Nós Empower Traders!
Ajudamos os negociadores com estratégias e ferramentas de negociação bem-sucedidas para que possam aproveitar a vida como bem entenderem, incluindo nós!
Criamos incríveis ferramentas de negociação e educação e não nos contentaremos com menos do que extraordinário. Desenvolvemos cada nova ferramenta / software / treinamento como resultado direto de ouvir nossos clientes e cuidar de suas dificuldades, necessidades e desejos.
Nós andamos nossa conversa. Nós fazemos o que dizemos "vamos fazer". Cada meta diária, semanal, mensal, trimestral e anual está vinculada ao nosso objetivo de ajudar os comerciantes a ter sucesso.
Nós eliminamos processos desnecessários. Nós só fazemos o que move a agulha. Nós fazemos coisas fáceis de usar.
Nós buscamos a verdade com abandono imprudente. Seguiremos onde a verdade nos levar, à medida que procuramos inovar e melhorar constantemente. Valorizamos o pensamento independente e fazemos tudo o que podemos para encontrar a melhor maneira de fazer as coisas.
Podemos lutar, e as coisas podem não correr como planejado, mas nos unimos, como uma equipe, para conseguir grandes realizações para nossos clientes. Buscamos todos os desafios com uma atitude de poder fazer. Nós andamos nossa conversa. Nós fazemos o que dizemos "vamos fazer". Cada meta diária, semanal, mensal, trimestral e anual está vinculada ao nosso objetivo de ajudar os comerciantes a ter sucesso.
Nós nos concentramos em conquistas e não em crédito. Nós ganhamos (e perdemos) como um time. Nós não estamos com medo de compartilhar nosso sucesso ou assumir a culpa. Nós damos crédito se for devido, assumimos nossos erros e trabalhamos para encontrar soluções para os problemas que descobrimos.
Descubra como milhares de traders estão prosperando usando nosso Hedge Fund e Trading Technology.
Drew Day
Presidente e co-fundador.
Olá, e bem-vindo à Base Camp Trading! Eu sou Drew e eu sou o cara que começou esta incrível companhia. Sou casado e tenho duas lindas filhas. No passado, tive experiências incríveis como começar a trabalhar para um fundo de hedge aos 21 anos e ajudar a vender uma empresa privada por quase US $ 30 milhões com apenas 27 anos de idade. Eu sou meio nerd quando se trata de história, e sempre me fascinou porque nos dá muito contexto para tomar decisões melhores. Em todos os trabalhos que tive, sempre me concentrei em liderança e oportunidades de ensino - e essa empresa nasceu do meu amor por ensinar e ajudar as pessoas a dominar tópicos complexos. Tendo trabalhado com fundos de private equity e hedge funds por mais de 15 anos, tive o privilégio de aconselhar fundos que levantaram e administraram mais de US $ 7,5 bilhões em ativos. Quando não estou trabalhando nesse negócio, passo tempo com minha família ou gosto de estar ao ar livre pedalando, remando, correndo ou lendo outro livro. Eu tenho um diploma de bacharel em administração com ênfase em empreendedorismo.
Brian Strong.
Vice-Presidente e Chefe de Desenvolvimento.
Olá, sou Brian e sou o único ianque dessa equipe! Eu sou do norte de Nova York e tenho orgulho disso. Eu sou meio obcecado em descobrir como e por que as coisas funcionam. Eu tenho desmontado as coisas desde a infância, com o objetivo de entender os menores detalhes do que faz com que algo funcione da maneira como funciona. Essa obsessão inicial levou a tentar entender como o corpo humano e a mente funcionam (sem desmontá-los). Acredito que, se você entender como e por que algo funciona, poderá recriar facilmente um processo repetitivo capaz de resolver todos os tipos de problemas. Eu tenho um diploma de bacharel em ciência da computação e ciências biológicas. Eu tenho uma carreira diversificada em engenharia de software com projetos que vão desde jogos para celular até software de fundos de hedge. Quando não estou codificando, gosto de estar ao ar livre e passar tempo com minha esposa e dois filhos extremamente ativos.
Thomas Wood.
Chefe de Operações de Negociação.
Ei, eu sou Thomas Wood e lidero as operações de trading por aqui. Eu venho de uma família de colarinho azul, meu pai era dono de uma empresa de construção e eu cresci trabalhando com ele construindo casas. Uma coisa que ele sempre me disse foi que “você não quer estar em um trabalho como este, você quer um emprego onde você pode usar seu cérebro e ainda fazer um bom dinheiro”. Ele é quem me apresentou ao mundo comercial, e desde que eu tinha uns 14 anos, fui fisgado. Eu vim trabalhar com a MicroQuant porque meu pai estava sempre procurando o “guru” para ensiná-lo a negociar e ele nunca foi capaz de aprender o suficiente para se tornar realmente lucrativo. Eu decidi que queria trabalhar em um lugar onde eu pudesse retirar o véu de Wall Street e mostrar às pessoas que a negociação realmente não é tão difícil, contanto que você tenha paciência, disciplina e gerenciamento de risco adequado. Ao longo da minha carreira, tive a oportunidade de ser sócio e administrador de um fundo de hedge e trabalhei com milhares de traders, desde fundos multibilionários a negociantes de varejo que negociavam algumas contas de mil dólares.
Quando não estou na minha mesa de negociação ou trabalhando com os comerciantes, normalmente posso ser encontrado saindo com minha esposa e meu cachorro Merlin, andando de bicicleta, ou malhando na academia. Eu tenho uma paixão por ajudar os outros a ter sucesso no comércio e na vida, tomando o complexo e tornando-o bastante simples para qualquer um entender. Estas são as principais razões pelas quais estou onde estou.
Dave Aquino.
Chefe de Vendas, Opções e Negociação de Ações.
Oi pessoal, eu sou o Dave! Eu sou o cara de opções e ações por aqui. Comecei minha carreira profissional logo depois de me formar em medicina na Universidade Vanderbilt com um diploma em Biologia Molecular. Desejando ajudar os outros com conhecimento especializado, frequentei a Faculdade de Medicina por um ano. Desanimado com o negócio de atendimento gerenciado, descobri que poderia usar meu desejo e habilidades para ajudar pessoas em outras áreas de sua saúde - como sua saúde financeira. Então, decidi entrar em planejamento financeiro & amp; investimentos e rapidamente se tornou um dos corretores mais jovens da Merrill Lynch, onde gerenciei carteiras de ações complexas com opções de ações. Continuei a avançar em minha carreira com o Vanguard Asset Management Group, supervisionando o gerenciamento diário de portfólio de participações de clientes de empresas familiares de patrimônio líquido ultra alto em ações e opções.
Ei, eu sou o Minh e eu sou o cara que te ajuda com qualquer dúvida que você tenha por aqui na Base Camp Trading. Eu tenho uma paixão por garantir que nossa família estudantil esteja preparada para o sucesso! Estudei programação na faculdade para ajudar as pessoas a entender os aspectos técnicos associados ao aprendizado de conceitos difíceis. Quando não estou trabalhando no Acampamento Base, eu gosto de fazer caminhadas, jogar golfe no disco e, acredite ou não, sou um DJ! Eu sou de LA afinal de contas!
Base Equity Financials.
Base Equity Financials.
Sistema básico de negociação de ações: A base de participações financeiras oferece um sistema de negociação único e simples - "sistema básico de negociação de ações". No mercado você tem que ser capaz de se controlar, você não pode deixar que as emoções entrem no caminho da sua mente. Capital para o comerciante é o que o ar é para os pulmões. Preservar o capital deve ser o seu primeiro objetivo. Ele conquista quem suporta, se você sobreviver & amp; permanecer ativo na negociação, os lucros estão prestes a vir. O sistema de negociação exclusivo pode ser usado para negócios intraday e posicionais. Ele foi feito tão simples que pode ser usado por qualquer pessoa que não tenha conhecimento dos mercados e até dos mais experientes traders. Ele / ela pode comprar & amp; sell index, stocks, currency & amp; commodities, as entradas e saídas são bem definidas, com um stoploss. Base definido sistema de negociação de ações v 2.0: Sistema de negociação de ações de base v 2.0 oferece a abordagem mais avançada para a negociação dos mercados financeiros. Este sistema oferece uma maneira única de identificar a tendência subjacente que, por sua vez, ajuda o comerciante a ser seletivo em seus negócios com a tendência. O sistema também permite que o trader maximize os retornos em um mercado de tendência. Lembre-se que o tempo é o fator mais importante. A paciência é uma virtude, especialmente nos mercados de ações e commodities. Você deve ter paciência para esperar pela oportunidade certa e não ficar ansioso para entrar em negociações de alto volume em cada sinal.
Seus produtos vistos recentemente.
Descrição do Produto.
Você está a um passo do melhor negócio.
Digite o OTP de 4 dígitos enviado para você via SMS.
Não recebeu OTP? Reenviar OTP.
Nós vamos ajudá-lo a obter o acordo certo.
Precisamos do seu nome para prosseguir.
Ao conectar você a vendedores relevantes, você pode visualizar e gerenciar seus requisitos.
3 rentável Ichimoku Trading Strategies.
Neste artigo, mostro três estratégias usando o sistema de negociação Ichimoku. Na verdade, porque o sistema é tão versátil, vejo três diferentes estratégias de negociação de Ichimoku. Mostro então os resultados de como essas estratégias de negociação atuam no par EUR / USD forex.
Eu realizei essas análises para descobrir como o sistema Ichimoku é bom em identificar tendências. As estratégias de negociação são simples e não exigem qualquer julgamento ou interpretação única.
Ichimoku Kinko Hyo.
Ichimoku é um sistema comercial que se originou no Japão. Desenvolvido pelo jornalista Goichi Hosoda, ele é projetado para ajudar os comerciantes a identificar e negociar com a tendência dominante. As linhas parecem bastante complicadas no gráfico, mas podemos usá-las facilmente como parte de uma estratégia de negociação automatizada.
Conversão e Linha de Base.
A linha vermelha é a Linha de Conversão (tenkan sen) e é a mais rápida a reagir. A linha azul é a Linha de Base (kijun sen). A linha de base é mais lenta, e nós a usamos para confirmação.
Ichimoku Cloud.
A coisa mais incomum sobre o Ichimoku é a nuvem. A nuvem é uma área de movimento lento no gráfico que ajuda a identificar a tendência e fornece suporte e resistência.
A nuvem é composta de duas linhas: Senkou A e Senkou B. Senkou A é a mais rápida e faz a borda interna da nuvem. Senkou B é mais lento e forma a borda externa.
Chikou Span.
O Chikou Span é a linha verde. É feito plotando o preço de fechamento 26 períodos atrás.
As estratégias de negociação Ichimoku.
Todas as três estratégias de negociação são longas ou curtas. Cada estratégia de negociação começa com o capital de US $ 100.000. As regras das estratégias são:
Estratégia 1: Negocie por muito tempo quando a Linha de Conversão cruzar acima da Linha de Base. Negoceie quando a linha de conversão cruzar abaixo da linha base. Estratégia 2: Negociação Longa quando o preço de fechamento ultrapassa a linha de base. Trade Short quando o preço de fechamento cruza abaixo da linha de base. Estratégia 3: Negociação Longa quando o preço de fechamento ultrapassa a linha Senkou Span B (linha de nuvem lenta). Trade Short quando o preço de fechamento cruza abaixo da linha Senkou Span B.
A análise nesta página foi realizada usando um Modelo Tradinformed Backtest. Estas são uma excelente maneira para os comerciantes testarem suas estratégias. Os modelos são criados no Excel e permitem que você teste diferentes mercados, tente diferentes indicadores e condições de entrada. Para ver os modelos mais recentes, confira a Loja Tradinformed.
O Ichimoku é um indicador fascinante. Se você quiser saber mais sobre isso, assim como muitos outros indicadores, confira a página sobre 21 Indicadores Técnicos.
Os dados utilizados para o backtest são o par EUR / USD forex no período de tempo diário. Testei os dados de maio de 1992 a dezembro de 2014.
Os resultados das três estratégias de negociação são:
A curva de capital das três estratégias combinadas é:
Conclusão.
Todas as três estratégias de negociação foram lucrativas ao longo do período de testes de 22 anos. Isso é muito encorajador porque mostra que, com o tempo, o Ichimoku pode ser útil em todos os tipos de mercado.
Olhando para a curva de capital acima, fica claro que a estratégia tem melhor desempenho quando a volatilidade é maior e a tendência é forte. O período entre 2006 e 2011 foi notável por grandes oscilações na avaliação cambial, uma vez que o dólar enfraqueceu e fortaleceu-se alternadamente durante a crise financeira. A estratégia funciona mal durante o período 2011 e # 8211; meados de 2014. Durante este período, a volatilidade diminuiu, à medida que os bancos centrais do mundo se tornaram os maiores players nos mercados cambiais.
Em geral, o Ichimoku é uma boa maneira de trocar as tendências. Os três sistemas diferentes mostraram rentabilidade muito encorajadora durante um período de teste prolongado.
Se você quiser mais informações sobre as estratégias, você pode assistir ao vídeo do YouTube que acompanha:
Outros artigos que você gostaria.
// Retrações de Fibonacci são uma das melhores maneiras de entender a ação do preço de mercado. Se você & hellip;
Como o nome sugere, o indicador técnico SuperTrend ajuda a identificar tendências de mercado. Este artigo & hellip;
Curso Ebook - Como testar uma estratégia de negociação com o Excel Você quer & hellip;
Tradinformed.
Tradinformed está empenhada em ajudar os comerciantes a desenvolver suas habilidades e ficar à frente da concorrência. Veja como você pode aprender a recuperar suas próprias estratégias e obter novas idéias comerciais.
3 rentável Ichimoku Trading Strategies Um sistema de negociação simples, rentável Heikin-Ashi Como calcular o indicador SuperTrend usando o Excel Home Como calcular um Trailing Stop-Loss Usando o Excel Como calcular o Williams% R Usando o Excel Como negociar gráficos de quebra de linha 3 lucrativamente Últimas postagens.
Negociação Algorítmica (1) Opções Binárias (2) Padrões Gráficos (1) Criptomoedas (1) Ebook (2) Dados Econômicos (1) Crescimento Econômico (2) Biblioteca de Traders Essenciais (4) Comércio de Excel (6) Planilhas Google (1) Como para o Backtest (2) Entrevistas com Traders (1) Aprender a Negociar (18) MT4 (5) Trade Ideas (2) Automação de Negociação (3) Críticas de Livros (1) Trading Books (1) Trading Information (10) 2) Estratégias de Negociação (25) Sem categoria (2)
Simulador de Monte Carlo e libra; 8,63 6 em 1 pacote & libra; 63,35 & libra; 50.67 Bitcoin Breakout Trading Strategy & pound; 15,30 10 em 1 pacote & libra; 120,59 e libra; 81,40.
21 Indicadores Técnicos & libra; 4.31 Modelo Long-Short Backtest usando Excel & Pound; 8.82 Modelo Avançado de Backtest & pound; 15,30 21 Indicadores Mais Técnicos & libra; 4.31.
VIX Volatility S & P 500 Entrada e libra; 15.30 4 em 1 Pacote e libra; 32,75 e libra; 27,84 Long-Short Backtest Model usando Excel & pound; 8.82.
Tradinformed está empenhada em ajudar os comerciantes a desenvolver suas habilidades e ficar à frente da concorrência. Veja como você pode aprender a recuperar suas próprias estratégias e obter novas idéias comerciais.
Bancos de Dados Securities Master para Negociação Algorítmica.
Bancos de Dados Securities Master para Negociação Algorítmica.
No comércio algorítmico, o centro das atenções geralmente brilha no componente de modelo alfa do sistema de negociação completo. Essa é a parte do sistema que gera os sinais de negociação, antes da filtragem por um sistema de gerenciamento de risco ou de construção de portfólio. Como tal, os comerciantes de algo geralmente gastam uma parte significativa de seu tempo de pesquisa refinando o modelo alfa para gerar o maior índice backpe de Sharpe antes de colocar seu sistema em produção.
No entanto, um modelo alfa é tão bom quanto os dados que estão sendo alimentados. Este conceito é bem resumido pelo velho ditado da ciência da computação de "lixo, lixo fora". É crucial que dados precisos e oportunos sejam usados para alimentar o modelo alfa. Caso contrário, os resultados serão, na melhor das hipóteses, ruins ou, na pior das hipóteses, completamente incorretos, levando a grandes perdas se o sistema for colocado em produção.
Neste artigo, quero discutir questões relacionadas à aquisição e fornecimento de dados precisos oportunos para um sistema de backtesting de estratégia algorítmica e, finalmente, um mecanismo de execução de negociação. Em particular, estudaremos como obter dados financeiros, como armazená-los, como limpá-los e como exportá-los. No setor financeiro, esse tipo de serviço de dados é conhecido como banco de dados mestre de títulos.
O que é um mestre de valores mobiliários?
Um mestre de títulos é um banco de dados de toda a organização que armazena dados fundamentais, de preços e transacionais para uma variedade de instrumentos financeiros em todas as classes de ativos. Ele fornece acesso a essas informações de maneira consistente para ser usado por outros departamentos, como gerenciamento de risco, compensação / liquidação e negociação proprietária.
Em grandes organizações, uma variedade de instrumentos e dados será armazenada. Aqui estão alguns dos instrumentos que podem ser de interesse para uma empresa:
Acções Equity Options Índices Taxas de Juros Cambiais Futuros Commodities Bonds - Derivativos do Governo e Societários - Caps, Floors, Swaps.
Bases de dados mestre de títulos geralmente têm equipes de desenvolvedores e especialistas em dados garantindo alta disponibilidade dentro de uma instituição financeira. Embora isso seja necessário em grandes empresas, no nível de varejo ou em um pequeno fundo, um mestre em títulos pode ser muito mais simples. Na verdade, embora os grandes mestres em títulos façam uso de bancos de dados corporativos caros e sistemas de análise, é possível usar software de código aberto de commodity para fornecer o mesmo nível de funcionalidade, assumindo um sistema bem otimizado.
Quais conjuntos de dados são usados?
Para o comerciante algorítmico de varejo ou para o pequeno fundo quantitativo, os conjuntos de dados mais comuns são o preço de fim de dia e histórico intradiário para ações, índices, futuros (principalmente commodities ou renda fixa) e câmbio (forex). Para simplificar esta discussão, nos concentraremos exclusivamente nos dados de fim de dia (EOD) para ações, ETFs e índices de ações. Artigos posteriores discutirão a adição de dados de frequência mais alta, classes de ativos adicionais e dados de derivativos, que possuem requisitos mais avançados.
É fácil obter dados de EOD para ações. Há vários serviços que fornecem acesso gratuitamente por meio de APIs disponíveis na Web:
É fácil fazer o download manual de dados históricos para títulos individuais, mas isso consome tempo se muitas ações precisarem ser baixadas diariamente. Assim, um componente importante do nosso título de títulos atualizará automaticamente o conjunto de dados.
Outra questão é o período de lookback. Até que ponto no passado precisamos ir com nossos dados? Isso será específico para os requisitos da sua estratégia de negociação, mas há certos problemas que abrangem todas as estratégias. O mais comum é a mudança de regime, que é frequentemente caracterizada por um novo ambiente regulatório, períodos de maior / menor volatilidade ou mercados de tendência de longo prazo. Por exemplo, uma estratégia de curto prazo direcional / de tendência a longo prazo provavelmente teria um bom desempenho de 2000 a 2003 ou 2007-2009. No entanto, teria sido difícil para 2003-2007 ou 2009 até o presente.
Minha regra geral é obter o máximo de dados possível, especialmente para dados de EOD, onde o armazenamento é barato. Só porque os dados existem no seu mestre de segurança, isso não significa que deva ser utilizado. Há ressalvas em torno do desempenho, pois tabelas de banco de dados maiores significam tempos de consulta mais longos (veja abaixo), mas os benefícios de ter mais pontos de amostra geralmente superam quaisquer problemas de desempenho.
Como em todos os dados financeiros, é imperativo estar ciente dos erros, como preços altos / baixos incorretos ou viés de sobrevivência, que discuti longamente com o QuantStart (veja aqui).
O que é usado para armazenar dados?
Existem três maneiras principais de armazenar dados financeiros. Todos eles possuem diferentes graus de acesso, desempenho e capacidades estruturais. Vamos considerar cada um por sua vez.
Armazenamento de Arquivo Simples.
O armazenamento de dados mais simples para dados financeiros e a maneira como você provavelmente receberá os dados de qualquer fornecedor de dados é o formato de arquivo simples. Os arquivos simples geralmente usam o formato CSV (Comma-Separated Variable), que armazena uma matriz bidimensional de dados como uma série de linhas, com dados de coluna separados por um delimitador (geralmente uma vírgula, mas podem ser espaços em branco, como como um espaço ou tabulação). Para dados de precificação EOD, cada linha representa um dia de negociação através do paradigma OHLC (ou seja, os preços no aberto, alto, baixo e próximo do período de negociação).
A vantagem dos arquivos simples é sua simplicidade e capacidade de serem fortemente compactados para arquivamento ou download. As principais desvantagens residem na falta de capacidade de consulta e no baixo desempenho para iteração em grandes conjuntos de dados. O SQLite e o Excel atenuam alguns desses problemas, fornecendo certos recursos de consulta.
Armazenamento de documentos / NoSQL.
As bases de dados de armazenamento de documentos / NoSQL, embora certamente não sejam um conceito novo, ganharam proeminência significativa nos últimos anos devido ao seu uso em empresas de "escala da web", como Google, Facebook e Twitter. Eles diferem substancialmente dos sistemas RDBMS, pois não há conceito de esquemas de tabelas. Em vez disso, há coleções e documentos, que são as analogias mais próximas das tabelas e registros, respectivamente. Existe uma ampla taxonomia de lojas de documentos, cuja discussão está bem fora deste artigo! No entanto, algumas das lojas mais populares incluem MongoDB, Cassandra e CouchDB.
As lojas de documentos, em aplicações financeiras, são mais adequadas a dados fundamentais ou metadados. Os dados fundamentais para ativos financeiros vêm em muitas formas, como ações corporativas, declarações de lucros, arquivamentos na SEC, etc. Assim, a natureza sem esquema dos bancos de dados NoSQL é bem adequada. No entanto, os bancos de dados NoSQL não são bem projetados para séries temporais, como dados de preços de alta resolução e, portanto, não os consideraremos mais neste artigo.
Sistemas de gerenciamento de banco de dados relacional.
Um sistema de gerenciamento de banco de dados relacional (RDBMS) faz uso do modelo relacional para armazenar dados. Esses bancos de dados são particularmente adequados aos dados financeiros porque diferentes "objetos" (como trocas, fontes de dados, preços) podem ser separados em tabelas com relacionamentos definidos entre eles.
O RDBMS faz uso da Linguagem de Consulta Estruturada (SQL) para realizar consultas de dados complexas em dados financeiros. Exemplos de RDBMS incluem Oracle, MySQL, SQLServer e PostgreSQL.
As principais vantagens do RDBMS são sua simplicidade de instalação, independência de plataforma, facilidade de consulta, facilidade de integração com os principais softwares de backtest e recursos de alto desempenho em larga escala (embora alguns argumentem que este último não é o caso!). Suas desvantagens costumam ser devidas à complexidade da customização e às dificuldades de alcançar o desempenho, sem o conhecimento subjacente de como os dados do RDBMS são armazenados. Além disso, eles possuem esquemas semi-rígidos e, portanto, os dados geralmente precisam ser modificados para se adequarem a esses projetos. Isso é diferente dos armazenamentos de dados NoSQL, em que não há esquema.
Para todos os artigos sobre implementação de precificação histórica futura no QuantStart, faremos uso do MySQL RDBMS. É livre, de código aberto, multiplataforma, altamente robusto e seu comportamento em escala é bem documentado, o que o torna uma escolha sensata para o trabalho quant.
Como os dados históricos são estruturados?
Existe um corpo significativo de teorias e pesquisas acadêmicas realizadas no campo da ciência da computação para o design ideal para armazenamentos de dados. No entanto, não vamos entrar em muitos detalhes, pois é fácil se perder em minúcias! Em vez disso, apresentarei um padrão comum para a construção de um mestre de segurança de ações, que você pode modificar conforme achar adequado para seus próprios aplicativos.
A primeira tarefa é definir nossas entidades, que são elementos dos dados financeiros que serão mapeados para as tabelas no banco de dados. Para um banco de dados mestre de ações, prevejo as seguintes entidades:
Trocas - Qual é a fonte original final dos dados? Fornecedor - De onde é obtido um determinado ponto de dados? Instrumento / Ticker - O ticker / símbolo para o patrimônio ou índice, juntamente com informações corporativas da empresa ou fundo subjacente. Preço - O preço real de um determinado título em um determinado dia. Ações corporativas - A lista de todos os desdobramentos ou ajustes de dividendos (isso pode levar a uma ou mais tabelas), necessários para ajustar os dados de precificação. Feriados Nacionais - Para evitar a classificação incorreta de feriados comerciais como erros de dados perdidos, pode ser útil armazenar feriados nacionais e referências cruzadas.
Existem problemas significativos no que diz respeito ao armazenamento de tickers canônicos. Eu posso atestar isso com experiência em primeira mão em um fundo de hedge lidando com esse problema exato! Diferentes fornecedores usam métodos diferentes para resolver tickers e, assim, combinar várias fontes de precisão. Além disso, as empresas tornam-se falidas, estão expostas a atividades de fusões e aquisições (ou seja, adquirem e mudam nomes / símbolos) e podem ter múltiplas classes de ações negociadas publicamente. Muitos de vocês não terão que se preocupar com isso, porque seu universo de tickers estará limitado aos constituintes maiores do índice (como o S & P500 ou o FTSE350).
Como os dados são avaliados quanto à precisão?
Dados históricos de preços de fornecedores são propensos a muitas formas de erro:
Ações Corporativas - Tratamento incorreto de desdobramentos e ajustes de dividendos. É preciso ter absoluta certeza de que as fórmulas foram implementadas corretamente. Picos - Pontos de preços que excedem em muito determinados níveis históricos de volatilidade. É preciso ter cuidado aqui, pois esses picos ocorrem - veja o May Flash Crash para um exemplo assustador. Os picos também podem ser causados por não levar em conta os desdobramentos quando eles ocorrem. Os scripts de filtro de pico são usados para notificar os operadores sobre essas situações. Agregação do OHLC - Dados OHLC livres, como do Yahoo / Google, são particularmente propensos a situações de 'agregação de tick ruim', onde pequenas trocas processam pequenos negócios bem acima dos preços de troca 'principais' do dia, levando a máximas / mínimos inflacionados excessivamente uma vez agregado. Isso é menos um "erro" como tal, mas é mais um problema para ser cauteloso. Dados em falta - Os dados em falta podem ser causados por falta de negociações em um determinado período de tempo (comum em dados de resolução de segundo / minuto de small-caps sem liquidez), por feriados ou simplesmente por um erro no sistema de troca. Os dados em falta podem ser preenchidos (isto é, preenchidos com o valor anterior), interpolados (linearmente ou de outro modo) ou ignorados, dependendo do sistema de negociação.
Muitos desses erros dependem de julgamento manual para decidir como proceder. É possível automatizar a notificação de tais erros, mas é muito mais difícil automatizar sua solução. Por exemplo, é preciso escolher o limite para ser informado sobre picos - quantos desvios padrão usar e durante o período de lookback? Um stdev muito alto perderá alguns picos, mas muito baixo e muitos noticiários incomuns levarão a falsos positivos. Todas essas questões exigem um julgamento avançado do trader de quantificação.
Também é necessário decidir como corrigir erros. Os erros devem ser corrigidos assim que forem conhecidos e, em caso afirmativo, deve ser realizada uma trilha de auditoria? Isso exigirá uma tabela extra no banco de dados. Isso nos leva ao tópico de back-filling, que é uma questão particularmente insidiosa para o backtesting. Trata-se de correção automática de dados ruins a montante. Se o fornecedor de dados corrigir um erro histórico, mas uma estratégia de negociação com backtested estiver em produção com base em pesquisas de dados ruins anteriores, é necessário tomar decisões com relação à eficácia da estratégia. Isso pode ser um pouco mitigado por estar plenamente ciente de suas métricas de desempenho da estratégia (em particular, a variação em suas características de ganhos / perdas para cada negociação). Estratégias devem ser escolhidas ou projetadas de tal forma que um único ponto de dados não possa distorcer o desempenho da estratégia em grande medida.
Como esses processos são automatizados?
O benefício de escrever scripts de software para realizar o download, armazenamento e limpeza dos dados é que os scripts podem ser automatizados por meio de ferramentas fornecidas pelo sistema operacional. Em sistemas baseados em UNIX (como Mac OSX ou Linux), pode-se fazer uso do crontab, que é um processo em execução contínua que permite que scripts específicos sejam executados em horários definidos ou em períodos regulares. Existe um processo equivalente no MS Windows conhecido como o Agendador de Tarefas.
Um processo de produção, por exemplo, pode automatizar o download de todos os preços do final do dia do S & P500 assim que forem publicados por meio de um fornecedor de dados. Em seguida, ele executará automaticamente os scripts de filtragem de dados e spike em falta, alertando o profissional por email, SMS ou outra forma de notificação. Neste ponto, todas as ferramentas de backtesting terão automaticamente acesso a dados recentes, sem que o operador tenha que levantar um dedo! Dependendo se o seu sistema de negociação está localizado em um desktop ou em um servidor remoto, você pode escolher, no entanto, ter um processo semi-automatizado ou totalmente automatizado para essas tarefas.
Como os dados são fornecidos para software externo?
Uma vez que os dados são atualizados automaticamente e residindo no RDBMS, é necessário inseri-los no software de backtesting. Esse processo será altamente dependente de como o seu banco de dados está instalado e se o seu sistema de negociação é local (por exemplo, em um computador desktop) ou remoto (como em um servidor Exchange co-localizado).
Uma das considerações mais importantes é minimizar a entrada / saída excessiva (E / S), pois isso pode ser extremamente caro, tanto em termos de tempo quanto de dinheiro, assumindo conexões remotas onde a largura de banda é cara. A melhor maneira de abordar esse problema é mover somente os dados por uma conexão de rede que você precisa (via consulta seletiva) ou exportar e compactar os dados.
Muitos RDBMS suportam a tecnologia de replicação, que permite que um banco de dados seja clonado em outro sistema remoto, geralmente com um grau de latência. Dependendo da sua configuração e quantidade de dados, isso pode ser apenas da ordem de minutos ou segundos. Uma abordagem simples é replicar um banco de dados remoto em uma área de trabalho local. No entanto, esteja avisado que os problemas de sincronização são comuns e consomem muito tempo para serem corrigidos!
Tentarei discutir algumas situações de exemplo abaixo, mas há muitas maneiras de abordar esse problema e elas serão altamente específicas para sua configuração individual:
Se você estiver usando o MySQL, então você pode fazer uso de uma linguagem de script de código aberto, como o Python (através da biblioteca MySQLdb ou SQLAlchemy ORM) para se conectar ao banco de dados e executar consultas sobre ele.
Bibliotecas de análise de dados mais recentes, como pandas, permitem acesso direto ao MySQL (veja este tópico para um exemplo).
Você também pode usar seu idioma / ambiente favorito (C ++, C #, Matlab) e um link ODBC para conectar-se a uma instância do MySQL.
MS SQLServer.
SQLServer é projetado para ser facilmente conectado a idiomas MS, como C # e Visual Basic via o LINQ ORM. Você também pode se conectar ao SQLServer com Python, via pyODBC.
Existem claramente muitas outras combinações de armazenamento de dados e ambiente de backtesting. No entanto, vou deixar a discussão dessas configurações para artigos posteriores!
Próximos passos.
Em artigos futuros, vamos discutir os detalhes técnicos de implementação para mestres de valores mobiliários. Em particular, vamos instalar o MySQL, configurá-lo para dados de preços e obter dados EOD do Yahoo / Google finance e explorá-los através da biblioteca de análise de dados do pandas.
A Quantcademy.
Junte-se ao portal de adesão da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento e saiba como aumentar a rentabilidade da sua estratégia.
Negociação Algorítmica Bem Sucedida.
Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para seu portfólio usando um mecanismo de backtesting personalizado em Python.
Negociação Algorítmica Avançada.
Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquinas e estatísticas bayesianas com R e Python.
No comments:
Post a Comment