تجارت تحلیلی یا سیستماتیک چیست؟

استراتژی های ساده در مقابل استراتژی های پیشرفته سیستماتیک - کدام یک بهتر است؟

آیا بهتر است هنگام تدوین استراتژی های تجارت کمی با یک رویکرد پیشرفته تر پیش بروید یا بهتر است با ایده های ساده کنار بیایید؟

یک سؤال قدیمی در جامعه کوانتین می پرسد که آیا معامله گران سیستماتیک باید با استراتژی های کم نظیر روبرو شوند یا تلاش را برای اجرای رویکردهای پیشرفته تر خرج کنند.

غالباً این تصور است كه بازرگانان خرده فروشی ALGO صرفاً از استراتژی های ساده تر استفاده می كنند در حالی كه صندوق های تامینی كمی رویکردهای بسیار پیچیده و ریاضی پیچیده ای را انجام می دهند. اخیراً اوضاع تغییر کرده است.

بازرگانان خرده فروشی Algo اکنون با توجه به محاسبات ابر نسبتاً ارزان ، فروشندگان داده های جایگزین که داده های ارزان قیمت برای استفاده آسان و در دسترس بودن چارچوب های تحقیقاتی منبع باز را ارائه می دهند ، می توانند تجزیه و تحلیل پیشرفته ای انجام دهند.

در این مقاله بحث خواهیم کرد که آیا Quants خرده فروشی باید زمان لازم را برای انجام این استراتژی های پیشرفته سرمایه گذاری کند یا در عوض با ایده های ساده تر بچسبد.

ترجیحات سرمایه گذار

قبل از لیست مجموعه ای از مزایا و مضرات استراتژی های ساده در مقابل پیچیده ، لازم است که چگونگی قضاوت در مورد شایستگی های نسبی هر رویکرد را بیان کنیم.

یک مسئله مهم این است که هر سرمایه گذار مجموعه ای از ترجیحات خاص خود را دارد - و بنابراین یک "عملکرد عینی" - برای آنچه در تلاش برای دستیابی به تجارت سیستماتیک هستند.

به عنوان مثال ، یک سرمایه گذار ممکن است دارای یک سرمایه بزرگ باشد اما ممکن است نیاز به استخراج درآمد دوره ای از هرگونه سود تجاری حاصل از این سرمایه داشته باشد. حفظ سرمایه - و در نتیجه به حداقل رساندن پیش بینی ها - برای چنین سرمایه گذار مهم خواهد بود.

یک سرمایه گذار دیگر ممکن است یک پایگاه سرمایه نسبتاً کوچکتر داشته باشد و صرفاً به افزایش ثروت علاقه مند باشد. در صورت دستیابی به بازده های بزرگتر ، نوسانات منحنی سهام P& L به طور کلی ممکن است به اندازه نگرانی نباشد.

برخی از معامله گران کمی تأکید بسیار بالاتری بر تحریک فکری در تهیه یک استراتژی تجاری سیستماتیک عملکردی دارند. آنها در واقع ممکن است دستیابی به بازگشت مثبت را به عنوان یک "عارضه خوب" از سرگرمی خود ببینند.

واضح است که سرمایه گذاران ترجیحات مختلف زیادی را در اختیار دارند. این جنبه ها به بحث در مورد استراتژی های ساده در مقابل پیچیده تجارت سیستماتیک برای یک مقدار خرده فروشی که ممکن است تصمیم بگیرد که آیا با رویکردهای پیشرفته تر مقابله می کند ، کمک می کند.

استراتژی های ساده برای تحقیق و استقرار به بازار ساده تر است. آنها به داده ها و زیرساخت های پیچیده کمتری نیاز دارند. برخی حتی می توانند به صورت دستی اجرا شوند ، حتی اگر خود سیگنال ها به طور خودکار تولید شوند.

استراتژی های پیشرفته از طرف دیگر از نظر فکری پاداش بیشتری دارند و تمایل دارند نسبت های شارپ مطلوب تری داشته باشند. یعنی آنها بازده مورد انتظار بهتر در هر واحد نوسانات را ارائه می دهند. برای یک سرمایه گذار که نگران به حداقل رساندن کاهش و نوسانات P& L خود است ، نسبت شارپ یک متریک مهم برای در نظر گرفتن خواهد بود.

در این مقاله به تفصیل بررسی خواهیم کرد که آیا "مجتمع ضربان ساده" است. ما انگیزه های فوق و همچنین مزایا و معایب اضافی را در نظر خواهیم گرفت.

استراتژی های معاملاتی ساده

این که آیا یک استراتژی تجاری "ساده" در نظر گرفته شده است ، بسیار وابسته به پیشینه آموزشی و توانایی فنی سرمایه گذار است. کسانی که دکترای محاسبه تصادفی دارند ممکن است در مقایسه با آن دسته از خرده فروشی ها که خودآموز هستند ، تعریف بسیار متفاوتی از "ساده" داشته باشند.

برای اهداف این مقاله می خواهیم در صورت استفاده از آن در بازارهای توسعه یافته ، در کلاسهای دارایی مشهور ، با استفاده از ابزارهای ساده با ریاضی ابتدایی از پیشرفت آماری ، یک استراتژی تجاری را به عنوان "ساده" تعریف کنیم.

نمونه هایی از چنین استراتژی هایی شامل سیگنال های "شاخص" تجزیه و تحلیل فنی ، بدون ساختار نمونه کارها صریح یا مؤلفه مدیریت ریسک است که در بازارهای بسیار مایع مانند سهام آمریکایی ، ETF یا فارکس اعمال می شود.

مزایای استراتژی های ساده تر شامل موارد زیر است:

• داده ها - کلیه استراتژی های معاملاتی سیستماتیک به داده ها نیاز دارند. استراتژی های ساده تر معمولاً از داده های قیمت/حجم به راحتی در مورد ابزارهای خوب در کلاسهای دارایی توسعه یافته استفاده می کنند. چنین داده هایی برای به دست آوردن یا حتی رایگان بسیار ارزان است. معمولاً از نظر اندازه كوچك است و از طریق API های آسان با استفاده از بسیاری از فروشندگان قابل بارگیری است.
• تحقیقات - تعداد زیادی از محیط های پشتی در دسترس است که می توانند استراتژی های سبک "شاخص" را آزمایش کنند ، از محصولات تجاری مانند Tradestation یا Metatrader5 تا کتابخانه های منبع باز ، Backtrader و Zipline یا حتی کتابخانه هایی مانند پاندا. استراتژی های ساده تر اغلب در یکی از این چارچوب ها به راحتی قابل اجرا هستند.
• هزینه های معامله - با توجه به استفاده از ابزارهای ساده در بازارهای توسعه یافته ، بازارهای مایع تخمین هزینه های معامله نسبتاً آسان است. این به نوبه خود باعث می شود که آیا یک استراتژی احتمالاً از نمونه سودآور خواهد بود یا خیر.
• زیرساخت ها - استراتژی های نوع تجزیه و تحلیل فنی که با فرکانس پایین انجام می شود ، می توانند با زیرساخت های نسبتاً ساده خودکار شوند. بسته به سطح استحکام نیاز به کار کرون برای تهیه لیستی از معاملات مورد نظر است ، در حالی که اعدام می تواند به صورت دستی انجام شود.
• ظرفیت - یک بار دیگر ، به دلیل استفاده از ابزارهای ساده در بازارهای بسیار مایع ، کمتر با محدودیت ظرفیت مشکل وجود دارد.

با این حال هنگام استفاده از استراتژی های ساده تر مضراتی وجود دارد:

• Alpha - استراتژی های "شاخص" تجزیه و تحلیل فنی در بازارهای مالی بسیار مشهور و فراگیر هستند. هنوز مشخص نیست که آیا ساده ترین استراتژی ها هر مقدار بالاتر از تخصیص دارایی تاکتیکی مبتنی بر خرید و نگهدارنده یا نگهدارنده را اضافه می کنند. یعنی خود استراتژی ها ممکن است تولید "آلفا" نباشند ، بلکه "بتا" را از خود بازار یا سایر عوامل خطرناک دانشگاهی بدست می آورند.
• سودآوری-با توجه به فراگیر بودن چنین رویکردهایی ، ممکن است پس از آنکه هزینه های معامله واقع گرایانه در آن صورت گرفت ، به طور مداوم سودآور باشد.
• آزمایش آماری - در حالی که به طور خاص مسئله ای با استراتژی های معاملاتی ساده وجود ندارد ، دیدن تجزیه و تحلیل آماری کمی یا قوی در مورد استراتژی های ساده تر انجام می شود. از این رو بسیاری از این استراتژی ها که عملکرد بالایی را در پشتی نشان می دهند ، به سادگی ممکن است به دلیل بیش از حد به داده های نمونه باشد.
• اختیار - استراتژی های ساده تر ، اجرا شده به صورت دستی می تواند منجر به استفاده از عناصر اختیار در این فرآیند شود. به عنوان مثال ، تأخیر در ورود به تجارت به دلیل "شلوغ" ساعت افتتاح یا استفاده از "احساسات روده" برای غلبه بر تجارت. این امر تعیین عملکرد واقعی یک استراتژی را چالش برانگیز می کند.
• ساخت و ساز نمونه کارها - برای جلوگیری از استفاده از هرگونه ساخت و ساز قوی در ساخت نمونه کارها یا تکنیک های مدیریت ریسک ، برای استراتژی های ساده تر معمول است. در حالی که "ضررهای توقف" اغلب به کار می روند ، کمتر از فرهنگ استفاده از هدف قرار دادن نوسانات ، وزن نوسانات برابر (با نام "برابری ریسک") یا تنوع در بازارها به عنوان مکانیسم های بالقوه برای بهبود بازده های تنظیم شده ریسک وجود دارد.
• پاداش فکری - استراتژی های ساده تر اغلب از هر ریاضیات پیچیده یا تجزیه و تحلیل پیشرفته استفاده نمی کنند. اگر هدف سرمایه گذار پاداش فکری باشد ، یک استراتژی ساده برای دستیابی به این هدف بعید است.

مشاهده می شود که در حالی که استراتژی های ساده تر معاملات به مراتب آسان تر است ، آزمایش و تجارت ، سادگی ممکن است با هزینه استحکام آماری و سودآوری بلند مدت انجام شود.

استراتژی های پیشرفته تجارت

نمونه هایی از استراتژی های پیشرفته تر شامل مواردی است که براساس آزمایش فرضیه آماری ، دانش دامنه کلاس دارایی گسترده ، یک روش ساختاری پرتفوی سفت و سخت و همچنین کلاسهای دارایی غیرقانونی ، طاقچه ها ، مانند بازارهای نوظهور ، کالاها و مشتقات تر است.

این استراتژی ها به طور معمول دامنه صندوق های تامینی کمی نهادی هستند اما اکنون به دلیل در دسترس بودن داده ها و شیوع ابزارهای شبیه سازی بهتر ، در معاملات کمی خرده فروشی رایج تر می شوند.

مزایای استراتژی های پیچیده شامل موارد زیر است:

• همبستگی - استراتژی های پیشرفته تر تمایل به طراحی - کمتر با بازار کلی و هر نمونه کارها موجود متشکل از سایر استراتژی های معاملاتی دارند. این تمایل به نسبت شارپه در کل بالاتری دارد.
• سودآوری - با دانش پیشرفته دامنه می توان هزینه های معامله را به خوبی تخمین زد. این بدان معنی است که اغلب تعیین اینکه آیا یک استراتژی احتمالاً از نمونه سودآور است ، ساده تر است. از این رو بسیاری از ایده های بی فایده پشتی می توانند قبل از یک دوره آزمایش زنده رد شوند.
• آزمایش آماری - تجزیه و تحلیل آماری شدید استراتژی های معاملاتی اغلب با رویکردهای پیشرفته تر همراه است. این بدان معنی است که استراتژی های مستقر در مقایسه با استراتژی های ساده تر ، که ممکن است در نمونه بیش از حد باشد ، کمتر از عملکرد خارج از نمونه را مشاهده می کنند.
• آلفا - به دلیل استفاده از ابزارهای طاقچه در بازارهای کمتر توسعه یافته ، در چنین استراتژی هایی پتانسیل بیشتری برای "آلفا" وجود دارد. این آلفا به دلیل کاهش میزان انتشار دانش استراتژی در سراسر بازار ، آهسته تر پوسیده می شود.
• ساخت و ساز نمونه کارها-ساخت و ساز نمونه کارها و مدیریت ریسک با رویکردهای پیشرفته تر به دست می آیند. این به هماهنگی اهداف سرمایه گذار با عملکرد استراتژی کمک می کند.
• پاداش فکری - استراتژی های پیشرفته نیاز به تجزیه و تحلیل پیشرفته تر ، بلوغ ریاضی تر و توسعه نرم افزار گسترده تر دارند. برای برخی از سرمایه گذاران سرگرمی این یک هدف بیشتر از تولید ثروت است. از این رو آنها اغلب به رویکردهای پیشرفته تر تجاری سیستماتیک ترسیم می شوند.

مانند استراتژی های ساده تر ، استراتژی های پیشرفته تر از معایب خاصی رنج می برند:

• پیچیدگی ریاضی - زمینه ای در تجزیه و تحلیل آماری ، تجزیه و تحلیل سری زمانی ، حساب تصادفی یا یادگیری ماشین اغلب برای مقابله با برخی از رویکردهای پیشرفته تر تجارت سیستماتیک مورد نیاز است. در حالی که این دانش مطمئناً می تواند خودآموز باشد (به سری چهار قسمت ما در اینجا مراجعه کنید) به دست آوردن دانش مربوطه از طریق مدرک کارشناسی ، MFE و/یا دکترا بسیار ساده تر است.
• دانش دامنه - حتی مسلح با چندین دوره تحصیلات تکمیلی ، هنوز هم لازم است دانش دامنه معقول از یک کلاس دارایی طاقچه یا نوع ابزار به منظور تولید مداوم آلفا از هر تکنیک پیشرفته تجاری سیستماتیک داشته باشد. این دانش دامنه اغلب در طول سالها تجربه در مورد شغل به دست می آید و در یک "میز" خاص در یک بانک یا صندوق کار می کند.
• داده ها - به طور کلی ، مقیاس هزینه های داده با فرکانس نمونه گیری ، وسعت جهان ، طول تاریخ ، کیفیت داده ها و ویژگی های کلاس/ابزار دارایی. استراتژی های پیشرفته تر برای تولید آلفا به بازارهای طاقچه متکی هستند. از این رو داده ها می توانند بسیار گران باشند. چنین هزینه هایی باید برای ایجاد یک استراتژی برای ایجاد سود در نظر گرفته شود.
• تحقیق - اگر یک استراتژی به طور خاص برای تجارت ابزارهای باطنی تر طراحی شده باشد ، یک محیط تخصصی پشتی لازم است. این معمولاً به معنای توسعه یک کد کاملاً سفارشی از ابتدا است. این یک سرمایه گذاری زمان قابل توجهی است. همچنین برای جلوگیری از معرفی اشکالات ، به مهارتهای گسترده مهندسی نرم افزار نیاز دارد.
• زیرساخت ها - حتی اگر یک چارچوب محکم پشتی برای تحقیق در مورد استراتژی های پیشرفته تر ساخته شده باشد ، زیرساخت های به همان اندازه پیشرفته برای تجارت آن لازم است. به احتمال زیاد باید کاملاً خودکار باشد. این امر به استقرار ، آزمایش و نظارت پیشرفته نیاز دارد.
• ظرفیت - برخی از استراتژی های پیشرفته تر فقط "کار" می کنند زیرا آنها محدودیت دارند. وجوه بزرگ قادر به تجارت این استراتژی ها نیست زیرا سرمایه گذاری زمان ارزش بازده مطلق را که قادر به تولید آن نیستند ، ندارد. این بدان معنی است که حد بالایی به میزان سرمایه ای که می تواند برای یک رویکرد پیشرفته اعمال شود وجود دارد.

مشاهده می شود که در حالی که استراتژی های پیشرفته معاملات شانس بیشتری برای آلفا و سودآوری بالقوه بالاتری فراهم می کند ، این امر به نیاز به پیشرفت ریاضی بیشتر ، دانش دامنه لازم و زیرساخت های تجاری پیچیده تر می رسد.

خلاصه

به طور خلاصه مشخص است که استراتژی های ساده تر معاملات را می توان خیلی زود به بازار عرضه کرد. آنها برای شروع کار به دانش بسیار کمتری نیاز دارند و می توانند به صورت دستی اجرا شوند ، حتی اگر سیگنال ها به طور خودکار تولید شوند. با این حال ، آنها بیشتر از رویکردهای پیشرفته تر و سودآوری کمتری دارند.

استراتژی های پیچیده "آلفا" نامربوط ، سودآوری معقول و تحریک فکری را ارائه می دهد. با این حال این به هزینه هزینه های بالاتر داده ها ، زمان بیشتری برای توسعه زیرساخت های تحقیق و تجارت و نیاز به سوابق آموزشی عمیق تر صرف می شود.

qsalpha

به بستر تحقیق QSALPHA بپیوندید که به پر کردن خط لوله تحقیق استراتژی شما کمک می کند ، نمونه کارها را متنوع می کند و بازده تنظیم شده ریسک را برای افزایش سودآوری بهبود می بخشد.

کوانتین

به پورتال عضویت QuantCademy بپیوندید که به جامعه بازرگانان Quant Trader با سرعت در حال رشد می پردازد و یاد می گیرید که چگونه می توانید سودآوری استراتژی خود را افزایش دهید.

تجارت الگوریتمی موفق

نحوه یافتن ایده های جدید استراتژی تجارت و ارزیابی عینی آنها را برای نمونه کارها خود با استفاده از موتور پشتی مبتنی بر پایتون ارزیابی کنید.

تجارت الگوریتمی پیشرفته

نحوه اجرای استراتژی های تجاری پیشرفته با استفاده از تجزیه و تحلیل سری زمانی ، یادگیری ماشین و آمار بیزی با R و Python.