أزواج نموذج استراتيجية التداول

مثال على أزواج التجارة.
تماما كما تجار الأسهم طويلة فقط مسح الأسواق للأوراق المالية المناسبة، تاجر أزواج يجب أن تبدأ مع قائمة من الأزواج المحتملة ذات الصلة. وهذا ينطوي على إجراء البحوث للعثور على الأوراق المالية التي لديها شيء مشترك & نداش؛ ما إذا كانت العالقة ناجمة عن القطاع) مثل قطاع السيارات (أو األصول) على سبيل املثال، السندات (. في حين أن أي زوج عشوائي يمكن نظريا أن تكون مرتبطة، فمن المرجح أن نجد علاقة في الأوراق المالية التي لها شيء مشترك في البداية.
الخطوة التالية بمثابة مرشح، أو وسيلة التي يمكننا أن تقلل من عدد من أزواج المحتملة في جعبة لدينا. طريقة واحدة هي استخدام معامل الارتباط لتحديد مدى ارتباط وثيقتين. ويوضح الشكل 4 الرسم البياني اليومي لعقد e-ميني S & أمب؛ P 500 (باللون الأحمر) وعقد داو e-ميني (باللون الأخضر). أدناه الرسم البياني للسعر هو مؤشر يوضح معامل الارتباط (باللون الأصفر). يمكننا أن نرى من الرسم البياني أنه خلال الفترة الزمنية التي تم تقييمها، إس و يم ترتبط ارتباطا وثيقا، مع قيم تحوم حول 0.9. سنحتفظ بزوج إس / يم على قائمة المرشحين المحتملين.
الشكل 4 يظهر العقد e-ميني S & أمب؛ P 500 (باللون الأحمر) و e-ميني داو (باللون الأخضر) إمكانات كتجارة أزواج. يظهر التأكيد البصري للسعر، المدعوم بالنتائج الكمية من معامل الارتباط (باللون الأصفر)، أن الصكين يرتبطان ارتباطا وثيقا. الصورة التي تم إنشاؤها مع ترادستاتيون.
الشكل 5 يظهر هذا الرسم البياني اليومي لمت (باللون الأحمر) و تغت (باللون الأخضر) أن هذا ليس زوجا مثاليا (على الأقل ليس خلال الفترة الزمنية التي تم اختبارها). إن المراجعة البصرية للأسعار، التي تؤكدها نتائج معامل الارتباط (باللون الأصفر) تشير إلى عدم وجود ارتباط بين السهمين. الصورة التي تم إنشاؤها مع ترادستاتيون.
ويتمثل أحد العناصر الجارية في العملية في إجراء البحوث واختبار أفكار التداول وتحديد الأساليب المطلقة لتقييم الأزواج وتحديد الاختلاف. سيكون على التجار الإجابة على أسئلة مثل ما يشكل & لدكو؛ بما فيه الكفاية & رديقو؛ الاختلاف عن الاتجاه إلى بدء التجارة؟ وكيف سيتم تقييم ذلك (على سبيل المثال، باستخدام البيانات من مؤشر نسبة السعر مع تراكب الانحراف المعياري). بشكل عام، يجب على التجار التركيز على البيانات القابلة للقياس الكمي: أي، & لدكو؛ سأدخل تجارة أزواج عندما تتجاوز نسبة السعر اثنين من الانحرافات المعيارية. & رديقو؛ ويبين الشكل 6 اثنين من صناديق الاستثمار المتداولة & نداش؛ سبي (باللون الأحمر) و ديا (باللون الأخضر) وندش]؛ على الرسم البياني اليومي. أدناه الرسم البياني للسعر هو مؤشر نسبة انتشار (باللون الأزرق)، مع +/- واحد واثنين من الانحراف المعياري الانحراف (خطوط منقطة). يظهر المتوسط ​​باللون الوردي.
الشكل 6 رسم بياني يومي لصور إتفس سبي (باللون الأحمر) و ديا (باللون الأخضر). يظهر مؤشر نسبة الانتشار أسفل الرسم البياني للسعر، جنبا إلى جنب مع تراكب الانحراف المعياري. الصورة التي تم إنشاؤها مع ترادستاتيون.
يستخدم العديد من المتداولين نهجا محايدا بالدولار لتحديد الحجم عند تداول الأزواج. باستخدام هذه الطريقة، يتم إدخال الجانبين طويلة وقصيرة للتجارة مع مبالغ الدولار على قدم المساواة. على سبيل المثال، يريد المتداول الدخول في تجارة أزواج مع الأسهم A، يتداول عند 100 $ للسهم الواحد، والأوراق المالية B، يتداول عند 50 $ للسهم الواحد. ولتحقيق موقف محايد بالدولار، سيتعين على المتداول شراء سهمين من الأسهم B لكل سهم واحد من الأسهم A. على سبيل المثال:
طويل 100 سهم من الأسهم A = 10،000 $. و 200 سهم قصير من الأسهم B = 10،000 $.
شراء الأداء الضعيف وبيع الأداء المفرط.
وبمجرد الوفاء بقواعد التداول، فإن المتداول سوف يشتري الأمن الضعيف وفي نفس الوقت يبيع الأمن المفرط. في الشكل 7، تجاوزت نسبة انتشار اثنين من الانحرافات المعيارية، وقد حدث الإعداد التجاري في زوجنا إس / يم. هنا، يتم إبرام صفقة طويلة مع عقدين إس، ويتم اتخاذ موقف قصير في وقت واحد من عقدين في يم.
الشكل 7 تفتح التجارة في الزوج إس / يم. تظهر واجهة إدخال الطلب على الجانب الأيسر من الشاشة (مربع إدخال أمر واحد ل إس؛ واحد ل يم). الخطوط الأفقية الحمراء والخضراء في الجزء العلوي تظهر في الوقت الحقيقي P / L لكل موقف. الصورة التي تم إنشاؤها مع ترادستاتيون.
كما هو الحال مع معظم الاستثمارات، توقيت الخروج أمر بالغ الأهمية لنجاح التجارة. من المهم تطبيق مبادئ إدارة الأموال على الصفقات الثنائية، بما في ذلك استخدام أوامر وقف الخسارة الوقائي وأهداف الربح. يتم تحديد المستويات المثلى عادة من خلال النمذجة التاريخية واسعة النطاق. ويبين الشكل 8 التجارة بين القطاعين العام والخاص، وخرجت باستخدام مستوى صافي الربح المحافظ.
الشكل 8 تخرج التجارة بين القطاعين العام والخاص بصافي أرباح صافية. الصورة التي تم إنشاؤها مع ترادستاتيون.

خطوة أخرى أيضا.
يرجى إكمال الفحص الأمني ​​للدخول إلى ليتسبيد.
لماذا يتعين علي إكمال اختبار كابتشا؟
إكمال اختبار كابتشا يثبت أنك إنسان وتمنحك إمكانية الوصول المؤقت إلى موقع الويب.
ماذا يمكنني أن أفعل لمنع ذلك في المستقبل؟
إذا كنت على اتصال شخصي، كما هو الحال في المنزل، يمكنك تشغيل فحص مكافحة الفيروسات على جهازك للتأكد من أنه لم يصاب مع البرامج الضارة.
إذا كنت في مكتب أو شبكة مشتركة، يمكنك أن تطلب من مسؤول الشبكة إجراء فحص عبر الشبكة تبحث عن الأجهزة التي تمت تهيئتها بشكل خاطئ أو المصابة.
كلودفلار راي إد: 3dc4d8b045748af2 & الثور؛ إب الخاص بك: 78.109.24.111 & الثور؛ الأداء & أمب؛ الأمن من قبل كلودفلار.

زوج استراتيجية التداول [نموذج إكسيل]
زوج التداول.
زوج التداول هو استراتيجية التداول التي تتطابق مع موقف طويل في واحد الأسهم / الأصول مع موقف المقاصة في آخر الأسهم / الأصول التي ترتبط إحصائيا. زوج التداول هو استراتيجية انعكاس المتوسط ​​حيث نراهن أن الأسعار سوف تعود إلى اتجاهاتها التاريخية.
من يمكنه استخدام نموذج إكسيل هذا؟
الناس المهتمين في التداول الخوارزمية و كوانت، أولئك الذين يرغبون في معرفة المراجحة الإحصائية.
كيف يساعد؟
هذا النموذج التفوق سوف تساعدك على:
تعلم تطبيق متوسط ​​العائد فهم تداول الزوج تحسين معلمات التداول فهم عوائد كبيرة من المراجحة الإحصائية.
لماذا يجب عليك تنزيل نموذج التداول؟
كما يتم ترميز منطق التداول في خلايا ورقة، يمكنك تحسين فهم من خلال تحميل وتحليل الملفات على راحتك الخاصة. ليس ذلك فحسب، يمكنك أن تلعب حول الأرقام للحصول على نتائج أفضل. قد تجد المعلمات المناسبة التي توفر أرباحا أعلى مما هو محدد في المقالة.
شرح النموذج.
في هذا المثال نعتبر الزوج مسي و نيفتي كلاهما مؤشر سوق الأسهم. نحن ننفذ استراتيجية متوسط ​​العائد على هذا الزوج. متوسط ​​العائد هو خاصية سلسلة زمنية ثابتة. وبما أننا ندعي أن الزوج الذي اخترناه يعني عودتنا يجب أن نختبر ما إذا كان يتبع الحزم. ويبين الرسم البياني التالي التآمر من نسبة لوغاريتمي من نيفتي إلى مسي. في البداية يبدو أن هذا يعني العودة مع قيمة متوسطة من 2.088 ولكن نستخدم اختبار ديكي فولر لاختبار ما إذا كان ثابت مع دلالة إحصائية. وتبين النتائج في إطار جدول الإنتاج المشترك أن سلسلة الأسعار ثابتة، وبالتالي تعني العودة. ديكي فولر إحصائية الاختبار وقيمة P منخفضة جدا (& لوت؛ 0.05) يؤكد افتراضنا. وبعد أن قررنا أن متوسط ​​العائد يسري على الزوج المختار، فإننا نمضي قدما في تحديد الافتراضات ومعلمات المدخلات.
الافتراضات.
لغرض التبسيط، نتجاهل عرض التسعير المطلوب. الأسعار متوفرة في 5 دقائق فاصل ونحن التجارة في 5 دقائق سعر الإغلاق فقط. وبما أن هذا هو بيانات منفصلة، ​​فإن الخروج من الموقف يحدث في نهاية الشمعة أي بسعر متوفر في نهاية 5 دقائق. فقط يتم تداول الدورة العادية (T) تكاليف المعاملات هي 0.375 $ ل نيفتي و 1.10 $ ل مسي. الهامش لكل صفقة هو 990 $ (ما يقرب من 1000 دولار).
معلمات الإدخال.
يرجى ملاحظة أن جميع قيم معلمات الإدخال المذكورة أدناه قابلة للتكوين.
متوسط ​​10 شموع (شمعة واحدة = كل 5 دقائق سعر) يعتبر. وتعتبر "ض" درجة +2 لشراء و -2 للبيع. يتم تعيين وقف الخسارة من 100 $ والحد من الربح 200 $. حجم الطلب للتداول مسي هو 50 (1 لوت) و نيفتي هو 6 (3 الكثير).
يتم تضمين بيانات السوق ومعلمات التداول في ورقة انتشار من الصف ال 12 فصاعدا. لذا، عند الإشارة إلى العمود دال، ينبغي أن يكون واضحا أن المرجع يبدأ من D12 فصاعدا.
شرح الأعمدة في نموذج إكسيل.
ويمثل العمود "ج" سعر "مسي".
ويمثل العمود D السعر أنيق.
العمود E هو نسبة لوغاريتمي من نيفتي إلى مسي.
يحسب العمود F 10 متوسط ​​شمعة. وبما أن هناك حاجة إلى 10 قيم لمتوسط ​​الحسابات، لا توجد قيم من F12 إلى F22. الصيغة = إف (A23 & غ؛ $ C $ 3، أفيراج (إندكس ($ 13 $: $ 1358، A23- $ C $ 3): E22)، & # 8220؛ & # 8221؛) يعني أنه يجب حساب المتوسط ​​فقط إذا كانت عينة البيانات المتاحة أكثر من 10 (أي القيمة المحددة في الخلية C3)، وإلا ينبغي أن تكون الخلية فارغة. فكر في الخلية F22. في الخلية المقابلة A22 لها قيمة 10. نظرا لأن A22 & غ؛ $ C $ 3 فشل، الإدخال في تلك الخلية فارغ. الخلية التالية F23 لها قيمة منذ A23 & غ؛ $ C $ 3 هو الصحيح. البتة التالية من الصيغة.
أفيراج (إندكس ($ 13 $: $ 1358، A23- $ C $ 3): E22) يحسب متوسط ​​قيمة آخر 10 (كما هو مذكور في الخلية C3) شموع بيانات العمود E. ويوجد منطق مماثل في العمود G حيث يحسب الانحراف المعياري. يتم حساب النتيجة "z" في العمود H. الصيغة لحساب درجة "z" هي z = (x -) / (σ). هنا x هي العينة (العمود E)، هي القيمة المتوسطة (العمود F) و σ هو الانحراف المعياري (العمود G).
يمثل العمود الأول إشارة التداول. كما ذكر في المعلمات المدخلات، إذا "z" النتيجة يذهب أدناه -2 نشتري وإذا يذهب فوق +2 نبيع. عندما نقول شراء، لدينا موقف طويل في 3 الكثير من أنيق ولها موقف قصيرة في 1 الكثير من مسي. وبالمثل عندما نقول بيع، لدينا موقف طويل في 1 الكثير من مسي ولها موقف قصير في 3 الكثير من أنيق وبالتالي تربيع قبالة الموقف. لدينا موقف واحد مفتوح في كل وقت. لفهم ما يعنيه هذا، النظر في اثنين من إشارات التداول "شراء" و "بيع". للحصول على إشارة "شراء"، كما هو موضح من قبل، ونحن شراء 3 الكثير من المستقبل نيفتي وقصيرة 1 الكثير من مسي المستقبل. وبمجرد أن يتم اتخاذ الموقف، فإننا تتبع الموقف باستخدام عمود الحالة، أي العمود M. في كل صف جديد في حين أن الموقف مستمر، ونحن تحقق ما إذا كان وقف الخسارة (كما هو مذكور في الخلية C6) أو أخذ الربح (كما هو مذكور في الخلية C7). وتعطى وقف الخسارة قيمة أوسد -100، أي خسارة 100 دولار أمريكي و أخذ الربح تعطى قيمة 200 دولار أمريكي في الخلايا C6 و C7 على التوالي. في حين أن الموقف لا تصل إما وقف الخسارة أو أخذ الربح، ونحن نواصل مع تلك التجارة وتجاهل جميع الإشارات التي تظهر في العمود الأول. مرة واحدة في التجارة يضرب إما وقف الخسارة أو أخذ الربح، ونحن نبدأ مرة أخرى النظر في إشارات في العمود أنا وفتح موقف تداول جديد في أقرب وقت لدينا شراء أو بيع إشارة في العمود الأول.
ويمثل العمود M إشارات التداول استنادا إلى معلمات الدخل المحددة. العمود الأول لديه بالفعل إشارات التداول و M يخبرنا عن وضعية التداول لدينا أي أننا طويلة أو قصيرة أو حجز الأرباح أو الخروج من وقف الخسارة. إذا لم يتم الخروج من التجارة، ونحن نحمل الموقف إلى الشمعة القادمة من خلال تكرار قيمة عمود الحالة في الشمعة السابقة. في حالة حدوث حركة السعر في مثل هذه الطريقة التي تنتهك تب معين أو سي ثم نضع قبالة موقفنا مما يدل على ذلك من قبل "تب" و "سي" على التوالي.
يمثل العمود L علامة ماركيت. وهو يحدد موقف المحفظة في نهاية الفترة الزمنية. كما هو محدد في المعلمات المدخلات نحن التجارة 1 الكثير من مسي و 3 الكثير من أنيق. لذلك عندما نتداول موقفنا هو الفرق السعر المناسب (اعتمادا على ما إذا كنا نشتري أو بيع) مضروبا في عدد من الكثير.
ويمثل العمود N حالة الربح / الخسارة للتجارة. يتم احتساب P / L فقط عندما يكون لدينا مربعا قبالة موقفنا. يحسب العمود O الأرباح التراكمية.
يحتوي جدول الإخراج على بعض مقاييس الأداء مجدولة. الخسارة من جميع الصفقات الخاسرة هي 3699 $ والربح من الصفقات التي تصل تب هو 9280 $. وبالتالي فإن إجمالي P / L هو $ 9280- $ 3699 = 5581 $. خسائر الصفقات هي الصفقات التي أدت إلى فقدان المال على صفقات التداول. الصفقات المربحة هي الصفقات الناجحة التي تنتهي في كسب السبب. متوسط ​​الربح هو نسبة إجمالي الربح إلى إجمالي عدد الصفقات. يتم احتساب صافي الربح بعد طرح تكاليف المعاملة والتي تبلغ 91.77 دولار أمريكي.

نموذج إستراتيجية تداول أزواج
تداول الأزواج هو شكل من أشكال انعكاس المتوسط ​​الذي له ميزة واضحة من التحوط دائما ضد تحركات السوق. وهي عموما استراتيجية ألفا عالية عندما تدعمها بعض الإحصاءات الدقيقة. هذا المفكرة يعمل من خلال المفاهيم التالية.
ويهدف دفتر الملاحظات ليكون مقدمة للمفهوم، وبينما هذا الكمبيوتر المحمول يتميز زوج واحد فقط، وربما كنت تريد خوارزمية الخاص بك للنظر في العديد من أزواج في آن واحد.
تم إنشاء جهاز الكمبيوتر المحمول أصلا لعرض في قسم كس التطبيقية هارفارد ومنذ ذلك الحين استخدمت في ستانفورد، كورنيل، والعديد من الأماكن الأخرى. إذا كنت ترغب في معرفة المزيد عن كيفية استخدام كوانتوبيان كأداة تعليمية في أعلى الجامعات، يرجى الاتصال بي على [إمايل & # 160؛ المحمية]
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
وهنا خوارزمية بسيطة جدا على أساس النهج المقدم في دفتر الملاحظات.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
وهنا خوارزمية أكثر تطورا كتبه إرني تشان. وتحسب هذه الخوارزمية نسبة التحوط بدلا من مجرد الاحتفاظ بكميات متساوية من كل ضمان.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
أشياء مفيدة جدا.
ما الذي يجعلها تفقد بشكل منهجي لما يقرب من 3 أشهر؟ هل فشل التكامل المشترك في تلك الفترة؟
في الأساس نعم، اتضح أن لا تكون مشتركة في هذا الإطار الزمني، ولكن عاد إلى كونيغراتد على المدى الطويل.
أعتقد أن السحب الذي تشير إليه هو حالة قوية لماذا تريد فعلا العديد من أزواج التداول في نفس الوقت. أزواج يمكن كوينيغراتد على نطاقات زمنية مختلفة، وأي واحد معين لن يكون دائما في حالة تجارية (انتشار كبير، انتشار صغير). من خلال زيادة حجم العينة الخاصة بك، يمكنك جعله أكثر احتمالا أن زوج واحد على الأقل سوف تكون دولة قابلة للتداول بقوة في وقت معين، وسلس من المطبات الغريبة التي تراها هنا.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
شكرا على هذا. مفيدة جدا في الواقع. لاحظت كنت تستخدم المعزز ديكي فولر اختبار لاختبار التكامل المشترك. هل لديك تطبيق مماثل باستخدام اختبار يوهانسن؟ أنا غير قادر على العثور على اختبار جوهانسن مع الثعبان.
ويبدو أنه في حين كانت هناك بعض المحاولات لإضافة اختبار جوهانسن إلى مكتبة ستاتسموديلز، حاليا لا يوجد أي تطبيق مدمج. هنا، على سبيل المثال، هو تنفيذ طرف ثالث. أنا لست متأكدا متى ستحصل على إضافة إلى المكتبات بايثون، هل هناك طريقة يمكنك العمل حولها عدم وجود ذلك؟
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
شكر. لقد رأيت هذا الرابط. معقدة جدا لتنفيذ وكتابة كل شيء في إيد. في الواقع، حاول ساتيا B هنا هتبس: // كوانتوبيان / المشاركات / ترادينغ-باسكيتس-كو-إنتغراتد-ويث-سبي.
جمال اختبار يوهانسن هو أنه يولد إيجنفكتورس، والتي أعتقد أنه يمكنك استخدام طرق أخرى لحساب على الرغم من أنني لا أستذكر في هذه اللحظة، لمدة تصل إلى 12 الأصول والعديد من الأشياء الأخرى، والتي يمكن استخدامها لإنشاء سلة. كنت أبحث في واحدة من استراتيجية أرنب مؤشر إرني ومحاولة تكرار ذلك على منصة Q لتقييم الأداء بعد الرسوم / الخ الخ. لاحظت الرسوم يبدو أن مضغ الكثير من الأداء. ذي أبغ & أمب؛ زوج فسلر أعلاه لديه نسبة شارب 0.75 ولكن انتهت مع شارب نسبة -0.29. وهناك الكثير من الأزواج تبدو مربحة تحولت إلى أن تكون غير مربحة بعد عرض التسعير / الطلب، والرسوم، والعمولة وما إلى ذلك وبالتالي، وأنا أنظر في 3 أو أكثر من الأسهم تداول الزوج، وفهرس أرب. سوف جوهانسن اختبار جعل هذا أسهل لتنفيذ.
سأواصل المحاولة.
دفتر الملاحظات هو مقدمة إحصائية ممتازة لتداول أزواج، أوصي أي شخص مهتم في هذا الموضوع ننظر أيضا في بعض البحوث المالية. تشريح أزواج التداول هو بداية جيدة، والمراجع هي مفيدة كذلك. هناك ورقتان عامتان أخريان حول إستراتيجيات المراجحة المخاطر هي خصائص المخاطر و العائد في مخاطر المخاطر و المراجحة المحدودة في أسواق الأسهم. هناك بعض الدروس المكلفة التي تعلمها الناس حول إدارة هذه الأنواع من الاستراتيجيات، ومن المفيد معرفة الدروس مقدما. يتم تحذير مسبق.
أنتوني، جيد أن أراك هنا! لقد كنت تبحث عن تنفيذ جيد للاختبار يوهانسن لفترة من الوقت ولكن لا يمكن العثور على واحد. // ^ جيثب / ستاتسموديلز / ستاتسموديلز / القضايا / 448 و هتبس: // جيثب / جوزيف-يكت / ستاتسموديلز / كوميت / bf79e8ecb12d946f1113213692db6dac5df2b6e9 انها حقا سيئة للغاية كما بالتأكيد في التمويل الكمي هذا هو على نطاق واسع تستخدم على نطاق واسع.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
Aaron. شكرا لرؤساء متابعة. نقدر أنها القادمة من الخاص بك. سأقضي بعض الوقت مع تلك الأوراق.
Thomas. شكرا على الرابط. كما قلت، فمن القديم قليلا. أفضل من لا شيء أفترض.
هنا هو تنفيذ الثعبان لنماذج تصحيح الخطأ ناقلات. يمكنك أيضا استخدامه للعثور على الأوزان كوينغراشيون. econ. schreiberlin. de/software/vecmclass. py.
هنا هو نسخة من إرني تشان خوارزمية تعديلها لتداول أزواج متعددة. هذا هو وسيلة جيدة للحصول على العديد من تيارات العائد غير مترابطة والحد من بيتا من الاستراتيجية الشاملة.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
Delany، هل هناك طرق متاحة للكشف عن أزواج باستخدام اختبارات إحصائية؟ أم أن تلك عادة ما تكون مكلفة حسابيا؟
ونحن نعمل على طريقة لجعل استنساخ أجهزة الكمبيوتر المحمولة - قادرة على بيئة البحث الخاصة. في هذه الأثناء المهتمين في اللعب مع دفتر الملاحظات من آخر الأصلي يمكن تحميل البرنامج هنا. بعد تحميل تحميله في حساب البحث الخاص بك. إذا لم يكن لديك حساب بحث حتى الآن، أدخل خوارزمية في المسابقة لتلقي الوصول.
good التاجر، فإن الطريقة المقدمة في دفتر الملاحظات شاشة قائمة معينة من الأوراق المالية للتكامل المشترك، والحالة الأساسية اللازمة لتداول أزواج. المشكلة ليست بقدر تعقيد الحسابية كما هو فقدان القوة الإحصائية. لمزيد من المقارنات التي تقوم بها، وأقل وزنك يجب أن تضع على قيم P كبيرة. هذه الظاهرة موصوفة هنا. ولكي تكون صادقا إحصائيا، يجب تطبيق تصحيح بونفيروني على قيم p التي تم الحصول عليها من نص برمجي ثنائي التكافؤ. والسبب في ذلك هو أنه كلما زادت قيم p التي تولدها، كلما زادت احتمالية مواجهة قيم P ذات قيمة زائفة ولا تعكس سلوك التكامل المشترك الفعلي في الأوراق المالية الأساسية. وبما أن عدد المقارنات التي أجريت عند البحث عن التكامل المشترك بين الزوجين في الأوراق المالية n ينمو بمعدل O (n ^ 2)، فإن النظر إلى 20 ورقة مالية سيجعل معظم الاختبارات الإحصائية غير مجدية. وهناك نهج أفضل هو التوصل إلى مجموعة صغيرة من الأوراق المالية المرشحة باستخدام تحليل الروابط الاقتصادية الأساسية. ويمكن بعد ذلك إجراء عدد قليل من الاختبارات الإحصائية لتحديد أي، إذا وجدت، أزواج هي كوينغراتد. اسمحوا لي أن أعرف إذا كان هذا هو ما تقصده.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
إنني أختلف إلى حد ما عن المشكلة التي تنطوي على مقارنات كثيرة جدا. تصحيح بونفيروني مناسب عندما كنت تبحث عن الحقيقة. على سبيل المثال، إذا كان لديك استبيان يحتوي على 1000 عنصر وكنت تعطيه للأشخاص الذين يعانون من السرطان أو بدونه، سوف تجد في المتوسط ​​50 البنود التي ترتبط مع السرطان عند مستوى 5٪ من الأهمية الإحصائية، حتى لو كان لا شيء على يرتبط الاستبيان بالسرطان. إذا كنت تفكر في مجموعات من عنصرين أو أكثر، يمكنك إنشاء العديد من الارتباطات تريد.
ولكن عند تصميم استراتيجيات التداول الآلي، والعلاقات المصادفة لا تؤذي لك كثيرا. أنها تضيف الضوضاء العشوائية وتكاليف التداول إلى النتائج الخاصة بك. وبما أن نتائج قليلة هي 100٪ لا معنى لها، فإن معظم العلاقات لديها على الأقل بعض درجة من المثابرة، فإنه ليس من الأهمية بمكان لتصفية الاستراتيجية الخاصة بك وصولا الى تلك التي تم التحقق منها بدقة. الأرباح المسألة، وليس الحقيقة. بونفيروني ومقاييس مماثلة يدفعك إلى العلاقات الأكثر موثوقية إحصائيا، والتي ليست عموما الأكثر فائدة اقتصاديا.
إذا كان "تحليل الروابط الاقتصادية الأساسية & كوت؛ يعني البدء مع أزواج الطبيعية مثل اثنين من الشركات المماثلة في نفس الصناعة، لم أجد أن من المفيد. في الأساس الناس يلاحظ الاشياء واضحة. إذا كنت تعنى التفكير في علاقات أقل وضوحا، وخاصة الأشياء التي غير مرئية في البيانات المعتادة الناس استخدام، ثم أوافق. من الناحية المثالية تريد قصة اقتصادية قابلة للتثبيت لعلاقة الزوج، وهو ما يفسر كل من سبب وجوده ولماذا لا يتم محجوب بعيدا. ليس فقط هذا الحراسة ضد استخراج البيانات، ولكن هذا يعني أنه يمكنك قياس ما إذا كان التأثير لا يزال يعمل (دون ذلك، فإن الطريقة الوحيدة التي تعرف استراتيجية لا تعمل عندما تفقد المال).
عمل جيد. أنا لا أقرأ من خلال دفتر الملاحظات الخاص بك سطر بخط، ولكن أستطيع أن أقول أنه سيكون إضافة كبيرة إلى مكتبة مثال كوانتوبيان. ومتابعة مع الطحالب المشتركة - خطوة جيدة.
قد يكون لديك نظرة على دفتر نشرت، هتبس: // كوانتوبيان / بوستس / أناليسيس-أوف-مينوت-بار-ترادينغ-فولوميس-أوف-ذي-إتفس-سبي-أند-ش. لتصور كيف يذهب زوج معين من والخروج من التكامل المشترك، هل يمكن أن تجعل مؤامرة مماثلة. تطبيق الاختبار الإحصائي 390 مرة في كل يوم تداول على مدى سنوات عديدة يتطلب بعض الصبر، على الرغم من.
Aaron هل أنا صحيح في قراءة حجتك عموما كما يلي؟
- في العالم الحقيقي بونفيروني هو تقييدية جدا وعدد من أزواج مربحة تخسر عن طريق تصحيح يفوق اليقين الإحصائي تكسب أنت.
وأعتقد أننا نتفق على النقطة النهائية التي تقوم بها. وأعتقد أن العديد من الناس تحليل الارتباط الاقتصادي تفعل التبسيط وتجاهل العلاقات التي يحتمل أن تكون مثيرة للاهتمام التي هي أكثر عرضة لاحتواء ألفا غير محجوب.
Grant شكرا لك. نحن نخطط بالفعل لتوسيع مكتبة المثال إلى منهج تمويل كمي كامل تدرس مع أجهزة الكمبيوتر المحمولة وخوارزميات رفيق. سنحظى بسلسلة من المحاضرات الصيفية أثناء تطوير المزيد من الموضوعات، لذا كن على اطلاع بذلك. دفتر الملاحظات الخاص بك هو بارد جدا وأنا لا أتساءل كيف مستقرة درجات التكامل المشترك حتى لأزواج كوينيغراتد بقوة. للأسف، لا أعتقد أنه سيكون لدي الوقت للنظر في ذلك في المستقبل القريب ما هو مع إنتاج أجهزة الكمبيوتر المحمولة المناهج الدراسية الأخرى. نحن نبحث عن المساهمين الضيوف، ولكن. إذا كان لديك أي أجهزة الكمبيوتر المحمولة كنت ترغب في أن تكون واردة في المناهج الدراسية لدينا مع الائتمان الكامل للمؤلف (ق)، وإرسالها في طريقي وأنا سوف نرى ما إذا كانت تناسب المحتوى الحالي لدينا.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
في العالم الحقيقي بونفيروني هو تقييدية جدا وعدد من أزواج مربحة تخسر عن طريق تصحيح يفوق اليقين الإحصائي تكسب أنت.
ليس على وجه التحديد. نعم، بونفيروني مقيد جدا بمعنى أنه يعطيك عدد قليل جدا من الأزواج، ولكن بونفيروني يوجهك أيضا إلى أزواج خاطئة.
في مثال استبيان يحتوي على 1000 مادة تعطى لمرضى السرطان والمرضى غير المصابين بالسرطان، فمن المرجح أن معظم العناصر ليس لها تأثير على السرطان، أو على الأقل هذه التأثيرات الضعيفة والمعقدة التي لا يستحق استخدامها للحصول على المشورة الطبية. حتى إذا كنت تريد أهمية 5٪، يمكنك اختبار كل عنصر عند مستوى 0.005٪ (الذي تريد 3.9 الانحرافات القياسية، وليس فقط 1.6). أنت لا تفكر في ذلك، لأن أي تأثير حقيقي قوي بما فيه الكفاية إلى المسألة من المرجح أن تظهر مع أهمية قوية. إذا لم تفعل بونفيروني، فستنتهي ب 50 توصية حتى في حالة عدم وجود أي من العناصر المهمة، والكثير من النصائح غير المفيدة.
بالمناسبة، بونفيروني هو تصحيح المحافظ جدا، وهناك أكثر تطورا التي تسمح المزيد من العناصر.
ولكن إذا كان لديك 1000 أزواج لاختبار، فمن المرجح أن العديد منهم لديهم درجة من القدرة على التنبؤ كوينغغرال. حتى إذا لم يكن هناك قابلية للتنبؤ، بما في ذلك الزوج الاضافي يضيف القليل من الضجيج لاستراتيجية الخاص بك، والتي ليست فظيعة. كما أنك لا تعتقد أن أيا منها لديه القدرة على التنبؤ قوية جدا أن أي شخص قد لاحظت ذلك و أرباجيد بعيدا. لذا فمن المعقول النظر في جميع الأزواج ذات الأهمية 5٪ أو أقل، وتصفية بها باستخدام المعايير الاقتصادية أو غيرها من المعايير التي لا علاقة لها البيانات. اختيار فقط أقوى العلاقات الإحصائية ليست حكيمة.
يمكنك تعيين هذا في إطار بايزي إذا كنت ترغب الاتساق والدقة. أو يمكنك فقط استخدام قواعد مخصصة من الإبهام.
فقط ل إيل-بير-ليتيراتد الذين يرغبون في التعلم. يجب أن يكون هناك قصة وراء الزوج؟ هل ينبغي أن يكون هناك تفسير منطقي؟ لعبت حولها مع أزواج وجدت على سبيل المثال أن مورغانستانلي وإكسبيديا العمل. لكن لماذا؟ أو لا تريد معرفة السبب.
يجب أن يكون هناك قصة وراء الزوج؟
هذا هو في الواقع سؤال دلالي بدلا من سؤال مالي. إذا كنت اعتمدت نهجا إحصائيا نقيا دون النظر إلى الأزواج الفعلية، سوف ينتهي بك الأمر بمئات أو آلاف من الأزواج، بما في ذلك بعض تلك المتداخلة. ثم نحن لا نسميها استراتيجية التداول أزواج ولكن استراتيجية الأسهم قصيرة الأجل.
فكرة تداول الأزواج هي يمكنك الحصول على نظرة إضافية من خلال النظر في أسباب محددة للاعتماد بين الأسهم؛ وهذا البصيرة يمكن أن يؤدي إلى تحديد المواقع أكثر دقة، وأيضا تجنب خسائر كبيرة عندما يكسر العلاقة.
العلاقات الواضحة، مثل اثنين من الأسهم الكبيرة في نفس الصناعة، لا تميل إلى أن تكون مفيدة. وهذا أمر مربك أحيانا، لأن بعض الأزواج المبكرة الشهيرة تتعامل مع مثل هذه الأزواج، وأنها لا تزال تستخدم لأمثلة في معظم النصوص. ولكن الكثير من الناس يراقبون هذه الفوارق بشكل وثيق جدا للحصول على نسب شارب العالية التي تحتاجها لاستراتيجيات غير متكافئة مثل تداول الأزواج. ترك تلك الحادة الهامشية إلى الناس قصيرة الأجل الأسهم الذين لديهم الكثير من المناصب.
أيضا، عندما نتحدث عن سبب العلاقة بين الأزواج، نحن نتحدث عن كل من الإيجابية - لماذا يصعب تخيل عالم تتنوع فيه قيم هذه الشركات عن أبعادها التاريخية - و سلبية - لماذا تستجيب هذه الأسهم لمختلف الأخبار الاقتصادية؟ لذلك بالنسبة لشركتين شبه متطابقة السؤال الأول هو سهل، ولكن الثاني هو الصعب. ل اثنين من الشركات التي لا علاقة لها على ما يبدو مثل مس و إكسبي انها العكس. قد تقول شيئا مثل، & كوت؛ في اقتصاد جيد مورجان ستانلي يحصل على الكثير من الأعمال والناس يسافرون كثيرا، & كوت؛ ولكن هذا صحيح أساسا من أي شركتين تقريبا.
وكان السبب الكلاسيكي للأزواج شركتين استجابتا للعوامل الاقتصادية الأساسية نفسها، مثل أسعار النفط أو أسعار الفائدة أو قوة الدولار الأمريكي، ولكن في نقاط مختلفة من سلسلة التوريد، يقول أسعار النفط الخام مقابل عائدات محطة الغاز. وصلة واحدة ليست جيدة بما فيه الكفاية، تقريبا جميع الشركات تستجيب لهذه العوامل. ولكن يمكنك العثور على أزواج التي تتم مواءمتها على عوامل أضيق، ونقول نشاط التكسير في شمال شرق الولايات المتحدة أو هطول الأمطار في وسط كاليفورنيا، أو أن تطابق الاتجاه على عدد من العوامل العريضة. أو يمكنك أن تجد شركتين التي هي في الواقع في شركات مماثلة اليوم، ولكن لأسباب تاريخية مدرجة في قطاعات مختلفة. وثمة حالة مشتركة أخرى هي شركتان متورطتان في نقاط مختلفة من دورة حياة الأصول الدائمة؛ بناء المنازل ومخازن الأثاث مع الجغرافيا مماثلة على سبيل المثال.
على أي حال، عندما يكون لديك سبب، لديك أشياء لمراقبة لصقل الموقف الخاص بك. وتنبيهك إذا كان خلع كبير هو فرصة تجارية كبيرة أو علامة من العلاقة التاريخية قد كسر. إذا لم يكن لديك سبب، فإنك تتمتع بقدر كبير من التنويع، مما يعني أنه لا يمكنك إجراء عمل تحليل محدد لكل زوج.
ألم تعترف بأنه إذا كان للزوج قصة، فإن هذه القصة معروفة، وبالتالي غير مربحة من أمثال بطء تجار التجزئة؟ وإذا كان يمكن للمرء أن الألغام البيانات واكتشاف، من خلال البيانات، القصص التي كانت غير متوقعة أن أحدا يمكن أن تتنافس على الأقل في الفضاء التجاري أزواج؟ أرى وجهة نظركم في الحفاظ على مجموعة كبيرة من الأزواج إذا كانت القصص التي تربط المشاركين ضعيفة أو غير مستكشفة، ولكن لا يزال، إذا كنا وندرلينغز ترغب في المشاركة لماذا لا نستخدم مثل هذه التقنية؟ أو هل يمكنك الحفاظ على أن تجار التجزئة يمكن التقاط والربح من الزوج الشاذ ينتشر من الأزواج المعروفة؟
ألم تعترف بأنه إذا كان للزوج قصة، فإن هذه القصة معروفة، وبالتالي غير مربحة من أمثال بطء تجار التجزئة؟
لا، لن أوافق على هذا العرض. تداول الأزواج يميل إلى أن يكون قدرة منخفضة، وخاصة في الأسهم المنخفضة، ويأخذ الكثير من العمل. وهي ليست جذابة لمديري الأصول لأن مبالغ الاستثمار وخصائص المخاطر غير منتظمة. وتتبعها في الغالب تجار محترفون بدوام كامل، الذين قد يتبعون اثني عشر زوجا بالإضافة إلى بضع عشرات من الاستراتيجيات الأخرى، والتجار شبه المحترفين الذين هم على استعداد لاتخاذ ما يعطيها السوق والبقاء نقدا عندما أي من استراتيجياتها جذابة. هناك أزواج أكثر جيدة من هناك التجار المختصة مطاردة لهم.
من حيث المبدأ، يمكن أن تجد أزواج جيدة باستخدام فلتر الآلي ذكي، أو عن طريق القراءة والتفكير. شعوري العام هو الأول هو أكثر صعوبة، وإذا كنت تفعل ذلك، سوف تريد أن تفعل ذلك لتحديد أعداد كبيرة من أزواج جيدة جدا بدلا من اثنين أو ثلاثة أزواج كبيرة. في هذه الحالة، لا أقول سوى التبديل إلى الأسهم قصيرة الأجل وننسى أزواج. الشيء الجيد حول القراءة والتفكير هو الأكثر كوانتس جيدة هي كسول، وبدلا من السماح للكمبيوتر القيام بهذا العمل. لذلك أنت تتنافس مع غير كوانتس، وبعضهم جيد جدا في القراءة والتفكير، ولكن في عيب كبير لشخص ما مع جهاز كمبيوتر يعرف القليل من الرياضيات.
أنا لا أريد أن تأتي عبر العقائدية، أي شخص يفعل ما يقوله الناس الآخرين ليس من المرجح أن تجد نجاحا كبيرا في أي نوع من التداول. إذا كنت تعتقد أنه يمكنك تصميم خوارزمية لتحديد أزواج جيدة، فلن يكون هناك أي ضرر في المحاولة. انها لا مجرد ضرب لي باعتباره النهج الواعد.
. يأخذ الكثير من العمل.
بلى. كانت الأموال التجارية سهلة أزواج منذ فترة طويلة. القصص المثقفة في الأسهم المنخفضة على الرغم من تعرض الزوج إلى الانحرافات من تقلبات الشركات الصغيرة لا؟ & كوت؛ عفوا، أن المخزون الشمسي خسر للتو عقده الرئيسي. أو، نجاح باهر، أن الحفار حصلت فقط على عقد الدولة المفاجئة. & كوت؛ ثم يحصل على إعادة كتابة القصة، أو لك أو أربع صفحات الحصول على مزقت. يمكن للمرء أن قبض على هذه العروض الأولية للتغييرات قصة إذا كان واحد فقط يشاهد عشرات أو نحو ذلك القصص. ولكن هنا، حيث أننا نتطلع إلى تجنب مشاهدة القصة - التي ستصبح مؤتمتة بالكامل، فإننا نتعثر بهذه الأعطال السردية في علاقات زوجية قليلة.
عندما تقول التحول إلى الأسهم طويلة / قصيرة يبدو أنك تدعو إلى التخلي عن البحث الإحصائي عن قصص غامضة (ربما غريب الاطوار) بدلا من انعكاس متوسط ​​أوسع - هل هذا صحيح؟ ولكن، إذا كان أحد لديه الأدوات، لماذا لا تخلق العشرات وعشرات من غريب تداول الصفقات الزوج. تأكد من أن القصص قد لا توجد فعلا. ولكن بعد ذلك مرة أخرى، ربما تكتشف 10 أو 20 التي هي فريدة من نوعها. ومن خلال عملية القضاء على الشركاء المقترنة سيئة، كنت في نهاية المطاف مع مجموعة يمكن التحكم فيها التي هي قادرة على الرقص مع النجوم؟ هذا الموقع لا شيء إن لم يكن تجربة ضخمة في استخراج البيانات لا؟
مرة أخرى، أنا لا أحاول إبطال القوانين هنا، ولكن النهجين المباشرين هما: (أ) محاولة العثور على بضعة أزواج يمكنك فهمها أو (ب) نسيان الأزواج ومحاولة بناء محفظة كبيرة من الأطوال والسراويل دون القلق بشأن الاقتران الأسهم أو القيام البحوث غير المصرح به. وبعبارة أخرى (أ) البحوث الذكية المتخصصة أو (ب) استخراج البيانات الضخمة.
محاولة تقسيم الفرق من خلال إيجاد العشرات من أزواج ولكن لا تفعل البحوث مصممة خصيصا لفهم كل واحد يبدو دون المستوى الأمثل.
في محاولة للعثور على عدد قليل من أزواج يمكنك فهم.
إذا كنت أقرأ الأشياء بشكل صحيح، من خلال & كوت؛ فهم & كوت؛ كنت تعني أنه يجب أن يكون هناك بعض القصة البديهية الكامنة وراء العلاقة، أفترض بحيث يكون هناك خطر أقل من أن العلاقة سوف تختفي فجأة؟ هل تتحدث عن نوع من السرد، & كوت؛ السبب نعتقد أن هذا يحدث، ولكن لا يمكن أن تفسر حقا مع نموذج، هو. ومثل. أو نموذج كمي توضيحي يوفر القصة وراء العلاقة؟ أقول أجد تجارة أزواج على أساس فكرة أنه عندما يشتري المستهلكون الكثير من البيض، وتسقط مبيعات لحم الخنزير المقدد، والعكس بالعكس. أنا يمكن أن تشكل قصة أن الناس يمكن أن تأكل فقط الكثير لتناول الافطار، وترك الأمر في ذلك. لدي شعور دافئ، غامض، وإذا كنت تاجر المهنية، نأمل إدارة بلدي سوف يشعر دافئ وغامض، أيضا. ولكن هل الخطر حقا مختلفا دون القصة؟ ما لم أجد في الواقع دراسة ذات صلة لتناول وجبة الإفطار، أو القيام بنفسي، ثم أنا يمكن أن يكون مجرد خداع. وإذا كان السبب الأساسي لا يمكن ترميزه في مجموعة من القواعد، فإنه ليس حقا التداول الكمي الآلي، أليس كذلك؟ كمستخدم كوانتوبيان الذي لا يفعل هذا النوع من الشيء لقمة العيش، ولست بحاجة للحصول على ألغو في صندوق التحوط كوانتوبيان، والسماح لها بتشغيل، وجمع الاختيار. لا وقت للقيام الكثير من التحليلات حاليا.
هناك أزواج أكثر جيدة من هناك التجار المختصة مطاردة لهم.
يبدو وكأنه أرض الحليب والعسل بالنسبة لنا سكان كوانتوبيا. وهذا يعني أن فريق كوانتوبيان يجب أن يفكر في إزاحة أزواج المرشحين ل 35،000+ المستخدمين لفحص مثل مجموعة من النمل، في محاولة للتوصل إلى قصص لمجموعة فرعية منهم (& كوت؛ أنا سوف تأخذ شيز & أمب؛ بدق، يمكنك إجراء بعض الأبحاث، ومعرفة ما إذا كان بإمكاني العثور على قصة & # 39؛ لدعم العلاقة. & كوت؛).
أنا مجرد محاولة لفرز إذا كان أي من هذا يمكن تخفيضها لممارسة للمستخدم جو شمو كوانتوبيان، أو إذا كان مسعى ميؤوس منها. هل هناك طريق ل كوانتوبيان للحصول على مئات من المربحة، قابلة للتداول أزواج تداول ألغوس لصندوق التحوط 10B $ (نضع في اعتبارنا أن بلدي تقدير، فإنها تحتاج عدة آلاف من الطحالب متميزة في الصندوق)؟ أو هل هذا كل حفنة من بلاه، بلاه، بلاه؟
لقد حاولت البحث التلقائي من الأزواج / السلال، باستخدام تقنيات المعرفة العامة، وعلى الرغم من أنني لم أذهب من خلال كل منهم مع بلدي اختبار المستوى على مستوى القراد، وعدد قليل من أن فحصت شخصيا كانت إلى حد كبير عديم القيمة؛ فإن الفرضية المفترضة التي ترجع إلى أن البحث في الشبكة الخاصة بي كانت مجرد زائفة أو بسبب ارتداد عرض التسعير.
ومع ذلك، أنا أعرف لحقيقة أن الناس تشغيل مربحة مربحة الآلي أزواج تداول المحافظ. أنا أعتبر هذا يعني أنه من الممكن، ولكن الطريقة التي اقترب منه كان ساذجا. ولعل أسلوب العمل الساق هو الطريق للذهاب، والخروج مع أطروحات حول السائقين ومن ثم البحث عن المحافظ التي من شأنها أن تعبر عن أطروحات، مع بناء نسبة التحوط الفعلية القيام به & كوت؛ بدقة & كوت؛ باستخدام مرشحات كالمان أو أيا كان.
بلدي هو أن الدردشة حول أزواج التداول هو رائع، ولكن ينبغي أن يكون هناك التركيز على الحد من ذلك لممارسة، مع نوع من سير العمل ودود، بحيث يمكن للمستخدم كوانتوبيان الجلوس في بيجه مع كوب من القهوة في يوم ممطر ويأتي في الواقع مع ألغو لائق في منتصف الطريق من شأنه أن يكون اطلاق النار على الدخول في صندوق Q مصدر الحشد. على سبيل المثال، لدينا:
. في محاولة للعثور على عدد قليل من أزواج يمكنك فهم.
ولعل أسلوب العمل الساق هو الطريق للذهاب، والخروج مع أطروحات حول السائقين.
حسنا. فما هو سير العمل لمستخدم Q العادي؟ نضع في اعتبارنا، وهذا يحتاج إلى أن تكون قابلة للتطوير. انها لن تفعل Q أي جيدة إذا كان فقط المستخدمين مع درجة متقدمة و 20 عاما من الخبرة في مجال صناعة يمكن أن تكون ناجحة. إذا كان الجواب، & كوت؛ حسنا، لا يوجد سير عمل. تحتاج فقط إلى معرفة & كوت؛ ثم لا يمكن التعامل مع أزواج التداول على Q. لدينا هارون & كوت؛ القراءة والتفكير & كوت؛ التوصية أعلاه، ولكن قراءة ما؟
أيضا، لقد رأيت في مكان ما أن هناك تقنيات لتجميع أزواج التداول، من سلال الأوراق المالية. هل هذا فعال؟ أم أنه ينتهي بفاعلية مع محفظة الأسهم قصيرة الأجل التي أشار إليها آرون براون أعلاه؟
هذا النوع من قصة دافئة و غامض التي تذكر لا قيمة لها للاستثمار، على الرغم من أن تقول أنه يمكن طمأنة المستثمرين والمنظمين. ما تبحث عنه هو المتغيرات المشتركة لتحسين استراتيجيتك، والأهم من ذلك، يحذرك عندما لا يعمل. الفخ الكمي هو أنه عندما يكسر علاقتك ببساطة يبدو أكثر جاذبية لنموذج الخاص بك، وكنت دوامة إلى الموت.
قصة البيض و بيكون هو في الواقع عكس ما تريد. ويقول أن هناك استهلاك إجمالي ثابت، وبالتالي فإن المبلغ الإجمالي المستهلكة من كلا المنتجين هو ثابت، وهذا يعني أنها سوينغريغاتد سلبا. إذا كانت ترتبط ارتباطا إيجابيا، ويقول لأن المستثمرين محاولة أعلى أو أسفل جميع الأطعمة وجبة الإفطار كمجموعة، هل تفعل التداول المضادة للأزواج. أنت تبحث عن الأشياء التي يجب أن تكون في نوع من التوازن على المدى الطويل، ولكن التحرك هو عكس الاتجاهات في المدى القصير. قد تكون القصة الدافئة والمبهجة هي البناء السكني ومبيعات الأثاث، على المدى القصير إذا كان الناس ينقذون مدفوعات لأسفل، فإنهم لا يشترون الأثاث، والأسر الفقيرة التي كانت تستضيفها حديثا مع أثاث قديم وتحت الأرض. ولكن على المدى الطويل، سوف تحصل المنازل مفروشة. لن يكون هذا أبدا قصة تداول للأزواج لأنها تتعلق بقطاعات بأكملها. لاستغلال هذا، يمكنك إنشاء نموذج تتبع دورة الحياة الكاملة، ومن المحتمل أن تنطوي على عوامل أخرى مثل معدلات الفائدة والديموغرافيات الأسرية وأنماط الهجرة، وتجارة أعداد كبيرة من الأسهم.
للحفاظ على هذا عملي، وهنا هو أزواج التداول للدمى وصفة (يعني ذلك باحترام، أنا مروحة كبيرة للكتب الدمى).
تشغيل نوع من الشاشة الإحصائية لتحديد أهداف التداول أزواج واعدة. لا تبحث عن دلالة إحصائية بالغة، إلا أن هناك بعض المستويات المعتدلة التي يجب أن تخرج من الضوضاء مثل 5٪ أو 1٪. ويمكن أن يساعد على الحد من عضو واحد من كل زوج للشركات أو المناطق التي تعرف شيئا عن.
ومن الواضح أن هذا هو للشخص الذي لديه المهارات الكمية، ولكن أيضا مهارات البحث العامة والحكم التجاري.
تشغيل نوع من الشاشة الإحصائية لتحديد أهداف التداول أزواج واعدة. لا تبحث عن دلالة إحصائية بالغة، إلا أن هناك بعض المستويات المعتدلة التي يجب أن تخرج من الضوضاء مثل 5٪ أو 1٪. ويمكن أن يساعد على الحد من عضو واحد من كل زوج للشركات أو المناطق التي تعرف شيئا عن.
يبدو أنه يمكن أن يكون مثمرا ل كوانتوبيان إلى المصدر المفتوح بعض الأدوات الفعالة للفحص (وربما حتى لعبتهم من حيث الموارد الحوسبة). دعنا نقول إنني خبير في شركة شيز وربما أتمكن من تضييق نطاق مجال الأوراق المالية المرشح ليتم مقارنة الأسهم المدرجة في بورصة ناسداك، والتي يوجد منها حوالي 3000 سهم. لذلك، هو O (N) مشكلة الحوسبة، وليس O (N ^ 2) كما ديلاني يذكر أعلاه لمشكلة الفحص العام. ولكن، أود حساب الإحصاءات على أساس متجدد، كل دقيقة تداول على مدى 2 سنوات. لدي:
(3000 مقار / دقيقة) (390 دقيقة / يوم) (252 يوما / سنة) (2 سنة) = 589،680،000 مقارنات.
هل شيء من هذا القبيل على الإطلاق ممكن على منصة البحث كوانتوبيان؟ وإذا لم يكن الأمر كذلك، فكيف يمكنني تقليصه إلى شيء من شأنه أن يعمل في فترة معقولة من الزمن (بضعة أيام على الأكثر) ولكن لا يزال يقدم نتائج مفيدة؟
أنا ألعب مع الخوارزمية التي كتبها إرني تشان التي قمت بنشرها.
والمثير للدهشة، فإنه فشل تماما عند مبادلة الزوج، انظر باكتست المرفقة (أنا فقط تغيير النظام).
أيضا، كيفية التعامل مع التحوط السلبية (بيتا من شريان الحياة للسودان). مع التنفيذ الحالي نذهب طويلة (قصيرة) على كلا الموقفين عندما علامة التحوط هو نفس علامة على درجة Z، والتي لا تتوقع من تداول الزوج. ما السبب الاقتصادي الذي يمكن أن يؤدي إلى مثل هذه التجمعات المشتركة؟
لست متأكدا بالضبط سبب فشله عند تبديل الطلب. يبدو أن الرياضيات قد لا تكون قوية إلى & # 39؛ رأسا على عقب & # 39؛ زوج. وتأتي نسبة التحوط من التعريف الرسمي للتكامل المشترك، أي أنه بالنسبة لبعض b و u_t = y_t - b * x_t، u_t ثابت (المتوسط ​​يبقى نفسه). لذلك نحن نحاول تقدير ب المعلمة في كل التجارة بحيث يمكننا إنتاج صحيح الانجراف ثابتة بين اثنين من الأوراق المالية. يمكن أن يكون الحال هو أن اثنين من سوينغريغاتد سلبا، ما إذا كان هناك سبب اقتصادي قوي لهذا أنا لست متأكدا. قد تحاول وضع قيود على عدم التداول عندما يكون لديك مناصب قصيرة أو مزدوجة مزدوجة، أو تستخدم طريقة تقدير أفضل ل b (المزيد من نقاط البيانات على سبيل المثال).
كل القضايا التي تثيرها هي تحسينات متطورة جدا، وجعل هذه التحسينات على الخوارزمية يمكن أن يؤدي إلى شيء جيد جدا. أنا لا أقوم بتقليص الحلول المجففة، لأنك الآن ترقص حول حافة ما هو معروف عن التداول الخوارزمي. وهناك الكثير من ذلك وصولا إلى اختبار صارم أساليب معالجة الإشارات المختلفة لمعرفة أي العائد أفضل من أداء العينة. أيضا، كما قلت، من المهم أن تدع المنطق الاقتصادي يدفع إلى إنشاء نموذجك.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
شكرا لردك السريع.
هذا هو في الواقع استجابة قيمة جدا، كما كنت أخشى أنني قد غاب عن شيء واضح.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
هنا هو موقع درجة الحرارة التي تشابه المعلومات الحركة، والتي هي عن نفس فكرة أزواج. ستوكا هو الأسهم التي تقارن، الصف هو كيف هذا الزوج صفوف لجميع الأزواج، (عدد الصف). أنه يحتوي فقط على معلومات لأعلى 5000 أو نحو ذلك أزواج.
يتم سحب البيانات من الفترة من أغسطس 2018 إلى فبراير 2018 وهو متوسط ​​كل يوم.
(تغيير إير إلى الرمز المطلوب)
الفكرة وراء الخوارزمية ليست في الواقع لتداول أزواج، ولكن هو لتشابه كيف يتحرك الزوج. سأترك موقع الاختبار هذا لبضعة أسابيع.
شكرا ديلاني. انها خطوة انطلاق كبيرة لتقنية تداول الزوج.
أنا أعمل على قطعة مفقودة من هذه الاستراتيجية التي هي كيفية استخدام بيئة البحث كوانتوبيان لإيجاد أزواج الإحصاء المشترك المشترك / إتف أزواج من الكون كله أو من نفس القطاعات. بعد إنشاء أزواج جيدة، ثم يمكنني استخدام دفتر الملاحظات التي قدمت لمزيد من التحليل و باكتست.
هل هناك أي اقتراح بالنسبة لي؟
لدي سؤال عن أزواج التداول هذه.
كيف تتعامل مع متطلبات المعالجة الكبيرة؟
أنا ترميز بعض الاختبارات للتكامل المشترك والنتائج لكل مجموعة يستغرق حوالي 1 ثانية.
يمكنني الحصول على هذا مع أسفل المعالجة المتوازية وتخزين البيانات محليا ولكن الكون من 2000 الأسهم سوف لا تزال لديها 4000000 مجموعات المحتملة.
ربما لافتا إلى واضح، ولكن.
أداة ما قبل الفرز، أو ما قبل الفرز القيام به بالنسبة لك مقابل رسوم.
عندما كنت أبحث هذا النوع من الشيء قبل بضع سنوات، سلال 3 و 4 من بضع مئات من إتفس استغرق أشهر على بلدي ماك بوك. وكانوا جميعا في الغالب القمامة، على الرغم من أنني لم يذهب في الواقع من خلال كل منهم. ربما يجب.
إذا كنت أتذكر بشكل صحيح، كان هذا تركيبات 1.6T، أو شيء من هذا القبيل.
الصيغة هي R إلى الاسترليني S، مقسوما على S!
لذلك، ل 4000 الأسهم، سيكون.
(4000 x3999) / 2! أو، حوالي 8 ملايين زوجا مصنوعة من 4000 الأسهم النموذجية. ل 3 أسهم تعتبر معا، سيكون هناك 4000 × 3999 × 3998/3!
يمكنك تقليم شجرة ممكن بسهولة بسهولة على الرغم من. وأعتقد أن معظم الأسهم تتصرف كما لو كانت حقا إتفس (في السوق بطريقة محايدة للنظر في ذلك فقط) ويمكن أن تمثل من قبل مجموعة من الأسهم الأخرى، التي تتحرك مع نفس الأساسيات. لديك فقط لمعرفة ما القطاعات التي تتحرك معها، ومن ثم تحقق من أزواج ضد هذا.
لذلك، على سبيل المثال، مع هلف، فإنه يتحرك مع المستهلك، عدة عملات، الأسواق الناشئة، وعدد قليل من الآخرين. فمن الصعب فصل تماما كما الأسواق الناشئة تتحرك أيضا مع العملة، وذلك هو الذي يصبح السؤال.
بالنسبة إلى اثنين من أسهم التكنولوجيا النموذجية التي تبدو متشابهة جدا، قد يكون الحال كذلك أن الفرق الرئيسي بينهما هو العملات التي تتحرك معها. لذلك، بالنسبة لمعظم الوقت، فإنها قد تبدو مشتركة في دمج، ولكن بعد ذلك، عندما يكون هناك اختلاف في العملات التي تؤثر على واحد الكثير، وليس ذلك بكثير من الآخر، فإنها ثم تتحرك بعيدا.
كنت أعمل على خوارزمية لتحديد المكونات الأساسية، (إذا جاز التعبير) التي تجعل كل سهم بشكل جماعي يتصرف بنفس المنطق كما لو كان إتف متعدد القطاعات. (where the underlying stocks are a mystery to be solved) I have most of it done, and I believe I have enough done to prove it does work this way, but I lost my real time quote stream a few months ago, and so stopped working on it.
since my algorithm would need to consider up to 15 underlying components to solve this problem, it would be 4000 x 3999 x3998 . 3985/15! So, I have to trim it. The link I posted a few messages above shows some of the results of this work, where I first determine the possible stocks to consider, for each symbol.
It is my belief that the market is essentially swamped out with pairs trading, and this is why it works so mathematically perfect for each stock to behave as if it is an ETF.
There is certainly a high computational cost to looking at all possible pairs. However, there is a tradeoff to this approach, as you put yourself at a high risk for multiple comparisons bias. Please see earlier in this thread for a fairly complete discussion of this issue. Regardless of which method you use to select pairs, you'll want to do some additional validation using the notebook and then use the algorithms in this thread to try backtesting a strategy.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
Indeed, Aaron Brown's advice is gold.
What is "multiple comparisons bias"? I'm lazy and don't feel like sifting through this rather extensive discussion thread.
I find it hard to believe that pairs trading would work as a scalable hedge fund strategy (be able to pour $10's of millions into a single pair). Is there any evidence? In other words, why is Quantopian promoting this?
This is one of the best threads on the site.
It scales; you can trade hundreds of pairs.
Multiple comparisons is a core problem in all of statistics, right up there with overfitting. The general idea is that if you run 100 statistical tests on random data, you should still expect to get 5 below a 5% cutoff and 1 below a 1% cutoff based on random chance. This is true when testing various iterations of a model, or many pairs. Because the number of pairs is O(n^2) you should expect to get a lot of spurious p-values when looking for pairs. A naive strategy of just looping through pairs won't work, you need to be a bit more sophisticated.
And yes you trade many pairs with low exposure to each. That said, I think that long-short equity strategies may be a better first bet to get into the fund at this point, just based on robustness and capacity.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
There is more electricity used in the state of New Jersey doing calculations on the market than there is electricity used in that state for manufacturing. Pairs strategy likely accounts for at least 50% of this usage as even HFT likely often uses some version of deviation from the mean. It is my opinion that the market is so saturated with pairs trading that given the price of any ten tickers that had no big news, one could deduce the price of the rest of the market and be within 0.7% of the actual price, 90% of the time for the top traded 4000 stocks. (and it could probably be done with less than ten tickers. ) So, for a 30 dollar stock, the margin of error would be about a quarter. This is how precisely, compared to each other, I think they move. Until there is news.
It sounds like a corollary to the reciprocal of the law of large numbers; given enough samples you will always find something to fit.
I would reintroduce the concept I proposed in an article in S&C last spring ; the directed acyclic graph or DAG. Using thousands of correlated or cointegrated pairs I built groups from them. Those groups were essentially social graphs of securities. You can search here for DAG, but briefly, you can use the concept of pair trading, that is, fade and favor the divergences, but with a correlated group. And such a group is assembled, dynamically, from a list of pairs that are "friends of friends". It's a pairs strategy, essentially, but with lower risk and less work managing hundreds of separate strategies.
That said, I think that long-short equity strategies may be a better first bet to get into the fund at this point, just based on robustness and capacity.
Have people been coming up with good ones? If so, what proportion are using the new data sets? If not, why not, do you think that is?
I haven't been focusing on them at all, mostly because there's a problem of opportunity cost; if I spend all my time looking for equity long-short algos, not only is there a chance I don't find anything, but if I do, there's still a chance that Quantopian doesn't select it, and since I cannot trade them myself, that time is wasted (unless I pitch it to other funds I suppose). If I look for algos that I personally can trade, and I find some, then I trade them.
I realize there's an unfortunate schism wherein I am using your platform but not contributing to your business model, so if you have any ideas how I can help without wasting my time writing algos that only work high account levels, please let me know. Pairs trading/statistical arbitrage might be one solution, but I've found them very difficult to implement; anything that looks promising in Quantopian fails the backtest when using dividend-adjusted bid-ask tick data, so I might shift my focus back to building my own lower latency infrastructure for a while.
I would reintroduce the concept I proposed in an article in S&C last spring ; the directed acyclic graph or DAG. Using thousands of correlated or cointegrated pairs I built groups from them.
Cool. Yeah, pretty similar. The DAG though was used specifically to find the networked graph. Those trees might embody the same thing, not sure. But I'd guess the idea is approximate.
Why would anyone want to pairs trade when trading a Minimum Spanning Tree or correlated network graph of stocks is so much safer and easier? I've built dozens of pairs strategies and the directionality of the pair always broke the model. And all pairs I ever tested all went directional at some point -- beyond the account's ability to Martingale down.
Have people been coming up with good ones? If so, what proportion are using the new data sets? If not, why not, do you think that is?
I can't release any specific data on this. I can say that there's a lag between when we update product features/try to educate people about algorithm writing techniques (larger universe size, shorting), and when new strategies start appearing. We'd love more large universe strategies right now and I'm trying to figure out ways to make it easier for folks to develop large universe long-short strategies using pipeline.
I haven't been focusing on them at all, mostly because there's a problem of opportunity cost; if I spend all my time looking for equity long-short algos, not only is there a chance I don't find anything, but if I do, there's still a chance that Quantopian doesn't select it, and since I cannot trade them myself, that time is wasted (unless I pitch it to other funds I suppose). If I look for algos that I personally can trade, and I find some, then I trade them.
I realize there's an unfortunate schism wherein I am using your platform but not contributing to your business model, so if you have any ideas how I can help without wasting my time writing algos that only work high account levels, please let me know. Pairs trading/statistical arbitrage might be one solution, but I've found them very difficult to implement; anything that looks promising in Quantopian fails the backtest when using dividend-adjusted bid-ask tick data, so I might shift my focus back to building my own lower latency infrastructure for a while.
Totally reasonable. We don't release our product with the expectation that everybody will use it to develop strategies for the fund, we also want to support your use case of personal trading. We also understand there's a conflict between pushing people to write high capacity market neutral long-short strategies, when those will never work on their own money. What I'm trying to figure out is ways to make the workflow of producing and evaluating factors easier, because once you have a factor-based ranking system, it's pretty easy to slot that into an existing long-short algorithm using pipeline. I'm working on sharing a pipeline algorithm with the community and attaching it to the lectures page in an effort to get more cloning and tweaking going on.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
I share Simon's sentiment. I've continued to participate in the contests, but the idea of spending tens (hundreds?) of hours trying to come up with an uber algo that will compete with the big dogs sounds like a lot of work, with a very uncertain pay-off (it's not even clear that you are still working on the hedge fund. any substantive news?). The pipeline thingy has a bit of a learning curve, so I haven't taken that on yet (the fact that lots of obscure modules need to be imported is a red flag). That said, if there were good working examples that could be tweaked, I might give it a go.
What I'm trying to figure out is ways to make the workflow of producing and evaluating factors easier, because once you have a factor-based ranking system, it's pretty easy to slot that into an existing long-short algorithm using pipeline.
Why don't you get all of the Q eggheads together for 1 week and see if you can come up with a long-short algo that would be Q hedge-fundable, and publish it (and better yet, actually fund it). Not only would this provide an existence proof, but you should also gain some insight into the workflow and the person-hours to accomplish the task.
Here is a pipeline algorithm that I just published as the goto example of a long-short equity strategy. I'm sure it will go through many improvements as the public eye turns to it, but it should at least be a start. It's tricky because we do want to publish algorithms that are 95% of the way done, so that users can take the last 5% and improve the strategies in many different uncorrelated ways. With long-short equity most of the work is in choosing good factors and factor ranking techniques. Unfortunately those are the type of signals that will disappear when shared publicly, but the actual machinery to trade within the algorithm should stay pretty consistent. If you're maybe looking to learn pipeline a bit, I would recommend going through Lectures 17 and 18, then looking at the algorithm.
I can say for certain we are working on the hedge fund. Even if you have strategies that aren't consistently winning the contest, we may be interested in an algorithm that can consistently do ok. Ultimately, my job as the one overseeing the lectures is to keep trying to make it easier so people don't have to spend as much time working on algorithms that may never pay off for them, and so we get more algorithms that do pay off in the long run.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
I start to implement pair trading backtesting in research environment instead of IDE. The main reason is to automatic run multiple pairs performance analysis before I jump into IDE for full backtest. Another reason for this work is to do further analysis for returns from many pairs.
I am wondering where I can find the example of backtesting in research environment to start with. Any comment is very appreciated.
In your research environment there should be a 'Tutorials and Documentation' مجلد. Inside the folder should be a notebook with the title 'Tutorial (Advanced) - Backtesting with Zipline'. Make a copy of that and let me know if that's enough to get you started.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
May 28 algo falls below benchmark if extended to date and -43% PvR with default slippage and commissions, tanking thru 2018.
Hope it can be rescued b/c it shows good potential.
The example strategies cheat and run on the same timeframe over which we did research and found the securities to be cointegrated. In a real strategy you'd want to find pairs that were cointegrated into the future and not just historically cointegrated. The template should stay largely the same, so it's an issue of swapping in new securities that you have statistical evidence will stay cointegrated.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
Could you post a tutorial on calibrating an Ornstein Uhlenbeck process for mean reverting series residuals?
We've added a lecture on this to our queue. No idea when we might currently get to it, but it's on there.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
Ages ago I posted, perhaps as anonymole, that a "pair" needn't be made of only two securities. In fact, the whole "we only allow low beta strats" mantra is pretty much an argument that all strategies should be a variation of a pairs strat. That is, over all, a market neutral position is best.
Taking this further however, and applying a more formal model to the pairs strategy (that the security set have a "story" attached to it) I wonder if the two halves of the pair would do better as independent baskets of securities. That if one approached a pairs strategy with the mind to match up two behaviorally opposed baskets of securities that instead of trying to search all pair combinations looking for all the super-great-marvelous attributes a pair should have, that instead, one determine the two sides of the pair coin and fill each side with the most appropriately identified securities -- for each side.
A simplistic model might be described thusly:
Equities which cycle up in the spring/summer and down in the fall/winter would be bundled together and set against equities which cycle oppositely (down in the summer, up in the winter).
No doubt there are more interesting or undiscovered cycles that exist. My point is that rather than identify securities that yin and yang, one discover technical, or macro, or fundamental classifications which zig when the other zags. Then find securities which fit each of those baskets of behavior.
This is a very interesting idea and definitely something that professional quants do. At the core we just want two assets on either side of a pair, and a portfolio of assets will do just as well as a single equity. There are probably pros and cons of each method, but the idea of using a basket of things rather than a single thing can greatly reduce your position concentration risk and lead to a better algorithm. I'd say it's worth research. You'd still likely want a few different pairs of baskets as each would smooth out the return curve of the other and produce a lower volatility algorithm.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
I have to run an errand, so I only have five minutes, but hopefully I can be clear in that time.
To demonstrate the chops of an AI system, I created an algorithm that can represent the small changes in stocks price, as the sum of a set of ETFs. For example, with MSFT one might have XLK, XLY, FXE, FXI, and some others.
I can show that the typical price movements during a day can be represented in this way. However, when there is specific news, then it is no longer true, if the news is strong.
What I believe this shows is that instead of things "returning to the mean" they are in fact not moving arbitrarily and so, if they return to the mean, it is because one of the underlying components in fact moved. (Of all the underlying components, usually only one or two have news, and the rest are balancing each other out, once the price has adjusted.)
How might one design a trading platform for this as even if you do know it is the sum of other waveforms that are causing one waveform, one still doesn't know what causes them to move until after the fact.
(the reduction in influence is 1/1.6 when looking at the components, so after a couple of feedback loops, the influence is not measurable. Thanks, and sorry for the hurried note,
Have you read Algorithmic Trading written by Ernie Chan? For sure you read it, I have a question: in fact I am not good in programming and working with Matlab, I am really interested in Currency cross rate part of the book and I want to implement the positions in live trading but I don't know how to do that in fact I can't understand what the numbers as positions mean! If somebody can guide me I'm really appreciated.
Not entirely sure I'm understanding your thesis but it seems that you've created an expression that models the returns of a specific stock from it's sector exposures. This is actually a common risk modeling tactic, check out my notebook here. To build a trading strategy off of this I would take your hypothesis about changing news and use that to alter the coefficients of your model. A cool place to start would be to check out the lectures on factor modeling and then maybe look at some news/sentiment data sets to see if you can find any anomalies.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
That is close. It models the returns to within a few cents usually, at any moment in time, depending on the stock and its volatility as a sum of its sectors. (except when it has specific news.) What I envision behind it is a large set of funds using NLP to invest by sector based on news. Because they are so large, then they tend to swamp out the market during normal times.
I can also show that stock prices changes are directly proportional to the sum of the underlying sectors information, for most time periods. For example, the price changes for three months show this and also for three weeks, which is a bit chaos like, as it would seem they wouldnt be so perfectly in tune. Anyway, with this I can sort stocks by their overall market efficiency (the more efficient you are, the more you sync with the relationship stated above).
I also believe that there are huge funds that are interested in doing nothing more than treading water (as one possible explanation) and they move their money around the world, just trying to stay even, and so the result is that at any given time, the sum of everything stays near zero. (when one thing goes up somewhere, something else somewhere else goes down.)
These relationships also break down during periods of very high volatility such as fall 2018.
There are other things I am able to quantify, but again have no idea how to use. When information about a specific stock or sector hits the market, it is my observation that the more objective the information, the faster the market responds, and the more subjective it is, the slower the market responds.
For example, when Ackman says that HLF is a pyramid scheme, then it can sometimes be hours, and sometimes even days before that news is no longer affecting the price of the stock, but when an analyst upgrades or downgrades a stock, that is more objective and the entire price adjustment is over in fifteen minutes. (If you subtract out market movements then an analysts announcement looks like a log curve, with most of the action in the beginning and a bit of a ringing at the last.)
Again, this all happens too fast to be of use, and it is after the fact that I can say, "That was subjective."
I don't think I am able to alter the coefficients as you suggest. I am using a hard coded take on a system of recursive polynomials for my modeling, so there are billions of coefficients.
Hi, I have a quick and possibly dumb question. Why did you use the ratio instead of the difference between S1 and S2 in the Quantopain pairs trading lecture? In the co-integration lecture, you use the difference instead. In other sources, they use the difference as well.
There's an updated notebook, algorithm, and video available on the lecture series page.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
And as a response to pandasaurus' question, which I unfortunately just saw, we have removed the ratio as it was a typo in the lecture.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
Greetings Quantopian Community,
I was at the NYC Event on Pairs Trading, and the current example algorithm is deprecated, such that one cannot deploy it in live trading. With this fix, users can now deploy the algorithm in live trading. The fix is hosted as a pull request on github--thanks.
شكرا جزيلا. Could you please submit your PR to the following repo? It's where we store lectures and examples. Doesn't quite fit in the current form of zipline.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
Thanks, Delaney. I submitted the PR to the specified branch.
شكر! Delaney. I am finishing my graduation thesis these days, Your work may help me a lot.
That's great to hear, Dzi. Hope it goes well!
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
I have question in regards to high frequency pairs trading using bid/ask price. One thing that I noticed is during an entry signal if I'm supposed to go long in one and short the other, the Long position that I enter would be using the ask price and this ask price normally is higher than the bid price, so when my exit signals to exit, my bid price that I close my position at will often cause me to loose than make money. What are some of the ways to prevent this from happening or what are some strategies that goes hand in hand with trading high frequently with pairs strategy. Further, how are limit orders used with the bid/ask price.
If you need to make the spread in order for the strategy to be profitable, then you are squarely competing with high-frequency market makers, and it's a whole different ball game. You are unlikely to win. If you have control over the specific order types you send, you could attempt to use mid-point pegs or something, but as soon as you admit any sort of limit orders where execution is not immediate, you now need to be concerned about being exposed unhedged, which is something that you'll need to backtest. (not easy either). What some people do is try and rest or peg an order for the less liquid leg, and attempt to save some of the cost of the wider spread (though again, these days, you'll probably just get adversely selected for no net gain), and then as soon as that fills, you aggressively execute the hedge leg across the narrower spread.
How does one use both bid and ask z score in high frequency trading? For simplicity, I can understand using z score, but when it comes to using both bid and ask price z score, I have trouble picturing how it is used.
Simon's right, mid-frequency strategies generally should be fairly robust to bid-ask spreads. If they're not the edge is probably too small to be consistently profitable. For high frequency trading you do have to consider the bid and ask in many different ways, as your trading will be very sensitive to movements in both. How exactly you use the data would depend on your model.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
You can imagine that the spread is a synthetic asset. For instance, X = 1L -1S so a single unit of X is long one unit of L and short one unit of S. If you need to buy one unit of X immediately, you will buy at the ask of L and sell at the bid of S. If you need to sell one unit of X, you will sell at the bid of L and buy at the ask of S.
You can then easily calculate the bid and ask for X, you have just two "z-scores" to deal with. Then, if you like, you can delay buying until the X_ask_zscore < threshold, and delay selling until the X_bid_zscore > exit_threshold.
أتمنى أن يساعدك هذا.
I had a chance to see this notebook before and I would recommend it to everyone here. Lots of amazing info can be found inside.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان. وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
Hey Simon. thanks for that last post. I've been thinking through the logic behind that, but I do have some questions. Hope you don't mind explaining or expanding on it a little. 1) If I understood you correctly you mean X being the spread between a pair? in other words one unit of X immediately to be traded immediately, I would think that you will buy at the ask of X rather than L to be immediate wouldn't you? One problem that I would encounter by buying one unit of X at the ask price of L would be that the ask price of L may not be the lowest ask price of X and therefore may cause me to still queue to purchase the unit of X or not even fill. Can you say a little more in regards to this?
2) Further, there is one concept that I'm having a hard time to understand. Let's say that my Z score > entry threshold of +2. I would short L by one unit by selling one unit of L at the bid price of L and go long one unit of Y at the ask price of Y. Assuming hedge ratio is 1 and all. When my Z score < exit threshold of say 0.2. I would then exit my short and long position of the pair. The issue that I would encounter assuming no fees and all is that I would loose money during these trades. I'm having a hard time understanding why that would be if my Z score returned to or close to mean. Is the reason behind this due to the fact that the volatility of the bid/ask price may not be high enough to allow the difference in the entry and exit bid/ask spread price at the start and end of the transaction to pull far enough to earn money?
Please take a look at the last part of the page for this link that shows the true correlations, which are arrived at by saying "from the point of view of a pairs trader, how correlated are these tickers."
If you know how to subtract out the part of the market that floats all boats, to be left only with the information pertaining to neutral, there are extreme correlations. XLK is the ticker used in the example, but there are a thousand I could have used. When you know how to subtract out all but the neutral information, the market becomes completely different in how it appears.
Scroll to the very bottom of the article and look at the two tables with correlation information. These numbers are this way because there is so much interest in pairs trading that it tends to swamp things out. It is even more pronounced in Europe.
1) I think you are getting a bit confused; X is not a real thing, it's a synthetic asset formed by the basket of L and S. X has a price to buy and a price to sell which you calculate from the bids and asks of the components. If you cross the spread, generally, you trade immediately in small enough size. You only have uncertainty about fills if you try to earn the spread. That gets much more difficult.
2) Maybe. If your trades are not making money, I mean, that's a big problem. I can't answer why they are not making money. It could be transaction costs like the bid/ask spreads, you should analyze the volatility of your baskets as a function of the bid/ask spreads you have to pay. If you have to cross four 5-cent spreads to try and capture a spread mean-reversion of 2 cents, well yeah you are going to have problems. A bigger problem I found was that mean reversion happens one of two ways; either the asset reverts to the mean, or the mean converges with the asset (assuming you are constantly recomputing the mean, which seems to be common practice). In both cases your z-score goes back to zero, but only in the first case do you make any money.
@daniel I read your article, the correlations at the end, are those of prices, or returns ?
Thanks for clearing that up for me. The idea of using synthetic assets is relatively new to me. I went and researched it a little and noticed that it is often used to capture streams of cash flow. I'm currently trying to perform residual pairs trading with Chinese Future Contracts. As I research it for the use of Futures, I don’t really find much articles or explanations. Is it applicable to Futures?
At the same time, I'm relatively new at this and trying to go through the lectures and stuff to learn. When you say I should analyze the volatility of my baskets as a function of the bid/ask spreads. Do you know where I can find a lecture that discuss this further? Sorry to ask some fundamental questions. One thing I notice in my data is that the bid/ask spread is really small and by small the it is just a spread of one tick of the futures contract; while the Volume for that tick is also small just around 80 or less contracts for either bid or ask.
The correlations are about prices, but just a subset.
(I have edited this down, as compared to what you probably have in email. Please don't copy anything from the email onto the board.)
James - maybe? You need pairs/baskets with enough variance to profitably trade the mean reversion. There tends to be a spectrum; structurally correlated assets (like ETF vs their component baskets) are perfect to trade, so perfect, that everyone does it and therefore the deviations are probably less than the spread. Then there's really shitty pairs which you find doing brute force analysis of the stock market. These have lots of variance, but they probably don't converge, and/or the relationship is totally spurious. Read closely Aaron Brown's posts on this thread. You want something in the middle.
Danial - I am not sure how useful correlations of prices of any kind are ? They are bound to be super high.
By itself I don't believe there is any one thing that is useful for a neutral strategy.
My approach is to look at the market as being represented by several hundred core waveform, and similar to the idea of Fourier Transform, you can use these fundamental waveform to create the 4000 heaviest played stocks. So, basically everything I believe about the market is based on the idea of correlations, as this is what I used as one of the first steps to find those wave forms. (which are not easy to find.)
Consider if you have Tickers AAA and BBB, and they are two similar stocks.
AAA might have as its composite the waves A, B, C, D, E, F, G, H, I, J, and BBB may have D, E, F, G, H, I, J, K, L.
During the times that there is little to no activity in the components A, B, C, K, L then the two tickers would be nearly perfectly correlated. But if suddenly component A had news (for example), then the perfect correlations would no longer hold, since stock BBB does not have an A component waveform..
If you apply the above to the idea of mean reversion, then you can see what I believe the mean reversion strategy is actually about.
In my opinion the best way to play a neutral strategy would be to devise a portfolio that is about the underlying fundamental wave components..
And in the interest of completeness, I will mention that in the above examples, waves A, B, C, etc are also made of composite waves, (and those composites . ) as the market is self referencing. The several hundred are at the bottom of the self referencing, and are something that exists in theory, that I believe I could "easily" find, but have not spent the time and energy to do so as of this date.
I also believe that if I had data for all the major markets of the world and was able to deduce the underlying component waves for those instruments that are heavily played by the collectively speaking, multi-trillion dollar funds, that the sum of these waves would (except for inflation) most of these times sum to be zero.
Some researchers generate the log price series of two equities with the daily close. Then the spread series is estimated using regression analysis based on log price series data. For equities X and Y, they run linear regression over the log price series and get the coefficient β.
Any reason they use log price series instead?
عذرا، هناك خطأ ما. حاول مرة أخرى أو اتصل بنا عن طريق إرسال الملاحظات.
لقد أرسلت بنجاح تذكرة دعم.
سيكون فريق الدعم لدينا على اتصال قريبا.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان.
وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا للبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان.
وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.

An Intelligent Model for Pairs Trading Using Genetic Algorithms.
Pairs trading is an important and challenging research area in computational finance, in which pairs of stocks are bought and sold in pair combinations for arbitrage opportunities. Traditional methods that solve this set of problems mostly rely on statistical methods such as regression. In contrast to the statistical approaches, recent advances in computational intelligence (CI) are leading to promising opportunities for solving problems in the financial applications more effectively. In this paper, we present a novel methodology for pairs trading using genetic algorithms (GA). Our results showed that the GA-based models are able to significantly outperform the benchmark and our proposed method is capable of generating robust models to tackle the dynamic characteristics in the financial application studied. Based upon the promising results obtained, we expect this GA-based method to advance the research in computational intelligence for finance and provide an effective solution to pairs trading for investment in practice.
1 المقدمة.
In the past decades, due to the inefficacy of traditional statistical approaches, such as regression-based and factor analysis methods for solving difficult financial problems, the methodologies stemming from computational intelligence, including fuzzy theory, artificial neural networks (ANN), support vector machines (SVM), and evolutionary algorithms (EA), have been developed as more effective alternatives to solving the problems in the financial domain [1, 2].
Among the CI-based techniques studied for finance, the models may be classified as two major areas of applications: (1) stock selection, portfolio management, and optimization [3‘6] and (2) prediction of financial time series [7, 8]. For the first category, earlier research works include the fuzzy multiple attribute decision analysis for portfolio construction [9]. Zargham and Sayeh [10] employed a fuzzy rule-based system to evaluate a set of stocks for the same task. Chapados and Bengio [11] trained neural networks for estimation and prediction of asset behavior to facilitate decision-making in asset allocation.
In EA applications along this line of research, Becker et al. [12] employed genetic programming (GP) to develop stock ranking models for the U. S. market. Lai et al. [13] used a double-stage GA to select stocks from the Shanghai stock exchange for the time period of years 2001 to 2004. In Lai et al.'s work, ROCE, EPS, PE, and liquidity ratios are used to rank stocks, and they used the GA to compute the optimal percentage of capital assigned to each of the assets. Lai et al. then concluded that their GA-based optimization method is more effective for financial applications than fuzzy or artificial neural networks. Recently, Huang [5] devised a hybrid machine learning-based model to identify promising sets of features and optimal model parameters; Huang's model was demonstrated to be more effective than the benchmark and some traditional statistical methods for stock selection. To improve the performance of the single-objective GA-based models, more recently, Chen et al. [14] proposed a multiobjective GA-based method for the goals of increasing investment return and reducing the risk simultaneously. In that approach, the authors used the nondominated sorting to search for nondominated solutions and showed that the multiobjective method outperformed the single-objective version proposed by Huang [5].
Another popular study of computational intelligence has been particularly concerning the prediction of financial time series. A certain amount of research employs network learning techniques, including feed-forward, radial basis function or recurrent NN [7], and SVM [8]. Other intelligent methods, such as genetically evolved regression models [15] and inductive fuzzy inference systems [16], were also available in the literature.
Pairs trading [17] is an important research area of computational finance that typically relies on time series data of stock price for investment, in which stocks are bought and sold in pairs for arbitrage opportunities. It is a well-known speculative strategy in the financial markets developed in the 1980s and has been employed as one important long/short equity investment tool by hedge funds and institutional investors [18]. Although there has been a significant amount of CI-based studies in financial applications, reported CI-based research for pairs trading is sparse and lacks serious analysis. To date, many existing works along this line of research rely on traditional statistical methods such as the cointegration approach [19], the Kalman filters [20, 21], and the principle component analysis [18]. In the CI area, Thomaidis et al. [17] employed a method of neural networks for the paired companies of Infosys and Wipro in India and accomplished reasonable return on investment using the pair of stocks. Saks and Maringer [22] used genetic programming for various pairs of stocks in Eurostoxx 50 equities and also found good pair-trading strategies.
Although there exist these previous CI-based studies for pairs trading, they lacked serious analysis such as the method of temporal validation used in [5, 23] for further evaluation of the robustness of the trading systems. In addition, in these previous studies, the trading models were constructed using only two stocks as a trading pair; here, we propose a generalized approach that uses more than two stocks as a trading group for arbitrage in order to further improve the performance of the models. In this study, we also employ the GA for the optimization problems in our proposed arbitrage models. In a past study [23], Huang et al. compared the traditional linear regression and the GA for the task of stock selection and showed that the GA-based model is capable of outperforming the linear regression model. Motivated by this research work, we thus intend to employ the GA to optimize our intelligent system for pairs trading, and the experimental results will show that our proposed GA-based methodology is promising in outperforming the benchmark. Furthermore, in contrast to traditional pairs-trading methods that aim at matching pairs of stocks with similar characteristics, we also show that our method is able to construct working trading models for stocks with different characteristics. In this study, we also investigate the robustness of our proposed method and the results show that our method is indeed effective in generating robust models for the dynamic environment of the pairs-trading problem.
This paper is organized into four sections. Section 2 outlines the method proposed in our study. In Section 3, we describe the research data used in this study and present the experimental results and discussions. Section 4 concludes this paper.
2. Materials and Methods.
In this section, we provide the relevant background and descriptions for the design of our pairs-trading systems using the GA for model optimization.
2.1. أزواج التداول.
Pairs trading is widely assumed to be the “ancestor” of statistical arbitrage, which is a trading strategy to gain profit from pricing discrepancies in a group of stocks [17]. Traditional decision-making for investment typically relies on fundamentals of companies to assess their value and price their stocks, accordingly. As the true values of the stocks are rarely known, pairs-trading techniques were developed in order to resolve this by investing stock pairs with similar characteristics (e. g., stocks from the same industry). This mutual mispricing between two stocks is theoretically formulated by the notion of spread, which is used to identify the relative positions when an inefficient market results in the mispricing of stocks [18, 21]. As a result, the trading model is usually market-neutral in the sense that it is uncorrelated with the market and may produce a low-volatility investment strategy.
A typical form of pairs trading of stocks operates by selling the stock with a relatively high price and buying the other with a relatively low price at the inception of the trading period, expecting that the higher one will decline while the lower one will rise in the future. The price gap of the two stocks, also known as spread, thus acts as a signal to the open and close positions of the pairs of stocks. During the trading period, position is opened when the spread widens by a certain threshold, and thereafter the positions are closed when spread of the stocks reverts. The objective of this long-short strategy is to profit from the movement of the spread that is expected to revert to its long-term mean.
Consider initial capital X 0 , with an interest rate of r per annum and a frequency of compounding n in a year; the capital X after a year may be expressed as.
If the frequency of compounding n gets arbitrarily large, we have.
In the case of continuously compounded return, the process of capital growth is defined as.
Therefore, the continuously compounded rate r is calculated by taking the natural logarithm as follows:
where ln⁡(·) is the natural log function.
Now consider the two price time series, P 1 ( t ) and P 2 ( t ), of two stocks S 1 and S 2 with similar characteristics, the process of a pairs-trading model can be described as follows [18]:
where γ ( t ) is a stationary, mean-reverting process; the drift α is small compared to the fluctuations of γ ( t ) and can be neglected in many applications.
The rationale behind the mean-reverting process is that there exists a long-term equilibrium (mean) for the spread. The investor may bet on the reversion of the current spread to its historical mean by selling and buying an appropriate amount of the pair of the stocks. As (5) shows, one expects the returns of stocks S 1 and S 2 to track each other after controlling for proper   β . This model suggests an investment strategy in which one goes long 1 dollar of stock S 1 and short β dollars of stock S 2 if γ ( t ) is small. Conversely, if γ ( t ) is large, one takes an opposite strategy that goes short S 1 and long S 2 . As a result, the return of the long-short portfolio may oscillate around a statistical equilibrium.
In real-world practice, the return of the long-short portfolio above for a period of time may be calculated as follows:
The pairs-trading method can be generalized to a group of stocks in which mispricing may be identified through a proper combination of assets whose time series is mean-reverting . Consider a set of assets, S 1 , …, S m , and the corresponding time series of stock prices, P 1 ( t ),…, P m ( t ); a statistical mispricing may be considered as a linear combination B = ( β 1 , β 2 ,…, β m ) such that.
where γ ( t ) is a mean-reverting process and vector B represents the proportions of one's capital assigned to each asset in the portfolio. Mean reversion in the equation above refers to the assumption that both the high and low prices of the synthetic asset P are temporary and that its price tends to move toward its average price over time.
2.2. أنظمة التداول.
2.2.1. Market Timing Models.
In this work, the long-term mean of an asset's price in the mean-reverting process may be modeled by the celebrated moving average [24], which is the average price of an asset in a specified period. Let P ( t ) be the price of a stock at time t . The moving average at time t , the mean of the prices corresponding to the most recent n time periods, is defined as.
In this study, we employ the Bollinger Bands [24] to determine if the spread of a pair of stocks departs from its dynamic average value. Typically, the Bollinger Bands prescribe two volatility bands placed above and below a moving average, in which volatility may be defined as a multiple of the standard deviation of the prices in the past. Formally the Bollinger Bands can be defined as follows:
where σ n ( t ) is the standard deviation of the prices, at time t , over the past n time periods; k ∈ R is a parameter used to control the width of the upper and lower bands to the moving average.
An important component of a successful trading system is to construct models for market timing that prescribe meaningful entry and exit points in the market. In this study, we will use the moving averages and Bollinger Bands to develop a trading system, which is described in the next subsection.
2.2.2. Trading Strategy and Performance Evaluation.
We calculate the spread for the synthetic asset generated by m stocks as.
In this work, we designate the trading strategy for one to buy (sell) the spread right after it gets x standard deviations below (above) its mean value and the position is closed right after the spread gets closer than y standard deviations to its mean, where x , y ∈ R and x > y > 0.
Here we evaluate the performance of a trading system in terms of its compounded return, which is to be determined by the relevant parameters of the trading models employed. We first define the return of a trading system for the l th trade as R l ( θ ) ∈ R , where θ denotes the set of the model parameters. Then the performance metric we use here is through the total cumulative (compounded) return, R c , where R c is defined by the product of the returns over z consecutive trades as.
Therefore, in the process of capital growth, the capital X z at the end of z trades is.
where X 0 represents the initial capital.
2.3. تحسين أنظمة التداول.
Given the market timing and pairs-trading models, the performance of a trading system shall be enhanced by suitable values of the corresponding model parameters. For the market timing models, the parameters include the period n for the moving average and parameters x and y for the Bollinger Bands that controls the multiples of the standard deviations of the moving average for entry and exit points. For the pairs-trading model, the parameters consist of the set of the weighting terms ( β i 's) in the syntactic asset from (10). In this study, we propose using genetic algorithms (GA) for the search of optimal parameters of the trading system. We will describe the basics of GA as well as our proposed optimization scheme in the following.
Genetic algorithms [25] have been used as computational simulation models of natural evolutionary systems and as adaptive algorithms for solving complex optimization problems in the real world. The core of this class of algorithms lies in the production of new genetic structures, along the course of evolution, that provide innovations to solutions for the problem. Typically, the GA operate on an evolving population of artificial agents whose composition can be as simple as a binary string that encodes a solution to the problem at hand and a phenotype that represents the solution itself. In each iteration, a new generation is created by applying crossover and mutation to candidates selected as the parents. Evolution occurs by iterated stochastic variation of genotypes and selection of the fit phenotypes in an environment based on how well the individual solutions solve a problem.
In our proposed encoding design, the composition of a chromosome is devised to consist of four portions that encode the period parameter n for the moving average, the multiples x and y of standard deviations for the Bollinger Bands, and the set of the weighting coefficients ( β i 's) for the pairs-trading model from (10). Here we use the binary coding scheme to represent a chromosome in the GA. In Figure 1 , loci b n 1 through b n n n represent the encoding for the period n of moving average. Loci b x 1 through b x n x and b y 1 through b y n y represent the encoding of x and y for the Bollinger Bands, respectively. Finally, loci b β i 1 through b β i n β i represent the encoding of the weighting coefficient β i , i = 1, …, m .
In our encoding scheme, the chromosome representing the genotypes of parameters is to be transformed into the phenotype by (13) below for further fitness computation. The precision representing each parameter depends on the number of bits used to encode it in the chromosome, which is determined as follows:
where y is the corresponding phenotype for the particular parameter; min⁡ y and max⁡ y are the minimum and maximum values of the parameter; d is the corresponding decimal value ( d being truncated to integers if the parameter is of integer type), and l is the length of the block used to encode the parameter in the chromosome.
With this scheme, we define the fitness function of a chromosome as the annualized return of the trading system over h years of investment:
where R c is the total cumulative return computed by (11).
Our overall GA-based arbitrage system is a multistage process, including the simultaneous optimization on the weighting coefficients for stocks, the period for the moving average, and the width of the Bollinger Bands. The input to the system is the time series datasets of stock price. For any given combinations of model parameters of the moving average, Bollinger Bands, and the weighting coefficients of stocks, we employ the pairs-trading arbitrage system for investment. In this work, the timing for trading is designated as buying (selling) the spread right after it gets to a certain distance (measured by standard deviations to the average) below (above) the average and the position is then closed right after the spread gets closer to the mean. The stocks to be long or short are determined by the weighting terms ( β i 's) in the syntactic asset from (10). We then compute the corresponding returns for the performance evaluation of the system. In this study, the GA is used as the optimization tool for simultaneous optimization of these model parameters. The final output is a set of models parameters (optimized by the GA) that prescribes the pairs-trading and timing models. The flowchart of this GA-based trading system is summarized in Figure 2 .
3. Results and Discussion.
In this section we examine the performance of our proposed method for pair-trading systems. We use two sets of stocks listed in the Taiwan Stock Exchange for illustration: (1) the set of 10 stocks with similar characteristics from the semiconductor industry, which is the most important industrial sector in Taiwan over the past two decades, and (2) the set of the 10 stocks with largest market capitalization from various sectors, which denote distinct industrial characteristics in Taiwan.
3.1. 10 Stocks from the Semiconductor Industry.
The daily returns of the 10 semiconductor stocks in Taiwan from years 2003 to 2018 were used to examine the performance of the GA-optimized trading system. Table 1 shows the 10 stocks used for this subsection. Figure 3 displays an illustration of the best-so-far curve for the accumulated return (i. e., the total cumulative return) attained by the GA over 50 generations. (In order to study the quality of solutions over time, a traditional performance metric for the GA is the “best-so-far” curve that plots the fitness of the best individual that has been seen thus far by generation n , i. e., a point in the search space that optimizes the objective function thus far. In addition, in this study, the GA experiments employ a binary tournament selection [26], one-point crossover, and mutation rates of 0.7 and 0.005, resp. We also use 10 bits to encode each variable in the chromosome and use 50 individuals for the size of the population in each generation.) This figure shows how the GA searches for the solutions over the course of evolution to gradually improve the performance of the trading system.
Figure 4 displays an illustration of the accumulated return of the benchmark and that of our GA-based model. (In this study, the benchmark is defined as the traditional buy-and-hold method where we allocate one's capital in equal proportion to each stock and the accumulated return is calculated as the product of the average daily returns of all the 10 stocks over the 10 years; i. e., an investor invests all the capital in the stocks initially and sell all of them only at the end of the course of investment.) This figure shows that the GA-based model gradually outperforms the benchmark and the performance discrepancy becomes quite significant at the end of year 2018. As opposed to the buy-and-hold method that allocates one's capital in equal proportions to each stock, the GA proactively searches for the optimal proportions for long or short positions for each asset in order to construct the spread by (10). In addition, the GA also searches for the optimal timing for buying and shorting the stocks dynamically using the Bollinger Bands. In our study here, the weighting coefficients for the proportions of capital allocated to stocks, the period for the moving average, and the width of the Bollinger Bands are optimized simultaneously. As a result, in our proposed methodology, a trading system optimized by the GA is a composite of optimal arbitrage and market timing models. Thus, one may expect the GA to be advantageous to the construction of the arbitrage systems and Figure 4 indeed shows that the GA-based model outperforms the benchmark in the long run. Therefore, these results shed some light on how the optimization by the GA may be advantageous to the pairs-trading model.
In order to further examine the validity of our proposed method, statistical validation on the models is conducted in this study. In reality, the learned model using the training data has to be tested by unseen data. Here, as shown in Figure 5 , we use the stock data of the first several quarters to train the model, and the remaining data is used for testing. This setup is to provide a set of temporal validations to examine the effectiveness of the models in the dynamic environment of financial problems, which is different from the regular cross-validation procedure where the process of data being split into two independent sets is randomly repeated several times without taking into account the data's temporal order. However, in the financial study here, temporal order is critical since one would like to use all available data so far to train the model and to apply the models in the future for profits.
In the training phase of each TV, we conduct 50 runs for the GA and the best model learned from each run is examined in the testing phase. In both of the training and testing phases, the cumulative total return (accumulated return) of a model over the quarters is calculated and the corresponding annualized return is computed by (14). The annualized returns of the best 50 models in each TV are then averaged and displayed for the training and testing phases in Table 2 . In this table, we also provide the annualized benchmark return for further comparison with the GA-based models, where the cumulative total return for the benchmark is calculated from the product of the average quarterly returns of the 10 semiconductor stocks over the period of time in training or testing, and the corresponding annualized return is again computed by (14).
In Table 2 , an inspection on the means of annualized model returns shows that in all the 39 TVs of the training case the GA-based method outperforms the benchmark. For the testing phase, in 30 out of 39 cases the GA-based method outperforms the benchmark. Figure 6 further displays a visual gist on this performance discrepancy of the two methods in the testing phase. As can be seen, in most of the TVs, the annualized return of the GA-based model is larger than that of the benchmark. These results thus demonstrate our GA-based method is promising for solving the pairs-trading problem.
3.2. 10 Stocks with the Largest Market Capitalization.
Next we use the 10 stocks of the largest market capitalization listed in the Taiwan Stock Exchange to further examine our proposed method. The daily returns of stocks from years 2003 to 2018 were again used for the optimization task by the GA. Table 3 shows the 10 stocks with the largest market cap used in this study.
Figure 7 displays an illustration of the accumulated return of the benchmark (which is again defined as the product of the average daily returns of the 10 largest market cap stocks over the 10 years) and that of our GA-based model. As can be seen, the GA-based model gradually outperforms the benchmark over the course of investment during years 2003 to 2018, and the performance discrepancy becomes significant at the end of year 2018. This figure thus illustrates how the GA-based model may outperform the benchmark in the long run.
For the temporal validation, by the same procedure used in the previous subsection, Table 4 shows the annualized benchmark return and the average of the annualized model returns for the training and testing cases. As can be seen from the means of the annualized model returns in the training case, the GA-based method outperforms the benchmark in all the 39 TVs. For the testing phase, in 29 out of 39 cases the GA-based method outperforms the benchmark, as well. Figure 8 then displays the results in Table 4 for each TV in the testing phase. An inspection of Figure 8 thus shows that, in 29 out of 39 TVs, the GA-based models outperform the benchmark in terms of annualized returns.
3.3. Model Robustness.
Finally, we examine the robustness of the models generated by our method using the measure of precision studied in [5], which is defined as.
In this definition, TP and FP denote the number of true positives and false positives, respectively. In this study, a true positive occurs when a model outperforms the benchmark in training, and it later turns out to outperform the benchmark in testing, as well; otherwise, the model generates a false positive. This statistic is an important metric that indicates whether our proposed method can generate robust models when the problem is in a dynamic environment, such as the financial problem studied here.
Typically, if a method generates a model that outperforms the benchmark in the training phase, one would like the model to continue to outperform the benchmark in the testing phase. Therefore, if our proposed method is able to generate many true positives that leads to high precision, it is an indication that our method is effective in generating robust models. Table 5 displays the results of precision for the 10 semiconductor and largest market cap stocks. As can be seen, the results show that the precision of our proposed method is more than 0.7 in both cases, thereby indicating that our proposed method is indeed effective.
4. Conclusions.
In this paper, we presented a GA-based methodology for the application of pairs trading in computational finance. In order to examine the validity of the proposed methodology, we conducted a statistical validation on the learned models to account for the temporal order and dynamic characteristics of the stock data, which is critical for the real-world investment as practically one expects the models constructed to gain profits in the future. Through the optimization of parameters of the trading models for a group of stocks, the experimental results showed that our GA-based method is able to significantly outperform the benchmark and can generate robust models for pairs trading. We thus expect this GA-based method to advance the research in computational intelligence for financial applications and provide a promising solution to pairs trading.
Acknowledgments.
This work is fully supported by the National Science Council, Taiwan, under Grant no. MOST 103-2221-E-390-019. The authors would also like to thank Professor Chih-Hsiang Chang for his generosity in providing the financial data.
Conflict of Interests.
The authors declare that there is no conflict of interests regarding the publication of this paper.