استراتيجيات التداول الآلي بسيطة

استراتيجيات بسيطة للاستفادة من الاتجاهات.

T هنا نوعان من الأسواق التي المتداول سوف تتاجر - سوق تتجه أو سوق جانبية. وفي أي إطار زمني، يمكن أن تتم التجارة من خلال كلا النوعين من السوق، ولكن عندما يتم إدخال التجارة وفي أي نوع من السوق (تتجه أو جانبية) الذي يحدد مستوى المخاطر. R إسك هو ببساطة مقدار حركة السعر التي نتوقعها قبل أن نقول مع بعض اليقين أن التجارة لا تتحرك في اتجاهنا (على الأقل في الوقت الراهن)، ويتحرك بسبب عوامل تتجاوز ضوضاء السوق بسيطة. (لمعرفة كيفية التداول في سوق جانبية، اقرأ قيمة البحث في سوق جانبية).

في الاتجاهات، فإن الطريقة الأكثر شيوعا لتحديد المخاطر هي الحصول على سعر الدخول ناقص أدنى سعر متأرجح للمراكز الطويلة وأعلى ارتفاع متأرجح مطروحا منه سعر الدخول للمراكز القصيرة. ثم ضرب هذا العدد بعدد الأسهم التي يتعرض لها المتداول. وينبغي إضافة وسادة صغيرة إلى ارتفاع / منخفضة للسماح للفلوكاتيونس المعتدل. إذا تم اختراق أدنى مستوى سوينغ سابق في اتجاه صعودي، فهناك احتمال بأن الاتجاه ينعكس، أو على الأقل يكون الاتجاه في خطر من النهاية، وبالتالي يجب على المتداول الخروج من الصفقة حتى يعيد الاتجاه نفسه مع الاقتناع.

تعريف الاتجاه الصاعد هو أعلى سعر أعلى وأعلى سعر أدنى. في اتجاه هبوطي، السعر يجعل أدنى مستوياته وأدنى مستوياته الدنيا. لذلك، إذا قمت بإدخال صفقة في اتجاه صعودي و يتم اختراق أدنى مستوى سابق، هذا لم يعد صعودا بالتعريف، وبالتالي يجب على المتداول الخروج والانتظار للاتجاه لإعادة - إستابليس h نفسها. وسيتم الإشارة إلى ذلك من خلال تحرك السعر أعلى من ارتفاع سوينغ السابق. (لمزيد من المعلومات، راجع الشموع والمذبذبات للحصول على سوينغ سوينغ الصفقات.)

الدخول في واجهة.

لسوء الحظ، لا تلعب النظرية دائما في العالم الحقيقي. الجانب السلبي لهذا الإدخال هو أنه إذا تحولت الأسعار والبدء في التحرك في الاتجاه المعاكس للاتجاه، وخطرنا أكبر مما سيكون عليه لو استخدمنا بديل، وانخفاض، نقطة الدخول.

الدخول على اتجاه جانبي.

الجانب السلبي هو أننا لا نعرف ما إذا كان الاتجاه سيستمر، حيث أن الأسعار قد تتحرك فقط أعلى قليلا، لكنها تفشل في دفع فوق ارتفاع تأرجح الإيجار. وهناك حاجة طارئة أخرى يجب أن نكون على بينة من أن خطوط الاتجاه ليست دائما مثالية - قد لا تصل الأسعار إلى خط الاتجاه في كل مرة، مما يجعل دخول أكثر موضوعية، أو الأسعار قد ترتد خط الاتجاه فقط لعكس والتحرك من خلال خط الاتجاه. قد يكون لدينا أيضا خطوط اتجاه متعددة، حيث أن الأسواق غالبا ما تقطع خط اتجاه واحد فقط ليتم دعمها بواسطة اتجاه جديد كما هو الحال في الشكل 1، والذي يظهر عدة إدخالات محتملة. (لمزيد من المعلومات، اقرأ أسعار سهم المسار مع خطوط الاتجاه).

وضع معا.

وبطبيعة الحال، وكما ذكر آنفا، لا تزال هناك سلبيات لهذه الطرق. الأسعار يمكن أن تتحول في أي وقت، بغض النظر عن تأكيد تلقينا. وبالتالي، من المهم جدا الحفاظ على وقف الخسارة على جميع الصفقات، وعندما يكون هناك مؤشر على أن الاتجاه لن يستمر، يجب الخروج من التجارة (ق).

QuantStart.

الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.

تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.

نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.

بقلم مايكل هالز مور في 19 أبريل 2018.

في هذه المقالة أريد أن أعرض لكم الطرق التي أنا نفسي تحديد استراتيجيات التداول خوارزمية مربحة. هدفنا اليوم هو أن نفهم بالتفصيل كيفية العثور على وتقييم واختيار هذه النظم. سأشرح كيفية تحديد الاستراتيجيات بقدر ما يتعلق بالأفضلية الشخصية، كما هو الحال بالنسبة لأداء الاستراتيجية، وكيفية تحديد نوع وكمية البيانات التاريخية للاختبار، وكيفية تقييم تقييم التداول بشكل متعمد، وأخيرا كيفية المضي قدما نحو مرحلة باكتستينغ و تنفيذ الاستراتيجية.

تحديد التفضيلات الشخصية الخاصة بك للتداول.

من أجل أن يكون تاجر ناجح - إما تناسبيا أو خوارزمية - من الضروري أن تسأل نفسك بعض الأسئلة الصادقة. التداول يوفر لك القدرة على فقدان المال بمعدل ينذر بالخطر، لذلك فمن الضروري أن "تعرف نفسك" بقدر ما هو ضروري لفهم الاستراتيجية التي اخترتها.

وأود أن أقول أن أهم اعتبار في التداول هو على بينة من شخصيتك الخاصة. التداول، والتجارة الخوارزمية على وجه الخصوص، يتطلب درجة كبيرة من الانضباط والصبر والانفصال العاطفي. منذ كنت تدع خوارزمية تنفيذ التداول الخاص بك بالنسبة لك، فمن الضروري أن يتم حل عدم التدخل في الاستراتيجية عندما يتم تنفيذها. وقد يكون ذلك صعبا للغاية، خاصة في فترات الانسحاب الموسع. ومع ذلك، العديد من الاستراتيجيات التي ثبت أن تكون مربحة للغاية في باكتست يمكن أن تدمر من خلال تدخل بسيط. فهم أنه إذا كنت ترغب في دخول عالم التداول حسابي سوف يتم اختبار عاطفيا وأنه من أجل أن تكون ناجحة، فمن الضروري العمل من خلال هذه الصعوبات!

الاعتبار التالي هو واحد من الوقت. هل لديك وظيفة بدوام كامل؟ هل تعمل بدوام جزئي؟ هل تعمل من المنزل أو لديك تنقلات طويلة كل يوم؟ هذه الأسئلة سوف تساعد في تحديد وتيرة الاستراتيجية التي يجب أن تسعى. بالنسبة لأولئك منكم في العمل بدوام كامل، قد لا تكون استراتيجية العقود الآجلة لحظية مناسبة (على الأقل حتى يتم مؤتمتة بالكامل!). كما أن قيود وقتك تملي منهجية الاستراتيجية. إذا كانت إستراتيجيتك يتم تداولها بشكل متكرر وتعتمد على خلاصات أخبار باهظة الثمن (مثل محطة بلومبرغ) سيكون من الواضح أن تكون واقعية عن قدرتك على تشغيل هذا بنجاح أثناء وجودك في المكتب! بالنسبة لأولئك منكم مع الكثير من الوقت، أو المهارات لأتمتة الاستراتيجية الخاصة بك، قد ترغب في النظر في استراتيجية التداول عالية التردد أكثر تقنية (هفت).

إيماني هو أنه من الضروري إجراء البحوث المستمرة في استراتيجيات التداول الخاصة بك للحفاظ على محفظة مربحة باستمرار. عدد قليل من الاستراتيجيات البقاء "تحت الرادار" إلى الأبد. وبالتالي فإن جزءا كبيرا من الوقت المخصص للتداول سيكون في إجراء البحوث الجارية. اسأل نفسك عما إذا كنت مستعدا للقيام بذلك، لأنه يمكن أن يكون الفرق بين الربحية القوية أو الانخفاض البطيء نحو الخسائر.

تحتاج أيضا إلى النظر في رأس المال الخاص بك التداول. الحد الأدنى المثالي المقبول عموما للاستراتيجية الكمية هو 50،000 دولار أمريكي (حوالي 35،000 جنيه استرليني بالنسبة لنا في المملكة المتحدة). إذا كنت قد بدأت من جديد، سأبدأ بمبلغ أكبر، ربما أقرب 100،000 دولار أمريكي (حوالي 70،000 £). وذلك لأن تكاليف المعاملات يمكن أن تكون مكلفة للغاية بالنسبة لاستراتيجيات متوسطة إلى عالية التردد، وأنه من الضروري أن يكون رأس المال كاف لاستيعابها في أوقات السحب. إذا كنت تفكر في البدء مع أقل من 10،000 دولار أمريكي، سوف تحتاج إلى تقييد نفسك لاستراتيجيات التردد المنخفض، والتداول في واحد أو اثنين من الأصول، وتكاليف المعاملات سوف تأكل بسرعة في عوائد الخاص بك. وسطاء التفاعلية، والتي تعد واحدة من الوسطاء ودية لأولئك الذين لديهم مهارات البرمجة، بسبب أبي، لديها حساب الحد الأدنى التجزئة 10،000 دولار أمريكي.

مهارة البرمجة هي عامل مهم في خلق استراتيجية التداول الآلي الخوارزمية. كونك على دراية بلغة البرمجة مثل C ++، جافا، C #، بيثون أو R سوف تمكنك من إنشاء نهاية إلى نهاية تخزين البيانات، باكتست المحرك ونظام التنفيذ نفسك. هذا له عدد من المزايا، رئيسها هو القدرة على أن تكون على علم تام بجميع جوانب البنية التحتية التجارية. كما يسمح لك لاستكشاف استراتيجيات تردد أعلى كما سوف تكون في السيطرة الكاملة على "كومة التكنولوجيا". في حين أن هذا يعني أنه يمكنك اختبار البرمجيات الخاصة بك والقضاء على البق، وهذا يعني أيضا المزيد من الوقت الذي يقضيه ترميز البنية التحتية وأقل على تنفيذ الاستراتيجيات، على الأقل في الجزء السابق من حياتك التجارية ألغو. قد تجد أن لديك تجارة مريحة في إكسيل أو ماتلاب ويمكن الاستعانة بمصادر خارجية لتطوير المكونات الأخرى. إلا أنني لا أنصح هذا، وخاصة بالنسبة لأولئك المتداولين في وتيرة عالية.

تحتاج إلى أن تسأل نفسك ما كنت آمل تحقيقه من خلال التداول حسابي. هل ترغب في الحصول على دخل منتظم، حيث كنت تأمل في الحصول على الأرباح من حساب التداول الخاص بك؟ أو هل أنت مهتم بتحقيق مكاسب رأسمالية طويلة الأجل ويمكنها أن تتداول دون الحاجة إلى سحب الأموال؟ سوف الاعتماد على الإملاء تملي وتيرة الاستراتيجية الخاصة بك. وسيتطلب سحب أكثر انتظاما للدخل استراتیجیة تداول ذات تردد أکبر مع تقلب أقل (أي نسبة شارب أعلی). يمكن للتجار على المدى الطويل تحمل تردد تداول أكثر رصانة.

وأخيرا، لا تتلاشى من فكرة أن تصبح غنية للغاية في مساحة قصيرة من الزمن! ألغو التداول ليس مخطط سريع الغني - إذا كان أي شيء يمكن أن يكون مخططا فقيرة وسريعة. فإنه يأخذ الانضباط كبير، والبحوث، الاجتهاد والصبر لتكون ناجحة في التداول حسابي. قد يستغرق الأمر شهورا، إن لم يكن سنوات، لتوليد أرباح متسقة.

مصادر الأفكار التداول خوارزمية.

وعلى الرغم من التصورات المشتركة على العكس من ذلك، فمن الواضح تماما في الواقع تحديد استراتيجيات تجارية مربحة في الملك العام. لم تكن أبدا الأفكار التجارية متاحة بسهولة أكثر مما هي عليه اليوم. توفر مجلات التمويل الأكاديمي وخوادم ما قبل الطباعة ومدونات التداول ومنتديات التداول ومجلات التداول الأسبوعية والنصوص المتخصصة آلاف استراتيجيات التداول التي تستند إليها أفكارك.

هدفنا كباحثين التداول الكمي هو إنشاء خط أنابيب استراتيجية من شأنها أن توفر لنا مجموعة من الأفكار التجارية الجارية. من الناحية المثالية نحن نريد أن نخلق نهجا منهجيا في تحديد وتقييم وتنفيذ الاستراتيجيات التي نأتي عبر. وأهداف خط الأنابيب هي توليد كمية متسقة من الأفكار الجديدة وتزويدنا بإطار لرفض غالبية هذه الأفكار مع الحد الأدنى من النظر العاطفي.

يجب أن نكون حذرين للغاية لعدم السماح للتحيزات المعرفية تؤثر على منهجية صنع القرار لدينا. ويمكن أن يكون ذلك بسيطا مثل تفضيل فئة أصول واحدة على فئة أخرى (الذهب والمعادن الثمينة الأخرى تتبادر إلى الذهن) لأنها تعتبر أكثر غرابة. يجب أن يكون هدفنا دائما إيجاد استراتيجيات مربحة باستمرار، مع توقع إيجابي. يجب أن يستند اختيار فئة األصول إلى اعتبارات أخرى، مثل القيود على رأس المال التجاري، ورسوم الوساطة، وقدرات الرافعة المالية.

إذا كنت غير مألوفة تماما مع مفهوم استراتيجية التداول ثم أول مكان للنظر هو مع الكتب المدرسية المعمول بها. النصوص الكلاسيكية توفر مجموعة واسعة من أبسط، وأكثر وضوحا الأفكار، والتي للتعرف على نفسك مع التداول الكمي. هنا هو التحديد الذي أوصي لأولئك الذين هم جديدة إلى التداول الكمي، والتي تصبح تدريجيا أكثر تطورا وأنت تعمل من خلال القائمة:

للحصول على قائمة أطول من الكتب التجارية الكمية، يرجى زيارة قائمة القراءة كوانتستارت.

والمكان التالي للعثور على استراتيجيات أكثر تطورا هو منتديات التداول والمدونات التجارية. ومع ذلك، ملاحظة الحذر: العديد من بلوق التداول تعتمد على مفهوم التحليل الفني. يتضمن التحليل الفني استخدام المؤشرات الأساسية وعلم النفس السلوكي لتحديد الاتجاهات أو أنماط الانعكاس في أسعار الأصول.

على الرغم من كونها تحظى بشعبية كبيرة في مساحة التداول العامة، يعتبر التحليل الفني غير فعال إلى حد ما في مجتمع التمويل الكمي. وقد اقترح البعض أنه ليس أفضل من قراءة برجك أو دراسة أوراق الشاي من حيث القوة التنبؤية لها! في الواقع هناك أفراد ناجحين يستفيدون من التحليل الفني. ومع ذلك، كما يتأخر مع مجموعة أدوات رياضية وإحصائية أكثر تطورا تحت تصرفنا، يمكننا بسهولة تقييم فعالية هذه الاستراتيجيات "تا" القائمة على أساس واتخاذ القرارات القائمة على البيانات بدلا من قاعدة لنا على الاعتبارات العاطفية أو الأفكار المسبقة.

وهنا لائحة من بلوق التداول المحترمة جيدا والمنتديات:

مرة واحدة كان لديك بعض الخبرة في تقييم استراتيجيات أبسط، فقد حان الوقت للنظر في العروض الأكاديمية أكثر تطورا. وسيكون من الصعب الوصول إلى بعض المجلات الأكاديمية، دون اشتراكات عالية أو تكاليف لمرة واحدة. إذا كنت عضوا أو خريجا في الجامعة، يجب أن تكون قادرا على الوصول إلى بعض هذه المجلات المالية. خلاف ذلك، يمكنك أن تبحث في خوادم ما قبل الطباعة، والتي هي مستودعات الإنترنت من مسودات في وقت متأخر من الأوراق الأكاديمية التي تخضع لمراجعة الأقران. وبما أننا مهتمون فقط في الاستراتيجيات التي يمكننا أن نكرر بنجاح، باكتست والحصول على الربحية، استعراض الأقران هو أقل أهمية بالنسبة لنا.

إن الجانب السلبي الكبير للاستراتيجيات الأكاديمية هو أنها غالبا ما تكون قديمة، وتتطلب بيانات تاريخية غامضة ومكلفة، وتداول في فئات الأصول غير السائلة، أو لا تأخذ في الاعتبار الرسوم أو الانزلاق أو الانتشار. كما يمكن أن يكون من غير الواضح ما إذا كان سيتم تنفيذ استراتيجية التداول مع أوامر السوق، أوامر الحد أو ما إذا كان يحتوي على وقف الخسائر وما إلى ذلك وبالتالي فمن الضروري للغاية لتكرار استراتيجية نفسك على أفضل وجه ممكن، باكتست ذلك وإضافة في معاملة واقعية التكاليف التي تتضمن العديد من جوانب فئات الأصول التي ترغب في التداول فيها.

في ما يلي قائمة بخوادم ما قبل الطباعة والمجلات المالية الأكثر شعبية والتي يمكنك من خلالها الحصول على أفكار من:

ماذا عن تشكيل الاستراتيجيات الكمية الخاصة بك؟ ويتطلب ذلك عموما (على سبيل المثال لا الحصر) الخبرة في واحدة أو أكثر من الفئات التالية:

سوق المجهرية - لاستراتيجيات تردد أعلى على وجه الخصوص، يمكن للمرء أن الاستفادة من المجهرية السوق، أي فهم ديناميات كتاب النظام من أجل توليد الربحية. وستكون للأسواق المختلفة قيود تكنولوجية مختلفة، ولوائح، ومشاركين في السوق، ومعوقات كلها مفتوحة للاستغلال عن طريق استراتيجيات محددة. وهذه منطقة متطورة جدا وسيجد ممارسو البيع بالتجزئة صعوبة في المنافسة في هذا المجال، خاصة وأن المنافسة تشمل صناديق تحوط كمية كبيرة ذات رأس مال جيد ذات قدرات تكنولوجية قوية. هيكل الصندوق - إن صناديق الاستثمار المجمعة، مثل صناديق المعاشات التقاعدية وشراكات الاستثمار الخاص (صناديق التحوط) ومستشاري تجارة السلع وصناديق الاستثمار المشتركة مقيدة بسبب التنظيمات الثقيلة واحتياطيات رأس المال الكبيرة. وهكذا يمكن استغلال بعض السلوكيات المتسقة مع أولئك الذين هم أكثر ذكاء. فعلى سبيل المثال، تخضع الأموال الكبيرة للقيود المفروضة على القدرات بسبب حجمها. وبالتالي إذا كانوا بحاجة إلى تفريغ سريع (بيع) كمية من الأوراق المالية، سيكون لديهم لتدوير ذلك من أجل تجنب "تحريك السوق". خوارزميات متطورة يمكن الاستفادة من هذا، وغيرها من الخصوصيات، في عملية عامة تعرف باسم هيكل صندوق التحكيم. تعلم الآلة / الذكاء الاصطناعي - أصبحت خوارزميات التعلم الآلي أكثر انتشارا في السنوات الأخيرة في الأسواق المالية. وقد استخدمت كل من المصنفات (مثل نايف بايز وآخرون) ومطابقة الوظائف غير الخطية (الشبكات العصبية) وإجراءات التحسين (الخوارزميات الجينية) للتنبؤ بمسارات الأصول أو تحسين استراتيجيات التداول. إذا كان لديك خلفية في هذا المجال قد يكون لديك بعض نظرة ثاقبة كيف يمكن تطبيق خوارزميات معينة في أسواق معينة.

وهناك بالطبع مجالات كثيرة أخرى للتحقيق فيها. سنناقش كيفية التوصل إلى استراتيجيات مخصصة بالتفصيل في مقال لاحق.

من خلال الاستمرار في مراقبة هذه المصادر على أساس أسبوعي، أو حتى يومي، كنت تضع نفسك للحصول على قائمة متسقة من الاستراتيجيات من مجموعة متنوعة من المصادر. والخطوة التالية هي تحديد كيفية رفض مجموعة فرعية كبيرة من هذه الاستراتيجيات من أجل التقليل إلى أدنى حد من إهدار وقتك واسترجاع الموارد على الاستراتيجيات التي من المرجح أن تكون غير مربحة.

تقييم استراتيجيات التداول.

أول ما يمكن اعتباره أكثر وضوحا هو ما إذا كنت تفهم الاستراتيجية فعلا. هل ستكون قادرا على شرح الاستراتيجية بشكل موجز أم أنها تتطلب سلسلة من المحاذير وقوائم المعلمات التي لا نهاية لها؟ وبالإضافة إلى ذلك، هل لدى الاستراتيجية أساس جيد ومتين في الواقع؟ على سبيل المثال، هل يمكن أن تشير إلى بعض الأسباب المنطقية السلوكية أو قيود هيكل التمويل التي قد تسبب النمط (النماذج) التي تحاول استغلالها؟ ھل سیستمر ھذا القیود حتی تغییر النظام، مثل تعطل بیئي تنظیمي دراماتیکي؟ هل تعتمد الاستراتيجية على قواعد إحصائية أو رياضية معقدة؟ هل تنطبق على أي سلسلة زمنية مالية أو هل هي محددة لفئة الأصول التي يدعى أنها مربحة عليها؟ يجب أن تكون دائما التفكير في هذه العوامل عند تقييم أساليب التداول الجديدة، وإلا قد تضيع قدرا كبيرا من الوقت في محاولة ل باكتست وتحسين الاستراتيجيات غير المربحة.

مرة واحدة كنت قد قررت أن تفهم المبادئ الأساسية للاستراتيجية تحتاج إلى أن تقرر ما إذا كان يتناسب مع الشخصية الشخصية المذكورة أعلاه. هذا ليس كما غامضة النظر كما يبدو! وستختلف الاستراتيجيات اختلافا كبيرا في خصائص أدائها. هناك بعض أنواع الشخصية التي يمكن التعامل مع فترات أكثر أهمية من الانسحاب، أو على استعداد لقبول مخاطر أكبر لعودة أكبر. على الرغم من حقيقة أننا، كوانتس، في محاولة والقضاء على أكبر قدر من التحيز المعرفي قدر الإمكان، وينبغي أن تكون قادرة على تقييم استراتيجية بالتناوب، والتحيزات سوف تزحف دائما في. وبالتالي نحن بحاجة إلى وسائل عاطفية متسقة من خلالها لتقييم أداء الاستراتيجيات . وفيما يلي قائمة بالمعايير التي أحكم فيها على استراتيجية جديدة محتملة من خلال:

المنهجية - هل يستند الزخم الاستراتيجى إلى الاستراتيجى، أو الاتجاه المتوسط، أو الاتجاه المحايد للسوق؟ ھل تعتمد الاستراتیجیة علی تقنیات إحصائیة متطورة (أو معقدة) أو تعلم آلي یصعب فھمھا وتحتاج إلی درجة الدکتوراه في الإحصاء لفھمھا؟ هل تقدم هذه التقنيات كمية كبيرة من المعلمات، مما قد يؤدي إلى التحيز الأمثل؟ هل من المرجح أن تتحمل الاستراتيجية تغيير النظام (أي تنظيم جديد محتمل للأسواق المالية)؟ نسبة شارب - نسبة شارب يصف نظريا نسبة المكافأة / المخاطر للاستراتيجية. وهو يحدد كم من العائدات التي يمكن تحقيقها لمستوى التقلبات التي يتحملها منحنى الأسهم. وبطبيعة الحال، نحتاج إلى تحديد الفترة والتردد الذي تقاس فيه هذه العوائد والتقلب (أي الانحراف المعياري). وتتطلب استراتيجية التردد الأعلى معدل أخذ عينات أكبر من الانحراف المعياري، ولكن فترة زمنية عامة أقصر للقياس، على سبيل المثال. الرافعة المالية - هل تتطلب الاستراتيجية نفوذا كبيرا لكي تكون مربحة؟ هل تتطلب الاستراتيجية استخدام عقود المشتقات المالية (العقود الآجلة والخيارات والمقايضات) من أجل تحقيق العائد؟ يمكن أن يكون لهذه العقود المديونية خصائص التقلب الثقيلة، وبالتالي يمكن أن يؤدي بسهولة إلى المكالمات الهامش. هل لديك رأس المال التجاري ومزاجه لمثل هذا التقلب؟ التردد - يرتبط تواتر الاستراتيجية ارتباطا وثيقا بمكدس التكنولوجيا (وبالتالي الخبرة التقنية) ونسبة شارب والمستوى العام لتكاليف المعاملات. جميع القضايا الأخرى التي تعتبرها، تتطلب استراتيجيات التردد العالي المزيد من رأس المال، وأكثر تطورا وأصعب لتنفيذ. ومع ذلك، على افتراض محرك باكتستينغ الخاص بك هو متطور وخالية من الأخطاء، فإنها غالبا ما يكون لها نسب شارب أعلى بكثير. التقلب - يرتبط التقلب بقوة ب "مخاطر" الاستراتيجية. نسبة شارب تميز هذا. وغالبا ما يؤدي التقلب األعلى لفئات األصول األساسية، إن لم يتم التحوط، إلى تقلبات أعلى في منحنى األسهم وبالتالي نسب أصغر من شارب. وأنا أفترض بالطبع أن التقلبات الإيجابية تساوي تقريبا التقلبات السلبية. قد يكون لبعض الاستراتيجيات تقلبات هبوطية أكبر. يجب أن تكون على علم بهذه السمات. وين / لوس، متوسط ​​الربح / الخسارة - ستختلف الاستراتيجيات في الربح / الخسارة ومتوسط ​​خصائص الربح / الخسارة. يمكن للمرء أن يكون استراتيجية مربحة جدا، حتى لو كان عدد الصفقات الخاسرة يتجاوز عدد الصفقات الفائزة. استراتيجيات الزخم تميل إلى أن يكون هذا النمط لأنها تعتمد على عدد قليل من "الضربات الكبيرة" من أجل أن تكون مربحة. وتميل استراتيجيات الانحدار الوسطي إلى أن تكون لها مظاهر معارضة حيث يكون المزيد من الصفقات "فائزين"، ولكن الصفقات الخاسرة يمكن أن تكون شديدة جدا. الحد الأقصى للسحب - الحد الأقصى للسحب هو أكبر انخفاض في النسبة المئوية من الذروة إلى الحوض الصغير على منحنى الأسهم للاستراتيجية. ومن المعروف جيدا أن استراتيجيات الزخم تعاني من فترات السحب الموسعة (بسبب سلسلة من العديد من الصفقات الخاسرة المتزايد). سوف يتخلى العديد من التجار في فترات السحب التدريجي، حتى لو كان الاختبار التاريخي قد اقترح هذا هو "العمل كالمعتاد" للاستراتيجية. سوف تحتاج إلى تحديد ما هي نسبة السحب (وأكثر من الفترة الزمنية) التي يمكن أن تقبل قبل التوقف عن التداول الاستراتيجية الخاصة بك. هذا قرار شخصي للغاية وبالتالي يجب النظر فيه بعناية. القدرة / السيولة - على مستوى التجزئة، إلا إذا كنت تتداول في أداة غير سائلة للغاية (مثل الأسهم الصغيرة)، لن تضطر إلى قلق نفسك بشكل كبير مع القدرة الاستراتيجية. وتحدد القدرات قابلية الاستراتيجية لزيادة رأس المال. ويعاني العديد من صناديق التحوط األكبر حجما من مشاكل كبيرة تتعلق بالقدرات مع زيادة استراتيجياتها في تخصيص رأس المال. معلمات - بعض الاستراتيجيات (وخاصة تلك الموجودة في مجتمع التعلم الآلي) تتطلب كمية كبيرة من المعلمات. كل معلمة إضافية تتطلب استراتيجية يجعلها أكثر عرضة للتحيز التحسين (المعروف أيضا باسم "منحنى المناسب"). يجب أن تحاول واستهداف الاستراتيجيات مع عدد قليل من المعلمات ممكن أو تأكد من أن لديك كميات كافية من البيانات التي لاختبار الاستراتيجيات الخاصة بك على. المعيار - تقاس جميع الاستراتيجيات تقريبا (ما لم توصف بأنها "عودة مطلقة") مقابل بعض مؤشرات الأداء. وعادة ما يكون المؤشر هو مؤشر يميز عينة كبيرة من فئة الأصول الأساسية التي تتداول بها الاستراتيجية. إذا كانت الاستراتيجية تتداول الأسهم الأمريكية الكبيرة، فإن مؤشر S & P500 سيكون معيارا طبيعيا لقياس استراتيجيتك ضد. سوف تسمع مصطلحي "ألفا" و "بيتا"، تطبق على استراتيجيات من هذا النوع. وسوف نناقش هذه المعاملات بعمق في المواد اللاحقة.

لاحظ أننا لم نناقش العائد الفعلي للاستراتيجية. لماذا هذا؟ وفي عزلة، توفر لنا العوائد في الواقع معلومات محدودة عن فعالية الاستراتيجية. أنها لا تعطيك نظرة ثاقبة النفوذ، والتقلب، والمعايير أو متطلبات رأس المال. وبالتالي نادرا ما يتم الحكم على الاستراتيجيات على عوائدها وحدها. ضع في اعتبارك دائما سمات المخاطر الخاصة بالاستراتيجية قبل النظر إلى العوائد.

في هذه المرحلة سيتم رفض العديد من الاستراتيجيات التي تم العثور عليها من خط أنابيب الخاص بك من جهة، لأنها لن تلبي متطلبات رأس المال الخاص بك، والقيود على الرافعة المالية، والحد الأقصى للتسامح السحب أو تفضيلات التذبذب. ويمكن الآن النظر في الاستراتيجيات التي لا تزال قائمة للمراجعة الخلفية. ومع ذلك، قبل هذا ممكن، من الضروري النظر في واحدة معايير الرفض النهائي - أن من البيانات التاريخية المتاحة التي لاختبار هذه الاستراتيجيات.

الحصول على البيانات التاريخية.

في الوقت الحاضر، اتساع المتطلبات الفنية عبر فئات الأصول لتخزين البيانات التاريخية كبير. وبغية الحفاظ على قدرتها على المنافسة، يستثمر كل من جانب الشراء (الصناديق) وجانب البيع (المصارف الاستثمارية) بكثافة في بنيتها التحتية التقنية. ومن الضروري النظر في أهميته. على وجه الخصوص، نحن مهتمون في الوقت المناسب والدقة ومتطلبات التخزين. سأحدد الآن أساسيات الحصول على البيانات التاريخية وكيفية تخزينها. لسوء الحظ هذا هو موضوع عميق جدا والتقنية، لذلك لن أكون قادرا على أن أقول كل شيء في هذه المقالة. ومع ذلك، سوف أكتب الكثير عن هذا في المستقبل كما كانت تجربتي السابقة الصناعة في الصناعة المالية المعنية أساسا مع الحصول على البيانات المالية والتخزين والوصول.

في القسم السابق قمنا بإعداد خطة استراتيجية سمحت لنا برفض استراتيجيات معينة بناء على معايير الرفض الشخصية الخاصة بنا. في هذا القسم سوف نقوم بتصفية المزيد من الاستراتيجيات استنادا إلى تفضيلاتنا الخاصة للحصول على البيانات التاريخية. الاعتبارات الرئيسية (وخاصة على مستوى ممارسي التجزئة) هي تكاليف البيانات، ومتطلبات التخزين ومستوى الخبرة الفنية الخاصة بك. ونحتاج أيضا إلى مناقشة الأنواع المختلفة من البيانات المتاحة والاعتبارات المختلفة التي يفرضها كل نوع من أنواع البيانات علينا.

لنبدأ من خلال مناقشة أنواع البيانات المتاحة والقضايا الرئيسية التي سنحتاج إلى التفكير فيها:

البيانات الأساسية - ويشمل ذلك بيانات عن اتجاهات الاقتصاد الكلي، مثل أسعار الفائدة وأرقام التضخم وإجراءات الشركات (توزيعات الأرباح وتقسيم الأسهم) وإيداعات شركة الأوراق المالية السعودية وحسابات الشركات وأرقام الأرباح وتقارير المحاصيل وبيانات الأرصاد الجوية وما إلى ذلك. وغالبا ما تستخدم هذه البيانات في أو أي أصول أخرى على أساس جوهري، أي عن طريق بعض وسائل التدفقات النقدية المستقبلية المتوقعة. وهي لا تشمل سلسلة أسعار الأسهم. بعض البيانات الأساسية متاحة بحرية من المواقع الحكومية. ويمكن أن تكون البيانات الأساسية التاريخية الأخرى طويلة الأجل مكلفة للغاية. وغالبا ما تكون متطلبات التخزين غير كبيرة بشكل خاص، ما لم يتم دراسة آلاف الشركات في آن واحد. بيانات الأخبار - بيانات الأخبار غالبا ما تكون نوعية في الطبيعة. وهو يتألف من مقالات، بلوق وظائف، وظائف المدونات الصغيرة ("تويت") والتحرير. وغالبا ما تستخدم تقنيات التعلم الآلي مثل المصنفات لتفسير المشاعر. هذه البيانات هي أيضا في كثير من الأحيان متاحة بحرية أو رخيصة، عن طريق الاشتراك في وسائل الإعلام. تم تصميم أحدث قواعد بيانات "نوسقل" لتخزين المستندات لتخزين هذا النوع من البيانات النوعية وغير المهيكلة. بيانات أسعار الأصول - هذا هو نطاق البيانات التقليدية للكمية. وهو يتألف من سلسلة زمنية من أسعار الأصول. أما األسهم) األسهم (، والمنتجات ذات الدخل الثابت) السندات (، والسلع وأسعار صرف العمالت األجنبية فتدخل جميعها ضمن هذه الفئة. وغالبا ما تكون البيانات التاريخية اليومية واضحة للحصول على فئات الأصول البسيطة، مثل الأسهم. ومع ذلك، بمجرد إدراج الدقة والنظافة والتحيزات الإحصائية إزالة، يمكن أن تصبح البيانات مكلفة. بالإضافة إلى ذلك، غالبا ما تمتلك بيانات السلاسل الزمنية متطلبات تخزين كبيرة خاصة عند النظر في البيانات اللحظية. الأدوات المالية - الأسهم والسندات والعقود الآجلة والخيارات المشتقة أكثر غرابة لها خصائص ومعلمات مختلفة جدا. وبالتالي لا يوجد هيكل قاعدة بيانات "مقاس واحد يناسب الجميع" يمكنه استيعابها. ويجب إيلاء اهتمام كبير لتصميم وتنفيذ هياكل قواعد البيانات لمختلف الأدوات المالية. وسوف نناقش الوضع باستفاضة عندما نأتي لبناء قاعدة بيانات رئيسية للأوراق المالية في المواد المقبلة. التردد - كلما زاد تكرار البيانات، زادت التكاليف ومتطلبات التخزين. وبالنسبة للاستراتيجيات ذات التردد المنخفض، غالبا ما تكون البيانات اليومية كافية. وبالنسبة للاستراتيجيات ذات الترددات العالية، قد يكون من الضروري الحصول على بيانات على مستوى القراد، وحتى نسخ تاريخية لبعض بيانات دفتر تبادل التبادل التجاري. ويعد تنفيذ محرك تخزين لهذا النوع من البيانات مكثفا من الناحية التكنولوجية ومناسبا لأولئك الذين لديهم خلفية برمجة / تقنية قوية. المعايير المرجعية - غالبا ما تقارن الاستراتيجيات الموصوفة أعلاه بمقياس معياري. ويتجلى ذلك عادة كسلسلة زمنية مالية إضافية. وبالنسبة للأسهم، غالبا ما يكون هذا المؤشر مرجعا وطنيا، مثل مؤشر S & P500 (الولايات المتحدة) أو مؤشر FTSE100 (المملكة المتحدة). وبالنسبة لصندوق الدخل الثابت، من المفيد مقارنتها بسلة من السندات أو المنتجات ذات الدخل الثابت. و "المعدل الخالي من المخاطر" (أي سعر الفائدة المناسب) هو أيضا معيار آخر مقبول على نطاق واسع. جميع فئات فئات الأصول تمتلك معيارا مفضل، لذلك سيكون من الضروري البحث بناء على إستراتيجيتك الخاصة، إذا كنت ترغب في الحصول على اهتمام باستراتيجيتك خارجيا. التكنولوجيا - تتكدس التكنولوجيا وراء مركز تخزين البيانات المالية معقدة. هذه المادة يمكن فقط خدش السطح حول ما ينطوي عليه بناء واحد. ومع ذلك، فإنه مركز حول محرك قاعدة بيانات، مثل نظام إدارة قواعد البيانات العلائقية (ردبس)، مثل الخلية، سكل سيرفر، أوراكل أو محرك تخزين الوثائق (أي "نوسقل"). يتم الوصول إلى هذا عبر "تطبيق منطقي" رمز التطبيق الذي يستعلم قاعدة البيانات ويوفر الوصول إلى أدوات خارجية، مثل ماتلاب، R أو إكسيل. في كثير من الأحيان يتم كتابة هذا المنطق التجاري في C ++، C #، جافا أو بايثون. سوف تحتاج أيضا إلى استضافة هذه البيانات في مكان ما، إما على جهاز الكمبيوتر الشخصي الخاص بك، أو عن بعد عن طريق خوادم الإنترنت. وقد جعلت منتجات مثل أمازون ويب سيرفيسز هذا أبسط وأرخص في السنوات الأخيرة، لكنها سوف لا تزال تتطلب خبرة فنية كبيرة لتحقيق بطريقة قوية.

وكما يمكن ملاحظته، بمجرد تحديد استراتيجية من خلال خط الأنابيب سيكون من الضروري تقييم مدى توافر وتكلفة وتعقيد وتفاصيل تنفيذ مجموعة معينة من البيانات التاريخية. قد تجد أنه من الضروري رفض استراتيجية تستند فقط إلى اعتبارات البيانات التاريخية. هذا هو مجال كبير وفرق من الدكتوراه تعمل في صناديق كبيرة التأكد من التسعير دقيقة وفي الوقت المناسب. لا نقلل من الصعوبات في إنشاء مركز بيانات قوي لأغراض باكتستينغ الخاص بك!

ومع ذلك، أود أن أقول إن العديد من المنصات الخلفية يمكن أن توفر هذه البيانات لك تلقائيا - بتكلفة. وبالتالي سوف يستغرق الكثير من الألم التنفيذ بعيدا عنك، ويمكنك التركيز بحتة على تنفيذ الاستراتيجية والتحسين. أدوات مثل ترادستاتيون تمتلك هذه القدرة. ومع ذلك، رأيي الشخصي هو تنفيذ أكبر قدر ممكن داخليا وتجنب الاستعانة بمصادر خارجية أجزاء من المكدس لبائعي البرامج. أنا أفضل استراتيجيات التردد العالي بسبب نسب شارب أكثر جاذبية، ولكن غالبا ما تكون مقترنة بإحكام إلى كومة التكنولوجيا، حيث الأمثل المتقدمة أمر بالغ الأهمية.

الآن بعد أن ناقشنا القضايا المحيطة البيانات التاريخية حان الوقت للبدء في تنفيذ استراتيجياتنا في محرك باكتستينغ. وهذا سيكون موضوع مقالات أخرى، كما هو مجال واسع على حد سواء من النقاش!

مجرد بدء مع التداول الكمي؟

3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:

1. دروس التداول الكمي.

سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!

2. جميع أحدث المحتوى.

كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.

ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.

برامج التداول.

تعريف "برمجيات التداول"

برامج الكمبيوتر التي تسهل تداول المنتجات المالية مثل الأسهم والعملات. وعادة ما يتم توفير البرمجيات من قبل شركات الوساطة التي تمكن عملائها لتجارة المنتجات المالية وإدارة حساباتهم. Different brokerages will have different software which determines the interface in which trades are made and information is searched. Other software can be purchased from third parties to enhance or add to what a brokerage provides.

BREAKING DOWN 'Trading Software'

Trading software have proliferated in recent years due to the growing popularity of electronic communication networks or ECNs, which are alternative trading networks that enable trading outside of the traditional stock exchanges or Bourses. ECNs have driven down transaction costs sharply, enabling many discount and full-service brokerages to offer trading software to their clients at little or no cost.

The software should be easy to navigate and, stable, and at the very least extremely secure. It is often a characteristic overlooked when selecting a brokerage, over other traits such as cost or popularity.

Forex Algorithmic Trading: A Practical Tale for Engineers.

As you may know, the Foreign Exchange (Forex, or FX) market is used for trading between currency pairs. But you might not be aware that it’s the most liquid market in the world.

A few years ago, driven by my curiosity, I took my first steps into the world of Forex algorithmic trading by creating a demo account and playing out simulations (with fake money) on the Meta Trader 4 trading platform.

After a week of ‘trading’, I’d almost doubled my money. Spurred on by my own successful algorithmic trading, I dug deeper and eventually signed up for a number of FX forums. Soon, I was spending hours reading about algorithmic trading systems (rule sets that determine whether you should buy or sell), custom indicators, market moods, and more.

My First Client.

Around this time, coincidentally, I heard that someone was trying to find a software developer to automate a simple trading system. This was back in my college days when I was learning about concurrent programming in Java (threads, semaphores, and all that junk). I thought that this automated system this couldn’t be much more complicated than my advanced data science course work, so I inquired about the job and came on-board.

The client wanted algorithmic trading software built with MQL4, a functional programming language used by the Meta Trader 4 platform for performing stock-related actions.

The role of the trading platform (Meta Trader 4, in this case) is to provide a connection to a Forex broker. The broker then provides a platform with real-time information about the market and executes your buy/sell orders. For readers unfamiliar with Forex trading, here’s the information that is provided by the data feed:

Through Meta Trader 4, you can access all this data with internal functions, accessible in various timeframes: every minute (M1), every five minutes (M5), M15, M30, every hour (H1), H4, D1, W1, MN.

The movement of the Current Price is called a tick . In other words, a tick is a change in the Bid or Ask price for a currency pair. During active markets, there may be numerous ticks per second. During slow markets, there can be minutes without a tick. The tick is the heartbeat of a currency market robot.

When you place an order through such a platform, you buy or sell a certain volume of a certain currency. You also set stop-loss and take-profit limits. The stop-loss limit is the maximum amount of pips (price variations) that you can afford to lose before giving up on a trade. The take-profit limit is the amount of pips that you’ll accumulate in your favor before cashing out.

The client’s algorithmic trading specifications were simple: they wanted a Forex robot based on two indicators. For background, indicators are very helpful when trying to define a market state and make trading decisions, as they’re based on past data (e. g., highest price value in the last n days). Many come built-in to Meta Trader 4. However, the indicators that my client was interested in came from a custom trading system.

They wanted to trade every time two of these custom indicators intersected, and only at a certain angle.

As I got my hands dirty, I learned that MQL4 programs have the following structure:

The start function is the heart of every MQL4 program since it is executed every time the market moves (ergo, this function will execute once per tick). This is the case regardless of the timeframe you’re using. For example, you could be operating on the H1 (one hour) timeframe, yet the start function would execute many thousands of times per timeframe.

To work around this, I forced the function to execute once per period unit:

Getting the values of the indicators:

The decision logic, including intersection of the indicators and their angles:

Sending the orders:

If you’re interested, you can find the complete, runnable code on GitHub.

Backtesting.

Once I built my algorithmic trading system, I wanted to know: 1) if it was behaving appropriately, and 2) if the Forex trading strategy it used was any good.

Backtesting (sometimes written “back-testing”) is the process of testing a particular (automated or not) system under the events of the past. In other words, you test your system using the past as a proxy for the present.

MT4 comes with an acceptable tool for backtesting a Forex trading strategy (nowadays, there are more professional tools that offer greater functionality). To start, you setup your timeframes and run your program under a simulation; the tool will simulate each tick knowing that for each unit it should open at certain price, close at a certain price and, reach specified highs and lows.

After comparing the actions of the program against historic prices, you’ll have a good sense for whether or not it’s executing correctly.

From backtesting, I’d checked out the FX robot’s return ratio for some random time intervals; needless to say, I knew that my client wasn’t going to get rich with it — the indicators that he’d chosen, along with the decision logic, were not profitable . As a sample, here are the results of running the program over the M15 window for 164 operations:

Note that our balance (the blue line) finishes below its starting point.

Parameter Optimization, and its Lies.

Although backtesting had made me wary of this FX robot’s usefulness, I was intrigued when I started playing around with its external parameters and noticed big differences in the overall Return Ratio. This particular science is known as Parameter Optimization .

I did some rough testing to try and infer the significance of the external parameters on the Return Ratio and came up with something like this:

You may think (as I did) that you should use the Parameter A. But the decision isn’t as straightforward as it may appear. Specifically, note the unpredictability of Parameter A: for small error values, its return changes dramatically. In other words, Parameter A is very likely to over-predict future results since any uncertainty, any shift at all will result in worse performance.

But indeed, the future is uncertain! And so the return of Parameter A is also uncertain. The best choice, in fact, is to rely on unpredictability. Often, a parameter with a lower maximum return but superior predictability (less fluctuation) will be preferable to a parameter with high return but poor predictability.

The only thing you can be sure is that you don’t know the future of the market, and thinking you know how the market is going to perform based on past data is a mistake. In turn, you must acknowledge this unpredictability in your Forex predictions.

This does not necessarily mean we should use Parameter B, because even the lower returns of Parameter A performs better than Parameter B; this is just to show you that Optimizing Parameters can result in tests that overstate likely future results, and such thinking is not obvious.

Overall Forex Algorithmic Trading Considerations.

Since that first algorithmic Forex trading experience, I’ve built several automated trading systems for clients, and I can tell you that there’s always room to explore and further Forex analysis to be done. For example, I recently built a system based on finding so-called “Big Fish” movements; that is, huge pips variations in tiny, tiny units of time. This is a subject that fascinates me.

Building your own FX simulation system is an excellent option to learn more about Forex market trading, and the possibilities are endless. For example, you could try to decipher the probability distribution of the price variations as a function of volatility in one market (EUR/USD for example), and maybe make a Monte Carlo simulation model using the distribution per volatility state, using whatever degree of accuracy you want. I’ll leave this as an exercise for the eager reader.

The Forex world can be overwhelming at times, but I hope that this write-up has given you some points on how to start on your own Forex trading strategy.

Further Reading.

Nowadays, there is a vast pool of tools to build, test, and improve Trading System Automations: Trading Blox for testing, NinjaTrader for trading, OCaml for programming, to name a few.

I’ve read extensively about the mysterious world that is the currency market. Here are a few write-ups that I recommend for programmers and enthusiastic readers:

Understanding the Basics.

What is Forex trading all about?

Forex (or FX) trading is buying and selling via currency pairs (e. g. USD vs EUR) on the foreign exchange market.

How does Forex make money?

Forex brokers make money through commissions and fees. Forex traders make (or lose) money based on their timing: If they're able to sell high enough compared to when they bought, they can turn a profit.

What is backtesting a trading strategy?

Backtesting is the process of testing a particular strategy or system using the events of the past.

What is algorithmic trading?

Algorithmic trading is when a robot/program uses a set of rules that tell it when to buy or sell.

Basics of Algorithmic Trading: Concepts and Examples.

An algorithm is a specific set of clearly defined instructions aimed to carry out a task or process.

Algorithmic trading (automated trading, black-box trading, or simply algo-trading) is the process of using computers programmed to follow a defined set of instructions for placing a trade in order to generate profits at a speed and frequency that is impossible for a human trader. The defined sets of rules are based on timing, price, quantity or any mathematical model. Apart from profit opportunities for the trader, algo-trading makes markets more liquid and makes trading more systematic by ruling out emotional human impacts on trading activities. (For more, check out Picking the Right Algorithmic Trading Software .)

Suppose a trader follows these simple trade criteria:

Buy 50 shares of a stock when its 50-day moving average goes above the 200-day moving average Sell shares of the stock when its 50-day moving average goes below the 200-day moving average.

Using this set of two simple instructions, it is easy to write a computer program which will automatically monitor the stock price (and the moving average indicators) and place the buy and sell orders when the defined conditions are met. The trader no longer needs to keep a watch for live prices and graphs, or put in the orders manually. The algorithmic trading system automatically does it for him, by correctly identifying the trading opportunity. (For more on moving averages, see Simple Moving Averages Make Trends Stand Out .)

[ If you want to learn more about proven and to the point strategies that can eventually be worked into an alorithmic trading system, check out Investopedia Academy's Become a Day Trader course. ]

Benefits of Algorithmic Trading.

Algo-trading provides the following benefits:

Trades executed at the best possible prices Instant and accurate trade order placement (thereby high chances of execution at desired levels) Trades timed correctly and instantly, to avoid significant price changes Reduced transaction costs (see the implementation shortfall example below) Simultaneous automated checks on multiple market conditions Reduced risk of manual errors in placing the trades Backtest the algorithm, based on available historical and real time data Reduced possibility of mistakes by human traders based on emotional and psychological factors.

The greatest portion of present day algo-trading is high frequency trading (HFT), which attempts to capitalize on placing a large number of orders at very fast speeds across multiple markets and multiple decision parameters, based on pre-programmed instructions. (For more on high frequency trading, see Strategies and Secrets of High Frequency Trading (HFT) Firms .)

Algo-trading is used in many forms of trading and investment activities, including:

Mid to long term investors or buy side firms (pension funds, mutual funds, insurance companies) who purchase in stocks in large quantities but do not want to influence stocks prices with discrete, large-volume investments. Short term traders and sell side participants (market makers, speculators, and arbitrageurs) benefit from automated trade execution; in addition, algo-trading aids in creating sufficient liquidity for sellers in the market. Systematic traders (trend followers, pairs traders, hedge funds, etc.) find it much more efficient to program their trading rules and let the program trade automatically.

Algorithmic trading provides a more systematic approach to active trading than methods based on a human trader's intuition or instinct.

Algorithmic Trading Strategies.

Any strategy for algorithmic trading requires an identified opportunity which is profitable in terms of improved earnings or cost reduction. The following are common trading strategies used in algo-trading:

The most common algorithmic trading strategies follow trends in moving averages, channel breakouts, price level movements and related technical indicators. These are the easiest and simplest strategies to implement through algorithmic trading because these strategies do not involve making any predictions or price forecasts. Trades are initiated based on the occurrence of desirable trends, which are easy and straightforward to implement through algorithms without getting into the complexity of predictive analysis. The above mentioned example of 50 and 200 day moving average is a popular trend following strategy. (For more on trend trading strategies, see: Simple Strategies for Capitalizing on Trends .)

Buying a dual listed stock at a lower price in one market and simultaneously selling it at a higher price in another market offers the price differential as risk-free profit or arbitrage. The same operation can be replicated for stocks versus futures instruments, as price differentials do exists from time to time. Implementing an algorithm to identify such price differentials and placing the orders allows profitable opportunities in efficient manner.

Index funds have defined periods of rebalancing to bring their holdings to par with their respective benchmark indices. This creates profitable opportunities for algorithmic traders, who capitalize on expected trades that offer 20-80 basis points profits depending upon the number of stocks in the index fund, just prior to index fund rebalancing. Such trades are initiated via algorithmic trading systems for timely execution and best prices.

A lot of proven mathematical models, like the delta-neutral trading strategy, which allow trading on combination of options and its underlying security, where trades are placed to offset positive and negative deltas so that the portfolio delta is maintained at zero.

Mean reversion strategy is based on the idea that the high and low prices of an asset are a temporary phenomenon that revert to their mean value periodically. Identifying and defining a price range and implementing algorithm based on that allows trades to be placed automatically when price of asset breaks in and out of its defined range.

Volume weighted average price strategy breaks up a large order and releases dynamically determined smaller chunks of the order to the market using stock specific historical volume profiles. The aim is to execute the order close to the Volume Weighted Average Price (VWAP), thereby benefiting on average price.

Time weighted average price strategy breaks up a large order and releases dynamically determined smaller chunks of the order to the market using evenly divided time slots between a start and end time. The aim is to execute the order close to the average price between the start and end times, thereby minimizing market impact.

Until the trade order is fully filled, this algorithm continues sending partial orders, according to the defined participation ratio and according to the volume traded in the markets. The related "steps strategy" sends orders at a user-defined percentage of market volumes and increases or decreases this participation rate when the stock price reaches user-defined levels.

The implementation shortfall strategy aims at minimizing the execution cost of an order by trading off the real-time market, thereby saving on the cost of the order and benefiting from the opportunity cost of delayed execution. The strategy will increase the targeted participation rate when the stock price moves favorably and decrease it when the stock price moves adversely.

There are a few special classes of algorithms that attempt to identify “happenings” on the other side. These "sniffing algorithms," used, for example, by a sell side market maker have the in-built intelligence to identify the existence of any algorithms on the buy side of a large order. Such detection through algorithms will help the market maker identify large order opportunities and enable him to benefit by filling the orders at a higher price. This is sometimes identified as high-tech front-running. (For more on high-frequency trading and fraudulent practices, see: If You Buy Stocks Online, You Are Involved in HFTs .)

Technical Requirements for Algorithmic Trading.

Implementing the algorithm using a computer program is the last part, clubbed with backtesting. The challenge is to transform the identified strategy into an integrated computerized process that has access to a trading account for placing orders. The following are needed:

Computer programming knowledge to program the required trading strategy, hired programmers or pre-made trading software Network connectivity and access to trading platforms for placing the orders Access to market data feeds that will be monitored by the algorithm for opportunities to place orders The ability and infrastructure to backtest the system once built, before it goes live on real markets Available historical data for backtesting, depending upon the complexity of rules implemented in algorithm.

Here is a comprehensive example: Royal Dutch Shell (RDS) is listed on Amsterdam Stock Exchange (AEX) and London Stock Exchange (LSE). Let’s build an algorithm to identify arbitrage opportunities. Here are few interesting observations:

AEX trades in Euros, while LSE trades in Sterling Pounds Due to the one hour time difference, AEX opens an hour earlier than LSE, followed by both exchanges trading simultaneously for next few hours and then trading only in LSE during the last hour as AEX closes.

Can we explore the possibility of arbitrage trading on the Royal Dutch Shell stock listed on these two markets in two different currencies?

A computer program that can read current market prices Price feeds from both LSE and AEX A forex rate feed for GBP-EUR exchange rate Order placing capability which can route the order to the correct exchange Back-testing capability on historical price feeds.

The computer program should perform the following:

Read the incoming price feed of RDS stock from both exchanges Using the available foreign exchange rates, convert the price of one currency to other If there exists a large enough price discrepancy (discounting the brokerage costs) leading to a profitable opportunity, then place the buy order on lower priced exchange and sell order on higher priced exchange If the orders are executed as desired, the arbitrage profit will follow.

Simple and easy! However, the practice of algorithmic trading is not that simple to maintain and execute. Remember, if you can place an algo-generated trade, so can the other market participants. Consequently, prices fluctuate in milli - and even microseconds. In the above example, what happens if your buy trade gets executed, but sell trade doesn’t as the sell prices change by the time your order hits the market? You will end up sitting with an open position, making your arbitrage strategy worthless.

There are additional risks and challenges: for example, system failure risks, network connectivity errors, time-lags between trade orders and execution, and, most important of all, imperfect algorithms. The more complex an algorithm, the more stringent backtesting is needed before it is put into action.

الخط السفلي.

Quantitative analysis of an algorithm’s performance plays an important role and should be examined critically. It’s exciting to go for automation aided by computers with a notion to make money effortlessly. But one must make sure the system is thoroughly tested and required limits are set. Analytical traders should consider learning programming and building systems on their own, to be confident about implementing the right strategies in foolproof manner. Cautious use and thorough testing of algo-trading can create profitable opportunities. (For more, see How to Code Your Own Algo Trading Robot.)