Dans la définition d’une stratégie de trading quantitatif, est-il préférable d’adopter une approche plus sophistiquée ou de s’en tenir à des idées simples ?

Une question ancienne dans la communauté de la quantification est de savoir si les traders systémiques devraient s’en tenir à des stratégies de quantification simples ou s’efforcer d’implémenter des méthodes plus avancées.

On pense généralement que les traders algorithmiques de détail utilisent uniquement des stratégies plus simples, alors que les hedge funds quantifiés utilisent des méthodes hautement complexes et mathématiquement complexes. Cependant, la situation a changé récemment.

Les traders d’algorithmes de détail peuvent désormais effectuer des analyses complexes grâce à un cloud computing relativement peu coûteux, à des fournisseurs de données alternatifs offrant des ensembles de données abordables et faciles à utiliser, ainsi qu’à un cadre de recherche open source.

Dans cet article, nous discuterons de la question de savoir si les analystes de la quantification de détail devraient consacrer du temps à l’exécution de ces stratégies avancées ou s’en tenir à des idées plus simples.

Les préférences des investisseurs

Avant d’énumérer les avantages et les inconvénients des stratégies simples par rapport aux stratégies complexes, il est nécessaire d’énumérer les avantages et les inconvénients relatifs de chaque méthode.

L’un des points clés est que chaque investisseur a ses propres préférences spécifiques, et donc un ensemble de piles de fonctions cibles pour les objectifs qu’ils essaient d’atteindre par le biais du trading systémique.

Par exemple, un investisseur peut disposer d’une base de capitaux considérable, mais il peut avoir besoin de retirer régulièrement les bénéfices de toute transaction tirés de ces capitaux. Il est important pour un tel investisseur d’avoir une couverture de garantie afin de minimiser les pertes.

Un autre investisseur peut avoir une base de capital relativement petite et ne s’intéresser qu’à l’augmentation de la richesse totale. La volatilité de la courbe globale des bénéfices et des pertes pourrait être moins préoccupante si elle pouvait générer des rendements plus élevés.

Certains traders quantifiés accordent plus d’importance à la stimulation intellectuelle que l’élaboration de stratégies de trading systémiques efficaces. Ils peuvent en fait considérer les gains positifs comme un bon côté de leur bien-aimée.

Il est évident que les investisseurs ont de nombreuses préférences différentes. Ces aspects aident à construire un cadre de discussion sur les stratégies de négociation des systèmes simples et complexes pour les analystes quantifiés de détail qui peuvent décider d’adopter ou non une approche plus avancée.

Les stratégies simples sont plus faciles à étudier et à déployer sur le marché. Elles nécessitent moins de données et d’infrastructures complexes. Même si les signaux eux-mêmes sont générés automatiquement, certains peuvent même être exécutés manuellement.

D’autre part, les stratégies avancées sont plus rentables sur le plan intellectuel et elles ont souvent un ratio de Sharpe plus favorable. C’est-à-dire qu’elles offrent un meilleur rendement attendu par unité de volatilité. Le ratio de Sharpe sera un indicateur important à prendre en compte pour les investisseurs soucieux de minimiser les pertes et la volatilité.

Dans cet article, nous examinerons plus en détail si la cuisine simple l’emporte sur la cuisine complexe. Nous garderons à l’esprit les motivations ci-dessus et les autres avantages et inconvénients.

Une stratégie de trading simple

La définition d’une stratégie de négociation considérée comme simple dépend en grande partie du niveau d’éducation et de la compétence technique de l’investisseur. Une personne titulaire d’un doctorat en calcul aléatoire peut définir une stratégie de négociation comme simple très différemment d’un analyste quantitatif de détail autodidacte.

Pour le présent article, si la stratégie de négociation est appliquée dans les marchés développés, dans les grandes catégories d’actifs bien connus, en utilisant des outils simples avec une complexité mathématique ou statistique fondamentale, nous la définissons approximativement comme simple.

Des exemples de telles stratégies incluent l’analyse technique et les signaux de coupe des indicateurs de coupe, sans construction claire de portefeuille ou composants de gestion des risques, pour les marchés à forte liquidité tels que les actions américaines, les ETF ou les devises.

Les avantages d’une stratégie plus simple comprennent:

• données- Toutes les stratégies de trading systémique nécessitent des données. Les stratégies simples utilisent généralement des données de prix/volume de transaction prêts à l’emploi de bons outils de trading dans des catégories d’actifs bien établies. Ces données sont très peu coûteuses à obtenir, voire gratuites.
• Les recherches- Il existe une multitude d’environnements de retracement permettant de tester des stratégies de style de pivot, allant des produits commerciaux (comme TradeStation ou MetaTrader 5) aux bibliothèques open source (comme QSTrader, Backtrader et Zipline) et même à des bibliothèques comme Pandas. Des stratégies plus simples peuvent généralement être facilement implémentées dans l’un de ces frameworks.
• Coût de la transaction- L’utilisation d’outils simplifiés dans les marchés développés et très fluides permet une estimation relativement facile des coûts de transaction, ce qui, à son tour, simplifie les stratégies de détermination de la probabilité d’un profit hors échantillon.
• Infrastructures et services- Les stratégies de type d’analyse technique exécutées à basse fréquence peuvent être automatisées grâce à une infrastructure relativement simple. Selon le niveau de robustesse souhaité, des tâches cron peuvent être configurées pour générer la liste des transactions souhaitées et peuvent être exécutées manuellement.
• Capacité- De même, il est peu probable qu’il y ait un problème de limitation de capacité en raison de la simplicité des outils utilisés dans les marchés à forte liquidité.

Cependant, il y a des inconvénients à utiliser des stratégies plus simples:

• AlphaIl n’est pas clair si la stratégie la plus simple est plus précieuse que l’achat et la possession de base ou que l’alignement d’actifs tactiques basé sur la dynamique. Autrement dit, la stratégie elle-même peut ne pas produire de l’alpha-carotène mais plutôt de l’alpha-carotène provenant du marché lui-même ou d’autres facteurs de risque académiques bien connus.
• La rentabilité- La généralisation de cette méthode peut rendre difficile la réalisation d’un profit hors échantillon, une fois que les coûts de transaction réels ont été pris en compte. C’est pourquoi il est nécessaire d’estimer les coûts de transaction aussi efficacement que possible lors de toute réévaluation.
• Tests statistiques- Bien qu’il ne s’agisse pas d’une simple stratégie de négociation, il y a généralement peu ou pas d’analyse statistique robuste de la stratégie simple. Par conséquent, de nombreuses stratégies de ce type qui affichent une performance élevée dans les retours peuvent être simplement dues à une suradaptation des données de l’échantillon.
• Le libre arbitre- La simple exécution manuelle d’une stratégie peut entraîner l’application d’éléments de discrétion dans le processus. Par exemple, le retard de l’entrée d’une transaction en raison de l’heure d’ouverture occupée par une souris ou l’utilisation d’une souris intuitive pour renverser une transaction. Cela rend difficile la détermination de la véritable performance de la stratégie.
• Construction de portefeuille- Les stratégies simples évitent généralement d’utiliser une solide construction de portefeuille ou une technique de gestion du risque. Bien que l’on utilise souvent des couches de stop-loss, peu de personnes utilisent des objectifs de volatilité, une pondération de la volatilité équivalente (aussi appelée couche de plafonnement du risque) ou la diversification entre les marchés comme mécanisme potentiel pour augmenter les rendements après ajustement du risque.
• La récompense de la sagesse- Les stratégies simples n’utilisent généralement pas de mathématiques complexes ou d’analyses avancées. Si l’objectif de l’investisseur est un retour intellectuel, les stratégies simples ne sont pas susceptibles d’atteindre cet objectif.

On peut voir que, bien que des stratégies de trading plus simples soient plus faciles à mettre en œuvre, à tester et à négocier, cette simplicité peut se faire au détriment de la stabilité statistique et de la rentabilité à long terme.

Stratégies de négociation avancées

Les stratégies de haut niveau comprennent des stratégies basées sur des tests d’hypothèses statistiques, une connaissance approfondie des catégories d’actifs, des méthodes de construction de portefeuille rigoureuses et des stratégies pour des catégories ou des instruments moins liquides et plus spécialisés, tels que les marchés émergents, les matières premières et les produits dérivés.

Ces stratégies sont généralement le domaine des hedge funds institutionnels quantifiés, mais elles deviennent de plus en plus courantes dans les transactions quantifiées au détail grâce à la disponibilité des données et à la popularité de meilleurs outils d’analyses.

Les avantages d’une stratégie complexe comprennent:

• Le lien- En fonction de la conception, les stratégies avancées ont tendance à avoir une faible pertinence de conception par rapport à l’ensemble du marché et à tout portefeuille existant composé d’autres stratégies de négociation. Cela conduit souvent à un ratio de Sharpe plus élevé pour l’ensemble du portefeuille.
• La rentabilité- Avec une connaissance avancée du domaine, il est possible d’estimer raisonnablement le coût de la transaction. Cela signifie qu’il est généralement plus facile de déterminer si la stratégie est susceptible d’être rentable en dehors de l’échantillon. Par conséquent, de nombreuses idées de retouche non rentables peuvent être rejetées avant la période de test en temps réel.
• Tests statistiques- L’analyse statistique des stratégies de négociation rigoureuses est généralement accompagnée de méthodes plus avancées. Cela signifie que l’analyse statistique est généralement accompagnée de méthodes plus avancées. Cela signifie que les stratégies déployées ont moins de baisse de performance en dehors de l’échantillon que les stratégies simples qui peuvent être sur-adaptées dans l’échantillon.
• Alpha- Le potentiel d’Alpha dans de telles stratégies est plus grand en raison de l’utilisation d’outils de niche dans les marchés sous-développés. Cette Alpha tend à décliner plus lentement car la connaissance de la stratégie se propage moins rapidement dans l’ensemble du marché.
• Construction de portefeuille- La construction du portefeuille et la gestion des risques sont complétées par des méthodes plus avancées. Cela aide à aligner les objectifs des investisseurs sur la performance de la stratégie.
• La récompense de la sagesse- Les stratégies avancées nécessitent des analyses plus complexes, des connaissances mathématiques plus avancées et un développement logiciel plus étendu. Pour certains investisseurs amateurs, cela ressemble plus à un objectif qu’à la création de richesse. Par conséquent, ils sont généralement attirés par des méthodes de trading plus complexes.

Les stratégies avancées présentent des inconvénients, comme les stratégies simples:

• La complexité mathématique- Certaines méthodes plus avancées de trading systémique nécessitent généralement une formation en analyse statistique, analyse de séquences chronologiques, calcul aléatoire ou apprentissage automatique. Bien que ces connaissances puissent bien sûr être auto-apprises, il est beaucoup plus facile d’obtenir des connaissances pertinentes grâce à un diplôme de premier cycle, MFE et / ou doctorat.
• Le savoir-faire- Même avec plusieurs diplômes d’études supérieures, il est toujours nécessaire d’avoir une connaissance raisonnable du domaine des classes d’actifs ou des types d’instruments sous-jacents pour produire de manière continue de l’alpha dans n’importe quelle technologie de trading systémique avancée. Cette expertise est généralement acquise grâce à des années d’expérience de travail à un comptoir spécifique d’une banque ou d’un fonds.
• données- En général, le coût des données varie en fonction de la fréquence d’échantillonnage, de l’étendue de la portée, de la longueur de l’historique, de la qualité des données et des spécificités des classes d’actifs/outils. Les stratégies avancées dépendent des marchés de niche pour produire de l’alpha. Par conséquent, les données peuvent être très coûteuses.
• Les recherches- Si la stratégie est utilisée pour le commerce d’outils plus complexes, un environnement de rétroaction spécialisé est nécessaire. Cela signifie généralement que le développement d’un code entièrement personnalisé à partir de zéro est un investissement de temps considérable.
• Infrastructures et services- Même si un puissant cadre de rétroaction a été mis en place pour étudier les stratégies avancées, une infrastructure complexe est également nécessaire pour effectuer des transactions.
• Capacité- Certaines stratégies avancées ne sont pas efficaces car elles sont limitées en capacité. Les grands fonds ne peuvent pas négocier ces stratégies parce que l’investissement en temps n’est pas digne du rendement absolu qu’elles peuvent générer. Cela signifie qu’il y a une limite au montant de capital qui peut être appliqué aux stratégies avancées.

On peut voir que, bien que les stratégies de trading avancées offrent plus d’opportunités d’alpha et de potentiels profits élevés, cela nécessite des connaissances mathématiques plus complexes, l’expertise nécessaire et une infrastructure de trading automatisée plus complexe.

Résumer

En résumé, il est évident que les stratégies de trading simples peuvent être mises sur le marché plus rapidement. Elles nécessitent beaucoup moins d’expertise et peuvent être exécutées manuellement même si les signaux sont générés automatiquement. Cependant, elles sont plus susceptibles d’être sur-adaptées et moins rentables que les méthodes avancées.

Les stratégies sophistiquées offrent des rendements non pertinents en termes d’alpha, de rentabilité raisonnable et d’intelligence. Cependant, cela se fait au prix de coûts de données plus élevés, de plus de temps consacré au développement de l’infrastructure de recherche et de négociation et d’une formation plus approfondie.

Les stratégies de trading traditionnelles sont des stratégies de trading traditionnelles qui sont utilisées pour faire avancer les transactions.