Ketika membuat strategi perdagangan kuantitatif, apakah lebih baik menggunakan metode yang lebih canggih atau tetap berpegang pada ide yang sederhana?
Salah satu pertanyaan lama di komunitas kuantifikasi adalah apakah pedagang sistem harus tetap menggunakan strategi kuantifikasi sederhana atau harus berusaha menerapkan metode yang lebih canggih.
Orang biasanya 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, hal ini baru-baru ini berubah.
Pedagang algoritma ritel sekarang dapat melakukan analisis yang kompleks dengan menggunakan cloud computing yang relatif murah, penyedia data alternatif yang menyediakan dataset yang terjangkau dan mudah digunakan, dan kerangka penelitian open source.
Dalam artikel ini, kita akan membahas apakah analis kuantitatif ritel harus meluangkan waktu untuk melaksanakan strategi canggih ini, atau tetap berpegang pada ide yang lebih sederhana.
Keinginan Investor
Sebelum mencantumkan beberapa keuntungan dari strategi sederhana dan kerugian dari strategi kompleks, perlu untuk menguraikan bagaimana kita akan menilai keuntungan relatif dari masing-masing metode.
Salah satu masalah utamanya adalah bahwa setiap investor memiliki preferensi khusus mereka sendiri, sehingga mereka memiliki seperangkat fungsi target acak untuk tujuan yang mereka coba capai melalui perdagangan sistematik.
Sebagai contoh, seorang investor mungkin memiliki basis modal yang besar, tetapi mungkin perlu untuk secara teratur mendapatkan keuntungan dari setiap transaksi yang diperoleh dari modal tersebut.
Investor lain mungkin memiliki basis modal yang relatif kecil dan hanya tertarik untuk meningkatkan kekayaan total. Jika keuntungan yang lebih besar diperoleh, volatilitas kurva laba rugi bersih secara keseluruhan mungkin tidak terlalu mengkhawatirkan.
Beberapa pedagang kuantitatif lebih mementingkan rangsangan intelektual dari pengembangan strategi perdagangan sistem yang efektif. Mereka mungkin akan mendapatkan hasil positif sebagai efek samping yang mereka sukai.
Jelas, investor memiliki banyak preferensi yang berbeda. Hal-hal ini membantu membangun kerangka diskusi untuk analis kuantitatif ritel yang mungkin memutuskan apakah akan menggunakan metode yang lebih canggih.
Strategi sederhana lebih mudah untuk diteliti dan dikerahkan ke pasar. Mereka membutuhkan data dan infrastruktur yang kurang rumit. Bahkan jika sinyal itu sendiri dihasilkan secara otomatis, beberapa bahkan dapat dilakukan secara manual.
Di sisi lain, strategi-strategi yang lebih tinggi memiliki imbalan yang lebih tinggi secara intelektual, dan mereka sering memiliki rasio Sharpe yang lebih menguntungkan. Artinya, mereka memberikan imbalan yang lebih baik untuk volatilitas per unit. Rasio Sharpe akan menjadi indikator penting yang perlu dipertimbangkan bagi investor yang peduli untuk meminimalkan kerugian dan 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 yang sederhana
Apakah strategi trading dianggap sebagai strategi sederhana tergantung pada latar belakang pendidikan dan kemampuan teknis investor. Definisi strategi sederhana dapat sangat berbeda dibandingkan dengan para analis kuantitatif ritel yang dididik sendiri.
Dalam hal ini, jika strategi trading diterapkan pada pasar maju, dalam kategori aset besar yang dikenal, menggunakan alat sederhana dengan kompleksitas matematika atau statistik dasar, kita akan mendefinisikannya secara kasar sebagai strategi sederhana.
Contoh strategi seperti ini termasuk analisis teknis, tidak ada struktur portofolio yang jelas atau komponen manajemen risiko yang berlaku untuk pasar yang sangat cair seperti saham AS, ETF, atau mata uang asing.
Keuntungan dari strategi yang lebih sederhana termasuk:
- Data- Semua strategi perdagangan sistemik membutuhkan data. Strategi sederhana biasanya menggunakan data harga siap pakai / volume perdagangan dari alat yang sangat baik untuk diperdagangkan dalam kategori aset yang mapan. Biaya untuk mendapatkan data semacam itu sangat rendah, bahkan gratis.
- Penelitian- Ada banyak sekali lingkungan retesting untuk menguji strategi gaya penambangan indikator, mulai dari produk komersial (seperti TradeStation atau MetaTrader 5) hingga repositori open source (seperti QSTrader, Backtrader dan Zipline), bahkan repositori seperti Pandas. Strategi yang lebih sederhana biasanya dapat dengan mudah diimplementasikan dalam salah satu kerangka kerja ini.
- Biaya transaksi- Karena alat sederhana digunakan di pasar yang maju dan sangat cair, memperkirakan biaya transaksi relatif mudah. Hal ini pada gilirannya membuat lebih mudah untuk menentukan apakah strategi mungkin menguntungkan di luar sampel.
- Infrastruktur- Kebijakan jenis analisis teknis yang dilakukan dengan frekuensi rendah dapat diotomatisasi melalui infrastruktur yang relatif sederhana. Menurut tingkat keandalan yang dibutuhkan, operasi cron dapat disetel untuk menghasilkan daftar transaksi yang diinginkan, sementara dapat dilakukan secara manual.
- kapasitas- Juga, karena alat sederhana digunakan di pasar yang sangat cair, masalah pembatasan kapasitas tidak mungkin terjadi.
Namun, strategi yang lebih sederhana juga memiliki kelemahan:
- AlphaStrategi strategi indikator leverage sangat terkenal dan umum di pasar keuangan. Saat ini belum jelas apakah strategi paling sederhana lebih berharga daripada pembelian dan kepemilikan dasar atau konfigurasi aset taktis berdasarkan momentum. Artinya, strategi mungkin tidak menghasilkan leverage alfa, tetapi mendapatkan leverage beta dari pasar itu sendiri atau faktor risiko akademik lainnya yang diketahui.
- Keuntungan- Karena metode ini bersifat universal, keuntungan yang berkelanjutan di luar sampel dapat menjadi tantangan sekali biaya transaksi yang realistis dipertimbangkan.
- Tes statistik- Meskipun bukan masalah strategi perdagangan sederhana, strategi sederhana seringkali memiliki sedikit atau tidak ada analisis statistik yang solid. Oleh karena itu, banyak strategi seperti ini yang menunjukkan kinerja tinggi dalam re-evaluasi mungkin hanya karena terlalu banyak pencocokan data dalam sampel.
- Kebebasan Berpikir- Strategi sederhana yang dilakukan secara manual dapat menyebabkan elemen kewibawaan diterapkan pada proses tersebut. Misalnya, penundaan masuknya perdagangan karena waktu bukaan yang sibuk, atau penggunaan alat intuitif untuk membalikkan perdagangan. Hal ini membuat menentukan kinerja sebenarnya dari strategi menjadi menantang.
- Membangun portofolio- Strategi sederhana biasanya menghindari penggunaan struktur portofolio yang kuat atau teknik manajemen risiko. Meskipun pengendalian kerugian sering digunakan, hanya sedikit yang menggunakan target fluktuasi, beban fluktuasi ekuitas (juga disebut fluktuasi fluktuasi fluktuasi fluktuasi) atau diversifikasi lintas pasar sebagai mekanisme potensial untuk meningkatkan pengembalian setelah penyesuaian risiko.
- Pendapatan Intelektual- Strategi sederhana biasanya tidak menggunakan matematika yang rumit atau analisis canggih. Jika tujuan investor adalah laba intelektual, maka strategi sederhana tidak mungkin mencapai tujuan tersebut.
Tampaknya, meskipun strategi perdagangan yang lebih sederhana lebih mudah diterapkan, diuji, dan diperdagangkan, kesederhanaan ini mungkin terjadi pada biaya stabilitas statistik dan kemampuan keuntungan jangka panjang.
Strategi perdagangan tingkat tinggi
Strategi tingkat tinggi mencakup strategi berdasarkan pengujian hipotesis statistik, pengetahuan luas tentang bidang kategori aset, metode konstruksi portofolio yang ketat, dan strategi untuk kategori atau instrumen aset niche yang kurang likuid, seperti pasar berkembang, komoditas, dan derivatif.
Strategi-strategi ini biasanya merupakan bidang dari hedge fund kuantitatif institusional, tetapi karena ketersediaan data dan popularitas alat simulasi yang lebih baik, strategi-strategi ini sekarang menjadi semakin umum dalam perdagangan kuantitatif ritel.
Keuntungan dari strategi yang kompleks meliputi:
- Perbedaan- Dengan desain, strategi yang lebih maju cenderung kurang relevan secara desain dengan pasar keseluruhan dan dengan portofolio yang ada yang terdiri dari strategi perdagangan lainnya. Hal ini sering menyebabkan rasio Sharp yang lebih tinggi pada portofolio keseluruhan.
- Keuntungan- Dengan pengetahuan bidang lanjutan, biaya transaksi dapat diperkirakan secara wajar. Ini berarti bahwa biasanya lebih mudah untuk menentukan apakah strategi mungkin menguntungkan di luar sampel. Oleh karena itu, banyak ide retest 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 dikerahkan berkinerja lebih rendah di luar sampel dibandingkan dengan strategi sederhana yang mungkin terlalu cocok dalam sampel.
- Alpha- Karena penggunaan alat niche di pasar yang kurang berkembang, strategi ini memiliki potensi yang lebih besar untuk mengembangkan Alpha. Karena penyebaran pengetahuan strategi di seluruh pasar menurun, Alpha ini cenderung menurun lebih lambat.
- Membangun portofolio- Struktur portofolio dan manajemen risiko dilengkapi dengan pendekatan yang lebih canggih. Ini membantu menyelaraskan tujuan investor dengan kinerja strategis.
- Pendapatan IntelektualStrategi 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 sering tertarik dengan metode perdagangan sistem yang lebih kompleks.
Seperti strategi sederhana, strategi canggih juga memiliki beberapa kelemahan:
- Kompleksitas Matematika- Beberapa metode perdagangan sistem yang lebih canggih biasanya membutuhkan 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 PhD.
- Keahlian- Bahkan jika Anda memiliki beberapa gelar sarjana, Anda masih perlu memiliki pengetahuan bidang yang masuk akal tentang kategori aset atau jenis instrumen yang menguntungkan untuk terus menghasilkan alfa dari teknologi perdagangan sistem yang canggih. Keahlian ini biasanya diperoleh melalui pengalaman kerja bertahun-tahun, bekerja di meja khusus bank atau dana.
- Data- Secara umum, biaya data bervariasi sesuai dengan frekuensi sampel, lebar jangkauan, panjang sejarah, kualitas data, dan spesifikasi kategori aset/alat. Strategi canggih mengandalkan pasar niche untuk menghasilkan alpha. Oleh karena itu, data mungkin sangat mahal. Biaya ini harus dipertimbangkan agar strategi menghasilkan keuntungan.
- Penelitian- Jika strategi digunakan untuk memperdagangkan alat yang lebih kompleks, maka dibutuhkan lingkungan retargeting khusus. Biasanya ini berarti mengembangkan kode yang sepenuhnya disesuaikan dari awal. Ini adalah investasi waktu yang besar.
- Infrastruktur- Bahkan jika Anda telah membangun kerangka kerja yang kuat untuk mempelajari strategi tingkat tinggi, Anda juga membutuhkan infrastruktur yang kompleks untuk melakukan transaksi. Ini mungkin membutuhkan otomatisasi penuh. Ini membutuhkan penyebaran, pengujian, dan pemantauan yang kompleks.
- kapasitas- Beberapa metode strategi yang lebih maju tidak efektif karena mereka terbatas pada kapasitas; dana besar tidak dapat memperdagangkan strategi ini karena investasi waktu tidak sepadan dengan pengembalian absolut yang dapat mereka hasilkan; ini berarti ada batas jumlah modal yang dapat diterapkan pada metode yang lebih maju.
Tampaknya, meskipun strategi perdagangan canggih menawarkan lebih banyak peluang alpha dan potensi keuntungan yang tinggi, ini membutuhkan pengetahuan matematika yang lebih rumit, keahlian yang diperlukan, dan infrastruktur perdagangan otomatis yang lebih canggih.
Pengamatan
Secara keseluruhan, jelas bahwa strategi perdagangan sederhana dapat dibawa ke pasar lebih cepat; mereka membutuhkan lebih sedikit keahlian dan dapat dilakukan secara manual bahkan jika sinyal dihasilkan secara otomatis; namun, mereka lebih cenderung over-fit dan memiliki keuntungan yang lebih rendah dibandingkan dengan metode canggih.
Strategi yang rumit memberikan alpha-beta yang tidak relevan, keuntungan yang wajar, dan imbalan intelektual. Namun, ini terjadi dengan biaya data yang lebih tinggi, lebih banyak waktu yang dihabiskan untuk mengembangkan penelitian dan infrastruktur transaksi, dan membutuhkan latar belakang pendidikan yang lebih dalam.
Link asli:https://www.quantstart.com/articles/simple-versus-advanced-systematic-trading-strategies-which-is-better/