PSICOLOGIA DE NEGOCIAÇÃO.
ESTRATÉGIAS DE NEGOCIAÇÃO MANUAL OU ALGORITÍMICA?
Introdução.
Um dilema comum para os comerciantes de FX é se adotar uma estratégia de negociação manual ou algorítmica que produza resultados lucrativos a longo prazo. Mas essa questão exige que um indivíduo realmente compreenda suas próprias capacidades quando se trata de tomar decisões em negociações de alta pressão; e reconhecer como a tecnologia pode ajudar a superar os hábitos psicológicos limitantes. Todos os comerciantes de FX são suscetíveis a tendências humanas que podem afetar o julgamento. Mas aqueles que têm a capacidade de monitorar os padrões de sua própria mentalidade têm uma chance muito maior de desenvolver uma estratégia que seja consistentemente lucrativa.
Negociação manual: benefícios e limitações.
Uma estratégia manual depende da discrição de um operador individual. Experiência comercial substancial e um profundo conhecimento dos mercados FX são grandes pontos positivos quando se trata de formar estratégias de negociação rentáveis e nunca devem ser desconsideradas em favor da tecnologia algorítmica. A experiência quase sempre equivale à competência. Isso significa que o profissional experiente terá gerenciado negociações suficientes para conhecer os perigos de atuar sobre padrões cegos e instintos, sabendo, ao mesmo tempo, evitar negociar quando os mercados são particularmente voláteis. Mas até mesmo a experiência é propensa a erros humanos - e esse é o lado negativo de confiar apenas em uma estratégia de negociação manual. Apesar desses campos de minas psicológicos, se os comerciantes de FX reservarem um tempo para observar seus próprios traços psicológicos, isso pode levar a uma melhoria dramática na capacidade de fazer com que uma abordagem de negociação manual seja bem-sucedida.
Tendência de Recência.
Tome viés de recência, por exemplo. Comerciantes FX podem ser influenciados pelos resultados de negociação mais recentes, sem considerar o quadro maior. Considere se o comércio mais recente de um comerciante perde, após uma série particularmente satisfatória de resultados. Isso significa que a estratégia de negociação manual está falhando? Claro que não, a estratégia de longo prazo ainda é extremamente positiva. Mas essas perdas podem levar os investidores a duvidar de sua abordagem e se podem gerar lucros consistentes no mercado. A insegurança leva a decisões apressadas e caras, e esse é um perigo real de negociação manual. Uma maneira simples de combater o viés da recência é manter um registro detalhado das negociações anteriores. Uma estratégia manual pode então ser refinada, avaliando as evidências concretas e tirando a emoção do processo.
8 tipos de estratégias algorítmicas de Forex.
Como prometido, aqui está a próxima parte da minha série sobre sistemas de negociação algorítmica de forex. Certifique-se de verificar a primeira parte sobre o que você precisa saber sobre o Algo FX Trading antes de continuar lendo!
Essa abordagem comercial normalmente atrai aqueles que desejam eliminar ou reduzir a interferência emocional humana na tomada de decisões comerciais. Afinal, os sinais de compra ou venda podem ser gerados usando um conjunto programado de instruções e podem ser executados diretamente na sua plataforma de negociação.
“Amazonas! Aqui está meu dinheiro! Onde eu assino?"
Segure seus cavalos, jovem padawan! Coloque seu dinheiro suado de volta em sua carteira e gaste um pouco mais de tempo compreendendo a negociação algorítmica primeiro. Para começar, vamos dar uma olhada nas diferentes classificações dessa abordagem de negociação.
Estratégias de Negociação Algorítmica.
Existem oito tipos principais de negociação de algoritmos com base nas estratégias utilizadas. Bonita demais, hein? É claro que você também pode misturar e combinar essas estratégias, o que gera muitas combinações possíveis.
Uma das estratégias mais simples é simplesmente seguir as tendências do mercado, com ordens de compra ou venda geradas com base em um conjunto de condições preenchidas por indicadores técnicos. Essa estratégia também pode comparar dados históricos e atuais para prever se as tendências provavelmente continuarão ou serão revertidas.
Outro tipo básico de estratégia de negociação de algoritmos é o sistema de reversão à média, que opera sob a suposição de que os mercados estão variando 80% do tempo. As caixas pretas que empregam essa estratégia normalmente calculam um preço médio do ativo usando dados históricos e realizam negociações antecipando o preço atual retornando ao preço médio.
Já tentou trocar as notícias? Bem, essa estratégia pode fazer isso por você! Um sistema de negociação algorítmica baseado em notícias é geralmente ligado a fios de notícias, gerando automaticamente sinais de negociação, dependendo de como os dados reais acabam sendo comparados ao consenso de mercado ou aos dados anteriores.
Como você aprendeu em nossa lição escolar sobre o sentimento do mercado, o posicionamento comercial e não comercial também pode ser usado para identificar topos e fundos do mercado. Estratégias de algoritmos Forex baseadas no sentimento do mercado podem envolver o uso do relatório COT ou um sistema que detecta posições líquidas curtas ou longas extremas. Abordagens mais modernas também são capazes de escanear redes de mídia social para avaliar tendências de moeda.
Agora aqui é onde fica um pouco mais complicado do que o habitual. Fazer uso da arbitragem no comércio algorítmico significa que o sistema procura desequilíbrios de preços em diferentes mercados e lucra com os mesmos. Como as diferenças de preço do forex geralmente estão em micropips, você precisa trocar posições realmente grandes para obter lucros consideráveis. A arbitragem triangular, que envolve dois pares de moedas e uma moeda cruzada entre os dois, também é uma estratégia popular sob essa classificação.
Como o nome sugere, esse tipo de sistema de negociação opera a velocidades velozes, executando sinais de compra ou venda e fechando negociações em questão de milissegundos. Estes geralmente usam estratégias de arbitragem ou escalpelamento com base em flutuações rápidas de preços e envolvem altos volumes de negociação.
Esta é uma estratégia empregada por grandes instituições financeiras que são muito sigilosas sobre suas posições cambiais. Em vez de colocar uma enorme posição longa ou curta com apenas um corretor, eles dividem suas operações em posições menores e as executam sob diferentes corretores. Seu algoritmo pode até permitir que essas ordens menores sejam colocadas em momentos diferentes para impedir que outros participantes do mercado descubram! Desta forma, as instituições financeiras são capazes de executar negociações em condições normais de mercado, sem flutuações bruscas de preços. Os comerciantes de varejo que acompanham os volumes de negociação são capazes de ver apenas a “ponta do iceberg” quando se trata desses grandes negócios.
Se você acha que o iceberg é sorrateiro, então a estratégia furtiva é ainda mais furtiva! Iceberging tem sido uma prática tão comum nos últimos anos que os observadores do mercado hardcore foram capazes de hackear essa idéia e criar um algoritmo para juntar essas ordens menores e descobrir se um grande participante do mercado está por trás de tudo isso.
Como você provavelmente adivinhou, é preciso ter um sólido conhecimento em análise do mercado financeiro e programação de computadores para projetar algoritmos de negociação tão sofisticados. Analistas quantitativos ou quantos são tipicamente treinados em programação em C ++, C # ou Java antes de poderem criar sistemas de negociação algorítmica.
Não deixe que isso te desencoraje embora! Os primeiros três ou quatro tipos de estratégias de negociação algorítmica já devem ser muito familiares para você, se você estiver negociando há algum tempo ou se você fosse um aluno diligente em nossa Escola de Pipsologia.
Fique atento para a próxima parte desta série, já que planejo deixá-lo nos desenvolvimentos mais recentes e no futuro da negociação algorítmica de FX. Até a próxima semana!
7 razões para construir o seu Algo para negociar FX vs futuros ou ações.
por Bryan Fletcher.
1. Tamanho do Comércio - Gerenciamento de Risco.
Ter a capacidade de negociar tamanhos de posição pequenos ajuda os comerciantes a gerenciar melhor o risco para contas menores e oferece aos clientes maiores mais granularidade ao escalonar dentro e fora das posições.
Os contratos E-Micro e E-Mini estão disponíveis para negociação nos mercados futuros, mas a liquidez é geralmente muito reduzida nestes mercados. O volume médio diário de negociação nocional de E-Micro representa apenas 0,5% do volume total de futuros de EUR / USD e o volume de negociação de E-Mini representa apenas 0,9% do volume total de futuros de EUR / USD.
A tabela a seguir exibe o volume de negociação nocional diário médio para o contrato E-Micro (M6E), E-Mini (E7) e Euro Futuros (6E) de 10 de novembro de 2015 a 8 de dezembro de 2015.
Fonte: CME Group [1] [2] [3]
Se você planeja negociar uma cesta diversificada de instrumentos, os desafios de lidar com tamanhos maiores de contratos tornam-se ainda mais difíceis. Uma das únicas formas de reduzir o risco ao negociar um grande contrato é aproximando suas paradas, o que pode não ser o melhor resultado para sua estratégia.
Com as ações, você pode negociar em incrementos de apenas 1 ação, para que sua restrição ao tamanho do negócio possa ser o preço da ação que você está negociando.
2. Facilidade de ir curto.
Ao negociar ações, você pode ter alguns obstáculos para lidar se planeja ficar aquém em sua estratégia. A primeira é que você geralmente deve emprestar o estoque de seu corretor, se disponível, potencialmente a taxas de juros anualizadas que podem chegar a 100% em algumas ações difíceis de serem emprestadas. Se você receber um buy-in forçado, você pode ter que cobrir seu curto sem aviso prévio em um aperto curto.
Se os disjuntores obrigatórios da SEC forem acionados, talvez você não seja capaz de perder tempo em qualquer ação devido à regra alternativa de aumento.
Em ambos os FX e Futures, você pode vender a descoberto em um uptick e downtick e não há pagamentos de juros necessários para ir curto. O único financiamento que entra em jogo com o câmbio é a rolagem, que é baseada na diferença nas taxas de empréstimo overnight entre as duas moedas. Por esse motivo, você pode ganhar rollover em alguns pares quando estiver short.
3. Universo Instrumental.
Somente nos EUA, existem cerca de 25.000 ações listadas e excluídas da lista disponíveis para análise. Apenas se concentrar nas ações listadas pode introduzir um viés de seleção na sua estratégia.
Uma carteira de futuros diversificada pode negociar bem mais de 100 instrumentos, para não mencionar os meses de contrato variáveis disponíveis para cada instrumento. No entanto, no mercado de câmbio, 8 pares compõem 72% de todo o volume de câmbio. Isso pode potencialmente simplificar o processo de desenvolvimento da sua estratégia.
4. Alavancagem & ndash; Dimensionamento de posição.
Deixe-me começar dizendo que a alavancagem é uma faca de dois gumes que pode ampliar seus ganhos e suas perdas.
No mercado de ações, para negociar com alavancagem, você geralmente deve emprestar os fundos do seu corretor na forma de uma linha de crédito com taxas anualizadas, normalmente variando com base no seu saldo. Para negociar com alavancagem em ações, seria necessária uma conta de margem. As contas de margem podem oferecer aos clientes alavancagem de 2: 1 e algumas podem oferecer alavancagem intradia de 4: 1.
Nos mercados futuros e cambiais, você não paga juros pela alavancagem, pois as margens de posição são títulos de desempenho e a alavancagem disponível para os participantes do mercado pode ser consideravelmente maior.
Para o comerciante de algo sofisticado, a alavancagem pode ser uma utilidade eficaz que permite distribuir seu risco em mais instrumentos ou usar o dimensionamento de posição baseado em risco, em que o risco por negociação é determinado pela colocação de stop loss. Ao negociar ações desta forma, você pode descobrir que não tem poder de compra suficiente para comprar o número de ações determinado pela sua estratégia.
Considere o seguinte exemplo. Você tem US $ 10.000 e está disposto a arriscar 10% disso em 5 ações, definindo sua parada de 5% do preço de mercado atual. Para fazer isso, você precisaria ter mais que o dobro do poder de compra da conta, o que exigiria uma linha de crédito com seu corretor da bolsa. Quanto mais apertado for o seu orçamento, maior o seu poder de compra que seria necessário.
5. Nenhuma regra do comerciante do dia do teste padrão.
Se você planeja negociar uma estratégia intradiária no mercado de ações dos EUA, você precisará ter um mínimo de US $ 25.000,00 em sua conta se sua negociação estiver dentro do escopo da regra.
Não há regra semelhante para futuros ou negociação de FX.
A liquidez reflete a quantidade e a frequência de negociação em uma classe ou instrumento de ativo subjacente. De acordo com o Bank for International Settlements & rsquo; Pesquisa Trienal, negociação em moeda estrangeira média de US $ 5,3 trilhões por dia em abril de 2013 [4]. Números mais recentes não estão disponíveis, pois o relatório é feito uma vez a cada 3 anos.
O volume médio diário total de 5 dias para as Bolsas de Valores dos EUA em comparação é de US $ 7,9 bilhões em comparação. [5] Um desafio que Ernie Chan menciona em seu último livro [6] é que os tamanhos das cotações da NBBO (Melhor Oferta e Oferta Nacional) se tornaram muito pequenos. Ele acha que isso talvez se deva a dark pools, pedidos de iceberg por parte de traders institucionais ou HFTs. Se a cotação do NBBO for de apenas 100 compartilhamentos e você estiver tentando obter um preenchimento de 5.000 ações, talvez não receba o preço esperado.
O CME reportou um volume médio diário de 13,8 milhões de contratos por dia em abril de 2016 em todos os seus produtos. [6] O mercado de futuros tem excelente liquidez em muitos contratos; no entanto, os comerciantes de varejo devem competir contra os HFTs e os traders institucionais pelo melhor preço disponível. Veja a razão número 8 para mais sobre isso.
7. Participantes do Mercado.
A maioria dos participantes do mercado de ações geralmente busca lucro, o que significa que poucos participantes usam o mercado de ações para proteger os riscos relacionados ao negócio subjacente. Os investidores geralmente alocam capital para as empresas mais promissoras na expectativa de se beneficiar dos fluxos de caixa futuros. Os especuladores também participam, que buscam lucros, mas com um período de detenção mais curto em comparação aos investidores.
O mercado de câmbio também é composto de investidores e especuladores, mas grandes bancos e corporações podem participar como hedgers, sem a intenção de obter lucro em seus negócios. Seu objetivo ao fazer hedge é bloquear uma taxa e transferir o risco de mercado para os especuladores. Os governos e os bancos centrais também operam no mercado de câmbio, mas seus objetivos não são maximizar os lucros no comércio, mas sim estimular o crescimento em suas economias.
Os mercados de futuros também têm muitos hedgers como participantes do mercado, procurando fixar uma taxa para sua safra, por exemplo, e transferir o risco de mercado para os especuladores no processo.
Em resumo, os mercados de câmbio e futuros geralmente têm um grande número de participantes buscando transferir o risco em vez de usar os mercados para negociações com fins lucrativos. Os especuladores fornecem liquidez e os bem-sucedidos podem lucrar com essa troca com as estratégias certas.
Noções básicas de negociação algorítmica de Forex.
Quase trinta anos atrás, o mercado de câmbio (Forex) caracterizava-se por negociações conduzidas via telefone, investidores institucionais, informações de preço opacas, uma clara distinção entre negociação entre clientes e negociação entre clientes e negociantes e baixa concentração de mercado. Hoje, os avanços tecnológicos transformaram o mercado. Os negócios são feitos principalmente através de computadores, permitindo que os comerciantes de varejo entrem no mercado, os preços de streaming em tempo real levaram a uma maior transparência e a distinção entre distribuidores e seus clientes mais sofisticados praticamente desapareceu.
Uma mudança particularmente significativa é a introdução da negociação algorítmica, que, ao mesmo tempo em que melhora significativamente o funcionamento da negociação em Forex, também apresenta vários riscos. Examinando os fundamentos do mercado Forex e o comércio algorítmico, identificaremos algumas vantagens que o comércio algorítmico trouxe para o comércio de moedas, além de apontar alguns dos riscos.
Noções básicas de Forex.
O Forex é o local virtual em que os pares de moedas são negociados em volumes variáveis de acordo com os preços cotados em que uma moeda base recebe um preço em termos de uma moeda de cotação. Operando 24 horas por dia, cinco dias por semana, o Forex é considerado o maior e mais líquido mercado financeiro do mundo. De acordo com o Bank for International Settlements (BIS), o volume médio diário global de negociações em abril de 2013 foi de US $ 2,0 trilhões. A maior parte desta negociação é feita para dólares americanos, euros e ienes japoneses e envolve uma gama de jogadores, incluindo bancos privados, bancos centrais, fundos de pensão, investidores institucionais, grandes corporações, empresas financeiras e comerciantes de varejo individuais.
Embora a negociação especulativa possa ser a principal motivação para certos investidores, a principal razão para a existência do mercado Forex é que as pessoas precisam negociar moedas para comprar bens e serviços estrangeiros. A atividade no mercado Forex afeta as taxas de câmbio reais e pode, portanto, afetar profundamente a produção, o emprego, a inflação e os fluxos de capital de qualquer nação em particular. Por essa razão, os formuladores de políticas, o público e a mídia têm interesse no que se passa no mercado Forex.
Noções básicas de negociação algorítmica.
Um algoritmo é essencialmente um conjunto de regras específicas projetadas para completar uma tarefa claramente definida. Na negociação no mercado financeiro, os computadores executam algoritmos definidos pelo usuário, caracterizados por um conjunto de regras que consiste em parâmetros como tempo, preço ou quantidade que estruturam os negócios que serão realizados.
Existem quatro tipos básicos de negociação algorítmica nos mercados financeiros: estatística, cobertura automática, estratégias de execução algorítmica e acesso direto ao mercado. Estatística refere-se a uma estratégia algorítmica que procura oportunidades de negociação lucrativas com base na análise estatística de dados históricos de séries temporais. A cobertura automática é uma estratégia que gera regras para reduzir a exposição do profissional a riscos. O objetivo das estratégias de execução algorítmica é executar um objetivo predefinido, como reduzir o impacto no mercado ou executar um negócio rapidamente. Por fim, o acesso direto ao mercado descreve as velocidades ideais e os custos mais baixos pelos quais os operadores algorítmicos podem acessar e se conectar a múltiplas plataformas de negociação.
Uma das subcategorias de negociação algorítmica é a negociação de alta frequência, que é caracterizada pela frequência extremamente alta de execuções de ordens de negociação. Negociações de alta velocidade podem dar vantagens significativas aos negociantes, dando-lhes a capacidade de fazer negociações dentro de milissegundos de mudanças incrementais de preços, mas também pode acarretar certos riscos.
Negociação Algorítmica no Mercado Forex.
Grande parte do crescimento da negociação algorítmica nos mercados Forex nos últimos anos deveu-se a algoritmos que automatizaram determinados processos e reduziram as horas necessárias para conduzir transações cambiais. A eficiência criada pela automação leva a custos mais baixos na execução desses processos. Um desses processos é a execução de ordens de negociação. Automatizar o processo de negociação com um algoritmo que é negociado com base em critérios predeterminados, como a execução de ordens ao longo de um período de tempo especificado ou a um preço específico, é significativamente mais eficiente do que a execução manual por humanos.
Os bancos também aproveitaram os algoritmos programados para atualizar os preços dos pares de moedas nas plataformas de negociação eletrônica. Esses algoritmos aumentam a velocidade com que os bancos podem cotar os preços de mercado e, ao mesmo tempo, reduzem o número de horas de trabalho manuais necessárias para cotar preços.
Alguns bancos programam algoritmos para reduzir sua exposição ao risco. Os algoritmos podem ser usados para vender uma determinada moeda para corresponder ao comércio de um cliente no qual o banco comprou o valor equivalente para manter uma quantidade constante dessa moeda em particular. Isso permite que o banco mantenha um nível pré-especificado de exposição ao risco para manter essa moeda.
Esses processos foram significativamente mais eficientes por meio de algoritmos, levando a custos de transação mais baixos. No entanto, estes não são os únicos fatores que têm impulsionado o crescimento no comércio algorítmico Forex. Algoritmos têm sido cada vez mais utilizados para negociação especulativa, já que a combinação de alta frequência e a capacidade do algoritmo de interpretar dados e executar ordens permitiu que os operadores explorassem oportunidades de arbitragem decorrentes de pequenos desvios de preços entre pares de moedas.
Todas essas vantagens levaram ao aumento do uso de algoritmos no mercado Forex, mas vamos analisar alguns dos riscos que acompanham o comércio algorítmico.
Riscos envolvidos na negociação algorítmica de Forex.
Embora a negociação algorítmica tenha feito muitas melhorias, existem algumas desvantagens que podem ameaçar a estabilidade e a liquidez do mercado Forex. Uma dessas desvantagens está relacionada aos desequilíbrios no poder de negociação dos participantes do mercado. Alguns participantes têm meios para adquirir tecnologia sofisticada que lhes permita obter informações e executar ordens com uma velocidade muito mais rápida do que outras. Esse desequilíbrio entre os que têm e os que não têm em termos da tecnologia algorítmica mais sofisticada pode levar a uma fragmentação no mercado que pode levar à escassez de liquidez ao longo do tempo.
Além disso, embora existam diferenças fundamentais entre os mercados de ações e o mercado Forex, há alguns que temem que a negociação de alta frequência que exacerbou o crash da bolsa de valores em 6 de maio de 2010 poderia afetar o mercado Forex. Como os algoritmos são programados para cenários específicos do mercado, eles podem não responder com rapidez suficiente se o mercado mudar drasticamente. Para evitar esse cenário, os mercados podem precisar ser monitorados e a negociação algorítmica suspensa durante a turbulência do mercado. No entanto, em cenários tão extremos, uma suspensão simultânea de negociação algorítmica por inúmeros participantes do mercado poderia resultar em alta volatilidade e redução drástica na liquidez do mercado.
The Bottom Line.
Embora a negociação algorítmica tenha sido capaz de aumentar a eficiência, reduzindo os custos de negociação de moedas, ela também trouxe alguns riscos adicionais. Para que as moedas funcionem adequadamente, elas devem ser armazenadas de alguma forma estáveis e altamente líquidas. Assim, é importante que o mercado Forex permaneça líquido com baixa volatilidade de preços.
Como em todas as áreas da vida, a nova tecnologia introduz muitos benefícios, mas também traz novos riscos. O desafio para o futuro do comércio algorítmico de Forex será como instituir mudanças que maximizem os benefícios enquanto reduz os riscos.
Como identificar estratégias de negociação algorítmicas.
Como identificar estratégias de negociação algorítmicas.
Neste artigo, quero apresentar os métodos pelos quais eu mesmo identifico estratégias lucrativas de negociação algorítmica. Nosso objetivo hoje é entender detalhadamente como encontrar, avaliar e selecionar tais sistemas. Explicarei como as estratégias de identificação envolvem tanto a preferência pessoal quanto o desempenho da estratégia, como determinar o tipo e a quantidade de dados históricos para testes, como avaliar imparcialmente uma estratégia de negociação e, finalmente, como proceder para a fase de backtesting e implementação estratégica.
Identificando suas próprias preferências pessoais para negociação.
Para ser um profissional bem-sucedido - seja de forma discreta ou algorítmica - é necessário fazer algumas perguntas honestas. Negociação fornece a você a capacidade de perder dinheiro a um ritmo alarmante, por isso é necessário "conhecer-se", tanto quanto é necessário compreender a sua estratégia escolhida.
Eu diria que a consideração mais importante no comércio é estar ciente de sua própria personalidade. O comércio e o comércio algorítmico, em particular, exigem um grau significativo de disciplina, paciência e distanciamento emocional. Como você está permitindo que um algoritmo realize sua negociação para você, é necessário que ele seja resolvido para não interferir na estratégia quando ela estiver sendo executada. Isso pode ser extremamente difícil, especialmente em períodos de redução prolongada. No entanto, muitas estratégias que se mostraram altamente lucrativas em um backtest podem ser arruinadas pela simples interferência. Entenda que, se você deseja entrar no mundo do comércio algorítmico, será testado emocionalmente e, para ter sucesso, é necessário superar essas dificuldades!
A próxima consideração é uma das vezes. Você tem um emprego a tempo inteiro? Você trabalha meio período? Você trabalha em casa ou tem um longo trajeto todos os dias? Essas perguntas ajudarão a determinar a frequência da estratégia que você deve procurar. Para aqueles que trabalham em tempo integral, uma estratégia de futuros intradiários pode não ser apropriada (pelo menos até que seja totalmente automatizada!). Suas limitações de tempo também ditarão a metodologia da estratégia. Se a sua estratégia é freqüentemente negociada e depende de feeds de notícias caros (como um terminal da Bloomberg), você terá claramente que ser realista em relação à sua capacidade de executar isso com sucesso no escritório! Para aqueles de vocês com muito tempo, ou as habilidades para automatizar sua estratégia, você pode querer olhar para uma estratégia de negociação de alta frequência (HFT) mais técnica.
Acredito que é necessário realizar pesquisas contínuas em suas estratégias de negociação para manter um portfólio consistentemente lucrativo. Poucas estratégias permanecem "sob o radar" para sempre. Portanto, uma parte significativa do tempo destinado à negociação será na realização de pesquisas em andamento. Pergunte a si mesmo se você está preparado para fazer isso, pois pode ser a diferença entre rentabilidade forte ou um declínio lento em direção a perdas.
Você também precisa considerar seu capital comercial. O valor mínimo ideal geralmente aceito para uma estratégia quantitativa é de 50.000 USD (aproximadamente £ 35.000 para nós no Reino Unido). Se eu estivesse começando de novo, começaria com uma quantia maior, provavelmente perto de 100.000 USD (aproximadamente £ 70.000). Isso ocorre porque os custos de transação podem ser extremamente caros para as estratégias de média a alta frequência e é necessário ter capital suficiente para absorvê-los em tempos de rebaixamento. Se você está considerando começar com menos de 10.000 dólares, então você precisará restringir-se a estratégias de baixa frequência, negociando em um ou dois ativos, pois os custos de transação irão rapidamente afetar seus retornos. A Interactive Brokers, que é uma das corretoras mais amigáveis para aqueles com habilidades de programação, devido à sua API, tem uma conta de varejo de no mínimo 10.000 USD.
A habilidade de programação é um fator importante na criação de uma estratégia automatizada de negociação algorítmica. Ter conhecimento em uma linguagem de programação como C ++, Java, C #, Python ou R permitirá que você crie o armazenamento de dados de ponta a ponta, mecanismo de backtest e sistema de execução por conta própria. Isso tem uma série de vantagens, das quais a principal é a capacidade de estar completamente ciente de todos os aspectos da infraestrutura de negociação. Ele também permite que você explore as estratégias de frequência mais alta, pois você estará no controle total da sua "pilha de tecnologia". Embora isso signifique testar seu próprio software e eliminar bugs, também significa mais tempo gasto na codificação de infraestrutura e menos na implementação de estratégias, pelo menos na primeira parte de sua carreira de negociação de algoritmos. Você pode achar que está confortável negociando no Excel ou no MATLAB e pode terceirizar o desenvolvimento de outros componentes. Eu não recomendaria isso, no entanto, especialmente para aqueles que operam em alta freqüência.
Você precisa se perguntar o que você espera alcançar por negociação algorítmica. Você está interessado em uma renda regular, em que você espera obter ganhos de sua conta de negociação? Ou, você está interessado em um ganho de capital a longo prazo e pode se dar ao luxo de negociar sem a necessidade de levantar fundos? Dependência de renda irá ditar a frequência da sua estratégia. Retiradas de renda mais regulares exigirão uma estratégia de negociação de frequência mais alta com menos volatilidade (ou seja, um índice de Sharpe mais alto). Comerciantes de longo prazo podem pagar uma frequência de negociação mais tranqüila.
Finalmente, não se iluda com a noção de se tornar extremamente rico em um curto espaço de tempo! Algo negociação não é um esquema de enriquecimento rápido - se alguma coisa pode ser um esquema de tornar-se pobre rápido. É preciso muita disciplina, pesquisa, diligência e paciência para ter sucesso no comércio algorítmico. Pode levar meses, se não anos, para gerar lucratividade consistente.
Idéias de Negociação Algorítmica de Sourcing.
Apesar das percepções comuns em contrário, é bastante simples localizar estratégias de negociação lucrativas no domínio público. Nunca as ideias de negociação foram mais prontamente disponíveis do que são hoje. Revistas de finanças acadêmicas, servidores de pré-impressão, blogs de negociação, fóruns de negociação, revistas semanais de negociação e textos especializados fornecem milhares de estratégias de negociação com as quais basear suas idéias.
Nosso objetivo como pesquisadores de comércio quantitativo é estabelecer um pipeline de estratégia que nos fornecerá um fluxo de ideias de negociação em andamento. Idealmente, queremos criar uma abordagem metódica para a terceirização, avaliação e implementação de estratégias com as quais nos deparamos. Os objetivos do pipeline são gerar uma quantidade consistente de novas idéias e nos fornecer uma estrutura para rejeitar a maioria dessas idéias com o mínimo de consideração emocional.
Devemos ser extremamente cuidadosos para não deixar que vieses cognitivos influenciem nossa metodologia de tomada de decisão. Isso pode ser tão simples quanto ter uma preferência por uma classe de ativos sobre outra (ouro e outros metais preciosos vêm à mente) porque eles são percebidos como mais exóticos. Nosso objetivo deve ser sempre encontrar estratégias consistentemente lucrativas, com expectativa positiva. A escolha da classe de ativos deve ser baseada em outras considerações, como restrições de capital comercial, taxas de corretagem e capacidades de alavancagem.
Se você não está familiarizado com o conceito de uma estratégia de negociação, então o primeiro lugar a olhar é com livros de texto estabelecidos. Os textos clássicos fornecem uma ampla gama de ideias mais simples e diretas, com as quais você pode se familiarizar com a negociação quantitativa. Aqui está uma seleção que eu recomendo para aqueles que são novos no comércio quantitativo, que gradualmente se tornam mais sofisticados conforme você trabalha na lista:
Para uma lista mais longa de livros de negociações quantitativas, visite a lista de leitura QuantStart.
O próximo lugar para encontrar estratégias mais sofisticadas é com fóruns de negociação e blogs de negociação. No entanto, uma nota de cautela: Muitos blogs de negociação contam com o conceito de análise técnica. A análise técnica envolve a utilização de indicadores básicos e psicologia comportamental para determinar tendências ou padrões de reversão nos preços dos ativos.
Apesar de ser extremamente popular no espaço comercial geral, a análise técnica é considerada um tanto ineficaz na comunidade financeira quantitativa. Alguns sugeriram que não é melhor do que ler um horóscopo ou estudar folhas de chá em termos de poder preditivo! Na realidade, existem indivíduos bem sucedidos fazendo uso de análise técnica. No entanto, como pessoas com uma caixa de ferramentas matemática e estatística mais sofisticada à nossa disposição, podemos facilmente avaliar a eficácia de tais estratégias baseadas em AT e tomar decisões baseadas em dados em vez de basear as nossas em considerações emocionais ou preconceitos.
Aqui está uma lista de blogs e fóruns de negociação algorítmica bem respeitados:
Depois de ter alguma experiência em avaliar estratégias mais simples, é hora de olhar para as ofertas acadêmicas mais sofisticadas. Algumas revistas acadêmicas serão de difícil acesso, sem altas assinaturas ou custos únicos. Se você é um membro ou ex-aluno de uma universidade, você deve ser capaz de obter acesso a alguns desses periódicos financeiros. Caso contrário, você pode ver os servidores de pré-impressão, que são repositórios da Internet de rascunhos atrasados de trabalhos acadêmicos que estão sendo revisados por especialistas. Como estamos interessados apenas em estratégias que podemos replicar com sucesso, fazer backtest e obter lucratividade, uma revisão por pares é de menor importância para nós.
A principal desvantagem das estratégias acadêmicas é que muitas vezes elas podem estar desatualizadas, exigir dados históricos obscuros e caros, negociar em classes de ativos ilíquidos ou não levar em conta taxas, desvios ou spread. Também pode não estar claro se a estratégia de negociação deve ser executada com ordens de mercado, ordens de limite ou se ela contém perdas de parada, etc. Assim, é absolutamente essencial replicar a estratégia você mesmo, fazer o backtest e adicionar transações realistas. custos que incluem tantos aspectos das classes de ativos que você deseja negociar.
Aqui está uma lista dos servidores de pré-impressão mais populares e revistas financeiras que você pode obter idéias de:
Que tal formar suas próprias estratégias quantitativas? Isso geralmente requer (mas não está limitado a) conhecimento em uma ou mais das seguintes categorias:
Microestrutura de mercado - Para estratégias de maior frequência, em particular, pode-se fazer uso da microestrutura de mercado, ou seja, o entendimento da dinâmica da carteira de pedidos para gerar rentabilidade. Diferentes mercados terão várias limitações tecnológicas, regulamentações, participantes do mercado e restrições que serão abertas à exploração por meio de estratégias específicas. Esta é uma área muito sofisticada e os profissionais de varejo terão dificuldade em ser competitivos neste espaço, particularmente porque a competição inclui fundos de hedge quantitativos grandes e bem capitalizados com fortes capacidades tecnológicas. Estrutura do fundo - Fundos de investimento agrupados, como fundos de pensão, parcerias de investimento privado (hedge funds), consultores de negociação de commodities e fundos mútuos são limitados tanto pela pesada regulação quanto por suas grandes reservas de capital. Assim, certos comportamentos consistentes podem ser explorados com aqueles que são mais ágeis. Por exemplo, grandes fundos estão sujeitos a restrições de capacidade devido ao seu tamanho. Assim, se eles precisarem rapidamente descarregar (vender) uma quantidade de títulos, terão que escalonar para evitar "movimentar o mercado". Algoritmos sofisticados podem tirar proveito disso e de outras idiossincrasias, em um processo geral conhecido como arbitragem da estrutura do fundo. Aprendizado de máquina / inteligência artificial - Os algoritmos de aprendizado de máquina se tornaram mais prevalentes nos últimos anos nos mercados financeiros. Classificadores (como Naive-Bayes, et al.) Correspondentes de função não-linear (redes neurais) e rotinas de otimização (algoritmos genéticos) têm sido usados para prever caminhos de ativos ou otimizar estratégias de negociação. Se você tiver experiência nessa área, poderá ter algumas dicas sobre como determinados algoritmos podem ser aplicados a determinados mercados.
Existem, é claro, muitas outras áreas para os quantos investigarem. Discutiremos como detalhar as estratégias personalizadas em um artigo posterior.
Ao continuar a monitorar essas fontes semanalmente ou diariamente, você está se preparando para receber uma lista consistente de estratégias de diversas fontes. O próximo passo é determinar como rejeitar um grande subconjunto dessas estratégias, a fim de minimizar o desperdício de tempo e recursos de backtesting em estratégias que provavelmente não serão lucrativas.
Avaliação de estratégias de negociação.
A primeira e indiscutivelmente mais óbvia consideração é se você realmente entende a estratégia. Você seria capaz de explicar a estratégia de forma concisa ou requer uma série de advertências e listas de parâmetros sem fim? Além disso, a estratégia tem uma base boa e sólida na realidade? Por exemplo, você poderia apontar para algum raciocínio comportamental ou restrição de estrutura de fundos que possa estar causando o (s) padrão (ões) que você está tentando explorar? Essa restrição seria uma mudança de regime, como uma dramática interrupção no ambiente regulatório? A estratégia depende de regras estatísticas ou matemáticas complexas? Aplica-se a qualquer série temporal financeira ou é específico para a classe de ativos na qual se afirma ser rentável? Você deve estar constantemente pensando sobre esses fatores ao avaliar novos métodos de negociação, caso contrário você pode perder uma quantidade significativa de tempo tentando fazer backtest e otimizar estratégias não lucrativas.
Depois de determinar que você entende os princípios básicos da estratégia, você precisa decidir se ela se encaixa no perfil de personalidade mencionado anteriormente. Esta não é uma consideração tão vaga quanto parece! Estratégias diferem substancialmente em suas características de desempenho. Existem certos tipos de personalidade que podem lidar com períodos mais significativos de levantamento, ou estão dispostos a aceitar um risco maior de retorno maior. Apesar do fato de que nós, como muitos, tentamos eliminar o máximo de viés cognitivo possível e devemos ser capazes de avaliar uma estratégia imparcialmente, os vieses sempre se infiltrarão. Assim, precisamos de meios consistentes e sem emoção para avaliar o desempenho das estratégias. . Aqui está a lista de critérios que julgo uma nova estratégia em potencial:
Metodologia - A estratégia é baseada no momento, na reversão da média, no neutro do mercado, no direcional? A estratégia baseia-se em técnicas estatísticas sofisticadas (ou complexas!) Ou de aprendizado de máquina que são difíceis de entender e exigem que um PhD em estatística seja compreendido? Essas técnicas introduzem uma quantidade significativa de parâmetros, o que pode levar a um viés de otimização? É provável que a estratégia resista a uma mudança de regime (ou seja, nova regulação potencial dos mercados financeiros)? Índice de Sharpe - O índice de Sharpe caracteriza heuristicamente a relação recompensa / risco da estratégia. Quantifica quanto retorno você pode obter para o nível de volatilidade suportado pela curva de capital. Naturalmente, precisamos determinar o período e a frequência com que esses retornos e a volatilidade (ou seja, o desvio padrão) são medidos. Uma estratégia de frequência mais alta exigirá uma taxa de amostragem maior do desvio padrão, mas um período de tempo global mais curto de medição, por exemplo. Alavancagem - A estratégia requer alavancagem significativa para ser rentável? A estratégia requer o uso de contratos de derivativos alavancados (futuros, opções, swaps) para fazer um retorno? Esses contratos alavancados podem ter características pesadas de volatilidade e, portanto, podem facilmente levar a chamadas de margem. Você tem o capital comercial e o temperamento para tal volatilidade? Frequência - A frequência da estratégia está intimamente ligada à sua pilha de tecnologia (e, portanto, expertise tecnológica), o índice de Sharpe e o nível geral de custos de transação. Todas as outras questões consideradas, estratégias de maior frequência exigem mais capital, são mais sofisticadas e mais difíceis de implementar. No entanto, supondo que seu mecanismo de backtesting seja sofisticado e livre de erros, eles geralmente terão taxas de Sharpe muito mais altas. Volatilidade - A volatilidade está fortemente relacionada ao "risco" da estratégia. A proporção de Sharpe caracteriza isso. A maior volatilidade das classes de ativos subjacentes, se não protegidas, muitas vezes leva a uma maior volatilidade na curva de capital e, portanto, menores índices de Sharpe. É claro que estou assumindo que a volatilidade positiva é aproximadamente igual à volatilidade negativa. Algumas estratégias podem ter maior volatilidade negativa. Você precisa estar ciente desses atributos. Ganho / Perda, Lucro Médio / Perda - As estratégias diferem em suas características de ganhos / perdas e lucro / prejuízo médio. Pode-se ter uma estratégia muito lucrativa, mesmo se o número de negociações perdedoras exceder o número de negociações vencedoras. As estratégias de impulso tendem a ter esse padrão, pois dependem de um pequeno número de "grandes sucessos" para serem lucrativos. As estratégias de reversão à média tendem a ter perfis opostos nos quais mais dos negócios são "vencedores", mas os negócios perdedores podem ser bastante severos. Drawdown Máximo - O rebaixamento máximo é a maior queda percentual de ponta a ponta na curva de capital da estratégia. As estratégias de dinâmica são bem conhecidas por sofrer de períodos de rebaixamentos prolongados (devido a uma série de muitos comércios de perda incremental). Muitos traders desistirão em períodos de rebaixamento prolongado, mesmo que testes históricos tenham sugerido que isso é "business as usual" para a estratégia. Você precisará determinar qual porcentagem de rebaixamento (e em qual período de tempo) você pode aceitar antes de interromper sua estratégia. Esta é uma decisão altamente pessoal e, portanto, deve ser considerada com cuidado. Capacidade / Liquidez - No nível de varejo, a menos que você esteja negociando com um instrumento altamente ilíquido (como um stock small-cap), você não terá que se preocupar muito com a capacidade da estratégia. A capacidade determina a escalabilidade da estratégia para mais capital. Muitos dos maiores fundos de hedge sofrem com problemas de capacidade significativos à medida que suas estratégias aumentam na alocação de capital. Parâmetros - Determinadas estratégias (especialmente aquelas encontradas na comunidade de aprendizado de máquina) exigem uma grande quantidade de parâmetros. Cada parâmetro extra que uma estratégia requer deixa mais vulnerável ao viés de otimização (também conhecido como "ajuste de curva"). Você deve tentar direcionar as estratégias com o menor número de parâmetros possível ou ter quantidades suficientes de dados para testar suas estratégias. Benchmark - Quase todas as estratégias (a menos que caracterizadas como "retorno absoluto") são medidas em relação a alguns benchmarks de desempenho. O benchmark é geralmente um índice que caracteriza uma grande amostra da classe de ativos subjacente na qual a estratégia negocia. Se a estratégia negociar ações de grande capitalização dos EUA, o S & P500 seria um benchmark natural para medir sua estratégia. Você ouvirá os termos "alpha" e "beta", aplicados a estratégias desse tipo. Discutiremos esses coeficientes em profundidade em artigos posteriores.
Observe que não discutimos os retornos reais da estratégia. Por que é isso? Isoladamente, os retornos realmente nos fornecem informações limitadas sobre a eficácia da estratégia. Eles não dão uma visão sobre alavancagem, volatilidade, benchmarks ou requisitos de capital. Assim, as estratégias raramente são julgadas apenas por seus retornos. Sempre considere os atributos de risco de uma estratégia antes de examinar os retornos.
Neste estágio, muitas das estratégias encontradas em seu pipeline serão rejeitadas, pois elas não atenderão às suas necessidades de capital, limitações de alavancagem, tolerância máxima de redução ou preferências de volatilidade. As estratégias que permanecem podem agora ser consideradas para backtesting. No entanto, antes que isso seja possível, é necessário considerar um critério final de rejeição - o dos dados históricos disponíveis sobre os quais testar essas estratégias.
Obtendo dados históricos.
Atualmente, a amplitude dos requisitos técnicos em classes de ativos para armazenamento de dados históricos é substancial. Para manter a competitividade, tanto o lado comprador (fundos) quanto o lado vendedor (bancos de investimento) investem pesadamente em sua infraestrutura técnica. É imperativo considerar sua importância. Em particular, estamos interessados nos requisitos de pontualidade, precisão e armazenamento. Agora descreverei os conceitos básicos da obtenção de dados históricos e como armazená-los. Infelizmente este é um tópico muito profundo e técnico, então não poderei dizer tudo neste artigo. No entanto, estarei escrevendo muito mais sobre isso no futuro, já que minha experiência anterior na indústria financeira estava principalmente relacionada à aquisição, armazenamento e acesso de dados financeiros.
Na seção anterior, criamos um pipeline de estratégia que nos permitia rejeitar determinadas estratégias com base em nossos critérios pessoais de rejeição. Nesta seção, filtraremos mais estratégias com base em nossas próprias preferências para obter dados históricos. As principais considerações (especialmente no nível do profissional de varejo) são os custos dos dados, os requisitos de armazenamento e seu nível de conhecimento técnico. Também precisamos discutir os diferentes tipos de dados disponíveis e as diferentes considerações que cada tipo de dados nos impõe.
Vamos começar discutindo os tipos de dados disponíveis e as principais questões que precisaremos pensar:
Dados Fundamentais - Incluem dados sobre tendências macroeconômicas, como taxas de juros, inflação, ações corporativas (dividendos, desdobramentos), arquivamentos na SEC, contas corporativas, dados de lucros, relatórios de safra, dados meteorológicos etc. Esses dados costumam ser usados para valorizam empresas ou outros ativos em uma base fundamental, ou seja, por meio de alguns fluxos de caixa futuros esperados. Não inclui séries de preços de ações. Alguns dados fundamentais estão disponíveis gratuitamente em sites do governo. Outros dados históricos históricos de longo prazo podem ser extremamente caros. Os requisitos de armazenamento muitas vezes não são particularmente grandes, a menos que milhares de empresas estejam sendo estudadas de uma só vez. Dados de Notícias - Os dados de notícias são frequentemente de natureza qualitativa. É composto por artigos, posts, postagens de microblog ("tweets") e editorial. Técnicas de aprendizado de máquina, como classificadores, são frequentemente usadas para interpretar sentimentos. Esses dados também costumam estar disponíveis gratuitamente ou são baratos, por meio da assinatura de meios de comunicação. Os bancos de dados de armazenamento de documentos "NoSQL" mais recentes são projetados para armazenar esse tipo de dados qualitativos não estruturados. Dados de Preço do Ativo - Este é o domínio de dados tradicional do quant. Consiste em séries temporais de preços de ativos. Ações (ações), produtos de renda fixa (títulos), commodities e preços de câmbio estão dentro dessa classe. Dados históricos diários geralmente são fáceis de obter para classes de ativos mais simples, como ações. No entanto, depois que a precisão e a limpeza forem incluídas e os desvios estatísticos forem removidos, os dados poderão se tornar caros. Além disso, os dados de série temporal geralmente possuem requisitos de armazenamento significativos, especialmente quando os dados intraday são considerados. Instrumentos Financeiros - Ações, obrigações, futuros e as opções de derivativos mais exóticas têm características e parâmetros muito diferentes. Assim, não existe uma estrutura de banco de dados "tamanho único" que possa acomodá-los. Deve-se dar um cuidado significativo ao projeto e implementação de estruturas de banco de dados para vários instrumentos financeiros. Discutiremos a situação detalhadamente quando chegarmos a construir um banco de dados mestre de títulos em artigos futuros. Freqüência - Quanto maior a frequência dos dados, maiores são os custos e os requisitos de armazenamento. Para estratégias de baixa frequência, os dados diários costumam ser suficientes. Para estratégias de alta frequência, pode ser necessário obter dados em nível de escala e até cópias históricas de dados específicos do livro de ordens da bolsa de valores. A implementação de um mecanismo de armazenamento para esse tipo de dados é muito intensiva em tecnologia e adequada apenas para aqueles com forte histórico técnico / de programação. Benchmarks - As estratégias descritas acima serão frequentemente comparadas a um benchmark. Isso geralmente se manifesta como uma série temporal financeira adicional. Para ações, este é frequentemente um benchmark de ações nacionais, como o índice S & P500 (EUA) ou FTSE100 (Reino Unido). Para um fundo de renda fixa, é útil comparar com uma cesta de títulos ou produtos de renda fixa. A "taxa livre de risco" (isto é, taxa de juros apropriada) é também outro ponto de referência amplamente aceito. Todas as categorias de classe de ativos possuem uma referência favorecida, portanto, será necessário pesquisar isso com base em sua estratégia específica, se você deseja obter interesse em sua estratégia externamente. Tecnologia - As pilhas de tecnologia por trás de um centro de armazenamento de dados financeiros são complexas. Este artigo pode apenas arranhar a superfície sobre o que está envolvido na construção de um. However, it does centre around a database engine, such as a Relational Database Management System (RDBMS), such as MySQL, SQL Server, Oracle or a Document Storage Engine (i. e. "NoSQL"). This is accessed via "business logic" application code that queries the database and provides access to external tools, such as MATLAB, R or Excel. Often this business logic is written in C++, C#, Java or Python. You will also need to host this data somewhere, either on your own personal computer, or remotely via internet servers. Products such as Amazon Web Services have made this simpler and cheaper in recent years, but it will still require significant technical expertise to achieve in a robust manner.
As can be seen, once a strategy has been identified via the pipeline it will be necessary to evaluate the availability, costs, complexity and implementation details of a particular set of historical data. You may find it is necessary to reject a strategy based solely on historical data considerations. This is a big area and teams of PhDs work at large funds making sure pricing is accurate and timely. Não subestime as dificuldades de criar um data center robusto para seus fins de backtesting!
I do want to say, however, that many backtesting platforms can provide this data for you automatically - at a cost. Thus it will take much of the implementation pain away from you, and you can concentrate purely on strategy implementation and optimisation. Tools like TradeStation possess this capability. However, my personal view is to implement as much as possible internally and avoid outsourcing parts of the stack to software vendors. I prefer higher frequency strategies due to their more attractive Sharpe ratios, but they are often tightly coupled to the technology stack, where advanced optimisation is critical.
Now that we have discussed the issues surrounding historical data it is time to begin implementing our strategies in a backtesting engine. This will be the subject of other articles, as it is an equally large area of discussion!
How to Code Your Own Algo Trading Robot.
Ever wanted to become an algorithmic trader with the ability to code your own trading robot? And yet, are you frustrated with the amount of disorganized, misleading information and false promises of overnight prosperity? Well, Lucas Liew, creator of the online algorithmic trading course AlgoTrading101, may have the solution for you. Tendo excelentes avaliações e conquistando mais de 8.000 alunos desde o seu primeiro lançamento em outubro de 2014, o curso da Liew - destinado a apresentar os fundamentos do comércio algorítmico de forma organizada - está se mostrando bastante popular. Ele é inflexível quanto ao fato de que a negociação algorítmica “não é um esquema de enriquecimento rápido”. Baseando-se em insights de Liew e seu curso, descritos abaixo são os fundamentos do que é necessário para projetar, construir e manter seu próprio robô de negociação algorítmica .
What an Algorithmic Trading Robot Is and Does.
No nível mais básico, um robô de negociação algorítmica é um código de computador que tem a capacidade de gerar e executar sinais de compra e venda nos mercados financeiros. The main components of such a robot include entry rules that signal when to buy or sell, exit rules indicating when to close the current position, and position sizing rules defining the quantities to buy or sell. (For more, see: Basics of Algorithmic Trading: Concepts and Examples .)
As principais ferramentas.
Obviously, you’re going to need a computer and an Internet connection. After that, a Windows or Mac operating system will be needed to run MetaTrader 4 (MT4)—an electronic trading platform that uses the MetaQuotes Language 4 (MQL4) for coding trading strategies. Although MT4 is not the only software one could use to build a robot it has a number of significant benefits.
While MT4’s main asset class is foreign exchange (FX), the platform can be used to trade equities, equity indices, commodities and Bitcoins using CFDs. Other benefits of using MT4 as opposed to other platforms include being easy to learn, has numerous available FX data sources and it’s free. Infelizmente, o MT4 não permite negociações diretas nos mercados de ações e de futuros e a realização de análises estatísticas pode ser onerosa; no entanto, o MS Excel pode ser usado como uma ferramenta estatística suplementar.
Estratégias de Negociação Algorítmica.
É importante começar refletindo sobre algumas características fundamentais que toda estratégia de negociação algorítmica deve ter. A estratégia deve ser prudente no mercado, pois é fundamentalmente sólida do ponto de vista comercial e econômico. Also, the mathematical model used in developing the strategy should be based on sound statistical methods.
Em seguida, é crucial determinar quais informações seu robô está tentando capturar. In order to have an automated strategy, your robot needs to be able to capture identifiable, persistent market inefficiencies. Algorithmic trading strategies follow a rigid set of rules that take advantage of market behavior and thus, the occurrence of a one-time market inefficiency is not enough to build a strategy around. Further, if the cause of the market inefficiency is unidentifiable, then there will be no way to know if the success or failure of the strategy was due to chance or not.
Com o acima em mente, há vários tipos de estratégia para informar o design do seu robô de negociação algorítmica. These include strategies that take advantage of (i) macroeconomic news (e. g. non-farm payroll or interest rate changes); (ii) fundamental analysis (e. g. using revenue data or earnings release notes); (iii) anise estattica (por exemplo, correlao ou cointegrao); (iv) technical analysis (e. g. moving averages); (v) the market microstructure (e. g. arbitrage or trade infrastructure); or (vi) any combination of the above. (For related reading, see: What Is Market Efficiency? )
Projetando e testando seu robô.
There are essentially four steps needed to build and manage a trading robot:
Preliminary Research : This step focuses on developing a strategy that suits your own personal characteristics. Fatores como perfil de risco pessoal, comprometimento de tempo e capital de negociação são todos importantes para se pensar no desenvolvimento de uma estratégia. You can then begin to identify the persistent market inefficiencies mentioned above. Tendo identificado uma ineficiência de mercado, você pode começar a codificar um robô comercial adequado às suas próprias características pessoais.
Backtesting : This step focuses on validating your trading robot. Isso inclui verificar o código para certificar-se de que ele está fazendo o que deseja e entender como ele funciona em diferentes períodos de tempo, classes de ativos ou condições de mercado diferentes, especialmente em eventos do tipo cisne negro, como a crise financeira global de 2008.
Otimização: Então, agora você codificou um robô que funciona e, nesse estágio, você quer maximizar seu desempenho enquanto minimiza o viés do overfitting. To maximize performance you first need to select a good performance measure that captures risk and reward elements, as well as consistency (e. g. Sharpe ratio). Overfitting bias occurs when your robot is too closely based on past data; esse robô vai dar a ilusão de alto desempenho, mas como o futuro nunca se parece completamente com o passado, ele pode realmente falhar.
Live Execution : You are now ready to begin using real money. However, aside from being prepared for the emotional ups and downs that you might experience, there are a few technical issues that need to be addressed. These issues include selecting an appropriate broker, and implementing mechanisms to manage both market risks and operational risks such as potential hackers and technology downtime. It is also important at this step to verify that the robot’s performance is similar to that experienced in the testing stage. Finalmente, o monitoramento contínuo é necessário para garantir que a eficiência do mercado para a qual o robô foi projetado ainda exista. (For more, see: How Trading Algorithms Are Created .)
The Bottom Line.
Considering that Richard Dennis, the legendary commodity trader, taught a group of students his personal trading strategies who then went on to earn over $175 million in just five years, it is completely possible for inexperienced traders to be taught a strict set of guidelines and become successful traders . No entanto, este é um exemplo extraordinário e os iniciantes devem lembrar-se de ter expectativas modestas.
Para ser bem sucedido, é importante não apenas seguir um conjunto de diretrizes, mas também entender como essas diretrizes estão funcionando. Liew stresses that the most important part of algorithmic trading is “understanding under which types of market conditions your robot will work and when it will break down,” and “understanding when to intervene.” Algorithmic trading can be rewarding but the key to success is understanding. Any course or teacher promising high rewards with minimal understanding should be a major warning sign.
