この記事では,私が自己が収益性の高いアルゴリズム取引戦略を特定する方法についてご紹介したいと思います. 今日の目標は,そのようなシステムをどのように見つけ,評価し,選択するかについて詳細に理解することです. 戦略を特定することは,戦略のパフォーマンスと同様に個人的な好み,テストのための歴史的データの種類と量を決定する方法,取引戦略を無関心に評価する方法,そして最終的にバックテスト段階と戦略の実施に向けてどのように進めるかについて説明します.
成功するトレーダーになるためには - 裁量的に,またはアルゴリズム的に - 自分自身に正直な質問をする必要があります. 取引は,あなたが選択した戦略を理解するために必要な限り,不安な速度でお金を失う能力を提供します.
トレーディングにおける最も重要な考慮事項は,自分の個性を意識することだと私は言うでしょう. トレーディング,特にアルゴリズムの取引は,かなりの程度の規律,忍耐力,感情的分離を必要とします. あなたがアルゴリズムにあなたの取引を任せるので,実行される時に戦略に干渉しないように決意する必要があります. これは特に長期的引き下げの期間では非常に困難です. しかし,バックテストで非常に利益があることが証明された多くの戦略は,単純な干渉によって破壊されることがあります. アルゴリズムの取引の世界に入りたい場合は,感情的にテストされ,成功するためには,これらの困難を乗り越えることが必要であることを理解してください!
次の考慮事項は時間です.フルタイムの仕事ですか?パートタイムの仕事ですか?自宅で働いていますか,または毎日長時間通勤していますか?これらの質問は,あなたが探すべき戦略の頻度を決定するのに役立ちます.フルタイムの雇用の方にとって,日中先物戦略は適切ではないかもしれません (少なくとも完全に自動化されるまで!).あなたの時間制約は,戦略の方法論も決定します.あなたの戦略が頻繁に取引され,高価なニュースフィード (ブルームバーグターミナルなど) に依存している場合,あなたは明らかにオフィスでこれを成功裏に実行する能力について現実的である必要があります.多くの時間,またはあなたの戦略を自動化するスキルを備えた方には,より技術的な高周波取引 (HFT) 戦略を見たいかもしれません.
私の信念は,一貫して利益をもたらすポートフォリオを維持するために,あなたの取引戦略に継続的な調査を行うことが必要である. レーダーの下には永遠に留まる戦略は少ない. したがって,取引に割り当てられる時間のかなりの部分は,継続的な研究を行うことにあります. 強い収益性や損失へのゆっくりな減少の違いになるので,あなたが準備ができているかどうかを自問してください.
また,取引資本も考慮する必要があります. 定量戦略のための一般的に受け入れられる理想的な最低額は50,000 USD (イギリスでは約35,000 £). もし私が再び始めていたら,より大きな金額から始めます. おそらく100,000 USD (約70,000 £) に近いでしょう. これは,中高頻度戦略には取引コストが非常に高価であり,引き下げの時にそれらを吸収するのに十分な資本が必要だからです. 10,000 USD未満から始めることを検討している場合は,取引コストが迅速に収益を食うため,低頻度戦略に自己を制限する必要があります. 最低 API により,プログラミングスキルを持つ人々にとって最も友好的なブローカーの1つであるInteractive Brokersは,10,000 USDの小売口座を持っています.
プログラミングスキルは,自動化されたアルゴリズム取引戦略を作成する重要な要素である.C++,Java,C#,PythonまたはRなどのプログラミング言語の知識を持つことは,エンドツーエンドのデータストレージ,バックテストエンジンおよび実行システムを自分で作成できるようにします.これは多くの利点を持ち,その主なものは,取引インフラストラクチャのあらゆる側面を完全に認識する能力です.また,技術スタックを完全にコントロールできるため,より高い周波数戦略を探索することができます.これは,独自のソフトウェアをテストし,バグをなくすことができることを意味しますが,それは少なくともあなたの取引キャリアの初期段階では,インフラストラクチャをコーディングし,戦略を実行するのに費やした時間が少なくなります.あなたはExcelまたはMATLABで取引し,他のコンポーネントの開発をアウトソーシングすることができます.しかし,私は特に高い周波数で取引する人々のためにこれをお勧めしません.
アルゴリズムの取引によって何を達成したいのか自問する必要があります.あなたは定期的な収入に興味があり,それによってあなたの取引口座から利益を得ることを希望していますか? それとも,長期的資本利益に興味があり,資金を引き出す必要なしに取引することができますか?収入依存は,あなたの戦略の頻度を決定します. より定期的な収入の引き出しは,変動が少ない (すなわち,シャープ比率が高い) より高い頻度取引戦略を必要とします. 長期的なトレーダーは,より静かな取引頻度が可能です.
アルゴ取引は,お金持ちになるためのスライドではなく,貧乏になるためのスライドです. アルゴリズム取引で成功するには,かなりの規律,研究,勤勉性,忍耐が必要です.一貫した収益性を生み出すには数ヶ月,数年もかかることがあります.
一般的な認識に反して,実際は,公共の領域で収益性の高い取引戦略を見つけることは非常に簡単です. 取引アイデアは,今日よりも簡単に利用可能ではありません. 学術金融ジャーナル,プリプリントサーバー,取引ブログ,取引フォーラム,週刊取引雑誌,専門テキストは,あなたのアイデアをベースにする何千もの取引戦略を提供します.
定量的な取引研究者として私たちの目標は,継続的な取引アイデアの流れを提供してくれる戦略パイプラインを確立することです.理想的には,私たちが出会う戦略の調達,評価,実施に方法的なアプローチを作りたいと考えています.パイプラインの目的は,一貫した量の新しいアイデアを生成し,最小限の感情的考慮でこれらのアイデアの大部分を拒否するための枠組みを提供することです.
認知バイアスが意思決定方法論に影響を与えないように非常に注意する必要があります.これは,よりエキゾチックであると認識されるため,他の資産クラス (金やその他の貴金属が頭に浮かびます) に対する偏好を持つように簡単です.私たちの目標は常にポジティブな期待を持って一貫して収益性の高い戦略を見つけることです.資産クラスの選択は,取引資本の制約,ブローカリング手数料,レバレッジ能力などの他の考察に基づきます.
取引戦略の概念に全く慣れていない場合,最初に調べるのは既知の教科書です.古典的なテキストは,定量取引に慣れるために,よりシンプルで直接的なアイデアの幅広い範囲を提供しています. 以下は,定量取引に新しい人にとってお勧めする選択です. リストを作業するにつれて徐々により洗練される:
量的な取引に関する書籍の長いリストは,QuantStartの読書リストを参照してください.
より洗練された戦略を見つけるための次の場所は,取引フォーラムや取引ブログです.しかし,注意点:多くの取引ブログは,技術分析の概念に依存しています.技術分析は,資産価格の傾向または逆転パターンを決定するために基本的な指標と行動心理学を使用します.
テクニカル・アナリティクスは,全体的な取引領域で非常に人気があるにもかかわらず,定量金融コミュニティではかなり非効率とみなされています.その予測力の観点から,生肖表を読むか,茶葉を研究するよりも良くないと示唆している人もいます!実際には,テクニカル・アナリティクスを利用する成功した個人がいます.しかし,より洗練された数学的および統計的なツールボックスを持つ量子として,私たちは簡単にそのような
アルゴリズムの取引のブログやフォーラムのリストは以下の通りです
シンプルな戦略を評価する経験があるならば,より洗練された学術的な提供を検討する時間です.一部の学術雑誌は,高い購読料や一度の費用なしでアクセスするのが困難です.あなたが大学のメンバーまたは卒業生であれば,これらの金融ジャーナルの一部にアクセスすることができます.そうでなければ,ピアレビューを受けている学術論文の最新の草案のインターネットリポジトリであるプリプリントサーバーを見ることができます.私たちは,成功して複製,バックテスト,収益性を得ることができる戦略にのみ興味があるので,ピアレビューは私たちにとって重要ではありません.
学術戦略の主な欠点は,それらはしばしば時代遅れ,曖昧で高価な歴史的データを必要とし,不流動な資産クラスで取引したり,手数料,スリップやスプレッドを考慮しない可能性があります.また,取引戦略が市場オーダー,リミットオーダー,またはストップロスを含んでいるかどうかなどで実行されるかどうかは不明です.したがって,戦略をできるだけ自分で複製し,バックテストし,取引したい資産クラスの多くの側面を含む現実的な取引コストを追加することが絶対に重要です.
以下は,より人気のあるプリントサーバーや金融雑誌のリストです.
自分の定量戦略を策定する場合はどうでしょうか? 一般的には,以下のカテゴリのうちの1つまたはそれ以上の分野における専門知識が必要です (ただし,これだけでは限られていません):
もちろん,他の多くの分野も調査できます.カスタム戦略をどのように作るかについては,次の記事で詳細に説明します.
これらのソースを毎週,あるいは毎日,監視し続けることで,あなたは様々なソースから一貫した戦略のリストを受け取る準備をしている.次のステップは,収益性が低い戦略に時間を無駄にしたり,バックテストリソースを最小限に抑えるために,これらの戦略の大きなサブセットを拒絶する方法を決定することです.
まず,最も明白な考慮事項は,あなたが実際に戦略を理解しているかどうかです.あなたは戦略を簡潔に説明できるだろうか,それとも警告や終わりのないパラメータリストの連鎖を必要としますか? さらに,戦略は現実に良好で堅牢な基盤を持っていますか?例えば,あなたが利用しようとしているパターンを引き起こすかもしれない行動の合理性や基金構造の制約を指摘できますか?この制約は劇的な規制環境の混乱などの体制変化に耐えられるだろうか?戦略は複雑な統計や数学規則に依存していますか?それはどんな金融時間系列にも適用されるのか,または収益性があると主張されている資産クラスに特異的であるのか?新しい取引方法を評価する際に,常にこれらの要因について考えるべきです.そうでなければ,収益性の低い戦略をテストし,最適化するためにかなりの時間を無駄にすることがあります.
戦略の基本原理を理解すると決めたら,上記の人格プロファイルに適合しているか否かを判断する必要があります.これは聞こえるほど曖昧な考慮ではありません!戦略はパフォーマンス特性に大きく異なります.より大きな引き下げ期を処理できる,またはより大きな利益のためにより大きなリスクを受け入れる意欲のある特定の人格タイプがあります.私たちは,量子として,できるだけ多くの認知バイアスを排除し,戦略を無情に評価することが可能であるべきという事実にもかかわらず,バイアスは常に潜入します.したがって,戦略のパフォーマンスを評価するための一貫した,非感情的な手段が必要です.以下は,潜在的な新しい戦略を判断する基準のリストです:
戦略の実際のリターンを議論していないことに注意してください.なぜですか? 孤立して,リターンは実際に戦略の有効性に関する限られた情報を提供します.彼らはレバレッジ,変動,ベンチマークまたは資本要件についての洞察を与えません.したがって,戦略は,リターンだけで判断されることがまれです.リターンを見る前に,常に戦略のリスク属性を考慮してください.
この段階では,あなたのパイプラインから見つかった戦略の多くは,あなたの資本要件,レバレッジの制約,最大引き下げの許容度,または変動の好みを満たさないので,すぐに拒否されます.残っている戦略は,現在バックテストのために検討することができます.しかし,これが可能になる前に,これらの戦略をテストするための利用可能な歴史的データである最後の拒否基準を考慮する必要があります.
現在,歴史的データ保存のための資産クラスの技術要件の幅は相当である.競争力を維持するために,バイサイド (ファンド) とセールサイド (投資銀行) は両方の技術インフラに大きく投資する.その重要性を考慮することが不可欠である.特に,我々はタイムリー性,正確性,およびストレージ要件に興味がある.私は今,歴史的なデータを取得し,それを保存する方法の基礎を概要する.残念ながらこれは非常に深く技術的なテーマであるため,この記事ではすべて述べることはできません.しかし,私は金融業界における私の以前の業界経験が主に金融データの取得,ストレージ,アクセスに関わっていたため,将来このことについて多く書きます.
前回のセクションでは,特定の戦略を自分の個人的な拒否基準に基づいて拒否することを可能にする戦略パイプラインを設定しました.このセクションでは,歴史的なデータを取得するための自分の好みに基づいてより多くの戦略をフィルターします.主な考慮事項 (特に小売業者のレベルでは) はデータのコスト,保存要件および技術的な専門知識のレベルです.また,利用可能なさまざまなタイプのデータと,各種類のデータが私たちに課す異なる考慮事項について議論する必要があります.
まず,利用可能なデータの種類と,考えなければならない重要な問題について議論しましょう.
戦略がパイプラインを通じて特定されると,特定の一連の歴史的データの可用性,コスト,複雑性および実施詳細を評価する必要があります.これは大きな分野であり,博士課程のチームは価格設定が正確でタイムリーであることを確認するために大きな資金を投入しています.バックテスト目的のために強力なデータセンターを作成する困難を過小評価しないでください.
しかし,多くのバックテストプラットフォームは,コストで自動的にこのデータを提供することがあります. これにより,実装の痛みをほとんど取り除き,戦略の実装と最適化に集中することができます.トレードステーションのようなツールは,この機能を備えています.しかし,私の個人的な見解は,できるだけ内部で実装し,ソフトウェアベンダーにスタックの一部をアウトソーシングしないことです.私はより魅力的なシャープ比率のために高い周波数戦略を好みますが,高度な最適化が重要な技術スタックと密接に結合しています.
歴史的データに関する問題を議論した後,バックテストエンジンで戦略を導入する時間です.これは同様に大きな議論の分野であるため,他の記事のテーマになります!