Когда вы разрабатываете стратегию количественной торговли, лучше ли использовать более продвинутые методы, или лучше придерживаться простой идеи?
Одним из старых вопросов в общине количественного анализа является вопрос о том, должны ли системные трейдеры придерживаться простых стратегий количественного анализа, или они должны стремиться к более продвинутым методам.
Обычно считается, что розничные алгоритмические трейдеры используют только более простые стратегии, в то время как количественные хедж-фонды используют высокосложные и математически сложные методы. Однако в последнее время ситуация изменилась.
Ритейлерские алгоритмические трейдеры теперь могут выполнять сложные анализы с помощью относительно дешевых облачных вычислений, альтернативных поставщиков данных, предлагающих доступные и простые для использования наборы данных, и открытых исследовательских рамок.
В этой статье мы обсудим, следует ли розничным количественным аналитикам тратить время на выполнение этих передовых стратегий или же придерживаться более простых идей.
Предпочтения инвесторов
Перед тем как перечислить ряд преимуществ и недостатков простых и сложных стратегий, необходимо обобщить, как мы будем судить о относительных преимуществах и недостатках каждого из методов.
Одна из ключевых проблем заключается в том, что у каждого инвестора есть свои собственные специфические предпочтения, поэтому у них есть набор целей для целей, которые они пытаются достичь с помощью системной торговли.
Например, инвестор может иметь большую базу капитала, но может регулярно извлекать любые доходы от сделок, полученных от этого капитала.
Другой инвестор может иметь относительно небольшую капитальную базу и заинтересован только в увеличении общего богатства. Волатильность общей кривой НДС может быть менее тревожной, если получить большую отдачу.
Некоторые количественные трейдеры уделяют больше внимания интеллектуальным стимулам разработки эффективных системных торговых стратегий. Они могут фактически получить положительные результаты, которые они считают хорошей побочной стороной к тому, что они любят.
Очевидно, что у инвесторов есть множество различных предпочтений. Эти аспекты помогают создать основу для обсуждения простых и сложных системных торговых стратегий для розничных количественных аналитиков, которые могут решать, следует ли использовать более продвинутые методы.
Простые стратегии проще исследовать и развернуть на рынке. Они требуют менее сложных данных и инфраструктуры. Даже если сигналы сами по себе автоматически генерируются, некоторые могут быть даже выполнены вручную.
С другой стороны, более продвинутые стратегии умственно более выгодны, и они часто имеют более выгодный Sharpe ratio. Это означает, что они дают лучшую ожидаемую отдачу за каждую единицу волатильности. Sharpe ratio будет важным показателем для рассмотрения для инвесторов, заинтересованных в том, как максимально снизить убытки и волатильность.
В этой статье мы подробно рассмотрим вопрос о том, лучше ли простое, чем сложное. Мы будем учитывать эти мотивы и другие преимущества и недостатки.
Простые стратегии
Считается ли торговая стратегия простым рисунком, во многом зависит от образовательной и технической компетенции инвестора. Ученые, имеющие докторскую степень в произвольной вычислительной технике, могут иметь совершенно иное определение простых рисунков, чем самообразованные специалисты по количественному анализу.
Для целей данной статьи мы будем определять его как "простую" стратегию, если она применяется в развитых рынках, в крупных известных категориях активов, с использованием простых инструментов с базовой математической или статистической сложностью.
Примеры таких стратегий включают технический анализ, отсутствие четкой структуры портфеля или компонента управления рисками, применяемый для высоколиквидных рынков, таких как американские акции, ETF или валюты.
Преимущества более простой стратегии включают:
- Данные- Все системные торговые стратегии требуют данных; простые стратегии обычно используют данные о готовых ценах/объемах сделок, которые хорошо торгуются в сложных категориях активов; такие данные получаются очень дешево или даже бесплатно; они обычно имеют небольшой объем и могут быть загружены непосредственно от многих поставщиков через простой в использовании API;
- Исследования- Существует большое количество сред для тестирования стратегий в стиле хитрости, от коммерческих продуктов (например, TradeStation или MetaTrader 5) до открытых библиотек (например, QSTrader, Backtrader и Zipline) и даже библиотек (например, Pandas); более простые стратегии обычно легко реализуются в одной из этих структур.
- Стоимость сделки- Поскольку в развитых, ликвидных рынках используются простые инструменты, оценка затрат на транзакции является относительно легкой. Это, в свою очередь, делает более простым определение того, может ли стратегия быть прибыльной в выборке.
- Инфраструктура- Политика типа технического анализа, выполняемая с низкой частотой, может быть автоматизирована с помощью относительно простой инфраструктуры. В зависимости от требуемого уровня надежности cron-операции могут быть настроены на создание требуемого списка сделок, а также выполняться вручную.
- Мощность- Кроме того, в условиях высокой ликвидности рынков, где используются простые инструменты, проблемы с ограничением емкости вряд ли возникнут.
Однако есть и недостатки при использовании более простых стратегий:
- Альфа- Технический анализ игровой стратегии очень хорошо известен и распространен на финансовых рынках. Пока неясно, является ли самая простая стратегия более ценной, чем фундаментальная покупка и хранение или тактическая конфигурация активов на основе динамики. То есть, стратегия может не генерировать альфа-игровую стратегию сама по себе, а получать бета-игровую стратегию из рынка или других известных академических рисков.
- Прибыльность- Поскольку такой подход является универсальным, после учета реальных затрат на транзакцию, устойчивая прибыль в выборе может быть сложной.
- Статистические тесты- Хотя это не проблема простой стратегии торговли, обычно мало или вообще нет прочного статистического анализа простых стратегий. Таким образом, многие из таких стратегий, которые показали высокую производительность в ретроспекциях, могут быть просто из-за чрезмерного приспособления данных в образце.
- Свобода воли- Простые стратегии, выполненные вручную, могут привести к применению элементов свободы воли к процессу. Например, задержка входа в торговлю из-за занятого времени открытия или использование интуитивной кнопки для свержения торговли. Это делает определение истинного действия стратегии сложным.
- Строительство портфеля- Простые стратегии обычно избегают использования каких-либо прочных портфельных конструкций или методов управления рисками. Хотя часто используются сдерживающие методы, редко используются цели волатильности, удельный вес волатильности (также называемый сдерживающий риск) или диверсификация через рынок в качестве потенциальных механизмов повышения риск-адресированной отдачи.
- Интеллектуальная отдача- Простые стратегии обычно не используют каких-либо сложных математических или высокотехнологичных анализов. Если цель инвестора - интеллектуальная отдача, то простые стратегии вряд ли достигнут этой цели.
Как видно, хотя более простые торговые стратегии проще внедрять, тестировать и торговать, такая простота может идти на ущерб статистической устойчивости и долгосрочной прибыльности.
Высокотехнологичные стратегии
Высокоуровневые стратегии включают в себя стратегии, основанные на проверке статистических предположений, знание широкой области категорий активов, строгие методы построения портфелей, а также стратегии для менее ликвидных, нишевых категорий активов или инструментов, таких как развивающиеся рынки, сырьевые товары и производные средства.
Такие стратегии обычно являются областью институциональных количественных хедж-фондов, но благодаря доступности данных и распространению лучших инструментов моделирования они теперь становятся все более распространенными в розничной количественной торговле.
Преимущества сложной стратегии включают в себя:
- Соотношение- по дизайну, продвинутые стратегии, как правило, менее релевантны по дизайну к общему рынку и к любому существующему портфелю, состоящему из других торговых стратегий.
- Прибыльность- с помощью знаний о передовой области можно разумно оценить стоимость сделки. Это означает, что обычно легче определить, может ли стратегия быть выгодной вне выборки. Таким образом, можно отвергнуть многие нерентабельные идеи ретроспекции до периода тестирования в режиме реального времени.
- Статистические тесты- Строгий статистический анализ стратегии торговли обычно сопровождается более продвинутыми методами. Это означает, что статистический анализ обычно сопровождается более продвинутыми методами. Это означает, что развернутые стратегии меньше снижают эффективность вне выборки по сравнению с простыми стратегиями, которые могут быть чрезмерно встроены в выборку.
- Альфа- Из-за использования нишевых инструментов в слаборазвитых рынках такой альфа-машины имеет больший потенциал. Из-за снижения скорости распространения знаний о стратегии по всему рынку эта альфа обычно ослабевает медленнее.
- Строительство портфеля- Портфолиостроение и управление рисками дополняются более продвинутыми методами. Это помогает привести цели инвестора в соответствие с стратегическими результатами.
- Интеллектуальная отдача- Высокие стратегии требуют более сложного анализа, более зрелых математических знаний и более широкой разработки программного обеспечения. Для некоторых инвесторов-любителей это больше похоже на цель, чем на создание богатства. Поэтому они обычно привлекаются более сложными системными методами торговли.
Как и у простых стратегий, у высокотехнологичных стратегий есть некоторые недостатки:
- Математическая сложность- Некоторые более продвинутые методы системного трейдинга обычно требуют статистического анализа, анализа временных последовательностей, рандомизации или машинного обучения для обработки. Хотя эти знания, конечно, можно выучить самостоятельно, получить соответствующие знания с помощью бакалавриата, MFE и / или докторской степени намного проще.
- Специализация- даже с несколькими аспирантурами необходимо обладать разумными знаниями в области выгодных базовых категорий активов или типов инструментов, чтобы постоянно получать альфа из любой передовой системы торговли. Эти знания, как правило, приобретаются с помощью многолетнего опыта работы в банке или фонде.
- Данные- В целом, стоимость данных варьируется в зависимости от частоты выборки, ширины диапазона, длины истории, качества данных и специфики категории активов/инструментов.
- Исследования- Если стратегия используется для торговли более сложными инструментами, то требуется специальная среда повторения. Обычно это означает разработку полностью настраиваемого кода с нуля. Это огромная инвестиция времени.
- Инфраструктура- Даже если уже создана мощная система обратной связи для изучения высокотехнологичных стратегий, для проведения сделок также требуется сложная инфраструктура; она может потребовать полной автоматизации; требует сложных развертываний, испытаний и мониторинга;
- Мощность- Некоторые продвинутые стратегические методы эффективны, потому что они ограничены в емкости; крупные фонды не могут торговать этими стратегиями, поскольку инвестиции во времени не стоят абсолютной отдачи, которую они могут принести; это означает, что существует предел суммы капитала, которая может быть применена к продвинутым методам.
Как видно, хотя передовые торговые стратегии предоставляют больше альфа-возможностей и потенциально высокую прибыль, это требует более сложных математических знаний, необходимой экспертизы и более сложной инфраструктуры автоматического торговли.
Подведение итогов
В целом, очевидно, что простые торговые стратегии могут быть выведены на рынок быстрее; они требуют гораздо меньшего уровня экспертизы и могут быть выполнены вручную, даже если сигналы генерируются автоматически; однако, по сравнению с продвинутыми методами, они более склонны к чрезмерному приспособлению и меньшей прибыли.
Сложные стратегии обеспечивают не связанные с этим альфа-классы, разумную рентабельность и интеллектуальную отдачу. Однако это происходит за счет более высоких затрат на данные, большего времени, затрачиваемого на разработку исследований и инфраструктуры сделок, а также необходимости более глубокого образовательного образования.
Ссылка на текст:https://www.quantstart.com/articles/simple-versus-advanced-systematic-trading-strategies-which-is-better/