Flexible Handelsstrategien

Die Vor-und Nachteile der automatisierten Handelssysteme Händler und Investoren können präzise Eintrag zu drehen. Exit - und Money-Management-Regeln in automatisierte Handelssysteme, die es Computern ermöglichen, die Trades auszuführen und zu überwachen. Eine der größten Attraktionen der Strategieautomatisierung ist, dass es einige der Emotionen aus dem Handel nehmen kann, da Trades automatisch platziert werden, sobald bestimmte Kriterien erfüllt sind. Dieser Artikel wird Leser vorstellen und erklären einige der Vor-und Nachteile, sowie die Realitäten der automatisierten Handelssysteme. (Für das zugehörige Lesen, siehe Die Macht der Programm-Trades.) Was ist ein automatisiertes Handelssystem Automatisierte Handelssysteme, auch als mechanische Handelssysteme, algorithmischen Handel bezeichnet. Automatisierte Handels - oder Systemhandel erlauben es den Händlern, spezifische Regeln für Handels - und Exits festzulegen, die, sobald sie programmiert sind, automatisch über einen Computer ausgeführt werden können. Die Handelsein - und - ausgangsregeln können auf einfachen Bedingungen, wie einem gleitenden Durchschnittsübergang, basieren. Oder können komplizierte Strategien sein, die ein umfassendes Verständnis der Programmiersprache, die für die Benutzerhandelsplattform spezifisch ist, oder das Fachwissen eines qualifizierten Programmierers erfordern. Automatisierte Handelssysteme erfordern typischerweise die Verwendung von Software, die mit einem Direktzugriffsvermittler verknüpft ist. Und alle spezifischen Regeln müssen in dieser Plattform-proprietären Sprache geschrieben werden. Die Plattform TradeStation nutzt beispielsweise die Programmiersprache EasyLanguage, die NinjaTrader-Plattform dagegen die NinjaScript-Programmiersprache. Abbildung 1 zeigt ein Beispiel für eine automatisierte Strategie, die drei Trades während einer Trading-Sitzung ausgelöst hat. Abbildung 1: Ein Fünf-Minuten-Chart des ES-Kontrakts mit einer automatisierten Strategie. Manche Handelsplattformen haben Strategie-Assistenten, die es Anwendern erlauben, aus einer Liste allgemein verfügbarer technischer Indikatoren eine Reihe von Regeln zu erstellen, die dann automatisch gehandelt werden können. Der Nutzer könnte zum Beispiel festlegen, dass ein langer Handel eingegeben wird, sobald der 50-Tage-Gleitende Durchschnitt über dem 200-Tage-Gleitenden Durchschnitt bei einem Fünf-Minuten-Chart eines bestimmten Handelsinstruments überschreitet. Benutzer können auch die Art der Bestellung (zB Markt oder Limit) eingeben und wenn der Handel ausgelöst wird (zB am Ende der Leiste oder in der nächsten Leiste geöffnet) oder die Standard-Eingänge der Plattform verwenden. Viele Händler jedoch wählen ihre eigenen benutzerdefinierten Indikatoren und Strategien zu programmieren oder arbeiten eng mit einem Programmierer, um das System zu entwickeln. Während dies in der Regel erfordert mehr Aufwand als mit dem Plattform-Assistenten, ermöglicht es eine viel größere Flexibilität und die Ergebnisse können mehr belohnen. (Leider gibt es keine perfekte Anlagestrategie, die den Erfolg garantieren wird.) Weitere Informationen finden Sie unter Verwenden von technischen Indikatoren zur Entwicklung von Handelsstrategien.) Sobald die Regeln festgelegt sind, kann der Computer die Märkte überwachen, um Kauf - oder Verkaufschancen basierend auf dem Handel zu finden Strategiespezifikationen. Abhängig von den spezifischen Regeln, sobald ein Trade eingegeben wird, Aufträge für Schutz Stop Verluste. Nachlaufende Stopps und Gewinnziele automatisch generiert. In schnelllebigen Märkten kann dieser sofortige Auftragseingang den Unterschied zwischen einem geringen Verlust und einem katastrophalen Verlust für den Fall darstellen, in dem sich der Handel gegen den Händler bewegt. Vorteile von automatisierten Trading-Systemen Es gibt eine lange Liste von Vorteilen auf mit einem Computer überwachen die Märkte für Handelschancen und führen die Trades, einschließlich: Minimize Emotions. Automatisierte Handelssysteme minimieren Emotionen während des gesamten Handelsprozesses. Indem Emotionen in Schach gehalten werden, haben Händler normalerweise eine einfachere Zeit, an dem Plan festzuhalten. Da die Handelsaufträge automatisch ausgeführt werden, sobald die Handelsregeln erfüllt sind, können die Händler den Handel nicht zögern oder in Frage stellen. Neben der Unterstützung von Händlern, die Angst, den Auslöser zu ziehen, können automatisierte Handel bändigen diejenigen, die geeignet sind, zu übertreiben Kauf und Verkauf an jeder wahrgenommenen Gelegenheit. Fähigkeit zum Backtest. Backtesting wendet Handelsregeln auf historische Marktdaten an, um die Durchführbarkeit der Idee zu bestimmen. Beim Entwerfen eines Systems für automatisierten Handel müssen alle Regeln absolut sein, ohne Raum für Interpretation (der Computer kann nicht erraten, dass es genau gesagt werden muss, was zu tun ist). Trader können diese präzisen Regeln anwenden und sie auf historischen Daten testen, bevor sie Geld im Live-Handel riskieren. Sorgfältiges Backtesting ermöglicht es Tradern, eine Trading-Idee auszuwerten und zu verfeinern und die Systemerwartung zu bestimmen, die der durchschnittliche Betrag, den ein Trader erwarten kann, pro Risikoeinheit zu gewinnen (oder zu verlieren). (Wir bieten einige Tipps für diesen Prozess, die helfen können, Ihre aktuellen Handelsstrategien neu zu finden. Für mehr, siehe Backtesting: Interpretation der Vergangenheit.) Preserve Disziplin. Da die Handelsregeln etabliert sind und die Handelsausführung automatisch erfolgt, wird Disziplin auch in volatilen Märkten bewahrt. Disziplin ist oft verloren durch emotionale Faktoren wie Angst vor dem Verlust eines Verlustes oder der Wunsch, eke aus ein wenig mehr Gewinn aus einem Handel. Automatisiertes Trading hilft sicherzustellen, dass Disziplin beibehalten wird, weil der Handelsplan genau gefolgt wird. Darüber hinaus wird der Pilot-Fehler minimiert, und eine Bestellung zum Kauf von 100 Aktien wird nicht falsch eingegeben werden als Kauf von 1.000 Aktien zu verkaufen. Erzielen Sie Konsistenz. Eine der größten Herausforderungen im Handel ist, den Handel zu planen und den Handel zu planen. Selbst wenn ein Handelsplan das Potenzial hat, rentabel zu sein, ändern Händler, die die Regeln ignorieren, jegliche Erwartung, die das System hätte. Es gibt keinen solchen Handelsplan, der 100 der Zeitverluste gewinnt, sind ein Teil des Spiels. Aber Verluste können psychologisch traumatisierend sein, so dass ein Trader, der zwei oder drei verlieren Trades in einer Reihe könnte entscheiden, den nächsten Handel zu überspringen. Wenn dieser nächste Handel ein Gewinner gewesen wäre, hat der Händler bereits jede Erwartung des Systems zerstört. Automatisierte Handelssysteme ermöglichen es Tradern, Konsistenz durch den Handel des Plans zu erreichen. (Es ist unmöglich, Katastrophe ohne Handelsregeln zu vermeiden. Für weitere, siehe 10 Schritte zum Aufbau eines gewinnbringenden Handelsplans.) Verbesserte Order Entry Speed. Da Computer sofort auf sich ändernde Marktbedingungen reagieren, können automatisierte Systeme Aufträge generieren, sobald die Handelskriterien erfüllt sind. Erste-oder aus einem Handel ein paar Sekunden früher kann einen großen Unterschied in den Handel Ergebnis zu machen. Sobald eine Position eingegeben wird, werden alle anderen Aufträge automatisch generiert, inklusive Schutzstopp-Verluste und Gewinnziele. Märkte können sich schnell bewegen, und es ist demoralisierend, dass ein Trade das Gewinnziel erreicht oder vor einem Stop-Loss-Level vorbeifährt, bevor die Aufträge sogar eingegeben werden können. Ein automatisiertes Handelssystem verhindert, dass dies geschieht. Diversifizieren Handel. Automatisierte Handelssysteme erlauben dem Benutzer, mehrere Konten oder verschiedene Strategien gleichzeitig zu handeln. Dies hat das Potenzial, Risiken über verschiedene Instrumente zu verbreiten und gleichzeitig eine Absicherung gegen Verlustpositionen zu schaffen. Was unglaublich anspruchsvoll für einen Menschen zu erreichen ist, wird effizient von einem Computer in einer Angelegenheit von Millisekunden ausgeführt. Der Computer ist in der Lage, für Trading-Chancen über eine Reihe von Märkten zu scannen, Aufträge zu generieren und Trades zu überwachen. Nachteile und Realitäten von automatisierten Handelssystemen Automatisierte Handelssysteme haben viele Vorteile, aber es gibt einige Abstriche und Realties, denen die Händler bewusst sein sollten. Mechanische Ausfälle. Die Theorie hinter automatisierten Trading macht es einfach: die Software einrichten, die Regeln programmieren und beobachten, wie sie handeln. In Wirklichkeit jedoch ist das automatisierte Trading eine anspruchsvolle Handelsmethode, aber nicht unfehlbar. Abhängig von der Handelsplattform konnte sich ein Handelsauftrag auf einem Computer und nicht auf einem Server befinden. Was bedeutet, dass, wenn eine Internetverbindung verloren geht, eine Bestellung nicht auf den Markt geschickt werden. Es könnte auch eine Diskrepanz zwischen den theoretischen Trades, die durch die Strategie und die Auftragseingangsplattform Komponente, die sie in echte Trades macht erzeugt. Die meisten Händler sollten eine Lernkurve bei der Verwendung von automatisierten Handelssystemen erwarten, und es ist allgemein eine gute Idee, mit kleinen Handelsgrößen zu beginnen, während der Prozess verfeinert wird. Überwachung. Obwohl es toll wäre, den Computer einzuschalten und den Tag zu verlassen, benötigen automatisierte Handelssysteme eine Überwachung. Dies liegt daran, das Potenzial für mechanische Ausfälle, wie Konnektivitätsprobleme, Leistungsverluste oder Computerabstürze, und System-Macken. Es ist möglich, dass ein automatisiertes Handelssystem Anomalien erlebt, die zu fehlerhaften Aufträgen, fehlenden Aufträgen oder doppelten Aufträgen führen können. Wenn das System überwacht wird, können diese Ereignisse schnell erkannt und behoben werden. Über-Optimierung. Obwohl nicht spezifisch für automatisierte Handelssysteme, Händler, die Backtesting-Techniken verwenden können Systeme, die auf Papier großartig aussehen und führen schrecklich in einem Live-Markt. Über-Optimierung bezieht sich auf übermäßige Kurvenanpassung, die einen Handelsplan erzeugt, der im realen Handel unzuverlässig ist. Es ist z. B. möglich, eine Strategie zu optimieren, um außergewöhnliche Ergebnisse auf den historischen Daten, auf denen sie getestet wurde, zu erzielen. Händler gehen manchmal falsch davon aus, dass ein Handelsplan nahe 100 profitable Geschäfte haben sollte oder nie einen Drawdown erleben sollte, um ein tragfähiger Plan zu sein. Als solche können die Parameter angepasst werden, um einen nahezu perfekten Plan zu schaffen, der vollständig ausfällt, sobald er auf einen Live-Markt angewendet wird. (Diese Überoptimierung schafft Systeme, die nur auf Papier gut aussehen.) Weitere Informationen finden Sie unter Backtesting und Forward Testing: Die Bedeutung von Correlation.) Serverbasierte Automatisierung Händler haben die Möglichkeit, ihre automatisierten Handelssysteme über einen serverbasierten Handel auszuführen Plattform wie Strategy Runner. Diese Plattformen bieten häufig kommerzielle Strategien zum Verkauf an, ein Assistent, so dass Händler ihre eigenen Systeme entwerfen können oder die Möglichkeit, vorhandene Systeme auf der Server-basierten Plattform zu hosten. Gegen eine Gebühr kann das automatisierte Handelssystem alle Trades mit allen auf ihrem Server befindlichen Aufträgen scannen, ausführen und überwachen, was zu einer schnelleren und zuverlässigeren Auftragserfassung führt. Schlussfolgerung Obwohl ein Ppealing für eine Vielzahl von Faktoren, sollten automatisierte Handelssysteme nicht als Ersatz für sorgfältig ausgeführten Handel. Mechanische Ausfälle können auftreten, und als solche erfordern diese Systeme eine Überwachung. Serverbasierte Plattformen können eine Lösung für Händler bieten, die das Risiko von mechanischen Ausfällen minimieren möchten. (Für verwandte Erkenntnisse siehe Day Trading-Strategien für Anfänger.) FE670 Algorithmische Handelsstrategien. Stevens Institute of Technology Transkription 1 FE670 Algorithmische Handelsstrategien Vorlesung 3. Faktormodelle und ihre Einschätzung Steve Yang Stevens Institut für Technologie 09192013 2 Überblick 1 Faktorbasierter Handel 2 Risiken für Handelsstrategien 3 Erwünschte Eigenschaften von Faktoren 4 Baugrundfaktoren aus den Unternehmensmerkmalen 5 R Zeit Baureihenfaktoranalyse-Paket tsfa 3 Breitenweise können wir Anlagestrategien in folgende Kategorien einteilen: 1 Faktorbasierte Handelsstrategien (auch Aktienselektion oder Alpha-Modelle genannt). 2 statistische Arbitrage. 3 Hochfrequenzstrategien. 4 Ereignisstudien. Die meisten Akademiker und Praktiker sind sich einig, dass die effiziente Markthypothese nicht die ganze Zeit hält und dass es möglich ist, den Markt zu schlagen. Umfrage zeigt Faktoren und Faktor-basierte Modelle aus dem Kern eines großen Teils der heutigen quantitativen Handelsstrategien. 4 Sicherheitsanalyse von Benjamin Graham und David Dodd (1934) wurde als der erste Beitrag zu Faktor-basierten Strategien betrachtet. Die heutigen quantitativen Manager nutzen Faktoren als grundlegende Bausteine ​​für Handelsstrategien. Innerhalb einer Handelsstrategie bestimmen Faktoren, wann sie kaufen und wann sie Wertpapiere verkaufen sollen. Wir definieren einen Faktor als gemeinsames Merkmal in einer Gruppe von Vermögenswerten. Zum Beispiel die Bonität einer Anleihe oder eine bestimmte finanzielle Ratio (PE) oder die Book-to-Price-Ratio, etc. Wir weiter ausbauen: 1). Faktoren sind häufig dazu bestimmt, eine gewisse wirtschaftliche Intuition zu erfassen. 2). Wir sollten erkennen, dass Vermögenswerte mit ähnlichen Faktoren dazu neigen, sich in ähnlicher Weise zu verhalten. 3). Wir möchten, dass unser Faktor in der Lage, über verschiedene Märkte und Muster zu differenzieren. 4). Wir wollen, dass unser Faktor über verschiedene Zeiträume hinweg robust ist. 5 Faktoren fallen in drei Kategorien: makroökonomische Einflüsse, Querschnittsmerkmale und statistische Faktoren. Makroökonomische Einflüsse sind Zeitreihen, die die beobachtbaren wirtschaftlichen Aktivitäten messen. Beispiele hierfür sind das Zinsniveau, die Bruttoinlandsproduktion und die industrielle Produktion. Querschnittsmerkmale sind beobachtbare Asset-spezifische Merkmale oder feste Merkmale. Beispiele hierfür sind Dividendenrendite, Buchwert und Volatilität. Statistische Faktoren sind nicht beobachtbare oder latente Faktoren, die in einer Gruppe von Vermögenswerten gemeinsam sind. Diese Faktoren machen keine expliziten Annahmen über die Vermögensmerkmale, die die Gemeinsamkeit in Renditen treiben. Statistische Faktoren werden nicht unter Verwendung exogener Daten bestimmt, sondern werden aus anderen Variablen, wie z. B. Retouren, extrahiert. 6 Grundlagen und Bausteine ​​Wir konzentrieren uns auf die Verwendung von Faktoren zur Erstellung von Prognosemodellen, die auch als Alpha - oder Aktienselektionsmodelle bezeichnet werden. Wir beginnen mit dem Entwurf eines Rahmens, der flexibel genug ist, damit die Komponenten leicht modifiziert und dennoch so strukturiert werden können, dass wir uns weiterhin auf unser Ziel konzentrieren, eine rentable Handelsstrategie zu entwickeln. Die typischen Schritte in der Entwicklung einer Handelsstrategie sind: Definition einer Handelsidee oder Anlagestrategie Entwicklungsfaktoren Erfassung und Verarbeitung von Daten Analyse der Faktoren Aufbau der Strategie Strategieauswertung Backtesting der Strategie Umsetzung der Strategie 7 Grundlagen und Bausteine ​​Definition einer Trading-Idee Oder Investing Strategy: Eine erfolgreiche Handelsstrategie beginnt oft als eine Idee, die auf fundierter ökonomischer Intuition, Marktsicht oder der Entdeckung einer Anomalie basiert. Hintergrundforschung kann hilfreich sein, um zu verstehen, was andere in der Vergangenheit versucht oder umgesetzt haben. Eine Handelsidee hat einen eher kurzfristigen Horizont, der oft mit einem Ereignis oder falschen Preisen verbunden ist. Eine Handelsstrategie hat einen längeren Horizont und basiert häufig auf der Erforschung einer Prämie, die mit einer Anomalie oder einem Merkmal verbunden ist. Entwicklungsfaktoren: Faktoren liefern Bausteine ​​des Modells, das verwendet wird, um eine Anlagestrategie zu erstellen. Nach der Etablierung der Handelsstrategie bewegen wir uns von den ökonomischen Konzepten zur Konstruktion von Faktoren, die zur Erfassung unserer Intuition zur Verfügung stehen. 8 Grundlagen und Bausteine ​​Erfassung und Verarbeitung von Daten: Eine Handelsstrategie setzt auf genaue und saubere Daten, um Faktoren zu bauen. Es gibt eine Reihe von Drittanbieter-Lösungen und Datenbanken für diesen Zweck wie Thomson Router MarketQA, Factset Research Systems und Compustats. Analyse der Faktoren: Zur Bewertung der empirischen Eigenschaften von Faktoren müssen eine Vielzahl statistischer und ökonometrischer Verfahren durchgeführt werden. Diese empirische Forschung wird verwendet, um das Risiko-und Rendite-Potenzial eines Faktors zu verstehen. Die Analyse ist der Ausgangspunkt für den Aufbau eines Modells einer Handelsstrategie. 9 Grundlagen und Bausteine ​​Building Strategy: Das Modell stellt eine mathematische Spezifikation der Handelsstrategie dar. Es gibt zwei wichtige Überlegungen in dieser Spezifikation: die Auswahl der Faktoren und wie diese Faktoren kombiniert werden. Beide Überlegungen müssen durch die ökonomische Intuition hinter der Handelsstrategie motiviert werden. Evaluierung, Backtesting und Implementierung der Strategie: Der letzte Schritt beinhaltet die Bewertung der Schätzung, Spezifikation und Prognosequalität des Modells. Diese Analyse umfasst die Prüfung der Güte der Anpassung (oft in der Stichprobe durchgeführt), Prognosefähigkeit (oft getan aus Probe) und Sensitivität und Risiko-Merkmale des Modells. 10 Risiken für Handelsstrategien Im Risikomanagement ist das Risiko ein Hauptanliegen. Die meisten Handelsstrategien sind nicht risikofrei, sondern unterliegen verschiedenen Risiken. Hier beschreiben wir einige gemeinsame Risiken für Faktor Handelsstrategien sowie andere Handelsstrategien. Das grundlegende Risiko ist das Risiko, nachteilige grundlegende Nachrichten zu leiden. Zum Beispiel kann ein gutes Unternehmen mit einem hohen Ergebnis zu Preisverhältnissen plötzlich vor einer Klageklage stehen. Wir können die Exposition gegenüber fundamentalen Risiken durch Diversifizierung in vielen Unternehmen minimieren. Aber irgendwann könnte das Grundrisiko systemisch sein. In diesem Fall können Portfoliomanager, die branchen - oder marktneutral sind, im Allgemeinen gut abschneiden. 11 Lärmrisiko ist das Risiko, dass sich ein Missverständnis kurzfristig verschlechtert. Die Idee hierbei ist, dass die Prämie oder der Wert zu lange dauert, um realisiert zu werden, was zu einer realisierten niedrigeren als einer gezielten Rendite führt. Modellrisiko, auch Misspecification-Risiko genannt, bezieht sich auf das Risiko, das mit falschen Modellierungsannahmen und - entscheidungen verbunden ist. Dies beinhaltet die Wahl der Variablen, der Methodologie und des Kontextes, in dem das Modell operiert. Wir haben mehrere Abhilfemaßnahmen auf der Grundlage von Informationstheorie, Bayessche Methoden, Schrumpfung und Zufallskoeffizientenmodellen untersucht. Das Liquiditätsrisiko ist ein Anliegen der Anleger. Liquidität ist definiert als die Fähigkeit, schnell ohne signifikante Preisänderungen zu handeln und die Fähigkeit, großes Volumen ohne signifikante Preisänderungen zu handeln. Liquidität könnte unter einem gestressten Marktumstand ausgetrocknet werden. 12 Wünschenswerte Eigenschaften von Faktoren Faktoren sollten auf fundierte ökonomische Intuition, Markteinschätzung oder eine Anomalie basieren. Zusätzlich zu der zugrundeliegenden ökonomischen Argumentation sollten Faktoren andere Eigenschaften haben, die sie für die Prognose effektiv machen: - Es ist von Vorteil, wenn Faktoren für Investoren intuitiv sind. Viele Investoren werden nur in bestimmten Fonds zu investieren, wenn sie verstehen und stimmen mit den grundlegenden Ideen hinter den Handelsstrategien. Faktoren geben den Portfoliomanagern ein Instrument, um den Investoren zu kommunizieren, welche Themen sie investieren. - Die Suche nach den ökonomisch sinnvollen Faktoren sollte vermeiden, sich strikt auf reine historische Analyse zu verlassen. Faktoren, die in einem Modell verwendet werden, sollten nicht aus einem sequentiellen Prozess der Bewertung der erfolgreichen Faktoren bei der Beseitigung von weniger günstigen entstehen. 13 - Eine Gruppe von Faktoren sollte in ihrer Beschreibung der Handelsstrategie sparsam sein. Dies erfordert eine sorgfältige Bewertung der Interaktion zwischen den verschiedenen Faktoren. Zum Beispiel führen hochkorrelierte Faktoren dazu, dass die in einem multivariaten Ansatz vorgenommenen Interferenzen weniger zuverlässig sind. - Der Erfolg des Ausfalls der ausgewählten Faktoren sollte nicht von einigen Ausreißern abhängen. Es ist wünschenswert, Faktoren zu konstruieren, die vernünftigerweise robust gegenüber Ausreißern sind. Quelle der Faktoren: Die Quellen sind weit verbreitet, wobei niemand deutlich dominiert. Die Suche durch eine Vielzahl von Quellen scheint die beste Möglichkeit zu bieten, Faktoren aufzudecken, die für neue Modelle wertvoll sein werden. Beispielquellen sind wirtschaftliche Grundlagen, Ineffizienz bei der Verarbeitung von Informationen, Finanzberichte, Gespräche mit Portfoliomanagern oder Händlern, Sell-Side-Berichten oder Aktienforschungsberichten sowie akademische Literatur in Finanzen, Rechnungswesen und Ökonomie etc. 14 Building Factors - Wir wünschen unsere Faktoren, die finanziellen Daten eines Unternehmens mit den Metriken zu verknüpfen, die Investoren bei Entscheidungen über die Attraktivität einer Aktie wie Bewertungsverhältnisse, betriebliche Effizienzquoten, Rentabilitätskennzahlen und Solvabilitätskennzahlen verwenden. - Faktoren sollten sich auch auf die Marktdaten wie Prognosen, Preise und Renditen und Handelsvolumen beziehen. Wir unterscheiden drei Kategorien von Finanzdaten: Zeitreihen, Querschnitts - und Paneldaten. - Die Zeitreihendaten bestehen aus Informationen und Variablen, die über mehrere Zeiträume gesammelt wurden. Die Querschnittsdaten bestehen aus Daten, die zu einem Zeitpunkt für viele verschiedene Unternehmen erhoben wurden. Ein Paneldatensatz besteht aus Querschnittsdaten, die zu unterschiedlichen Zeitpunkten gesammelt werden. 15 Datenintegrität Qualitätsdaten pflegen mehrere Attribute, wie die Bereitstellung einer konsistenten Historienansicht, die Aufrechterhaltung einer guten Datenverfügbarkeit, die keine Überlebenschancen enthalten, und die Vermeidung von Vorgriffs-Vorurteilen. Es ist wichtig, dass die quantitativen Forscher in der Lage sind, die Grenzen zu erkennen und die Daten entsprechend anzupassen. - Backfilling von Daten geschieht, wenn ein Unternehmen zum ersten Mal in eine Datenbank in der aktuellen Periode eingetragen wird und seine historischen Daten werden ebenfalls hinzugefügt. - Die Restatement von Daten sind weit verbreitet in verzerrenden Konsistenz der Daten. Viele Datenbankfirmen können die ursprünglich aufgezeichnete Nummer überschreiben. - Überlebenschance tritt auf, wenn Unternehmen aus der Datenbank entfernt werden, wenn die nicht mehr vorhanden ist. - Eine Vorgriffs-Bias tritt auf, wenn Daten in einer Studie verwendet werden, die während des tatsächlich analysierten Zeitraums nicht verfügbar gewesen wäre. 16 Datenintegritätsbeispiel Dieses Beispiel veranschaulicht, wie die Nuancen der Datenhandhabung die Ergebnisse einer bestimmten Studie beeinflussen können. Bei Verwendung von Daten aus Compustats-Datenbank, um EBITAEV Faktoren zu berechnen. Zahl. Prozentsatz der Unternehmen in Russell 1000 mit unterschiedlicher Rangfolge nach dem EBITAEV-Faktor. 17 Datenintegritätsbeispiel Unser Universum der Aktien ist das Russell 1000 von Dezember bis Dezember 2008, ohne Finanzgesellschaften. Wir berechnen EBITAEV durch zwei gleichwertige, aber unterschiedliche Ansätze. 1 EBITA Umsatz (Compustats Datenposten 2) - Cost of Goods Sold (Compustats Datenposten 30) - Verkauf und Allgemeiner Verwaltungsaufwand (Compustats Posten 1) 2 EBITA Betriebsergebnis vor Abschreibungen (Compustats Datenposten 21) Laut Compustats Handbuch diese beiden Mengen Sollte gleich sein. Aber wir beobachten die Ergebnisse sind nicht identisch. Als Materie gibt es große Unterschiede, vor allem in der früheren Zeit. 18 Methoden zur Anpassung von Faktoren - Ein Faktor muss möglicherweise mit Hilfe analytischer oder statistischer Verfahren angepasst werden, um für die Modellierung nützlicher zu sein. Die folgenden drei Anpassungen sind üblich: - Standardisierung: Es skaliert eine Variable unter Beibehaltung ihrer Reihenfolge. Typischerweise wählen wir die standardisierte Variable mit einem Mittelwert von null und einer Standardabweichung von eins unter Verwendung der Transformation x new i x i x i sigma x - Orthogonalisierung: Orthogonalisierung eines Faktors für andere spezifizierte Faktoren entfernt diese Beziehung. Um den Faktor unter Verwendung von Durchschnittswerten nach Industrien oder Sektoren zu orthogonalisieren, können wir zuerst die Industrieindizes berechnen, wobei xi ein Faktor ist und ind i, k das Gewicht des Vorrates i in der Industrie k darstellen . Als nächstes subtrahieren wir den Branchendurchschnitt der Branchenwerte, s k, von jedem Bestand. Wir berechnen, wo x neue i xi neue x i ind i, k s k k Industries ist die neue Industrie neutraler Faktor. Wir können auch lineare Regression verwenden, um einen Faktor zu orthogonalisieren. Zunächst bestimmen wir die Koeffizienten in der Gleichung xiabfii, wobei fi der Faktor ist, um den Faktor xi zu orthogonalisieren, b der Beitrag von fi zu xi und i die Komponente des Faktors xi ist, die nicht auf fii bezogen ist orthogonal zu fi (dh , I ist unabhängig von fi) und repräsentiert den neutralisierten Faktor x new i 20 Auf dieselbe Weise können wir unsere Variable relativ zu einer Menge von Faktoren orthogonalisieren, indem wir die multivariate lineare Regression xiajbjfji verwenden und dann x new j i setzen. Die Wechselwirkung zwischen Faktoren in einem Risikomodell und einem Alphamodell betrifft oft Portfoliomanager. Ein möglicher Ansatz, um dieses Problem zu lösen, besteht darin, die Faktoren oder Endwerte des Alphamodells gegen die im Risikomodell verwendeten Faktoren zu orthogonalisieren. - Transformation: Es ist eine gängige Praxis, Transformationen auf Daten anzuwenden, die in statistischen und ökonometrischen Modellen verwendet werden. Insbesondere werden Faktoren oft so transformiert, dass die resultierende Reihe symmetrisch oder nahezu normal verteilt ist. Häufig verwendete Transformationen umfassen natürliche Logarithmen, Exponentiale und Quadratwurzeln. 21 - Outliers Detection und Management: Ausreißer sind Beobachtungen, die mit den anderen Werten in einem Datensatz unvereinbar zu sein scheinen. Finanzdaten enthalten Ausreißer für eine Reihe von Gründen, darunter Datenfehler, Messfehler oder ungewöhnliche Ereignisse. Ausreißer können durch mehrere Methoden erkannt werden. Graphen wie Boxplots, Streudiagramme oder Histogramme können nützlich sein, um sie visuell zu identifizieren. Alternativ stehen auch numerische Techniken zur Verfügung. Ein übliches Verfahren besteht darin, den Inter-Quantil-Bereich zu berechnen und dann Ausreißer als Maß für die Dispersion zu bestimmen und als Differenz zwischen dem dritten und dem ersten Quartil einer Probe berechnet wird. Winsorization ist der Prozess der Transformation von Extremwerten in die Daten. Zuerst berechnen wir Perzentile der Daten. Als nächstes definieren wir Ausreißer, indem wir auf eine bestimmte Perzentil-Rangfolge verweisen. Es ist wichtig, die praktischen Konsequenzen der Anwendung eines dieser Verfahren vollständig zu untersuchen. 22 - Dieses Beispiel veranschaulicht die Schritte zur Schätzung eines Faktormodells, das als Beispiel die Daten und das Verfahren verwendet, die zu Ergebnissen geführt haben, die in Gilbert und Meijer (2006) berichtet wurden. Die Hintergrundtheorie wird in Gilbert und Meijer (2005) dargestellt. Daten, die durch eine 4 Factor ModelTop 5 Beliebte Trading-Strategien Umkehrungen werden in der Regel von technischen basierten Trader in Zeiten der kleinen grundlegenden Aktivität verwendet. Zu diesen Zeiten neigen die Märkte dazu, sich zu bewegen oder sich seitwärts zu bewegen, ohne klare Richtung. Händler suchen für die wichtigsten Preisniveaus, die sie verwenden können, um direkt aus in Erwartung eines Bounce, wenn der Preis es trifft. Diese Bounces bieten kleine, schnelle Möglichkeiten, einen Gewinn aus niedrigen Volumen Marktaktivität zu nehmen. Wiederum sind die für den Umkehrhandel verwendeten Werkzeuge nahezu identisch mit denen, die in den vorherigen Strategien verwendet wurden und umfassen Unterstützung und Widerstand und Fundamentalanalyse. Bevor Sie Stornierungen durchführen, müssen Sie sicher sein, dass keine wichtigen Nachrichten erwartet werden, die während dieser Sitzung freigegeben werden und dass keine wichtigen Geldpolitik Entscheidungsträger sprechen oder Kommentare an die Presse. Diese Ereignisse können Bewegungen auslösen, die zu Verlusten auf Ihrem kurzfristigen Handel führen. Sobald das fundamentale Bild klar ist, müssen wir uns auf die technische Analyse und insbesondere auf die Unterstützung und Widerstandsniveaus konzentrieren, die in der Nähe des aktuellen Preises liegen. Gemeinsame Ebenen von Händlern mit dieser Art von Strategie verwendet werden, gehören alte Höhen und Tiefen aus früheren Trading Sessions, Pivot Punkt Ebenen, Fibonacci Ebenen und Bereiche, an denen alle drei dieser Ebenen überschneiden. Diese Überlappungen sind bekannt als Konflikte, und diese bieten hervorragende Bereiche, auf die nach dem Preis zu bounce aus während der Sitzung zu suchen. Die Reaktionen variieren, aber sehr oft Händler werden für nur ein paar Pips Gewinn von diesen Reaktionen, anstatt zu versuchen, die Positionen über mehrere Trading-Sitzungen zu halten. Trading Umkehrungen ist streng für Zeiten, wenn der Markt nicht in eine klare Richtung trimmen, und sollte nicht blind verwendet werden, während aller Markt-Sessions, da dies dramatisch erhöhen die Höhe der Verluste leiden Sie. Momentum Handel ist viel weniger mit präzisen Einträgen und mehr mit der Kraft und Fortsetzung der Bewegung betroffen. Trader sind nicht auf der Suche nach dem Preis zurückziehen oder brechen aus einem bestimmten Preis, sondern nur auf die Bewegung mehr oder weniger in Richtung der vorherrschenden Trend. Diese Art von Handel ist grundsätzlich basiert, sondern setzt auch stark auf Indikatoren wie gleitende Durchschnitte und Oszillatoren, um Handelssignale zu geben. Trader werden Impuls Strategien verwenden, wenn sie einen langfristigen Umzug auf dem Vermögenswert, dass sie handeln zu sehen sind. Zum Beispiel, wenn es eine wesentliche Änderung in den Grundlagen einer Nation, die zu einer Zinsänderung führen wird, wird dies dazu führen, dass die Anleger zu handeln und beginnen Kauf oder Verkauf der Währung dieser Nation im Einklang mit diesen Änderungen. Weitere Beispiele sind geo-politische Ereignisse, die für viele Monate und manchmal sogar Jahre bestehen bleiben. Während dieser signifikanten Verschiebungen, werden professionelle Händler suchen, um diese Währungen auf lange Sicht Handel, die oft halten ihre Positionen über einen Zeitraum von Wochen und Monaten. Wegen der längerfristigen Natur dieser Strategie sind die Händler nicht so besorgt über Einstiegspunkte und warten nur, bis eine kleine technische Analyse ihnen die Möglichkeit gibt, von dem Umzug zu profitieren. Ein populärer Indikator für diese Art von Handel ist die 200-Periode gleitenden Durchschnitt, und sehr oft Händler suchen für Preis zu brechen über oder unterhalb dieser gleitenden Durchschnitt im Einklang mit dem voraussichtlichen Umzug, an welchem ​​Punkt sie in den Markt eintreten und halten ihre Positionen . Die Exits werden in der Regel von den Fundamentaldaten in ähnlicher Weise geregelt wie die Einreichungen, wobei die Händler die wirtschaftlichen und geo-politischen Ereignisse sehr genau verfolgen, bevor sie entscheiden, welchen Handel sie nehmen und wie sie diese laufenden Positionen verwalten werden. Interessiert an erhalten Handel Setups für Optionen Trading New Highs Klicken Sie hier, um sich für eine kostenlose 7-Tage-Testversion zu The Momentum Trader.