Algoritmik ticaret - sayfa 24

[MetaQuotes]

Ticarette yapay zeka Dr Thomas Starke | Algo Ticaret Haftası 6. Gün

Ticarette yapay zeka Dr Thomas Starke | Algo Ticaret Haftası 6. Gün

Tanınmış bir konuşmacı olan Dr. Thomas Starke, sunumu sırasında yapay zekanın ticarette neden bir sonraki büyük şey olarak kabul edildiğini tartışıyor. Yapay zeka ve makine öğreniminin uzun süredir var olduğunu, ancak sınırlı bilgi işlem gücü nedeniyle etkili uygulamalarının zor olduğunu kabul ediyor. Bununla birlikte, teknolojideki son gelişmeler, önemli algoritmaların bulut bilgi işlem yoluyla dizüstü bilgisayarlarda ve sunucu merkezlerinde verimli bir şekilde çalışmasını sağlayarak hesaplama yeteneklerini büyük ölçüde geliştirdi. Dr. Starke, yapay zekanın finansta da devrim yaratabileceği inancına katkıda bulunan yüz tanıma, görüntü tanıma ve doğal dil işleme gibi çeşitli alanlarda yapay zekanın başarılarının altını çiziyor.

Starke, yapay zeka ve makine öğreniminin sihirli değnekler olmadığını, finans alanında kapsamlı bir anlayış ve uygulama gerektiren bilimsel ve matematiksel araçlar olduğunu vurguluyor. Finansın bilimsel yönleri olsa da, ağırlıklı olarak bir sanat formu olarak kabul edilir. Bu nedenle, AI'nın finans potansiyelinden yararlanmak için, alanın hem araçlarını hem de sanatını kavramak gerekir.

Dr. Starke konuşması sırasında yapay zekanın ticarete uygulanmasında makine öğrenimi ve istatistiksel bilginin yanı sıra yazılım geliştirme ve programlama becerilerinin rolüne değiniyor. Piyasada makine öğrenimi araçlarını etkin bir şekilde kullanmak için gerekli olan, API'ler yazmak ve sistem arızalarına karşı koruma sağlamak da dahil olmak üzere güçlü yazılım becerilerinin önemini vurguluyor. Makine öğrenimi araçlarının kullanıcı dostu olmasına rağmen, programlama becerilerinin ve istatistiksel bilginin bu alandaki uygulayıcılar için kritik öneme sahip olduğunu savunuyor. Ayrıca, makine öğrenimi algoritmalarını kullanmak için doktoranın gerekli olup olmadığı sorusunu ele alıyor ve bireylerin belirli hedefleri olduğu, kapsamlı araştırmalar yaptığı ve gerekli çalışmaları yapmaya istekli olduğu sürece bunun gerekli olmadığını iddia ediyor.

Alım satım için AI öğrenmede mentorluğun önemi, Dr. Starke tarafından tartışılan başka bir konudur. İyi bir akıl hocası bulmanın, yeni başlayanların yaygın hatalardan kaçınmasına ve yalnızca akademik kurumlardan edinilen teorik bilgilere güvenmek yerine pratik bilgiler geliştirmesine yardımcı olabileceğini vurguluyor. Dr. Starke, herkesin AI öğrenebileceğini, ancak doğru rehberlik sağlayabilecek bir akıl hocasına sahip olmanın paha biçilmez olduğunu vurguluyor. Ayrıca, programlama uygun rehberlikle öğrenilebileceğinden, temel pazarları ve ekonomiyi anlamanın programlama becerilerinden daha önemli olduğunu vurguluyor.

Sunumu sırasında Dr. Starke, günümüz ticaret endüstrisinde programlama ve nicel yöntemleri öğrenmenin önemini de vurgulamaktadır. Başarılı tüccarların genellikle güçlü bir matematik ve programlama anlayışına sahip olduklarının ve ticaretle ilgilenenlerin bu becerileri nispeten hızlı bir şekilde öğrenebileceklerinin altını çiziyor. Kantitatif yöntemleri ve makine öğrenimini öğrenmeye zaman ayıran tüccarların, ekran ticaretinden algoritmik ticarete geçiş gerçekleştiğinde hayatta kalma şansının daha yüksek olduğuna dikkat çekiyor. Bununla birlikte, ekonomik ve pazar avantajına sahip olmanın çok önemli olduğunu ve yalnızca programlama ve matematik becerileriyle kazanılan avantajı aştığını vurguluyor. Ayrıca, derin öğrenmenin işletmelerin ve bireylerin getirilerini açıklamasını gerektirdiğinden ve bir yıllık olumsuz getirilerle karşı karşıya kalmanın önemli zorluklar yaratabileceğinden bahsediyor.

Yapay zeka algoritmalarının ve risk yönetimi uygulamalarının açıklanması da Dr. Starke tarafından tartışılmaktadır. Yapay zeka algoritmalarını açıklayabilmenin önemini vurguluyor çünkü bunu yapmamak sorunlara ve hatta fonların geri çekilmesine yol açabilir. Yapay zeka ve makine öğreniminin kullanılmasına rağmen, risk yönetimi uygulamalarının büyük ölçüde değişmediğini, ancak özellikle hisse senetleri ve tahvillerdeki boğa koşusunun sona ermesiyle, risk yönetiminin yeni yollarını keşfetmenin gerekli olduğundan bahsediyor. Dr. Starke, makine öğreniminin, giriş sinyalleri oluşturma ve makine öğrenimi modellerinin riskini yönetme gibi çeşitli uygulamalarla ticarette her yerde bulunduğunu vurguluyor.

Dr. Starke, temel bileşen analizi (PCA), karar ağaçları, xgboost, derin öğrenme ve takviyeli öğrenme gibi ticarette kullanılan farklı model ve teknolojileri derinlemesine inceliyor. Sinyal verilerini analiz etme, portföy riskini yönetme ve alım satımları yürütme konusundaki uygulamalarını tartışıyor. Geometrik getirileri artırmada ve başarılı stratejileri diğer pazarlarda tekrarlamada risk yönetimi sistemlerinin önemini de vurguluyor. Dr. Starke, iyi risk yönetimi sistemlerinin alfa bile üretebileceğini ve uzun vadeli volatilite stratejileri olarak kabul edilebileceğini öne sürüyor.

Ayrıca Dr. Starke, yapay zekanın alım satımda kısa oynaklık stratejileri riskinden korunmak ve bunları yönetmek için nasıl kullanılabileceğini araştırıyor ve potansiyel olarak bu tür stratejiler tarafından üretilen alfayı artırıyor. Sürekli öğrenme ve yeni ticaret stratejileri geliştirmede merakın ve risk için sağlıklı bir takdirin önemini vurguluyor. Kullanıma hazır ticaret platformlarına güvenmemeyi tavsiye ediyor ve bunun yerine derin bir öğrenme avantajı elde etmek için sıfırdan kodlama stratejilerini teşvik ediyor.

Dr. Starke, zamana dayalı fiyat hareketleri ve fiyata dayalı piyasa hareketleri hakkında bir tartışma başlatıyor. Zamana dayalı fiyat hareketlerinin göstergeler hesaplanarak matematiksel olarak çözülebileceğini, fiyata dayalı piyasa hareketlerinin ise piyasanın altında yatan ekonomi tarafından belirlendiğini açıklıyor. Dr. Starke, piyasalardan daha iyi performans göstermek için yalnızca matematiksel tekniklere güvenmek yerine, bir ticaret stratejisinin altında yatan ekonomik mantığı göz önünde bulundurmanın önemini vurguluyor. Finansal piyasalarda AI ile nicel modelleri birleştirmek isteyenler için Marcus Lopez, Grinnell ve Kahn'ın kitaplarını tavsiye ediyor.

Sunum sırasında Dr. Starke, makine öğrenimi ilkelerine benzediğine inandığı faktör modelleme ilkelerini anlamanın önemini vurguluyor. Bu ilkeleri anlamanın, tüccarları sistemlerinde makine öğrenimini etkili bir şekilde uygulamak için daha iyi donatabileceğini öne sürüyor. Dr. Starke, her zaman en karlı strateji olmayabileceğinden, iyi bir ticaret stratejisini neyin oluşturduğunu tanımlamanın önemini de vurgulamaktadır. Ralph Vince, Andreas Klenow ve Mr. Trendful'un ticaret stratejileri ve ticaretin arkasındaki psikoloji hakkında değerli içgörüler sağlayan kitaplarına başvurur.

Dr. Starke, AI ve makine öğreniminin Keynesyen güzellik yarışması gibi davranışsal finanstaki doğrusal olmayan durumları nasıl yakalayabileceğini tartışıyor. Bu doğrusal olmayan dinamiklerin, doğrusal regresyon modellerinden farklı olarak makine öğrenimi tarafından etkili bir şekilde yakalanabileceğini açıklıyor. Bununla birlikte, temel veriler açıkça kullanılmasa bile, ticaret stratejilerinin arkasında ekonomik bir gerekçeye sahip olmanın hala önemli olduğunu vurguluyor.

Ayrıca Dr. Starke, temel olması gerekmeyen belirli piyasa verimsizliklerinin istismarını araştırıyor. Bir gecede kısa pozisyonlara getirilen kısıtlamalar ve üçlü erişim veya dörtlü cadılık gibi belirli tarihler gibi piyasada aktifleştirilebilecek ekonomik etkiler yaratabilecek faktörlerden bahsediyor. Ayrıca, günlük ekonomik faaliyetlerden veya yasa dışı piyasa manipülasyonundan kaynaklanan piyasa verimsizliklerinden de bahsediyor. Dr. Starke, gelecekteki potansiyel işbirliklerine olan ilgisini ifade ediyor, ancak şu anda somut bir planı yok.

Bir izleyicinin rüyaların neden genellikle gerçekleşmediği sorusuna yanıt olarak, Dr. Starke kişisel içgörüsünü sunuyor. Hayallerin başlangıçta kavram olarak başladığını ve hayalindeki hayatın sadece kumsalda uzanmaktan ibaret olmadığını, daha çok keşfetmeyi, kendi işini yürütmeyi ve kendi kendini yönetmeyi içerdiğini açıklıyor. Kişinin gerçek özlemlerini ve hedeflerini pratik sonuçlarla uyumlu hale getirmenin çok önemli olduğunu vurguluyor. Sunum, toplantı sahibinin izleyicileri Contra kurslarında sınırlı süreli indirim hakkında bilgilendirmesi ve sonraki gün için planlanan ticarette makine öğrenimini uygulamaya ilişkin son oturumdan bahsetmesiyle sona erer.

• 00:00:00 Konuşmacı, yapay zekanın neden ticarette bir sonraki büyük şey olarak kabul edildiğini tartışıyor. Yapay zeka ve makine öğrenimi uzun süredir ortalıkta olmasına rağmen, algoritmaları etkili bir şekilde çalıştırmak için yeterli bilgi işlem gücü yoktu. Ancak son yıllarda teknoloji o kadar gelişti ki, önemli algoritmalar bile bir dizüstü bilgisayarda çalışabilir hale geldi ve bulut, bunların sunucu merkezlerinde çalışmasını sağladı. Ek olarak, yapay zekanın bir sonraki büyük şey olduğu fikrine katkıda bulunan diğer alanlarda da başarılar elde edildi ve finans geride bırakılmadı. AI, yüz tanıma, görüntü tanıma ve genel doğal dil işleme gibi alanlarda yararlı olduğunu kanıtladı.
  
  
• 00:05:00 Dr. Thomas Starke, finansta yapay zekanın (AI) potansiyelini ve daha önce mevcut olmayan yeni olasılıklara izin verdiği için nasıl oyunun kurallarını değiştirebileceğini tartışıyor. Ayrıca yapay zeka ve makine öğreniminin sihirli bir değnek değil, özünde bilimsel olmayan finansta anlaşılması ve uygulanması gereken bilimsel ve matematiksel araçlar olduğuna da değiniyor. Finansın bazı bilimsel yönleri olmakla birlikte, büyük çoğunluğu bir sanat dalı olarak kabul edilmektedir. Bu nedenle, AI'nın başarılı bir şekilde kullanılması için hem aracı hem de finans sanatını anlamak çok önemlidir.
  
  
• 00:10:00 Dr. Thomas Starke, yapay zekayı ticarete uygulamak söz konusu olduğunda, makine öğrenimi ve istatistiksel bilginin yanı sıra yazılım geliştirme ve programlama becerilerinin rolünü tartışıyor. Makine öğrenimi araçlarını pazara uygulamak için gerekli olduğundan, API'ler yazmak ve sistemleri arızaya karşı güvenli hale getirmek de dahil olmak üzere iyi yazılım becerilerinin önemini vurguluyor. Makine öğrenimi araçlarının kullanımı kolay olsa da, programlama becerilerinin ve istatistik bilgisinin bu alanda uygulayıcı olmak için çok önemli olduğunu savunuyor. Dr. Starke, makine öğrenimi algoritmalarını uygulamak için doktoranın gerekli olup olmadığı sorusuna da değiniyor ve kişinin belirli bir hedefi olduğu ve gerekli araştırma ve çalışmaları yapmaya istekli olduğu sürece bunun gerekli olmadığını savunuyor.
  
  
• 00:15:00 Dr. Thomas Starke, ticarette yapay zekayı öğrenmede mentorluğun önemini tartışıyor. Süreç boyunca size rehberlik edecek iyi bir akıl hocası bulmanın yeni başlayanların hatalarını önlemeye yardımcı olabileceğini vurguluyor. Herkesin yapay zekayı öğrenebileceğine inanıyor, ancak üniversitede geliştirilen teorik bilgiden ziyade sizin için pratik olarak işe yarayan bir şey geliştirmek daha önemli. Dr. Starke ayrıca, temel pazarları ve ekonomiyi anlamanın programlama becerilerinden daha önemli olduğunun altını çiziyor. Onlara uygun şekilde akıl hocalığı yapacak birileri olduğu sürece programlama öğrenilebileceğini savunuyor.
  
  
• 00:20:00 Dr. Thomas Starke, günümüz ticaret endüstrisinde programlama ve nicel yöntemleri öğrenmenin önemini tartıştı. Başarılı tüccarların çoğunun güçlü bir matematik ve programlama anlayışına sahip olduğunu ve ilgilenenlerin bunu oldukça hızlı öğrenebileceğini belirtti. Zamanlarını nicel yöntemleri ve makine öğrenimini öğrenmeye yatıran tacirlerin, ekran ticaretinden algoritmalara geçiş gerçekleştiğinde piyasalarda hayatta kalma eğiliminde olduklarını açıkladı. Ek olarak, ekonomik ve pazar avantajının çok önemli olduğunu ve programlama ve matematik becerilerinde üstünlüğü aştığını vurguladı. Ancak derin öğrenmenin işletmelerin ve bireylerin getirilerini açıklamasını gerektirdiğini ve bir yıllık olumsuz getirilerin önemli zorlukları beraberinde getirebileceğini de belirtti.
  
  
• 00:25:00 Dr. Thomas Starke, özellikle ticarette makine öğrenimi araçlarını kullanırken yapay zeka algoritmalarını açıklayabilmenin önemini tartışıyor. Algoritma açıklanamazsa, sorunlara ve hatta fonların çekilmesine neden olabilir. Ayrıca, AI ve ML kullanılmasına rağmen, risk yönetimi uygulamalarının aşağı yukarı aynı kaldığını, ancak özellikle hisse senetleri ve tahvillerdeki boğa koşusunun sona ermesiyle birlikte, risk yönetiminin yeni yollarını yeniden düşünmeye ihtiyaç olduğunu belirtiyor. Makine öğrenimi ticaretin her yerindedir ve diğerlerinin yanı sıra girdi sinyalleri için AI kullanmak ve makine öğrenimi modellerinin risk yönetimi için kullanmak gibi çeşitli uygulamalar vardır.
  
  
• 00:30:00 Dr. Thomas Starke, yapay zekanın (AI) sinyal verilerini analiz etmekten portföy riskini yönetmeye ve işlemleri gerçekleştirmeye kadar ticaretin her adımında nasıl kullanıldığını tartışıyor. Net bir sinyal üretmek için görüntüleri ve duyarlılık sinyallerini analiz etmek için makine öğrenimi ve derin öğrenme kullanılır, ardından ticaret sinyalleri için girdilerin boyutsallığını azaltmak için temel bileşen analizi kullanılır. Algoritmalar daha sonra hangi giriş sinyallerinin ticaretinin yapılması gerektiğini belirlemek için kullanılır. Risk yönetimi için, klasik risk yönetimi hesaplamalarından daha üstün olabilecek portföy riskini yönetmek için makine öğrenimi kullanılır. Son olarak, uygulamada, tacirlerin en iyi uygulama fiyatlarına ulaşmalarına yardımcı olmak için doğrusal modeller, destek vektör makineleri ve pekiştirmeli öğrenme kullanılır.
  
  
• 00:35:00 Dr. Thomas Starke, PCA, karar ağaçları, xgboost, derin öğrenme ve takviyeli öğrenme gibi ticarette kullanılabilecek farklı modelleri ve teknolojileri tartışıyor. Daha sonra, çalışma sistemlerini ölçeklendirmek ve yeni teknolojiler öğrenmekle mücadele eden deneyimli bir algo tüccarının sorusunu ele alıyor. Dr. Starke, geometrik getirileri artırmaya yardımcı olabileceği ve stratejinin diğer pazarlarda tekrarlanmasına yol açabileceği için risk yönetimine odaklanmayı öneriyor. İyi risk yönetimi sistemleri, alfa bile üretebilir ve uzun süreli oynaklık stratejileri olarak kabul edilebilir.
  
  
• 00:40:00 Dr. Thomas Starke, yapay zekanın alım satımda kısa dalgalanma stratejilerinin riskini tamponlamak ve korumak için nasıl kullanılabileceğini tartışıyor. Yapay zekanın bu tür stratejiler tarafından üretilen alfayı büyük ölçüde artırabileceğini öne sürüyor. Sürekli olarak yeni stratejiler öğrenmek ve geliştirmek için kendini motive etme söz konusu olduğunda, Dr. Starke merakın önemini ve riski sağlıklı bir şekilde takdir etmenin önemini vurguluyor. Ayrıca, derin bir öğrenme avantajı geliştirmek için kullanıma hazır ticaret platformlarından kaçınmayı ve bunun yerine sıfırdan stratejiler geliştirmeyi öneriyor. Görüşmeyi yapan kişi Dr. Starke'ye ticarette zamana dayalı fiyat hareketine mi yoksa fiyata dayalı piyasa hareketine mi inandığını sorar ve Dr. Starke yanıt vermeden önce bu ayrımın açıklığa kavuşturulmasını ister.
  
  
• 00:45:00 Dr. Thomas Starke zamana dayalı fiyat hareketleri ile fiyata dayalı piyasa hareketleri arasındaki farkı tartışıyor. Zamana dayalı fiyat hareketlerinin genellikle göstergeler hesaplanarak matematiksel olarak çözülebileceğini, fiyata dayalı piyasa hareketlerinin ise piyasanın altında yatan ekonomi tarafından belirlendiğini belirtiyor. Dr. Starke, sadece matematikle piyasaları yenmeye çalışmak yerine, bir ticaret stratejisinin altında yatan ekonomik mantığa bakmanın önemini vurguluyor. Ayrıca, finansal piyasalarda AI ile nicel modelleri birleştirmek isteyenler için Marcus Lopez'in kitabı ve Grinnell ve Kahn'ın Active Portföy Yönetimi gibi kitapları tavsiye ediyor.
  
  
• 00:50:00 Dr. Thomas Starke, makine öğrenimi ilkelerine çok benzediğine inandığı faktör modellemenin altında yatan ilkeleri anlamanın önemini vurguluyor. Bu ilkeleri anlamanın, tüccarları sistemlerine makine öğrenimini uygulama konusunda daha iyi donatabileceğini öne sürüyor. Dr. Starke, Ralph Vince'in Mathematics of Portföy Yönetimi adlı kitabından örnekler vererek, her zaman en karlı strateji olmadığı için neyin iyi bir ticaret stratejisi oluşturduğunu belirlemenin önemini de vurguluyor. Andreas Klenow ve Mr. Trendful'un kitaplarını tavsiye ediyor, çünkü bunlar sadece ticaret stratejileri hakkında değerli bilgiler sağlamakla kalmıyor, aynı zamanda ticaretin arkasındaki psikolojiyi de kapsıyor.
  
  
• 00:55:00 Dr. Thomas Starke, yapay zeka ve makine öğreniminin davranışsal finansta ortaya çıkan doğrusal olmayan durumları nasıl yakalayabileceğini tartışıyor. Keynesçi güzellik yarışmasını, ticarette davranışsal yöntemleri kullanmanın bir parçası olan sonuçların nasıl son derece doğrusal olmayan ve kaotik hale gelebileceğinin bir örneği olarak açıklıyor. Makine öğrenimi, bunu tamamen gerçekleştiremeyen doğrusal regresyonun aksine, bu doğrusal olmayan dinamikleri yakalayabilir. Bununla birlikte, stratejilerinizde mutlaka temel verileri kullanmasanız bile, ticarette yaptığınız şeyin arkasında ekonomik bir muhakemeye sahip olmak her zaman iyidir.
  
  
• 01:00:00 Dr. Thomas Starke, belirli bir portföyün ticaretini yapma ve temel olması gerekmeyen belirli piyasa verimsizliklerinden yararlanma olasılığını tartışıyor. İnsanların bir gecede kısa pozisyon tutmalarına izin verilmediğini bilmek gibi örnekler veriyor, bu da piyasada sömürülebilecek ekonomik ilkelere yol açabiliyor. Ek olarak, piyasadan kaynaklanan ekonomik etkiler üretebilen üçlü uzanma veya dörtlü cadılık gibi belirli tarihlerin öneminden bahsediyor. Ayrıca, günlük ekonomik faaliyetlerden veya yasa dışı piyasa manipülasyonundan kaynaklanan piyasa verimsizliklerinden de bahsediyor. Dr. Starke, gelecekte tekrar işbirliği yapmakla ilgilendiğini ancak şu an için bir planı olmadığını ifade ediyor.
  
  
• 01:05:00 Satwik, Dr. Thomas Starke'ye rüyaların neden genellikle gerçekleşmediğini sorar. Starke bunun ilginç bir soru olduğunu söylüyor ve kendi kişisel içgörüsünü veriyor. Hayalinin başlangıçta sadece bir kavram olduğunu, gerçek amacı olmadığını ve hayalindeki hayatın sadece kumsalda uzanmaktan ibaret olmadığını açıklıyor. Bir şeyleri keşfetmeyi, kendi işini yürütmeyi ve kendi kendini yönetmeyi seviyor. Ona göre bu, gerçek rüyasına çok daha yakın. Son olarak, toplantı sahibi izleyicilere tüm Contra kurslarının sınırlı bir süre için %75 indirimli olduğunu ve makine öğreniminin ticarette uygulanmasına ilişkin son oturumun yarın olduğunu bildirir.

[MetaQuotes]

Niceliksel finansta güncel eğilimler [Panel Tartışması] | Algo Ticaret Haftası 5. Gün

Niceliksel finansta güncel eğilimler [Panel Tartışması] | Algo Ticaret Haftası 5. Gün

Bayanlar ve baylar, nicel finanstaki güncel eğilimler üzerine bugünkü panel tartışmasına hoş geldiniz. Görüşlerini ve uzmanlıklarını paylaşmak için bugün bize katılan üç seçkin alan uzmanımız var. Panelistlerimizi tanıtalım:

İlk olarak, Columbia Thread Needle Investments'ta EMEA yatırım riski başkanı David Jessup var. Kantitatif araştırma, risk analizi ve portföy oluşturma konularında geniş deneyime sahip olan David, çapraz varlık faktörü yatırımı ve yatırım yönetiminde makine öğrenimi konusunda uzmanlaşmıştır. Kantitatif stratejiler ve risk yönetimi konusundaki derin anlayışı, sektörü şekillendiren trendler hakkında değerli bilgiler sağlayacaktır.

Sırada, SP Gen School of Global Management'ta makine öğrenimi direktörü ve Teknoloji İşinde Araştırma Merkezi başkanı Dr. Devashes Guava var. Dr. Guava'nın uzmanlığı, yapay zekanın ekonomi ve finansta uygulanmasında yatmaktadır. Bu alandaki araştırması ve bilgisi, AI ve finansın kesişimine ve niceliksel finansın çıkarımlarına ışık tutacaktır.

Son olarak, Global AI Corporation'da yönetici direktör olan Richard Rothenberg'e sahibiz. Richard, milyarlarca dolarlık koruma fonları ve küresel yatırım bankalarındaki çalışmalarından zengin bir deneyim getiriyor. Kantitatif portföy yönetimi ve araştırma alanındaki kapsamlı geçmişiyle, finans endüstrisindeki kantitatif stratejilerin pratik uygulamasına ilişkin değerli bilgiler sağlayacaktır.

Şimdi nicel finansı şekillendiren son trendler hakkındaki tartışmaya geçelim. Panelistlerimiz, verilerin mevcudiyeti ve kalitesinin sektörü ileriye götürmede önemli bir rol oynadığı konusunda oybirliğiyle hemfikirdir. Ayrıca, bilgi işlem gücündeki ilerlemeler, on yıl önce mümkün olmayan karmaşık modellerin oluşturulmasını ve analiz edilmesini sağlamıştır.

Panelistler, kantitatif finansın hisse senetlerinin ötesinde, kredi, para birimleri ve kripto ticareti dahil olmak üzere diğer varlık sınıflarına doğru genişlemesini vurguluyor. Ayrıca, finans endüstrisinde ivme kazanan sorumlu yatırım eğilimine de dikkat çekiyorlar. Ancak, bu alandaki veri kalitesinin hala iyileştirilmesi gerektiğini belirtiyorlar. Panelistler, sorumlu yatırımın önümüzdeki birkaç yıl içinde finansta önemli bir faktör olmaya devam edeceğini tahmin ediyor.

Panel devam ederken, kantitatif finanstaki iki ana eğilimi tartışıyor. İlk olarak, algoritmik ticaret, yalnızca hisse senetlerine değil, tüm varlık sınıflarına yayıldı. Egzotik varlıklar artık algoritmik yaklaşımlar kullanılarak alınıp satılıyor. İkinci olarak, birden fazla dildeki haberlerden duygu verileri ve kredi kartı işlemleri gibi alternatif veri kaynaklarında önemli bir artış oldu. Bu verileri gelişmiş analitik ve hesaplama gücü ile işleme ve analiz etme yeteneği, çevresel ve sosyal yönetişim eğilimleri gibi finansal olmayan risk faktörlerinin şirket değerlemelerine dahil edilmesine yol açmıştır.

Ancak panel, makine öğrenimini finansta kullanmanın zorluklarını da ele alıyor. Finansal piyasaların düşük sinyal-gürültü oranı ve sıfır toplamlı oyun yapısı göz önüne alındığında, makine öğrenimi her sorunu çözmek için her zaman ideal araç değildir. Panelistler, makine öğrenimini diğer metodolojilerle birleştirmenin ve sınırlamalarını anlamanın önemini vurguluyor. Bu iki kavram genellikle karıştırıldığı için makine öğrenimi ile alternatif veriler arasındaki farkı da netleştiriyorlar.

Ayrıca panelistler, finansal makine öğreniminin benzersiz zorluklarını, diferansiyel bir oyun olarak pazar dinamikleri bağlamında tartışıyorlar. Ticaret stratejileri geliştirirken diğer piyasa katılımcıları tarafından yapılan stratejik seçimleri dikkate almanın önemini vurgularlar.

Ardından tartışma, algoritmik ticaret için makine öğrenimi modellerinde yüksek kaliteli verilerin önemine geçer. Panelistler, yapılandırılmamış verileri temizlemenin zorluğunu kabul ediyor ve parametreleri anlamak ve veri kalitesini sağlamak için doğrusal modellerle başlamanın önemini vurguluyor. Alternatif verilerde gürültü ve seyreklik sorununu ele alarak temizlemeyi ve filtrelemeyi daha zor hale getiriyorlar. Ek olarak panelistler, veri doğruluğunu sağlamak için ikinci veri kaynaklarını karşılaştırma ve kullanma ihtiyacını vurguluyor.

Panelistler ayrıca, ticaret çözümlerine, çıkarları çatışan rakip oyuncularla son şahıs oyununda bir strateji tanımlamanın bir parçası olarak yaklaşılması gerektiğini vurguluyor. Geleneksel modelleme yöntemleri bu bağlamda her zaman geçerli olmayabilir ve panelistler en etkili çözümleri bulmak için farklı stratejileri test etmenin önemini vurguluyor. Ayrıca, farklı analiz yöntemleri gerektiren ve seyrekliği ele almak için verilerin daha düşük frekanslarda toplanmasını gerektirebilecek sürdürülebilir kalkınma verileri gibi alternatif veri kümelerinin ortaya çıkardığı benzersiz zorlukları da tartışıyorlar. Seyrek veri kümeleriyle çalışmak zor olsa da, panelistler değerli sinyalleri keşfetmek için hâlâ fırsatlar olduğuna inanıyor.

Bir diğer önemli tartışma konusu, ticaret sistemlerini tasarlarken piyasanın oyun yapısını anlamanın önemidir. Panelistler, daha küçük oyuncuların risk almak için daha fazla hareket alanına sahip olabileceğini, ancak emtia ve kripto ticaretindeki daha büyük oyuncuların, bu piyasaların aşırı oynaklığı nedeniyle ticarete dikkatle yaklaşmaları gerektiğinin altını çiziyor. Ayrıca, kripto varlıklarında önemli ölçüde yüksek olan düşüşleri azaltmak için çeşitlendirmenin önemini vurguluyorlar.

Panel bir adım daha ileri gidiyor ve geleneksel finans teorisindeki yerleşik varsayımlara meydan okuyor. Varlıkların, belirlenmiş ortalama ve varyans varsayımları ile sabit yayılma süreçlerini izlemesi gerekmediğini savunuyorlar. Bunun yerine oynaklığın stokastik doğasını ve ortalama değerlerin zaman içindeki dalgalanmasını vurgularlar. Ortalama ve standart sapmayı taktiksel olarak değiştirmek için gizli Markov süreçlerini göz önünde bulundurmayı öneriyorlar, bu da faktör yatırımı ve kripto yatırımında daha iyi yaklaşımlara yol açıyor. Bu bakış açısı, basit çeşitlendirme potansiyeli ile cazip risk-getiri profilleri sunar.

Ardından tartışma, finans endüstrisindeki çeşitli makine öğrenimi uygulamalarını araştırıyor. Panelistler, cinsiyet sınıflandırması, karbon emisyonu tahmini ve sabit gelirli piyasalarda hacimleri sabitlemek için makine öğreniminin kullanılmasından bahsediyor. Ayrıca, bir bütün olarak toplum üzerindeki etkiyi ve sistemik riski dikkate alan ESG faktörlerine ve sürdürülebilir kalkınma hedeflerinin genişletilmesine yönelik gelişen odağın altını çiziyorlar. Bu genişletilmiş risk sınıflandırmasını, bir ESG faktör modeline entegre edilme potansiyeline sahip, finansal karar vermede önemli bir faktör olarak görüyorlar.

Tartışılan diğer bir eğilim, birden fazla faktöre dayalı olarak verileri kümelemek için komitelerin ve görev güçlerinin kullanılmasıdır. Panelistler, finansal olmayan riskleri ölçmek için yerel paydaş duyarlılığını anlamada doğal dil işlemenin artan önemini vurguluyor. Bir şirketin bilançosunun maddi olmayan yönleri için giderek daha önemli hale gelen bu riskler, finansal piyasaların analizinde dikkate alınması hayati öneme sahiptir.

Ayrıca panelistler, niceliksel finans alanında güçlü programlama becerilerine ve istatistiksel bilgiye sahip olmanın önemini vurgulamaktadır. Aynı veri setini tekrar tekrar analiz etmenin tuzaklarına karşı da uyarıda bulunuyorlar ve kantitatif ticaretin geleceğine uyum sağlama ve buna hazırlanma ihtiyacını vurguluyorlar.

Panelistler ileriye dönük olarak, karbon ve kripto para birimleri gibi gelişmekte olan varlık sınıflarına ayak uydurmanın önemini tartışıyorlar. Pratik uygulamalar henüz gerçekleştirilmemiş olsa da, kripto para birimlerinin arkasındaki şifreleme algoritmalarında devrim yaratabilecek kuantum hesaplamanın oyunun kurallarını değiştiren potansiyel etkisinden bahsediyorlar. Ayrıca, genel yapay zekaya giden yollar olarak lanse edilen GPT3 gibi büyük sinir ağlarının ve teknolojilerinin geliştirilmesine de değiniyorlar. Donanım ve yazılım kapasitesindeki üstel büyüme, herhangi bir yavaşlama belirtisi göstermiyor ve panelistler, nicel finans alanında yüksek performanslı bilgi işlem, kuantum bilgi işlem ve yapay zekanın gelecekte bir yakınsamasını bekliyorlar.

Sonuç olarak panelistler, donanım ve yazılım kapasitesinin genişletilmesiyle karakterize edilen ve genel amaçlı ticaret robotlarının geliştirilmesine yol açan bir gelecek öngörüyorlar. Bu robotlar, sosyal medya da dahil olmak üzere, diğerlerinin yanı sıra görüntü anlama, dil anlama ve semantik anlama gibi çeşitli kaynaklardan veri çıkarma ve yorumlama yeteneğine sahip olacak. Eğrinin önünde kalmak ve niceliksel finansın gelişen manzarasına uyum sağlamak için yeni teknolojileri ve metodolojileri benimsemenin önemini vurguluyorlar.

Panel tartışması, panelistlerin izleyicilere teşekkürlerini ifade etmeleri ve cevaplanmamış soruların paylaşılmasını teşvik etmeleri ile sona erer. Ayrıca, yarınki oturumun özellikle makine öğrenimi ve ticarete odaklanacağını duyuruyorlar ve katılımcıları katılmaya ve bu büyüleyici alanı keşfetmeye devam etmeye davet ediyorlar.

Kantitatif finanstaki güncel trendler üzerine bugünün anlayışlı panel tartışmasının bir parçası olduğunuz için hepinize teşekkür ederim.

• 00:00:00 Moderatör, niceliksel finanstaki güncel eğilimler üzerine günün panel tartışması için üç alan uzmanını tanıtıyor. İlk panelist olan David Jessup, Columbia Thread Needle Investments'ta EMEA yatırım riski başkanıdır ve özellikle yatırım yönetiminde çapraz varlık faktörü yatırımı ve makine öğrenimi olmak üzere kantitatif araştırma, risk analizi ve portföy oluşturma konularında kapsamlı deneyime sahiptir. İkinci panelist olan Dr. Devashes Guava, makine öğrenimi direktörü ve SP Gen Küresel Yönetim Okulu'nda Teknoloji İşinde Araştırma Merkezi başkanıdır ve yapay zekanın ekonomi ve finans alanında uygulanması konusunda uzmanlaşmıştır. Son olarak, Global AI Corporation'da yönetici direktör olan Richard Rothenberg, milyarlarca dolarlık koruma fonlarında ve küresel yatırım bankalarında çalıştı ve niceliksel portföy yönetimi ve araştırmasında muazzam deneyime sahip.
  
  
• 00:05:00 Bu bölümde, panelistler son zamanlarda nicel finansı şekillendiren trendleri tartışıyorlar. Verilerin kullanılabilirliği ve kalitesi, sektörü yönlendiren önemli faktörler olmuştur. Ek olarak, bilgi işlemin artan gücü, karmaşık modellerin on yıl önce bile mümkün olmayan şekillerde oluşturulmasına ve analiz edilmesine izin verdi. Panelistler, kantitatif finansın hisse senetlerinin ötesinde kredi, para birimleri ve kripto ticareti gibi diğer varlık sınıflarına doğru genişlediğini belirtiyor. Finans endüstrisinde ivme kazanan yeni sorumlu yatırım eğilimini gündeme getiriyorlar, ancak bu alandaki veri kalitesi hala yetersiz. Panelistler, sorumlu yatırımın önümüzdeki birkaç yıl içinde finansta önemli bir faktör olacağını tahmin ediyor.
  
  
• 00:10:00 Bu bölümde panel, kantitatif finanstaki iki ana eğilimi tartışıyor. Birincisi, algoritmik ticaretin egzotik varlıklar da dahil olmak üzere sadece hisse senetlerine değil, tüm varlık sınıflarına genişletilmesidir. İkinci eğilim, birden çok dilde haberlerden duygu verileri ve kredi kartı işlemleri gibi alternatif veri kaynaklarındaki önemli artış ve bu verileri gelişmiş analitik ve hesaplama gücü ile işleyebilme yeteneğidir. Bu, bir şirketin değerlemesini etkileyen çevresel ve sosyal yönetişim eğilimleri gibi finansal olmayan risk faktörlerinde artışa yol açmıştır. Ancak panel, finans piyasasının düşük sinyal-gürültü oranı ve sıfır toplamlı oyunu göz önüne alındığında, makine öğrenimini finansta kullanmanın zorluklarını da vurguluyor. Bayes istatistikleri, dağıtım tahminleri oluşturmak için makine öğreniminin birleştirildiği başka bir alandır.
  
  
• 00:15:00 Bu bölümde panelistler, finansta makine öğreniminin faydalarını ve sınırlamalarını tartışıyor. Değinilen ana noktalardan biri, makine öğreniminin yararlı bir araç olduğu, ancak her sorunu çözmek için doğru araç olmadığı için ticaret kutusundaki tek araç olmaması gerektiğidir. Makine öğreniminde ortaya çıkan bir başka zorluk da, ne zaman ters gideceğini bilmenin genellikle zor olması ve bir modeli bilmediği zaman söyleyecek şekilde eğitmenin zor olabilmesidir. Panelistler ayrıca makine öğrenimi ile alternatif veriler arasında ayrım yaparak bunların genellikle karıştırılan iki ayrı şey olduğunu belirtiyor. Son olarak, panelistler, özellikle oyundaki diğer oyuncuların stratejik seçimleriyle uğraşırken, farklı türde bir makine öğrenimi gerektiren farklı bir oyun olan piyasalar bağlamında finansal makine öğreniminin zorluklarını tartışıyorlar.
  
  
• 00:20:00 Panel, algoritmik ticarette makine öğrenimi modelleri için kaliteli verilere sahip olmanın önemini ve yapılandırılmamış verileri temizlemenin zorluğunu tartışıyor. Makine öğrenimi, kısa vadeli ticarette dağılımları tahmin etmek için yararlı olsa da, parametreleri anlamak ve verilerin kalitesinin iyi olduğundan emin olmak için temellere geri dönmek ve doğrusal modellerle başlamak önemlidir. Panel, alternatif verilerde çok fazla parazit ve seyreklik olduğunu kabul ediyor, bu da temizlemeyi ve filtrelemeyi zorlaştırıyor. Ek olarak, veri aykırı değerlerini düzeltmenin zorluğundan ve verilerin doğruluğunu sağlamak için ikinci veri kaynaklarını karşılaştırıp kullanma ihtiyacından bahsettiler.
  
  
• 00:25:00 Alım satım çözümleri bir oyun yapısının parçasıdır ve çıkarları çatışan rakip oyuncularla son şahıs bir oyunda bir strateji tanımlamanın parçası olarak düşünülmeli ve test edilmelidir. Geleneksel modelleme yöntemlerinin bu bağlamda geçerli olmayabileceğini ve farklı stratejileri test etmenin en etkili çözümü bulmak için çok önemli olduğunu akılda tutmak önemlidir. Ek olarak, sürdürülebilir kalkınma verileri gibi alternatif veri kümeleri, farklı analiz yöntemleri gerektirir ve seyreklikle başa çıkmak için verilerin daha düşük frekanslarda toplanmasını gerektirebilir. Bunun gibi seyrek veri kümeleriyle çalışmak zor olsa da, değerli sinyaller bulmak için hâlâ fırsatlar var.
  
  
• 00:30:00 Panelistler, herhangi bir ticaret sistemi tasarlamadan önce piyasanın oyun yapısını göz önünde bulundurmanın önemini tartışıyor. Daha küçük oyuncular kumar oynamayı göze alabilirken, emtia ve kripto ticaretinde daha büyük oyuncular için durum böyle değil. Panelistler, makine öğrenimi algoritmaları için en ilgi çekici pazarları tartışıyor ve kriptodan yeni zorlukların bulunabileceği büyüleyici bir alan olarak bahsediyor. Tek bir varlık sınıfına veya algoritmaya odaklanmamanızı ve karlı ticaret elde etmek için alternatif veri kaynaklarının önemini göz önünde bulundurmanızı tavsiye ediyorlar. Piyasalar, genel olarak, az ya da çok öngörülebilir olma aşamalarından geçer ve bir zamanlar aşırı kullanılan sinyaller, birkaç piyasa oyuncusu tarafından kullanılırsa tekrar geçerlilik kazanabilir. Piyasa oynaklığı ve istikrarlı bir temel veri oluşturma süreci gibi faktörler, piyasaları makine öğrenimi algoritmaları için daha uygun hale getirebilir.
  
  
• 00:35:00 Tartışma, kripto yatırımı için nicel stratejilerin uygulanmasında karşılaşılan engellere odaklanıyor. Dr. Gughah, temel sorunlardan birinin, genellikle bir bilgisayar delisi veya video oyunu türü bir alan olarak düşünüldüğünden, geleneksel finans insanlarının kripto ile hiçbir zaman ilgilenmemiş olmaları olduğunu açıklıyor. Ayrıca, herhangi bir fon yöneticisi veya bireysel yatırımcı için yüzde 85 ila 90'lık zirveden tabana düşüşler düşünülemez olduğundan, kripto para birimlerinin aşırı oynaklığı da önemli bir endişe kaynağıdır. Kriptoda herhangi bir finansal ticaret ekosisteminin gelişmesi için, onu alternatif bir varlık sınıfı olarak kabul etmek ve kripto varlıklar arasındaki yüksek korelasyonun bir sonucu olan dezavantajları azaltacak kadar çeşitlendirilmiş bir portföy oluşturmak gerekir.
  
  
• 00:40:00 Konuşmacı, finans alanında yaygın bir yerleşik varsayım olan varlıkların belirli bir ortalama ve varyans varsayımıyla sabit yayılma süreçlerini takip ettiği fikrinden vazgeçmenin gerekliliğini tartışıyor. Konuşmacı, oynaklığın stokastik olduğunu ve bunun zaman içinde çok fazla değişiklik anlamına geldiğini açıklıyor. Bu nedenle, geleneksel finans teorisinde büyük bir sıçrama olan, devletin taktiksel olarak değişmesi için ortalama ve standart sapmanın gizli bir Markov süreci tarafından yönlendirildiğini varsaymak gerekir. Konuşmacı, getirileri yönlendiren stokastik süreci anlamanın, faktör yatırımı ve kripto yatırımına daha iyi yaklaşımlara yol açabileceğini ve bunun da basit çeşitlendirme ile çok cazip risk-getiri profilleri ile sonuçlanabileceğini öne sürüyor.
  
  
• 00:45:00 Panel, makine öğreniminin finans sektöründeki cinsiyet sınıflandırması, karbon emisyonu tahmini ve sabit gelir piyasalarındaki hacimleri sabitleme gibi çeşitli uygulamalarını tartışıyor. Ayrıca, sadece bir ticaret tekniğinden ziyade, yatırım sürecinde bir girdi olarak kullanılmasından da bahsediyorlar. Ele aldıkları diğer bir konu da, yalnızca hissedarlar üzerindeki etkiye değil, aynı zamanda bir bütün olarak toplum ve sistemik riske de odaklanan, ESG'nin sürdürülebilir kalkınma hedeflerine doğru evrimidir. Bu genişletilmiş risk sınıflandırması, karbon emisyonlarının ötesindeki faktörleri içerir ve aynı zamanda yönetişimi de dikkate alır. Bunun bir ESG faktör modeli olarak düşünülebileceğini söyleyen finansal karar vermede önemli bir faktör olarak tartışıyorlar.
  
  
• 00:50:00 Panelistler, kantitatif finans alanındaki iki ilginç eğilimi tartışıyor. İlk olarak, komitelerin ve görev güçlerinin 17 faktöre dayalı verileri kümelendirmek için kullanılması ve yerel paydaş duyarlılığını anlamak için doğal dil işlemenin artan önemi, bilançonun soyut yönü için giderek daha önemli hale gelen finansal olmayan riskleri ölçmek için. şirketler. İkinci olarak, nicel ticaretin geleceğine hazırlanmak için iyi programlama becerilerine, istatistiksel bilgiye sahip olmanın ve aynı veri setine birden çok kez bakmanın tuzaklarının farkında olmanın önemini tartışıyorlar.
  
  
• 00:55:00 Panelistler, karbon ve kripto para birimleri de dahil olmak üzere ticarete konu olabilecek yeni varlık sınıflarını takip etmenin önemini tartışıyor. Ezber bozabilecek alanlardan biri, kripto para birimlerinin arkasındaki şifreleme algoritmalarında devrim yaratabilecek kuantum hesaplamadır. Henüz pratik bir uygulama olmasa da bazı büyük hedge fonlar kuantum alanına yatırım yapıyor. Ayrıca, çok büyük sinir ağlarının geliştirilmesinden ve genel yapay zekanın bir yolu olarak lanse edilen GPT3'ten bahsediyorlar. Donanım ve yazılım kapasitesindeki artış yavaşlama belirtisi göstermiyor ve bazıları derin öğrenmenin dünyayı ele geçirmesini bekliyor.
  
  
• 01:00:00 Panel, niceliksel finansın geleceğinin, genel amaçlı ticaret robotlarının geliştirilmesini sağlayacak donanım ve yazılım kapasitesinin sürekli genişlemesinde yattığını tahmin ediyor. Bu robotlar, sosyal medya gibi çeşitli kaynaklardan veri çıkarabilecek ve ticaret kararları almak için bu verileri anlamlandırabilecek. Sayısal makine öğrenimiyle sınırlı kalmayacaklar, bunun yerine görüntü anlayışı, dil anlayışı, semantik anlayış vb. sahip olacaklar. Diğer bir odak alanı, önümüzdeki beş ila on yıl içinde pratik hale gelebilecek olan kuantum hesaplamadır. Panelistler, geleceğin yüksek performanslı bilgi işlem, kuantum bilgi işlem ve yapay zekanın birleşmesi olacağına inanıyor. Daha fazla veri ve modeli dahil etmeye başladığımızda, geleceğin bu teknolojilerin yakınsamasına bağlı olduğunu düşünüyorlar.
  
  
• 01:05:00 Panelistler nicel finans alanında yeni araç ve tekniklerin katlanarak büyümesini tartışıyorlar, bu da önümüzdeki beş ila on yıl içinde pek çok işlevi ve işi geçersiz kılacak. Eğrinin önünde kalmak için yeni teknolojilerin dahil edilmesini hazırlamanın ve hızlandırmanın önemini vurguluyorlar. Panelistler, yarınki oturum makine öğrenimi ve ticarete odaklanacağından, izleyicilere teşekkür ederek ve yanıtlanmamış soruların paylaşılmasını teşvik ederek sözlerini bitiriyor.

[MetaQuotes]

Alım satımda duygu ve alternatif verileri kullanma [Panel Tartışması] | Algo Ticaret Haftası 4. Gün

Alım satımda duygu ve alternatif verileri kullanma [Panel Tartışması] | Algo Ticaret Haftası 4. Gün

Bayanlar ve baylar, ticarette duygu ve alternatif verilerin kullanımına ilişkin bu heyecan verici panelde bugün bize katıldığınız için teşekkür ederiz. Başlamadan önce, yapmam gereken önemli bir duyuru var.

Duyarlılık Analizi Sertifikasyonu ve Finansta Alternatif Veri (CSAF) adlı yeni bir sertifika programının lansmanını duyurmaktan heyecan duyuyorum. Bu program, haber duyarlılığı analizi ve alternatif veriler gibi modern yöntemleri kullanarak ticaret ve yatırım kararları vermede kariyerlerini ilerletmek isteyen finans profesyonelleri için özel olarak tasarlanmıştır.

CSAF programı, haber analitiğinin, duyarlılık analizinin ve finansta gerekli olan alternatif verilerin çeşitli yönlerini kapsayacaktır. Algoritmik ticaret, duyarlılık analizi, kantitatif modelleme ve yüksek frekanslı ticaret alanlarında önde gelen uzmanlar tarafından öğretilecektir. Bu uzmanlar, programa zengin bir bilgi ve deneyim katarak katılımcıların birinci sınıf eğitim ve öğretim almalarını sağlar.

Program, duyarlılık analizini anlama, alternatif veri kaynaklarından yararlanma, duyarlılık verilerini tahmin modellerine dahil etme ve pazar analizi için yapay zeka ve makine öğrenimi tekniklerini kullanma gibi konuları ele alacaktır. Katılımcılar, alım satımda duyarlılığın ve alternatif verilerin rolüne dair değerli içgörüler kazanacak ve finansal sonuçları iyileştirmek için bu kaynakların potansiyelini nasıl ortaya çıkaracaklarını öğrenecekler.

Sertifikasyon programına ek olarak, 2022 baharında alternatif verilerle ilgili kapsamlı bir el kitabının yayınlanacağını duyurmaktan memnuniyet duyuyorum. Bu el kitabı, alandaki profesyoneller için değerli bir kaynak olarak hizmet edecek ve çeşitli alternatif veri türleri ve finans alanındaki uygulamaları.

Şimdi dikkatimizi bugünkü panel tartışmasına çevirelim. Cristiano Arbex Valle, Profesör Gautam Mitra, Dr. Matteo Campolmi ve Dr. Ravi Kashyap'ın da aralarında bulunduğu değerli panelistlerimiz, alım satımda duygu ve alternatif verilerin kullanımına ilişkin görüşlerini paylaşacaklar. Alternatif verilerin ne olduğunu, neden önemli olduğunu ve bilinçli ticaret kararları vermek için nasıl etkili bir şekilde kullanılabileceğini tartışacaklar.

Hepimizin bildiği gibi, haber olaylarının genellikle varlık fiyatları üzerinde önemli bir etkisi vardır ve duyarlılık verileri gelecekteki sonuçları tahmin etmede çok önemli bir rol oynayabilir. Panelistler, duyarlılık verilerinin nasıl hızlı bir şekilde işlenebileceğine ve matematiksel modellerde kullanılmak üzere sayısal verilere nasıl dönüştürülebileceğine ışık tutacak ve geleneksel piyasa verileri tarafından tipik olarak yakalanmayan değerli bilgiler sağlayacaktır.

Ayrıca, panelistlerimiz alternatif verilerle ilgili zorlukları ve fırsatları keşfedecekler. Alternatif veri kaynaklarının ortaya çıkışını, titiz veri işleme tekniklerine olan ihtiyacı ve çok büyük miktarda bilgi içindeki sinyalleri tanımlarken fazla uydurmadan kaçınmanın önemini tartışacaklar.

Panel tartışması sırasında, sorular sorarak ve panelistlerimizle etkileşim kurarak aktif olarak katılmanızı öneririz. Katkılarınız ve görüşleriniz çok değerlidir ve zenginleştirici ve etkileşimli bir oturum oluşturmayı sabırsızlıkla bekliyoruz.

Başlamadan önce, bugün bize katıldığınız için hepinize şükranlarımı sunmak istiyorum. Varlığınız ve coşkunuz, bunun gibi etkinliklerin başarısına katkıda bulunuyor. Ayrıca bizi sosyal medyadan takip etmenizi hatırlatır, organizatörlerin 11. yılını kutlarım.

Şimdi, daha fazla uzatmadan, ticarette duyarlılık ve alternatif veriler üzerine panel tartışmamıza başlayalım. Teşekkür ederim.

Panel tartışması başladığında, panelistlerimiz değerli içgörülerini ve deneyimlerini paylaşarak alım satımda duyarlılık ve alternatif veriler konusuna dalarlar. Tahmin modellerinde ek girdi özellikleri olarak haber analitiği ve duyarlılığı birleştirmenin etkisini vurgulayarak, özellikle varlık oynaklığını tahmin etmede elde edilen iyileştirilmiş sonuçları vurguluyorlar.

Tartışmanın kilit noktalarından biri, alternatif verilerin ortaya çıkışı ve ticaret kararlarını bilgilendirmedeki önemi etrafında dönüyor. Panelistler, alternatif verilerin, yatırım stratejileri için değerli içgörüler sağlayabilecek tüketici alışkanlıkları gibi yeni bilgiler sunduğunu vurguluyor. Pazar yönlerini tahmin etmek ve finansal sonuçları iyileştirmek için yapay zeka ve makine öğrenimi tekniklerinden yararlanarak verileri modellerle birleştirmenin önemini vurguluyorlar.

Panel, OptiRisk Systems'in kurucusu ve MD'si Profesör Gautam Mitra'nın moderatörlüğünü kabul etmek için biraz zaman ayırıyor. Uzmanlığı ile konunun kapsamlı bir şekilde araştırılmasını sağlar. Tanımı, önemi ve kullanımına ilişkin soruları ele alarak, alım satımda duygu ve alternatif verilerin pratik uygulamalarını araştırırlar.

Alternatif verilerin sürekli gelişen bir alan olduğunun farkında olan panelistler, bu alanın dinamik doğasının altını çiziyor. Bugün alternatif olarak kabul edilen verilerin gelecekte nasıl ana akım haline gelebileceğini tartışarak sektördeki sürekli ilerlemeyi ve yeniliği sergiliyorlar. Nihai hedefi getirileri en üst düzeye çıkarmak olan finansta avantaj elde etmek için alternatif verilerden yararlanmaya odaklanıyorlar.

Panel, tartışmanın ortasında, haber kaynaklarından elde edilen duyarlılık verilerinde mevcut olan potansiyel önyargıyı kabul ediyor. Verileri analiz etmek için birden fazla kaynak kullanmak ve çeşitli teknikler kullanmak gibi bu önyargıyı azaltmak için potansiyel çözümler sunarlar. Bunu yaparak, doğru ve güvenilir bilgiler sağlamak için kapsamlı ve sağlam veri analizinin önemini vurguluyorlar.

İleriye dönük olarak panelistler, verilerin toplandığı bağlamı ve senaryoları anlamanın önemini vurguluyor. İncelikli bir görüş sağlamak ve etkili algoritmalar oluşturmak için bağlamsal bilgiye olan ihtiyacı tartışıyorlar. Panelistler ayrıca önyargıların her zaman olumsuz olmayabileceği ve bazen ticaret stratejilerine fayda sağlayabileceği fikrine de değiniyor. Kapsayıcı mesajları, veri kaynağının kendisi kontrol edilemese bile mevcut verileri anlamanın ve bunlarla çalışmanın önemini vurgular.

Panel, alım satım amaçlı duyarlılık verilerini analiz ederken göz önünde bulundurulması gereken parametreleri daha fazla araştırır. Haber veya duyarlılık sağlayıcıları tarafından duyarlılığın olumlu, tarafsız veya olumsuz kategorilere göre sınıflandırılmasına ışık tutuyorlar. Ek olarak, duygu analizinde bir faktör olarak haberlerin veya tweetlerin hacmini dikkate almanın önemini tartışıyorlar. Belirli bir zaman diliminde ortalama haber hacmine dayalı olarak duyarlılığın normalleştirilmesi de vurgulanmıştır.

Panelistler duygu analizinin dile özgü doğasını tartıştıkça sohbet derinleşir. Metni ayrıştırmak ve analiz etmek için AI ve diğer tekniklerin kullanımını vurgulayarak duyguların daha derinden anlaşılmasını sağlarlar. Haber olaylarının alaka düzeyi ve yeniliği, şirketlerin haber verilerini içerik sağlayıcılara abonelikler aracılığıyla alması ve hızlı işlemeyi sağlaması nedeniyle çok önemli faktörler olarak tanımlanıyor.

Panel tartışmasını tamamlayan panelistler, duyarlılık göstergeleri için kullanılan zaman dilimlerine değiniyor. Duyarlılık göstergelerinin piyasaya ulaşan haberlerin hızını düşürmeyi amaçlamadığını açıklıyorlar. Bunun yerine, haber akışının zaman içinde hisse senetlerini nasıl etkilediğine dair tanımlayıcı göstergeler olarak hizmet ederler. Metni sayısal verilere dönüştürmenin önemi de vurgulanarak, metin tabanlı bilgiler için gereken ek işlem katmanı kabul edilir.

Panelistler ayrıca alım satımda duyarlılık verilerinin ve alternatif veri kaynaklarının alaka düzeyini tartışıyorlar. Kaç günlük duyarlılık verilerinin alakalı olduğu sorusunu ele alıyorlar ve cevabın modelin amacına ve yürütülen ticaretin türüne bağlı olduğunu vurguluyorlar. Tartışma, karlılığın temel bir ölçü olarak tanımlandığı alternatif veri kaynakları için performans ölçütlerine kadar uzanır. Panelistler, geçmiş verilere yönelik talebi ve bunun fiyatlandırma üzerindeki potansiyel etkisini açıklayarak, alternatif veri kaynakları daha popüler hale geldikçe değerlerinin zaman içinde değişebileceği konusunda uyarıda bulunuyor.

Panel tartışmasını sonlandırmak için, panelistler geriye dönük testin zorlukları ve önemi hakkındaki görüşlerini paylaşırlar. Belirli alternatif veri kaynakları için tarihsel bilgilerin azlığını kabul ederler, bu da analizi ve geriye dönük testi zorlaştırır. Bununla birlikte, geriye dönük test amacıyla verileri tahmin etmeye yardımcı olabilecek istatistiksel modellerin ve tekniklerin mevcudiyetini vurgulamaktadırlar. Belirli bir veri kaynağının performansını sahip olmamakla karşılaştırmanın önemini vurgulayarak tacirlerin stratejilerini buna göre uyarlamalarına olanak tanırlar. Panel, alternatif verilerin değerinin nihai olarak belirli bir model içinde kullanılmasına bağlı olduğunun altını çizerek sonlandırır.

Şimdi, panelistlerin iki ilgi çekici soruyu ele aldığı izleyicilerle Soru-Cevap oturumuna geçiyoruz. İlk soru, farklı tarihsel dönemleri daha iyi anlamak için tarihsel verilerin kullanılması etrafında dönüyor. Panel, çeşitli sonuçlara ilişkin kapsamlı bir anlayış elde etmek için zaman aralığının en az yedi katının kullanılmasını önerir. İkinci soru, güvenilir alternatif veri kaynakları bulmakla ilgilidir. Panel, çeşitli kaynakları araştırmak ve nicel ekipler için mevcut olan en iyi verileri belirlemek için bir veri avcısına sahip olmanızı önerir. Güvenilir veri bulmanın zorluğunu vurguluyorlar ve yenilikçi fikirlerin genellikle küçük yeni şirketlerden çıktığını vurguluyorlar.

Tartışmayı genişleten panelistler, benzersiz veri setlerini erkenden tanımlayan küçük şirketlerin daha büyük şirketler tarafından edinilme potansiyelini araştırıyor. Aracıların veri toplamadaki önemini ve tescilli modelleme kullanılarak türetilen veri setlerinin değerini vurgularlar. Konuşma ayrıca ülkeye özgü veri setlerinin etkisine, bölgesel risklerin tanımlanmasına ve küresel pazarın birbirine bağlılığına değiniyor. Bu faktörleri anlamak, bilinçli ticaret kararları vermek için gerekli hale gelir.

Panel sona ererken, konuşmacılar finans alanında bir kariyer için gerekli becerilere ve ön koşullara odaklanıyorlar. Bu beceriler alanda giderek daha önemli hale geldiğinden, programlama dillerinin değerini ve matematiksel kavramların sağlam bir şekilde anlaşılmasını vurgularlar. Çeşitli fırsatlara açık kalmanın ve kişinin bilgisini sürekli olarak genişletmenin önemi gibi, profesyonellerle ağ oluşturma ve bağlantı kurma da vurgulanmaktadır.

Kapanışta, konuşmacı piyasa trendleri hakkında bilgi sahibi olmanın ve finansal karar vermede tarafsızlığı korumanın önemini yineliyor. Finans yönetiminin temel rolünü vurguluyor ve katılımcıları finans sektöründe aktif olarak yer almaya teşvik ediyor.

Konuşmacı, panelistlere ve dinleyicilere değerli katkılarından dolayı içten bir şükran duyarak teşekkür eder ve oturumu sonlandırır.

• 00:00:00 Sunucu, aşağıdakiler gibi modern yöntemleri kullanarak ticaret ve yatırım kararı verme alanlarında kariyerlerini ilerletmek isteyen finans profesyonelleri için tasarlanmış yeni bir sertifikasyon programı olan Duyarlılık Analizi ve Finansta Alternatif Veri Sertifikasyonu'nun (CSAF) başlatıldığını duyurur. haber duyarlılığı analizi ve alternatif veriler. Kurs, haber analitiğinin, duyarlılık analizinin ve finansta gerekli olan alternatif verilerin çeşitli yönlerini kapsayacak ve algoritmik ticaret, duyarlılık analizi, kantitatif modelleme ve yüksek frekanslı ticarette önde gelen uzmanlar tarafından öğretilecektir. Bu bölümde ayrıca OptiRisk Systems'in kurucusu ve MD'si Profesör Gautam Mitra'nın moderatörlüğünde uzmanlar Dr. Cristiano Arbex Valle, Profesör Gautam Mitra, Dr. Matteo Campolmi ve Dr. ticaret.
  
  
• 00:05:00 Konuşmacı, bir panelde tartışılacak olan finansta duyarlılık ve alternatif veriler konusunu tanıtıyor. Panelistler, alternatif verilerin ne olduğu, neden gerekli olduğu ve değerinin nasıl ortaya çıkarılacağı hakkında fikir verecektir. Haber olayları genellikle varlık fiyatlarını etkilediğinden ve duyarlılık verileri hızlı bir şekilde işlenebildiğinden ve matematiksel modellerde kullanılmak üzere sayısal verilere dönüştürülebildiğinden, amaç, finansta gelecekteki sonuçları tahmin etmek için duyarlılık verilerini kullanmaktır. Bu veriler tipik olarak geleneksel piyasa verileri tarafından yakalanmaz ve bu da onu karar verme için değerli bir bilgi kaynağı haline getirir. 2022 baharında alternatif verilerle ilgili bir el kitabı yayınlanacak ve panel katılımcıların sorularını yanıtlayacak.
  
  
• 00:10:00 Uzmanlar paneli, alım satımda duyarlılık ve alternatif verilerin kullanımını tartışıyor. Tahmin modellerinde ekstra bir girdi özelliği olarak haber analitiğini ve duyguyu birleştirmenin, özellikle varlık oynaklığını tahmin etmede daha iyi sonuçlara yol açtığını bulmuşlardır. Ek olarak, ticaret kararları için kullanılabilecek tüketici alışkanlıkları gibi yeni bilgiler sunan alternatif verilerin ortaya çıkışını tartışıyorlar. Pazar yönlerini tahmin etmek ve nihai olarak finansal sonuçları iyileştirmek için yapay zeka ve makine öğrenimi tekniklerini kullanarak verileri modellerle birleştirmenin önemini vurguluyorlar.
  
  
• 00:15:00 Araştırma odaklı bir şirket olan Brain'in kurucuları, alternatif veri kümelerini kullanarak finansal piyasalarla ilgili sinyalleri çıkaran tescilli algoritmalar ve yöntemler oluşturma yaklaşımlarını açıklıyor. Yatırım ve varlık yönetimindeki alternatif veri setlerinin artan eğilimini, veri kaynaklarının artan kullanılabilirliğine ve gelişen veri bilimi endüstrisine bağlıyorlar. Alternatif veri kümeleri, yatırımcıların modellerinde çalışacakları ek bilgiler sağlarken, kurucular, büyük miktarda bilgiyi işlemek ve fazla uydurma olmadan sinyalleri belirlemek için titiz bir yaklaşıma duyulan ihtiyacı vurguluyor.
  
  
• 00:20:00 Panel, alım satımda duyarlılık ve alternatif verilerin kullanımını tartışıyor. Alternatif verilerin ne olduğu, neden önemli olduğu ve nasıl kullanılacağı sorularını kapsarlar. Alternatif verilerin sürekli geliştiğini ve bugün alternatif olarak kabul edilen şeyin gelecekte ana akım haline gelebileceğini belirtiyorlar. Finanstaki amaç basittir: daha fazla para kazanmak. Ancak, ne zaman alınıp satılacağını bilmek zorlayıcıdır. Alternatif verilerin avantaj sağlayabileceği yer burasıdır. Panel, duyarlılık verilerinin kaynağı olarak haberleri kullanırken önyargının bir sorun olabileceğini kabul ediyor ve verileri analiz etmek için birden fazla kaynak ve teknik kullanmak gibi çözümler öneriliyor.
  
  
• 00:25:00 Panel, verilerin toplandığı senaryoları ve verilerde mevcut olan olası yanlılıkları anlamanın önemini tartışır. Verilerin tarihsel olarak nasıl performans gösterdiğini görmek için geriye dönük testlerin kullanılabileceğini, ancak daha incelikli bir görünüm sağlamak ve daha iyi algoritmalar oluşturmak için bağlamsal bilgilerin gerekli olduğunu belirtiyorlar. Panel ayrıca, bazen ticaret stratejilerine fayda sağlayabildikleri için önyargıların her zaman olumsuz olmayabileceği fikrine de değiniyor. Genel olarak, temel çıkarım, veri kaynağı kontrol edilemese de, mevcut verileri anlamaya ve bunlarla çalışmaya odaklanılmalıdır.
  
  
• 00:30:00 Panel, alım satım amaçlı duyarlılık verilerini analiz ederken aranacak parametreleri tartışır. Haber veya duyarlılık sağlayıcıları, duyarlılığı genellikle olumlu, tarafsız veya olumsuz olarak sınıflandırsa da ekip, haberlerin veya tweetlerin hacminin de dikkate alınması gereken bir faktör olabileceğini belirtiyor. Sağlayıcıya bağlı olarak, duyarlılık sürekli bir sayı olarak ölçülebilir veya belirli bir süre boyunca ortalama haber hacmiyle normalleştirilebilir. Panel ayrıca, Twitter gibi sosyal medya platformlarının, kimin bir şey söylediğini göz önünde bulundurarak ve piyasalar üzerinde çok büyük bir etkiye sahip önemli hareket ettiricileri belirleyerek duyarlılık analizine ekstra bir unsur sunabileceğinin altını çiziyor.
  
  
• 00:35:00 Panel, alım satımda duyarlılık ve alternatif verilerin kullanımını tartışıyor. Duyarlılığın, AI ve diğer teknikler kullanılarak metni ayrıştırarak analiz edilebilecek dile özgü bir faktör olduğunu belirtiyorlar. Panelistler ayrıca haber olaylarının alaka düzeyini ve yeniliğini göz önünde bulundurmanın öneminden ve şirketlerin haber içeriğini işlemek için sadece birkaç saniye sürebilen haber içeriği sağlayıcılarına abonelikler aracılığıyla tipik olarak nasıl haber verilerini aldıklarından bahsediyorlar. Genel olarak, tartışma, ticaret için bir tahmin modeli oluştururken duyarlılığı ve alternatif verileri anlamanın önemini vurgulamaktadır.
  
  
• 00:40:00 Panelistler, ticarette duyarlılık ve alternatif verileri kullanmayı tartışıyorlar. Duyarlılık göstergeleri için kullanılabilecek farklı zaman dilimlerinden ve bunların piyasaya ulaşan haberlerin hızını düşürmeyi amaçlamadığından bahsediyorlar. Duyarlılık göstergeleri, haber akışının hisse senetlerini zaman içinde nasıl etkilediğine dair açıklayıcı bir gösterge sağlamayı amaçlamaktadır. Panelistler ayrıca metni sayılara dönüştürmenin öneminden ve metin verileri için gereken ekstra işlem katmanından bahsettiler. Kullanım durumunun ve alım satım sıklığının alım satım için kullanılan verilerin kalitesini ve zamanlamasını nasıl etkileyebileceğinden bahsettiler.
  
  
• 00:45:00 Panel, alım satımda duyarlılık verilerinin ve alternatif veri kaynaklarının önemini tartışıyor. Duyarlılık verilerinin kaç günlük olduğu sorusu gündeme gelir, bunun cevabı modelin amacına ve ne tür ticaret yapıldığına bağlıdır. Alternatif veri kaynakları için performans ölçütlerini tartışmaya devam ederler, basit cevap ne kadar kar elde edildiğidir. Bununla birlikte, insanların genellikle ucuz bir fiyata mümkün olduğu kadar çok tarih istediğini, ancak daha fazla insan bunları kullanıyorsa ve metalaştırılıyorsa veri setlerinin daha ucuz hale geldiğini açıklıyorlar. Ayrıca, alternatif veri kaynaklarının kullanılmasının, verilerin değerinin zaman içinde değişebileceğinin anlaşılmasıyla birlikte geldiğini de belirtiyorlar.
  
  
• 00:50:00 Panel, ticaret için alternatif verileri kullanmanın zorluklarını ve geriye dönük testin önemini tartışıyor. Belirli alternatif veri kaynaklarını analiz etmeyi ve geriye dönük test etmeyi zorlaştıran tarihsel bilgi kıtlığının olduğunu kabul ediyorlar. Ancak, geriye dönük test için verilerin tahmin edilmesine yardımcı olabilecek istatistiksel modeller ve teknikler olduğunu öne sürüyorlar. Panel ayrıca, belirli bir veri kaynağının sahip olmamaya kıyasla ne kadar iyi performans gösterdiğini karşılaştırmanın ve ticaret stratejilerini buna göre uyarlamanın önemini vurguluyor. Duyarlılık analizini tartışırken, en iyi yaklaşımın belirli modele ve onun dağıtımına bağlı olarak değişeceği konusunda uyarıyorlar. Sonuç olarak panel, alternatif verilerin değerinin büyük ölçüde verili bir modelde nasıl kullanıldığına bağlı olduğu konusunda hemfikirdir.
  
  
• 00:55:00 Panel, izleyicilerden gelen iki soruyu tartışır. İlk soru, tarihsel verilerin kullanımını ve farklı tarihsel dönemlerde neler olabileceğini daha iyi anlamak için ne kadarının kullanılması gerektiğini içerir. Panel, farklı sonuçlar hakkında iyi bir fikir edinmek için zaman aralığının en az 7 katının kullanılması gerektiğini önermektedir. İkinci soru, iyi alternatif veri kaynakları bulmaya ilişkindir. Panel, çeşitli kaynaklara bakmak ve niceleme ekibi tarafından kullanılabilecek en iyi verileri bulmak için bir veri avcısına sahip olmayı önerir. Güvenilir veri bulmanın kolay bir iş olmadığı ve alternatif verinin gerçek kaynağının yenilikçi fikirler bulan bu küçük yeni şirketlerden geldiği konusunda uyarıyorlar.
  
  
• 01:00:00 Panel, alternatif verileri ve benzersiz veri setlerini erkenden belirleyen küçük şirketlerin daha büyük şirketler tarafından satın alınma potansiyeline sahip olduğunu tartışıyor. Panel ayrıca veri toplamada aracıların öneminden ve tescilli modelleme kullanılarak türetilmiş veri kümelerindeki değerden bahseder. Daha sonra ülkeye özgü veri kümelerinin etkisini tartışmaya, risk kaynaklarını ayırmaya ve küresel pazarın artık nasıl sıkı bir şekilde bağlantılı olduğunu tartışmaya geçerler, bu da bölgesel riskleri ve bunların ticaret kararları üzerindeki potansiyel etkilerini anlamayı gerekli kılar. Bir sonraki soruya geçmeden önce bölüm bir fıkra ile bitiyor.
  
  
• 01:05:00 Panel tartışması, konuşmacılar alım satımda duygu ve alternatif verilerin kullanımına ilişkin bir kurs için gerekli becerileri ve ön koşulları tartışırlar. Bir programlama dili olarak Python'a aşina olmak yardımcı olurken, finans ve finansal modellerde temel bilgilere sahip olmanın önemini vurguluyorlar. Ek olarak, veri kaynaklarına erişimin ve kursa katılmaya istekli olmanın değerini vurgularlar. Ayrıca, nicel araştırma analisti olmakla ilgilenen biri için kariyer tavsiyesi hakkında bir soruyu ele alarak, bireyi açıklama için fakülteye ulaşmaya teşvik eder ve geniş bir beceri ve bilgi yelpazesine açık olmanın önemini vurgular.
  
  
• 01:10:00 Panelistler finans alanında bir kariyer için gerekli becerileri tartışıyorlar. Giderek daha fazla veri seti oluşturulduğu için programlama dillerini öğrenmeyi ve matematiksel kavramları iyi bir şekilde anlamalarını öneriyorlar. Ayrıca matematik ve programlamadan korkmamalarını tavsiye ediyorlar çünkü bu beceriler sahada hayati önem kazanıyor. Panelistler ayrıca mümkün olduğu kadar çok insanla tanışma ve ağ kurma, potansiyel işverenler için değerli bir varlık olma, fırsatları değerlendirmeye hazırlıklı olma ve matematikte sağlam bir temele sahip olma üzerinde dururlar.
  
  
• 01:15:00 Konuşmacı, finans sektöründe piyasada olup bitenlerden haberdar olmanın ve farklı alanlara açık olmanın önemini vurguluyor. Ticaret nihayetinde para ve finans yönetimi etrafında döndüğü için tarafsızlığı korumayı ve duygusal olmaktan kaçınmayı tavsiye ediyor. Ardından söyleşi, panelistlere ve dinleyicilere teşekkür edilerek ve organizatörlere sosyal medya üzerinden 11. yılını kutlamak için bir hatırlatma ile sona eriyor.
  

[MetaQuotes]

Boğa piyasasında açığa satış - Laurent Bernut'tan Masterclass | Algo Ticaret Haftası 3. Gün

Boğa piyasasında açığa satış - Laurent Bernut'tan Masterclass | Algo Ticaret Haftası 3. Gün

Laurent Bernut, Alpha Secure Capital'in kurucusu ve CEO'su ve aynı zamanda Fidelity Investments'ta özel bir kısa satıcı olarak tanıtıldı. Video, açığa satış konusunda iki saat sürecek bir ustalık sınıfına liderlik edeceğini vurguluyor. Ana sınıfın sonunda Soru-Cevap bölümü olmayacağından bahsediliyor, ancak izleyicilerin oturum sırasında ilgili soruları sormaları teşvik ediliyor. Ayrıca konuşmacı, dinleyicileri Python ile açığa satış üzerine bir kurs ve açığa satışın nasıl ve neden yapıldığını açıklayan tamamlayıcı bir kitap hakkında bilgilendirir. Kitap 11 Ekim 2021'de yayınlanacak ve Amazon.com'da satışa sunulacak.

Masterclass, Laurent Bernut'un katılımcıların oturumdan kazanmayı bekleyebilecekleri temel çıkarımları açıklamasıyla başlar. En iyi toplamanın iflas ettiğini iddia ediyor ve açığa satışın başarılı bir fon oluşturmak için en değerli beceri seti olduğunu vurguluyor. Bernut ayrıca açığa satışla ilgili on klasik efsaneyi çürüterek bu disiplinin yeterince araştırılmamış doğasına ışık tutuyor. Açığa satışın dinamiklerini detaylandırıyor ve başarılı piyasa katılımcılarının bile kısa tarafla neden mücadele ettiğini ele alıyor. Kişisel içgörülerini paylaşan Bernut, kursta para yönetiminin kritik rolünü vurguluyor.

Bernut, ileriye dönük olarak açığa satışın nasıl çalıştığına dair bir genel bakış sunuyor ve ödünç alacağın yerini belirlemenin önemini vurguluyor. Hisse senedi toplamanın iflas etmiş doğasını tartışıyor ve tacirlerin odak noktalarını açığa satış gibi diğer uygulamalara kaydırmalarını savunuyor. Bernut, endüstrinin genellikle hisse senedi toplayıcılara odaklandığına dikkat çekiyor, ancak ampirik kanıtlar, aktif yöneticilerin çoğunluğunun sürekli olarak kıyaslama ölçütlerinin altında performans gösterdiğini gösteriyor. Bu, birçok kişinin pasif yatırım ve dolap endeksleme lehine hisse senedi toplamayı bırakmasına neden oldu. Ancak Bernut, ayı piyasalarında açığa satışın önemine ve aşağı yönlü koruma açısından getirdiği değere dikkat çekiyor.

Bernut, açığa satış yapanlar hakkındaki yanlış anlamaları ele alıyor ve bunların emekli maaşlarını ve şirketleri mahvettiği fikrini ortadan kaldırıyor. Yatırımcıların düşük oynaklık, düşük korelasyon getirileri ve aşağı yönlü koruma için uzun-kısa araçlar aradıklarını, aktif yöneticilerin sürekli olarak sunmakta zorlandıkları bir şeyi açıklıyor. Bu nedenle, yatırım fonu yöneticilerinden uzun seçimler, borsa yatırım fonları yoluyla pasif olarak benzer sonuçlar elde edebilen yatırımcılar için geçerli değildir. Bernut, kısa vadeli hisse senetlerinin aşağı yönlü riske karşı koruma sağladığını ve özellikle bir ayı piyasasında açığa satış becerisini çok rağbet gördüğünü vurguluyor.

Konuşmacı, açığa satış yapanların kapitalizmdeki rolünü ve şirket yönetiminin sorumluluğunu derinlemesine inceliyor. Şirketlerin yönetimine katılmayan kısa satıcıların, gerçekte düşüşe neden olan kötü yönetim olduğunda, başarısızlıklarından sıklıkla sorumlu tutulduklarını savunuyor. Bernut, piyasa değeri ile gerçek değer arasındaki ayrımı vurgulayarak, piyasa değerinin bir güzellik yarışmasına benzer şekilde öznel yargılarla belirlendiğini açıklıyor. Ayrıca, açığa satış yapanların doğası gereği kötü spekülatörler olmadığını, ancak genellikle piyasadaki paradoksları açığa çıkardığını açıklıyor. Düzenleyicilerin piyasayı manipüle eden açık satıcılara kaşlarını çattığını, ancak birincil görevlerinin piyasa verimsizliklerini ortaya çıkarmak olduğunu kabul ediyor.

Video, Laurent Bernut'un açığa satış yapanlar için bir paradoks oluşturan kurumsal uzay-zaman sürekliliğini tartışmasıyla devam ediyor. Şirketlerin, dolandırıcılığa katıldıkları için çalışanları ödüllendirirken, üst yönetimin bu tür uygulamalar hakkında bilgisi olduğunu reddettiği durumlara dikkat çekiyor. Bernut, açığa satış yapanlara, bir hisseyi açığa almanın alternatif yolları olduğu için, haklı olsalar bile, şirket yönetimine karşı düşmanca olmayan bir yaklaşım benimsemelerini tavsiye ediyor. Açığa satışın risk yönetimi yönünü vurguluyor ve dikkatli yapılması gerektiği konusunda uyarıda bulunuyor.

Algo Trading Week masterclass'ında Bernut, açığa satış yapmayı öğrenmenin önemini ve özellikle bir ayı piyasası beklentisiyle bu beceriye sahip olmamanın risklerini vurguluyor. Ayrıca, açığa satışın artan piyasa oynaklığına ve hisse fiyatının çökme potansiyeline nasıl katkıda bulunabileceğine de değiniyor.

Video, Laurent Bernut'un açığa satış konusunda ustalık sınıfı boyunca katılımları ve ilgileri için izleyicilere teşekkür etmesiyle devam ediyor. Öğrenme sürecinde aktif katılımın ve merakın önemini vurgulayarak, oturum sırasında gelen soru ve yorumlara duyduğu memnuniyeti dile getiriyor.

Ardından Laurent Bernut, programlama kullanarak açığa satış stratejilerini uygulamak için pratik beceriler sağlamayı amaçlayan Python ile açığa satış üzerine yakında çıkacak bir kursu tanıtıyor. Kurs, veri analizi, algoritmik ticaret, risk yönetimi ve geriye dönük test gibi çeşitli konuları kapsayacaktır. Kantitatif analizi açığa satış teknikleriyle birleştirmenin değerini ve Python'un bu amaç için nasıl güçlü bir araç olabileceğini vurguluyor.

Kursa ek olarak Laurent Bernut, "Açığa Satış Açıklandı: Ayı Piyasalarında Kâr Sağlamak İçin Kapsamlı Bir Kılavuz" başlıklı tamamlayıcı bir kitabın yayınlanacağını duyurdu. Kitap, içgörüler, stratejiler ve gerçek dünyadan örnekler sunarak açığa satışın hem nasılını hem de nedenini araştıracak. Disiplinin gizemini çözmeyi ve okuyucuları açığa satışın karmaşıklıklarında başarılı bir şekilde gezinmek için gerekli bilgi ve becerilerle donatmayı amaçlamaktadır. Kitabın 11 Ekim 2021'de yayınlanması planlanıyor ve Amazon.com'da satışa sunulacak.

Video sona ererken Laurent Bernut, açığa satış alanında sürekli öğrenmenin ve gelişmenin önemini yineliyor. İzleyicileri kursu keşfetmeye ve anlayışlarını derinleştirmek ve becerilerini geliştirmek için kitap okumaya teşvik ediyor. Bireylerin açığa satış konusunda yetkin olmalarına yardımcı olma taahhüdünü ifade ediyor ve sürekli değişen finansal piyasalarda bilgi sahibi olmanın ve uyum sağlamanın değerini vurguluyor.

Laurent Bernut son bir şükran ve cesaret notuyla izleyicilere veda ediyor ve onları bağlantı kurma, soru sorma ve açığa satış dünyasındaki yolculuklarına devam etme davetiyle baş başa bırakıyor. Video sona erer ve izleyiciler, açığa satışın sunduğu fırsatları ve zorlukları daha fazla keşfetmeleri için ilham alır ve motive olurlar.

• 00:00:00 Video, Laurent Bernut'u Alpha Secure Capital'in kurucusu ve CEO'su ve Fidelity Investments'ta özel bir kısa satıcı olarak tanıtıyor. Masterclass, açığa satışa odaklanacak ve iki saat sürecek ve sonunda soru-cevap bölümü olmayacak. Konuşmacı, izleyicileri oturum sırasında ilgili sorular sormaya teşvik eder. Ayrıca Python ile açığa satış üzerine bir kurstan ve bunun hem nasıl hem de neden yapılacağını açıklayan tamamlayıcı bir kitaptan bahsediyor. Kitap 11 Ekim 2021'de yayınlanacak ve Amazon.com'da satışa sunulacak.
  
  
• 00:05:00 Laurent Bernut, açığa satış üzerine ustalık sınıfının temel çıkarımlarını açıklıyor ve en iyi toplamanın iflas ettiğini ve açığa satışın başarılı bir fon oluşturmak için en değerli beceri seti olduğunu belirtiyor. Bernut ayrıca, disiplinin yeterince araştırılmamış doğasına dikkat çekerken, açığa satışla ilgili on klasik efsaneyi çürütüyor. Açığa satışın dinamiklerini ve başarılı piyasa katılımcılarının bile kısa tarafla neden mücadele ettiğini açıklıyor. Bernut ayrıca kursta para yönetimi ve onun merkezi kısmı hakkında kişisel bir kavrayış paylaşıyor. Bu bölüm, açığa satışın nasıl çalıştığına ve borç bulmanın önemine ilişkin bir genel bakışla sona ermektedir.
  
  
• 00:10:00 Laurent Bernut, hisse senedi toplamanın iflas etmiş doğasını ve tacirlerin neden açığa satış gibi diğer uygulamalara odaklanmaları gerektiğini tartışıyor. Sektörün hisse senedi toplayıcı kültü üzerine inşa edildiğini açıklıyor, ancak rakamlara atıfta bulunarak, aktif yöneticilerin üçte ikisinin kıyaslama ölçütlerinden her yıl daha düşük performans gösterdiğini biliyoruz, bu da onların odak noktalarını hisse senedi toplamadan değiştirmelerine yol açtı. dolap indeksleme ve pasif yatırım. Aktif yöneticiler büyük marjlarla düşük performans göstermezler; genellikle endeksin artı veya eksi yüzde bir veya ikisidir. Bununla birlikte, ayı piyasalarında, açığa satış gibi dikeyler alakalı hale gelir.
  
  
• 00:15:00 Laurent Bernut, açığa satış yapanların emekli maaşlarını ve şirketleri mahvettiği efsanesini ortadan kaldırıyor. Yatırımcıların paralarını uzun-kısa araçlara yatırdıklarını çünkü düşük oynaklık, düşük korelasyon getirileri ve aşağı yönlü koruma istediklerini, aktif yöneticilerin tutarlı bir şekilde garanti edemeyeceği bir şeyi vurguluyor. Bu nedenle yatırımcılar, borsa yatırım fonlarını kullanarak pasif olarak aynı işlevi yerine getirebildikleri için yatırım fonu yöneticilerinden gelen uzun vadeli alımları önemsemezler. Bernut, kısa vadeli hisse senetlerinin aşağı yönlü riske karşı koruduğunu ve özellikle ayı piyasasında yüksek talepte açığa satış becerisine sahip olduğunu açıklıyor.
  
  
• 00:20:00 Laurent Bernut, açığa satışı kapitalizm ve yönetim sorumluluğu bağlamında tartışıyor. Şirketlerin yönetimine katılmayan açığa satıcılar, genellikle bir şirketin başarısızlığından sorumlu tutulurken, gerçekte şirketin başarısız olmasına neden olan kötü yönetimdir. Kapitalizmin tarihi, kötü yönetim nedeniyle modası geçmiş şirketlerle doludur ve açığa satış yapanlar genellikle onlara bu eskime dönemine kadar eşlik eder. Piyasa değeri aynı zamanda gerçek değerden ayrı olarak tartışılır ve piyasa değeri, en güzel kişinin yargıcın kimin en güzel olduğunu düşündüğüne göre seçildiği bir Kanada güzellik yarışmasıdır. Son olarak, açığa satış yapanların kötü spekülatörler olduğu yanılgısı tartışılıyor ve Bernut, düzenleyicilerin piyasa manipülasyonu yapan açığa satış yapanları sevmediği, ancak açığa satış yapanların işinin genellikle piyasadaki paradoksları ortaya çıkarmak olduğu konusunda uyarıyor.
  
  
• 00:25:00 "Boğa piyasasında açığa satış - Bir Ustalık Sınıfı" adlı videonun konuşmacısı Laurent Bernut, açığa satış yapanların karşılaştığı bir paradoks olan kurumsal uzay-zaman sürekliliğinden bahsediyor. Paradoks, şirketler dolandırıcılığa katılan çalışanlarına ikramiye verdiğinde ve üst yönetim bu tür uygulamalardan haberdar olduğunu reddettiğinde ortaya çıkar. Bernut ayrıca, açığa satış yapanların, haklı olsalar bile, şirket yönetimine karşı düşmanca bir bakış açısına sahip olmamaları gerektiğini, çünkü bir hisse senedini açığa çıkarmanın düşmanca olmayan yolları olduğunu öne sürüyor. Açığa satışın bir risk yönetimi uygulaması olduğunu bilen Bernut, açığa satışın dikkatli yapılması gerektiğini söyleyerek, ortaya koyduğu potansiyel riskler konusunda tavsiyelerde bulunuyor.
  
  
• 00:30:00 Algo Trading Week masterclass'ında Laurent Bernut, açığa satış yapmayı öğrenmenin önemini ve bunu nasıl yapacağını bilmemenin risklerini tartışıyor, kaçınılmaz ayı piyasası için eğitim ve pratik yapmanın değerini vurguluyor. Ayrıca, açığa satışın nasıl piyasa oynaklığını artırabileceğine ve nihayetinde hisse fiyatlarının düşmesine yol açabileceğine de değiniyor. Bernut, borçlu kullanımı kavramını ve açığa satış için alınan hisselerin arz ve talebini kısaca inceliyor, kayıpların en aza indirilmesiyle ilgili bir soruyu yanıtlıyor ve vadeli piyasalarda spot açığa satış stratejilerini ayarlama ihtiyacını ele alıyor.
  
  
• 00:35:00 Laurent Bernut, boğa piyasasında açığa satışın gerekli olmadığı efsanesini çürütüyor. Birçok hedge fon, 2008 mali krizinden önce açığa satış öğrenmeyi erteledi ve bu durum, piyasalar çöktüğünde büyük zarar görmelerine yol açtı. Bernut, açığa satışın bir boğa piyasası sırasında öğrenilmesi gerektiğine inanıyor çünkü bu, çok fazla alfa sızıntısı olan rekabetçi bir alandır ve bir boğa piyasası sırasında öğrenmek, kişiye çok fazla sonuç olmaksızın hata yapmak için bir alan sağlar. Yapısal şok efsanesi de çürütüldü. İşletmeler iflas edebilirken, mantık uzun pozisyonlar için geçerli değildir ve uzun pozisyondakiler yatırımlarını korumak için sıklıkla ziyaret eder ve eğitim alır.
  
  
• 00:40:00 Laurent Bernut, "turist" olmanın ve yapısal açığa satışın peşinden gitmenin yanlışlığını açıklıyor. Bunun alçakgönüllülük eksikliğini temsil ettiğine inanıyor ve muhasebe sahtekarlıklarını bulmanın son derece zor olduğunu söylüyor. Diğer bir konu da, şirketler bunları saklamaya çalıştıkları için tespit edilmesi zor olan kusurlu iş modelleridir. Bernut ayrıca değerlemelerden bahsediyor ve anlam ifade etmediklerinde anlam ifade etmeyi bırakıyorlar. Klasik trend takibi ve ortalama geri dönüş olmak üzere iki ticaret modunu açıklıyor ve uzun taraftaki insanların, düşman profilleri ve getirileri olduğu için farkı anlamaları gerektiğini söylüyor.
  
  
• 00:45:00 Laurent Bernut, açığa satış stratejilerini tartışıyor ve birçok kişi bunu kısa tarafla ilişkilendirmesine rağmen, çift ticaretinin bir açığa satış stratejisi olmadığını vurguluyor. Ayrıca, piyasayı fiyata dayalı olarak üç kovaya ayıran rejim tanımından da bahsediyor: yükseliş, düşüş ve sonuçsuz ve yapılması gerekenler: rejim tanımı, göreli seriler ve değer tuzakları. Bernut, düşük performans gösteren, gerçek bir hikayesi veya büyümesi olmayan ve yüksek temettü getirisi olmayan "sıkıcı" hisse senetlerine odaklanmayı tavsiye ediyor çünkü bunlar konuşmayı takip etme ve düşük performans gösterme eğilimindeler, ki bu da kısa satıcıların istediği şey.
  
  
• 00:50:00 Laurent Bernut, açığa satış söz konusu olduğunda fikir üretmenin önündeki engelleri tartışıyor ve şirketlerin büyümesini, büyümeleri yıllar önce gerçekleştiği ve geriye hiçbir şey kalmadığı için getirilerinin daha yüksek olduğu yaşlanma kavramıyla karşılaştırıyor. Ayrıca, S&P 500'ün bir grafiğini sunar ve kesintisiz kırmızı ve yeşil çizgilerin, sırasıyla yeni bir yıllık en yüksek ve en düşük değerleri yapan hisse senetlerinin sayısını temsil ederken, noktalı çizginin, endekse bölünen göreli serilerdeki aynı verileri temsil ettiğini açıklar. Herhangi bir endeksin bileşenlerinin yarısı kabaca daha iyi performans gösteriyor ve yarısı daha düşük performans gösteriyor, bu da sorunlu yönün yukarı ve aşağı zamanlaması olduğu anlamına geliyor. Bernut bunun yerine sektör rotasyonları yapmayı öneriyor ve rejim tanımı tartışmasına yol açan tüm bölge tanımlama yöntemlerinin bir ısı haritasını sunuyor.
  
  
• 00:55:00 Laurent Bernut, ister kantitatif ister temel analiz olsun, ticarette rejim tanımının önemini tartışıyor. Rejim tanımı, tüccarlara yükseliş mi yoksa düşüş mü olduğunu söyleyerek piyasaya genel bir bakış olarak hizmet eder. Tüccarlar, rejimi analiz ederek, belirli hisse senetlerinin neden daha iyi performans gösterdiğini veya daha düşük performans gösterdiğini araştırabilir. Bu soruların yanıtları üç bölümde gelir: sektör rotasyonu, geçici yanlış fiyatlandırma ve belirli hisse senedi performansı. Bernut ayrıca üç klasik ticaret stratejisi sunar: trend takibi, ortalamaya dönüş ve i-breed.
  
  
• 01:00:00 Laurent Bernut, klasik trend takibi ve ortalamaya dönme stratejilerinin dezavantajlarını tartışıyor ve ölçeği büyütmenin ve kısa vadeli kâr elde etmenin önemini vurguluyor. Bu, tüccarların hızlı bir şekilde kâr elde etmelerini ve kazanma oranını artırmalarını sağlarken, piyango benzeri işlemler uzun vadede devam edebilir. Ayrıca açığa satışın dinamiklerini ve açığa satış için temel olan net maruz kalmanın kaymasını anlama ihtiyacını açıklıyor. Son olarak, bu oyunda kar elde etmek için para yönetiminin şart olduğunu belirtiyor.
  
  
• 01:05:00 Konuşmacı, açığa satış için tercih ettikleri zaman dilimiyle ilgili bir soruyu yanıtlıyor. Podcast'i takip etme trendiyle ünlü arkadaşları Mike Covell'in yaklaşımına göre, açığa satış tarzlarının trend takip olduğunu açıklıyorlar. Ayrıca, kurumsal yatırımcıların katılımını gösterdiğinden, açığa satış yaparken borçlanma kullanımının önemini vurgulamaktadırlar. Borçlanma kullanımı 50'nin üzerine çıktığında, konuşmacı bunun kurumsal yatırımcıların binayı terk ettiğinin bir işareti olduğunu ve hisseyi aşağı çeken tek kişinin satış yapma olasılığı düşük istikrarlı hissedarlar olduğunu iddia ediyor. Bu nedenle, sektör rotasyonu döngüsünü takip etmek ve göreceli olarak erken başlamak çok önemlidir çünkü sektör rotasyonu sona ermeden uzun bir süre devam edebilir.
  
  
• 01:10:00 Laurent Bernut borsadaki risk kavramını, özellikle brüt risk, net risk ve net betayı tartışıyor. Bir boğa piyasasında, yatırımcıların tipik olarak net uzun pozisyon alacaklarını ve pozitif net betaya sahip olacaklarını, buna karşılık daha düşük volatiliteye sahip savunma hisse senetlerini kısa devre yapacaklarını ve uzun yüksek beta hisse senetleri olacağını açıklıyor. Ancak Bernut, negatif bir net betaya sahip olmanın çok zor olduğunu ve bunun dünyada sadece birkaç yatırımcı tarafından yapıldığını belirtiyor.
  
  
• 01:15:00 Laurent Bernut, negatif bir net maruz kalma olmadan bir ayı piyasasında nasıl doğru bir şekilde konumlandırılacağını tartışıyor. Bir ayı piyasasında, kamu hizmetleri, temel tüketici ürünleri ve gıda gibi düşük beta alanlarında defansif uzun pozisyonlar alınmalıdır. Bu varlıklar, düşük oynaklıkları nedeniyle yerini alabilir. Öte yandan, katlanarak yükselen yüksek beta hisse senetleri, en sert düşecekleri için kısa tutulmalıdır. Bu, ağır bir uzun kenar ve daha hafif, daha uçucu bir kısa kenar yaratacak ve artık pozitif olan net bir maruz kalmaya yol açacaktır. Geçmişte hisse senedi toplama başarısız olsa da açığa satış, risk yönetimi ve pozisyon boyutlandırma ile ilgilidir ve bu da onu ayı piyasasında hayatta kalmak için bir strateji haline getirir.
  
  
• 01:20:00 Laurent Bernut, karlı işlemlerin zaman içinde birleşmesine izin vermek için kazananları genişletmenin önemini tartışıyor. Erkenden yüksek olasılıklı karlar almayı ve ardından ticaretin geri kalanını bırakarak trend takibinden büyük kazançlar elde etme potansiyeline izin vermeyi tavsiye ediyor. Ancak, açığa satış yaparken, açığa satış riski nedeniyle parayı masadan hızla çekmek önemlidir. Bernut ayrıca, zararı durdur emirlerinin normal ticaret kararlarının bir parçası olmaması gerektiğini ve yalnızca yatırım kararının geçersiz olduğu veya tersine çevrildiği bir noktada verilmesi gerektiğini vurguluyor. Kaybı durdur emirlerinin oynaklık bandına yerleştirilmesi gürültüye neden olabilir ve kazanç beklentisini olumsuz etkileyebilir.
  
  
• 01:25:00 Laurent Bernut, stop-loss'ları ve bunların dört değişkenden üçünü - ortalama kayıp, kazanma oranı ve kayıp oranı - etkiledikleri için kazanç beklentisinde nasıl bir numaralı değişken olduklarını tartışıyor. Stop-loss'ları mantıklı ve bütçeli bir konu haline getirmeyi ve en iyi çözümü bulmak için bunlarla denemeler yapmayı tavsiye ediyor. Emtialarda açığa satış konusunda uzmanlaşmayla ilgili bir soruya yanıt olarak Bernut, bilgi eksikliğini kabul ediyor, ancak göreli aşamayı alma ve rejimlere bakma yöntemini kullanmanın hisse senedi alım satımını göründüğünden daha kolay hale getirdiğini öne sürüyor. Paranın para yönetimi modülünde kazanıldığını ve hisse senedi toplamanın getirilerin birincil belirleyicisi olmadığını vurgulayarak sözlerini bitiriyor.
  
  
• 01:30:00 Laurent Bernut, para yönetimi getirilerinin öneminden ve getiri sağlayan şeyin sadece hisse senedi toplama olmadığı hakkında konuşuyor. Farklı portföylerin aynı hisse senetlerine sahip olduğu ancak yatırımlarının büyüklüğü nedeniyle değişen getirilere sahip olduğu Fidelity şirketinden bir örnek veriyor. Bernut daha sonra, eşit ağırlık, eşit risk, dışbükey ve içbükey dahil olmak üzere bir örnek olarak bir grafik kullanarak farklı para yönetimi algoritmalarını açıklamaya devam ediyor. Farklı viteslerde araba sürmenin farklı algoritmalarını karşılaştırıyor ve piyasa koşullarına göre riski modüle etmenin önemini vurguluyor.
  
  
• 01:35:00 Laurent Bernut, finans sektöründe kazanç sağlamada para yönetiminin önemini vurguluyor. Pozisyon boyutlandırma, risk yönetimi ve portföy yönetiminde en büyük ilerlemelerin kaydedileceğini öne sürüyor. İçbükey ve dışbükey alt çizgilerin modüle edilmesinin, riski modüle etmek ve farklı bir risk profili oluşturmak için kullanılabileceğine inanıyor; bu, bir ticarete konulan portföyün boyutunu yönetmenin etkili bir yolu. Bernut'a göre, makine öğrenimi ve yapay zekanın gelecek nesil boyunca finansta büyük ilerlemeler kaydetmeye katkıda bulunacağı yer burasıdır.
  
  
• 01:40:00 Laurent Bernut, risk yönetimi, uzun-kısa portföyde Black Litterman optimizasyonu ve uzun-kısa portföyler ile kaldıraç arasındaki ilişki hakkında izleyicilerin sorularını yanıtlıyor. Bernut, risk yönetiminin ne zaman yeniden hızlandırılacağını veya yavaş yavaş yavaşlanacağını bilmeyi içerdiğini, uzun-kısa bir portföyden yararlanmanın getirileri artırabileceğini, ancak dikkatli kullanılmadığı takdirde iki ucu keskin bir kılıç olabileceğini açıklıyor. Ayrıca, Black Litterman optimizasyonunu kişisel olarak kullanmasa da, bunun bir sınırlama yinelemesi olduğunu belirtiyor. Son olarak Bernut, kendi ticaretinde riski yönetmek için açık risk ve göreceli risk ayarlı getiriyi kullanma konusundaki kişisel yaklaşımını paylaşıyor.
  
  
• 01:45:00 Laurent Bernut, bileşik bir yaklaşım kullanmak yerine hisse senetlerini bağımsız olarak yönetme tercihinden bahsediyor. Zaman dilimleri söz konusu olduğunda, piyasa bu seviyede çok sayıda fırsat sunduğu için günlük alım satım yapar. Ayrıca, daha uzun zaman dilimlerinde olumlu bir beklentiye sahip olmanın daha kolay olduğuna, ancak bunun daha düşük getirilere ve daha yavaş ciroya neden olabileceğine inanıyor. Son olarak Bernut, bilgisayarlara karşı ticaret yapmanın zorluğuna değiniyor ve bize onlar tarafından cezalandırılmak yerine onlarla rekabet ettiğimizi hatırlatıyor.
  
  
• 01:50:00 Laurent Bernut perakende ticarette AI ve makine öğreniminin kullanımını tartışıyor. Pazar tahminleri için yapay zeka ve makine öğrenimi kullanmanın başarısız olacağına inanıyor çünkü rastgelelik kalıcı. Perakende tüccarlar için kurumlar inşa etmek sanıldığından daha kolaydır. Hacimlerin nerede hareket ettiğini ve hisse senetlerinin trend olduğunu gözlemleyerek büyük kurumların kuyruğuna atlayabilirsiniz. Perakende tüccarlar, yüksek frekanslı ticarette büyük kurumları yenemezken, her zaman kapsamlı araştırma gerektirmeyen trendleri ve nişleri ticaret yapabilirler. Sonuç olarak Bernut, büyük kurumlarla seçime göre ticarette rekabet edilmemesini tavsiye ediyor ve daha kolay giriş ve başarıya olanak tanıyan alanlar bulmayı teşvik ediyor.
  
  
• 01:55:00 Laurent Bernut, açığa satış yapan satıcıların bilgiyi analistlerden daha hızlı işleme konusunda nasıl bir avantaja sahip olduğunu ve niş alanınızı bulup negatif beklentiye odaklanmanın ne kadar önemli olduğunu tartışıyor. Kısa devre yapma zihniyetini korumanız sorulduğunda, Bernut alçakgönüllü olmanızı ve yanıldığınızı kabullenmenizi, devam etmenizi ve kayıpları durdurmanızı tavsiye ediyor. Hatta stok avcılığını balık tutmaya benzeterek, stokları kesmede ve ağınızı genişletmede nasıl acımasız olunacağını açıklıyor. Son olarak, düşük ve orta frekanslı tüccarların yüksek frekanslı tüccarlara karşı bir şansı olup olmadığını yanıtlıyor ve meselenin HFT'nin daha karlı olması değil, daha çok her tüccarın kendi nişini bulması ve kendi başına başarılı olması olduğunu belirtiyor.
  
  
• 02:00:00 Konuşmacı, HFT'lerin ticaretteki rolünü ve esasen ne olursa olsun kesinti yapan bir vergi olarak nasıl hareket ettiklerini tartışıyor. Ayrıca, HFT'de kazanmanın bir silahlanma yarışı olduğundan ve ya paketin önünde olduğunuzdan ya da başka birinin öğle yemeği için ödeme yaptığınızdan bahseder. Eğilimlere zaman açısından bakmak yerine, zamanın yanlış kapsayıcı olduğuna ve bunun yerine rejime bakmanın daha iyi olduğuna inanıyor. Uzun ve kısa maruz kalma açısından, yatırım fonlarında kantitatifler veya silahşörler tarafından kullanılan standart uzun uzatma 130/30 veya 140/40 modellerinden bahsediyor. Bunlar popülerdir, çünkü hala yalnızca varlık tahsisi oyununda uzun süre sınıflandırılırlar, ancak yalnızca brüt maruz kalma seviyeleri dışında bir net beta karşılaştırması düşünmeyi önerir.
  
  
• 02:05:00 Konuşmacı, 130/30 stratejisinin varlık tahsisi açısından nasıl çalıştığını ve kalanın hala nasıl uzun olarak sınıflandırıldığını açıklıyor. 130/30 stratejisi, %130 uzun ve %30 kısa pozisyonlara sahip olmak, %100 net risk ve sıfıra yakın nakit bakiyesi vermek anlamına gelir. Bu stratejiyi kullanan fonlar hala sadece uzun vadeli olarak sınıflandırılabilir ve kendi endekslerine göre kıyaslanabilir. Konuşmacı, net beta yetkisinin mümkün olup olmayacağına dair ilginç bir akademik nokta sunuyor ancak bunun daha önce düşünmediği teknik bir soru olduğunu paylaşıyor. Oturum, geri bildirimde bulunma ve soru sorma önerisi ve alım satımda duygu ve alternatif verilerin kullanımı hakkında bir sonraki oturuma katılmayı hatırlatma ile burada sona erer.

[MetaQuotes]

En iyi hisse senetleri ve canlı ticaret nasıl seçilir Dr. Hui Liu | Algo Ticaret Haftası 2. Gün

En iyi hisse senetleri ve canlı ticaret nasıl seçilir Dr. Hui Liu | Algo Ticaret Haftası 2. Gün

Algo Ticareti Haftası 2. Güne giriş sırasında, konuşmacı nicel ve algo ticaretinde uzmanların yer aldığı önceki oturumlara teşekkür eder. Günün sunumuna zemin hazırlayarak, bu uzmanların paylaştığı değerli içgörülerden kısaca bahsediyorlar. 2. Günün odak noktası, en iyi hisse senetlerini seçmek ve Dr. Hui Liu'nun sunum yapan kişi olarak liderliğini üstlendiği canlı ticaret yapmaktır.

Konuşmacı ayrıca, kantitatif ve algoritmik ticaretin temellerini kapsayan üç ayrı testi kapsayan, devam etmekte olan Algo Ticaret Yarışması'na da dikkat çekiyor. Yarışmanın kazananları, etkinliğe bir beklenti ve heyecan unsuru ekleyerek Eylül ayında açıklanacak. Ayrıca konuşmacı, ertesi günkü oturumun Aloha Bendu liderliğinde açığa satış üzerine iki saatlik bir ustalık sınıfı olacağını açıklıyor. Bu sınıfın zamanlaması, farklı saat dilimlerinden gelen katılımcıları barındıracak şekilde ayarlanacaktır.

Dr. Hui Liu sunumuna, bir ticaret fikri oluşturma, onu doğrulama ve geçmişteki performansını test etmek için bir makine öğrenimi modeli oluşturma sürecini tartışarak başlıyor. Tüccarların bir şirketin performansını ölçmek için finansal raporları okuyarak veya sosyal medya platformlarını izleyerek fikir edinebileceklerini öne sürüyor. Dr. Liu ayrıca S&P 500 endeksini izleyen ve değerli bir tarihsel veri kaynağı olarak hizmet veren SPY ETF'yi de tanıtıyor. iBridgePi kullanarak bir ticaret robotu oluşturmaya devam etmeden önce, istatistiksel modeller kullanmanın ve ticaret fikirlerini doğrulamak için geriye dönük testler yapmanın önemini vurguluyor.

Trend ticaretinin temelleri ve düşükten alıp yüksekten satmanın önemi Dr. Liu tarafından açıklanıyor. Bir makine öğrenimi modeli geliştirmek için tarihsel verilerin toplanması ve Python'un Jupyter Notebook'ta kullanılması hakkında ayrıntılı bilgi veriyor. Dr. Liu, modelin bir hisse senedi tarayıcısı oluşturmak için nasıl kullanılabileceğini gösteriyor ve ticaret amacıyla en umut verici hisse senetlerinin belirlenmesine yardımcı oluyor. Geriye dönük testler ve canlı ticaret yoluyla ticaret fikirlerini doğrulamanın öneminin altını çiziyor.

Bir sonraki bölümünde, Dr. Liu, Yahoo Finance API'sinden geçmiş verileri almak ve bir makine öğrenimi modeli oluşturmak için onu manipüle etmek için Python'u kullanmanın uygulamalı bir gösterimini sunuyor. Spesifik olarak, SPY için günlük çubuk verilerini alır ve "geçmiş verilerini talep et" işlevini kullanır. Dr. Liu, verilere, önceki günden geçerli güne ve aynı zamanda geçerli günden sonraki güne kapanış fiyatındaki yüzde değişimini hesaplayan ek sütunlar ekler. Dünden bugüne negatif bir kapanış fiyatı değişiminin, bugünden yarına pozitif bir değişimle birleştiğinde, tahmininin yaklaşan bir fiyat artışına işaret etmesi nedeniyle, fiyat düştüğünde hisse senedi satın alma fırsatı anlamına geldiğini açıklıyor.

Hisse senedi fiyatlarını tahmin etmek için bir makine öğrenimi modeli oluşturma süreci daha sonra Dr. Liu tarafından detaylandırılmıştır. Kapanış fiyatı, dünkü fiyat değişimi ve bugünden yarına fiyat değişimi ile ilgili verileri alır. Doğrusal bir regresyon modeli kullanarak verileri uydurur ve sonuçları analiz eder. Dr. Liu, siyah çizginin makine öğrenimi modelinin tahminlerini temsil ettiği bir çizim gösterirken, dağınık veri noktaları S&P 500 için Yahoo Finance'in günlük hisse senedi fiyatlarını gösteriyor. fiyat düşerse, artması muhtemeldir ve bunun tersi de geçerlidir. Dr. Liu, potansiyel olarak kar elde etmek için bu modeli otomatik ticaret için kullanmanın uygulanabilirliğini düşünüyor.

Dr. Liu, en iyi hisse senetlerini seçme ve canlı ticarete girme sürecini tartışmaya devam ediyor. Tüccarlara, piyasa kapanışına yakın emir vermeden önce yukarı veya aşağı hareketini belirlemek için alım satım gününün sonunda fiyatı incelemelerini tavsiye ediyor. Modelin çeşitli hisse senetleri ile nasıl performans gösterdiğine dair içgörüler elde etmek ve izlenecek uygun hisse senetlerini belirlemek için bir hisse senedi tarayıcısının yapısını gösteriyor. Dr. Liu, modelinin nispeten basit olduğunu, yarının fiyatını tahmin etmek için dünün fiyatına dayandığını kabul ediyor ve bu nedenle, tahmin doğruluğunu artırmak ve alım satımları filtrelemek için Hareketli Ortalama Yakınsama Sapması (MACD) gibi gelişmiş göstergelerin dahil edilmesini düşünüyor.

Hisse senetlerini tahmin etmek ve filtrelemek için MACD'nin kullanımı Dr. Liu tarafından araştırılıyor ve düşük satın yüksek satış modeliyle bir karşılaştırma yapılıyor. SPY'de MACD 10 ve 30 kullanıldığında elde edilen sonuçları nispeten zayıf bir trend ortaya koyarak sunuyor. Sonuç olarak Dr. Liu, MACD'yi gelecekteki tahminler için kullanmanın eskisi kadar olumlu sonuçlar vermeyebileceği sonucuna varıyor. İstatistiksel bir makine öğrenimi modelinin inşasını tartışmaya devam ediyor ve düşük al yüksek sat modelini kâr elde etmenin potansiyel bir yolu olarak görüyor. Dr. Liu, %100 gizlilik özelliğinin, birden çok hesapla uyumluluğunun ve veri sağlayıcılar açısından esnekliğin altını çizerek, geriye dönük test ve canlı ticareti kolaylaştıran bir Python platformu olan Averaj Pi'yi öne çıkarıyor. Sadece birkaç satır kod kullanarak Ortalama Pi'de düşük al yüksek sat modeli oluşturmanın basitliğini ve verimliliğini gösteriyor.

Dr. Liu, Algo Trading Haftası 2. Gün kullanarak alım satım için bir konfigürasyon kurma sürecini açıklıyor. Değişkenleri tanımlamak ve konfigürasyonu oluşturmak için başlangıçta başlatma işlevinin yürütülmesini vurguluyor. Örnek olarak, "düşükten al, yüksekten sat" işlevini her işlem gününde, piyasa kapanmadan bir dakika önce yürütülecek şekilde planlar ve dünün fiyatı bugünün fiyatından düşükse portföyün %100'ünü SPY'ye yatırması talimatını verir. Dr. Liu, komisyonculardan veya üçüncü taraf sağlayıcılardan alınan geçmiş verilerin dakika dakika, saatlik veya günlük dahil olmak üzere çeşitli zaman dilimlerinde nasıl kullanılabileceğini göstererek geriye dönük test konusunu derinlemesine inceliyor.

Ardından, Dr. Liu, farklı veri sağlayıcıları ve paketleri kullanarak seçilen bir stratejiyi geriye dönük test etme sürecini gösteriyor. Yürütme için seçilen veri sağlayıcıyı onaylamanın yanı sıra, geriye dönük test dönemi için bir başlangıç zamanı ve bir bitiş zamanı seçilmesini önerir. Demo moduna geçiş yapan Dr. Liu, süreci gösteriyor ve Interactive Brokers (IB) gibi veri sağlayıcıların veya yerel tarihsel verilerin geriye dönük test stratejileri için kullanılabileceğini belirtiyor. Yerel dosyalarda saklanan mevcut geçmiş verileri kullanarak geriye dönük test kurulumunu yapılandırma konusunda rehberlik sağlar.

Dr. Liu, geçmiş verileri kullanarak bir ticaret stratejisinin etkinliğini test etmek için geriye dönük test kullanımını göstermeye devam ediyor. Kapsamlı geriye dönük test zaman çerçeveleri için anlamlı günlük çubuk verileri elde etmenin zorluğunu kabul ediyor. Bu engelin üstesinden gelmek için, verileri simüle etmek için günlük çubuğun kapanış fiyatının kullanılabileceği simüle edilmiş dakika çubuğu verileri kavramını tanıtıyor. Bu, geriye dönük test amaçları için gereken kesin verilere erişmekte zorlanan tüccarlar için süreci basitleştirir.

Dr. Liu, 2000'den 2020'ye kadar S&P 500 için bir al ve tut stratejisine kıyasla bir "düşük al ve yüksek sat" modelinin geriye dönük testinin sonuçlarını sunuyor. Model, al ve tut stratejisinden daha iyi performans göstererek bir portföyle sonuçlanıyor. 200.000 $'a kıyasla 800.000 $ değerinde. Basit doğrusal regresyon yoluyla gözlemlenen küçük korelasyona rağmen, modelin hala olumlu sonuçlar verdiğini kabul ediyor. Dr. Liu daha sonra canlı alım satım konusuna geçerek, istenen stratejiyi seçmek için iki kod satırını değiştirmek ve programı çalıştırmadan önce Interactive Brokers için hesap kodunu girmek kadar basit olabileceğini belirtiyor. Sunumu, katılımcıları kodlama yardımı için e-posta yoluyla kendisiyle iletişime geçmeye veya San Jose, California'da yüz yüze bir toplantı düzenlemeye davet ederek bitirir.

Soru-Cevap oturumu sırasında, canlı işlemlerde aynı sonuçları sağlayan geriye dönük test edilmiş bir stratejinin kesinliğine ilişkin bir soru sorulur. Dr. Liu, tarihsel verilerin geçmişi temsil etmesine ve modelin istatistiksel istikrar sergilemesine karşın, özellikle piyasa kapanışına yakın zamanlarda fiyatın değişken olduğunu açıklıyor. Bu nedenle, geleceği tahmin etmede farklılıklar kaçınılmazdır. Bununla birlikte, uzun bir süre boyunca, genel model doğru olmalıdır. Sadeliği ve kolay anlaşılması nedeniyle doğrusal regresyon modelini kullandığını belirtiyor, ancak daha karmaşık makine öğrenimi modellerinin potansiyel olarak daha iyi sonuçlar verebileceğini kabul ediyor. Dr. Liu, işlem maliyetleri ve kayma sorununu da ele alarak, canlı ticaret stratejilerini uygularken bunların dikkate alınması gerektiğini ve stratejinin genel performansı üzerinde bir etkisi olabileceğini belirtiyor.

Diğer teknik göstergelerin düşük al yüksek sat modeliyle birlikte kullanılmasıyla ilgili başka bir soru ortaya çıkıyor. Dr. Liu, tacirlerin stratejilerine ek göstergeler dahil etmelerini sağlayan Ortalama Pi platformunun esnekliğini vurgulayarak yanıt veriyor. Hareketli Ortalama Yakınsama Sapması (MACD) göstergesinin, işlemleri filtrelemek ve tahmin doğruluğunu artırmak için değerli bir katkı olabileceğinden bahsediyor.

Bir katılımcı, ticaret sinyali ile piyasa kapanışı arasındaki zaman aralığının önemini soruyor. Dr. Liu, seçilen zaman aralığının bireysel tercihlere ve ticaret stratejilerine bağlı olduğunu açıklıyor. İstenen işlem gerçekleştirme süresine bağlı olarak piyasanın kapanması birkaç dakika hatta saat sürebilir. Tüccarlara, belirli stratejileri için en iyi olanı bulmaları için farklı zaman aralıklarında denemeler yapmalarını tavsiye ediyor.

Piyasa dalgalanmasının düşük al yüksek satış modeli üzerindeki etkisine ilişkin bir soruya yanıt olarak Dr. Liu, artan oynaklığın potansiyel olarak daha fazla ticaret fırsatı yaratabileceğini kabul ediyor. Ancak, daha yüksek volatilitenin aynı zamanda daha yüksek risk taşıdığı konusunda uyarıyor ve tacirlerin risk toleranslarını dikkatle gözden geçirmeleri ve stratejilerini buna göre ayarlamaları gerekiyor.

Bir katılımcı düşük al yüksek sat modelinin potansiyel sınırlamalarını soruyor. Dr. Liu, modelin basitliğinin hem bir güç hem de bir sınırlama olduğunu kabul ediyor. Olumlu sonuçlar üretebilse de, daha karmaşık piyasa dinamiklerini yakalayamayabilir ve potansiyel olarak belirli ticaret fırsatlarını kaçırabilir. Daha gelişmiş stratejiler ve modeller keşfetmek isteyen tacirlerin, niceliksel finansın derinliklerine dalmayı ve diğer makine öğrenimi algoritmalarını keşfetmeyi düşünmelerini öneriyor.

Soru-Cevap oturumu, Dr. Liu'nun katılımcılara başka soruları veya kodlama yardımı konusunda yardımcı olmaya istekli olduğunu ifade etmesi ve onları kendisine e-posta yoluyla ulaşmaya teşvik etmesi ile sona erer.

• 00:00:00 Konuşmacı, Algo Trading Haftası 2. Gün'ü tanıtıyor ve miktar ve algo ticareti konusunda uzmanlarla önceki oturumlardan kısaca bahsediyor. Günün sunumunun odak noktası, Dr. Hui Liu tarafından sunulan en iyi hisse senetlerinin ve canlı ticaretin nasıl seçileceğidir. Konuşmacı ayrıca, Algo Ticaret Yarışması'ndan ve niceliksel ve algoritmik ticaretin temel direkleri üzerindeki üç farklı testinden kısaca bahsediyor ve kazananlar Eylül ayı sonunda açıklanıyor. Yarınki oturum, katılımcının konumuna bağlı olarak normalden daha erken gerçekleştirilecek olan Aloha Bendu tarafından açığa satış üzerine iki saatlik bir ustalık sınıfı olacak.
  
  
• 00:05:00 Dr. Hui Liu, bir alım satım fikrinin nasıl bulunacağını, doğrulanacağını ve ardından geçmişteki performansı test etmek için bir makine öğrenimi modelinin nasıl oluşturulacağını tartışıyor. Bir şirketin performansı hakkında bir fikir edinmek için finansal raporları okumanın veya sosyal medyayı kullanmanın bir ticaret fikri bulmanın bir yolu olabileceğini öne sürüyor. Daha sonra S&P 500 endeksini izleyen SPY ETF'den ve bunun tarihsel bir veri kaynağı olarak nasıl kullanılabileceğinden bahsediyor. Dr. Liu ayrıca iBridgePi kullanarak bir ticaret robotu oluşturmadan önce ticaret fikrini doğrulamak için istatistiksel modeller ve geriye dönük testler kullanmaktan bahsediyor.
  
  
• 00:10:00 Dr. Hui Liu, trend ticaretin temellerini ve düşükten alıp yüksekten satmanın önemini tartışıyor. Bu konsepte dayanarak, Jupyter Notebook'ta Python kullanarak tarihsel verilerin nasıl toplanacağını ve bir makine öğrenimi modelinin nasıl oluşturulacağını açıklıyor. Ayrıca, alım satım için en iyi hisse senetlerini belirlemeye yardımcı olabilecek bir hisse senedi tarayıcısı oluşturmak için modelin nasıl kullanılacağını da gösteriyor. Son olarak, ticaret fikirlerinizi geriye dönük test ve canlı ticaret yoluyla doğrulamanın önemini vurguluyor.
  
  
• 00:15:00 Dr. Hui Liu, Yahoo Finance API'sinden geçmiş verileri almak ve bir makine öğrenimi modeli oluşturmak için verileri değiştirmek için Python'un nasıl kullanılacağını gösteriyor. Veriler SPY için günlük çubukla alınır ve geçmiş verileri almak için kullanılan işlev "geçmiş verileri iste" şeklindedir. Bir makine öğrenimi modeli oluşturmak için Dr. Liu, dünden bugüne ve bugünden yarına kapanış fiyatı değişimini yüzde olarak hesaplayan birkaç sütun ekliyor. Dünden bugüne kapanış fiyat değişimi negatifse ve bugünden yarına kapanış fiyat değişimi pozitifse, bunun, fiyat düştüğünde hisse senedi alma fırsatı olduğu anlamına geldiğini, çünkü tahmini fiyatın düşeceğini açıklıyor. yukarı.
  
  
• 00:20:00 Dr. Hui Liu, hisse senedi fiyatlarını tahmin etmek için bir makine öğrenimi modeli oluşturma sürecini açıklıyor. Kapanış fiyatı, dünkü fiyat değişimi ve bugünden yarına fiyat değişimi hakkında veri toplayarak başlar. Daha sonra verileri sığdırmak için doğrusal bir regresyon modeli kullanır ve sonuçları analiz eder. Çizimdeki siyah çizgi, makine öğrenimi modelinin tahminlerini temsil ediyor ve dağınık veri noktaları, S&P 500 için Yahoo Finance'in günlük hisse senedi fiyatlarını temsil ediyor. Liu, negatif bir katsayının negatif bir korelasyon anlamına geldiğini açıklıyor; bu da, fiyat düştüğünde, yükselmesi muhtemeldir ve fiyat arttığında düşmesi muhtemeldir. Nihayetinde Liu, bu modelin potansiyel olarak kar elde etmek için otomatik ticaret için kullanılıp kullanılamayacağını değerlendiriyor.
  
  
• 00:25:00 Dr. Hui Liu, en iyi hisse senetlerinin nasıl seçileceğini ve canlı ticaretin nasıl yapılacağını tartışıyor. Tüccarlara, fiyatın yükselip yükselmediğini görmek için bir ticaret gününün sonunda fiyata bakmalarını ve ardından alım satım piyasasının sonunda emirlerini vermelerini önerir. Modelin diğer hisse senetleri için nasıl çalıştığını ve hangi hisse senedinin takip edilmesinin iyi olduğunu anlamak için bir hisse senedi tarayıcısının nasıl oluşturulacağını gösteriyor. Dr. Liu, modelinin çok basit olduğunu çünkü yarını tahmin etmek için dünün fiyatını kullandığını ve bu nedenle işlemleri tahmin etmek ve filtrelemek için Hareketli Ortalama Yakınsama Sapması (MACD) gibi gelişmiş bir gösterge kullanmayı düşündüğünü açıklıyor.
  
  
• 00:30:00 Dr. Hui Liu, hisse senetlerini tahmin etmek ve filtrelemek için MACD'yi kullanmayı ve düşük al yüksek sat modeliyle karşılaştırmasını tartışıyor. Spy'da MACD 10 ve 30 kullanırken sonuçları gösteriyor, nispeten zayıf bir trend ortaya koyuyor ve MACD'yi gelecek tahminleri için kullanmanın eskisi kadar başarılı olmayacağı sonucuna varıyor. Dr. Liu, istatistiksel bir makine öğrenimi modeli oluşturmayı ve potansiyel olarak kar elde etmek için düşük al yüksek sat modelini değerlendirmeyi tartışıyor. Ardından, geriye dönük test ve canlı ticaret için bir Python platformu olan ve birden fazla hesabı yönetmeye ve geriye dönük test için herhangi bir veri sağlayıcıyı kullanmaya izin veren %100 gizlilik özelliğini vurgulayarak, Ortalama Pi'yi kullanmayı tartışmaya geçer. Son olarak, Dr. Liu, Ortalama Pi'de yalnızca birkaç satır kodla düşük satın al yüksek satış modelinin nasıl oluşturulacağını inceleyerek basitliğini ve verimliliğini vurguluyor.
  
  
• 00:35:00 Dr. Hui Liu, Algo Trading Haftası 2. Gün kullanarak ticaret için bir konfigürasyon kurma sürecini açıklıyor. Dr. Liu, değişkenleri tanımlamak ve konfigürasyonu ayarlamak için yürütmenin başlangıcında başlatma işlevini çalıştırıyor. Bir örnekte, Dr. Liu, "düşük al, yüksek sat" işlevini her işlem gününde, piyasa kapanmadan bir dakika önce çalışacak ve dünkü fiyat bugünkü fiyattan düşükse portföyünün %100'ünü SPY'ye alacak şekilde programlar. Dr. Liu daha sonra komisyonculardan veya üçüncü taraf veri sağlayıcılardan alınan geçmiş verileri kullanarak dakika dakika, saat başı veya gün bazında nasıl geriye dönük test yapılacağını açıklamaya devam ediyor.
  
  
• 00:40:00 Dr. Hui Liu, farklı veri sağlayıcıları ve paketleri kullanarak seçtiğiniz stratejiyi nasıl geriye dönük test edeceğinizi gösteriyor. Geriye dönük test yapmanın en kolay yolunun bir başlangıç zamanı seçmek, geriye dönük test için bir bitiş zamanı seçmek ve veri sağlayıcının bunu çalıştırmasını onaylamak olduğunu açıklıyor. Dr. Liu, süreci göstermek için demo moduna geçiyor ve stratejilerini geriye dönük test etmek için IB gibi bir veri sağlayıcı veya yerel tarihsel veriler kullanılabileceğinden bahsediyor. Ayrıca, yerel dosyada bulunan geçmiş verileri kullanırken geriye dönük test süreci için nasıl kurulum yapılacağı konusunda rehberlik eder.
  
  
• 00:45:00 Dr. Hui Liu, geçmiş verileri kullanarak bir ticaret stratejisinin etkinliğini test etmek için geriye dönük testin nasıl kullanılacağını gösteriyor. Verilerin anlamlı olması gerektiğini, ancak tacirlerin uzun geriye dönük test zaman dilimleri için günlük çubuk verilerini bulmakta zorlanabileceğini açıklıyor. Bununla birlikte, bu sorunu çözmek için simüle edilmiş dakika çubuğu verileri kavramını tanıtıyor; burada veriler mevcut değilse, verileri simüle etmek için günlük çubuğun kapanış fiyatı kullanılabilir. Bu, geriye dönük test için doğru verileri bulmakta zorlanan tüccarlar için süreci basitleştirmeye yardımcı olabilir.
  
  
• 00:50:00 Dr. Hui Liu, 2000'den 2020'ye kadar S&P 500 için bir al ve tut stratejisine kıyasla bir "düşük al ve yüksek sat" modelinin geriye dönük testinin sonuçlarını gösteriyor. Model, al ve tut stratejisinden daha iyi performans gösterdi , 200.000 $'a kıyasla 800.000 $'lık bir portföy değeri sağlıyor. Basit doğrusal regresyon kullanan korelasyonun küçük bir sayı olmasına rağmen yine de iyi sonuçlar verdiğini belirtiyor. Dr. Liu daha sonra, programı çalıştırmadan önce stratejiyi seçmek ve IB (Interactive Brokers) için hesap kodunu girmek için sadece iki kod satırını değiştirmek kadar basit olduğunu söylediği canlı alım satıma geçiş yapıyor. Sunumu, katılımcıları kodlama yardımı için e-posta yoluyla kendisiyle iletişime geçmeye veya San Jose, Kaliforniya'dalarsa şahsen buluşmaya davet ederek bitirir.
  
  
• 00:55:00 Dr. Hui Liu, canlı işlemlerde aynı sonuçları sağlayan, geriye dönük olarak test edilmiş bir stratejinin kesinliği hakkında bir soruyu ele alıyor. Geçmiş verilerin sadece geçmişte kaldığını ve bir model istatistiksel olarak istikrarlı olsa da fiyatın özellikle piyasa kapanışına yakın değişken olduğunu açıklıyor. Bu nedenle, geleceği tahmin etmek için her zaman varyasyonlar olacaktır, ancak uzun bir süre için genel model hala doğru olacaktır. Doğrusal regresyon modelini kullanmasının nedeninin, anlaşılması en kolay model olması olduğunu, ancak rastgele orman modeli gibi diğer modellerin de kullanılabileceğini belirtiyor. Ancak modeli kısaca açıklamak zor olacaktır ve fazla uydurmayı önlemek için daha basit modeller kullanılmalıdır.
  
  
• 01:00:00 Dr. Liu, bir modelin ne sıklıkla yeniden eğitileceğini ve zararı durdur veya kârı al yoluyla riskin nasıl yönetileceğini tartışıyor. Yeniden eğitimin, modelin türüne ve sahip olduğunuz veri miktarına bağlı olduğunu öne sürüyor; daha fazla veriye sahip olmak daha iyi sonuçlara ve öngörülebilirliğe yol açacaktır. Zararı durdur yoluyla risk yönetimi söz konusu olduğunda, bunu doğrudan modele dahil etmek zor olsa da, bir durdurma kaybı noktası oluşturmak ve sonuçları zararı durdurma olmayan bir stratejiyle karşılaştırmak için bir geriye dönük test çerçevesine dahil edilebileceğini tavsiye ediyor. Son olarak, bu alandaki kurumları yenmenin bir yolu olmadığı için, düzenli tüccarları yüksek frekanslı ticarete dahil olmamaları konusunda uyarıyor.
  
  
• 01:05:00 Dr. Hui Liu, geriye dönük test için gereken en düşük seviyeyi ve güvenilir sonuçlar için gereken veri miktarını tartışıyor. Güvenilir test için en düşük seviyenin, elde edebileceğiniz en yüksek veri noktası sayısı olduğunu ve muhakemenizi günlük veya saatlik çubuklara göre kullanmanız gerektiğini söylüyor. Modelinizin faktör sayısını karşılaştırırken, her faktör için modelinize uyacak yüz veri noktanızın olması gerektiğini, aksi takdirde modelinizin o kadar iyi olmayacağını öne sürüyor. Son olarak, ev sahipleri Dr. Liu'ya şükranlarını sunar ve bir sonraki dersi duyurur.

[MetaQuotes]

Nasıl başarılı bir quant olunur | Doktor Ernest Chan | Algo Trading Haftası 1. Gün

Nasıl başarılı bir quant olunur | Doktor Ernest Chan | Algo Trading Haftası 1. Gün

Dr. Ernest Chan ile Soru-Cevap oturumu, konuşmacının yeni başlayanlara algoritmik ticaretin temellerini öğrenme fırsatı sunarken uzmanların bilgilerini tazelemelerine olanak sağlamak için tasarlanmış bir algoritmik ticaret yarışmasını tanıtmasıyla başlar. Yarışmada ilk üçe girenlere burs ve başarı belgesi gibi ödüller veriliyor. PredictNow.ai ve QTS Capital Management'ın kurucusu ve CEO'su ve aynı zamanda kantitatif ticaret üzerine üç kitabın yazarı olan Dr. Chan, uzmanlığını izleyicilerle paylaşıyor.

Dr. Chan, ABD borsalarındaki işlem hacminin %90'a kadarının algoritmik ticarete atfedildiğini öne süren tahminlerle, son on yılda kantitatif ticaretin hakimiyetini vurgulayarak başlıyor. Kantitatif ticaretin isteğe bağlı ticaretten daha üstün olduğunu iddia etmese de, ticaret stratejilerini otomatikleştirme veya sistematik hale getirme fırsatını gözden kaçırmamanın önemini vurguluyor. Kurumlara karşı rekabet eden bireysel tüccarlar açısından Dr. Chan, sınırlı kapasiteye sahip niş stratejilerin en iyi fırsatı sunduğunu öne sürüyor. Bu stratejiler genellikle büyük kurumlar için çekici değildir ve seyrek ticaret içerir, bu da onları bağımsız tüccarlar için uygun seçenekler haline getirir.

Tartışma, Dr. Chan'ın büyük kurumların rekabet etmediği algoritmik ticarette bir niş bulmanın önemine değinmesiyle devam ediyor. Büyük oyuncularla doğrudan rekabete karşı tavsiyede bulunur ve rekabetin çok az olduğu veya hiç olmadığı alanların aranmasını önerir. Chan, doktora sahibi olmanın önemi hakkındaki soruları yanıtlıyor. Kantitatif ve algoritmik ticarette. Kişinin kendi parasını tehlikeye atması anlamına gelen "oyunda dış görünüşe" sahip olmanın başarılı bir miktar olmak için çok önemli olduğunu vurguluyor. Tüccarların, yalnızca teorik bilgiye güvenmek yerine, ticaret stratejilerini kendileri geriye dönük test ederek ve ticaretle ilgili blogları ve kitapları okuyarak piyasa hakkında sezgisel bir anlayış geliştirmeye odaklanmalarını öneriyor.

Dr. Chan, başarılı bir kantitatif tüccarın doktora yerine pratik deneyime ve pazar anlayışına öncelik vermesi gerektiğini tavsiye ediyor. Başarılı bir kantitatif olmanın zaman aldığını belirtiyor ve bir ticaret stratejisine veya belirli bir piyasa fenomenine odaklanarak bir teknik inceleme şeklinde orijinal araştırma yazarak en iyi kantitatif bir fona katılmaya çalışırken öne çıkmayı öneriyor. Tek bir başarılı ticaret gibi kısa bir geçmiş performansın tutarlılığı ve bilgiyi kanıtlamak için yeterli olmadığı konusunda uyarıyor. Emir akışı verilerinin alım satım stratejilerine dahil edilmesiyle ilgili bir soruya yanıt olarak, Dr. Chan bir gösterge olarak değerini kabul ediyor ancak hiçbir gösterge kendi başına kapsamlı olmadığı için diğer göstergelerle birlikte kullanılması gerektiğini vurguluyor.

Bir ticaret stratejisi oluşturmak için bireysel göstergeleri kullanmanın sınırlamaları, Dr. Chan tarafından tartışılmaktadır. Birçok kişinin bu göstergeleri kullandığını ve bunların etkinliğini azalttığına dikkat çekiyor. Bunları bir makine öğrenimi programına birçok özellikten biri olarak dahil etmeyi öneriyor. Kantitatif endüstrisinde yaş ayrımcılığı sorulduğunda, Dr. Chan, birisi tek mal sahibi olarak faaliyet gösteriyorsa, yaş ayrımcılığının bir sorun olmadığının altını çiziyor. Ayrıca, alfa oluşturmada makine öğreniminin kullanımına ilişkin görüşünü paylaşıyor, aşırı uyum riski konusunda uyarıda bulunuyor ve bunun yerine bunu risk yönetimi için bir araç olarak öneriyor. Düşük gecikmeli ticaretle ilgili olarak Dr. Chan, nicel ticaretin bu alanda bir gereklilik olduğunu savunuyor. Son olarak, başarılı bir sicil kaydının ötesinde, miktar tabanlı bir hedge fonu başlatmak isteyen herkes için yönetim becerilerinin gerekli olduğunu tavsiye ediyor.

Dr. Chan, başarılı fon yönetiminin sadece ticaret becerilerini değil, aynı zamanda yönetim ve iş geliştirme becerilerini de içerdiğini vurguluyor. Liderlik niteliklerine ve işletme yönetimi geçmişine sahip olmak çok önemlidir. Hindistan pazarını nicel olarak anlamakla ilgili soru sorulduğunda, öncelikle düzenlemeler nedeniyle bilgi eksikliği olduğunu kabul ediyor. Bir stratejiyi hayata geçirmeden önce kağıt ticaretine ne kadar zaman harcanması gerektiği sorusuna Dr. Chan, bunun ticaretin verimliliğine bağlı olduğunu açıklıyor. Her saniye alım satım gerçekleştiren yüksek frekanslı alım satım stratejileri için, iki haftalık kağıt alım satımı canlı yayına geçmek için yeterli olabilir. Tersine, elde tutma stratejileri için, yürütülen ticaret sayısına dayalı olarak istatistiksel anlamlılık kazanmak için üç aylık kağıt ticareti gerekli olabilir.

Dr. Chan ayrıca, kârlı alfaların çoğunlukla fiyata dayalı olmadığını gösteren son araştırmalara rağmen, zaman serisi yaklaşımının kişinin alfa portföyünün çekirdeği olması gerekip gerekmediğini tartışıyor. Endüstri konferanslarına katılmayı, LinkedIn gibi platformlar aracılığıyla profesyonellerle ağ kurmayı ve deneyimli nicelikçilerin dikkatini çekmek için ticarette güçlü bir sicili oluşturmayı öneriyor. Bireyleri akıl hocaları aramaya ve potansiyel işbirlikçilere ulaşmak için proaktif adımlar atmaya teşvik ediyor.

Devamında Dr. Chan, başarılı bir nicel ticaret ekibinin nasıl işe alınacağı ve eğitileceği konusunda görüşlerini paylaşıyor. İşe alınan kişilerin, risk yönetimi, türev fiyatlandırma veya veri bilimi gibi ekibin odaklandığı belirli işlevde kanıtlanmış uzmanlığa sahip olması gerektiğini tavsiye ediyor. Ekibin amacı karlı ticaret stratejileri geliştirmekse, o alanda zaten bir geçmişe sahip birini işe almak en iyisidir. Ek olarak Dr. Chan, ticaret için evrensel olarak ideal bir pazar olmadığını ve ekiplerin en iyi bildikleri şeye odaklanmaları gerektiğini vurguluyor. Ayrıca, yüksek frekanslı tüccarların orta ve düşük frekanslı tüccarlara kıyasla kısa vadeli piyasa yönünü tahmin etmede nasıl bir avantaja sahip olduğunu açıklıyor.

Tartışma, Dr. Chan'ın piyasa hareketlerini kısa zaman dilimlerinin ötesinde doğru bir şekilde tahmin etme zorluğunu ve yüksek frekanslı ticaret tahminlerini kullanmanın içerdiği karmaşıklıkları araştırmasıyla devam ediyor. Kendisi ticaret yapmak yerine yetenekli tüccarları işe almayı içeren ticarete yönelik kişisel yaklaşımını paylaşıyor. Dr. Chan, isteğe bağlı veya niceliksel stratejiler kullanıp kullanmadıklarına bakılmaksızın, güçlü sicili olan tacirleri işe almanın önemini vurguluyor. Yıllık kümülatif büyüme oranı sorulduğunda, SEC düzenlemeleri nedeniyle bu bilgiyi açıklayamayacağını açıklıyor. Son olarak, quant tüccarlarının tipik olarak tüm varlık sınıflarında aynı stratejiyi kullanmadığını, bu da algoritmik ticaret amaçları için Python ve MATLAB gibi programlama dillerini karşılaştırmayı zorlaştırdığını belirtiyor.

Dr. Chan, ticarette MATLAB ve Python kullanımını tartışıyor ve kişisel olarak MATLAB'ı tercih etse de, farklı tüccarların kendi tercihleri olduğunu ve dil seçiminin en kritik faktör olmadığını kabul ediyor. Alandaki uzmanlar için bile işlem maliyetlerini optimize etmenin zor olduğuna inanıyor, bu nedenle tacirler için birincil öncelik olmamalıdır. Makine öğrenimi stratejilerini gözden geçirme veya yeniden eğitme ile ilgili olarak, bunu yalnızca piyasa rejimi önemli değişikliklere uğradığında yapmayı önerir. Ayrıca ticaret becerilerini geliştirmek için Python veya MATLAB gibi yeni diller öğrenerek fırsatların genişletilmesini öneriyor.

Dr. Chan, miktar tüccarı olmakla ilgilenen kişilere kariyer tavsiyeleri sunarak oturumu sonlandırıyor. Kişisel güçlü ve zayıf yönleri daha iyi anlamak için opsiyon ticareti gibi farklı alanları keşfetmeyi öneriyor. Şu anki odak noktasının, makine öğrenimine dayalı risk yönetimi sistemini daha yaygın hale getirmek olduğunu belirtiyor ve yakın gelecekte makine ticareti kitabının ikinci bir baskısını yayınlamayı planlamadığını açıklıyor. Tüccarları işe alırken, uzun ve tutarlı bir sicil kaydı arar ve kısa zaman dilimlerinde ticaret için zaman serisi teknikleri ve ekonometrik modeller kullanılmasını önerir. Çıkış stratejileri, buna göre uygulanan durdurma veya kar hedefi çıkışları ile belirli ticaret stratejisiyle uyumlu olmalıdır.

Video sona ererken sunucu, Dr. Ernest Chan'a değerli içgörüleri ve başarılı bir kantitatif olmakla ilgili çeşitli soruları yanıtlamak için harcadığı zaman için şükranlarını sunar. İzleyicilerin, yanıtlandıklarından emin olmak için yanıtlanmamış soruları e-posta ile göndermeleri önerilir. Sunucu, önümüzdeki hafta algoritmik ticaret alanında diğer değerli konuklarla ek oturumlar duyuruyor, izleyicilerin desteği için minnettarlığını ifade ediyor ve onları izlemeye devam etmeleri için teşvik ediyor.

• 00:00:00 Dr. Ernest Chan ile bu Soru-Cevap oturumu, önceden seçilmiş soruların yanı sıra izleyicilerden gelen soruları da ele alacaktır. Soru-Cevap bölümüne geçmeden önce konuşmacı, yeni başlayanlara algoritmik ticaretin temellerini öğrenme fırsatı sunarken uzmanların bilgilerini tazelemelerine olanak tanıyan algoritmik ticaret yarışmasını tanıttı. Yarışmada ilk üçe girenlere burs ve başarı belgesi gibi ödüller verilecek. Dr. Chan, PredictNow.ai ve QTS Capital Management'ın kurucusu ve CEO'sudur ve kantitatif ticaret üzerine üç kitabın yazarıdır.
  
  
• 00:05:00 Dr. Ernest Chan, kantitatif ticaretin son 10 yılda zaten baskın bir ticaret biçimi olduğunu açıklıyor, bazı tahminler ABD borsalarındaki ticaret hacminin %90'a kadarının algoritmik ticaretten kaynaklandığını öne sürüyor. Kantitatif ticaretin isteğe bağlı ticaretten daha iyi olduğunu iddia etmese de, kişinin stratejisini otomatikleştirme veya sistematik hale getirme fırsatını göz ardı etmenin akıllıca olmayacağını vurguluyor. Kurumlara karşı rekabet eden bireysel tüccarlar söz konusu olduğunda, Dr. Chan, sınırlı kapasiteye sahip niş stratejilerin en iyi fırsatı sunduğunu öne sürüyor. Bu stratejiler genellikle büyük kurumlar için çekici değildir ve seyrek ticaret içerir, bu da onları bağımsız tüccarlar için uygun seçenekler haline getirir.
  
  
• 00:10:00 Dr. Ernest Chan, büyük kurumların rekabet etmediği ve ne pahasına olursa olsun rekabetten kaçındığı algo ticaretinde bir niş bulmanın önemini tartışıyor. Büyük oyuncularla rekabet etmemeyi tavsiye ediyor ve rekabetin olmadığı bir niş bulmayı tavsiye ediyor. Doktora derecesine sahip olmanın önemi ile ilgili soruları da yanıtlıyor. Kantitatif ve algo ticaretinde, oyunda dış görünüme sahip olmanın başarılı bir miktar olmak için çok önemli olduğunu tavsiye ediyor. Kendi paranızı ortaya koymadan, ticaret yapmayı asla öğrenemez ve matematik veya veri bilimi gibi ikincil konulara odaklanamazsınız. Ticaret stratejilerini kendiniz geriye dönük olarak test ederek ve ticaretle ilgili blogları ve kitapları okuyarak piyasa hakkında sezgisel bir anlayış geliştirmek çok önemlidir.
  
  
• 00:15:00 Dr. Ernest Chan, başarılı bir kantitatif tüccarın, doktoradan elde edilen teorik bilgi yerine piyasaların kendisine odaklanması gerektiğini tavsiye ediyor. Pratik deneyime tekil bir odaklanmanın gerekli olduğunu ve başarılı bir nicelik haline gelmenin zaman aldığını öne sürüyor. En yüksek miktarlı bir fona katılmayı düşünürken kendini ayırt etmek için, bir ticaret stratejisine veya belirli bir piyasa fenomenine odaklanan orijinal araştırmayı beyaz kağıt şeklinde yazmayı önerir. Ayrıca, başarılı bir ticaret gibi kısa bir sicil kaydının tutarlılığı ve bilgiyi kanıtlamak için tek başına yeterli olmadığı konusunda da uyarıyor. Sipariş akışı verilerinin dahil edilmesiyle ilgili bir takip sorusuna yanıt olarak, bunun iyi bir gösterge olduğunu, ancak tek başına bir gösterge olarak yeterli olmadığını ve birlikte kullanılması gereken birçok başka gösterge olduğunu tavsiye ediyor.
  
  
• 00:20:00 Dr. Ernest Chan, bunları kullanan çok sayıda insan nedeniyle bir ticaret stratejisi oluşturmak için bireysel göstergeleri kullanmanın sınırlamalarını tartışıyor. Bunları bir makine öğrenimi programına birçok özellikten biri olarak dahil etmeyi öneriyor. Kantitatif endüstrisindeki yaş ayrımcılığı sorulduğunda, Dr. Chan, birisi tek mal sahibi ise, yaş ayrımcılığının bir sorun olmadığına dikkat çekiyor. Ayrıca, alfa oluşturmada makine öğreniminin kullanımına ilişkin görüşünü paylaşıyor, aşırı uyum riskini vurguluyor ve bunun yerine bunu bir risk yönetimi aracı olarak öneriyor. Düşük gecikmeli ticaret ile ilgili olarak Dr. Chan, niceliksel ticaretin bu alan için bir gereklilik olduğunu savunuyor. Son olarak, başarılı bir sicil kaydının ötesinde, nicel tabanlı bir serbest fon başlatmak isteyen biri için yönetim becerilerinin gerekli olduğunu tavsiye ediyor.
  
  
• 00:25:00 Dr. Ernest Chan, başarılı fon yönetiminin sadece ticaret becerilerini değil, aynı zamanda yönetim ve iş geliştirme becerilerini de içerdiğini vurguluyor. Bu nedenle, liderlik niteliklerine ve iş yönetimi geçmişine sahip olmak çok önemlidir. Hindistan pazarını niceliksel olarak anlayıp anlamadığı sorulduğunda, öncelikle düzenlemeler nedeniyle bu pazar hakkında hiçbir bilgisi olmadığını itiraf ediyor. Bir stratejiyi hayata geçirmeden önce kağıt ticaretine ne kadar zaman harcanması gerektiği sorusuna Dr. Chan, bunun ticaretin verimliliğine bağlı olduğunu açıklıyor. Her saniye işlem yapan yüksek frekanslı ticaret stratejileri için, iki haftalık kağıt ticareti canlı yayına geçmek için yeterlidir. Bu arada, tutma stratejileri için, özelliklerin sayısına dayalı olarak istatistiksel anlamlılık kazanmak için üç ay boyunca kağıt ticareti gerekli olabilir. Son olarak, kârlı alfaların çoğunlukla fiyat temelli olmadığını gösteren son araştırmalara rağmen, zaman serisi yaklaşımının kişinin alfa portföyünün kalbi olmaya devam edip etmeyeceğini tartışıyor.
  
  
• 00:30:00 Dr. Ernest Chan, endüstri konferanslarına katılmayı, LinkedIn veya diğer platformlar aracılığıyla profesyonellerle iletişim kurmayı ve alım satımda güçlü bir sicile sahip olmayı öneriyor. Ayrıca akıl hocaları aramayı ve potansiyel işbirlikçilere ulaşmada proaktif olmayı tavsiye ediyor. Sağlam bir itibar oluşturmak ve öğrenmeye ve gelişmeye istekli olmak, deneyimli kantitatiflerin dikkatini çekmeye yardımcı olabilir.
  
  
• 00:35:00 Dr. Ernest Chan, başarılı bir kantitatif ticaret ekibinin nasıl işe alınacağını ve eğitileceğini tartışıyor. İşe alınan kişinin, risk yönetimi, türev fiyatlandırması veya veri bilimi gibi ekibin odaklandığı belirli bir işlevde uzmanlığını kanıtlamış olması gerektiğini tavsiye ediyor. Ekibin amacı kârlı ticaret stratejileri geliştirmekse, en iyisi halihazırda bir sicili olan birini işe almaktır. Ek olarak Chan, ticaret için evrensel olarak iyi bir pazar olmadığını ve ekiplerin en iyi bildikleri şeye odaklanmaları gerektiğini belirtiyor. Son olarak, yüksek frekanslı tüccarların orta ve düşük frekanslı tüccarlara kıyasla kısa vadede piyasa yönünü tahmin etmede nasıl bir avantaja sahip olduğunu tartışıyor.
  
  
• 00:40:00 Dr. Ernest Chan, kısa zaman dilimlerinde piyasa hareketlerini doğru bir şekilde tahmin etmenin zorluğunu ve yüksek frekanslı ticaret tahminlerini kullanmanın zorluğunu tartışıyor. Ayrıca, yetenekli tüccarları işe almayı ve kendi ticaretini yapmamayı içeren ticarete yönelik kişisel yaklaşımına da değiniyor. Chan, isteğe bağlı veya niceliksel stratejiler kullanıp kullanmadıklarına bakılmaksızın, güçlü bir sicile sahip tacirleri işe almanın önemini vurguluyor. Yıllık kümülatif büyüme oranı sorulduğunda Chan, SEC düzenlemeleri nedeniyle bu bilgiyi açıklayamayacağını belirtiyor. Son olarak, miktar tüccarlarının tipik olarak tüm varlık sınıflarında aynı stratejiyi kullanmadığını ve algo ticareti için Python ile MATLAB'ı karşılaştırmanın zor olduğunu belirtiyor.
  
  
• 00:45:00 Dr. Ernest Chan, ticarette Matlab ve Python kullanımını tartışıyor. Kişisel olarak Matlab'ı tercih etse de, farklı tüccarların kendi tercihleri olduğunu ve dilin en önemli unsur olmadığını kabul ediyor. Ayrıca, işlem maliyetlerini optimize etmenin alandaki uzmanlar için bile zor olduğuna, bu nedenle tacirler için bir öncelik olmaması gerektiğine inanıyor. Makine öğrenimi stratejilerini gözden geçirmek veya yeniden eğitmek söz konusu olduğunda, bunu yalnızca piyasa rejimi büyük ölçüde değiştiğinde yapmayı ve Python veya Matlab gibi yeni dilleri öğrenerek beceri kazanmanın tüccarların fırsatlarını genişletmesine yardımcı olabileceğini öneriyor.
  
  
• 00:50:00 Dr. Ernest Chan, miktar tüccarı olmakla ilgilenen kişiler için kariyer tavsiyelerini tartışıyor. Kişisel güçlü ve zayıf yönleri daha iyi anlamak için opsiyon ticareti gibi farklı alanları denemeyi öneriyor. Ayrıca, şu anki odak noktasının makine öğrenimine dayalı risk yönetimi sistemini daha yaygın hale getirmek olduğunu ve yakın gelecekte makine ticareti kitabının ikinci baskısını yayınlamayı planlamadığını belirtiyor. Tüccarları işe alırken, uzun ve tutarlı bir sicil kaydı arar ve kısa zaman dilimlerinde ticaret için zaman serisi teknikleri ve ekonometrik modeller kullanılmasını önerir. Çıkış stratejilerinin belirli ticaret stratejisine bağlı olduğunu belirtiyor ve buna göre stop veya kar hedefi çıkışlarının uygulanmasını öneriyor.
  
  
• 00:55:00 Video, sunucunun Dr. Ernest Chan'a zaman ayırdığı ve başarılı bir kantitatif olmakla ilgili çeşitli sorulara verdiği içgörülü yanıtlar için teşekkür etmesiyle sona eriyor. İzleyicilerin, ele alındıklarından emin olmak için oturum sırasında yanıtlanmayan soruları e-posta ile göndermeleri önerilir. Ev sahibi, önümüzdeki hafta boyunca algo ticareti alanında diğer değerli konuklarla ek oturumlar yapılacağını duyurur. Seyirciye destekleri için teşekkür edilir ve izlemeye devam etmeleri için teşvik edilir.

[MetaQuotes]

Nicel ve algoritmik ticarete girmeden önce... [Panel Tartışması] | Algo Ticaret Haftası 0. Gün

Nicel ve algoritmik ticarete girmeden önce... [Panel Tartışması] | Algo Ticaret Haftası 0. Gün

Algo Ticaret Haftası, ev sahibi tarafından yönetilen ve sektör uzmanlarının yer aldığı ilgi çekici bir panel tartışmasıyla başlıyor. Toplantı sahibi, etkinlik ve amacı hakkında biraz bilgi vermesi için pazarlama ve sosyal yardım girişimleri başkanını davet ederek başlar. Pazarlama başkanı, Algo Trading Week'in birincil amacının algoritmik ticareti daha erişilebilir hale getirmek ve onu ana akım haline getirmek olduğunu açıklıyor. Etkinlik, bunu web seminerleri, atölye çalışmaları ve ücretsiz kaynaklar gibi çeşitli eğitim girişimleri aracılığıyla gerçekleştirmeyi amaçlıyor. Ayrıca Algo Trading Week, şirketin 11. yıl dönümü kutlamasıdır ve 7-8 güne yayılarak çok çeşitli oturumlar ve yarışmalar sunar.

Konuşmacı daha sonra Quantra kurslarını tanıtır ve kursların önemli bir kısmının, yaklaşık yüzde 20-25 veya daha fazlasının ücretsiz olarak sunulduğunun altını çizer. Bu, topluluğun desteği ve katkılarıyla mümkün olmaktadır. Konuşmacı daha fazlasını yapma arzusunu dile getiriyor ve bunun onları nasıl bir haftalık bir öğrenme festivali düzenlemeye yönlendirdiğini açıklıyor. Festival, bilgi ve görüşlerini paylaşacak olan sektörün önde gelen uzmanlarından bazılarını bir araya getiriyor. Konuşmacı, alınan olumlu yanıtlar için minnettarlığını ifade eder.

Konuşmacı, tartışmanın bir parçası olacak panel üyelerini tanıtır. Panelde Contra içerik ekibine liderlik eden Ishaan, QuantInsti'nin kurucu ortağı ve CEO'su Nitish, Blue Shift'in Başkan Yardımcısı Pradipta ve iRage'in kurucu ortağı ve CEO'su Rajiv yer alıyor. Bu değerli panelistler masaya farklı bakış açıları ve uzmanlıklar getiriyor.

Ardından tartışma, nicel ve algoritmik ticarette bir kariyer için gerekli olan gerekli beceriler ve eğitim geçmişleri konusuna geçer. Panel, bu alana girmeden önce kişinin ilgi ve tutkularını hizalamanın önemini vurguluyor. Bireylere önemli miktarda zaman ve çaba harcamaya hazırlıklı olmalarını tavsiye ederler ve finansal piyasalar, programlama yöntemleri, istatistik ve ekonometri konularında net bir anlayışa duyulan ihtiyacı vurgularlar. Panel, bu alanlardan bir veya ikisinde uzmanlığın gerekli olduğunu, ancak üçünde de asgari düzeyde yeterlilik kriterlerinin karşılanması gerektiğini vurgular. Panel ayrıca, kısa süreli kursların, bireylerin sahada rekabetçi oyuncular olmaları için gerekli becerileri geliştirmelerine nasıl yardımcı olabileceğini tartışır.

Panelistler daha sonra kantitatif ve algoritmik ticaret dersleri almanın faydalarını araştırırlar. Uygun bir ticaret sürecini takip etmenin ve piyasadaki anormallikleri keşfetmek için matematik ve istatistik kullanmanın önemini vurguluyorlar. Kurslar, hipotezleri geriye dönük test etmek ve doğrulamak için gerekli olan Python becerisini öğretir. Ayrıca, katılımcılar stratejilerini BlueShift gibi platformlarda kağıt üzerinde işlem yapma veya canlı ticaret yapma becerisi kazanırlar. Panelistler ayrıca piyasalardaki farklı alfa kaynaklarını ve perakende kullanıcıların yalnızca hazır stratejilere güvenmek yerine araştırma ve canlı ticaret platformlarını kullanmaktan nasıl fayda sağlayabileceklerini tartışıyorlar. Bir alım satım stratejisinin riskini değerlendirirken, stratejiyi yalnızca tek başına değil, aynı zamanda kişinin pozisyonu ve genel portföyü üzerindeki etkisini de dikkate alması gerektiğini vurguluyorlar.

Stratejileri test etmenin ve alfaya erişimin önemi panelde ayrıca tartışılıyor. Farklı beceri ve süreçler gerektiren kendi platformunu oluşturmak yerine BlueShift gibi platformları sistematik araştırma için kullanmanın önemini vurguluyorlar. Panelistler, ticaretin farklı tarzlarda kategorize edilebileceğini ve piyasadaki gelişmelerin etkisinin buna göre değiştiğini belirtiyor. Miktar ticaret endüstrisinin teknoloji ve veri analizindeki gelişmelerden nasıl yararlanabileceğini göstermek için makine öğrenimi satranç programlarının analojisini kullanıyorlar. Ayrıca, artan piyasa hacmi ve veri mevcudiyeti nedeniyle orta ve yüksek frekanslı ticaret stratejileri için mevcut olan önemli miktarda bilgi vurgulamaktadır.

Panelistler, teknolojinin kantitatif ve algoritmik ticaret üzerindeki etkisine odaklanıyorlar. Büyük veri ve otomasyonun artan önemini vurguluyorlar ve yüksek frekanslı ticaret yapanların artan rekabetle karşı karşıya olduğunu kabul ediyorlar. Panelistler, alana girmeyi düşünen perakende yatırımcıların endişelerini dile getirerek, stratejileri çok hızlı uygulamaya karşı uyarıda bulunuyor.

Panelistler, bir stratejiye yatırım yapmadan önce kapsamlı bir şekilde test etmenin ve anlamanın önemini vurguluyor. Uygun değerlendirme yapılmadan uygulamaya geçmenin tehlikelerinden kaçınma gereğini vurgularlar. Belirli bir stratejiyi kullanmadan önce neden başarılı olmasının beklendiğini anlamanın çok önemli olduğunu vurguluyorlar.

Panelistler, ticarette başarı olasılığını artırmak için alfa fikirleri, testler ve risk yönetimi gibi girdilere odaklanmanın önemini vurguluyor. Bu sürecin yavaş ve sıkıcı görünebileceğini kabul ediyorlar, ancak buna bağlı kalmak ve acele karar vermekten kaçınmak gerekiyor. İsteğe bağlı ticaretten sistematik ticarete geçiş yapmak isteyenler için panelistler, piyasa ticareti, temel matematik ve strateji becerileri ve özellikle Python olmak üzere programlama hakkında temel bir anlayış edinmeyi tavsiye ediyor. Ayrıca, bireylere başarılı tüccarlar hakkında okumalarını ve deneme yanılma yoluyla kayıpları önlemek için deneyimlerinden öğrenmelerini tavsiye ederler.

Algoritmik ticaretin olası tuzakları ve bunlardan nasıl kaçınılacağı panelistler tarafından tartışılıyor. Stratejilerdeki önyargıları belirlemenin ve kapsamlı geriye dönük testler ve analizler yoluyla çeşitli piyasa koşullarında çalıştıklarından emin olmanın önemini vurguluyorlar. Anlayış eksikliği kaçırılan fırsatlara veya yüksek frekanslı ticaret stratejileri için ticaretin yürütülmesinde önemli gecikmelere yol açabileceğinden, panelistler borsa faaliyetinin modellenmesinin hafife alınmasına karşı uyarıda bulunuyorlar. Strateji geliştirmeye sistematik bir yaklaşım benimsemeyi ve bunu hem basit hem de karmaşık faktörlerle kapsamlı bir şekilde test etmeyi öneriyorlar. Panelistler, yetkin ve başarılı miktar tüccarları olmak için kurslar, web seminerleri ve uygulama yoluyla gerekli becerilerin edinilmesini önermektedir.

Panelistler, algoritmik ticaretle ilgilenen bireylere değerli tavsiyeler sağlar. İleriye dönük önyargıya, geriye dönük testlere aşırı güvenmeye ve ilgili riskleri dikkate almadan yüksek getirilere aşırı güvenmeye karşı uyarıda bulunurlar. Panelistler ayrıca aşırı kaldıraç kullanmaktan kaçınmanın önemini vurguluyor ve yatırımcılara getirileri değerlendirirken ilgili riskleri göz önünde bulundurmalarını hatırlatıyor. Geriye dönük test sonuçlarını çarpıtabilen önyargıların varlığını vurgular ve bu önyargıları uygun şekilde anlama ve ele alma ihtiyacını vurgularlar.

Konuşmacılar, ticarette başarı şansını artırmak için geriye dönük test yaparken doğru araçları ve yöntemleri kullanmanın önemini vurguluyor. Verileri doğru bir şekilde yorumlama becerisine sahip tacirlerin ücretsiz olarak erişebildiği açık kaynaklı sistemlerin ve veri bilimi kitaplıklarının yükselişiyle elde edilen fırsatların altını çiziyorlar. Ek olarak, sunucuları esnek bir şekilde kiralamak için bulut altyapısını kullanma olasılığından bahsediyorlar, bu da maliyetleri düşürmeye yardımcı olabilir. Konuşmacılar ticarette başarıya ulaşmanın zorluklarını kabul ediyor ve ticaret kararlarında korku ve açgözlülük gibi duygusal etkilerden kaçınmak için kişinin yaklaşımında nesnel ve sistematik olmanın önemini vurguluyor. Kantitatif ve algoritmik ticaret becerilerini geliştirmek için Quantra tarafından sunulanlar gibi kurslar almanızı tavsiye ediyorlar.

Konuşmacı daha sonra ticaretin tüm yapı taşlarını nesnel bir şekilde öğrenmenin ve var olan çeşitli stratejilerin farkında olmanın önemini tartışır. Niceliksel ve algoritmik ticarette veya başka herhangi bir alanda kişinin eğitimine yatırım yapmanın değerini vurgularlar. Konuşmacı, alım satımın temellerini öğrenmekle ilgilenen bireyler için, tüccarlara, programcılara ve bilgilerini geliştirmek isteyen herkese açık bir yarışma duyuruyor. Yarışma, finansal piyasalar, matematik ve istatistik ile programlama ve makine öğrenimini kapsayan üç kısa sınavdan oluşacak. Konuşmacı test hazırlığı için kaynaklar sağlar.

Konuşmacı, ele alınacak tarihleri ve konuları belirterek, Algo Ticaret Haftası için yaklaşan sınav hakkında ayrıntılı bilgi verir. Puanlar nihai liderlik tablosunu belirleyeceğinden, katılımcıların belirtilen kaynakları veya tercih ettikleri diğer araçları kullanarak hazırlanmaları teşvik edilir. Konuşmacı, ilk üç veya ilk on katılımcı arasında yer alma şansını artırmak için üç sınavı da almanızı önerir. Buna ek olarak, konuşmacı, yürütme donanımının bir dizüstü bilgisayar veya bulutta minimum bir yapılandırma kadar basit olabileceğini açıklayarak, niceliksel bir kurulum için gereken donanım gereksinimlerini tartışır. Ancak, daha gelişmiş araştırma yetenekleri, en az 4 GB RAM'e sahip daha iyi bir bilgisayar gerektirebilir.

Panel daha sonra yüksek frekanslı ticaret (HFT) ve hesaplama açısından ağır fonlar için donanım gereksinimlerini araştırır. Alfa nesillerinde çok önemli bir faktör olan daha hızlı değişim bağlantısı elde etmek için HFT'nin sık sık donanım yükseltmeleri ve geliştirmeleri gerektirdiğini vurguluyorlar. Hız ve kapsamlı araştırma ve veri analizi gerektiren ticaret stratejileri, sunucu sınıfı altyapı gerektirir. Panel ayrıca, algoritmik ticaretin bir "ateşle ve unut" mekanizması olarak ele alınmasına karşı uyarıda bulunarak, bulut tabanlı bir ticaret sistemi kullanırken bile strateji performansını düzenli olarak izleme ve gerekirse düzeltici önlemler alma ihtiyacını vurguluyor.

Panel tartışması sona ererken, panelistler dinleyicilere oturumu izledikleri ve aktif olarak katıldıkları için şükranlarını sunarlar. Bir saat süren tartışma boyunca gösterilen sabrı takdir ediyorlar ve ertesi gün yapılacak olan bir sonraki oturuma kadar vedalaşıyorlar. Panel, etkinliğe katılan herkese son bir teşekkür ve iyi dileklerle sona eriyor.

• 00:00:00 Algo Ticaret Haftası'nın ev sahibi, etkinliği sektör uzmanlarının yer aldığı bir panel tartışmasıyla başlatıyor. Toplantı sahibi, pazarlama ve sosyal yardım girişimleri başkanını etkinlik ve neden oluşturulduğu hakkında biraz bilgi vermeye davet ediyor. Pazarlama başkanı, amacın algoritmik ticareti daha erişilebilir hale getirmek ve web seminerleri, atölye çalışmaları ve ücretsiz kaynaklar gibi eğitim girişimleri yoluyla ana akım haline getirmek olduğunu açıklıyor. Algo Ticaret Haftası, şirketin 11. yıl dönümü kutlamasıdır ve önümüzdeki 7-8 gün boyunca çeşitli oturumlar ve yarışmalara ev sahipliği yapacaktır.
  
  
• 00:05:00 Konuşmacı, Quantra kurslarından bahsediyor ve kursların yüzde 20-25 veya daha fazlasının topluluğun desteği ve katkılarıyla ücretsiz olduğunu belirtiyor. Daha fazlasını yapmak istediklerini açıklayarak, sektördeki en iyi insanlardan bazılarıyla bilgilerini paylaşmak için bir haftalık bir öğrenme festivali düzenlemelerine yol açtılar ve olumlu tepkiler aldılar. Konuşmacı daha sonra, Contra içerik ekibinin başkanı Ishaan, QuantInsti'nin kurucu ortağı ve CEO'su Nitish, Blue Shift'in Başkan Yardımcısı Pradipta ve kurucu ortağı ve CEO'su Rajiv de dahil olmak üzere panel üyelerini tanıtmaya devam ediyor. iRage. Tartışma daha sonra nicel ve algoritmik ticaret için gerekli beceriler ve eğitim geçmişleri konusuna geçer.
  
  
• 00:10:00 Panel, niceliksel ve algoritmik ticaret dünyasına dalmadan önce kişinin ilgi ve tutkusunu hizalamanın önemini tartışıyor. Bireylerin önemli ölçüde zaman ve çaba harcamaya istekli olmaları ve finansal piyasalar, programlama yöntemleri, istatistikler ve ekonometri hakkında net bir anlayışa sahip olmaları gerektiğini tavsiye ediyorlar. Üç sütunun da eşit derecede önemli olduğunu ve bir veya ikisinde uzmanlığın gerekli olduğunu, ancak üçünde de asgari düzeyde yeterlilik kriterlerinin karşılanması gerektiğini vurguluyorlar. Panel ayrıca, kısa süreli kursların kullanıcıların sahada rekabetçi oyuncular olmaları için gerekli becerileri geliştirmelerine nasıl yardımcı olabileceğini tartışır.
  
  
• 00:15:00 Panelistler, kantitatif ve algoritmik alım satım kursu almanın faydalarını tartışıyorlar. Kurs, ticarette uygun bir süreci izlemenin ve anormallikleri keşfetmek için matematik ve istatistikleri kullanmanın önemini vurgular. Kursta hipotezinizi geriye doğru test etmek ve doğrulamak için python becerisi öğretilirken, aynı zamanda size BlueShift gibi platformlarda stratejinizi kağıda dökme veya canlı ticaret yapma yeteneği verilir. Panelistler ayrıca piyasalardaki farklı alfa kaynaklarını ve perakende kullanıcıların hazır stratejilere güvenmek yerine araştırma ve canlı ticaret platformlarını kullanmaktan nasıl yararlanabileceklerini tartışıyorlar. Bir ticaret stratejisinin riski yalnızca bağımsız değil, aynı zamanda konumunuz ve genel portföyünüzle de ilişkilidir.
  
  
• 00:20:00 Panel, perakende tüccarlar için bile stratejileri test etmenin ve alfaya erişimin önemini tartışıyor. Ayrıca, farklı beceriler ve süreçler gerektiren kendi platformunuzu oluşturmak yerine sistematik araştırma için Blueshift gibi bir platform kullanmanın faydalarını tartışıyorlar. Panelist, ticaretin farklı tarzlara ayrılabileceğini ve piyasadaki gelişmelerin etkisinin buna göre değiştiğini belirtiyor. Miktar ticaret endüstrisinin teknoloji ve veri analizindeki gelişmelerden nasıl yararlanabileceğini açıklamak için makine öğrenimi satranç programlarının bir analojisini kullanıyorlar. Ayrıca, borsalardaki artan hacimden ve orta ve yüksek frekanslı ticaret stratejileri için mevcut olan büyük miktarda bilgiden bahsediyorlar.
  
  
• 00:25:00 Konuşmacılar, kantitatif ve algoritmik ticaret alanında teknolojinin etkisini tartışıyorlar. Büyük veri ve otomasyon giderek daha önemli hale geliyor ve yüksek frekanslı tüccarlar daha fazla rekabetle karşı karşıya. Konuşmacılar, alana girmeyi düşünen bireysel yatırımcıların endişelerini dile getiriyor, onları stratejileri çok hızlı uygulamanın tehlikeleri konusunda uyarıyor ve yatırım yapmadan önce bir stratejiyi kapsamlı bir şekilde test etmenin ve anlamanın önemini vurguluyor. Belirli bir stratejiyi kullanmadan önce neden başarılı olacağını anlamak çok önemlidir.
  
  
• 00:30:00 Alfa fikirleri, testler ve risk yönetimi gibi girdilere odaklanmak, daha yüksek bir başarı olasılığı sağlamak için çok önemlidir. Yavaş ve sıkıcı bir süreç gibi görünse de, buna bağlı kalmak ve çok hızlı bir şekilde uygulamaya geçmekten kaçınmak gerekiyor. İsteğe bağlı ticaretten sistematik ticarete geçiş yapmak isteyenler için, piyasa ticareti, temel matematik ve strateji becerileri ve programlama (özellikle Python) hakkında temel bir anlayış edinmek önemlidir. Başarılı tüccarlar hakkında bilgi edinmeniz ve deneme yanılma yoluyla para kaybetmekten kaçınmanız da önerilir.
  
  
• 00:35:00 Panelistler, algoritmik ticaretin olası tuzaklarını ve bunlardan nasıl kaçınılabileceğini tartışıyorlar. Bir stratejideki herhangi bir önyargıyı tanımlamanın ve geriye dönük testler ve analizler yoluyla çeşitli piyasa rejimlerinde çalışmasını sağlamanın önemini vurgularlar. Ek olarak, anlayış eksikliğinin kaçırılan fırsatlara veya yüksek frekanslı ticaret stratejileri için ticaret uygulamasında önemli gecikmelere yol açabileceği borsa faaliyeti modellemesinin hafife alınmasına karşı uyarıda bulunurlar. Konuşmacılar, strateji geliştirmeye sistematik bir yaklaşım benimsemeyi ve bunu hem basit hem de daha karmaşık faktörlerle kapsamlı bir şekilde test etmeyi öneriyor. Son olarak, yetkin ve başarılı bir miktar tüccarı olmak için gerekli becerilerin kurslar, web seminerleri ve uygulama yoluyla edinilmesini öneriyorlar.
  
  
• 00:40:00 Panelistler, algoritmik ticaretle ilgilenenlere tavsiyelerde bulunur. İleriye dönük önyargıya, geriye dönük testlere aşırı güvenmeye ve ilgili riskleri dikkate almadan yüksek getirilere çok güvenmeye karşı uyarıda bulunurlar. Panelistler ayrıca aşırı kaldıraç kullanımına karşı uyarıda bulunuyor ve yatırımcılara, ilgili riskler dikkate alınmadan getirilerin kendi başlarına pek bir anlam ifade etmediğini akıllarında tutmalarını tavsiye ediyor. Ayrıca, geriye dönük test sonuçlarını çarpıtabilecek birçok önyargı olduğunu ve bu önyargıları anlamanın ve ele almanın çok önemli olduğunu öne sürüyorlar.
  
  
• 00:45:00 Konuşmacılar, ticarette başarı şansını artırmak için geriye dönük test yaparken doğru araçları ve yöntemleri kullanmanın önemini vurguluyor. Ayrıca, verilerin dilini anlayan ve onu doğru bir şekilde yorumlayabilen tacirler için ücretsiz olarak sunulan açık kaynaklı sistemlerin ve veri bilimi kitaplıklarının yükselişiyle elde edilen fırsatların altını çiziyorlar. Ek olarak, maliyetlerden tasarruf etmek için sunucuları dakika başına, saat başına, saniye başına veya gün başına kiralamak için bulut altyapısını kullanma olasılıklarına da dikkat çekiyorlar. Konuşmacılar ayrıca ticarette başarılı olmanın zorluğuna dikkat çekiyor ve ticaret kararlarını etkileyen korku ve açgözlülük gibi duygulardan kaçınmak için kişinin yaklaşımında objektif ve sistematik olması gerektiğini vurguluyor. Kantitatif ve algoritmik ticaret becerilerini geliştirmek için Quantra tarafından sunulanlar gibi kurslar almanızı tavsiye ediyorlar.
  
  
• 00:50:00 Konuşmacı, ticaretin tüm yapı taşlarını nesnel bir şekilde öğrenmenin ve var olan çeşitli stratejilerin farkında olmanın önemini tartışıyor. Niceliksel veya algoritmik ticarette veya başka bir yerde olsun, kişinin eğitimine yatırım yapmayı vurgularlar. Konuşmacı daha sonra ticaretin temellerini öğrenmekle ilgilenen kişiler için bir yarışma başlatır. Yarışma tacirlere, programcılara ve bilgilerini tazelemek isteyen herkese açıktır ve finansal piyasalar, matematik ve istatistik ile programlama ve makine öğrenimini kapsayan üç kısa sınavdan oluşacaktır. Sınavlar belirli tarihlerde yapılacak ve kazananlar Eylül ayı sonunda açıklanacaktır. Konuşmacı ayrıca test hazırlığı için kaynaklar sağlar.
  
  
• 00:55:00 Konuşmacı, ele alınacak tarihleri ve konuları belirterek, Algo Ticaret Haftası için yaklaşan sınav hakkında bilgi verir. Katılımcılar, belirtilen kaynakları veya tercih ettikleri diğer araçları kullanarak sınava hazırlanabilirler, ancak puanlar nihai skor tablosunu belirleyecektir. Konuşmacı, ilk üç veya on içinde yer alma olasılığını artırmak için üç sınavı da almanızı önerir. Konuşmacı daha sonra nicel bir kurulum için gereken donanım gereksinimlerini tartışır ve yürütme donanımının bir dizüstü bilgisayar kadar basit veya bulutta minimum bir yapılandırma olabileceğini, daha gelişmiş araştırma yeteneklerinin ise en az 4 GB RAM'e sahip daha iyi bir bilgisayar gerektirdiğini açıklar.
  
  
• 01:00:00 Panel, yüksek frekanslı ticaret (HFT) ve hesaplamalı ağır fonlar için donanım gereksinimlerini tartışıyor. HFT'nin borsaya daha hızlı ulaşmak için sık sık donanım yükseltmeleri ve geliştirmeleri gerektirdiğini belirtiyorlar ki bu onların temel alfası. Hız ve büyük miktarda araştırma ve veri gerektiren ticaret stratejileri, sunucu sınıfı altyapı gerektirir. Ayrıca, algoritmik ticaretin bir "ateşle ve unut" mekanizması olarak ele alınmasına karşı uyarıda bulunuyorlar ve ticaret sistemi bulut tabanlı olsa bile strateji performansını düzenli olarak izlemenin ve gerekirse düzeltici önlemler almanın önemli olduğuna dikkat çekiyorlar.
  
  
• 01:05:00 Panelistler izleyicilere izledikleri ve tartışmalarını dinledikleri için teşekkür eder. Bir saat süren seans boyunca herkese gösterdikleri sabır için teşekkürlerini sunarlar ve bir sonraki seans için bir sonraki gün tekrar buluşana kadar vedalaşırlar. Panel, son bir teşekkür ve iyi dileklerle sona erer.

[MetaQuotes]

Ticaret Stratejisi Nasıl Otomatikleştirilir | Algo Alım Satım Kursu

Ticaret Stratejisi Nasıl Otomatikleştirilir | Algo Alım Satım Kursu

Rishabh Mittal, Quantra'da içerik ekibinde çalışan bir Kantitatif Analisttir. Uzmanlığı, ticarileştirilebilir sinyaller oluşturmak için denetimsiz öğrenme tekniklerini, özellikle K-Means'i uygulamada yatmaktadır. Diğerlerinin yanı sıra Sabit Oranlı Portföy Sigortası (CPPI) gibi metodolojileri kullanarak finansal piyasalarda pozisyon boyutlandırma için yenilikçi algoritmalar geliştirmeye aktif olarak katılmaktadır. Rishabh, Quantra'ya katılmadan önce çeşitli müşteriler için TradingView kullanarak sistematik ticaret stratejileri oluşturma konusunda deneyim kazandı.

"Bir Ticaret Stratejisi Nasıl Otomatikleştirilir" başlıklı bu web seminerinde Rishabh, ticaret stratejilerini otomatikleştirme sürecini inceleyecek ve katılımcılara sistematik ticaret stratejilerini nasıl hayata geçirecekleri konusunda rehberlik edecek. Web semineri, bir stratejiyi otomatikleştirmek için gerekli ön koşulları ele alarak başlayacak.

Rishabh daha sonra otomatik ticaret için gerekli olan olay odaklı yaklaşıma odaklanacak. Bir komisyoncu ile bağlantı kurma, gerçek zamanlı veri getirme, elde edilen verilere dayalı sinyaller üretme ve nihayetinde komisyoncu ile sipariş verme gibi konuları keşfedecek.

Oturumu sonlandırmak için Rishabh, Blueshift kullanan piyasalarda kağıt ticareti için bir demo stratejisi oluşturmanın adım adım gösterimini yapacak. Katılımcılar, simüle edilmiş bir ticaret ortamında stratejilerini uygulama ve test etme konusunda pratik bilgiler edinecekler.

Ticaret stratejilerini otomatikleştirme konusundaki uzmanlığını paylaştığı ve sistematik ticaret yaklaşımınızı teoriden pratiğe geçirme konusunda değerli rehberlik sunduğu için bu bilgilendirici web seminerinde Rishabh Mittal'a katılın.

[MetaQuotes]

Sıfırdan Ticaret Algoritması Nasıl Oluşturulur [Algo Trading Web Semineri] - 22 Temmuz 2021

Sıfırdan Ticaret Algoritması Nasıl Oluşturulur [Algo Trading Web Semineri] - 22 Temmuz 2021

Web semineri sırasında Ashutosh, finansal türev alım satımı alanındaki on yılı aşkın bir süredir edindiği kapsamlı deneyimini paylaştı. Finansal verileri analiz etmek için gelişmiş veri bilimi ve makine öğrenimi tekniklerini uygulamadaki uzmanlığını vurguladı. Ashutosh, prestijli bir yüksek lisans derecesine sahiptir ve sertifikalı bir finansal analisttir (FF). Halen, dünyanın ilk doğrulanmış algoritmik ticaret sertifikası olan EPAT kursunun geliştirilmesinden ve öğretilmesinden sorumlu Quantum City ekibinin değerli bir üyesidir.

Web semineri, öncelikle sıfırdan bir ticaret algoritması oluşturma sürecinde katılımcılara rehberlik etmeye odaklandı. Ashutosh, ticaret algoritmalarını, bunların piyasadaki çeşitli uygulamalarını ve fikirlerin stratejilere ve nihayetinde ticaret algoritmalarına dönüştürülmesini anlamanın önemini vurguladı. Esasen, bir algoritma, tacirlerin verileri analiz ederek ve önceden belirlenmiş kurallara dayalı olarak alım satım emirleri oluşturarak karlı kararlar almalarına yardımcı olan bir bilgisayar programı olarak hizmet eder. Ayrıca, etkili bir şekilde emir göndermek ve almak için dış çevre ile etkileşimleri kolaylaştırır.

Ticaretin pratik yönlerine dalmadan önce Ashutosh, kişinin ticaret evrenini tanımlamanın ve istenen alfayı belirlemenin önemini vurguladı. Alfa, benzersiz pazar perspektifleri, rekabette avantaj elde etme veya bireysel hedeflere göre uyarlanmış belirli stratejiler uygulama gibi çeşitli kaynaklardan kaynaklanabilecek kârların arkasındaki itici gücü temsil eder.

Video içeriği, ticaretin üç temel aşamasını kapsıyordu: araştırma, ticaret ve ticaret sonrası. Ashutosh, fikirleri somut ticaret algoritmalarına dönüştürme sürecine odaklanarak bu aşamaları açıkladı ve farklı ticaret stratejileri örnekleri verdi. Son 63 gün içinde değişim oranı (roc) 2'yi geçtiğinde bir hisse senedi satın almak gibi basit kuralların bile bir ticaret algoritmasının temelini oluşturabileceğini gösterdi.

Web semineri boyunca çeşitli tüccarlar, ticaret algoritmalarını sıfırdan oluşturmaya yönelik yaklaşımlarını sergiledi. Bir tacir, Hindistan pazarındaki verilerden yararlanarak görsel kodlamayı kullandı ve sipariş limitleri ile hisse başına komisyonu dahil etti. Başka bir tüccar, ticaret evrenini tanımlamayla başlayan, ardından roc'u hesaplamak için bir alfa işlevi oluşturma, ticaret kuralları oluşturma ve son olarak mantık bloklarını kullanarak stratejiyi uygulama ile başlayan süreci adım adım gösterdi.

Video, bir ticaret algoritmasının temel bileşenleri olan koşullar, emir gönderme ve emir alma hakkında kapsamlı bilgiler sağladı. Ek olarak, otomatik yürütme için algoritmaların nasıl programlanacağını gösterdi. Beta ve momentuma dayalı stratejiler, ortalama yönlendirme stratejisinin yanı sıra pazar trendlerinden yararlanmanın bir yolu olarak sunuldu.

Ashutosh, sıfırdan bir ticaret algoritması oluşturma sürecini açıkladı ve bir hisse senedi evreni tanımlama, ilgili hedge'leri hesaplama ve ticaret kurallarını yürütme gibi önemli hususları ele aldı. Ayrıca, algoritma üzerinde geriye dönük testler yapmanın ve onu gelişmiş performans için optimize etmenin önemini vurguladı.

Kantitatif yöntemler ve bunların alım satım becerilerini geliştirmedeki rolleri, bilinçli kararlar almak için beta kullanımına ve piyasa ile korelasyona vurgu yapılarak tartışılmıştır. Ashutosh ayrıca katılımcılara ticaret yolculuklarını daha fazla desteklemek için ücretsiz bir danışmanlık araması fırsatı sundu.

Ayrıca, web semineri bir algoritma içinde kullanılabilecek farklı veri türlerini araştırdı ve EPAT kursu için maliyet değerlendirme sürecini ele aldı. Katılımcılara ayrıca rehberlik ve destek için kurs danışmanlarının bir listesi verildi.

Ashutosh'un web semineri, ticaret algoritmalarını sıfırdan oluşturmak için kapsamlı bir rehber sağladı. Katılımcıların sunum sırasında cevaplanmamış olabilecek sorularını göndermeleri teşvik edildi ve konunun tam olarak anlaşılması sağlandı.

• 00:00:00 Ashutosh, on yılı aşkın bir süredir finansal türev ticareti alanında nasıl yer aldığını ve gelişmiş veri bilimi ve makine öğrenimi tekniklerini finansal verilere uygulama konusunda deneyime sahip olduğunu anlatıyor. Ayrıca prestijli bir üniversiteden yüksek lisans derecesine sahiptir ve sertifikalı bir finansal analisttir (FF). Şu anda Quantumcity ekibinin bir parçası ve dünyanın ilk doğrulanmış algoritmik ticaret sertifikası olan epact kursunun geliştirilmesinden ve öğretilmesinden sorumlu.
  
  
• 00:05:00 Bu web semineri, sıfırdan bir ticaret algoritmasının nasıl oluşturulacağına odaklanır ve ticaret algoritmaları hakkında neden öğrenmemiz gerektiği, algoritmaların piyasada kullanıldığı farklı yollar ve nasıl dönüştürüleceği gibi konuları kapsar. fikirleri stratejilere ve stratejileri ticaret algoritmalarına dönüştürür.
  
  
• 00:10:00 Algoritma, yatırımcıların kârlı alım satım kararları vermelerine yardımcı olan bir bilgisayar programıdır. Verileri analiz eder ve önceden belirlenmiş kurallara göre alım satım emirleri oluşturur. Ayrıca emir göndermek ve almak için dış dünya ile etkileşime girer.
  
  
• 00:15:00 Ticarete başlamadan önce ticaret evreninizi tanımlamanız ve hangi alfaya ulaşmayı umduğunuzu belirlemeniz önemlidir. Alfa, kârın ardındaki sebeptir ve pazar değişkenlerine özel bir şekilde bakmak, pazarda üstünlük sağlamak veya belirli bir strateji izlemek gibi çeşitli kaynaklardan gelebilir.
  
  
• 00:20:00 Bu video, ticaretin üç aşamasına odaklanarak sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını açıklıyor: araştırma, ticaret ve ticaret sonrası. Video, farklı ticaret stratejileri örnekleri sunar ve fikirlerin ticaret algoritmalarına nasıl dönüştürüleceğini açıklar.
  
  
• 00:25:00 Bu videoda sunum yapan kişi, sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını açıklıyor. Kurallar, son 63 günde değişim oranı (roc) 2'den büyük olan bir hisse senedini satın almak kadar basit olabilir.
  
  
• 00:30:00 Bu videoda bir tacir, görsel kodlama kullanarak sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını açıklıyor. Tüccar, Hindistan pazarından gelen verileri kullanır ve hisse başına emir ve komisyon limitleri belirler.
  
  
• 00:35:00 Bu videoda, bir tüccar sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını gösteriyor. İlk olarak, ticaret stratejisinde kullanacakları tüm hisse senetlerini içeren evrenlerini tanımlarlar. Ardından, roc'u hesaplamak için bir alfa işlevi oluştururlar ve ardından ticaret kurallarını tanımlarlar. Son olarak, ticaret stratejisini yürütmek için mantık bloğunun nasıl kullanılacağını gösterirler.
  
  
• 00:40:00 Bu video, sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını açıklıyor. Video, bir algoritmanın üç bölümünü kapsar: koşul, sipariş gönderme ve sipariş alma. Video ayrıca algoritmanın otomatik olarak çalışacak şekilde nasıl programlanacağını da gösterir.
  
  
• 00:45:00 Video, sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını açıklıyor. Strateji, beta ve momentuma dayalıdır ve pazar trendlerinden yararlanmak için tasarlanmıştır. Video aynı zamanda ortalama bir yönlendirme stratejisini de kapsar.
  
  
• 00:50:00 Sunum yapan kişi, bir hisse senedi evreni tanımlama, ilgili korumaları hesaplama ve ticaret kurallarını yürütme dahil olmak üzere sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını açıklıyor. Sunum yapan kişi ayrıca algoritma üzerinde testlerin nasıl geri alınacağını ve nasıl optimize edileceğini açıklar.
  
  
• 00:55:00 Bu video, betanın önemi ve piyasa ile korelasyon da dahil olmak üzere sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını tartışıyor. Sunum yapan kişi ayrıca, nicel yöntemlerin yardımıyla alım satım becerilerinizi nasıl geliştireceğinizi de tartışıyor. Son olarak, sunum yapan kişi ücretsiz bir danışmanlık görüşmesi hakkında bilgi paylaşır.
  
  
• 01:00:00 Bu web semineri, sıfırdan bir algoritmanın nasıl oluşturulacağını ve bir algoritmada kullanılabilecek farklı veri türlerini tartışır. Web semineri ayrıca bir kursun nasıl yönetileceğini tartışır ve kurs danışmanlarının bir listesini sağlar.
  
  
• 01:05:00 Bu videoda Blueshift'ten Ashitosh Sharma, Blueshift'in görsel editörünü ve stratejilerini kullanarak sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını paylaşıyor. Blueshift, kullanıcıların stratejilerini geriye dönük olarak test etmelerine ve hatta kağıt ticareti yapmalarına olanak tanır.
  
  
• 01:10:00 Sunum yapan kişi, sıfırdan bir ticaret algoritmasının nasıl oluşturulacağını tartışıyor. Daha sonra, katılımcılar sunumda cevaplanmayan soruları gönderebilirler.

[MetaQuotes]

Makine Öğrenimi ve Duyarlılık Analizi [Algo Ticaret Projesi Web Semineri]

Makine Öğrenimi ve Duyarlılık Analizi [Algo Ticaret Projesi Web Semineri]

Bayanlar ve Baylar,

Umarım hepiniz beni net bir şekilde duyabilirsiniz.

Quantum City'nin YouTube kanalına hoş geldiniz. Web seminerlerimize düzenli olarak katılanlarınız için, duyarlılık analizi ve portföy tahsisinde makine öğrenimine odaklanan son Algo Trading Project web seminerlerimizden birini hatırlayabilirsiniz. İki değerli EPAT mezunu Carlos Peral ve Vivian Thomas'ı proje çalışmalarını sunmaları için davet etmekten mutluluk duyduk. Ne yazık ki, sunum sonrası bir donanım arızası nedeniyle kesintiye uğradı ve o sırada bunu çok ayrıntılı olarak ele alamadık. Ancak, Carlos'un sunumunu ayrı ayrı kaydedip bizimle paylaşması için fazladan birkaç saat ayırdığı için şanslıydık.

O halde daha fazla gecikmeden devam edelim ve Carlos'un sunumunu izleyelim. Teşekkür ederim.

"Merhaba millet. Bugünkü sunumumda geçen Mart ayında tamamlanan EPAT (Algoritmik Ticarette Yönetici Programı) programı için son projemi göstereceğim. Önce kendimi tanıtmama izin verin. Adım Carlos Martin ve Bilgisayar mühendisliği lisans derecem var.10 yılı aşkın bir süredir İspanya ve Belçika başta olmak üzere birçok müşteri için çalışıyorum.Asıl becerim yazılım geliştirmedir ve son beş yıldır Avrupa kurumlarında çalışıyorum.

Bu projenin arkasındaki motivasyon, makine öğrenimine, özellikle de duygu analizine olan ilgimden kaynaklanıyor. Bu tekniklerin, bu projenin odak noktası olan metin analizi, konuşma tanıma, dil çevirisi ve duygu analizi gibi çeşitli alanlarda uygulanan makine öğrenimi modelleriyle son yıllarda etkileyici gelişmeler kaydettiğine inanıyorum. Ana amaç, haber duyarlılığı ile fiyat duyarlılığı arasında bir ilişki bulmak ve alım satım sinyalleri oluşturmak için duyarlılık puanlarını kaldırmaktır.

Teknik veya nicel analize dayanan geleneksel yaklaşımların aksine, bu proje yeni bir bilgi kaynağı olarak nitel verileri kullanır. Amaç, bu nitel verileri alım satım sinyallerine dönüştürmektir. Proje iki ana bölüme ayrılmıştır: metin analizi ve ticaret stratejisi uygulaması.

Metin analizi bölümü, duyarlılık puanları oluşturmak için haberlerin indirilmesini, ön işlemenin gerçekleştirilmesini ve bir makine öğrenimi modelinin uygulanmasını içerir. Bu proje için, duyarlılık puanları oluşturmak için bir uzun kısa süreli bellek (LSTM) modeli seçtim. Ticaret kısmı, ticaret stratejisinin uygulanmasını, hisse senedi fiyatlarının analiz edilmesini ve stratejinin performansının değerlendirilmesini içerir.

Projenin yapısını ayrıntılı olarak inceleyelim. Metin analizi bölümü, haber verilerinin ilk alınmasını ve ön işlenmesini gerçekleştiren haber yöneticisinden oluşur. Harici bir web hizmetine bağlanmak ve haberleri JSON formatında almak için bir sınıf kullandım. Bu haber verileri daha sonra bir CSV dosyasında saklanır. Duyarlılık analizi bölümü, metnin ön işlenmesini ve Analitik Değerlendirici adlı bir kitaplığı kullanarak kutup puanları oluşturan NLP (Doğal Dil İşleme) işleyicisini içerir. Bu kitaplık, haberlere ikili puanlar atar ve bunları negatif (-1) veya pozitif (1) olarak etiketler. Bu adım, modeli eğitmek için çok önemlidir.

Model, önceden işlenmiş haberleri alır ve ikili sınıflandırma için bir sigmoid işlevi kullanılarak eğitilir. Çıktı duyarlılığı puanları, pozitif veya negatif olarak sınıflandırılır. Ardından ticaret stratejisi uygulanır ve oluşturulan duyarlılık puanları ticaret sinyallerine çevrilir. -1 değeri satış sinyalini, 1 değeri ise alış sinyalini temsil eder.

Proje dört hisse senedi kullanılarak test edildi: Apple, Amazon, Twitter ve Facebook. Duyarlılık puanı stratejisi, bir satın alma ve tutma stratejisiyle karşılaştırıldı. Performans getiriler, Sharpe oranı ve strateji getirileri kullanılarak değerlendirildi. Sonuçlar hisse senetleri arasında değişiklik gösterdi ve bazı hisse senetleri, satın al ve tut stratejisine kıyasla duyarlılık puanı stratejisini kullanarak daha iyi performans gösterdi. Ancak, özellikle belirli dönemlerde duyarlılık puanı stratejisinin iyi performans göstermediği durumlar vardı.

Sonuç olarak, bu proje olumsuz eğilimler, kötü haberler ve potansiyel ticaret fırsatları arasındaki ilişkiyi vurgulamaktadır. Duyarlılık analizini alım satım stratejisine dahil ederek, nitel verilerden yararlanmak ve sistematik bir şekilde piyasa duyarlılığını yakalamak mümkün hale gelir. Bu yaklaşım, geleneksel teknik ve kantitatif analizi tamamlayan ek bir bilgi katmanı sağlayabilir.

Bununla birlikte, duygu analizinin kusursuz bir yöntem olmadığını ve etkinliğinin çeşitli faktörlere bağlı olarak değişebileceğini not etmek önemlidir. Piyasa koşulları, haber kaynaklarının kalitesi ve güvenilirliği ile duygu analizi modelinin doğruluğu, stratejinin başarısını belirlemede rol oynar.

Ayrıca, değişen pazar dinamiklerine ve gelişen haber modellerine uyum sağlamak için duyarlılık analizi modelini sürekli olarak değerlendirmek ve iyileştirmek çok önemlidir. Stratejinin performansının düzenli olarak izlenmesi ve gerekli ayarlamaların yapılması, zaman içinde etkinliğini sağlamak için gereklidir.

Genel olarak, bu proje algoritmik ticarette duyarlılık analizinin potansiyelini göstermektedir. Niteliksel verileri ticaret stratejilerine dahil etmek için yeni yollar açar ve bu alanda daha fazla araştırma ve geliştirme için bir çerçeve sağlar.

Bu projeyi üstlenmem için bana platform ve kaynak sağlayan EPAT programına ve Quantum City ekibine şükranlarımı sunmak istiyorum. Zenginleştirici bir deneyim oldu ve duygu analizinin algoritmik ticaret alanında değerli bilgiler sağlayabileceğine inanıyorum.

İzlediğiniz için teşekkür ederim ve umarım bu sunumu bilgilendirici bulmuşsunuzdur. Herhangi bir sorunuz varsa veya daha fazla tartışmak isterseniz, lütfen bana ulaşmaktan çekinmeyin. İyi günler!

• 00:00:00 Carlos Peral, duygu analizi ve portföy tahsisinde makine öğrenimine odaklanan QuantInsti programı için son projesini sunuyor. Carlos'un bilgisayar mühendisliği geçmişi var ve 10 yılı aşkın bir süredir yazılım geliştirme alanında çalışıyor ve asıl ilgi alanı makine öğrenimi konuları. Son yıllarda makine öğrenimi modellerinde meydana gelen etkileyici büyümeyi ve duygu analizi de dahil olmak üzere kullanıldıkları çok çeşitli alanları tartışıyor. Carlos'un projesinin amacı, hassas fiyatlar ile haber duyarlılığı puanları arasında bir ilişki bulmak ve ticaret sinyalleri oluşturmak için bu bilgilerden yararlanmaktır. Probleme nicel değil, yeni bir bilgi kaynağı olarak nitel verileri kullanarak yaklaşıyor ve bu verileri alım satım sinyallerine çeviriyor.
  
  
• 00:05:00 Konuşmacı, duyarlılık analizi ve makine öğrenimi projesi için algoritmanın iki ana bölümünü tartışıyor. İlk bölüm, duygu puanlarının uzun kısa süreli bir bellek modeli ve bir web hizmetinden alınan haberlerin ön işlenmesi yoluyla üretildiği metin analizine odaklanır. İkinci kısım, ticaret stratejisinin uygulanmasını ve hisse senedi fiyatlarının analiz edilmesini içerir. Projenin beş adımı arasında haber indirme, ön işleme, LCT modelinin oluşturulması, duygu puanları için haber tahmini ve hisse senedi fiyat analizi yer alıyor. Duyarlılık analizi bileşeni, daha iyi performans elde etmek için ön işleme metni içerir. Haber alma ve duygu puanları oluşturma ile ilgili sınıflar projede mevcuttur.
  
  
• 00:10:00 Konuşmacı, bir duyarlılık analizi algo ticareti projesine yaklaşımlarında yer alan farklı adımları açıklıyor. İlk olarak haberler, Analytic Evader adlı bir kitaplık kullanılarak olumlu veya olumsuz olarak sınıflandırılmadan önce indirilir ve önceden işlenir. Bir sonraki adım, önceki haberleri ve sınıflandırılmış verileri sınıflandırmak için bir modelin eğitilmesini içerir. Ticaret göstergelerini doğrulamak için bunu geriye dönük test aşaması izler. Proje Mart 2018 ile Aralık 2020 arasında test edilmiştir.
  
  
• 00:15:00 Konuşmacı, özellikle geriye dönük test üzerinde önemli bir etkiye sahip olduğu için, duyarlılık puanları için değer belirlemenin önemini tartışıyor. Tarafsız haberleri kullanmadıklarını ve 0,08'in altındaki haberler için negatif, daha yüksek puanlar için pozitif puanlar belirlediklerini açıklıyorlar. Konuşmacı daha sonra NLTK kütüphanesini kullanarak skorları nasıl ürettiklerini ve ikili sınıflandırma için bir sigma fonksiyonu kullanarak LCT modelini nasıl eğittiklerini ve derlediklerini açıklamaya devam ediyor. Duyarlılık puanı stratejisinin getirilerini dört hisse senedi için bir satın alma ve tutma stratejisiyle karşılaştırırlar: Apple, Amazon, Twitter ve Facebook. Konuşmacı, her hisse senedi için grafikler gösteriyor ve bazı dönemlerde, pandemi sırasındaki iyileşme de dahil olmak üzere, duyguya dayalı ticaretin alış ve elde tutmadan daha iyi performans gösterdiğini açıklıyor.
  
  
• 00:20:00 Sunucu, satın alma ve arama stratejisiyle karşılaştırıldığında, olumsuz eğilimler ile kötü haberler ve iyi performans arasında kesin bir ilişki olduğu sonucuna varır. Bununla birlikte, haberleri doğru bir şekilde sınıflandırmak ve olumlu ya da olumsuz etiketler atamak için yüksek kaliteli veri kaynaklarıyla çalışmanın ve duygu kutupluluğundaki iyileştirmeyi geliştirmenin gerekli olduğunu öne sürüyor. Duyarlılığa dayalı bir stratejiye tamamen güvenmek için daha fazla çalışma yapılması gerektiğine inanıyor ve iyi bir modelin belirli stratejilere dahil edilebileceğini öne sürüyor. Sonuç olarak, sunum, duygu analizini yatırım stratejilerine dahil etmenin potansiyeline ışık tutuyor, ancak bunun, duygu kutupluluğunun rafine edilmesinde daha fazla araştırma ve iyileştirmeler gerektirdiği konusunda uyarıda bulunuyor.