Principes de la négociation algorithmique: concepts et exemples Chargement du lecteur. Un algorithme est un ensemble spécifique d'instructions clairement définies visant à exécuter une tâche ou un processus. Le trading algorithmique (trading automatisé, black-box trading ou simplement algo-trading) est le processus d'utilisation d'ordinateurs programmés pour suivre un ensemble défini d'instructions pour placer un commerce afin de générer des profits à une vitesse et une fréquence qui est impossible pour un Commerçant humain. Les ensembles de règles définis sont basés sur le calendrier, le prix, la quantité ou tout modèle mathématique. En dehors des opportunités de profit pour le trader, algo-trading rend les marchés plus liquides et rend le trading plus systématique en excluant les impacts émotionnels de l'homme sur les activités de trading. Supposons qu'un commerçant respecte ces critères commerciaux simples: Achetez 50 actions d'un stock lorsque sa moyenne mobile de 50 jours dépasse la moyenne mobile de 200 jours Vendez les actions du stock lorsque sa moyenne mobile de 50 jours est inférieure à la moyenne mobile de 200 jours En utilisant cet ensemble de deux instructions simples, il est facile d'écrire un programme informatique qui surveillera automatiquement le prix des actions (et les indicateurs de la moyenne mobile) et placer les ordres d'achat et de vente lorsque les conditions définies sont remplies. Le commerçant n'a plus besoin de garder une montre pour les prix et les graphiques en direct, ou de passer les commandes manuellement. Le système de trading algorithmique le fait automatiquement pour lui, en identifiant correctement l'opportunité de négociation. (Pour en savoir plus sur les moyennes mobiles, voir: Les moyennes mobiles simples font ressortir les tendances.) Algo-trading offre les avantages suivants: Des métiers exécutés aux meilleurs prix possibles Des placements instantanés et précis (Voir l'exemple de défaillance de mise en œuvre ci-dessous) Contrôles automatisés simultanés sur de multiples conditions de marché Réduction du risque d'erreurs manuelles lors de la mise en place des opérations Backtest de l'algorithme, basé sur les données historiques et en temps réel disponibles Réduit La possibilité d'erreurs par les commerçants humains basé sur des facteurs émotionnels et psychologiques La plus grande partie de l'actualisation d'aujourd'hui est le commerce de haute fréquence (HFT), qui tente de capitaliser sur la mise en place d'un grand nombre de commandes à des vitesses très rapides sur plusieurs marchés et multiples décisions Paramètres, sur la base d'instructions préprogrammées. Algo-trading est utilisé dans de nombreuses formes d'activités de négociation et d'investissement, y compris: Les investisseurs à moyen ou long terme ou les sociétés d'achat (fonds de pension , Les fonds communs de placement, les compagnies d'assurance) qui achètent des actions en grandes quantités, mais qui ne veulent pas influencer les cours des actions avec des investissements discrets et volumineux. Les commerçants à court terme et les vendeurs participants (market makers, spéculateurs et arbitraires) bénéficient de l'exécution automatisée du commerce, en plus, de l'aide à la négociation pour créer une liquidité suffisante pour les vendeurs sur le marché. Les traders systématiques (adeptes de la tendance, pairs traders, hedge funds, etc.) trouvent qu'il est beaucoup plus efficace de programmer leurs règles commerciales et de laisser le programme échanger automatiquement. Le trading algorithmique offre une approche plus systématique du commerce actif que les méthodes basées sur l'intuition ou l'instinct des commerçants humains. Stratégies de trading algorithmique Toute stratégie de trading algorithmique nécessite une opportunité identifiée qui est rentable en termes d'amélioration des bénéfices ou de réduction des coûts. Voici les stratégies de trading courantes utilisées dans le commerce d'algo: Les stratégies de négociation algorithmiques les plus courantes suivent les tendances des moyennes mobiles. Canaux. Les mouvements du niveau des prix et les indicateurs techniques connexes. Ce sont les stratégies les plus faciles et les plus simples à mettre en œuvre grâce à la négociation algorithmique parce que ces stratégies n'impliquent pas de faire des prévisions ou des prévisions de prix. Les métiers sont initiés en fonction des tendances souhaitables. Qui sont faciles et simples à mettre en œuvre par des algorithmes sans entrer dans la complexité de l'analyse prédictive. L'exemple susmentionné de moyenne mobile de 50 et 200 jours est une tendance populaire suivant la stratégie. L'achat d'un stock dual coté à un prix inférieur sur un marché et simultanément le vendre à un prix plus élevé sur un autre marché offre le différentiel de prix comme un profit sans risque Ou l'arbitrage. La même opération peut être répliquée pour les actions par rapport aux instruments à terme, car les écarts de prix existent de temps à autre. La mise en œuvre d'un algorithme permettant d'identifier ces écarts de prix et de passer les ordres permet des opportunités rentables de manière efficace. Les fonds indiciels ont défini des périodes de rééquilibrage pour aligner leurs avoirs sur leurs indices de référence respectifs. Cela crée des opportunités rentables pour les négociateurs algorithmiques, qui capitalisent sur les métiers attendus qui offrent 20-80 points de base des bénéfices en fonction du nombre d'actions dans le fonds indice, juste avant le rééquilibrage du fonds d'indice. Ces transactions sont initiées via des systèmes de négociation algorithmique pour une exécution en temps opportun et les meilleurs prix. Un grand nombre de modèles mathématiques éprouvés, comme la stratégie de négociation neutre, qui permettent de négocier sur la combinaison d'options et de sa sécurité sous-jacente. Où les métiers sont placés pour compenser les deltas positifs et négatifs afin que le delta du portefeuille soit maintenu à zéro. La stratégie de réversion moyenne est basée sur l'idée que les prix élevés et bas d'un actif sont un phénomène temporaire qui revient à leur valeur moyenne périodiquement. L'identification et la définition d'une fourchette de prix et l'implémentation d'un algorithme basé sur ce qui permet de commerces à être placés automatiquement lorsque le prix de l'actif casse dans et hors de sa fourchette définie. La stratégie de prix moyens pondérée en volume décompose une grande commande et libère des morceaux plus petits déterminés dynamiquement de l'ordre sur le marché en utilisant des profils de volume historiques spécifiques. L'objectif est d'exécuter la commande proche du prix moyen pondéré en volume (VWAP), profitant ainsi au prix moyen. La stratégie de prix moyens pondérée en fonction du temps décompose un ordre important et libère des morceaux plus petits déterminés dynamiquement de l'ordre sur le marché en utilisant des intervalles de temps répartis uniformément entre une heure de début et une heure de fin. L'objectif est d'exécuter l'ordre proche du prix moyen entre les heures de début et de fin, minimisant ainsi l'impact sur le marché. Jusqu'à ce que l'ordre commercial soit pleinement rempli, cet algorithme continue à envoyer des ordres partiels, selon le taux de participation défini et selon le volume négocié sur les marchés. La stratégie des étapes associées envoie des ordres à un pourcentage de volume de marché défini par l'utilisateur et augmente ou diminue ce taux d'activité lorsque le cours d'actions atteint les niveaux définis par l'utilisateur. La stratégie de réduction de la mise en œuvre vise à minimiser le coût d'exécution d'une commande en négociant sur le marché en temps réel, ce qui permet d'économiser sur le coût de la commande et de bénéficier du coût d'opportunité d'une exécution retardée. La stratégie permettra d'augmenter le taux de participation ciblé lorsque le cours des actions se déplace favorablement et de la diminuer lorsque le cours des actions se déplace négativement. Il existe quelques classes spéciales d'algorithmes qui tentent d'identifier les événements de l'autre côté. Ces algorithmes de reniflement, utilisés, par exemple, par un fabricant de marché côté vente ont l'intelligence intégrée pour identifier l'existence de tous les algorithmes sur le côté d'achat d'une grande commande. Une telle détection grâce à des algorithmes aidera le market maker à identifier de grandes opportunités de commandes et lui permettra de bénéficier en remplissant les commandes à un prix plus élevé. Cela est parfois identifié comme avant-courir de haute technologie. (Pour en savoir plus sur le commerce à haute fréquence et les pratiques frauduleuses, consultez: Si vous achetez des actions en ligne, vous êtes impliqué dans HFT.) Exigences techniques pour Algorithmic Trading Mettre en œuvre l'algorithme à l'aide d'un programme informatique est la dernière partie. Le défi consiste à transformer la stratégie identifiée en un processus informatique intégré qui a accès à un compte de négociation pour passer des commandes. Ce qui suit sont nécessaires: Connaissance de la programmation informatique pour programmer la stratégie de négociation requise, programmeurs embauchés ou logiciel de trading pré-fabriqué Connectivité réseau et accès aux plateformes de négociation pour placer les ordres Accès aux flux de données de marché qui seront surveillés par l'algorithme pour les opportunités de placer La capacité et l'infrastructure de backtest le système une fois construit, avant qu'il ne vienne en direct sur les marchés réels Données historiques disponibles pour backtesting, en fonction de la complexité des règles implémentées dans l'algorithme Voici un exemple complet: Royal Dutch Shell (RDS) Stock Exchange (AEX) et la Bourse de Londres (LSE). Lets construire un algorithme pour identifier les opportunités d'arbitrage. En raison de la différence d'une heure, AEX ouvre une heure plus tôt que LSE, suivie par les deux bourses échangeant simultanément pour les prochaines heures et ensuite le commerce seulement dans LSE pendant La dernière heure à la clôture d'AEX Peut-on explorer la possibilité de négociation d'arbitrage sur les actions Royal Dutch Shell cotées sur ces deux marchés en deux monnaies différentes Un programme informatique qui peut lire les prix du marché actuel Prix des flux de LSE et AEX A forex taux feed for Taux de change GBP-EUR Capacité de placement de commande qui peut acheminer l'ordre à l'échange correct Possibilité de back-testing sur des flux de prix historiques Le programme d'ordinateur devrait effectuer les opérations suivantes: . Convertir le prix d'une devise à une autre. S'il existe un écart de prix assez important (en actualisant les coûts de courtage) qui donne lieu à une opportunité rentable, Désiré, le bénéfice d'arbitrage suivra Simple et facile Cependant, la pratique du trading algorithmique n'est pas que simple à maintenir et à exécuter. Rappelez-vous, si vous pouvez placer un commerce algo-généré, peuvent donc les autres participants du marché. Par conséquent, les prix fluctuent en millisecondes et même en microsecondes. Dans l'exemple ci-dessus, que se passe-t-il si votre commerce d'achat est exécuté, mais ne vend pas de commerce que les prix de vente changent au moment où votre commande frappe le marché Vous finirez par assis avec une position ouverte. Rendant votre stratégie d'arbitrage sans valeur. Il existe des risques et des défis supplémentaires: par exemple, les risques de défaillance du système, les erreurs de connectivité réseau, les délais entre les ordres et l'exécution et, surtout, les algorithmes imparfaits. Plus un algorithme est complexe, plus le backtesting est nécessaire avant d'être mis en action. L'analyse quantitative d'une performance algorithmique joue un rôle important et doit être examinée de manière critique. Son excitant pour aller pour l'automatisation assistée par des ordinateurs avec une idée de gagner de l'argent sans effort. Mais il faut s'assurer que le système est bien testé et que les limites requises sont fixées. Les commerçants analytiques devraient envisager d'apprendre les systèmes de programmation et de construction par eux-mêmes, d'être confiants dans la mise en œuvre des stratégies de droite à toute épreuve. L'utilisation prudente et les tests approfondis d'algo-trading peuvent créer des opportunités rentables. Deep Learning est une fonction d'intelligence artificielle qui imite le fonctionnement du cerveau humain dans le traitement des données et. Une mesure de la rentabilité d'exploitation d'une entreprise. Il est égal au bénéfice avant intérêts, impôts et amortissement. Une ronde de financement où les investisseurs achètent des actions d 'une société à une valeur inférieure à l' évaluation effectuée sur la. Un raccourci pour estimer le nombre d'années nécessaires pour doubler votre argent à un taux annuel donné de rendement (voir annuel composé.) Le taux d'intérêt appliqué à un prêt ou réalisé sur un investissement sur une période de temps spécifique. Une classe d'investissement de qualité soutenue par un pool d'obligations, de prêts et d'autres actifs. Les CDO ne se spécialisent pas dans un type de dette. Introduction à Algorithmic Trading Strategies, 2011-2013 Description du cours Ce cours introduit les étudiants à la négociation quantitative. Une intuition ou une idée de trading vague. En utilisant les mathématiques, elle transforme l'intuition en un modèle commercial quantitatif pour l'analyse, les tests de retour et de raffinement. Quand le modèle commercial quantitatif se révèle être rentable après avoir passé des tests statistiques rigoureux, le commerçant met en œuvre le modèle sur Un système informatique pour l'exécution automatique. En bref, le commerce quantitatif est le processus où les idées sont transformées en modèles mathématiques et ensuite codé en programmes informatiques pour le commerce systématique. C'est une science où les mathématiques et l'informatique se rencontrent. Dans ce cours, les étudiants étudient des stratégies de négociation à partir de la littérature académique populaire et d'apprendre les mathématiques fondamentales et les aspects informatiques de ce domaine émergent. En travaillant sur les projets de classe, ils acquerront une expérience pratique. Après avoir terminé ce cours de manière satisfaisante, les étudiants auront les compétences quantitatives, informatiques et de programmation nécessaires en matière de négociation quantitative. Ils sont donc bien préparés pour un rôle de front office dans les hedge funds ou les banques. Plan de cours
No comments:
Post a Comment