क्या यह बेहतर है कि हम एक परिमाणात्मक ट्रेडिंग रणनीति बनाते समय अधिक उन्नत तरीके अपनाएं या यह बेहतर है कि हम सरल विचारों का पालन करें?

क्वांटिटेशन समुदाय में एक पुराना सवाल यह है कि क्या सिस्टम ट्रेडर्स को सरल क्वांटिटेशन रणनीतियों का उपयोग करना चाहिए या उन्हें अधिक उन्नत तरीकों को लागू करने का प्रयास करना चाहिए।

आमतौर पर यह माना जाता है कि खुदरा एल्गोरिथ्म व्यापारी केवल सरल रणनीतियों का उपयोग करते हैं, जबकि क्वांटिटेटिव हेज फंड अत्यधिक जटिल और गणितीय रूप से जटिल तरीकों का उपयोग करते हैं। हालांकि, हाल ही में स्थिति बदल गई है।

खुदरा एल्गोरिथ्म ट्रेडर्स अब अपेक्षाकृत सस्ते क्लाउड कंप्यूटिंग, सस्ती और उपयोग में आसान डेटासेट के साथ वैकल्पिक डेटा प्रदाताओं और ओपन सोर्स रिसर्च फ्रेमवर्क के साथ जटिल विश्लेषण करने में सक्षम हैं।

इस लेख में, हम चर्चा करेंगे कि क्या खुदरा मात्रात्मक विश्लेषकों को इन उन्नत रणनीतियों को लागू करने के लिए समय देना चाहिए या अधिक सरल विचारों के साथ रहना चाहिए।

निवेशक वरीयता

सरल रणनीतियों और जटिल रणनीतियों के फायदे और नुकसान की एक श्रृंखला को सूचीबद्ध करने से पहले, यह अवलोकन करना आवश्यक है कि हम प्रत्येक विधि के सापेक्ष लाभ और नुकसान का आकलन कैसे करेंगे।

एक महत्वपूर्ण मुद्दा यह है कि प्रत्येक निवेशक की अपनी विशिष्ट वरीयताएं होती हैं, इसलिए उनके पास लक्ष्य फ़ंक्शन के लिए एक सेट होता है जिसे वे सिस्टम ट्रेडिंग के माध्यम से प्राप्त करने का प्रयास करते हैं।

उदाहरण के लिए, एक निवेशक के पास एक विशाल पूंजी आधार हो सकता है, लेकिन उसे उन पूंजी से प्राप्त किसी भी लेनदेन की आय को नियमित रूप से निकालने की आवश्यकता हो सकती है। इस तरह के निवेशक के लिए बीमा राशि महत्वपूर्ण है ताकि नुकसान को कम किया जा सके।

एक अन्य निवेशक के पास एक अपेक्षाकृत छोटा पूंजी आधार हो सकता है और केवल कुल संपत्ति बढ़ाने में रुचि रखता है। यदि अधिक रिटर्न प्राप्त किया जा सकता है, तो समग्र लाभ-नुकसान-निवल मूल्य वक्र की अस्थिरता कम चिंताजनक हो सकती है।

कुछ क्वांटिटेटिव ट्रेडर्स को प्रभावी सिस्टम ट्रेडिंग रणनीतियों को विकसित करने से होने वाली बौद्धिक उत्तेजना पर अधिक ध्यान देना पड़ता है। वे वास्तव में सकारात्मक रिटर्न प्राप्त करने के लिए अपने प्रिय के एक अच्छे साइड इफेक्ट को देख सकते हैं।

स्पष्ट रूप से, निवेशकों के पास कई अलग-अलग प्राथमिकताएं हैं। इन पहलुओं ने एक चर्चा के लिए एक ढांचा तैयार करने में मदद की है जो कि एक छोटे से मात्रात्मक विश्लेषक के लिए सरल और जटिल प्रणालीगत ट्रेडिंग रणनीतियों का निर्माण कर सकता है जो शायद एक अधिक उन्नत दृष्टिकोण का उपयोग करने का निर्णय ले रहा है।

सरल रणनीतियों को शोध करना और बाजार में तैनात करना आसान है। उन्हें कम जटिल डेटा और बुनियादी ढांचे की आवश्यकता होती है। यहां तक कि अगर संकेत स्वयं स्वचालित रूप से उत्पन्न होते हैं, तो कुछ को मैन्युअल रूप से निष्पादित किया जा सकता है।

दूसरी ओर, उन्नत रणनीतियाँ बौद्धिक रूप से अधिक लाभदायक होती हैं, और उनके पास अक्सर अधिक अनुकूल शार्प अनुपात होता है। यानी, वे प्रति यूनिट अस्थिरता के लिए बेहतर प्रत्याशित रिटर्न प्रदान करते हैं। निवेशकों के लिए एक महत्वपूर्ण सूचक होगा जो इस बात की परवाह करता है कि नुकसान और अस्थिरता को कैसे कम किया जाए।

इस लेख में, हम इस बारे में विस्तार से चर्चा करेंगे कि क्या सरलता जटिलता से बेहतर है। हम ऊपर बताई गई प्रेरणाओं और अन्य फायदे और नुकसान को ध्यान में रखेंगे।

सरल व्यापारिक रणनीति

ट्रेडिंग रणनीतियों को सरल रूप से माना जाता है या नहीं, यह काफी हद तक निवेशक की शैक्षिक पृष्ठभूमि और तकनीकी क्षमता पर निर्भर करता है। एक व्यक्ति के पास एक यादृच्छिक अंकगणित पीएचडी है, जो खुद को शिक्षित खुदरा मात्रात्मक विश्लेषकों की तुलना में सरल रूप से परिभाषित किया जा सकता है।

इस आलेख के लिए, यदि ट्रेडिंग रणनीतियों को विकसित बाजारों में लागू किया जाता है, तो हम बड़े ज्ञात परिसंपत्ति श्रेणियों में, सरल उपकरणों का उपयोग करते हुए बुनियादी गणितीय या सांख्यिकीय जटिलता के रूप में परिभाषित करते हैं।

इस तरह की रणनीतियों के उदाहरणों में शामिल हैं तकनीकी विश्लेषण और सूचकांक, कोई स्पष्ट पोर्टफोलियो संरचना या जोखिम प्रबंधन घटक नहीं है, जो अमेरिकी शेयर, ईटीएफ या विदेशी मुद्रा जैसे उच्च तरलता वाले बाजारों के लिए उपयुक्त है।

सरल रणनीतियों के लाभों में शामिल हैंः

• डेटा- सभी सिस्टम ट्रेडिंग रणनीतियों को डेटा की आवश्यकता होती है। सरल रणनीतियों में आमतौर पर परिपक्व परिसंपत्ति वर्गों में अच्छे उपकरणों के लिए तैयार मूल्य/व्यापार मात्रा डेटा का उपयोग किया जाता है। इस तरह के डेटा को प्राप्त करने की लागत बहुत कम होती है, और यहां तक कि मुफ्त भी होती है। यह आमतौर पर छोटे आकार का होता है और इसे कई आपूर्तिकर्ताओं से सीधे डाउनलोड किया जा सकता है, आसान उपयोग एपीआई के माध्यम से।
• शोध- एक बड़ी संख्या में रिटारगेटिंग वातावरण हैं जो व्यापारिक उत्पादों (जैसे ट्रेडस्टेशन या मेटाट्रेडर 5) से लेकर ओपन सोर्स लाइब्रेरी (जैसे क्यूएसटीरेडर, बैकट्रेडर और ज़िपलाइन) और यहां तक कि पांडास जैसे लाइब्रेरी तक) में रणनीति का परीक्षण कर सकते हैं। सरल रणनीतियों को अक्सर इनमें से एक ढांचे में आसानी से लागू किया जा सकता है।
• लेन-देन की लागत- विकसित, तरल बाजारों में सरल उपकरणों का उपयोग करने के कारण, लेनदेन की लागत का अनुमान लगाना अपेक्षाकृत आसान है। यह, बदले में, यह निर्धारित करने के लिए रणनीति को सरल बनाता है कि क्या नमूना के बाहर मुनाफा हो सकता है।
• बुनियादी ढांचा- कम आवृत्ति पर निष्पादित तकनीकी विश्लेषण प्रकार की रणनीतियों को अपेक्षाकृत सरल बुनियादी ढांचे के माध्यम से स्वचालित किया जा सकता है। आवश्यक स्थिरता के स्तर के आधार पर, आवश्यक लेनदेन सूची उत्पन्न करने के लिए एक क्रोन कार्य सेट किया जा सकता है, जबकि मैन्युअल रूप से निष्पादित किया जा सकता है।
• क्षमता- इसी तरह, उच्च तरलता वाले बाजारों में सरल उपकरणों के उपयोग के कारण, क्षमता प्रतिबंध की समस्या होने की संभावना नहीं है।

हालांकि, सरल रणनीतियों का उपयोग करने में कुछ कमियां भी हैं:

• Alpha- तकनीकी विश्लेषण में अल्फा और बीटा सूचकांक की रणनीति वित्तीय बाजारों में बहुत अच्छी तरह से ज्ञात और व्यापक है। यह स्पष्ट नहीं है कि क्या सबसे सरल रणनीति मौलिक खरीद और धारण या गतिशीलता-आधारित सामरिक परिसंपत्ति विन्यास की तुलना में अधिक मूल्यवान है। यानी, रणनीति स्वयं अल्फा-बीटा उत्पन्न नहीं कर सकती है, लेकिन बाजार या अन्य प्रसिद्ध अकादमिक जोखिम कारकों से बीटा-बीटा प्राप्त कर सकती है।
• लाभप्रदता- इस पद्धति की सार्वभौमिकता के कारण, एक बार वास्तविक लेनदेन लागतों को ध्यान में रखते हुए, नमूना से बाहर लाभ को बनाए रखना चुनौतीपूर्ण हो सकता है। यही कारण है कि लेनदेन लागतों का अनुमान किसी भी रीट्रेसमेंट में यथासंभव प्रभावी रूप से किया जाना चाहिए।
• सांख्यिकी परीक्षण- हालांकि यह सरल व्यापार रणनीतियों की समस्या नहीं है, लेकिन आमतौर पर सरल रणनीतियों पर बहुत कम या कोई ठोस सांख्यिकीय विश्लेषण नहीं किया जाता है। इसलिए, इस तरह की कई रणनीतियों में उच्च प्रदर्शन दिखाने वाली कई रणनीतियों को केवल नमूने में डेटा के अति-फिट होने के कारण प्रतिक्रिया में दिखाया जा सकता है।
• विवेक की स्वतंत्रता- मैन्युअल रूप से निष्पादित की जाने वाली सरल रणनीतियों से प्रक्रिया में विशेषाधिकार तत्वों को लागू करने का कारण बन सकता है। उदाहरण के लिए, व्यापार में प्रवेश में देरी के कारण व्यापार में व्यस्तता के कारण व्यापार में देरी हो रही है, या व्यापार को उलट देने के लिए व्यापार में विलंब का उपयोग करना। यह रणनीति के वास्तविक प्रदर्शन को निर्धारित करने के लिए चुनौतीपूर्ण बनाता है।
• पोर्टफोलियो निर्माण- सरल रणनीतियाँ आमतौर पर किसी भी मजबूत पोर्टफोलियो निर्माण या जोखिम प्रबंधन तकनीकों का उपयोग करने से बचती हैं। हालांकि अक्सर स्टॉप-लॉस स्ट्रिंग्स का उपयोग किया जाता है, बहुत कम लोग अस्थिरता लक्ष्य, बराबर अस्थिरता भार (जिसे जोखिम-समान मूल्य स्ट्रिंग भी कहा जाता है) या क्रॉस-मार्केट विविधीकरण को जोखिम-समायोजित रिटर्न बढ़ाने के लिए एक संभावित तंत्र के रूप में देखते हैं।
• बुद्धिमत्ता का लाभ- सरल रणनीतियाँ आमतौर पर किसी भी जटिल गणित या उन्नत विश्लेषण का उपयोग नहीं करती हैं। यदि निवेशक का लक्ष्य बौद्धिक रिटर्न है, तो सरल रणनीतियाँ इस लक्ष्य को प्राप्त करने की संभावना नहीं है।

यह देखा जा सकता है कि हालांकि सरल व्यापारिक रणनीतियों को लागू करना, परीक्षण करना और व्यापार करना आसान है, लेकिन यह सादगी सांख्यिकीय स्थिरता और दीर्घकालिक लाभप्रदता के लिए कीमत पर हो सकती है।

उन्नत ट्रेडिंग रणनीति

उच्च स्तरीय रणनीतियों में सांख्यिकीय परिकल्पना परीक्षण, व्यापक परिसंपत्ति वर्गों के क्षेत्र में ज्ञान, सख्त पोर्टफोलियो निर्माण विधियों और कम तरलता, आला परिसंपत्ति वर्गों या उपकरणों जैसे कि उभरते बाजारों, वस्तुओं और डेरिवेटिव के लिए रणनीतियां शामिल हैं।

ये रणनीतियाँ आमतौर पर संस्थागत क्वांटिफाइंग हेज फंड के क्षेत्र में होती हैं, लेकिन डेटा की उपलब्धता और बेहतर सिमुलेशन टूल की लोकप्रियता के कारण ये रणनीतियाँ अब खुदरा क्वांटिफाइंग ट्रेडिंग में अधिक आम हो रही हैं।

जटिल रणनीतियों के लाभों में शामिल हैंः

• प्रासंगिक- डिजाइन के आधार पर, उन्नत रणनीतियाँ आमतौर पर समग्र बाजार और अन्य ट्रेडिंग रणनीतियों से बने किसी भी मौजूदा पोर्टफोलियो के लिए डिज़ाइन में कम प्रासंगिक होती हैं। इससे समग्र पोर्टफोलियो के लिए एक उच्च शार्प अनुपात होता है।
• लाभप्रदता- उन्नत क्षेत्र के ज्ञान के साथ, लेनदेन की लागत का उचित अनुमान लगाया जा सकता है। इसका मतलब यह है कि यह निर्धारित करना अक्सर आसान होता है कि क्या रणनीति नमूना के बाहर लाभदायक हो सकती है। इसलिए, वास्तविक समय परीक्षण अवधि से पहले कई लाभहीन फीडबैक विचारों को अस्वीकार किया जा सकता है।
• सांख्यिकी परीक्षण- सख्त ट्रेडिंग रणनीतियों के सांख्यिकीय विश्लेषण के साथ आमतौर पर अधिक उन्नत तरीके होते हैं। इसका मतलब है कि सांख्यिकीय विश्लेषण के साथ अधिक उन्नत तरीके भी होते हैं। इसका मतलब है कि तैनात रणनीतियों के प्रदर्शन में कम गिरावट होती है, जबकि सरल रणनीतियों की तुलना में, जो शायद नमूने के भीतर ओवरफिट हो सकती है।
• Alpha- कम विकसित बाजारों में आला उपकरण के उपयोग के कारण, इस तरह की रणनीतियों में अल्फा की अधिक संभावना है। इस तरह के अल्फा की गिरावट धीमी होती है क्योंकि रणनीति का ज्ञान पूरे बाजार में कम प्रसारित होता है।
• पोर्टफोलियो निर्माण- पोर्टफोलियो निर्माण और जोखिम प्रबंधन को अधिक उन्नत तरीकों के साथ पूरक किया जाता है। यह निवेशकों के लक्ष्यों और रणनीतिक प्रदर्शन को संरेखित करने में मदद करता है।
• बुद्धिमत्ता का लाभ- उच्च स्तरीय रणनीतियों में अधिक जटिल विश्लेषण, अधिक परिपक्व गणितीय ज्ञान और अधिक व्यापक सॉफ्टवेयर विकास की आवश्यकता होती है। कुछ शौकिया निवेशकों के लिए, यह धन बनाने के बजाय एक लक्ष्य की तरह है। इसलिए, वे अक्सर अधिक जटिल प्रणालीगत व्यापारिक तरीकों से आकर्षित होते हैं।

सरल रणनीतियों की तरह, उन्नत रणनीतियों में कुछ कमियां हैंः

• गणित की जटिलता- कुछ अधिक उन्नत प्रणालीगत लेनदेन विधियों को संसाधित करने के लिए आमतौर पर सांख्यिकीय विश्लेषण, समय-श्रृंखला विश्लेषण, यादृच्छिक अंकगणित या मशीन सीखने की पृष्ठभूमि की आवश्यकता होती है। हालांकि ये ज्ञान स्वयं-शिक्षण योग्य हैं, यह स्नातक की डिग्री, एमएफई और / या पीएचडी के माध्यम से प्राप्त करना बहुत आसान है।
• विशेषज्ञता- यहां तक कि कई स्नातकोत्तर डिग्री के साथ, किसी भी उन्नत सिस्टम ट्रेडिंग तकनीक से लगातार अल्फा उत्पन्न करने के लिए लाभप्रद संपत्ति वर्गों या साधनों के प्रकारों के बारे में उचित क्षेत्र ज्ञान की आवश्यकता होती है। यह विशेषज्ञता आमतौर पर वर्षों के कार्य अनुभव के माध्यम से प्राप्त की जाती है, एक बैंक या फंड के एक विशिष्ट काउंटर पर काम करते हैं।
• डेटा- आम तौर पर, डेटा की लागत नमूने की आवृत्ति, दायरे की चौड़ाई, इतिहास की लंबाई, डेटा की गुणवत्ता और परिसंपत्ति वर्गों / उपकरणों की विशिष्टताओं के साथ बदलती है। उन्नत रणनीतियों को अल्फा उत्पन्न करने के लिए आला बाजारों पर भरोसा करना पड़ता है। इसलिए, डेटा बहुत महंगा हो सकता है। इन लागतों को ध्यान में रखा जाना चाहिए ताकि रणनीति को मुनाफा हो सके।
• शोध- यदि रणनीति को अधिक जटिल उपकरणों के व्यापार के लिए उपयोग किया जाता है, तो एक विशेष फीडबैक वातावरण की आवश्यकता होती है। आमतौर पर इसका मतलब है कि स्क्रैच से शुरू होकर पूरी तरह से अनुकूलित कोड विकसित करना। यह एक बड़ा समय निवेश है।
• बुनियादी ढांचा- यहां तक कि एक मजबूत फीडबैक फ्रेमवर्क विकसित करने के लिए उन्नत रणनीतियों का अध्ययन करने के लिए, एक जटिल बुनियादी ढांचे की आवश्यकता है जो व्यापार करने के लिए है। इसे पूरी तरह से स्वचालित करने की आवश्यकता हो सकती है। जटिल तैनाती, परीक्षण और निगरानी की आवश्यकता है।
• क्षमता- कुछ उन्नत रणनीतिक विधियाँ केवल इसलिए काम करती हैं क्योंकि वे क्षमता की सीमाओं के अधीन होती हैं। बड़े फंड इन रणनीतियों का व्यापार नहीं कर सकते क्योंकि समय का निवेश उनके द्वारा उत्पन्न होने वाले पूर्ण रिटर्न के लायक नहीं है। इसका मतलब है कि उन्नत विधियों पर लागू होने वाली पूंजी की मात्रा की एक सीमा है।

यह देखा जा सकता है कि यद्यपि उन्नत ट्रेडिंग रणनीतियाँ अधिक अल्फा अवसर और संभावित उच्च मुनाफे प्रदान करती हैं, लेकिन इसके लिए अधिक जटिल गणित ज्ञान, आवश्यक विशेषज्ञता और अधिक जटिल स्वचालित ट्रेडिंग बुनियादी ढांचे की आवश्यकता होती है।

संक्षेप

कुल मिलाकर, यह स्पष्ट है कि सरल ट्रेडिंग रणनीतियों को बाजार में तेजी से लाया जा सकता है। उन्हें बहुत कम विशेषज्ञता की आवश्यकता होती है, और सिग्नल स्वचालित रूप से उत्पन्न होने पर भी मैन्युअल रूप से निष्पादित किए जा सकते हैं। हालांकि, वे उच्चतर तरीकों की तुलना में अधिक ओवरफिट और कम मुनाफे की संभावना रखते हैं।

जटिल रणनीतियाँ अप्रासंगिक अल्फा, उचित लाभप्रदता और बौद्धिक रिटर्न प्रदान करती हैं। हालांकि, यह उच्च डेटा लागत, विकास अनुसंधान और ट्रेडिंग बुनियादी ढांचे पर अधिक समय खर्च करने और गहरी शैक्षिक पृष्ठभूमि की आवश्यकता के कारण होता है।

मूल लेख का लिंकः https://www.quantstart.com/articles/simple-versus-advanced-systematic-trading-strategies-which-is-better/