量的な取引戦略を策定する際には,より高度な方法を使う方が良いのか,それともシンプルなアイデアにこだわる方が良いのか?
量化コミュニティの古い疑問は,システムトレーダーはシンプルな量化戦略を堅持すべきか,それともより高度な方法を実行しようとすべきかである.
一般的に,リテールアルゴリズムトレーダーはよりシンプルな戦略のみを使用すると考えられ,量化ヘッジファンドは高度な複雑性と数学的な複雑さを伴う方法を使用します.しかし,最近では状況が変わりました.
リテールアルゴリズムのトレーダーは,比較的安価なクラウドコンピューティング,合理的で使いやすいデータセットを提供する代替データプロバイダー,そしてオープンソース研究フレームワークによって複雑な分析を行うことができます.
この記事では,小売量化アナリストがこれらの高度な戦略を実行するために時間を費やすべきか,それともよりシンプルなアイデアに固執すべきかを議論します.
投資家の好み
単純な戦略と複雑な戦略のいくつかの利点とデメリットをリストする前に,それぞれの方法の相対的な利点とデメリットをどのように判断するかについて概要することが必要である.
重要な問題の一つは,それぞれの投資家が独自の特有の好みを持っているため,彼らはシステム取引で達成しようとしている目標のために,値の目標関数を設定しているということです.
例えば,投資家は大きな資本基盤を持つかもしれないが,これらの資本から得られた取引収益を定期的に抽出する必要があるかもしれない. 損失を最大限に抑えるために,自己保険は,そのような投資家に重要です.
別の投資家は,比較的小さな資本基盤を持ち,総富を増やすことにのみ興味があるかもしれません. より大きな利益を得ることができれば,全体的な損益・純資産曲線の変動はそれほど懸念すべきではないかもしれません.
ある量化トレーダーは,効果的なシステム取引戦略を開発することで得られる知的刺激に重点を置く.彼らは実際にポジティブな收益を得ることは,彼らが愛している良いの副作用の1つです.
明らかに,投資家には多くの異なる好みがある.これらの側面は,より高度な方法を取ろうか決めようとしているかもしれない小売量化アナリストのための議論の枠組みを構築するのに役立つ.
シンプルな戦略は研究し,市場へ展開するのが容易である.それらは複雑なデータやインフラを必要としない.シグナル自体は自動的に生成されても,一部は手動でも実行できる.
一方,上級戦略は知性的により報じられ,より有利なシャープ比率を持つことが多い.つまり,波動率単位でより良い期待回報を提供している.損失と波動性を最大限に抑える方法に関心を持つ投資家にとって,シャープ比率は考慮すべき重要な指標となる.
この記事では,シンプルなが複雑なよりも優れているかを詳細に検討します.上記の動機と他のメリットとデメリットを考慮します.
簡単な取引戦略
取引戦略がのシンプルなとみなされるかどうかは,投資家の教育背景と技術能力に大きく左右される.ランダム計算の博士号を持つ人は,自学したリテール量化アナリストと比べてのシンプルなの定義が大きく異なることがあります.
本文では,取引戦略が先進市場に適用され,大きな知名資産カテゴリーにおいて,基本的な数学または統計的複雑性を持つ単純なツールを使用した場合,我々はそれを概してのシンプルなと定義します.
このような戦略の例には,技術分析のヒントが含まれており,明確なポートフォリオ構造やリスク管理の要素がなく,米国株式,ETF,外為などの高流動市場に適用される.
シンプルな戦略の利点には,以下が含まれます.
- データ- すべてのシステム取引戦略にはデータが必要である.シンプルな戦略は,通常,成熟した資産カテゴリーで取引がよいツールからの即時価格/取引量データを利用する.そのようなデータの入手コストは非常に低く,または無料である.それは通常,小さなサイズで,使いやすいAPIを通じて多くのプロバイダーから直接ダウンロードすることができます.
- 研究- 商用製品 (例えばTradeStationまたはMetaTrader5) から,QSTrader,BacktraderおよびZiplineなどのオープンソースデータベース,さらにはPandasのようなデータベースまで,多くのリトート環境で,ヒント指標ヒント策をテストすることができます.よりシンプルな戦略は通常,これらの枠組みのいずれかに簡単に実装できます.
- 取引コスト- 開発された,流動性の高い市場ではシンプルなツールを使用しているため,取引コストを推定することは比較的簡単です.これはまた,戦略がサンプル外で収益性の高いかどうかを決定することをより簡単にしてくれます.
- インフラ- 低周波で実行されるテクニカル・アナリティクスタイプの戦略は,比較的単純なインフラストラクチャによって自動化できる. 必要な安定度に応じて,cron作業を設定して必要な取引リストを生成させ,同時に手動で実行することができる.
- 容量- また,流動性の高い市場ではシンプルなツールを使用しているため,容量制限の問題は少なくなります.
しかし,よりシンプルな戦略を使う場合にも欠点があります.
- アルファ- テクニカル分析 指標 戦略は金融市場において非常に知られ,普遍的である. シンプルな戦略が基本的購入と保有,または動力に基づく戦術資産配置よりも価値が高いかどうかは,現在不明である. つまり,戦略自体はalphaを発生させず,市場自体や他の既知の学術リスク要因からbetaを発生させる可能性がある.
- 収益性- この方法が普遍性があるため,実際の取引コストを考慮すると,サンプル外での継続的な利益は挑戦的になるかもしれない.だからこそ,いかなる反評価においても,取引コストをできるだけ効果的に推定することが必須である.
- 統計テスト- 単純な取引戦略の問題ではないが,通常,シンプルな戦略に対する堅牢な統計分析はほとんどない.したがって,多くのこのような戦略が反評価で高いパフォーマンスを示しているのは,単にサンプル内のデータに対する過剰な適合による可能性がある.
- 自由意志- 手動で実行された単純な戦略は,そのプロセスに自由裁量権要素を適用することにつながる.例えば,忙しい開盤時間のために取引のエントリーを遅らせたり,取引を倒すために直感的なを使用したりする.これは,戦略の実際のパフォーマンスを決定することが困難になる.
- ポートフォリオ構築- シンプルな戦略は,通常,いかなる堅牢なポートフォリオ構築やリスク管理技術も避けます. 損失を抑える策はしばしば採用されているが,波動率目標,等価波動率加重 ("波動リスク平価策"とも呼ばれる) やクロスマーケット多様化など,リスク調整後の収益を向上させる潜在的なメカニズムとして,ほとんど採用されていません.
- 知的報酬- シンプルな戦略は,通常,複雑な数学や高度な分析を使わない.投資家の目標は知的利益である場合,シンプルな戦略は,その目標を達成する可能性が低い.
単純化された取引戦略は,実行,テスト,取引が容易である一方で,その単純さは,統計的安定性や長期的収益性の犠牲になる可能性があることがわかります.
高級取引戦略
高級戦略には,統計的仮定検査に基づく,幅広い資産カテゴリー分野知識,厳格なポートフォリオ構築方法,および低流動性,利基資産カテゴリーまたはツール,例えば新興市場,大宗商品,デリバティブへの戦略が含まれます.
これらの戦略は,通常は機関による量化ヘッジファンドの領域であるが,データの利用可能性とより良い模擬ツール普及により,これらの戦略は,現在小売による量化取引においてますます普及している.
複雑な戦略の利点は以下の通りです.
- 関連性- 設計上,上級戦略は,設計上,全体市場と,他の取引戦略で構成される既存のポートフォリオとの関連性が低い傾向がある.これは,しばしば全体ポートフォリオのシャープ比率を高くする.
- 収益性- 高度な分野知識により,取引コストを合理的に推定することができる.これは,戦略がサンプル外で収益性の高いかどうかを通常より容易に判断することを意味している.したがって,リアルタイムテスト期までに多くの非収益性のあるリテストアイデアを拒絶することができる.
- 統計テスト- 厳格な取引戦略の統計分析は,通常より高度な方法とともに行われます. つまり,統計分析は,通常より高度な方法とともに行われます. つまり,サンプル内に過剰に適合するかもしれない単純な戦略と比較して,展開された戦略は,サンプル外での表現がわずかに低下します.
- アルファ- 低開発市場におけるニッチツールの使用により,このような戦略におけるアルファのの潜在性はより高い.戦略知識が市場全体に普及する速度が低下したため,このようなアルファはよりゆっくりと衰退する傾向がある.
- ポートフォリオ構築- 投資ポートフォリオ構築とリスク管理は,より高度な方法と相まって行われます.これは,投資家の目標と戦略的業績を一致させるのに役立ちます.
- 知的報酬- 高級戦略には,より複雑な分析,より成熟した数学知識,より広範なソフトウェア開発が必要です.一部のアマチュア投資家にとって,これは富の創造よりも目標のようなものです.したがって,彼らは通常,より複雑なシステム的な取引方法に惹かれます.
シンプルな戦略と同様に,高度な戦略にはいくつかの欠点があります.
- 数学的複雑性- より高度なシステム取引方法については,通常,統計分析,時間系列分析,ランダム計算,または機械学習の背景が必要です.これらの知識はもちろん自己学習できますが,学士号,MFE,および/または博士号で関連する知識を得ることははるかに容易です.
- 専門知識- 複数の大学院を卒業した者であっても,有利な基底資産カテゴリーまたは工具の種類に関する合理的な分野知識を持つことが必要であり,先進的なシステム取引技術から継続的にアルファを生む.これらの専門知識は,通常,銀行やファンドの特定のカウンターテーブルで働く長年の経験によって得られます.
- データ- 一般的に,データコストは,抽出頻度,範囲幅,歴史長,データ品質,および資産カテゴリー/ツールの特異性によって変化する.高度な戦略は,ニッチマーケットに依存してアルファを生成する.したがって,データは非常に高価である可能性があります.戦略が利益を得るために,これらのコストを考慮する必要があります.
- 研究- 戦略がより複雑なツールを取引する場合は,専用の復習環境が必要である. 通常,これは完全にカスタマイズされたコードをゼロから開発することを意味します. これは膨大な時間の投資です. また,エラーを避けるために幅広いソフトウェアエンジニアリングスキルが必要です.
- インフラ- 高級戦略の研究のための強力な復習フレームワークが確立されている場合でも,取引を行うには複雑なインフラストラクチャが必要です. 完全に自動化する必要があります. 複雑なデプロイ,テスト,監視が必要です.
- 容量- 高級戦略方法のいくつかは,容量に制限があるため,有効な方法として売れない. 大型ファンドは,これらの戦略を取引できない,時間投資が,彼らが生み出すことができる絶対的な利益に価値がないため. これは,高級方法に適用できる資本量の上限があることを意味します.
先進的な取引戦略は,より多くのアルファチャンスと潜在的に高利潤をもたらすが,それにはより複雑な数学知識,必要な専門知識,より複雑な自動取引インフラが必要です.
概要
全体として,単純な取引戦略がより早く市場に推し進めるのは明らかである.それらははるかに少ない専門知識を必要とし,自動生成されたシグナルであっても手動で実行できる.しかし,高度な方法と比較して過度に適合し,利益が低い可能性が高い.
複雑な戦略は,無関係なアルファ,合理的な収益性,知的利益をもたらします.しかし,これは,より高いデータコスト,開発研究と取引インフラストラクチャに費やされたより多くの時間,そしてより深い教育背景の必要性によってもたらされます.
ブログの記事へのリンク:https://www.quantstart.com/articles/simple-versus-advanced-systematic-trading-strategies-which-is-better/