정량 분석 거래 전략

양적 거래.

'양적 거래'란 무엇인가?

양적 거래는 거래 기회를 파악하기 위해 수학 계산 및 번호 계산에 의존하는 정량 분석을 기반으로하는 거래 전략으로 구성됩니다. 양적 거래는 일반적으로 금융 기관 및 헤지 펀드에서 사용되므로 거래 규모가 대개 크며 수십만 주 및 기타 증권의 매매가 필요할 수 있습니다. 그러나 양적 거래는 개인 투자자들에 의해 보편적으로 사용되고 있습니다.

'수량 거래'를 깨고

양적 거래 기법에는 고주파 거래, 알고리즘 거래 및 통계적 재정 거래가 포함됩니다. 이러한 기술은 빠른 속도로 진행되며 일반적으로 단기 투자의 시야가 있습니다. 많은 양적 거래자는 이동 평균 및 발진기와 같은 정량적 도구에 더 익숙합니다.

양적 거래의 이해.

양적 거래자는 최신 기술, 수학 및 합리적인 거래 결정을 내리는 데 필요한 포괄적 인 데이터베이스를 이용할 수 있습니다.

양적 거래자는 거래 기법을 사용하여 수학을 사용하여 거래 모델을 만든 다음 모델을 과거 시장 데이터에 적용하는 컴퓨터 프로그램을 개발합니다. 그런 다음 모델을 다시 테스트하고 최적화합니다. 유리한 결과가 얻어지면 시스템은 실제 자본으로 실시간 시장에서 구현됩니다.

양적 거래 모델이 작동하는 방식은 비유를 사용하여 가장 잘 묘사 될 수 있습니다. 태양이 비치는 동안 기상 학자가 비가 내릴 확률이 90 %가 될 것이라는 기상 예보를 고려하십시오. 기상 학자는이 지역 전체의 센서로부터 기후 데이터를 수집하고 분석함으로써이 직관적이지 않은 결론을 도출합니다. 전산화 된 정량 분석은 데이터의 특정 패턴을 나타냅니다. 이러한 패턴을 역사적인 기후 데이터 (백 테스팅)에서 나타난 동일한 패턴과 비교하고 100 배 중 90 %가 비가되면 기상 학자는 결론을 확신 할 수 있으므로 90 % 예측을 이끌어 낼 수 있습니다. 양적 거래자는 이와 동일한 절차를 금융 시장에 적용하여 거래 의사 결정을 내립니다.

양적 거래의 장점과 단점.

거래의 목적은 수익성있는 거래를 실행할 최적의 확률을 계산하는 것입니다. 일반적인 거래자는 유입되는 데이터의 양이 의사 결정 프로세스를 압도하기 전에 제한된 수의 증권에 대해 효과적으로 모니터링, 분석 및 거래 의사 결정을 내릴 수 있습니다. 양적 거래 기법을 사용하면 컴퓨터를 사용하여 모니터링, 분석 및 거래 의사 결정을 자동화함으로써 이러한 한계가 드러납니다.

감정을 극복하는 것은 거래에서 가장 보편적 인 문제 중 하나입니다. 두려움이나 탐욕, 거래 할 때, 감정은 합리적 사고를 억 누르는 역할을합니다. 합리적인 사고는 대개 손실로 이어집니다. 컴퓨터와 수학은 감정을 가지고 있지 않으므로 양적 거래는이 문제를 해결합니다.

양적 거래에는 그 문제가 있습니다. 금융 시장은 존재하는 가장 역동적 인 실체의 일부입니다. 따라서 양적 거래 모델은 지속적으로 성공하기 위해서는 역동적이어야합니다. 많은 양적 거래자들은 시장 상황에 따라 일시적으로 수익을내는 모델을 개발하지만 시장 상황이 바뀌면 궁극적으로 실패합니다.

정량 분석의 간단한 개요.

투자와 관련된 모든 최고치, 최저치 및 정서는 궁극적 인 목표 인 돈을 버릴 수 있습니다. 후자에 초점을 맞추고 전자를 제거하기 위해 투자에 대한 "양적"접근법은 무형 자산 대신 숫자에주의를 기울 이려고합니다.

"Quants"입력

Harry Markowitz는 일반적으로 1952 년 3 월 재무 저널에 "포트폴리오 선택"을 게시 할 때 정량적 투자 운동을 시작한 것으로 인정됩니다. Markowitz는 다양 화를 계량화하기 위해 수학을 사용했으며 수학 모델을 초기 개념으로 채택했습니다 투자에 적용된다. 현대 금융 이론의 개척자 인 Robert Merton은 파생 상품 가격 책정을위한 수학적 연구에 대한 노벨상을 수상했습니다. 마르코 위츠 (Markowitz)와 머튼 (Merton)의 연구는 투자에 대한 정량적 (quant) 접근의 토대를 마련했다.

기존의 질적 투자 분석가와 달리 퀀트는 경쟁 우위를 확인하기 위해 기업을 방문하거나 경영진을 만나거나 회사가 판매하는 제품을 조사하지 않습니다. 그들은 종종 순수한 투자 결정을 내리는 데 의존하면서 투자하는 회사의 질적 인 측면에 대해 알지도 모르고 신경도 쓰지 않습니다.

헤지 펀드 매니저 (hedge fund managers)는 복잡한 알고리즘이 눈 깜짝 할 사이에 계산 될 수 있기 때문에 더 발전된 컴퓨팅 기술의 방법론과 진보를 받아 들였다. 이 분야는 닷컴 버블과 버스트 동안 번성했는데, 퀀트가 테크 버스트와 시장 추락의 광란을 크게 피할 수 있었기 때문이다.

그들이 대 불황을 겪었을 때, 퀀트 전략은 오늘날에도 계속 사용되고 있으며 거래 의사 결정을 위해 수학에 의존하는 고주파 거래 (HFT)에서의 역할에 주목할만한 주목을 받았습니다. 양적 투자는 독립 실행 형 규율과 수익 향상 및 위험 완화 모두에 대한 전통적인 정성 분석과 함께 광범위하게 실행됩니다.

데이터, 모든 곳의 데이터.

컴퓨터 시대의 부상으로 극도로 짧은 기간에 엄청난 양의 데이터를 처리 할 수있었습니다. 트레이더들은 일관된 패턴을 확인하고 그러한 패턴을 모델링하여 증권의 가격 변동을 예측하는 데 사용하기 때문에 점점 복잡한 양적 거래 전략으로 이어졌습니다.

퀀트는 공개적으로 사용 가능한 데이터를 사용하여 전략을 구현합니다. 패턴을 식별하면 유가 증권을 매매하기위한 자동 트리거를 설정할 수 있습니다. 예를 들어, 거래량 패턴을 기반으로 한 거래 전략은 거래량과 가격 간의 상관 관계를 확인했을 수 있습니다. 따라서 주식 가격이 주당 25 달러에 도달하고 특정 가격이 30 달러에 도달하면 특정 주식 거래량이 증가하면 퀀트가 자동 구매를 25.50 달러로, 자동 판매를 29.50 달러로 설정할 수 있습니다.

비슷한 전략은 수입, 수익 예측, 수입 예측 및 기타 요소를 기반으로 할 수 있습니다. 각각의 경우 순수 퀀트 거래자는 회사의 매출 전망, 경영진, 제품 품질 또는 비즈니스 측면을 신경 쓰지 않습니다. 그들은 그들이 확인한 패턴으로 설명 된 숫자에 기초하여 구매 및 판매하라는 명령을 내리고 있습니다.

이익을 넘어서.

정량 분석은 수익성이 높은 보안 거래에 도움이 될 수있는 패턴을 식별하는 데 사용할 수 있지만 그만한 가치는 아닙니다. 돈을 벌는 것이 모든 투자자가 이해할 수있는 목표이지만 양적 분석은 위험을 줄이기 위해 사용될 수 있습니다.

소위 "위험 조정 수익률"을 추구하는 것은 알파, 베타, r 제곱, 표준 편차 및 샤프 비율과 같은 위험 측정치를 비교하여 주어진 수준에서 최고 수준의 수익을 낼 수있는 투자를 확인하는 것입니다. 위험. 투자자들은 목표로하는 수익 수준을 달성하는 데 필요한 것보다 더 많은 위험을 감수해야한다는 생각입니다.

따라서 두 가지 투자가 유사한 수익률을 창출 할 것이라는 데이터가 밝혀 지지만 위 · 아래 가격 변동 측면에서 상당히 변동성이 클 것이라면 퀀트 (및 상식)는 위험이 적은 투자를 추천합니다. 다시 말하지만 퀀트는 누가 투자를 관리하는지, 대차 대조표가 어떻게 보이는지, 어떤 제품이 돈을 얻는 데 도움이되는지 또는 다른 정 성적 요인을 고려하지 않습니다. 그들은 전적으로 수치에 초점을 맞추고 (수학적으로 말하자면) 최저 수준의 위험을 제공하는 투자를 선택합니다.

리스크 패리티 포트폴리오는 퀀텀 기반 전략의 실례입니다. 기본 개념은 시장 변동성을 기반으로 자산 배분 결정을 내리는 것입니다. 변동성이 감소하면 포트폴리오에 대한 위험 수준이 높아집니다. 변동성이 커지면 포트폴리오에 대한 위험 수준이 낮아집니다.

예를 좀 더 현실적으로 만들기 위해 자산을 현금과 S & P 500 지수 펀드로 나누는 포트폴리오를 고려하십시오. 시카고 보드 옵션 Exchange 변동성 지수 (VIX)를 주식 시장 변동성의 프록시로 사용하면 변동성이 커지면 가상 포트폴리오는 자산을 현금으로 전환합니다. 변동성이 감소하면 우리 포트폴리오는 자산을 S & P 500 지수 펀드로 전환 할 것입니다. 모델은 주식, 채권, 원자재, 통화 및 기타 투자를 포함하여 여기에서 언급 한 것보다 훨씬 복잡 할 수 있지만 개념은 동일합니다.

퀀트 거래는 공정한 의사 결정 과정입니다. 패턴과 숫자가 모두 중요합니다. 지속적으로 실행될 수있는 효과적인 구매 / 판매 규율이며, 종종 금융 결정과 관련된 감정에 의해 방해받지 않습니다.

비용 효율적인 전략이기도합니다. 컴퓨터가 작업을 수행하기 때문에 퀀트 전략에 의존하는 기업은 크고 비싼 분석가 및 포트폴리오 관리자 팀을 고용 할 필요가 없습니다. 잠재적 인 투자를 평가하기 위해 회사를 조사하고 경영진과 면담하는 국가 또는 세계를 여행 할 필요도 없습니다. 그들은 단순히 컴퓨터를 사용하여 데이터를 분석하고 거래를 실행합니다.

"거짓말, 거짓말 및 통계"는 데이터 조작 방법이 무수히 많은 것을 설명하기 위해 자주 사용되는 견적입니다. 정량 분석가는 패턴을 확인하려고하지만이 과정은 결코 바보가 아닙니다. 분석은 방대한 양의 데이터를 골라내는 것을 포함합니다. 적절한 결과를 제안하는 것처럼 보이는 패턴이 그렇지 않을 때까지 완벽하게 작동 할 수있는 것처럼 올바른 데이터를 선택하는 것이 결코 보장되는 것은 아닙니다. 패턴이 작동하는 것처럼 보이더라도 패턴을 확인하는 것은 어려울 수 있습니다. 모든 투자자가 알고 있듯이 확실한 베팅은 없습니다.

패턴이 갑자기 변할 수 있기 때문에 2008/2009의 주식 시장 침체와 같은 변곡점은 이러한 전략에 어려울 수 있습니다. 데이터가 항상 전체 이야기를 말하는 것은 아니라는 것을 기억하는 것도 중요합니다. 인간은 순수한 수학적 접근이 그렇게 할 수는 없지만 스캔들이나 경영 변화가 진행됨에 따라이를 볼 수 있습니다. 또한 전략을 채택하는 투자자의 수가 증가함에 따라 전략의 효율성이 떨어집니다. 점점 더 많은 투자자들이 그로부터 이익을 얻으려고 노력할 때 효과가있는 패턴은 덜 효과적 일 것입니다.

결론.

많은 투자 전략은 양적 전략과 질적 전략을 혼합하여 사용합니다. 이들은 퀀트 전략을 사용하여 잠재적 투자를 파악한 다음 정 성적 분석을 사용하여 최종 투자를 식별하는 데있어 다음 단계로 연구 노력을 기울입니다.

그들은 또한 위험 관리를위한 투자 및 수량 데이터를 선택하기 위해 질적 통찰력을 사용할 수 있습니다. 양적 및 질적 투자 전략 모두 그들의 지지자와 비평가가 있지만, 전략은 상호 배타적 일 필요는 없습니다.

승객의 성명

양적 헤지 펀드 트레이딩 전략의 유형.

Quant Hedge Funds는 3 대륙에 존재하는 국제 기금에 10 대에 번호를 부여하는 직원이있는 중소기업에서 모든 형태와 크기로 제공됩니다. 더 큰 자산 기반이 반드시 더 많은 직원과 상관 관계가있는 것은 아닙니다. 대신, 헤지 펀드 직원은 자신이 고용하는 전략의 수에 따라 기능 할 수 있습니다. 퀀트 헤지 펀드는 주식, 채권 또는 다른 자산 클래스에 집중할 수 있지만, 헷지 펀드는 개별 주식을 따로 떼어 놓지 않는 전략을 택하지는 않습니다. 많은 CTA 또는 “Cityity Trading Advisors ”는 또한 선물 계약 또는 옵션 선물 매매 또는 소매 거래 외환 계약 (또는이 상품을 거래하는 다른 사람들에게 상담)에서 자신의 역할을 감안할 때 Quant Hedge Fund로 간주됩니다.

다음 표는 헤지 펀드의 다양한 투자 전략 유형에 대해 자세히 설명합니다. 거의 모든 헤지 펀드 투자 스타일의 양적 및 비 양적 버전 모두를 구축 할 수 있다는 점에 유의해야합니다.

상대 가치 거래 vs. 방향성 거래.

대부분의 양적 헤지 펀드의 거래 / 투자 접근 방식은 상대 가치 전략을 사용하는 전략과 전략이 방향성을 갖는 전략의 두 가지 범주 중 하나로 분류됩니다. 두 가지 전략 모두 컴퓨터 모델과 통계 소프트웨어를 많이 사용합니다.

상대 가치 전략은 여러 자산 간의 예측 가능한 가격 책정 관계 (대개 вњњ 되돌릴 수있는 관계)를 활용하려고합니다 (예 : 미국 재무부 채권 수익률이 단기간 미국 재무부 채권 수익률과의 관계 또는 암시 된 관계 두 가지 옵션 계약의 변동성). 반면에 방향성 전략은 일반적으로 증권 또는 증권 집합에 대한 상승 또는 하락 모멘텀을 암시하는 경향 추종 또는 기타 패턴 기반 경로를 기반으로합니다 (예 : 장기 채권의 미국 재무부 채권 수익률이 증가하거나 변동성을 암시 함). 쇠퇴).

상대 가치 전략.

상대 가치 전략의 일반적인 예로는 가격이 밀접하게 연결된 자산에 대한 상대 베팅 (즉, 한 자산 구입 및 다른 판매)이 있습니다.

두 개의 다른 국가의 정부 증권 두 가지 길이의 만기가되는 정부 증권 회사와 모기지 채권 증권 두 가지 파생 상품 간의 내재 변동성의 차등 주식 가격과 회사채 발행자의 채권 가격 회사 채권 수익률 스프레드와 신용 디폴트 스왑 (CDS ) 확산.

잠재적 인 상대 가치 전략 목록은 매우 길다. 위의 내용은 단지 몇 가지 예입니다. 그러나 세 가지 매우 중요하고 일반적으로 사용되는 상대 가치 전략은 다음과 같습니다.

통계적 차익 거래 : 과거의 거래 관계를 기반으로 유사한 자산 바구니 값의 평균 되돌릴 추세를 거래합니다. Statistical Arbitrage 또는 Stock Arb, ” trading의 일반적인 형태 중 하나는 주식 시장 중립 거래 (Equity Market Neutral trading)로 알려져 있습니다. 이 전략에서는 2 개의 바구니의 상대적인 무게가 다양한 위험 요인 (산업, 지리, 부문 등)에 대한 순수한 노출로 펀드를 떠나는 것을 목표로 두 개의 주식 바구니가 선택됩니다 (하나는 “long” 바구니, 하나는 “short” 바구니). ) Stat Arb는 유사하게 일치하는 ETF에 대한 지수 거래 또는 단일 회사 в ™ ™ 주식에 대한 지수 거래를 포함 할 수 있습니다. Convertible Arbitrage : 회사가 전환 사채 발행을 구매하면서 동일한 회사의 주식을 동시에 판매하는 경우, 주어진 회사의 주식이 감소하면 짧은 포지션에서 얻는 이익은 전환 가능한 채권 위치, 고정 소득 악기로 전환 할 bond†™ s 가치를 주어. 마찬가지로, 보통주의 어떤 상승 가격 움직임에서, 기금은 시장에 그 주식을 판매하는 그것의 전환 사채의 주식으로 전환에서 이익이 될 수있다 단기적으로 손실을 초과하는 금액만큼 Fixed Income Arbitrage : 인식 된 상대 이자율 변이를 이용하기 위해 개발 채권 시장에서 채권 시장 거래. Fixed Income Arbitrage 포지션은 국채, 금리 스왑 및 금리 선물을 사용할 수 있습니다.  고정 수입 차익 거래에서의 이러한 스타일의 거래 중 하나의 예로는 â € œbasis trade, 재무부 선물을 매수 (매입)하고 판매). 잠재적 인 인도 가능 채권의 해당 금액을 판매합니다. 채권의 현물 가격과 조정 된 future†™ 계약 가격 (선물 가격 Г - 전환 계수)과 쌍을 거래하는 것의 차이에 대한 견해를 봅니다. 이에 따라 자산의

방향 전략.

한편, 방향성 거래 전략은 일반적으로 추세를 따르거나 다른 패턴 기반 경로를 기반으로하여 보안 в ™ ™ 가격에 대한 상승 또는 하락 모멘텀을 암시합니다. 방향 트레이딩은 종종 기술 분석 또는 “charting의 일부 측면을 통합합니다. 과거 가격 및 물량 시장 데이터에 대한 연구를 통해 가격을 결정할 수 있습니다. 거래되는 방향은 자산 자체의 가치 (예 : 주식 가격의 추세 또는 유로 / 미국 달러 환율) 또는 직접 영향을 미치는 요소 일 수 있습니다 자산 가격 그 자체 (옵션에 대한 내재 변동성 또는 국채에 대한 이자율).

기술 거래는 이동 평균, 가격의 역사적 표준 편차를 둘러싼 밴드, 지원 및 저항 수준, 변화율 등을 포함 할 수도 있습니다. 일반적으로 기술 지표는 Quantitative Hedge Fund†™ s 투자의 유일한 기반을 구성하지 않습니다 병법; Quant Hedge Funds는 과거 가격 및 거래량 정보에 비해 많은 추가 요소를 사용합니다. 즉, 방향성 거래 전략을 채택한 Quantitative Hedge Funds는 일반적으로 일반 기술 분석보다 훨씬 정교한 전반적인 정량 전략을 가지고 있습니다.

이것은 일 상인이 기술적 인 분석에서 이익이되지 않을지도 모른다는 것을 건의하지 않기 위하여 †"반대로, 많은 기세를 바탕으로 한 무역 전략은 유익 할 수있다. 따라서 본 트레이닝 모듈의 목적 상, 퀀트 헤지 펀드 거래 전략에 대한 언급에는 기술적 분석 기반 전략 만 포함됩니다.

다른 양적 전략.

상대 가치 전략 또는 방향 전략으로 쉽게 분류되지 않는 기타 양적 거래 접근법에는 다음이 포함됩니다.

트레이더들이 하루 종일 많은 거래를하는 여러 플랫폼에서 가격 불일치를 이용하는 고주파 거래 Managed Volatility 전략은 선물 선물과 선물환을 사용하여 낮지 만 안정적인 LIBOR + 절대 수익률을 생성하고 주식, 채권 및 기타 시장의 근본적인 변동성에 따라 계약 수를 동적으로 조정합니다. Â 관리 된 변동성 전략은 주식 및 채권 시장의 최근 불안정으로 인해 최근 몇 년 동안 인기를 얻었습니다. & Larr; Quantitative Hedge Fund 란 무엇입니까? Top Quantitative Hedge Funds & rarr;

QuantStart.

빠르게 성장하는 소매점 퀀텀 트레이더 커뮤니티를 지원하는 Quantcademy 개인 회원 포털에 가입하십시오. 당신은 당신의 가장 중요한 퀀트 트레이딩 질문에 대답 할 준비가되어있는 지식이 풍부하고 마음이 맞는 퀀트 트레이더 그룹을 찾을 수 있습니다.

퀀트 트레이딩에 관한 나의 eBook을 확인해보십시오. 여기서 저는 파이썬 툴로 수익성 높은 체계적인 트레이딩 전략을 만드는 법을 가르쳐드립니다.

Python 및 R을 사용하여 시계열 분석, 기계 학습 및 베이지안 통계를 사용하는 고급 거래 전략에 관한 새로운 전자 책을 살펴보십시오.

Michael Halls-Moore (2013 년 3 월 26 일)

이 기사에서 나는 종단 간 양적 거래 시스템을 수반하는 몇 가지 기본 개념을 소개 할 것입니다. 이 게시물은 두 명의 독자를 대상으로합니다. 첫 번째는 양적 상인으로서 펀드에서 일자리를 구하려고하는 개인입니다. 두 번째는 자신의 "소매"알고리즘 트레이딩 비즈니스를 시도하려는 개인입니다.

양적 거래는 매우 정교한 퀀텀 파이낸싱 영역입니다. 인터뷰를 통과하거나 자신의 트레이딩 전략을 수립하는 데 필요한 지식을 얻으려면 상당한 시간이 걸릴 수 있습니다. 뿐만 아니라 MATLAB, R 또는 Python과 같은 언어에서는 광범위한 프로그래밍 전문 지식을 필요로합니다. 그러나 전략의 거래 빈도가 증가함에 따라 기술적 측면이보다 적절 해집니다. 따라서 C / C ++에 익숙해지는 것이 가장 중요합니다.

양적 거래 시스템은 네 가지 주요 구성 요소로 구성됩니다.

전략 식별 - 전략 수립, 모서리 활용 및 거래 빈도 결정 전략 Backtesting - 데이터 획득, 전략 성과 분석 및 편향 제거 Execution System - 중개인과의 연계, 거래 자동화 및 거래 비용 최소화 위험 관리 - 최적의 자본 배분, 베팅 사이즈 "/ 켈리 기준과 트레이딩 심리.

먼저 거래 전략을 식별하는 방법을 살펴 보겠습니다.

전략 식별.

모든 양적 거래 프로세스는 초기 연구 기간부터 시작됩니다. 이 연구 프로세스는 전략을 찾고, 전략이 실행중인 다른 전략의 포트폴리오에 맞는지 여부, 전략을 테스트하는 데 필요한 모든 데이터를 얻는 방법, 더 높은 수익 및 / 또는 위험을 낮추기위한 전략을 최적화하려는 경우를 포함합니다. 전략을 "소매상"상인으로 운영하고 거래 비용이 전략에 어떤 영향을 미치는지 알아 보려면 자본 요구 사항을 고려해야합니다.

일반적인 믿음과는 달리, 다양한 공개 소스를 통해 수익성있는 전략을 찾는 것은 실제로 매우 간단합니다. 학자들은 이론적 인 거래 결과를 정기적으로 발표합니다 (대부분 거래 비용의 총액 임). 양적 금융 블로그는 전략에 대해 자세히 논의 할 것입니다. 무역 저널은 기금이 사용하는 전략의 일부를 개괄 할 것입니다.

왜 개인과 기업이 수익성있는 전략에 대해 논의하고 싶어하는지 질문 할 수 있습니다. 특히 "거래를 복잡하게 만드는"다른 사람들이 전략이 장기적으로 작동하지 않을 수 있다는 것을 알고있을 때 그렇습니다. 그 이유는 그들이 수행 한 정확한 매개 변수와 튜닝 방법을 자주 논의하지 않는다는 사실에 있습니다. 이러한 최적화는 상대적으로 평범하지 않은 전략을 수익성이 높은 전략으로 전환시키는 열쇠입니다. 사실, 고유 한 전략을 수립하는 가장 좋은 방법 중 하나는 유사한 방법을 찾아 자신의 최적화 절차를 수행하는 것입니다.

다음은 전략 아이디어를 찾기 시작할 수있는 작은 목록입니다.

당신이 볼 전략의 대부분은 평균 - 복귀와 추세 - 추종 / 운동량의 범주에 속할 것입니다. 평균 회귀 전략은 "가격 시리즈"(예 : 두 개의 상호 연관된 자산 사이의 스프레드)에 대한 장기 평균이 존재한다는 사실과이 평균에서 단기간의 편차가 결국 회복 될 것이라는 사실을 악용하려는 전략입니다. 모멘텀 전략은 한 방향으로 기세를 모을 수있는 시장 추세에서 "타기를 히치 (hitching)"함으로써 투자자 심리와 대규모 펀드 구조를 모두 활용하고, 그 흐름이 뒤바뀔 때까지 추세를 따라 가려고합니다.

양적 거래의 또 다른 중요한 측면은 거래 전략의 빈도입니다. 저주파 거래 (LFT)는 일반적으로 거래일보다 긴 자산을 보유하는 모든 전략을 나타냅니다. 따라서 고주파 거래 (HFT)는 일반적으로 자산을 하루 동안 보유하는 전략을 나타냅니다. 초고주파수 거래 (UHFT)는 초 단위 및 밀리 초 단위로 자산을 보유하는 전략을 나타냅니다. 소매 실무자 인 HFT와 UHFT는 확실하게 가능하지만 거래 기술 스택 및 주문서 역학에 대한 자세한 지식이 있어야만 가능합니다. 이 소개 기사에서는 이러한 측면에 대해서는 크게 언급하지 않겠습니다.

일단 전략 또는 전략 세트가 확인되면 과거 데이터에 대한 수익성을 테스트해야합니다. 그것이 역 테스팅의 영역입니다.

전략 Backtesting.

역 테스팅의 목표는 위의 프로세스를 통해 확인 된 전략이 과거 및 현재 데이터 모두에 적용될 때 수익이된다는 증거를 제공하는 것입니다. 이것은 "현실 세계"에서 전략이 어떻게 수행 될지에 대한 기대치를 설정합니다. 그러나 백 테스트는 여러 가지 이유로 성공을 보장하는 것은 아닙니다. 가능한 한 많이 고려해야하고 제거해야하는 수많은 편향을 수반하기 때문에 아마도 양적 거래에서 가장 미묘한 영역 일 것입니다. look-ahead bias, 생존 바이어스, 최적화 바이어스 ( "data-snooping"바이어스라고도 함)를 포함한 일반적인 바이어스 유형에 대해 논의 할 것입니다. backtesting에서 중요한 다른 영역으로는 역사적인 데이터의 가용성과 청결성, 현실적인 거래 비용을 고려하고 강력한 백 테스팅 플랫폼을 결정하는 것 등이 있습니다. 아래의 실행 시스템 섹션에서 트랜잭션 비용에 대해 더 자세히 논의 할 것입니다.

일단 전략이 확인되면, 테스트를 수행하고, 아마도 정교화 할 수있는 과거 데이터를 얻는 것이 필요합니다. 모든 자산 클래스에 걸쳐 상당수의 데이터 공급 업체가 있습니다. 그들의 비용은 일반적으로 데이터의 품질, 깊이 및 적시성과 함께 확장됩니다. 퀀트 트레이더 시작에 대한 전통적인 출발점은 (적어도 소매 수준에서) 야후 파이낸스의 무료 데이터 세트를 사용하는 것입니다. 나는 공급자들에게 너무 많이 머물지 않을 것이다. 오히려 역사적인 데이터 세트를 다룰 때 일반적인 이슈에 집중하고 싶다.

과거 데이터의 주된 관심사는 정확성 / 청결성, 생존자 편향 및 배당금 및 주식 분할과 같은 기업 활동 조정을 포함합니다.

정확도는 오류가 있는지 여부에 관계없이 데이터의 전반적인 품질과 관련됩니다. 스파이크 필터와 같이 오류를 쉽게 식별 할 수 있습니다. 스파이크 필터는 시계열 데이터에서 잘못된 "스파이크"를 찾아서 수정합니다. 다른 시간에 그들은 발견하기가 매우 어려울 수 있습니다. 두 개 이상의 공급자가 있고 각 공급자의 데이터를 서로 점검해야하는 경우가 종종 있습니다. 생존자 편견은 종종 무료 또는 저렴한 데이터 세트의 "특징"입니다. 생존 편향이있는 데이터 세트는 더 이상 거래하지 않는 자산을 포함하지 않는다는 것을 의미합니다. 주식의 경우에는 상장 주식 / 파산 주식을 의미합니다. 이 편향은 그러한 데이터 세트에서 테스트 된 주식 거래 전략이 과거의 "승자"가 이미 선택되어 있기 때문에 "실제 세계"보다 더 잘 수행 될 것임을 의미합니다. 기업 활동에는 회사가 수행하는 "물류 (logistical)"활동이 포함되며 원가에 계단식 기능 변경이 발생하며 이는 가격 반환 계산에 포함되어서는 안됩니다. 배당금 및 주식 분할에 대한 조정이 일반적인 원인입니다. 이 작업들 각각에서 역 조정이라고 알려진 프로세스가 수행되어야합니다. 주식 분할과 실제 수익 조정을 혼동하지 않도록 매우주의해야합니다. 많은 상인이 기업 활동에 의해 포착되었습니다!

백 테스트 절차를 수행하려면 소프트웨어 플랫폼을 사용해야합니다. Tradestation과 같은 전용 백 테스트 소프트웨어, Excel 또는 MATLAB과 같은 수치 플랫폼 또는 Python 또는 C ++와 같은 프로그래밍 언어의 완전한 사용자 정의 구현 중에서 선택할 수 있습니다. Tradestation (또는 유사), Excel 또는 MATLAB에 너무 많이 머 무르지 않을 것입니다. 아래에서 설명하는 이유 때문에 전체 사내 기술 스택을 만드는 것으로 믿습니다. 그렇게하는 것의 이점 중 하나는 극단적 인 고급 통계 전략을 사용하여 백 테스트 소프트웨어 및 실행 시스템을 긴밀하게 통합 할 수 있다는 것입니다. 특히 HFT 전략의 경우 사용자 지정 구현을 사용하는 것이 필수적입니다.

시스템을 다시 테스트 할 때 성능을 얼마나 잘 측정 할 수 있어야합니다. 정량적 전략에 대한 "산업 표준"측정 기준은 최대 축소 및 Sharpe Ratio입니다. 최대 하락률은 특정 기간 (일반적으로 연간)에 걸친 계정 자기 자본 곡선에서 가장 큰 peak-to-trough 하락을 특징으로합니다. 이것은 가장 자주 백분율로 표시됩니다. LFT 전략은 여러 가지 통계적 요인으로 인해 HFT 전략보다 더 많은 축소를하는 경향이 있습니다. 역사적인 백 테스트는 향후 최대 수익 감소를 보여 주며, 이는 향후 전략의 수익 감소 효과를위한 좋은 가이드입니다. 두 번째 측정 값은 초과 수익률의 평균을 초과 수익률의 표준 편차로 나눈 값으로 경험적으로 정의되는 Sharpe Ratio입니다. 여기에서 초과 수익률은 S & P500이나 3 개월 재무부 법안과 같은 사전 결정된 벤치 마크 이상으로 전략이 복귀 한 것을 의미합니다. 연간 수익률은 전략의 변동성 (Sharpe Ratio와는 달리)을 고려하지 않았기 때문에 일반적으로 활용되는 척도가 아닙니다.

일단 전략이 다시 테스트되었고 좋은 샤프 (Sharpe)와 드로우 다운 (drawdown)을 최소화하면서 편견이없는 것으로 간주되면 실행 시스템을 구축 할 때입니다.

실행 시스템.

실행 시스템은 전략에 의해 생성 된 거래 목록이 브로커에 의해 보내지고 실행되는 수단입니다. 무역 세대가 반자동 또는 완전 자동화 될 수 있다는 사실에도 불구하고, 실행 메커니즘은 수동, 반 수동 (즉, "원 클릭") 또는 완전히 자동화 될 수있다. LFT 전략의 경우 수동 및 반 수동 기술이 일반적입니다. HFT 전략의 경우 전략 및 기술의 상호 의존성으로 인해 무역 발전기와 긴밀하게 결합되는 완전 자동화 된 실행 메커니즘을 만들어야합니다.

실행 시스템을 만들 때 중요한 고려 사항은 중개자와의 인터페이스, 트랜잭션 비용 (커미션, 미끄러짐 및 스프레드 포함) 최소화 및 테스트 된 성능에서 라이브 시스템 성능의 차이입니다.

중개 회사와 연결하는 데는 여러 가지 방법이 있습니다. 브로커를 전화로 바로 호출하여 완전히 자동화 된 고성능 API (Application Programming Interface)까지 다양합니다. 이상적으로는 거래 실행을 가능한 한 자동화하는 것이 좋습니다. 이것은 당신이 더 많은 연구에 집중할 수있게 해줄뿐만 아니라, 여러 전략이나 더 높은 빈도의 전략을 실행할 수있게 해줍니다. (사실 자동 실행이 없다면 HFT는 본질적으로 불가능합니다). MATLAB, Excel 및 Tradestation과 같은 일반적인 백 테스팅 소프트웨어는 주파수가 낮고 단순한 전략에 적합합니다. 그러나 실제 HFT를 수행하려면 C ++와 같은 고성능 언어로 작성된 사내 실행 시스템을 구축해야합니다. 일화로, 이전에 고용 된 펀드에서 10 분마다 새로운 시장 데이터를 다운로드 한 다음 동일한 시간대에 해당 정보를 기반으로 거래를 수행하는 10 분의 "거래 루프"가있었습니다. 이것은 최적화 된 Python 스크립트를 사용하고있었습니다. 분 또는 두 번째 주파수 데이터에 접근하는 것에 대해서는 C / C ++가 더 이상적이라고 생각합니다.

대규모 펀드에서는 실행을 최적화하기 위해 퀀트 트레이더의 영역이 아닌 경우가 많습니다. 그러나 소규모 상점이나 HFT 회사에서는 상인이 유언 집행자이므로보다 폭 넓은 스킬 셋이 바람직한 경우가 많습니다. 기금에 고용되기를 원한다면이를 명심하십시오. 프로그래밍 기술은 통계 및 계량 경제학의 재능만큼이나 중요합니다.

실행의 기치에 해당하는 또 다른 주요 쟁점은 트랜잭션 비용 최소화입니다. 일반적으로 거래 비용에는 세 가지 요소가 있습니다. 수수료 (또는 세금)는 중개 회사, 거래소 및 SEC (또는 유사한 정부 규제 기관)가 부과하는 수수료입니다. 미끄러짐은 주문을 채우려는 의도와 실제 채워진 것의 차이입니다. 스프레드는 거래되는 증권의 입찰가 / 물가 사이의 차이입니다. 스프레드는 일정하지 않으며 시장의 현재 유동성 (즉, 매수 / 매도 주문의 가용성)에 좌우된다는 점에 유의하십시오.

거래 비용은 좋은 Sharpe 비율의 극도로 수익성 높은 전략과 무시 무시한 Sharpe 비율의 극단적 인 수익성이 낮은 전략 간의 차이를 만들 수 있습니다. 백 테스트에서 거래 비용을 정확히 예측하는 것은 어려울 수 있습니다. 전략의 빈도에 따라 입찰 / 청문 가격에 대한 진드기 데이터가 포함 된 과거 거래 데이터에 액세스해야합니다. 이러한 이유로 콴트의 전체 팀은 대규모 펀드의 실행 최적화에 전념합니다. 펀드가 상당량의 거래를 오프 로딩해야하는 시나리오를 고려해보십시오 (그 이유는 다양합니다!). 너무 많은 주식을 시장에 "쏟아 버리면"그들은 가격을 급격히 떨어 뜨릴 것이고 최적의 실행을 얻지 못할 수도 있습니다. 따라서 시장에 "물방울을 떨어 뜨리는"명령이 존재하지만, 펀드는 미끄러질 위험이 있습니다. 더 나아가, 다른 전략들은 이러한 필수품을 "먹이"하며 비 효율성을 악용 할 수 있습니다. 이것은 펀드 구조 차익 거래의 영역입니다.

실행 시스템의 마지막 주요 문제는 전략 성능이 백 테스팅 된 성능과 다른 점입니다. 이것은 여러 가지 이유로 발생할 수 있습니다. 우리는 이미 백 테스트를 고려할 때 미리보기 바이어스와 최적화 바이어스에 대해 이미 논의했습니다. 그러나 일부 전략에서는 배포 전에이 편향 요소를 쉽게 테스트 할 수 없습니다. 이것은 HFT에서 가장 우세하게 발생합니다. 실행 시스템에는 버그가있을뿐만 아니라 백 트레이스에는 나타나지 않지만 라이브 거래에는 나타나지 않는 거래 전략 자체가있을 수 있습니다. 시장은 전략을 전개 한 후에 체제 변화의 대상이되었을 수 있습니다. 새로운 규제 환경, 변화하는 투자 심리 및 거시 경제 현상은 시장이 어떻게 행동하고 따라서 전략의 수익성이 다른가로 이어질 수 있습니다.

위기 관리.

양적 교역 수수께끼의 마지막 부분은 위험 관리의 과정입니다. '위험'에는 앞에서 언급 한 모든 편견이 포함됩니다. 갑자기 하드 디스크 오작동을 일으키는 교환기에 함께있는 서버와 같은 기술 위험이 포함됩니다. 브로커가 파산하는 것과 같은 브로커 리스크 위험을 포함합니다 (MF Global과 최근의 공포를 감안할 때 미친 것처럼 보이지 않습니다!). 간단히 말해서 그것은 거래 구현을 방해 할 수있는 거의 모든 것을 다루고 있으며, 그 중 많은 소스가 있습니다. 전체 책은 양적 전략을위한 리스크 관리에 전념하기 때문에 모든 가능한 위험 원천을 여기에서 밝히지는 않을 것입니다.

리스크 관리는 포트폴리오 이론의 한 부분 인 최적 자본 배분 (optimal capital allocation)으로도 알려져 있습니다. 이것은 자본이 일련의 상이한 전략과 그 전략 내의 거래에 배분되는 수단이다. 그것은 복잡한 영역이며 일부 사소한 수학에 의존합니다. 최적의 자본 배분과 전략의 영향력이 관련되는 산업 표준을 켈리 기준이라고합니다. 이 글은 소개 글이므로, 나는 계산에 머 무르지 않을 것이다. Kelly 기준은 수익률의 통계적 특성에 대해 몇 가지 가정을합니다. 이는 금융 시장에서 종종 유효하지 않기 때문에 거래자는 구현 측면에서 보수적 인 경우가 많습니다.

위험 관리의 또 다른 주요 구성 요소는 자신의 심리적 프로파일을 다루는 것입니다. 거래로 들어가는 많은인지 적 편견이 있습니다. 전략이 혼자 남겨지면 이것은 알고리즘 거래와 관련하여 문제가 될 수 있습니다. 일반적인 편견은 상실감을 느끼는 고통 때문에 손실 위치가 닫히지 않는 손실 혐오감입니다. 마찬가지로 이미 이익을 잃는 것에 대한 두려움이 너무 클 수 있기 때문에 이익을 너무 일찍받을 수 있습니다. 또 다른 공통 바이어스는 최신 성 (recency) 바이어스로 알려져 있습니다. 이는 상인이 장기적인 관점이 아니라 최근의 사건에 지나치게 강조 할 때 나타납니다. 물론 두려움과 탐욕의 정서적 편향이 있습니다. 이는 종종 과소 또는 과잉 레버 리징으로 이어질 수 있으며, 이로 인해 파산 (즉, 계정 자본이 0 또는 그 이하가 됨) 또는 수익 감소가 발생할 수 있습니다.

이해할 수 있듯이 양적 거래는 매우 복잡하지만 매우 흥미로운 양적 금융 분야입니다. 나는이 기사에서 문자 그대로 표면을 긁어 냈으며 이미 오랜 시간이 걸리고 있습니다! 전체 책과 논문은 제가 한두 문장 밖에 쓰지 않은 쟁점에 관해 쓰여졌습니다. 따라서 양적 펀드 거래를 신청하기 전에 상당한 양의 기초 연구를 수행해야합니다. 최소한 MATLAB, Python 또는 R과 같은 프로그래밍 언어를 통해 구현 경험이 풍부한 통계 및 계량 경제학에 대한 광범위한 배경 지식이 필요합니다. 보다 높은 수준의 주파수에서보다 정교한 전략을 얻으려면 기술 설정이 필요할 것입니다 Linux 커널 수정, C / C ++, 어셈블리 프로그래밍 및 네트워크 대기 시간 최적화를 포함합니다.

자신의 알고리즘 트레이딩 전략을 만드는 데 관심이 있다면 먼저 프로그래밍을 잘하는 것이 좋습니다. 필자가 선호하는 것은 가능한 한 많은 데이터 수집기, 전략 백 테스터 및 실행 시스템을 가능한 한 많이 구축하는 것입니다. 자신의 수도가 라인에 있다면, 당신이 당신의 시스템을 완벽하게 테스트하고 그 함정과 특별한 이슈를 알고 있다는 것을 알면서 밤에는 잘 자지 않겠습니까? 장기간에 걸쳐 시간을 절약 할 수는 있지만 공급 업체에 아웃소싱하는 것은 장기적으로 매우 비쌀 수 있습니다.

양적 거래 시작하기?

QuantStart 목록을 구독해야하는 3 가지 이유 :

1. 퀀트 트레이딩 레슨.

계량 거래를 시작하는 데 도움이되는 힌트와 팁으로 가득한 무료 10 일간 코스에 즉시 액세스 할 수 있습니다!

2. 모든 최신 내용.

매주 나는 퀀트 스타트에서 모든 활동의 포장을 보내드릴 것입니다. 그래서 당신은 결코 다시 글을 놓치지 않을 것입니다.

현실감 넘치는 퀀 트레이딩 팁.