Estratégias de negociação arbitragem estatística

Arbitragem estatística bem sucedida.
Eu tendem a não me envolver na Q & amp; A com os leitores do meu blog, ou com os investidores. Estou em um ponto da minha vida, onde gasto o tempo principalmente fazendo o que eu quero fazer, e não o que outras pessoas gostariam que eu fizesse. E desde que eu gosto de fazer pesquisas e negociações, tento maximizar a quantidade de tempo gasto nessas atividades.
Como uma estratégia de negócios, eu não recomendaria necessariamente esta abordagem. É apenas algo que eu desenvolvi enquanto aprendia a jogar xadrez: desde que eu não tinha ninguém para me ensinar, eu tinha que aprender tudo para mim e isso envolveu estudar por muitas, muitas horas sozinho.
Em contrapartida, vários dos melhores gerentes de dinheiro também são excelentes comunicadores e # 8211; pegue Roy Niederhoffer, ou Ernie Chan, por exemplo. Ter uma comunicação regular e informada com seus investidores é, como os gerentes mais inteligentes perceberam, um meio de construir confiança e fidelização de investidores e # 8211; fatores importantes que entram em jogo durante os períodos em que sua estratégia está em baixa performance. Não só isso, mas como a comunicação é bidirecional, um analista / gerente pode aprender muito com as suas trocas com seus clientes. Sabendo como os outros percebem você # 8211; e seus concorrentes & # 8211; por exemplo, é uma informação muito útil. Então, também é informação sobre seus concorrentes & # 8217; idéias de pesquisa, estratégias de investimento e desempenho de fundos, que muitas vezes podem ser obtidas de discussões com investidores. Há muitas razões para preferir uma política de comunicação aberta e regular.
Como um caso em questão, fiquei surpreso ao aprender com comentários em outro blog de pesquisa que os leitores extraíram a conclusão de minhas postagens anteriores de que a abordagem de cointegração ou filtro de Kalman para arbitragem estatística era uma perda de tempo. Aparentemente, minha observação sobre o fato de que os pesquisadores muitas vezes não prestaram atenção à PnL líquida por ação na avaliação de estatísticas. arb. As estratégias de negociação foram tomadas por alguns para significar que qualquer lucratividade aparente sempre seria subsumida dentro do spread oferecido pela oferta. Essa não era minha intenção. O que eu pretendia transmitir era que, em alguns casos, esse seria o caso & # 8211; alguns, mas não todos.
Para ilustrar o ponto, abaixo estão os resultados fora da amostra de um estudo de pesquisa aplicando a abordagem do filtro de Kalman para quatro pares de equidade usando dados de 5 minutos. Por razões competitivas, não consigo identificar as ações específicas em cada par, o que resulta de uma análise exaustiva de mais de 30.000 pares, mas posso dizer que são ações líquidas de grande capitalização negociadas em grande volume nas bolsas dos EUA. Os números de desempenho são líquidos dos custos de transação e são baseados no pressuposto de um atraso de 5 minutos na execução: o significado, um sinal de negociação recebido no momento t é assumido como sendo executado no tempo t + 5 minutos. Isso permite tempo suficiente para perna em cada comércio passivamente, na maioria dos casos, evitando a propagação da oferta. O PnL líquido por ação é superior a 1,5c por ação para cada par.
Embora o desempenho de nenhum dos pares seja espetacular, um portfólio combinado tem características bastante atraentes, que incluem 81% de meses vencedores desde janeiro de 2018, um CAGR de mais de 27% e Rácio de Informação de 2,29, medido em retornos mensais (2,74 com base no diário retorna).
Finalmente, atualmente estou implementando a negociação de uma série de carteiras de estoque com base em relacionamentos de cointegração estática que possuem taxas de informação fora da amostra de entre 3 e 4, usando dados diários.

Estratégias de negociação de pares de arbitragem estatística: revisão e perspectivas.
Abstrato.
Esta pesquisa analisa a crescente literatura sobre os quadros de negociação de pares, ou seja, estratégias de arbitragem de valor relativo envolvendo dois ou mais títulos. A pesquisa disponível é categorizada em cinco grupos: a abordagem à distância usa métricas de distância não paramétricas para identificar oportunidades comerciais de pares. A abordagem de co-integração baseia-se em testes de cointegração formal para desvendar séries de tempo de propagação estacionária. A abordagem da série temporal se concentra em encontrar regras de negociação ótimas para os spreads de reversão média. A abordagem de controle estocástica visa identificar as explorações de carteira ótimas nas pernas de um comércio de pares em relação a outros títulos disponíveis. A categoria "outras abordagens" contém mais quadros de negociação de pares relevantes com apenas um conjunto limitado de literatura de apoio. A partir deste grande conjunto de pesquisas, que consiste em mais de 90 trabalhos, é realizada uma avaliação aprofundada de cada abordagem, revelando, em última instância, pontos fortes e fracos relevantes para novas pesquisas e para implementação.
Baixe informações.
Se você tiver problemas ao fazer o download de um arquivo, verifique se você possui o aplicativo apropriado para vê-lo primeiro. Em caso de problemas adicionais, leia a página de ajuda IDEAS. Observe que esses arquivos não estão no site IDEAS. Seja paciente porque os arquivos podem ser grandes.
Informações bibliográficas.
Pesquisa relacionada.
Referências.
Referências listadas em IDEAS.
Informe os erros de citações ou de referência, ou, se você é o autor registrado do trabalho citado, faça login no seu perfil de Serviço de Autor RePEc, clique em "citações" e faça os ajustes apropriados .:
Stephen A. Ross, "sem data". "The Arbitrage Theory of Capital Asset Pricing", Rodney L. White Centro de Pesquisa Financeira Working Papers 2-73, Wharton School Rodney L. White Centro de Pesquisa Financeira. Stephen A. Ross, "sem data". "The Arbitrage Theory of Capital Asset Pricing", Rodney L. White Centro de Pesquisa Financeira Working Papers 02-73, Wharton School Rodney L. White Centro de Pesquisa Financeira. Binh Do & Robert Faff, 2018. "Os lucros das Pairs Trading são robustos para os custos de negociação?", Journal of Financial Research, Southern Finance Association, Southwestern Finance Association, vol. 35 (2), páginas 261-287, junho. Nicolas Huck, 2018. "Comércio de pares: o tempo de volatilidade é importante?", "Applied Economics, Taylor & Francis Journals, vol. 47 (57), páginas 6239-6256, dezembro. Broussard, John Paul & Vaihekoski, Mika, 2018. "Rentabilidade da estratégia de negociação de pares em um mercado ilíquido com múltiplas classes de ações", Journal of International Financial Markets, Institutions and Money, Elsevier, vol. 22 (5), páginas 1188-1201. Qingshuo Song e Qing Zhang, 2018. "Uma Óptima Pairs-Trading Rule", Papers 1302.6120, arXiv. Huck, Nicolas, 2009. "Selecção de pares e superação: uma aplicação para o índice S & P 100", European Journal of Operational Research, Elsevier, vol. 196 (2), páginas 819-825, julho. Jacobs, Heiko & Weber, Martin, 2018. "Sobre os determinantes da rentabilidade comercial de pares", Journal of Financial Markets, Elsevier, vol. 23 (C), páginas 75-97. Nicolas Huck & Komivi Afawubo, 2018. "Métodos comerciais e de seleção de pares: é cointegração superior?", Applied Economics, Taylor & Francis Journals, vol. 47 (6), páginas 599-613, fevereiro.
Nicolas Huck & Komivi Afawubo, 2018. "Métodos comerciais e de seleção de pares: a cointegração é superior?", Post-Print hal-01508010, HAL. Nicolas Huck & Komivi Afawubo, 2018. "Métodos comerciais e de seleção de pares: é cointegração superior?", Post-Print hal-01369852, HAL. Jegadeesh, Narasimhan, 1990. "Evidência de Comportamento Previsível de Retornos de Segurança", Journal of Finance, American Finance Association, vol. 45 (3), páginas 881-898, julho. Evan Gatev e William N. Goetzmann e K. Geert Rouwenhorst, 2006. "Pairs Trading: desempenho de uma regra de arbitragem de valor relativo", Review of Financial Studies, Society for Financial Studies, vol. 19 (3), páginas 797-827.
Evan Gatev e William N. Goetzmann e K. Geert Rouwenhorst, 1998. "Pairs Trading: Desempenho de uma Regra de Arbitragem de Valor Relativo", Yale School of Management Working Papers ysm26, Yale School of Management. William Goetzmann & Evan g. Gatev & K. Geert Rouwenhorst, 1998. "Pairs Trading: Desempenho de uma Regra de Arbitragem de Valor Relativo", Yale School of Management Working Papers ysm3, Yale School of Management. William N. Goetzmann e Evan Geov Gatev & K. Geert Rouwenhorst, 1998. "Pairs Trading: Desempenho de uma Regra de Arbitragem de Valor Relativo", Yale School of Management Working Papers ysm109, Yale School of Management. Evan G. Gatev e William N. Goetzmann e K. Geert Rouwenhorst, 1999. "Comércio de Pares: Desempenho de uma Regra de Arbitragem de Valor Relativo", NBR Working Papers 7032, National Bureau of Economic Research, Inc. Xiong, Wei, 2001. " Negociação de convergência com efeitos patrimoniais: um mecanismo de amplificação nos mercados financeiros, "Journal of Financial Economics, Elsevier, vol. 62 (2), páginas 247-292, novembro. Paul Berhanu Girma e Albert S. Paulson, 1999. "As oportunidades de arbitragem de risco em futuros de petróleo se espalham", Journal of Futures Markets, John Wiley & Sons, Ltd., vol. 19 (8), páginas 931-955, dezembro. Shleifer, Andrei, 2000. "Mercados ineficazes: uma introdução às finanças comportamentais", Catálogo OUP, Oxford University Press, número 9780198292272. Shi-Miin Liu e Chih-Hsien Chou, 2003. "Paridades e propagação de mercados de ouro e prata: A Fractional Cointegration Analysis, "Applied Financial Economics, Taylor & Francis Journals, vol. 13 (12), páginas 899-911. Joseph P. Romano e Azeem M. Shaikh e Michael Wolf, 2018. "Teste de Hipótesis na Econometria", Revisão Anual de Economia, Revisões Anuais, vol. 2 (1), páginas 75-104, setembro.
Joseph P. Romano & Azeem M. Shaikh e Michael Wolf, 2009. "Testes de hipóteses em econometria", IEW - Working Papers 444, Instituto de Pesquisa Empírica em Economia - Universidade de Zurique. Gary W. Emery & Qingfeng (Wilson) Liu, 2002. "Uma análise da relação entre preços de futuros de eletricidade e gás natural", Journal of Futures Markets, John Wiley & Sons, Ltd., vol. 22 (2), páginas 95-122, fevereiro. Bossaerts, Peter, 1988. "Componentes não estacionários comuns dos preços dos ativos", Journal of Economic Dynamics and Control, Elsevier, vol. 12 (2-3), páginas 347-364. Giovanni Montana & Kostas Triantafyllopoulos & Theodoros Tsagaris, 2007. "Quadrados mínimos flexíveis para mineração de dados temporais e arbitragem estatística", Papers 0709.3884, arXiv. Nicolas Huck, 2018. "A alta sensibilidade dos retornos comerciais dos pares", Applied Economics Letters, Taylor & Francis Journals, vol. 20 (14), páginas 1301-1304, setembro. Xixin Cheng & Philip L. H. Yu & W. K. Li, 2018. "Comercialização de cascalho sob co-integração com o modelo autoregressivo da mistura logística", Finanças Quantitativas, Taylor & Francis Journals, vol. 11 (9), páginas 1407-1419, julho. Engle, Robert & Granger, Clive, 2018. "Co-integração e correção de erros: representação, estimativa e testes", Applied Econometrics, Publishing House "SINERGIA PRESS", vol. 39 (3), páginas 106-135.
Engle, Robert F & Granger, Clive W J, 1987. "Co-integração e correção de erros: representação, estimativa e testes", Econometrica, Econometric Society, vol. 55 (2), páginas 251-276, março. Robert Elliott e John Van Der Hoek e William Malcolm, 2005. "Pairs trading", Quantitative Finance, Taylor & Francis Journals, vol. 5 (3), páginas 271-276. C. L. Dunis & Jason Laws & Ben Evans, 2006. "O comércio de futuros se espalha: uma aplicação de filtros de correlação e limiar", Applied Financial Economics, Taylor & Francis Journals, vol. 16 (12), páginas 903-914. Masaki Mori e Alan J. Ziobrowski, 2018. "Desempenho da Estratégia de Negociação de Pares no Mercado de REIT dos EUA," Economia Imobiliária, Associação Americana de Imobiliário e Economia Urbana, vol. 39 (3), páginas 409-428, setembro. Patton, Andrew J., 2018. "Uma revisão dos modelos de cópula para séries temporais econômicas", Journal of Multivariate Analysis, Elsevier, vol. 110 (C), páginas 4-18. Lauren Cohen e Andrea Frazzini, 2008. "Links Econômicos e Retornos Previsíveis", Journal of Finance, American Finance Association, vol. 63 (4), páginas 1977-2018, agosto. Perlin, M., 2007. "M de um tipo: uma abordagem multivariada no Pairs Trading", MPRA Paper 8309, Biblioteca Universitária de Munique, Alemanha. Bruce N. Lehmann, 1990. "Fads, Martingales e Market Efficiency", The Quarterly Journal of Economics, Oxford University Press, vol. 105 (1), páginas 1-28. SAYAT R. BARONYAN & & Idot ;. & Idot; LKAY BODURO & Gbreve; LU & EMRAH & Scedil; ENER, 2018. "Investigação de estratégias de negociação de pares estocásticos sob diferentes regimes de volatilidade", Manchester School, University of Manchester, vol. 78 (s1), páginas 114-134, setembro. Christian L. Dunis & Jason Laws e Peter W. Middleton e Andreas Karathanasopoulos, 2018. "Negociar e proteger a propagação de milho / etanol usando uma alavanca variável no tempo e modelos não-lineares", The European Journal of Finance, Taylor & Francis Journals, vol. . 21 (4), páginas 352-375, março. Clifford S. Asness e Tobias J. Moskowitz e Lasse Heje Pedersen, 2018. "Valor e Momentum Everywhere", Journal of Finance, American Finance Association, vol. 68 (3), páginas 929-985, junho. Mao Liang Li e Chin Man Chui e Chang Qing Li, 2018. "O comércio de pares é lucrativo nos mercados da China AH-share", Applied Economics Letters, Taylor & Francis Journals, vol. 21 (16), páginas 1116-1121, novembro. Huck, Nicolas, 2018. "Pairs de negociação e superação: o caso de previsão multi-passo a passo", European Journal of Operational Research, Elsevier, vol. 207 (3), páginas 1702-1716, dezembro. K. Triantafyllopoulos e G. Montana, 2018. "Modelagem dinâmica de spreads de reversão média para arbitragem estatística", Computational Management Science, Springer, vol. 8 (1), páginas 23-49, abril.
Kostas Triantafyllopoulos e Giovanni Montana, 2008. "Modelagem dinâmica de spreads de reversão média para arbitragem estatística", Papers 0808.1710, arXiv, revisado em maio de 2009. Marco Avellaneda & Jeong-Hyun Lee, 2018. "Arbitragem estatística no mercado de ações dos EUA" Finanças Quantitativas, Taylor & Francis Journals, vol. 10 (7), páginas 761-782. Timofei Bogomolov, 2018. "Pairs de negociação com base na variabilidade estatística do processo de propagação", Quantitative Finance, Taylor & Francis Journals, vol. 13 (9), páginas 1411-1430, setembro. Ling Hu, 2006. "Padrões de dependência em mercados financeiros: uma abordagem de copula mista," Applied Financial Economics, Taylor & Francis Journals, vol. 16 (10), páginas 717-729. Christian Dunis & Jason Laws & Ben Evans, 2008. "Comércio de carteiras de propagação de futuros: aplicações de redes de ordem superior e recorrentes", The European Journal of Finance, Taylor & Francis Journals, vol. 14 (6), páginas 503-521. David Ardia & Lukasz T. Gatarek & Lennart Hoogerheide & Herman K. van Dijk, 2018. "Retorno e risco de negociação de pares usando um procedimento Bayesiano baseado em simulação para prever Razões estáveis ​​de preços de ações", Econometria, MDPI, Open Access Journal, vol. 4 (1), páginas 1-19, março.
Lukasz Gatarek e Lennart Hoogerheide e Herman K. van Dijk, 2018. "Retorno e risco de negociação de pares usando um procedimento Bayesiano baseado em simulação para prever Razões estáveis ​​de preços de ações", Documentos de discussão do Instituto Tinbergen 14-039 / III, Instituto Tinbergen. David P. Simon, 1999. "O esmagamento da soja se espalhou: evidências empíricas e estratégias de negociação", Journal of Futures Markets, John Wiley & Sons, Ltd., vol. 19 (3), páginas 271-289, maio. Jegadeesh, Narasimhan & Titman, Sheridan, 1993. "Retorna a vencedores de compras e perdedores de vendas: implicações para a eficiência do mercado de ações", Journal of Finance, American Finance Association, vol. 48 (1), páginas 65-91, março. Perlin, M., 2007. "Avaliação da estratégia de negociação de pares no mercado financeiro brasileiro", MPRA Paper 8308, Biblioteca Universitária de Munique, Alemanha. Jun Liu & Allan Timmermann, 2018. "Estratégias comerciais de convergência ótima", Review of Financial Studies, Society for Financial Studies, vol. 26 (4), páginas 1048-1086. Referências completas (incluindo as que não correspondem a itens no IDEAS)
O projeto CitEc ainda não encontrou citações para este item.
Este item não está listado na Wikipédia, em uma lista de leitura ou entre os principais itens em IDEAS.
Estatisticas.
Correções.
Ao solicitar uma correção, mencione o identificador deste item: RePEc: zbw: iwqwdp: 092018. Veja informações gerais sobre como corrigir o material no RePEc.
Para questões técnicas relativas a este item, ou para corrigir os seus autores, títulos, resumo, informações bibliográficas ou de download, entre em contato: (ZBW - Biblioteca Nacional de Economia da Alemanha)
Se você é autor deste item e ainda não está registrado no RePEc, recomendamos que você o faça aqui. Isso permite vincular seu perfil a este item. Ele também permite que você aceite citações em potencial para este item sobre o qual não temos certeza.
Se as referências faltam completamente, você pode adicioná-las usando este formulário.
Se as referências completas listarem um item que está presente no RePEc, mas o sistema não ligou a ele, você pode ajudar com este formulário.
Se você souber de itens faltantes citando este, você pode nos ajudar a criar esses links, adicionando as referências relevantes da mesma maneira que acima, para cada item referente. Se você é um autor registrado deste item, você também pode querer verificar a guia "citações" em seu perfil, pois pode haver citações em espera de confirmação.
Observe que as correções podem levar algumas semanas para filtrar os vários serviços do RePEc.
Mais serviços.
Siga as séries, revistas, autores e Mais.
Novos trabalhos por e-mail.
Inscreva-se para novas adições ao RePEc.
Registro de autor.
Perfis públicos para pesquisadores de economia.
Vários rankings de pesquisa em Economia e Campos relacionados.
Quem era um aluno de quem, usando RePEc.
RePEc Biblio.
Artigos curados e amp; artigos sobre vários temas econômicos.
Carregue o seu papel para ser listado em RePEc e IDEAS.
EconAcademics.
Agregador de blogs para pesquisa econômica.
Plágio.
Casos de plágio em Economia.
Documentos de mercado de trabalho.
Série de papel de trabalho RePEc dedicada ao mercado de trabalho.
Fantasy League.
Imagine que você está no comando de um departamento de economia.
Serviços do StL Fed.
Dados, pesquisa, aplicativos e mais do St. Louis Fed.

Estratégias de negociação arbitragem estatística
Para ter o melhor tiro para vencer o Quantopian Open, ou ter seu algo selecionado para o hedge funds da Quantopian, você precisa se concentrar em estratégias beta baixas com retornos consistentes e de baixa volatilidade.
As estratégias de arbitragem estatística são um excelente exemplo de um tipo de algo que atinge essa finalidade. Em vez de investir em alguns títulos, investir em uma grande cesta de títulos ajudará a diminuir a versão beta e aumentar os retornos consistentes. A forma mais simples de uma estratégia stat arb é um comércio de pares onde você compara duas ações individuais na mesma indústria (por exemplo, Coca-Cola e Pepsi ou Shell e Exxon). Mas estratégias mais interessantes e complexas podem ser criadas investindo em cestas maiores de ações que você acredita deveriam se comportar de forma similar, mas, por algum motivo, não.
Um fluxo de trabalho típico para essas estratégias é filtrar para um universo de alguns milhares de títulos. Classifique esses títulos com base em algum fator e, em seguida, segure o decil superior e reduza o decompo inferior.
Infelizmente, escrever um stat algoriro deste tipo é difícil em Quantopian hoje. Você está limitado apenas a dados fundamentais dentro de before_trading_starts () onde você pode filtrar seu universo e muitas dessas estratégias também respondem em dados de preços. Seu universo é restrito a 200 títulos, o que dificulta a filtragem para o melhor universo. Muitos de nossos membros recorreram a fazer suas análises em outros lugares e depois importar uma lista de compras via fetcher.
Entendemos que isso está longe de ser o ideal.
Nós passamos as últimas semanas no trabalho projetando uma API para tornar mais simples as estratégias de stat stat. Quinta-feira, 14 de maio, às 1PM EST, vou hospedar um webinar para percorrer o design da API e um par de exemplos codificados com psuedo. Nós ainda não construímos isso, e espero obter comentários da comunidade sobre o nosso design e sobre a funcionalidade que você deseja.
Se você não conseguir, sinta-se à vontade para compartilhar seus pensamentos abaixo. Nesta fase, os exemplos básicos do que você está tentando fazer (como este de Bo Dong) são incrivelmente úteis e qualquer um que você esteja disposto a contribuir com a discussão seja apreciado.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Bem, a primeira coisa seria obter dados de preços irrestritos em before_trading_start / fundamentos, de modo que coisas como market_cap e qualquer outra coisa baseada no preço podem ser calculadas corretamente para todos os dias, mesmo anos atrás, e podemos combinar sinais fundamentais como valor com sinais baseados em preços, como impulso relativo e absoluto. Isso também facilitaria a criação de pré-telas em fatores fundamentais / baseados em preços e, em seguida, a otimização de portfólio subseqüente com base em matrizes de covariância minutos / diárias / semanais encolhidas para criar cargas de alto IR / baixo-downside-tracking-error versus a benchmark.
Obrigado, parece excitante!
Um pensamento seria permitir que os processos em segundo plano sejam executados durante o dia de negociação, uma vez que o tempo limite de 50 segundos pode ser restritivo.
Para a sua API, quando executará? Algum dia durante a noite, antes do início da negociação? Finais de semana? Em caso afirmativo, será tempo de sair e travar o algo (como o tempo limite de 50 segundos), ou haverá alguma maneira de capturar o erro? E qual será o ambiente de computação?
Gostaria que o tempo limite de 50 segundos fosse descontraído para os processos em segundo plano. Especialmente se minha estratégia só é negociada uma vez por dia, não faz sentido.
Muitas informações interessantes são possíveis com opções e futuros. Além disso, você está praticamente limitado ao comércio de pares. Seria brilhante ter opções e dados futuros, se não for difícil perguntar.
Um pouco fora do tópico, mas há alguma maneira de ter seu "algo selecionado para o fundo de hedge de Quantopian"? sem entrar no Open?
Como posso usar algoritmos na minha negociação?
Haveria alguma maneira de vincular recursos de computação externos (por exemplo, https://elsen. co/)?
precisa permitir a filtragem simples antes do início da negociação com base em correlação, indicadores técnicos e qualquer outro critério personalizado.
Será gravado para que possamos acessá-lo se não conseguimos fazê-lo?
Obrigado por todos os seus pensamentos. Eu não vou entrar em uma grande quantidade de detalhes aqui, não porque estou tentando ser cagey, mas porque a explicação do que planejamos fazer é melhor com exemplos visuais e de código.
Eu direi que estamos concentrados,
O pedido da @ Simon para obter dados de preços antes do início da negociação.
@Bharath, estamos trabalhando em futuros, mas isso não será parte dessa discussão. Nosso primeiro foco para stat-arb será US Equities, embora existam desenvolvedores atualmente trabalhando na adição de suporte para futuros.
@Ethan, estou planejando gravar o webinar (embora no interesse da divulgação completa, a última vez que eu fiz isso, ele só gravou 1/4 da minha tela. Espero que eu possa descobrir isso desta vez.)
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
É bom ser capaz de executar N backtests, variando um ou mais parâmetros, de modo que a otimização possa ser feita periodicamente. Um exemplo é o algoritmo publicado por Peter Poon em https: // quantopian / posts / comparing-olps-algorithms-olmar-up-et-al-dot-on-etfs, onde há um contexto de parâmetro. eps. Esse parâmetro pode ser re-otimizado periodicamente, pois as condições do mercado variam.
Existe algum material de fundo / conceitos necessários para entender este webinar? Eu sempre me concentrei em estratégias de quantos puros e tenho pouca exposição aos fundamentos. Há coisas que preciso escovar antes de participar desse webinar?
Como cada usuário obteria uma caixa de areia computacional, com espaço em disco para armazenamento, conectividade com a internet, controle total sobre ferramentas de software, direitos de administrador limitados, etc.? E a capacidade de estender capacidades computacionais por uma taxa (por exemplo, memória, núcleos de computação, etc., completamente extensível)? Basta sair do modo de criação de API restrita e oferecer aos usuários recursos de computação flexíveis e de ponta, se os quiserem. Como eu entendo, você já está pagando uma taxa mensal fixa por usuário para a plataforma de pesquisa Q, independentemente do uso. Então, por que não disponibilizar esses recursos para backtesting e negociação ao vivo? Na verdade, alguns usuários podem dizer "Esquecer sobre acesso à plataforma de pesquisa". Gaste o seu dinheiro em obter me recursos computacionais que eu possa usar para negociação ao vivo. & Quot;
Quanto à conectividade com a internet, entendo que você não pode permitir que os dados em massa fluam, devido às restrições de licenciamento. Você descobriu o problema de fluxo unidirecional para fetcher, então talvez algo semelhante poderia ser elaborado para o sandbox de computação? Talvez um ftp restrito possa ser configurado, para que os usuários possam pegar arquivos? E Wget?
Não vejo quaisquer restrições técnicas fundamentais aqui. Há algo no lado legal ou comercial que restringe o que você poderia oferecer?
Obrigado pela atualização detalhada.
Não estou claro se seríamos capazes de filtrar com base no preço aberto de uma segurança. Todos os casos que você mencionou acima são para & # 39; antes do início da negociação & # 39 ;. Temos o preço aberto do dia disponível antes do início do comércio?
Para ser mais específico, esse novo recurso me deixará fazer o que eu perguntei nesta publicação:
O que você descreve deve ser muito mais fácil de fazer na nova abordagem. Você poderá filtrar seu universo em preços e dados fundamentais. Eu recomendo que você adira ao webinar na quinta-feira para obter os detalhes do que estamos planejando. Você também terá a capacidade de me informar se há algo que você não pensa que vai funcionar, para que possamos levá-lo em consideração.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Eu pensei que o link acima seria relevante nesta publicação :).
O código está incluído e é um uso interessante do filtro de partículas.
Gostaria de frequentar, mas não posso. Se for possível gravar o webinar, as pessoas como eu podem vê-lo mais tarde. Obrigado.
Este negócio de "Como construir uma estratégia Arb Strategy em Quantopian?" está envolto em mistério. Você poderia simplesmente pegar 5-10 exemplares de algos que você gostaria de ter no fundo de hedge e publicá-los? Sério, porém, há um esboço que você poderia compartilhar do tipo de coisa que você está procurando? Eu acho que é algum tipo de stat arbitrage-ish algo com 20 ou mais títulos especialmente escolhidos, longos em alguns, curtos sobre outros, em apenas as proporções certas para ser neutro em termos de mercado. Quando atacou Primepian, havia muitos exemplos de algos voando, o que foi útil. Jess Stauth resumiu muitos deles no blog. quantopian / 5-basic-quant-strategies-implementation-by-the-quantopian-community /. Algum deles está perto de ser digno de fundos de hedge? Caso contrário, poderia ser compilada uma lista dessas das que seriam bons exemplos?
É um algoritmo de longo-alto e beta, mas, no entanto, aqui é um caso de uso para processamento paralelo:
Eu suspeito de uma dependência do dia-a-dia; O desempenho pode depender do valor de & # 39; minutos & # 39; dentro:
Então, eu gostaria de executar um backtest por cada minuto do dia (390 no total), puxar os resultados para a plataforma de pesquisa Q e analisá-los.
Uma vez que a dependência é entendida, eu poderia começar a pensar como abordá-lo como um problema de otimização on-line, incorporado ao algo (o que poderia envolver o uso de uma abordagem de otimização mais eficiente do que executar 390 backtests e encontrar o melhor global, de acordo com algum mérito função).
Existem vários outros parâmetros que poderiam ser explorados, incluindo o parâmetro do limite de retorno:
O tamanho da janela de arrasto (codificado em forma de & # 39; 8 & # 39; e & # 39; 9 & # 39;)):
O número de títulos (dado por & # 39; 20 & # 39;):
O comprimento da janela de fuga para o alinhamento de preços:
Além disso, aderindo à abordagem básica, uma troca ou índice alternativo poderia ser usado, para escolher os estoques.
E podem ser examinadas diversas gamas percentile de mercado.
Então, apenas para este algoritmo relativamente simples, potencialmente, há um grande espaço de parâmetros a ser explorado. E pode ser que os valores ótimos dos parâmetros precisam ser ajustados periodicamente (por exemplo, diariamente / semanalmente / mensal / trimestral), o que idealmente seria feito automaticamente (embora inicialmente, faria sentido para um humano "abençoar" o otimização, antes da implantação, o que se beneficiaria do tipo de ferramentas de visualização que você disponibiliza na plataforma de pesquisa Q).
Eu não posso ouvir o seu webinar hoje, mas eu sugiro trazer o tópico de "ligar" o live running algo como um backtest, como funciona ao vivo, com suporte informático paralelo, para fazer o tipo de coisa descrita por Thomas Wiecki aqui:
Você poderia arquitetar o sistema sem computação paralela, mas acho que você ficará confuso. Minha forte recomendação é construí-lo desde o início, e descobrir como pagá-lo mais tarde. E o seu plano deve incluir um meio para habilitá-lo por usuário. Eventualmente, você pode identificar alguns quants de rock star, e quer dar mais recursos. E talvez alguns usuários paguem por mais recursos (você pode até obter uma nota de dólar para inserir em seu cubículo para ser o primeiro empregado Q a gerar receita).
Não posso partilhar infelizmente. Você poderia, gentilmente, disponibilizar o webcast no youtube?
É bom ser capaz de executar backtests e troca de papel em dados sintéticos (barras de minutos OHLCV e dados fundamentais). Basicamente, precisa haver uma maneira de fazer uma simulação de ponta a ponta.
Este seminário foi gravado? Estou interessado em testar algumas estatísticas específicas, espalhar estratégias em ações dos EUA. Isso parece exatamente o que eu poderia estar procurando.
A gravação deste webinar pode ser encontrada aqui. Não hesite em postar questões aqui se você as tiver.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Obrigado pelo excelente webinar.
Tenho uma pergunta sobre a implementação do conceito.
Percebi que a filtragem e o acúmulo do portfólio são feitos em inicialização () com mecanismo de agendamento. Não é o fato de estar em Inicializar que nos impede de alterar o método de filtro / fatores com base em realidade / necessidades que podem acontecer no futuro de nossos negócios? então, basicamente, isso significa que o filtro / fatores para atualização de portfólio será corrigido e apenas reprogramado e não podemos mudar os filtros de forma dinâmica em estágios futuros de nossos negócios?
Um ingrediente essencial no tipo de estratégias descritas no webinar é um otimizador de portfólio. Esta é uma ciência e arte, porque pessoas diferentes querem otimizar os pesos do portfólio com base em diferentes restrições. Eu acho que quantopian deve nos fornecer essa flexibilidade, fornecendo um software de solução de otimização. Existe o CVXPY em python que é gratuito ou há software de otimização comercial disponível.
Quando o código do webinar estará disponível junto com os novos comandos?
Não consegui ouvir seu webinar ainda (fará, eventualmente). Eu acho que você pode ter um documento interno de especificações / requerimentos. você está trabalhando. É algo que você poderia compartilhar? Ou mesmo colocar no github para controle de revisão e comentários públicos? Ou talvez haja detalhes de propriedade que você não pode compartilhar?
Infelizmente, não, eu não tenho um documento de especificações. Está tudo nos quadros brancos nas paredes do nosso escritório. O webinar é o melhor que podemos fazer neste momento.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O meu sentido é que, embora possa haver alguns detalhes verdadeiramente proprietários que não podem ser compartilhados, o comportamento pode ser um carry-over a partir de um modo stealth de start-up & quot; mentalidade, onde existe a crença de que você vai ter uma nova e maravilhosa capacidade no mercado e uma única competição. A minha sugestão é que, se você quer um fundo de hedge verdadeiramente atraente, você precisará envolver a multidão nos detalhes técnicos do seu processo de desenvolvimento (e, talvez, alguns dos motivos e restrições comerciais relevantes). Além de Github, eu aposto que existem muitas ferramentas colaborativas para fazer esse tipo de coisa (provavelmente até quadros virtuais). Como você não tem nada no lugar para este go-around, talvez não faça sentido. Mas vale a pena pensar enquanto você avança. Eu percebi que não é convencional. A maioria das empresas atualmente está lutando para manter seu trabalho de desenvolvimento privado. E se você acabasse de colocar tudo para as massas?
Aqui estão os slides do webinar e tentei incluir capturas de tela dos exemplos. Talvez isso seja mais útil para você.
Não estamos tentando esconder nada, nem ser sigiloso. O meu motivo para fazer o webinar foi fazer com que as multidões adotassem essa característica antes de construí-la. Isso me ajudou a obter uma série de exemplos de usuários para que possamos garantir que eles sejam considerados enquanto nós o construímos.
Além disso, todo o trabalho que atualmente temos em vôo sobre isso está sendo feito em tirolesa, então, prestando atenção aos vários ramos ffc, também lhe dará mais informações.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Não consegui descobrir como abrir os slides, mas eu ouvi o webinar. Alguns comentários rápidos:
Não é correto que os dados comerciais não estejam disponíveis em before_trading_start (). Se os dados forem copiados para o contexto, um dia de dados da barra é perdida, no início do backtesting / trading.
Posteci um caderno de exemplos. Leva mais de 20 minutos para rodar durante a aprox. 20.000 títulos na base de dados da Quantopian com uma computação relativamente simples. Não estou claro como a nova API gerenciará esse tipo de coisa. Você está antecipando horas de tempo de computação disponíveis, por exemplo, antes do mercado? Ou funcionando como um trabalho paralelo, quando o mercado está aberto? Ou alguma outra coisa?
Qual é o status desse esforço?
Está em andamento. Nós temos uma equipe de usuários alfa trabalhando com a API e dando feedback. Esperamos levá-lo às mãos de todos os usuários o mais rápido possível.
Fique atento às atualizações em breve.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Desculpe, algo deu errado. Tente novamente ou contate-nos enviando comentários.
Você enviou um ticket de suporte com sucesso.
Nossa equipe de suporte estará em contato em breve.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.

Estratégias de Negociação de Arbitragem Estatística e Negociação de Alta Freqüência.
36 páginas postadas: 16 de setembro de 2018 Última revisão: 19 de fevereiro de 2018.
Thomas A. Hanson.
Kent State University - Departamento de Finanças.
Joshua R. Hall.
Kent State University - Faculdade de Administração de Empresas.
Data escrita: 12 de setembro de 2018.
A arbitragem estatística é uma estratégia de negociação popular empregada por fundos de hedge e mesas de negociação proprietárias, construída com base na noção estatística de cointegração para identificar oportunidades comerciais lucrativas. Dada a mudança revolucionária nos mercados representados pela negociação de alta freqüência (HFT), não é surpreendente que os riscos e as recompensas tenham mudado. Este artigo explora o efeito do volume HFT sobre a rentabilidade da arbitragem estatística e relata três tendências nos dados. Em primeiro lugar, os níveis mais elevados de movimentação devido a HFT causam a co-integração de mais pares de ações. Em segundo lugar, a rentabilidade da arbitragem estatística permanece constante entre os deciles com a maior quantidade de HFT. Em terceiro lugar, a gama de rentabilidade é maior nos últimos anos. Essas descobertas sugerem que o HFT aumenta a correlação e a volatilidade e tem um impacto direto nas estratégias de negociação de arbitragem estatística.
Palavras-chave: arbitragem estatística, troca de pares, cointegração, negociação de alta freqüência.
Thomas Hanson (Autor do Contato)
Kent State University - Departamento de Finanças (e-mail)
Faculdade de Administração de Empresas.
Kent, OH 44242-0001.
Joshua Hall.
Kent State University - Faculdade de Administração de Empresas (e-mail)
Kent, OH 44242-0001.
Estatísticas de papel.
Jornais relacionados.
Mercado de capitais: eJournal da microstrutura do mercado.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Papéis recomendados.
Links rápidos SSRN.
Rankings SSRN.
Sobre SSRN.
Os cookies são usados ​​por este site. Para recusar ou aprender mais, visite nossa página Cookies. Esta página foi processada por apollo4 em 0.157 segundos.

Estratégias de Arbitragem: Compreensão do Trabalho de Arbitragem Estatística.
O que é Quantitative Trading?
O comércio quantitativo é usado para identificar oportunidades de negociação usando técnicas estatísticas e análise quantitativa dos dados históricos. A negociação quantitativa é aplicável a informações quantificáveis ​​como eventos macroeconômicos e dados de preços de valores mobiliários. Os negociadores de Algo são utilizados pelos comerciantes da Algo quando a negociação de valores mobiliários se baseia estritamente na decisão de compra / venda de algoritmos computacionais. Um exemplo de tal estratégia que explora técnicas quantitativas e é aplicado em mesas de negociação algorítmica é a estratégia de arbitragem estatística.
Arbitragem estatística.
Arbitragem Estatística ou Stat Arb tem uma história de ser uma estratégia de negociação quantitativa extremamente lucrativa para muitos grandes bancos de investimento e hedge funds. A arbitragem estatística originou-se em torno de 1980, liderada por Morgan Stanley e outros bancos, a estratégia mostrou ampla aplicação nos mercados financeiros. A popularidade da estratégia continuou por mais de duas décadas e diferentes modelos foram criados em torno dele para capturar grandes lucros.
Para defini-lo em termos simples, a arbitragem estatística compreende um conjunto de estratégias de negociação orientadas quantitativamente. Essas estratégias buscam explorar os movimentos de preços relativos em milhares de instrumentos financeiros, analisando os padrões de preços e as diferenças de preços entre instrumentos financeiros. O objetivo final de tais estratégias é gerar alfa (lucro superior ao normal) para as empresas comerciais. Um ponto a observar aqui é que a arbitragem estatística não é uma estratégia de negociação de alta freqüência (HFT). Pode ser categorizado como uma estratégia de média frequência, onde o período de troca ocorre ao longo de poucas horas a alguns dias.
Conceitos utilizados pelas Estratégias de Arbitragem Estatística.
Para analisar os padrões de preços e as diferenças de preços, as estratégias utilizam modelos estatísticos e matemáticos. As estratégias de arbitragem estatística também podem ser projetadas usando fatores como efeitos de lead / lag, atividade corporativa, momentum de curto prazo etc., além de usar os dados de preços sozinhos. Esta última abordagem é referida como um modelo de Arbitragem Estatística multi-fator. Os vários conceitos utilizados pelas estratégias de arbitragem estatística incluem:
Análise de séries temporais AutoRegression e co-integração Modelagem de volatilidade Análise de componentes principais Técnicas de busca de padrões Técnicas de aprendizado de máquina Análise de fronteira eficiente etc.
Tipos de Estratégias de Arbitragem Estatística.
As diferentes estratégias de arbitragem estatística incluem:
Market Neutral Arbitrage Cross Asset Arbitrage Cross Market Arbitrage ETF Arbitrage.
Market Neutral Arbitrage.
Isso envolve assumir uma posição longa em um bem infravalorizado e diminuir um ativo superestimado simultaneamente. Acredita-se que o ativo tenha volatilidades semelhantes e, assim, um aumento no mercado fará com que a posição longa seja apreciada em valor e a posição curta a depreciar em aproximadamente o mesmo valor. As posições são ajustadas quando os ativos retornam ao seu valor normalizado.
Cross Market Arbitrage.
Procura explorar a discrepância de preços do mesmo ativo entre os mercados. A estratégia compra o ativo no mercado de baixa valorização e o vende no mercado de maior valorização.
Cross Asset Arbitrage.
Este modelo aposta na discrepância de preço entre um ativo financeiro e subjacente. Por exemplo, entre um futuro de índice de ações e os estoques que formam o índice.
Arbitragem ETF.
A arbitragem do ETF pode ser denominada como uma forma de arbitragem de ativos cruzados que identifica discrepâncias entre o valor de um ETF e seus ativos subjacentes.
Pairs Trading.
StatArb é uma versão evoluída das estratégias de negociação em pares, nas quais os estoques são colocados em pares por semelhanças fundamentais ou baseadas no mercado. Quando um estoque em um par supera o outro, o estoque de menor desempenho é comprado junto com a expectativa de que ele subisse seu parceiro de desempenho superior. A posição está coberta pelas mudanças / movimentos do mercado, ao curto-circuito do estoque outperforming outro. Devido a um grande número de ações envolvidas na estratégia de arbitragem estatística, o alto volume de negócios do portfólio e o tamanho bastante pequeno do spread está tentando capturar, a estratégia é muitas vezes implementada de forma automatizada e uma grande atenção é dada à redução dos custos de negociação . A estratégia de arbitragem estatística tornou-se uma força importante em hedge funds e bancos de investimento.
Figura 1: Etapas de implementação de uma estratégia de arbitragem estatística.
Como funciona a Estratégia Arbitragem Estatística?
Valores como os estoques tendem a negociar em ciclos ascendentes e descendentes e um método quantitativo busca capitalizar essas tendências. O comportamento de tendências da negociação quantitativa usa programas de software para rastrear padrões ou tendências. As tendências descobertas são baseadas no volume, na frequência e no preço de um título no qual é negociado.
Figura 2: Arbitragem estatística entre dois estoques em "Cimento" Indústria: ACC e Ambuja ambos listados na Bolsa Nacional de Valores da Índia.
Na imagem acima, os preços das ações do ACC e Ambuja estão representados ao longo de um período de seis anos. Você pode ver que ambos os estoques permanecem bastante próximos uns dos outros durante todo o período de tempo, com apenas alguns casos certos de separação. É nesses períodos de separação que surge uma oportunidade de arbitragem com base no pressuposto de que os preços das ações se aproximam novamente.
O cerne na identificação dessas oportunidades reside em dois fatores principais:
Identificando os pares que requerem análises de séries temporais avançadas e testes estatísticos Especificando os pontos de entrada e saída da estratégia para alavancar a posição de mercado.
Há uma abundância de indicadores de negociação de pares embutidos em plataformas populares para identificar e negociar em pares. No entanto, muitas vezes, o custo de transação, que é um fator crucial para ganhar lucros de uma estratégia, geralmente não é levado em consideração no cálculo dos retornos projetados. Portanto, recomenda-se que os comerciantes façam suas próprias estratégias de arbitragem estatística, levando em consideração todos os fatores no momento do teste, o que afetará a rentabilidade final do comércio.
Riscos no Arbitragem Estatística.
Embora as estratégias de arbitragem estatística tenham obtido muitos lucros para empresas comerciais quantitativas, essas estratégias vêm com seu próprio conjunto de riscos. Os seguintes são alguns dos riscos enfrentados:
A estratégia depende fortemente da reversão média dos preços ao seu histórico ou previsto normal. Isso pode não acontecer em certos casos e os preços podem continuar a se afastar do normal histórico. Os mercados financeiros estão em constante fluxo e evoluem com base em eventos que ocorrem em todo o mundo. Portanto, o lucro dos modelos de arbitragem estatística não pode ser garantido o tempo todo.
Projetos em Arbitragem Estatística por EPAT ™ Alumni.
As estratégias estatísticas de arbitragem podem ser aplicadas a diferentes instrumentos e mercados financeiros. O Programa Executivo em Negociação Algorítmica (EPAT ™) inclui uma sessão em "Arbitragem Estatística e Pairs Trading" como parte do módulo "Estratégias". Muitos de nossos participantes da EPAT ™ desenvolveram estratégias de negociação de pares durante o curso. Listados abaixo estão alguns dos blogs do projeto para sua referência.
Se você quiser aprender vários aspectos da negociação algorítmica, consulte nosso Programa Executivo em Negociação Algorítmica (EPAT ™). O curso abrange módulos de treinamento como Statistics & amp; Econometria, Computação Financeira e Tecnologia e Algorítmica e Negociação quantitativa. EPAT ™ foi projetado para equipá-lo com os conjuntos de habilidades adequados para ser um comerciante bem sucedido. Inscreva-se agora!