量化取引戦略を策定する際には,より高度なアプローチをとる方が良いのか,それともシンプルな考え方にこだわる方が良いのか?

システムトレーダーは,シンプルな量化戦略にこだわるべきか,それともより高度な方法を実装すべきか,という問題は,量化コミュニティの古くからある問題です.

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,量子ヘッジファンドは高度に複雑で数学的に複雑な方法を使用する.しかし,最近,状況は変化している.

リテールアルゴリズムトレーダーは,比較的安価なクラウドコンピューティング,価格の合理で使いやすいデータセットの代替データサプライヤー,およびオープンソースの研究フレームワークにより,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考え方にこだわるべきかについて議論します.

投資家の好み

簡単な戦略と複雑な戦略の利点と欠点を列挙する前に,それぞれの方法の相対的な利点と欠点をどのように判断するか概説する必要があります.

鍵となる問題の一つは,投資家のそれぞれが独自の好みを抱えているため,彼らはシステム取引で達成しようとしている目的のために,目標関数のセットを持っているということです.

例えば,ある投資家は巨大な資本基盤を持っているかもしれないが,その資本から得られる取引収益を定期的に引き出す必要があるかもしれない.保安は,損失を最大限に抑えるために,そのような投資家に重要である.

もう一人の投資家は,比較的小さな資本基盤を持ち,総資産を増やすことにだけ興味があるかもしれません. 利益のより大きな回報を得ることができれば,総利益・損失・純資産曲線の波動はそれほど心配にならないかもしれません.

効果的なシステム取引戦略を開発したことで得られる知的刺激を重視する量的なトレーダーもいる.彼らは,実際に,好ましい副作用として,好ましい利益を得ているかもしれない.

明らかに,投資家は多くの異なる好みを備えている.これらの側面は,より高度な方法を取るか否かを決定しているかもしれない小売量化アナリストのための,シンプルで複雑なシステム取引戦略の議論の枠組みを構築するのに役立ちます.

シンプルな戦略は研究し,市場に導入するより簡単です. 複雑なデータやインフラストラクチャを必要としません. 信号は自動的に生成されても,一部は手動で実行できます.

一方,高度な戦略は,知的にもっと報酬性があり,より有利なシャープ比率を持つ傾向がある.つまり,単位の変動率に対してよりよい期待される収益を提供している.シャープ比率は,損失と変動を最大限に抑える方法に関心のある投資家にとって,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に勝るかどうかについて詳しく見ていきます.

簡単な取引戦略

取引戦略が簡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.ランダム微積分博士号を持つ人は,自習的な小売量化アナリストと比べて簡の定義が大きく異なる可能性がある.

本文のために,取引戦略が先進市場,大型の知られた資産カテゴリーに適用される場合,基本的数学または統計学的複雑さの簡単なツールを使用すると,私たちはこれを概ね”単純”と定義します.

このような戦略の例としては,技術分析,指数,信号,明瞭なポートフォリオ構成やリスク管理コンポーネントがなく,株式,ETF,または外貨などの高流動性市場に適用される.

シンプルな戦略の利点は以下の通りです

• データ- すべてのシステム取引戦略にはデータが必要です. 単純な戦略は,通常,成熟した資産カテゴリーで取引する優れたツールから,既製の価格/取引量データを利用します. このようなデータは,入手するコストが非常に低く,無料です.
• 研究商業製品 (TradeStationやMetaTrader5のような) からオープンソースのデータベース (QSTraderやBacktraderやZiplineのような) に至るまで,Pandasのようなデータベースまで,多くの反測環境で,指数のスタイルで戦略をテストできます.より単純な戦略は,通常,これらのフレームワークのいずれかに簡単に実装できます.
• 取引コスト- 発展した流動的な市場では,単純なツールを使用しているため,取引コストの推定は比較的簡単です. これは,結果として,サンプル外で利益を得ることができるかどうかを決定する戦略をより簡単にする.
• インフラ- 低頻度で実行されるテクニカルアナリストタイプの戦略は,比較的単純なインフラストラクチャで自動化できます.必要な安定性のレベルに応じて,必要な取引リストを生成するために cron 作業を設定し,手動で実行できます.
• 容量- また,流動性の高い市場では,簡単なツールを使用しているため,容量制限の問題が発生する可能性は低い.

しかし,もっとシンプルな戦略を使うには,いくつかの欠点があります.

• Alphaテクニカルアナリストの指数策は金融市場において非常に知られており,一般的である.最も単純な策が,基本的買入と保有,あるいは動力に基づく戦略的資産配置よりも価値あるかどうかは明らかではない.つまり,策自体はαを生じない可能性があり,市場自体または他のよく知られている学術的リスク要因からβを採取する.
• 収益性について- この方法が普遍的であるため,実際の取引コストを考慮すると,サンプル外で継続的な利益を得ることは困難である.だからこそ,あらゆる反省で取引コストをできるだけ効果的に推定する必要がある.
• 統計テスト- 単純な取引戦略の問題ではないが,通常,単純な戦略に対する健全な統計的分析はほとんどないか全くない.したがって,このような戦略の多くが反省で高いパフォーマンスを示すのは,単にサンプル内のデータに対する過度な適合によるものかもしれない.
• 選択の自由- 手動で実行される単純な戦略は,このプロセスに自由裁量要素を適用することにつながる可能性があります.例えば,が忙しいの開場時間のために取引の入りを遅らせたり,の直感を使用して取引を反転させたりする.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ります.
• ポートフォリオ構築- シンプルな戦略は,通常,いかなる健全なポートフォリオ構築やリスク管理技術も使用することを避けます. ストップ・ロスト・キーはしばしば採用されますが,リスク調整後のリターンを向上させる潜在的メカニズムとして,変動率目標,等価変動率重み付け (リスク平価キップとも呼ばれる) またはクロス・マーケット・多様化はほとんど使用されていません.
• 知識の報酬- 単純な戦略は,通常,複雑な数学や高度な分析を使用しません. 投資家の目標は知的リターンである場合,単純な戦略は,この目標を達成する可能性が低いです.

単純な取引戦略は実行し,テストし,取引しやすくなりますが,その単純さは統計学的安定性や長期の収益性を犠牲にすることになります.

高級取引戦略

高レベル戦略は,統計的仮説テスト,幅広い資産クラスの知識,厳格なポートフォリオ構築方法,流動性の低いもの,新興市場,大手商品,および衍生品などの利基資産のカテゴリまたはツールの戦略を含む.

これらの策略は通常,機関による量化ヘッジファンドの領域ですが,データの利用可能性とより良い模擬ツールの普及により,これらの策略は,現在,小売量化取引においてより一般的になっています.

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,市場全体と他の取引戦略で構成される既存のポートフォリオの設計上の関連性が低い傾向があります. これは,ポートフォリオ全体に高いシャープ比率をもたらす傾向があります.
• 収益性について- 高級領域の知識により,取引コストを合理的に推定できます。これは,通常,戦略がサンプル外で収益性があるかどうかをより簡単に判断できるということを意味します。したがって,多くの非収益性のあるフィットバックアイディアをリアルタイムテスト期前に拒否することができます。
• 統計テスト- 厳格な取引戦略の統計分析は,より高度な方法に伴う.つまり,統計分析は,より高度な方法に伴う.つまり,導入された戦略は,サンプル内で過剰に適合するかもしれない単純な戦略と比較して,サンプル外でのパフォーマンスの低下率は小さい.
• Alpha- 策略の知識が市場全体で伝播する速度が低下するので,この種のアルファは衰退する傾向があります.
• ポートフォリオ構築- ポートフォリオ構築とリスク管理は,より高度な方法と連携しています. これは,投資家の目標と戦略のパフォーマンスを一致させるのに役立ちます.
• 知識の報酬高級戦略は,より複雑な分析,より成熟した数学の知識,およびより広範なソフトウェア開発を必要とします. 一部のアマチュア投資家の場合,これは富の創造ではなく,目標のようなものです.

簡単な戦略と同様に,高度な戦略にはいくつかの欠点があります.

• 数学の複雑さ- より高度なシステム取引方法の処理には,通常,統計分析,時間序列分析,ランダム微積分,または機械学習の背景が必要である.これらの知識は,もちろん,自習可能ですが,学士号,MFE,および/または博士号によって関連する知識を得ることははるかに簡単です.
• 専門知識- 複数の大学院の学歴を持つ場合でも,任意の高度なシステム取引技術からアルファを継続的に生成するために,有利な基資産クラスまたはツールタイプの合理的な領域の知識が必要です.
• データ- 一般的に,データコストは,サンプル頻度,範囲幅,歴史長さ,データ品質,資産カテゴリー/ツールの特異性によって変化します. 高級戦略は,利基市場に依存してアルファを生成します. 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. これらのコストを考慮して戦略を収益化する必要があります.
• 研究- 策略がより複雑なツールを取引する場合は,専用の反省環境が必要である.通常,これは完全にカスタム化されたコードを最初から開発することを意味する.これは膨大な時間の投資である.また,エラーを導入しないために広範なソフトウェアエンジニアリングスキルも必要である.
• インフラ- 高級戦略を研究するための強力な反射フレームワークが構築されている場合でも,取引を行うために複雑なインフラストラクチャが必要になります. 完全に自動化する必要があります. 複雑な展開,テスト,監視が必要です.
• 容量- いくつかの高度な戦略的手法が効果的でないのは,それらの能力が制限されているからです.大型ファンドは,時間の投資が,彼らが生み出すことができる絶対的なリターンに値しないので,これらの戦略を取引することはできません.これは,高度な手法に適用できる資本額の上限があることを意味します.

先進的な取引戦略により,より多くのアルファの機会と潜在的に高い利益が得られるが,それにはより複雑な数学の知識,必要な専門知識,より複雑な自動取引インフラストラクチャが必要である.

要約する

全体として,単純な取引戦略は市場へより早く進出できるのは明らかである.それらは専門知識がはるかに少なく,シグナルが自動的に生成されても,手動で実行できる.しかし,高度な方法と比較して,それらは過度に適合し,利潤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,知的報酬を提供します.しかし,これは,データコストの上昇,研究開発と取引インフラストラクチャの開発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という代償で実現されています.

商品の価格の上昇は,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と,商品の価格の上昇と関係しています.