Лучше ли использовать более продвинутые методы при разработке стратегии количественной торговли, или лучше придерживаться простой идеи?

Старинная проблема в квантовом сообществе заключается в том, должны ли системные трейдеры придерживаться простой стратегии квантовой торговли, или же они должны стремиться к более продвинутым методам.

Обычно считается, что розничные алгоритмические трейдеры используют только более простые стратегии, в то время как квантовые хедж-фонды используют очень сложные и математически сложные методы. Однако, в последнее время ситуация изменилась.

Розничные алгоритмические трейдеры теперь могут проводить сложные анализы с помощью относительно дешевых облачных вычислений, альтернативных поставщиков данных, предоставляющих доступные и доступные набор данных, и открытых исследовательских платформ.

В этой статье мы рассмотрим, стоит ли розничным аналитикам посвящать время в реализацию этих продвинутых стратегий или придерживаться более простых идей.

Предпочтения инвесторов

Перед тем как перечислить ряд преимуществ и недостатков простой и сложной стратегии, необходимо обобщить, как мы будем оценивать относительные преимущества и недостатки каждого метода.

Одна из ключевых проблем заключается в том, что у каждого инвестора есть свои конкретные предпочтения, поэтому у них есть набор целей для целей, которые они пытаются достичь с помощью системной торговли.

Например, у инвестора может быть огромная капитальная база, но ему может потребоваться регулярно извлекать любые доходы от торгов, полученные от этих капиталов. Для такого инвестора важно, чтобы гарантийная коробка была максимально уменьшена, чтобы минимизировать потери.

Другой инвестор, возможно, имеет относительно небольшую капитальную базу и заинтересован только в увеличении общего состояния. Если бы он мог получить большую отдачу, волатильность общей кривой чистой прибыли и убытков могла бы быть менее тревожной.

Некоторые квантовые трейдеры уделяют больше внимания интеллектуальной стимуляции, связанной с разработкой эффективных системных торговых стратегий. Они могут фактически рассматривать получение положительной прибыли как неплохой побочный эффект, который они любят.

Очевидно, что у инвесторов есть множество различных предпочтений. Эти аспекты помогают создать рамки для обсуждения стратегий торговли простыми и сложными системами для розничных количественных аналитиков, которые могут решать, следует ли использовать более продвинутый подход.

Простые стратегии легче исследовать и развернуть на рынке. Они требуют менее сложных данных и инфраструктуры. Даже если сигналы сами по себе генерируются автоматически, некоторые из них даже могут быть выполнены вручную.

С другой стороны, высокотехнологичные стратегии имеют более высокую интеллектуальную отдачу, и они часто имеют более благоприятные коэффициенты Шарпа. То есть, они обеспечивают лучшую ожидаемую отдачу за единицу волатильности. Коэффициенты Шарпа будут важным показателем для рассмотрения для инвесторов, заинтересованных в том, как максимально снизить потери и волатильность.

В этой статье мы подробно рассмотрим вопрос о том, лучше ли быть простым, чем сложным. Мы будем помнить о вышеупомянутых мотивах, а также о других преимуществах и недостатках.

Простые торговые стратегии

Считается ли торговая стратегия простой, в значительной степени зависит от образовательных знаний и технических навыков инвестора. Определение простой может быть совершенно другим для людей с доктором случайной хипотеки по сравнению с самообразованными розничными количественными аналитиками.

Для данного текста, если торговая стратегия применяется в развитых рынках, в крупных известных классах активов, с использованием простых инструментов с фундаментальной математической или статистической сложностью, мы будем определять ее как простую.

Примеры таких стратегий включают в себя технический анализ и индикаторные сигналы, без четкой структуры портфеля или компонентов управления рисками, применимые к высоколиквидным рынкам, таким как акции, ETF или иностранные валюты.

Преимущества более простой стратегии включают в себя:

• данные- Все системные торговые стратегии нуждаются в данных. Простые стратегии обычно используют готовые данные о ценах / объемах сделок с хорошими инструментами для торговли в зрелых классах активов. Такие данные можно получить очень дешево или даже бесплатно.
• ИсследованияСуществует большое количество ретроспективных сред для тестирования стратегий в стиле криптовалюты, от коммерческих продуктов (например, TradeStation или MetaTrader 5) до открытых источников (например, QSTrader, Backtrader и Zipline) и даже Pandas. Более простые стратегии обычно легко реализуются в одной из этих структур.
• Стоимость сделки- Из-за использования простых инструментов в развитых, высоколиквидных рынках, оценить стоимость сделки относительно легко. Это, в свою очередь, упрощает определение стратегии, возможно ли получить прибыль за пределами выборки.
• Инфраструктура- Стратегии типа технического анализа, выполняемые с низкой частотой, могут быть автоматизированы с помощью относительно простой инфраструктуры. В зависимости от требуемого уровня устойчивости, можно настроить работу cron для создания списка необходимых сделок, а также выполнять их вручную.
• Вместимость- Одновременно, в связи с использованием простых инструментов в условиях высокой ликвидности рынка, вряд ли возникнут проблемы с ограничением емкости.

Но есть и недостатки, когда используются более простые стратегии:

• Alpha- Стратегии технического анализа на фоне индикатора на фоне криптовалюты очень хорошо известны и распространены на финансовых рынках. Пока не ясно, является ли самая простая стратегия более ценной, чем основные покупки и владение или динамика, основанная на тактическом размещении активов. То есть, сама стратегия может не производить альфа-криптовалюту, а получать бета-криптовалюту из рынка или других известных академических факторов риска.
• Прибыльность- Из-за универсальности такого метода может быть сложно добиться устойчивой прибыли за пределами выборки, учитывая реальные затраты на сделку. Вот почему при любом отсчете необходимо как можно более эффективно оценивать затраты на сделку.
• Статистические тесты- Хотя это не проблема простых торговых стратегий, обычно мало или вообще нет надежного статистического анализа простых стратегий. Таким образом, многие из таких стратегий, которые показывают высокую производительность в обратном отзыве, могут быть вызваны просто чрезмерной адаптацией к данным в выборке.
• Свободная воля- Простая стратегия, выполняемая вручную, может привести к тому, что элементы произвола будут применяться к процессу. Например, задержка входа в сделку из-за напряженного времени открытия или использование интуитивной палочки, чтобы опровергнуть сделку. Это делает определение реальной эффективности стратегии сложным.
• Строительство портфеля- Простые стратегии обычно избегают использования каких-либо солидных методов построения портфеля или управления рисками. Хотя часто используются стоп-лосс, редко кто использует волатильность целевых, эквивалентных волатильностей (также известных как волатильность риска) или разнообразие между рынками в качестве потенциальных механизмов повышения доходности после корректировки риска.
• Интеллектуальные награды- Простые стратегии обычно не используют какой-либо сложной математики или высокотехнологичного анализа. Если целью инвестора является умственная отдача, то простой стратегии вряд ли достичь этой цели.

Как видно, хотя более простые торговые стратегии легче внедрять, тестировать и торговать, эта простота может быть за счет статистической устойчивости и долгосрочной прибыльности.

Высококлассные торговые стратегии

Высокоуровневые стратегии включают в себя стратегии, основанные на проверке статистических гипотез, знание обширных областей классов активов, строгие методы построения портфелей и стратегии по менее ликвидным, нишевым категориям активов или инструментам, таким как развивающиеся рынки, товары массового потребления и производные.

Эти стратегии обычно являются областью институциональных количественных хедж-фондов, но теперь они становятся все более распространенными в розничных количественных сделках благодаря доступности данных и распространению лучших инструментов моделирования.

Преимущества сложной стратегии включают:

• Актуальность- по дизайну, высококлассные стратегии имеют меньшую конструктивную релевантность к рынку в целом и к любому существующему портфелю, состоящему из других торговых стратегий. Это часто приводит к более высокому соотношению Шарп в общем портфеле.
• Прибыльность- С помощью знаний в более высоких областях можно обоснованно оценить стоимость сделки. Это означает, что обычно легче определить, может ли стратегия быть прибыльной за пределами образца. Таким образом, можно отклонить многие невыгодные идеи обратной проверки до периода тестирования в реальном времени.
• Статистические тесты- строгий статистический анализ торговой стратегии обычно сопровождается более высокотехнологичными методами. Это означает, что статистический анализ обычно сопровождается более продвинутыми методами. Это означает, что развернутая стратегия имеет меньшую падению эффективности за пределами выборки по сравнению с простой стратегией, которая может быть перенастроена внутри выборки.
• Alpha- В таких стратегиях больше потенциала для использования Alpha, поскольку используются инструменты-ниши в неразвитых рынках. Такой Alpha, как правило, отмирает медленнее, поскольку знания о стратегии распространяются медленнее по всему рынку.
• Строительство портфеля- построение портфеля и управление рисками в сочетании с более продвинутыми методами. Это помогает согласовать цели инвестора с стратегической эффективностью.
• Интеллектуальные награды- Высокоуровневые стратегии требуют более сложного анализа, более глубокого знания математики 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 методами системной торговли.

В отличие от простых стратегий, высокотехнологичные стратегии имеют некоторые недостатки:

• Математическая сложность- Некоторые из более сложных системных методов торговли, как правило, требуют знаний в области статистического анализа, анализа временных рядов, случайного матрицирования или машинного обучения. Хотя эти знания, конечно, можно изучать самостоятельно, получить соответствующие знания через степень бакалавра, MFE и / или докторскую степень намного проще.
• Специализированные знания- Даже при наличии нескольких степеней в аспирантуре, необходимо обладать обоснованными знаниями в области благоприятных базовых классов активов или типов инструментов, чтобы постоянно производить альфа из любой передовой технологии системного трейдинга. Эти знания, как правило, приобретаются за счет многолетнего опыта работы на конкретных прилавках в банке или фонде.
• данные- В целом, стоимость данных варьируется в зависимости от частоты выборки, ширины диапазона, длины истории, качества данных и специфики класса / инструмента активов. Высокотехнологичные стратегии зависят от нишевого рынка для получения альфа. Таким образом, данные могут быть очень дорогими. Эти затраты должны быть учтены, чтобы стратегия могла приносить прибыль.
• Исследования- Если стратегия используется для торговли более сложными инструментами, то требуется специальная среда обратной связи. Обычно это означает разработку полностью настраиваемого кода с нуля.
• Инфраструктура- Даже если создана мощная система обратной связи для изучения высокотехнологичных стратегий, для проведения транзакций требуется сложная инфраструктура. Она может потребовать полной автоматизации. Требуется сложное развертывание, тестирование и мониторинг.
• Вместимость- Некоторые методы продвинутой стратегии эффективны только потому, что они ограничены в объеме. Крупные фонды не могут торговать этими стратегиями, потому что инвестиции времени не стоят абсолютной отдачи, которую они могут дать. Это означает, что существует предел суммы капитала, которая может быть использована для продвинутой стратегии.

Можно увидеть, что, хотя продвинутые торговые стратегии предоставляют больше альфа-возможностей и потенциально высокую прибыль, это требует более сложных математических знаний, необходимых экспертных знаний и более сложной инфраструктуры автоматизированных торгов.

Подвести итог

В целом, очевидно, что простые торговые стратегии могут быть выведены на рынок гораздо быстрее. Они требуют гораздо меньше специализированных знаний и могут быть выполнены вручную, даже если сигналы генерируются автоматически. Однако, по сравнению с более продвинутыми методами, они более склонны к перенастройке и низкой прибыли.

Сложные стратегии обеспечивают неравномерную альфа-оценку, разумную прибыльность и интеллектуальную отдачу. Однако это происходит за счет более высоких затрат на данные, большего времени, затрачиваемого на разработку исследовательской и торговой инфраструктуры, а также за счет более глубокого образования.

Ссылка на оригинальный текст: https://www.quantstart.com/articles/simple-versus-advanced-systematic-trading-strategies-which-is-better/