+
Trading Estrategia VWAP Mean Reversión Esta estrategia se va a utilizar el precio medio ponderado de volumen (VWAP) como un indicador para el comercio versión media vuelta a VWAP. Ratio Sharpe anualizado (Rf = 0%) es 0,9016936. Este mensaje es una respuesta a gekkoquant / 2012/07/29 / trading-estrategia-sp-VWAP-tendencia siga / donde había un error en el código que indica que VWAP wasnt reversión (esto ni sienta bien conmigo, o algunos de las personas que comentaron). Como siempre no tome mi palabra para nada, backtest la estrategia a ti mismo. Uno de los peligros de usar R o Matlab es que es fácil de polarización directa a caer en su código. Hay bibliotecas como Quantstrat de I que protegen contra esto, pero he encontrado terriblemente lento para correr. Todas las condiciones se comprueban al cierre, y el comercio celebran durante un día de la clausura Si el precio / VWAP & gt; Ulim ir corto Si el precio / VWAP & lt; lLim ir de largo Alta probabilidad diferenciales de crédito mediante curvas de regresión lineal Me encontré con esta serie de videos sobre el fin de semana, un comerciante opción discute cómo se comercia diferenciales de crédito (se ve principalmente para reversión a la media). La mayoría de ustedes estarán familiarizados con las Bandas de Bollinger como una estrategia media común de reversión, esencialmente se toma la media móvil y se mueve desviación estándar de la población. A continuación, trazar a su gráfico de la media móvil y una banda superior e inferior (media móvil +/- n * desviaciones estándar). Se supone que el precio volverá a la media móvil de ahí que cualquier movimiento de los precios de las bandas es un buen punto de entrada. Un problema común con esta estrategia es que la media móvil es un indicador rezagado y es a menudo muy lento para rastrear los movimientos de precios si se utiliza un período retroactivo de largo. Video 1 presenta una técnica llamada curvas de regresión lineal a unos 10 minutos en. Curvas de regresión lineal objetivo es resolver el problema de la media móvil de su lentitud para realizar el seguimiento del precio. Regresión Lineal Curva vs media móvil simple Vea cómo bien la curva de regresión lineal azul sigue el precio de cierre, su mucho más rápido para identificar giros en el mercado en el que la media móvil simple tiene un considerable error de seguimiento. El MSE podría ser tomado para cuantificar la estanqueidad. Cómo calcular la curva de regresión lineal: En este ejemplo, usted tiene 100 precios de cierre para su acción dada. Bar 1 es el precio más antigua, bar 100 es el precio más reciente. Vamos a utilizar una regresión 20 días. 1. Precios Tomar 1-20 y dibujar la línea de mejor ajuste a través de ellos 2. Al final de la línea de mejor ajuste (para barra 20), dibuje un pequeño círculo 3. Precios Tomar 2-21 y dibujar la línea de mejor ajuste a través de ellos 4. Al final de la línea de mejor ajuste (para bar 21) dibujar un pequeño círculo 5. Repita hasta 100 bar 6. Únete a todos sus pequeños círculos, esta es su curva de regresión lineal Así que en pocas palabras que acaba de unirse a los extremos de una regresión lineal a la rodadura. Estrategia de Trading S & P VWAP Tendencia Seguimiento (BUGGY) ACTUALIZACIÓN: Los rendimientos excepcionales vistas en esta estrategia se debían a una mirada polarización directa 2 días en la señal (y la dirección del comercio y luego la posterior), es decir, cuando se calcularon los rendimientos para el día T la señal comercial utilizado en realidad era de día T + 2. Tanto la señal y el comercio trama de datos tuvo sin embargo las fechas correctas para cada señal / oficios cuando indexRet * comercio pasó entonces el comercio fue tratado como vectores sin fecha (que es 2 elementos más corto que ret índice) de ahí el cambio de 2 días. La moraleja de esta historia es la de integrar tramas de datos antes de multiplicar! Gracias por todo el mundo que ha comentado esta, cargo corregido es seguir! Publicar original Esta estrategia se va a utilizar el precio medio ponderado de volumen (VWAP) como indicador para determinar la dirección de la tendencia actual y el comercio de la misma dirección de la tendencia. Ratio Sharpe anualizado (Rf = 0%) es 8,510472. Todas las condiciones se comprueban al cierre, y el comercio celebran durante un día de la clausura Si el precio / VWAP & gt; Ulim ir de largo Si el precio / VWAP & lt; lLim ir corto Al principio pensé que el precio sería volver a VWAP (esto se puede ver en los datos de alta frecuencia), sin embargo esto ni parece ser el caso con los datos EOD media. Para que una estrategia tan simple Im sorprendido que el ratio de Sharpe es tan alta (sospechosamente alto). El código ha sido doubletripple revisado para ver si alguno de polarización directa se ha deslizado en, sin embargo que no he nada manchado. Trading Estrategia Volatilidad Carry Comercio Esta estrategia se va a ver en una estrategia vega carry trading volatilidad neutral. Dos futuros diferentes contratos que se negociarán, el VXX y VXZ. Estos contratos están rodando los futuros sobre el índice SP 500 Vix, la VXX es un futuro a corto plazo y la VXZ es un futuro a medio plazo. Ratio Sharpe anualizado (Rf = 0%) es 1,759449. La estrategia es muy simple, las reglas son: Si VXX / VXZ & gt; 1 después en backwardation también lo hacen un carry trade inversa (compra VXX, venta VXZ) Si VXX / VXZ & lt; 1 luego hacer un carry trade (venta VXX, comprar VXZ) Si la volatilidad de los precios al contado de cambio no funciona, a continuación, se extrae el costo de acarreo. Debido a la compra y venta (o viceversa) a corto y medio plazo de futuros se cubre la exposición vega. En el guión las dos reglas anteriores se han cambiado ligeramente, se añade un desplazamiento / resta de la relación de ligero. Esencialmente queremos ser profundamente en la zona contango o profundamente en zona de backwardation antes de que el comercio, si estaban cerca del punto del tirón entonces no comercial. Sección 1: Descargado los datos y calcular el Abierto de Cierre de retorno. Esta estrategia buscará la entrada en la apertura y la salida al cierre. Sección 2: regresión de los retornos diarios de VXX con VXZ para calcular el ratio de cobertura Sección 3: Generar la señal de backwardation / contango Sección 4: Simular el comercio Sección 5: Analizar el rendimiento Estadística Correlación Arbitrage vs cointegración ¿Qué es el arbitraje estadístico (arb stat)? La premisa de arbitraje estadístico, arb stat para abreviar, es que hay una manipulación de los precios estadística entre un conjunto de valores que buscamos explotar. Normalmente una estrategia requiere ir mucho tiempo un conjunto de acciones y otra corta. StatArb evolucionó a partir de pares de comercio donde se podría ir de largo una acción y corta su competidor como de cobertura, en parejas Operando con el objetivo es seleccionar una acción que se va a superar a sus compañeros. StatArb se trata de reversión a la media, en esencia, usted está diciendo que el diferencial entre las dos poblaciones debe ser constante (o lentamente evolucionando a través del tiempo), cualquier desviación de la propagación presentan una oportunidad de comercio ya que en StatArb creemos que la propagación es reversión a la media. A pesar del nombre estadística arbitraje isnt acerca de ganar dinero libre de riesgo (el arbitraje determinista está libre de riesgo). ¿Qué tipo de stocks hacen buenos pares? Las mejores acciones para utilizar en StatArb son aquellos en los que hay una razón fundamental para creer que la propagación es media revertir / estacionario. Normalmente, esto significa que las poblaciones se encuentran en el mismo sector del mercado o mejor aún la misma empresa (algunas empresas tienen A y acciones B con diferentes derechos de voto o del comercio en diferentes intercambios)! Algunos ejemplos de pares fundamentalmente similares serían Royal Dutch Shell A vs acciones de Royal Dutch Shell B, Goldman Sachs vs JP Morgan, Apple vs ARM (su proveedor de chips), ARM vs ARM ADR, algunos grupos del sector cruz puede también trabajar como Gold Mining vs precio del oro. Un mal ejemplo sería Royal Bank of Scotland vs Tesco ya que sus negocios son completamente diferentes / dont impactar entre sí. ¿Cuál es la definición matemática de un buen par? Al dar con un buen caldo de emparejamiento fundamental próxima necesidad de tener una prueba de matemática para determinar si es un buen par. La prueba más común es la búsqueda de cointegración (en. wikipedia / wiki / cointegración) ya que esto implicaría que el par es un par estacionaria (la propagación es fijo) y por lo tanto estadísticamente es reversión a la media. En las pruebas de cointegración se lleva a cabo un valor P (en. wikipedia / wiki / P-valor) prueba de hipótesis, por lo que puede expresar un nivel de confianza en la pareja siendo reversión a la media. ¿Cuál es la diferencia entre correlación y cointegración? Cuando se habla de arbitraje statisitical mucha gente a menudo se confunden entre correlación y cointegración. Correlación Si dos poblaciones están correlacionados a continuación si la acción A tiene un upday entonces la acción B tendrá un upday Cointegración Si dos poblaciones están cointegradas entonces es posible para formar un par estacionario de alguna combinación lineal de Stock A y B Una de las mejores explicaciones de cointegración es la siguiente: "Un hombre sale de un bar para ir a casa con su perro, el hombre está borracho y se va de paseo aleatorio, el perro también se va de paseo aleatorio. Se acercan a una carretera muy transitada y el hombre pone su perro con correa, el hombre y el perro están cointegradas. Ambos pueden ir de paseos aleatorios pero la distancia máxima que pueden alejarse el uno del otro es fijo, es decir la longitud de la cabeza ". Así que, en esencia, se fija la distancia / diferencial entre el hombre y su perro, también la nota de la historia que el hombre y el perro están todavía en un paseo aleatorio, no hay nada que decir si sus movimientos están correlacionadas o uncorrelated. With correlacionados poblaciones que se moverá en la misma dirección la mayor parte del tiempo, sin embargo se desconoce la magnitud de los movimientos, esto significa que si usted es el comercio el diferencial entre los dos stocks entonces la propagación puede seguir creciendo y creciendo sin mostrar signos de reversión a la media. Esto es en el contrato de cointegración cuando decimos que la propagación se "fija" y que si la propagación se desvía de la reversión "arreglar" a continuación, que significará. Vamos a explorar cointegración algunos más: La ecuación para el movimiento browniano geométrico 7Bt%2BT%7D%20%3D%20A_%7Bt%7D%2BN%28%5Cmu_%7Ba%7DT%2C%5Csigma_%7Ba%7D%5Csqrt%7BT%7D%29bg=FFFFFF&fg=000000&s=1" /% donde A representa el precio de las acciones A 5CDelta%20A%20%3D%20N%28%5Cmu_%7Ba%7D%5CDelta%20t%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF&fg=000000&s=1" /% 5CDelta%20A%20%3D%20%5Cmu_%7Ba%7D%5CDelta%20t%2BN%280%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF&fg=000000&s=1" /% 7BT% 7D% 5B% 5CDelta% 20A% 5D% 20% 3D% 20% 5Cmu_% 7BA% 7Dbg = FFFFFF y fg = 000000 & s = 1 "/% A partir de la ecuación de movimiento browniano geométrico, podemos ver que el cambio esperado en A lo largo del tiempo 28E_% 7BT% 7D% 5B% 5CDelta% 20A% 5D% 29bg = FFFFFF y fg = 000000 & s = 1 "/% es 5Cmu_% 7BA% 7Dbg = FFFFFF y fg = 000000 & s = 1 "/%, en otras palabras A no es estacionaria suponiendo 5Cmu_% 7BA% 7Dbg = FFFFFF y fg = 000000 & s = 1" /% isnt cero). Queremos encontrar un par cointegrado / estacionario. Ecuación para ir largo stock A y cortos n un montón de Stock B 3DA-nBbg = FFFFFF y fg = 000000 & s = 1 "/% 5CDelta% 20Spread% 3D% 5CDelta% 20A-n% 5CDelta% 20Bbg = FFFFFF y fg = 000000 & s = 1 "/% 5CDelta%20Spread%3D%5Cmu_%7Ba%7D%5CDelta%20t%2BN%280%2C%5Csigma_%7Ba%7D%5Csqrt%7B%5CDelta%20t%7D%29-n%5Cmu_%7Bb%7D%5CDelta%20t-nN%280%2C%5Csigma_%7Bb%7D%5Csqrt%7B%5CDelta%20t%7D%29bg=FFFFFF&fg=000000&s=1" /% 7Bt%7D%5B%5CDelta%20Spread%5D%3DE_%7Bt%7D%5B%5CDelta%20A-n%5CDelta%20B%5D%20%3D%20%5Cmu_%7Ba%7D-n%5Cmu_%7Bb%7Dbg=FFFFFF&fg=000000&s=1" /% Configuración 3D% 5Cfrac% 7B% 5Cmu_% 7BA% 7D% 7D% 7B% 5Cmu_% 7BB% 7D% 7Dbg = FFFFFF y fg = 000000 & s = 1 "/% 7Bt%7D%5B%5CDelta%20Spread%5D%3DE_%7Bt%7D%5B%5CDelta%20A-n%5CDelta%20B%5D%20%3D%20%5Cmu_%7Ba%7D-%5Cfrac%7B%5Cmu_%7Ba%7D%5Cmu_%7Bb%7D%7D%7B%5Cmu_%7Bb%7D%7D%3D%5Cmu_%7Ba%7D-%5Cmu_%7Ba%7D%3D0bg=FFFFFF&fg=000000&s=1" /% Por lo tanto es estacionario suponiendo que el ratio de cobertura, se mantiene constante. Ejemplo de stocks correlacionados. Observe la propagación voladura Ejemplo de las existencias cointegradas: Observe la propagación se ve oscilatoria Estrategias de negociación para explotar Blog, Noticias y Twitter Sentiment (Papel) Acabo de encontrar este documento y quería documentar aquí algo para volver a prueba y para mí, espero que le resultará tan interesante como yo lo hice. El método tiene cuatro parámetros: Sentimiento Período Análisis ¿Cuántos días de los datos de confianza anteriores para usar? Periodo Holding Cuánto tiempo para mantener un intercambio por? Capitalización Bursátil Do pequeña capitalización y grandes responden tapa de la misma? Cómo Diversi fi cación existencias de muchos a tener en la cartera? Cada uno de los parámetros del modelo de negociación también se analiza y sus efectos explicó. El documento esboza un sentimiento neutral algoritmo de negociación basado en el mercado que es volver a prueba durante un período de cinco años (2005-2009) y produce unos rendimientos excepcionalmente impresionantes casi el 40% en algunos años, dependiendo de la configuración. Lo que me gusta de este trabajo es que el activo en el comercio se selecciona basándose en unos criterios fijos (es decir, es en la parte superior n sentimientos más extremos), esto detiene efectos sesgo positivo por el cual el autor podría simplemente actuales escenarios rentables / cherry recoger la resultados. El sentimiento se basa en el análisis de los mensajes de noticias, blogs y tweets. Desde Twitter solamente entró en existencia en 2009 los autores sólo tenían la mitad de un año la pena de datos de Twitter para analizar. Los grandes resultados en este trabajo se lograron sin Twitter datos utilizando fuentes de noticias y blogs normales. El documento muestra que el tamaño importa corpus, utilizando los blogs pueden ser un método más barato para recoger un corpus (raspar un montón de canales RSS), mientras que con twitter existen limitaciones a qué datos se pueden obtener de forma gratuita (datafeeds completos a partir de $ 3500 por mes. ). Estrategias de negociación para explotar Blog, Noticias y Twitter Sentiment (Papel) Acabo de encontrar este documento y quería documentar aquí algo para volver a prueba y para mí, espero que le resultará tan interesante como yo lo hice. El método tiene cuatro parámetros: Sentimiento Período Análisis ¿Cuántos días de los datos de confianza anteriores para usar? Periodo Holding Cuánto tiempo para mantener un intercambio por? Capitalización Bursátil Do pequeña capitalización y grandes responden tapa de la misma? Cómo Diversi fi cación existencias de muchos a tener en la cartera? Cada uno de los parámetros del modelo de negociación también se analiza y sus efectos explicó. El documento esboza un sentimiento neutral algoritmo de negociación basado en el mercado que es volver a prueba durante un período de cinco años (2005-2009) y produce unos rendimientos excepcionalmente impresionantes casi el 40% en algunos años, dependiendo de la configuración. Lo que me gusta de este trabajo es que el activo en el comercio se selecciona basándose en unos criterios fijos (es decir, es en la parte superior n sentimientos más extremos), esto detiene efectos sesgo positivo por el cual el autor podría simplemente actuales escenarios rentables / cherry recoger la resultados. El sentimiento se basa en el análisis de los mensajes de noticias, blogs y tweets. Desde Twitter solamente entró en existencia en 2009 los autores sólo tenían la mitad de un año la pena de datos de Twitter para analizar. Los grandes resultados en este trabajo se lograron sin Twitter datos utilizando fuentes de noticias y blogs normales. El documento muestra que el tamaño importa corpus, utilizando los blogs pueden ser un método más barato para recoger un corpus (raspar un montón de canales RSS), mientras que con twitter existen limitaciones a qué datos se pueden obtener de forma gratuita (datafeeds completos a partir de $ 3500 por mes. ). Twitter Trading & Sentiment Analysis Una idea estándar en economía conductual es que las emociones juegan un papel importante en la toma de decisiones y profundamente influyen en un comportamiento de los agentes. Esta línea de la lógica se puede aplicar a la bolsa de valores, el precio se mueve son una función de las emociones de los agentes en el mercado. En 2011 un Libro de Johan Bollen, Huina Mao Xiaojun Zeng llama estado de ánimo Twitter predice que el mercado de valores. se demuestra que mediante la aplicación de análisis de sentimientos a twitter mensajes (tweets de) es posible medir el estado emocional actual de agentes. En el documento se pasa luego a argumentar que la emoción de Twitter se correlaciona con los movimientos del mercado y posiblemente incluso de predicción de los movimientos. Después de este documento histórico fue primero publicar una serie de fondos de cobertura han tomado la idea y producido Twitter fondos, el fondo de twitter más conocido públicamente es dirigido por Derwent capital. Mi plan es investigar esta idea en este blog, pero si quieres empezar antes que yo la siguiente debería ser de utilidad: El arbitraje estadístico Operando con un par cointegrado En mi último post gekkoquant / 2012/12/17 / peto-estadístico-arbitraje-prueba-de-cointegración aumentada-completa / demostré cointegración, una prueba matemática para identificar pares estacionarios donde la propagación por definición debe ser reversión a la media. En este post me propongo mostrar cómo el comercio de un par cointegrado y continuará el análisis de Royal Dutch Shell A vs acciones B (sabemos ayúdales cointegradas desde mi último post). Operando con un par cointegrado es sencillo, sabemos que la media y la varianza de la propagación, sabemos que esos valores son constantes. El punto de entrada para un arb stat es simplemente buscar una gran desviación lejos de la media. Si propagación (t) & gt; = media Spread + 2 * Desviación Estándar y luego ir Corto Si propagación (t) & lt; = media Corre 2 * Desviación Estándar y luego ir Largo Hay muchas variaciones de esta estrategia