estratégias de negociação algorítmica geralmente sofre um grande viés de bisbilhotagem de dados. Por outro lado, técnicas lineares, inspiradas e constrangidas pelo conhecimento profundo do domínio, provaram ser valiosas. Esta apresentação descreve a aplicação do filtro de Kalman, uma técnica essencialmente linear, de duas maneiras diferentes para a negociação algorítmica.

Noções básicas de negociação algorítmica: conceitos e exemplos.
Um algoritmo é um conjunto específico de instruções claramente definidas destinadas a realizar uma tarefa ou processo.
O comércio algorítmico (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 para fazer uma negociação, a fim de gerar lucros a uma velocidade e freqüência impossíveis para uma negociação. 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 líquidos e torna o comércio mais sistemático ao excluir os impactos humanos emocionais nas atividades de negociação. (Para mais, confira Escolhendo o Software de Negociação Algorítmica Certo.)
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 Venda ações da ação quando a 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 ao vivo, ou colocar os pedidos manualmente. O sistema de negociação algorítmica faz isso automaticamente, identificando corretamente a oportunidade de negociação. (Para mais informações sobre médias móveis, consulte Médias móveis simples Faça as tendências se destacarem.)
[Se você quiser aprender mais sobre as estratégias comprovadas e no ponto que podem, eventualmente, ser trabalhadas em um sistema de negociação alorítimo, confira o curso Torne-se um Day Trader da Investopedia Academy. ]
Benefícios do comércio algorítmico.
Algo-trading fornece os seguintes benefícios:
Negociações executadas com os melhores preços Possibilidade de colocação imediata e imediata de ordens (com altas chances de execução nos níveis desejados) Negociações cronometradas correta e instantaneamente, para evitar mudanças significativas nos preços Redução dos custos de transação (veja o exemplo de déficit de implementação abaixo) Verificações automatizadas simultâneas em múltiplos condições de mercado Risco reduzido de erros manuais na colocação dos negócios Backtest o algoritmo, com base em dados históricos e em tempo real disponíveis Reduzida possibilidade de erros por parte de comerciantes humanos com base em fatores emocionais e psicológicos.
A maior parte da negociação de algoritmos atuais 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. (Para mais informações sobre negociação de alta frequência, consulte Estratégias e segredos de empresas de negociação de alta frequência (HFT).)
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) que compram em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e de grande volume. Comerciantes de curto prazo e participantes do lado da venda (formadores de mercado, 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, pares de traders, hedge funds, etc.) acham 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 ganhos aprimorados ou redução de custos. A seguir estão as estratégias de negociação comuns usadas no comércio de algo:
As estratégias de negociação algorítmica mais comuns seguem as tendências de médias móveis, desvios de canal, movimentos de níveis de preços e indicadores técnicos relacionados. Essas são as estratégias mais fáceis e simples de implementar por meio do comércio algorítmico, porque essas estratégias não envolvem previsões nem previsões de preços. As negociações são iniciadas com base na ocorrência de tendências desejáveis, que são fáceis e diretas de implementar por meio de algoritmos, sem entrar na complexidade da análise preditiva. O exemplo acima mencionado de média móvel de 50 e 200 dias é uma tendência popular seguindo a estratégia. (Para mais informações sobre estratégias de negociação de tendências, consulte: Estratégias simples para capitalizar tendências.)
Comprar uma ação com cotação dupla a um preço menor em um mercado e, simultaneamente, vendê-la 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 preço existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preço e colocar as ordens permite oportunidades lucrativas de maneira eficiente.
Os fundos de índices definiram períodos de reequilíbrio para aproximar seus investimentos aos seus respectivos índices de referência. Isso cria oportunidades lucrativas para os operadores algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos básicos, dependendo do número de ações no fundo de índice, imediatamente antes do rebalanceamento do fundo de índice. Tais negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.
Muitos modelos matemáticos comprovados, como a estratégia de negociação delta-neutral, que permitem negociar com combinação de opções e seu título subjacente, onde são feitas negociações para compensar deltas positivos e negativos, de modo que o delta do portfólio seja mantido em 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 o seu valor médio periodicamente. Identificar e definir uma faixa de preço e implementar um algoritmo com base nisso permite que os negócios sejam colocados automaticamente quando o preço do ativo entra e sai de seu intervalo definido.
A estratégia de preço médio ponderado por volume divide uma ordem grande e libera pedaços menores da ordem para o mercado, determinados dinamicamente, usando perfis de volume histórico específicos do estoque. O objetivo é executar o pedido próximo ao Preço Médio Ponderado pelo Volume (VWAP), beneficiando, assim, no preço médio.
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 um horário de início e de término. 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 do lado da venda, têm a inteligência incorporada para identificar a existência de quaisquer algoritmos no lado da compra de uma ordem grande. Essa detecção por meio de algoritmos ajudará o criador de mercado a identificar grandes oportunidades de pedidos e possibilitará que ele se beneficie com o preenchimento dos pedidos a um preço mais alto. Às vezes, isso é identificado como front-running de alta tecnologia. (Para mais informações sobre comércio de alta frequência e práticas fraudulentas, consulte: Se você comprar ações on-line, você está envolvido em HFTs.)
Requisitos técnicos para negociação algorítmica.
Implementar o algoritmo usando um programa de computador é a última parte, batida com backtesting. 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:
Conhecimentos de programação de computadores para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricados. Conectividade de rede e acesso a plataformas de negociação para colocação de pedidos. Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de fazer pedidos. para backtest o sistema, uma vez construído, antes de ir viver em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.
Aqui está um exemplo abrangente: A Royal Dutch Shell (RDS) está listada na Bolsa de Valores de Amsterdã (AEX) e na Bolsa de Valores de Londres (LSE). Vamos criar um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes:
AEX negocia em Euros, enquanto a LSE negocia em Libras Esterlinas Devido à diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguida pelas duas bolsas sendo negociadas simultaneamente pelas próximas horas e negociando apenas na LSE durante a última hora conforme a 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 que pode ler os preços de mercado atuais Feeds de preços de LSE e AEX Um feed de taxa de câmbio para taxa de câmbio de GBP-EUR Capacidade de colocação de pedidos que pode encaminhar o pedido para a capacidade correta de troca.
O programa de computador deve executar o seguinte:
Leia o feed de preço recebido 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 suficiente (descontando os custos de corretagem) levando a uma oportunidade lucrativa, coloque a compra ordem em troca de preço mais baixo e ordem de venda em troca de preço mais alto Se as ordens forem executadas como desejado, o lucro da arbitragem 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 o comércio de venda não é feito, pois os preços de venda mudam no momento em que seu pedido chega ao mercado? Você vai acabar sentado com uma posição aberta, fazendo com que sua estratégia de arbitragem seja inútil.
Existem 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.
A análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinada criticamente. É emocionante usar a automação auxiliada por computadores com a noção 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 aprender programação e construir sistemas por conta própria, para ter confiança em implementar as estratégias corretas de maneira infalível. Uso cauteloso e testes completos de negociação de algoritmos podem criar oportunidades lucrativas. (Para mais, veja Como codificar seu próprio robô de negociação da Algo.)

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

Uma estratégia robusta de negociação algorítmica.
Nossa abordagem para negociação algorítmica é relativamente simples. Reconhecemos que ninguém pode prever a direção do mercado com 100% de precisão. O que sabemos é que o mercado em uma base de mês a mês, fechará fortemente para cima, fortemente para baixo ou em algum lugar no meio (mercado lateral). Em nossa opinião, a estratégia de negociação algorítmica mais robusta é aquela que negocia múltiplos algoritmos não correlacionados, cada um dos quais tem como alvo uma condição específica de mercado. Este tipo de metodologia só é viável, se no contrário as condições de mercado & ndash; os algoritmos têm pequenos ganhos ou pequenas perdas. Portanto, o principal objetivo de nossos esforços de P & D é minimizar as perdas durante as condições de mercado contrárias. Ao revisar nossa estratégia de negociação algorítmica, considere os riscos envolvidos antes de utilizar nossas estratégias de negociação algorítmica. Negociação de futuros e amp; opções tem risco significativo de perda e não é apropriado para todos os investidores.
Este vídeo, apresentado pelo nosso desenvolvedor líder & ndash; abrange detalhadamente a metodologia de design usada na AlgorithmicTrading.
Definindo Estados de Mercado.
O primeiro passo na criação da nossa estratégia de negociação algorítmica foi definir o que significa ser "fortemente para cima", "baixo" e "baixo". ou & ldquo; lateral & rdquo; Enquanto esta análise pode ser feita diariamente, semanalmente ou mensalmente. Decidimos executar a análise inicial usando dados mensais. Nosso objetivo era separar o desempenho mensal do S & P 500 em três categorias, com base em uma distribuição igual de desempenho mensal. A tabela a seguir demonstra como definimos cada categoria ou estado de mercado. Estes dados foram extraídos de um relatório de desempenho mensal do S & P 500, que foi comprado no primeiro dia do mês e vendido no último dia do mês & ndash; para cada mês a partir de outubro de 2003 até outubro de 2016.
Como nossas estratégias de negociação algorítmica fazem em cada condição de mercado?
A tabela a seguir compara cada estratégia de negociação algorítmica oferecida pela AlgorithmicTrading com cada uma das três condições de mercado, conforme definido na seção anterior. A intenção desta tabela é demonstrar como cada estratégia de negociação algorítmica funciona com base no que o mercado fez naquele mês. O P / L Mensal Mostrado representa o ganho médio mensal com base em uma conta de US $ 30.000 negociando 1 unidade em cada estratégia. Inclui slippage, commission & amp; proteção para nossos negócios com a Iron Condor.
CFTC REGRA 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados mostrados em um registro de desempenho real, esses resultados não representam negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação maior ou menor pelo impacto, se houver, de alguns fatores de mercado, como a 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 perdas como essas sendo exibidas.
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 de prêmios.
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 real de negociação algorítmica: S & amp; 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 maior ou menor pelo impacto, se houver, de alguns fatores de mercado, como a 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 perdas como essas sendo exibidas.
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 de prêmios.
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, a saber, 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 ou Consultor de Investimento registrado. Como desenvolvedor de sistemas de negociação de terceiros, não estamos registrados na NFA como Consultores de Negociação de Commodities (reivindicamos a isenção de auto-execução de registro) e não podemos fornecer consultoria de investimento exclusiva para sua situação pessoal.