Apakah lebih baik menggunakan metode yang lebih canggih dalam membuat strategi perdagangan kuantitatif, atau lebih baik berpegang pada ide sederhana?

Sebuah pertanyaan lama dalam komunitas kuantitatif adalah apakah pedagang sistem harus tetap menggunakan strategi kuantitatif sederhana atau harus berusaha menerapkan metode yang lebih canggih.

Biasanya orang berpikir bahwa pedagang algoritma ritel hanya menggunakan strategi yang lebih sederhana, sedangkan hedge fund kuantitatif menggunakan metode yang sangat kompleks dan rumit secara matematis. Namun, baru-baru ini situasi berubah.

Pedagang algoritma ritel sekarang dapat melakukan analisis yang kompleks berkat komputasi awan yang relatif murah, penyedia dataset alternatif yang terjangkau dan mudah digunakan, dan kerangka penelitian sumber terbuka.

Dalam artikel ini, kita akan membahas apakah seorang analis kuantitatif ritel harus meluangkan waktu untuk melakukan strategi-strategi canggih ini, atau harus berpegang pada ide yang lebih sederhana.

Preferensi Investor

Sebelum kita membuat daftar dari berbagai kelebihan dan kekurangan dari strategi sederhana dan kompleks, perlu digarisbawahi bagaimana kita akan menilai kelebihan dan kekurangan dari masing-masing metode.

Salah satu masalah utama adalah bahwa setiap investor memiliki preferensi yang spesifik, sehingga mereka memiliki satu set target fungsi pivot untuk tujuan yang mereka coba capai melalui sistem perdagangan.

Sebagai contoh, seorang investor mungkin memiliki basis modal yang besar, tetapi mungkin perlu secara teratur menarik keuntungan dari setiap transaksi yang diperoleh dari modal tersebut.

Investor lain mungkin memiliki dasar modal yang relatif kecil dan hanya tertarik untuk meningkatkan kekayaan total. Jika Anda bisa mendapatkan pengembalian yang lebih besar, volatilitas dari kurva laba bersih secara keseluruhan mungkin tidak terlalu mengkhawatirkan.

Beberapa trader kuantitatif lebih mementingkan stimulus intelektual yang dihasilkan dari mengembangkan strategi perdagangan sistemik yang efektif. Mereka sebenarnya mungkin akan mendapatkan keuntungan positif sebagai salah satu efek samping yang baik dari trading yang mereka cintai.

Jelas, investor memiliki banyak preferensi yang berbeda. Aspek-aspek ini membantu membangun kerangka diskusi strategi perdagangan sistemik sederhana dan kompleks bagi analis kuantitatif ritel yang mungkin sedang memutuskan untuk menggunakan metode yang lebih canggih.

Strategi sederhana lebih mudah untuk diteliti dan diimplementasikan ke pasar. Mereka membutuhkan data dan infrastruktur yang tidak terlalu rumit. Bahkan jika sinyal itu sendiri dihasilkan secara otomatis, beberapa bahkan dapat dilakukan secara manual.

Strategi yang lebih tinggi, di sisi lain, lebih menguntungkan secara intelektual, dan mereka cenderung memiliki rasio Sharpe yang lebih menguntungkan. Artinya, mereka menawarkan pengembalian ekspektasi yang lebih baik per unit volatilitas.

Dalam artikel ini, kita akan membahas secara rinci apakah yoga sederhana lebih baik daripada yoga kompleks. Kita akan mengingat motif di atas dan kelebihan dan kekurangan lainnya.

Strategi Perdagangan Sederhana

Apakah strategi perdagangan dianggap sederhana atau tidak, sangat tergantung pada latar belakang pendidikan dan kemampuan teknis investor. Definisi yang berbeda mungkin diberikan kepada orang yang memiliki gelar Ph.D. dalam aritmatika acak dibandingkan dengan analis kuantitatif ritel yang autodidact.

Untuk tujuan artikel ini, jika strategi perdagangan diterapkan di pasar maju, dalam kategori aset besar dan terkenal, menggunakan alat sederhana dengan kompleksitas matematika atau statistik yang mendasar, kita akan mendefinisikannya secara kasar sebagai sederhana.

Contoh strategi seperti ini meliputi analisis teknis, indikator, dan sinyal yang tidak memiliki struktur portofolio yang jelas atau komponen manajemen risiko yang berlaku untuk pasar yang sangat likuid seperti saham, ETF, atau forex.

Keuntungan dari strategi yang lebih sederhana adalah:

• data- Semua strategi perdagangan sistem membutuhkan data. Strategi sederhana biasanya menggunakan data harga / volume transaksi yang sudah tersedia dari alat yang baik untuk diperdagangkan di kelas aset yang sudah mapan. Data semacam itu diperoleh dengan biaya yang sangat rendah atau bahkan gratis.
• PenelitianAda sejumlah besar lingkungan retrospektif untuk menguji strategi gaya penargetan indikator Forex, mulai dari produk komersial (seperti TradeStation atau MetaTrader 5) hingga perpustakaan sumber terbuka (seperti QSTrader, Backtrader, dan Zipline), bahkan perpustakaan seperti Pandas. Strategi yang lebih sederhana biasanya dapat dengan mudah diimplementasikan dalam salah satu dari kerangka tersebut.
• Biaya transaksi- Karena menggunakan alat sederhana di pasar yang berkembang dan sangat likuid, memperkirakan biaya transaksi relatif mudah. Ini, pada gilirannya, membuat strategi untuk menentukan apakah mungkin untuk mendapatkan keuntungan di luar sampel menjadi lebih sederhana.
• Infrastruktur- Strategi jenis analisis teknis yang dilakukan dengan frekuensi rendah dapat diotomatisasi dengan infrastruktur yang relatif sederhana. Menurut tingkat kehandalan yang dibutuhkan, pekerjaan cron dapat diatur untuk menghasilkan daftar transaksi yang diinginkan dan dapat dilakukan secara manual.
• kapasitas- Juga, karena penggunaan alat sederhana di pasar yang sangat likuid, tidak mungkin ada masalah dengan pembatasan kapasitas.

Namun, ada beberapa kelemahan dalam menggunakan strategi yang lebih sederhana:

• AlphaStrategi penargetan indikator penargetan analisis teknis sangat terkenal dan umum di pasar keuangan. Tidak jelas apakah strategi yang paling sederhana lebih berharga daripada pembelian dan kepemilikan dasar atau penempatan aset strategis berdasarkan momentum. Artinya, strategi itu sendiri mungkin tidak menghasilkan penargetan alfa, tetapi mendapatkan penargetan beta dari pasar itu sendiri atau faktor risiko akademik lainnya yang diketahui.
• Profitabilitas- Karena metode ini bersifat universal, dapat menjadi tantangan untuk terus menghasilkan keuntungan di luar sampel setelah mempertimbangkan biaya transaksi yang realistis. Itulah sebabnya dalam setiap pengukuran ulang, biaya transaksi harus diestimasi seefisien mungkin.
• Tes statistik- Meskipun bukan masalah strategi perdagangan sederhana, seringkali sedikit atau tidak ada analisis statistik yang kuat untuk strategi sederhana. Oleh karena itu, banyak strategi semacam itu yang menunjukkan kinerja tinggi dalam umpan balik mungkin hanya karena over-fit untuk data dalam sampel.
• Kebebasan untuk memilih- Strategi sederhana yang dieksekusi secara manual dapat menyebabkan elemen kebijaksanaan untuk diterapkan dalam proses tersebut. Misalnya, penundaan masuk perdagangan karena jam buka yang sibuk, atau penggunaan intuisi untuk membalikkan perdagangan. Ini membuat menentukan kinerja sebenarnya dari strategi menjadi menantang.
• Konstruksi portofolio- Strategi sederhana biasanya menghindari penggunaan konstruksi portofolio yang kuat atau teknik manajemen risiko. Meskipun sering digunakan stop-loss coupon, jarang ada yang menggunakan target volatilitas, ekuivalen volatilitas bertimbang (juga dikenal sebagai coupon risk parity) atau diversifikasi lintas pasar sebagai mekanisme potensial untuk meningkatkan laba setelah penyesuaian risiko.
• Penghargaan KecerdasanStrategi sederhana biasanya tidak menggunakan matematika atau analisis canggih. Strategi sederhana tidak mungkin mencapai tujuan ini jika tujuan investor adalah pengembalian intelektual.

Hal ini dapat dilihat bahwa meskipun strategi perdagangan yang lebih sederhana lebih mudah untuk diterapkan, diuji, dan diperdagangkan, kesederhanaan ini dapat mengorbankan stabilitas statistik dan profitabilitas jangka panjang.

Strategi perdagangan tingkat tinggi

Strategi tingkat tinggi meliputi strategi berdasarkan tes hipotesis statistik, pengetahuan luas dalam bidang kelas aset, metode konstruksi portofolio yang ketat, dan strategi untuk kelas atau instrumen aset yang kurang likuid, seperti emerging market, komoditas, dan derivatif.

Strategi-strategi ini biasanya merupakan domain dari hedge fund kuantitatif institusional, namun strategi-strategi ini sekarang menjadi semakin umum dalam perdagangan kuantitatif ritel karena ketersediaan data dan popularitas alat-alat simulasi yang lebih baik.

Keuntungan dari strategi kompleks adalah:

• Relevansi- Dengan desain, strategi yang lebih tinggi cenderung memiliki relevansi yang lebih rendah dalam desain dengan pasar secara keseluruhan dan portofolio yang ada yang terdiri dari strategi perdagangan lainnya. Ini cenderung menghasilkan rasio Sharpe yang lebih tinggi dari portofolio keseluruhan.
• Profitabilitas- Dengan pengetahuan domain yang lebih tinggi, biaya transaksi dapat diestimasi secara masuk akal. Ini berarti bahwa biasanya lebih mudah untuk menentukan apakah strategi mungkin menguntungkan di luar sampel. Oleh karena itu, banyak ide yang tidak menguntungkan dapat ditolak sebelum periode pengujian real-time.
• Tes statistik- Analisis statistik strategi perdagangan yang ketat biasanya disertai dengan metode yang lebih canggih. Ini berarti bahwa analisis statistik biasanya disertai dengan metode yang lebih canggih. Ini berarti bahwa strategi yang digunakan berkurang dalam kinerja di luar sampel dibandingkan dengan strategi sederhana yang mungkin terlalu cocok dalam sampel.
• Alpha- Karena menggunakan alat-alat niche di pasar yang kurang berkembang, potensi Alpha dalam strategi semacam ini lebih besar. Alpha ini cenderung melemah lebih lambat karena pengetahuan tentang strategi menyebar lebih lambat di seluruh pasar.
• Konstruksi portofolio- Pembangunan portofolio dan manajemen risiko digabungkan dengan metode yang lebih canggih. Ini membantu menyelaraskan tujuan investor dengan kinerja strategi.
• Penghargaan Kecerdasan- Strategi tingkat tinggi membutuhkan analisis yang lebih kompleks, pengetahuan matematika yang lebih matang, dan pengembangan perangkat lunak yang lebih luas. Bagi beberapa investor amatir, ini lebih seperti tujuan daripada menciptakan kekayaan. Oleh karena itu, mereka biasanya tertarik pada metode perdagangan sistemik yang lebih kompleks.

Seperti strategi sederhana, strategi canggih memiliki beberapa kelemahan:

• Kompleksitas Matematika- Beberapa metode perdagangan sistemik yang lebih canggih biasanya memerlukan latar belakang analisis statistik, analisis urutan waktu, perhitungan acak, atau pembelajaran mesin. Meskipun pengetahuan ini tentu saja dapat dipelajari sendiri, pengetahuan terkait jauh lebih mudah diperoleh melalui gelar sarjana, MFE, dan / atau gelar doktor.
• KeahlianBahkan dengan beberapa gelar sarjana, pengetahuan di bidang yang masuk akal tentang kelas aset atau jenis instrumen yang menguntungkan masih diperlukan untuk menghasilkan alpha secara berkelanjutan dari teknologi sistem perdagangan canggih apa pun. Keahlian ini biasanya diperoleh melalui pengalaman kerja bertahun-tahun, bekerja di konter tertentu di bank atau dana.
• data- Secara umum, biaya data bervariasi dengan frekuensi sampling, luas jangkauan, panjang sejarah, kualitas data, dan kekhususan dari kelas/instrumen aset. Strategi tingkat tinggi bergantung pada pasar niche untuk menghasilkan alpha. Oleh karena itu, data dapat sangat mahal.
• Penelitian- Jika strategi digunakan untuk memperdagangkan alat yang lebih kompleks, maka diperlukan lingkungan yang khusus untuk feedback. Biasanya ini berarti mengembangkan kode yang sepenuhnya kustom dari awal. Ini adalah investasi waktu yang besar.
• Infrastruktur- Bahkan jika ada kerangka kerja yang kuat untuk penelitian strategi tingkat lanjut, infrastruktur yang kompleks juga diperlukan untuk melakukan transaksi. Ini mungkin memerlukan otomatisasi penuh.
• kapasitas- Beberapa strategi tingkat lanjut tidak efektif karena mereka dibatasi oleh kapasitas. Dana besar tidak dapat memperdagangkan strategi ini karena investasi waktu tidak sepadan dengan pengembalian mutlak yang dapat mereka hasilkan. Ini berarti ada batas atas jumlah modal yang dapat diterapkan pada strategi tingkat lanjut.

Ini menunjukkan bahwa meskipun strategi perdagangan canggih menawarkan lebih banyak peluang alpha dan potensi keuntungan yang tinggi, ini membutuhkan pengetahuan matematika yang lebih kompleks, keahlian yang diperlukan, dan infrastruktur perdagangan otomatis yang lebih kompleks.

Meringkaskan

Secara keseluruhan, jelas bahwa strategi perdagangan sederhana dapat dibawa ke pasar lebih cepat. Mereka membutuhkan lebih sedikit keahlian, dan bahkan jika sinyal dihasilkan secara otomatis, mereka dapat dilakukan secara manual. Namun, mereka lebih mungkin untuk beradaptasi berlebihan dan memiliki keuntungan yang lebih rendah dibandingkan dengan metode yang lebih canggih.

Strategi yang kompleks memberikan nilai alpha yang tidak relevan, profitabilitas yang wajar, dan imbalan kecerdasan. Namun, ini terjadi dengan biaya data yang lebih tinggi, lebih banyak waktu yang dihabiskan untuk mengembangkan infrastruktur penelitian dan perdagangan, dan kebutuhan akan latar belakang pendidikan yang lebih dalam.

Perdagangan yang dilakukan secara sistematis dan sistematis adalah strategi yang lebih baik daripada strategi yang lebih sederhana.