00:00 Introduction to Volatility Trading02:30 Agenda03:45 What is volatility12:17 How do you measure volatility?18:30 Why is VIX called the fear index?39:07 ...
00:00 - Introduction04:00 - Disclaimer05:44 - Agenda11:04 - Data14:31 - Big Data20:01 - The dawn of data analytics23:29 - Current trading and investment land...
次に講演者は、Quantum City の ePAD プログラムの経験を共有し、それがコーディングとアルゴリズム取引の概念に関する知識のギャップを埋めるのにどのように役立ったかを強調します。彼らは、市場を勉強して学生になることの重要性を強調しています。講演者は、初心者にデモ口座を開設し、市場で損失を被る経験を積むことを奨励し、スキルを習得するにはより深く掘り下げ、より多くのコースを受講する必要があることを強調しました。彼らは、Quantum City の ePAD プログラムが、市場についての理解を深めることを目指す人々にとって優れた出発点であることを強調しています。講演者は、市場を研究し、市場から継続的に学ぶことの重要性に関するルイス・グイダス博士のアドバイスを繰り返します。
01:00:00講演者は、Quantum City の ePAD プログラムの経験と、それがコーディングとアルゴリズム取引の概念に関する知識のギャップを埋めるのにどのように役立ったかについて語ります。彼は市場を勉強し学生になることの重要性を強調し、初心者にはデモ口座を開設して市場で損失を出す経験を積むようアドバイスしています。また、スキルを習得するにはさらに深く掘り下げてより多くのコースを受講する必要があり、Quantum City の ePAD プログラムは始めるのに最適であるとも述べています。講演者は、市場を学び学生になることの重要性についてのルイス・ジッド博士のアドバイスを繰り返します。
This session has project presentations by two of our esteemed EPAT alumni.00:00 Introduction - Project 104:45 Presentation - Pairs Trading In the Brazilian S...
ウェビナーのホストは、Certificate in Sentiment Analysis and Alternative Data for Finance (CSAF) プログラムの紹介から始まります。彼らは、このプログラムがゴータム・ミトラ教授とクリスティーナ・アルビン・セイヤー教授という2人の経験豊富な教員によって指導されていることを強調しています。このプログラムは 5 か月以上にわたり、金融業界の専門家であるゲスト講師による基礎理論と実践的な使用例の両方を提供することを目的とした一連の講義が含まれています。
00:00:00ウェビナーの主催者は、Certificate in Sentiment Analysis and Alternative Data for Finance の略である CSAF プログラムを紹介します。このプログラムは、ゴータム・ミトラ教授とクリスティーナ・アルビン・セイヤー教授という2人の経験豊富な教員によって率いられています。 CSAFプログラムでは、理論を提示するための基礎講義と、金融業界の専門家をゲスト講師とするユースケース講義を5か月にわたって実施します。主催者はまた、ウェビナーの最後に Q&A セッションがあることにも言及し、CSAF 卒業生としての経験を共有する 2 人の特別ゲスト、アミット アロラとアビジット デサイを紹介します。
00:35:00講演者は、財務分析に関するセンチメント分析と自然言語処理について話し合います。彼らは、感情プロバイダーによってすでに分析および計算されている感情データを定量的な方法で使用して、ポートフォリオを最適化し、資産配分を決定する方法について説明します。また、そのようなデータを提供するブルームバーグやグラフィティなどの業界の大手企業についても言及しています。講演者らは自然言語処理を取引目的のみに使用することに警告し、データ分析を効果的に使用するには金融市場を理解することの重要性を強調しています。データ分析または AI の分野でキャリアを追求することについての質問に答えて、講演者は、データ分析を効果的に適用するには金融市場とモデルを深く理解する必要性を強調しました。
01:05:00講演者は、Certificate in Sentiment Analysis and Alternative Data for Finance (CSAF) プログラムに関する説明会に参加してくれた聴衆に感謝の意を表します。彼らは視聴者に番組に関する質問や懸念を表明することを奨励し、参加してくれた皆さんに感謝します。講演者はビデオを成功させたことにお互いに感謝し、他の人と知識を共有することの楽しさを表明してビデオを終了します。
取引プロセスの一部を自動化するために、講演者はデータとコーディングを使用して優先資産の履歴データを取得することを推奨しています。彼らは、Google Finance がその API を Google Sheets に統合し、ユーザーがティッカー シンボル、開始日と終了日、データ型などのパラメーターを指定することで簡単にデータを取得できるようにしたと述べています。この収集されたデータは、価格グラフの作成、計算の実行 (カスタム指標の生成や変化率の計算など)、データ収集プロセスの自動化に利用でき、取引戦略を合理化できます。
講演者は、分単位のデータは無料で広く入手できるわけではないと説明し、そのレベルではデータ要件がより厳しくなると指摘しました。分単位のデータを取得するには、インタラクティブ・ブローカーズのようなブローカーで口座を開設することを講演者は提案します。ただし、地理や選択したブローカーによっては手数料が必要になる場合があると述べています。講演者は取引頻度関数について簡単に言及し、取引戦略の作成に関する詳細については Blue Shift のドキュメントを参照するように聴衆に指示します。彼らはまた、取引戦略を開発する際にストップロスレベルを設定することの重要性も強調しています。
モバイルデバイスでの自動取引の可能性について講演者は、モバイルベースのプラットフォームはWebベースのプラットフォームほど機能が豊富ではないかもしれないが、業界がクラウドベースのソリューションに移行するにつれ、携帯電話での自動取引がより普及する可能性があることを認めました。 。彼らは、初心者が小さなことから始めて、より多くのことを学び、取引ルールや戦略を確立することで徐々に知識を拡大することを提案しています。講演者は、学習、バックテスト、取引プラットフォームである Blue Shift が完全に無料であり、取引戦略の実験に利用できることを強調しました。彼らはまた、プラットフォームの機能に関する質問に答え、将来的にさらにブローカーを追加する計画についても言及しました。最後に、講演者は、任意のプラットフォームでのビットコインの自動取引に関する質問を認めます。
00:10:00取引プロセスの一部を自動化したい場合は、データとコーディングを使用して、お気に入りの資産の履歴データを取得できます。 Google Finance は API を Google スプレッドシートに統合し、ティッカー シンボル、開始日と終了日、データ型などのパラメータを入力するだけでデータを簡単に取得できるようにしました。このデータを使用して、価格グラフを作成したり、独自のインジケーターの作成や変化率の計算などの計算を実行したりできます。このツールを使用すると、トレーダーはデータ収集プロセスを自動化し、取引戦略を合理化できます。
00:50:00講演者は、携帯電話で自動取引を使用する可能性について議論し、モバイルベースのプラットフォームはウェブベースのプラットフォームほど機能が豊富ではないものの、あらゆるものが動いているため、自動取引が間もなく携帯電話にも導入される可能性があると指摘しました。よりクラウドベースになる方向へ。講演者は、初心者は小さなことから始めて、より多くのことを学び、取引ルールや戦略を確立することで段階を上げていくことができると示唆しています。講演者はまた、学習、バックテスト、取引プラットフォームである Blue Shift は完全に無料であり、取引戦略を試すために使用できるとも述べています。さらに、彼らはプラットフォームに関する質問に答え、将来さらに多くのブローカーが追加される予定であると述べています。最後に、講演者はビットコインの自動取引にプラットフォームを使用することについての質問を認めました。
Are you curious about the world of automated trading? Join us in this insightful video as we explore the fascinating realm of automated trading and learn how...
New to the exciting world of quantitative crypto trading? Join us in this comprehensive video where we delve into the foundations of this rapidly evolving fi...
This is a 60-min session that introduces you to the world of quantitative trading. It covers the components of quantitative trading and explains the process ...
入門ウェビナーでは、主催者がセッションの主なトピックである毎日の株価の予測とデイトレード戦略の自動化を紹介します。このセッションには 2 つのプロジェクトのプレゼンテーションが含まれます。最初のプレゼンテーションは英国の Renato Otto によるもので、ランダム フォレスト分類子、テクニカル指標、感情データを使用した毎日の株価の予測について説明します。 Renato Otto は、英国のエネルギー市場における市場操作の定量分析と体系的な特定のためのソフトウェアとツールの開発に携わった経験豊富な個人として紹介されます。
Renato Otto はプロジェクト完了の動機を語り、Python プログラミング、データ エンジニアリング、機械学習の知識をエンドツーエンドのプロジェクトに統合する機会だったと説明しています。このプロジェクトは、彼のスキルを向上させ、取引における機械学習と自然言語処理の力を探ることを目的としていました。さらに、他の人が独自の分析や戦略の実装に使用できるように、再利用可能なものを作成することが目標でした。このプロジェクトには、ディクショナリでの分析の詳細の定義とパイプラインの初期化から始まる 9 つのステップが含まれます。次にプログラムが実行され、バックテスト計算に必要なデータセットが取得されます。発表者は、プログラムの使いやすさをテストし、最終的な数値の信頼性を確保することの重要性を強調します。
This session has project presentations by two of our esteemed EPAT alumni. First on “Predict daily stock prices with random forest classifier, technical indi...
This session has project presentations by two of our esteemed EPAT alumni. First on “Implementing pricing (or market-making) model using Kalman filtering ada...
その後、シャーとパチャネカールは、精度、再現率、F1 スコアなど、取引モデルのパフォーマンスを評価するために使用されるさまざまな指標について議論することに焦点を移します。彼らは、リコールは不均衡なデータの問題を解決するのに役立ちますが、それを単独で使用すると信頼性の低い指標になる可能性があると指摘しています。代わりに、精度と再現率の組み合わせを使用して F1 スコアを計算することを推奨しています。これにより、モデルのパフォーマンスのより包括的な評価が得られます。彼らは、現実世界の取引シナリオでの有効性を確認するためにモデルをバックテストすることの重要性を強調し、モデルの過剰適合に注意します。
00:50:00 Shah と Pachanekar は、精度、再現率、F1 スコアなど、取引モデルのパフォーマンスを評価するために使用されるさまざまな指標について話し合います。彼らは、リコールは不均衡なデータの問題を解決するのに役立ちますが、それ自体では信頼性の低い指標になる可能性があると指摘しています。代わりに、精度と再現率を組み合わせて F1 スコアを計算することを推奨しています。このスコアは混同行列を使用して簡単に構築でき、高い F1 スコアは取引に値するモデルを示します。また、モデルが実際に適切に機能することを確認するためにモデルをバックテストすることの重要性と、モデルの過剰適合に対する注意についても説明します。
Are you curious about the application of machine learning in the exciting world of trading? Join us for the seventh day of Algo Trading Week as we delve into...
ボラティリティ取引: 恐怖指数 VIX の取引
ボラティリティ取引: 恐怖指数 VIX の取引
セッションは、主催者とゲストスピーカーがウェビナーの議題を提供することから始まり、金融市場のボラティリティに対する参加者の理解を深めることを目的としていました。彼らは、ボラティリティと、「恐怖指数」としても知られる VIX との関連性を定義することから始めました。講演者は、さまざまな種類の VIX および VIX ベースのデリバティブを詳しく掘り下げ、取引におけるそれらの重要性を明らかにしました。このセッションには、VIX を取引するための実践的なアプローチも含まれ、聴衆からの質問に答えるための Q&A セッションで終了しました。
ボラティリティの概念を説明するために、ホストはボラティリティの高い株式の例としてテスラを使用し、その日の収益がどのように -20% から +20% の間で変動するかを説明しました。このレベルのボラティリティにより、扱うのはリスクの高い資産になります。司会者は、資産の価格グラフを見るだけではそのボラティリティを明確に把握できないことを強調しました。代わりに、資産のボラティリティをより適切に示すのは毎日の収益です。
このビデオでは、オプション取引を超えたボラティリティの応用と、資産全体の購入に関する意思決定におけるボラティリティの有用性についてさらに詳しく説明しました。講演者は、資産の変動の大きさに基づいてボラティリティを高ボラティリティから低ボラティリティまで分類しました。テスラとS&P 500を比較したところ、S&P 500の方がボラティリティがかなり低かった。ボラティリティの過去の値を提供する標準偏差やベータなど、ボラティリティを測定するさまざまな方法について説明しました。インプライド・ボラティリティの概念が導入され、動きの方向を特定せずに、資産の将来の動きに対する市場の期待を表します。
その後、ウェビナーでは、VIX (ボラティリティ指数) の計算と、急激な変化の可能性を評価するためのさまざまな種類の指数オプションからのインプライド ボラティリティの利用方法の説明に焦点を当てました。 VIX は一般に「恐怖指数」と呼ばれ、S&P 500 との関係でグラフ化されます。通常、VIX は低く維持されることを目指していますが、予期せぬ出来事によって VIX が急上昇し、市場の恐怖が高まる可能性があります。 VIX の実際の計算は CBOE によって行われ、トレーダーに VIX の推移と基礎となる指数との関係を追跡するために必要な数値を提供します。全体として、VIX は市場のリスクを軽減しようとするトレーダーにとって不可欠なツールとして機能します。
講演者はさらに、VIXとS&P 500の関係について議論し、VIXは指数の将来のボラティリティに対する市場の期待と、S&P 500の経験が下落した不確実な時期にVIXがどのように反応するかを反映していることを強調した。講演者は、米中貿易戦争や新型コロナウイルス感染症のパンデミックなどの例を挙げ、VIXとS&P500の相関関係を説明した。VIXは低水準を維持しようと努めているが、予期せぬ出来事がボラティリティの急激な上昇につながる可能性がある。ただし、トレーダーが新しい情報を処理し、不確実性が減少するにつれて、ボラティリティも低下します。
恐怖指数または VIX の概念は、市場に影響を与えるネガティブなニュースに対するトレーダーの恐怖の尺度として導入されました。 VIX は S&P 500 に限定されず、オーストラリア証券取引所、ユーロ圏株式、ハンセン指数などの他の地域、さらには商品や通貨などの他の資産クラスにも適用できることが強調されました。 VIX の必要性が生じるのは、トレーダーが市場のボラティリティを予想している可能性があるためですが、ギリシャのオプションも関与しているため、VIX が取引の決定を決定する唯一の要素ではありません。したがって、VIX はトレーダーが市場のボラティリティに基づいてオプションを取引するためのツールとして機能します。 VIX 自体には取引手段はありませんが、先物やオプションなどのデリバティブを利用することで将来のボラティリティを予測できるため、取引戦略が容易になります。
標準、期近、来月、遠月の満期、毎週の満期など、取引に利用できるさまざまな種類の VIX 先物について説明しました。このビデオでは、VIX 先物は高価である一方、10 分の 1 の価格で入手できるミニ先物があり、トレーダーにとってよりアクセスしやすいオプションであることを強調しました。さらに、VIX先物取引の代替手段としてVIX ETF(上場投資信託)が導入されました。これらのETFはVIX先物から価値を引き出し、トレーダーの好みに基づいてさまざまなオプションを提供します。 VIXY などの短期 VIX ETF は期近および翌月の先物に連動しますが、VIXM などの中期 VIX ETF は中期先物に連動します。 SVXY などのインバース VIX ETF についても言及されました。これは、VIX 先物とは逆の方向に動き、先物が下落すると価値が増加します。トレーダーは、市場の見通しや取引戦略に基づいて、これらのさまざまなタイプの VIX 先物および ETF から選択できます。
次に、ビデオでは、VIX ETF や VIX ETN (取引所取引債券) など、他の VIX ベースのデリバティブについても説明しました。 VIX ETF は VIX 先物を基礎としており、市場のボラティリティにさらされると説明されました。一方で、VIX ETNは原資産を持たないことが強調されました。講演者は、VIX ETN の例として人気の VXX について言及しました。 VIXベースのデリバティブ取引にはリスクが伴い、トレーダーがそのような取引活動を行う前にこれらのリスクを理解することが重要であることが強調されました。実物資本で取引する前に、紙の取引環境で戦略をテストおよびバックテストすることが推奨されました。特に ETN には発行者リスクが伴います。つまり、ETN を発行する企業が義務を履行できない場合、投資家の資金が危険にさらされる可能性があります。さらに、VIX 先物には、トレーダーに特定のリスクと考慮事項をもたらすコンタンゴ効果があることが指摘されています。
講演者は、VIX先物が満期日に近づくにつれて収束するという話題を掘り下げた。彼らは、有効期限が近づくにつれて、VIX先物価格は収束する傾向があると説明しました。 VIX先物取引に携わるトレーダーにとって、この収束前に取引の正しい側にいることが重要であることが強調された。次に、ビデオでは、VIX 先物をロングすることで、下落時にポートフォリオをヘッジするために VIX を使用する、シンプルな VIX ベースの戦略を紹介しました。この戦略はテストされ、S&P 500 のポートフォリオと組み合わせた場合、2011 年から 2021 年の間に 3 倍の高い収益が得られることが判明しました。アイデアをバックテストし、ペーパー取引環境で実践することの重要性が、アイデアを実行する前に自信を得る手段として強調されました。実際の取引シナリオでは。
ウェビナーの主催者は、彼らが開発した「初心者のためのボラティリティ取引戦略」と呼ばれるコースに関する情報を共有しました。このコースは、ATR(平均トゥルーレンジ)、標準偏差、VIX、ベータなど、ボラティリティを測定するさまざまな方法をトレーダーに教えることに重点を置いています。彼らは、ボラティリティを恐れずに取引するための適切なツールと知識を備えることの重要性を強調しました。主催者は、このコースが現在期間限定で 67% 割引で利用できると述べました。さらに、ウェビナーの参加者には、クーポン コード VTS10 を使用してコースの追加 10% 割引が提供されました。主催者らはまた、VIX を分析する際に米国市場に焦点を当てることや、VIX が価格変動の先行指標として機能するか遅行指標として機能するかについての質問など、聴衆からのいくつかの質問に答える機会も得ました。
講演者はさらに、S&P 500 に対する VIX のほぼ瞬間的な反応について説明しました。具体的な VIX 範囲については議論されませんでしたが、30 日間のボラティリティは年換算されており、0 から 100 の範囲内に収まることが指摘されました。講演者は強調しました。講演者は、ハーディング、つまり市場参加者が集団的に行動する傾向が VIX に影響を与える可能性があることを認めました。このビデオでは、インド VIX の先物オプションの利用可能性についても触れられていましたが、これらのオプションの流動性は高い資本要件により制限されています。
Q&A セッションでは、ビデオで取引のボラティリティと VIX に関するいくつかの質問が取り上げられました。質問の 1 つは、インドに拠点を置きながら VIX ベースのデリバティブ取引の可能性に関するものでした。回答では、これは新興の慣行ではあるものの、一部の取引プラットフォームではインドでの VIX ベースのデリバティブ取引を許可していることが示されました。別の質問では、ニュースのセンチメントをオプション価格設定モデルの追加パラメータとして含めるというアイデアが提起されました。講演者は、VIXは異なる資産クラスに属しており、他のオプションと同じモデルを使用していないと説明した。ただし、ビデオではセンチメント分析が市場のダイナミクスを理解する上で役割を果たす可能性があることを認めています。さらに、ビデオでは、取引戦略を検討する際に他の資産と同様に扱うことができる原資産として UVIX と SVIX について簡単に言及しました。
次に議論は、ビデオの前半で述べた複合ポートフォリオ戦略のルールに移りました。講演者は、この戦略における参入ルールと撤退ルールの基準を説明しました。このエントリールールはS&P 500の動向に焦点を当てており、S&P 500が下落している場合、トレーダーはVIXでロングするための資金を確保できる。通常、S&P 500 が下落すると VIX が上昇することが注目されました。一方、出口ルールは、S&P 500 指数の動向を考慮して、弱気市場から脱却したかどうか、また経済全体が好調で強気市場を示しているかどうかを判断します。トレーダーは、取引に参加するか取引を終了するかを決定する前に、市場の状況を評価するようアドバイスされました。
このウェビナーでは、主要指標としての VIX に特に重点を置き、ボラティリティ取引に関する詳細な洞察を提供しました。ボラティリティの理解、ボラティリティの測定と分類、VIX の計算、さまざまな種類の VIX ベースのデリバティブ、ボラティリティの取引戦略などのトピックが取り上げられました。主催者はまた、初心者向けのボラティリティ取引戦略に関するコースも提供し、トレーダーが自信を持って市場をナビゲートするために必要な知識とツールを身につけることを奨励しました。ウェビナーはインタラクティブな Q&A セッションで終了し、聴衆からのさまざまな質問に答え、議論されたトピックをさらに明確にしました。
ビッグデータと個人投資の未来
ビッグデータと個人投資の未来
金融市場は毎日膨大な量のデータを生成します。このウェビナーでは、講演者が投資と取引の文脈でそれを活用することの重要性について説明します。また、さまざまな投資スタイルに合わせてそれをどのように活用できるかについても説明します。その過程で、この分野で成功し、繁栄するために必要な知識とスキルを養う方法について説明します。
00:00 - 概要
04:00 - 免責事項
05:44 - 議題
11:04 - データ
14:31 - ビッグデータ
20:01 - データ分析の夜明け
23:29 - 現在の取引と投資の状況
23:36 - 古典的なデータ分析アプローチ
27:43 - 最新のデータ分析
31:29 - 金融市場で分析がなぜ、どのように使用されるのか
37:00 - データの種類
43:58 - 個人投資家にとっての課題
52:38 - 質疑応答
ブラジルのペア取引と米国市場のショートストラドル [アルゴ取引プロジェクト]
ブラジルのペア取引と米国市場のショートストラドル [アルゴ取引プロジェクト]
ウェビナーは、ホストが EPAT 卒業生であるルイス グイダス博士を紹介することから始まり、ブラジルの株式市場でのペア取引に関するプロジェクトを紹介します。 Guidas 博士は、ペイメント カード業界で経験豊富なソフトウェア開発者であり、フルミネンセ連邦大学でコンパイラーとプログラミング言語を教えている教員です。彼は、暗号アルゴリズム、セキュリティ通信プロトコル、安全な電子取引に幅広く取り組んできました。 2021 年 7 月に EPAT プログラムを修了した後、現在は oCam ブラジルで定量分析の責任者を務めています。
グイダス博士は、まず統計的アービトラージの概念を紹介します。これには、統計モデルを使用して、互いのリスクを中和する資産ペアを見つけることが含まれます。彼は、共積分ペアを使用して平均と分散が一定の定常時系列を作成する方法を説明します。これを説明するために、彼は同じ指数を追跡する 2 つの ETF の例を使用します。これらはほぼ完全に相互統合され、一定の平均と分散を持つ水平スプレッドを作成します。同氏は、このプロセスにはトレーニング期間と戦略をバックテストするためのテスト期間が含まれると述べています。
次に、グイダス博士は、ペア取引のプロセスとボリンジャーバンド取引戦略をどのように利用するかを詳しく説明します。彼らはティッカーとセクターを選択し、定量的なペアを見つけて、スプレッドを作成するためのヘッジ比率を計算します。ペアごとにスプレッドを計算し、スプレッドが平均を下回る場合に買い、平均を上回る場合に売るという平均回帰取引戦略を採用します。彼はまた、平均値回帰アルゴリズムにおけるストップロスの使用について説明し、価格が平均値からさらに乖離すると、平均値に戻る確率が高まることを強調しています。
講演者は、ストップタイムと呼ばれる戦略を紹介します。これは、スプレッド取引が終了しない場合、一定の日数が経過した後にスプレッド取引を終了することを含み、損失を防ぐのに役立ちます。これらは、ブラジルでのペア取引のためのボリンジャーバンド戦略の例を提供し、1 年間にわたるその収益性を示しています。ただし、データが限られているため、現在の期間に存在する企業のみを使用することで生じる可能性のあるバイアスについても言及しています。これに対処するために、2018 年から 2020 年にかけて新たなトレーニング期間を設けました。その結果、新しい企業や分野の出現によりペアの数が増加しました。
グイダス博士は、ブラジルでのペア取引の経験についての洞察を共有し、その方法論について説明します。これらはスプレッドの分析を簡素化し、スプレッドの半減期を調べることによって理想的な単純移動平均期間の長さを決定します。彼らはまた、ブラジルの株式市場で取引する際に直面する課題、特に上位100社を分析した結果、実行可能なペアの数が制限される流動性についても強調している。講演者はパフォーマンスの指標を提供しますが、改善の必要性を認め、ハイパーパラメーターの調整、定常性チェック、小さなセクターの結合などのアプローチを提案します。彼らは、このテーマに関する文献を読むことを勧めており、特にチャン博士とヒピッシュ博士の本に言及しています。
Q&A セッションでは、グレース博士がビデオで紹介されている戦略に関する聴衆からの質問に答えます。彼女は、ボリンジャー バンドの期間は、スプレッドの半減期のグリッド テストに基づいて動的に設定できるハイパーパラメーターであると説明します。ボリンジャーバンドをストラドルやストラングラーに使用することについて尋ねられたとき、彼女は、これらは構造化された操作であるため、デリバティブの専門家から洞察を求めることを提案しました。グレース博士はまた、非平均反転取引の問題にも言及し、最初のモーメントを計算することで非反転シリーズを平均反転させることを提案しています。もう 1 つの質問は、指数 Futuro VINFUT と BOVA11 の相関関係に関するもので、彼女は取引の決定のために 2 つの関係を研究することを推奨しています。
続いて、ルイス エルトン博士は、クォンタム トレーディング EPAD プログラムに関する自身の経験と、テクニカル分析がトレーディングで必ずしも機能しない理由を理解する上でどのように期待に応えたかを共有します。彼は、知識を得るために勉強し、コースを受講することの重要性を強調し、人類の知識を単独で再現しようとしないようにアドバイスしています。このウェビナーでは、モメンタム取引に関するポルトガル語初のコントラコースの開始も発表されています。
シッダース・バティア氏が登壇し、米国市場におけるショート・ストラドルについて議論します。同氏は、ショートストラドルにはコールを売って同額をザマネーに入れ、原資産の動きが売られた権利行使レベルよりも小さかった場合に利益を得ることが含まれると説明した。この戦略はインカムトレーディング戦略として宣伝されているが、特に市場の変動が激しい時期には、潜在的な損失が利益よりもはるかに大きくなる可能性があるとバティア氏は警告する。同氏は、新型コロナウイルス感染症のパンデミックのような時期に、ショートストラドル取引が原因で企業が壊滅した例を挙げた。
講演者は、機械的アプローチを使用してショート ストラドル取引戦略をバックテストした自身の経験を共有します。彼らは、各 DTE (有効期限までの日数) 期間の開始時に 100 単位のアット・ザ・マネー・ストラドルを売り、ストップロスや微妙なエントリーポイントとエグジットポイントを導入することなく、有効期限までポジションを保持しました。彼らは、デルタヘッジされたデータとヘッジされていないデータの 2 セットのデータを使用してバックテストを実施し、異なる期間をカバーするために 7 DTE と 60 DTE の 2 つの異なるバージョンを利用しました。彼らは、RATS API を通じてバックテストに必要なデータを取得し、Python パンダを使用してそれを処理して、売買価格を取得しました。ただし、精度を確保するには各行に個別の注意が必要であるため、講演者はデータ フレーム作成の課題を強調しました。
講演者は、ブラジルと米国の両方の市場におけるショート・ストラドル取引戦略のバックテストの結果について議論を続けます。彼らは、この戦略が両方の市場でうまく機能せず、結果的に大幅なドローダウンと低いシャープレシオをもたらしたことを明らかにしました。デルタ ヘッジは P&L (損益) の標準偏差を減らすのに役立ちましたが、負けた取引を収益のある取引に変えることはできませんでした。講演者は、このタイプの取引ではストップロス注文が重要であることを指摘し、VIX指数とVIX先物の期間構造に基づくエントリーフィルターの使用を示唆する学術論文に言及しました。ショートストラドル戦略は収益性は高いもののリスクが高いと考えられており、さまざまな方法で損失を効果的に管理する必要があります。
Q&A セッションでは、講演者が視聴者のいくつかの質問に答えます。 1 つの疑問は、なぜ最終的にこの戦略のポジションがヘッジされないのかということです。講演者は、損益の標準偏差を減らし、長期的なボラティリティを最小限に抑えるのに役立つため、市場終了時に 1 日 1 回ヘッジを行うのが一般的であると説明しました。ただし、ヘッジ手法はテストと研究の対象であると強調しています。講演者は、CAGR (年間平均成長率) の計算、取引コスト、ショートストラドル戦略で毎日売却する代わりに 7 ~ 10 日間ポジションを保持する利点などのトピックにも触れます。さらに、トレーダーが市場のボラティリティや短期的な損失の受け入れに備えられるよう、マニュアル取引や非アルゴリズム取引でのこれまでの経験の重要性を強調しています。
講演者は引き続き聴衆からの質問に答え、ブラジルでのペア取引や米国市場でのショートストラドルに関する質問に答えました。あるリスナーが、VIX が 20 付近の場合にロングストラドルをとるべきかどうか尋ねましたが、これに対してスピーカーは、通常損失が発生することを指摘して、ロングストラドルをとるべきではないとアドバイスし、VIX が 20 を超えている場合はインデックスをショートすることを提案しました。 VIX が 30 を超えている場合は、反対のエントリー戦略を調整します。推奨事項は、常にショートで、バックワーデーションの提案を無視することです。講演者には、お勧めの本に関する質問も寄せられ、講演者の 1 人は、ウン・シンクレアの 3 冊の本を強く推薦しました。
次に講演者は、Quantum City の ePAD プログラムの経験を共有し、それがコーディングとアルゴリズム取引の概念に関する知識のギャップを埋めるのにどのように役立ったかを強調します。彼らは、市場を勉強して学生になることの重要性を強調しています。講演者は、初心者にデモ口座を開設し、市場で損失を被る経験を積むことを奨励し、スキルを習得するにはより深く掘り下げ、より多くのコースを受講する必要があることを強調しました。彼らは、Quantum City の ePAD プログラムが、市場についての理解を深めることを目指す人々にとって優れた出発点であることを強調しています。講演者は、市場を研究し、市場から継続的に学ぶことの重要性に関するルイス・グイダス博士のアドバイスを繰り返します。
ウェビナーが終わりに近づくにつれ、主催者は、ブラジルでのペア取引に関する貴重な洞察を共有してくれたルイス博士に感謝の意を表します。また、ウェビナーに積極的に参加し、将来のトピックについて提案を提供してくれた聴衆に感謝の意を表します。主催者たちは、ポルトガル語コースの立ち上げに伴う課題を認識していますが、コミュニティ内で起こっている数多くの発展について興奮を表明しています。視聴者にアンケートを通じてフィードバックを共有することを奨励し、今後のセッションのための貴重な意見やアイデアを収集できるようにします。
主催者は温かい感謝の気持ちを込めて、ルイス博士と聴衆に別れを告げ、今後のウェビナーへの熱意と、取引コミュニティに貴重な知識と洞察を提供するという決意を表明しました。彼らは、新しいトピックを探索し、専門知識を共有し、すべての参加者にとって活発な学習環境を促進することを楽しみにしています。
このウェビナーでは、ブラジル株式市場におけるペア取引の包括的な概要と、米国市場におけるショートストラドル取引戦略に関連する課題について説明しました。講演者は自身の経験、戦略、洞察を共有し、ダイナミックな取引環境を効果的にナビゲートするための継続的な学習と研究を奨励しました。
両者の関係を研究し、その情報を取引の決定に使用します。
感情分析の証明書と金融のための代替データ - CSAF™ [無料情報セッション]
感情分析の証明書と金融のための代替データ - CSAF™ [無料情報セッション]
ウェビナーのホストは、Certificate in Sentiment Analysis and Alternative Data for Finance (CSAF) プログラムの紹介から始まります。彼らは、このプログラムがゴータム・ミトラ教授とクリスティーナ・アルビン・セイヤー教授という2人の経験豊富な教員によって指導されていることを強調しています。このプログラムは 5 か月以上にわたり、金融業界の専門家であるゲスト講師による基礎理論と実践的な使用例の両方を提供することを目的とした一連の講義が含まれています。
ホストは、センチメントとセンチメント データの基本に焦点を当てた最初の 2 つのモジュールから始めて、プログラムのモジュールの概要を提供します。モジュール 3 と 4 では、代替データ ソースと、衛星データや電子メール データ、テキスト分析などの財務予測とモデリングとの関連性について詳しく説明します。このコースでは、モデリングの基礎、さまざまな財務モデル、リスク管理、ポートフォリオの最適化、自動取引などの分野への感情データの応用についても取り上げます。さらに、センチメント分析における AI、機械学習、定量モデルの役割を強調する、代替データに特化したモジュールもあります。
ウェビナーをさらに充実させるために、2 人の特別ゲスト、CSAF 卒業生であるアミット アロラとアビジット デサイが紹介されます。彼らは、EPAT NSA と呼ばれるコースの前のバージョンを受講した経験を共有します。アミットは、コースの実践的な方向性がどのように彼自身のトレードのアイデアを発展させるのに役立ち、実際のトレードにより多くの時間を費やすようになり、それが予想以上の結果をもたらしたかについて説明します。アビジットは、コースを最大限に活用するには、コミットメント、献身、好奇心の重要性を強調します。
ウェビナーには、CSAF プログラムを経験したさまざまな個人とのディスカッションも含まれています。彼らはセンチメント分析と代替データを理解し、取引戦略に適用する際の課題と成功を共有します。講演者は、センチメントとボラティリティ取引の組み合わせ、代替データの意味、投資と取引における認証の重要性、取引戦略へのセンチメント分析の組み込み、ニュースのリアルタイム通知などのトピックを取り上げ、聴衆からの質問に答えます。取引。
ウェビナー全体を通じて、講演者は、包括的な視点とアプローチを開発するために、CSAF のような認定コースを通じて構造化された学習の重要性を強調しました。彼らは、センチメント分析と代替データを効果的に適用する上で、金融市場とモデルを理解することの重要性を強調しています。講演者はまた、知識の実践的な応用、定量的なフレームワークの使用、感情データの使用を紹介するケーススタディの価値を強調します。
主催者は、ウェビナーに参加し、CSAF プログラムに関する情報に積極的に関わってくれた聴衆に感謝の意を表します。視聴者にアンケートを通じてフィードバックや質問を提供し、ウェビナーの成功への貢献について講演者や講演者同士に感謝するよう奨励します。主催者は、知識を共有することに喜びを感じていることと、すべての参加者のための学習環境を促進することに尽力していることを表明しています。
自動取引の設定方法
自動取引の設定方法
プレゼンテーション中に、講演者は自動取引の利点と自動化が必要な理由を詳しく掘り下げます。彼らは、自動取引によりトレーダーが多数の資産を同時に処理し、事前定義されたルールに基づいて取引を実行できることを強調しています。このアプローチは、エラーのリスクを軽減し、感情主導の取引を排除するのに役立ちます。講演者は、自動化により、指定されたルールが満たされると自動的に注文が行われ、タイムラグがなくなり、プロセスが簡素化されると強調しました。さらに、自動化によりトレーダーの時間とリソースが解放され、より良い取引戦略の開発に集中できるようになると説明しています。
講演者は、自動化が人間の介入を完全に置き換えることについてのよくある誤解について述べています。彼らは、必要に応じて取引戦略を調整するために、洗練された自動取引システムのパフォーマンスを定期的に分析することの重要性を強調しています。彼らは、自動化によってトレーダーが手動では試みなかった他のタスクや資産を探索できるようになると強調しています。次にプレゼンテーションは、取引における 3 つの重要なステップ、つまりデータ取得、分析 (ルールベースまたは任意)、および取引実行について説明します。
取引プロセスの一部を自動化するために、講演者はデータとコーディングを使用して優先資産の履歴データを取得することを推奨しています。彼らは、Google Finance がその API を Google Sheets に統合し、ユーザーがティッカー シンボル、開始日と終了日、データ型などのパラメーターを指定することで簡単にデータを取得できるようにしたと述べています。この収集されたデータは、価格グラフの作成、計算の実行 (カスタム指標の生成や変化率の計算など)、データ収集プロセスの自動化に利用でき、取引戦略を合理化できます。
ビデオ内のデモンストレーションでは、過去のデータに基づく相対強度指数 (RSI) 指標を使用してトレーディング戦略をバックテストするプロセスを紹介します。 0 ~ 100 の範囲の RSI 値によって、実行されるアクションが決まります。 RSI 値が 30 未満の場合は、資産が売られすぎていることを示しており、買い手にとって魅力的となり、資産の購入を促します。 30 ~ 70 の値は何も行動を起こさないことを示し、70 を超える値は資産が買われすぎていることを示し、売却を促します。講演者は、米国株データセットのビジュアル プログラミングを利用して、過去のデータのバックテストを自動化することで、これらのルールの有効性を検証します。
講演者は、バックテスト、ペーパー取引、ライブ取引などの機能を提供する自動取引用の Blue Shift プラットフォームを紹介します。彼らは、このプラットフォームがコーディングの知識を必要としないビジュアル プログラミング オプションを提供していることを強調しています。スピーカーは、RSI インジケーターを使用した取引戦略の設定を実演し、ロングポジションとショートポジションを取るための条件を説明します。最後に、バックテストの結果が示されており、リターンは 14%、シャープ レシオは 1.22、最大ドローダウンはマイナス 13% です。全体として、Blue Shift は自動取引戦略を作成およびテストするためのユーザーフレンドリーなプラットフォームとして賞賛されています。
講演者はライブ取引で自動取引戦略を実装するプロセスについて説明します。彼らは、現在の市場環境における戦略のパフォーマンスを観察するために、リアルマネーではなくリアルタイムデータを利用する紙取引から始めることを推奨しています。講演者は、ブローカーの選択、資本配分の決定、注文の確認など、ペーパー取引の設定とライブ取引への移行の手順を聴衆にガイドします。彼らは、戦略のパフォーマンスを定期的に監視し、必要な調整を行うことの重要性を強調しています。講演者はまた、他のプラットフォームを使用したライブ取引をカバーした以前のセッションが YouTube チャンネルで視聴できることにも言及しました。
すべてのブローカーが自動取引用の API を提供しているわけではありませんが、講演者は、API サポートを提供するほとんどの地域で利用可能なプラットフォームとしてインタラクティブ ブローカーを強調しました。彼らは、Interactive Brokers と IBridge Py ブリッジを使用すると、シンガポールを含む世界中のどこからでも取引の自動化が可能になると述べています。講演者は、NSE 株のデータを取得することは可能ですが、適切なティッカー シンボルを見つけ、Yahoo Finance を使用して必要な履歴データにアクセスすることが不可欠であると述べています。
講演者は、分単位のデータは無料で広く入手できるわけではないと説明し、そのレベルではデータ要件がより厳しくなると指摘しました。分単位のデータを取得するには、インタラクティブ・ブローカーズのようなブローカーで口座を開設することを講演者は提案します。ただし、地理や選択したブローカーによっては手数料が必要になる場合があると述べています。講演者は取引頻度関数について簡単に言及し、取引戦略の作成に関する詳細については Blue Shift のドキュメントを参照するように聴衆に指示します。彼らはまた、取引戦略を開発する際にストップロスレベルを設定することの重要性も強調しています。
次に、講演者は、さまざまな種類の資産に適切なストップロスレベルを設定することの重要性について説明します。彼らは、資産のボラティリティに基づいて異なるストップロス値を使用し、テスラなどの大幅な価格変動が発生する資産のストップロスを高くすることを推奨しています。講演者はまた、アルファとベータの理想的な値の決定は、トレーダーの目標と、特定の割合の利益を達成するために必要な時間枠に依存すると述べています。さらに、インド市場での取引の自動化、戦略のモニタリング、プラットフォームを使用したオプション戦略の作成に関する質問にも回答します。最後に講演者は、予期せぬ市場イベントが発生した際に警戒を怠らず、ボラティリティに耐える戦略の能力に基づいて取引を一時停止するか続行するかを決定することの重要性を強調しました。
講演者は、取引における自動化とその運用方法についてさらに詳しく説明します。彼らは、Blueshift プラットフォームを通じてインド市場で自動化が利用可能であり、さまざまなブローカーとのパートナーシップを通じて戦略のバックテストやライブ取引を容易にすると説明しています。講演者は、取引において事前に定義されたルールを持つことの重要性を強調し、仮想通貨を使用して現在の市場状況における戦略のパフォーマンスを評価するバックテストとペーパー取引を通じてこれらのルールをテストすることの価値を強調しました。講演者はまた、機械学習はトレーディングに適用でき、トレーディング戦略の開発に関して Blueshift によってサポートされているとも述べています。
モバイルデバイスでの自動取引の可能性について講演者は、モバイルベースのプラットフォームはWebベースのプラットフォームほど機能が豊富ではないかもしれないが、業界がクラウドベースのソリューションに移行するにつれ、携帯電話での自動取引がより普及する可能性があることを認めました。 。彼らは、初心者が小さなことから始めて、より多くのことを学び、取引ルールや戦略を確立することで徐々に知識を拡大することを提案しています。講演者は、学習、バックテスト、取引プラットフォームである Blue Shift が完全に無料であり、取引戦略の実験に利用できることを強調しました。彼らはまた、プラットフォームの機能に関する質問に答え、将来的にさらにブローカーを追加する計画についても言及しました。最後に、講演者は、任意のプラットフォームでのビットコインの自動取引に関する質問を認めます。
自動取引のブローカーのサポートについて、講演者は、すべてのブローカーがこの機能を提供しているわけではないため、ユーザーは選択したプラットフォームがサポートしているかどうかを確認する必要があると明言しました。彼らは、業界がますます自動取引への移行を進めており、注文の大部分が自動取引システムの助けを借りて執行されていると説明しています。機械学習、ニューラル ネットワーク、AI を組み合わせてアルゴリズム取引を行うという観点から、講演者は機械学習モデルでデータをトレーニングおよびテストし、予測された出力をアルゴリズム取引に活用するプロセスについて説明します。最後に、彼らは現役の専門家からの質問に答え、自動取引は専門家が画面時間を最小限に抑えながら取引活動を管理するのを支援し、彼らが仕事の要求に集中できるようにすることを指摘しました。
講演者は、取引戦略の自動化は働く専門家にとって実現可能であるが、市場の状況は変化する可能性があるため、自動化システムのパフォーマンスを定期的にレビューすることが重要であると繰り返し述べています。彼らは、さまざまなプラットフォームを使用して、Python やコーディング言語を学ばなくても取引戦略を作成することは可能ですが、高度な戦略には Python やその他のプログラミング言語の熟練度が必要になる可能性があることを示唆しています。講演者は、Python の学習は思っているほど難しくなく、さらなる利点をもたらす可能性があることを聴衆に安心させます。彼らは定期的にパフォーマンスを評価し、それに応じて戦略を修正することの重要性を強調しています。
最後に、講演者は聴衆に、未回答の質問についてのアンケートに記入するよう勧め、すべてのコースに登録すると 70% 割引とさらに 25% 割引が提供される期間限定オファーを利用するよう勧めます。彼らは受けたサポートに感謝の意を表し、今後さらに多くのウェビナーを開催するという約束を聴衆に約束します。講演者は、聴衆の興味やニーズに応えるより良いセッションを計画するために、潜在的なトピックについての提案を求めます。プレゼンテーションの最後に、講演者は幸せなホーリー祭への温かい祈りを捧げ、セッションに参加してくれたすべての出席者に感謝の意を表しました。
仮想通貨の定量的データ分析
仮想通貨の定量的データ分析
暗号通貨の定量的データ分析に関するこの有益なセッションでは、講演者のウディシャ・アルックが、ブロックチェーン、ビットコイン、イーサリアム、リップルを専門とするクオント研究所のクオンツ研究者として自己紹介します。彼女は、仮想通貨に投資する前にデューデリジェンスを実施することの重要性を強調し、セッションの議題の概要を説明します。
講演者はまず、暗号通貨の概要を説明し、暗号通貨が暗号によって保護されたデジタル通貨または仮想通貨であり、物理的な形式を持たないことを強調しました。彼女は、暗号通貨は暗号化によってセキュリティを確保し、ブロックチェーン技術を使用して分散型で運用され、二重支払いのリスクを排除すると説明します。
次に、講演者はセッションで取り上げられる主なトピックを詳しく掘り下げます。彼女は、このセッションではトップの暗号通貨を調査し、暗号通貨に関するデータをどこで入手するかについて議論し、暗号通貨市場での取引に関する洞察を提供する予定であると述べています。講演者は、主要な仮想通貨のデータ分析に重点が置かれることを強調した。
次に、講演者は定量的取引会社である Quantinsti とそのサービスについて紹介します。彼女は、アルゴリズム取引 (EPAT) のプロフェッショナル認定プログラム、センチメント分析およびファイナンスのための代替データ (CSAF) の認定プログラム、およびクアントラで利用できるマイペースコースを強調しています。さらに、講演者は、戦略開発、調査、バックテスト、ペーパー取引、ライブ取引のためのクラウドベースのプラットフォームである BlueShift を紹介します。
仮想通貨の本題に戻り、講演者は時価総額に基づいて上位 6 つの仮想通貨について説明し、その機能の概要を説明します。最初で最も広く知られている暗号通貨であるビットコインは、現在エルサルバドルで法定通貨として採用されている唯一のものとして言及されています。時価総額第2位のイーサリアムはスマートコントラクト機能の導入で注目されている。交換の中間メカニズムとして設計されたリップルは、リストの6番目の暗号通貨として挙げられています。講演者はまた、独自のブロックチェーンに移行したBinance Coin、法定通貨の安定性を備えた暗号通貨機能を提供する米ドルにペッグされたステーブルコインであるTetherとUSD Coinについても紹介します。
暗号通貨のデータソースに関して、講演者は歴史的な暗号データの信頼できるソースとして CryptoWatch と CoinAPI について言及しました。彼女はまた、Binance、Coinbase、Etoro、Gemini、Kraken などの主要な世界的な暗号通貨取引プラットフォームのリストも提供しています。
セッションを続けて、講演者はさまざまな暗号通貨の価格を比較し、対数スケールでそのパフォーマンスを説明します。ビットコインが価格の点で支配的な暗号通貨として浮上し、イーサリアムとバイナンスコインがそれに続きます。ステーブルコインはその性質上安定したままである一方、リップルはパフォーマンスの低下を経験していることが注目されています。講演者はさらに累積収益を計算し、Binance Coin が最も高い収益を示し、次に Ethereum と Bitcoin が続くことを強調しました。上位 4 つの暗号通貨のボラティリティは、特定の期間にスパイクが発生して大きく変動すると説明されていますが、ステーブル コインは一貫して安定性を維持しています。
このビデオでは、仮想通貨への投資のボラティリティとそれに伴うリスクの分析に焦点を当てています。講演者は、暗号通貨のリターンが高い尖度を示し、プラスとマイナスの両方で極端なリターンが発生する可能性を示していることに気づきました。これは、投資家が価格が上昇しているときに買い、価格が下落しているときにパニック的に売る傾向があるモメンタムベースの取引に起因すると考えられます。日次収益の箱ひげ図は、多数の異常値の存在を示すために示されており、暗号通貨がかなりのレベルのリスクを伴うという概念をさらに裏付けています。ただし、ステーブルコインはボラティリティが低いことが知られています。
続くセグメントでは、講演者は、ビットコイン、イーサリアム、バイナンス コイン、リップル、USD コイン、USDC などの人気のある暗号通貨の中央値に対する外れ値の削除の影響を検証します。ステーブルコインは、1 米ドルに近い価値を維持するように設計されており、多くのユーザーにとって特に魅力的であることが強調されています。一方、リップルは、金融機関向けに設計された独自の許可ブロックチェーンにより、他の暗号通貨とは区別されます。投資家に変動と不確実性をもたらす要因として、リップルの創設者に対する現在進行中のSEC訴訟が挙げられている。
次に、講演者は暗号通貨に影響を与える要因を 5 つの主要なカテゴリに分類します。これらには、仮想通貨の希少性と価値に影響を与える需要と供給の法則が含まれます。市場心理や投資家心理によって決まる価値の認識も重要な役割を果たします。ブロックチェーンプロトコルの更新やスケーラビリティの向上などの技術の進歩は、暗号通貨のパフォーマンスに影響を与える可能性があります。法的枠組みや規制措置を含む政府の規制や政策は、仮想通貨市場に大きな影響を与えます。最後に、メディア報道、政治的出来事、市場全体の傾向によって形成される市場センチメントは、仮想通貨の価格に大きな影響を与える可能性があります。
講演者は、メディア、政治的出来事、規制変更、ブロックチェーンの変更が仮想通貨の価格に及ぼす影響について考察します。ポジティブまたはネガティブなニュース報道は、人々の投資を奨励したり阻止したりする可能性があるため、仮想通貨の価格に大きな影響を与えることが強調されています。評判の高い企業や個人による暗号通貨の承認も、その信頼性と信頼性を高めることに注目されています。経済危機や政府の介入などの政治的出来事や規制の変更は、従来の通貨に対する投資家の信頼に影響を与え、投資家を仮想通貨に向かわせる可能性があります。講演者は、さまざまな暗号通貨、特に主要な暗号通貨としてのビットコイン間の高い相関関係について言及しました。ただし、ステーブルコインは従来の暗号通貨とは相関関係がないことが観察されており、ユニークな資産クラスとなっています。
このビデオでは、仮想通貨を法定通貨に交換するプロセスについてさらに説明しています。ほとんどの取引所がビットコインやイーサリアムなどの主要な暗号通貨の取引をサポートしていると説明されています。したがって、多くの場合、アルトコインを法定通貨に変換する前に、これらのトップ暗号通貨のいずれかと交換する必要があります。このビデオでは、市場のボラティリティの高さを利用したモメンタム指標ベースの戦略や裁定取引など、暗号通貨に適した取引戦略についても説明しています。相対強度指数、移動平均収束ダイバージェンス、オーサム オシレーターなどの指標を使用したコーディング例が、モメンタムベースの戦略を説明するために提示されています。
セッションの終わりに向けて、プレゼンターは取り上げられた主要なポイントを要約し、ステーブルコインのボラティリティの低さと他の仮想通貨との相関関係の欠如によるポートフォリオの多様化の可能性を強調しました。無料の書籍やコース、Blue Shift 研究および取引プラットフォームなど、アルゴリズム取引と暗号通貨について学ぶための追加リソースが提供されます。講演者は、独自のアルゴリズム取引デスクを立ち上げたい、または業界の専門家からの指導を受けてアルゴリズム取引のキャリアを追求したいと考えている個人向けに調整された、アルゴリズム取引のエグゼクティブ プログラムについて言及しました。プログラムの早期割引の利用可能性も強調されています。
結論部分では、講演者は暗号通貨とブロックチェーンに関連するいくつかの聴衆の質問に答えます。講演者は、一部の国が仮想通貨を長期投資として扱う規制法をすでに可決していることを強調しながら、規制の裏付けのない仮想通貨の長期的な存続可能性について議論します。ブロックチェーン技術の受け入れと発展の拡大も、人々が暗号通貨に慣れ親しんでいることに貢献しています。分散型金融 (DeFi) の将来は、さまざまな概念や種類の裁定取引がまだ検討されていない、進化する空間であることが認識されています。講演者は、暗号通貨取引がデータマイニングや技術指標を超えていることを強調し、ブロックチェーン技術とその応用を理解することの重要性を強調しました。
さらに、今後の米国の規制が仮想通貨市場に及ぼす潜在的な影響についても議論されています。講演者は、政府が米国でブロックチェーンを規制する可能性があることを認めているが、テクノロジーの分散型の性質を制御するという課題を強調している。したがって、規制上の決定は仮想通貨の価格に影響を与える可能性がありますが、市場を完全に制御することは困難である可能性があります。仮想通貨取引に必要な最低資本と、現実世界の取引における仮想通貨の潜在的な使用についても取り上げます。最後に、中央銀行デジタル通貨 (CBDC) の台頭と、仮想通貨の分散型の性質に対するそれらの潜在的な影響について簡単に言及します。
閉会の挨拶で講演者らは、ID発行やサプライチェーン管理などの問題を解決するためにブロックチェーン技術の探究が増えていることを強調した。彼らは、この分野で進行中の開発により、将来的にブロックチェーン開発者に対する高い需要が見込まれています。 24時間取引できるなど、仮想通貨の利点が強調されています。聴衆は、今後の議論のためにフィードバックを提供し、未回答の質問をすることが奨励されています。
セッションの終わりに、講演者は重要なポイントを要約し、暗号通貨の高いボラティリティを乗り切るための適切なデータ分析と定量的手法の必要性を強調しました。技術的分析と定量的分析は、バックテストとともに、リスクを軽減するための不可欠なツールとして強調されています。講演者はまた、仮想通貨市場に対する地政学的な介入の影響に関する質問にも答え、政府の決定は確かに影響を与えるが、仮想通貨の分散型の性質により、伝統的な通貨や政府への信頼が低い状況では人々が仮想通貨に頼る可能性があると指摘した。最後に、ステーブル コインの利点が強調されます。ステーブル コインは、他の暗号通貨と比較してより安定した予測可能な価値を提供し、日常の取引により適しているからです。
今後の米国の規制が仮想通貨市場に及ぼす潜在的な影響に関する質問に答えて、講演者は政府による規制の可能性を認めつつも、仮想通貨の分散化された性質を完全に制御する上での課題を強調した。規制は仮想通貨の価格に影響を与える可能性があるが、講演者は市場を完全にコントロールするのは難しいかもしれないと示唆している。中央銀行デジタル通貨 (CBDC) の台頭についても触れられ、仮想通貨の分散型の性質に対するそれらの潜在的な影響についても簡単に説明されています。
最後の部分では、講演者は、ID 発行やサプライ チェーン管理などの現実世界の問題を解決するためのブロックチェーン テクノロジーの探求がますます進んでいることについて話し合います。彼らは、ブロックチェーン開発者に対する将来の需要とブロックチェーン業界の継続的な成長について楽観的な見方を示しています。 24時間365日取引できるなど、暗号通貨の利点が強調されています。聴衆は、フィードバックを提供し、今後のセッションのために残りの質問を共有することをお勧めします。
Udisha Alook が実施したセッションは、暗号通貨の定量的データ分析に関する貴重な洞察を提供します。投資前のデューデリジェンスの重要性を強調し、暗号通貨とその機能の概要を提供し、データソースと取引プラットフォームを調査し、価格変動とボラティリティを分析し、暗号通貨の価格に影響を与える要因について議論し、規制、取引戦略、および規制に関する視聴者の質問に対処します。暗号通貨の未来。このセッションは、仮想通貨市場における定量分析の包括的な入門として機能し、参加者は情報に基づいた投資決定を行うために必要な知識を得ることができます。
クオンツ取引の実践入門 |エール大学経営大学院
クオンツ取引の実践入門 |エール大学経営大学院
クオンツ取引入門セミナーでは、コード例を使用して取引アルゴリズムの作成、評価、展開について詳しく説明します。セッションは、数学的および統計的モデルを使用して取引機会を特定し、取引を実行することを含むクオンツ取引の概念を紹介することから始まります。モメンタム取引、平均転換取引システム、数学的モデル、高頻度取引、ニュースベースの取引システムなど、さまざまな種類の量的取引戦略について説明します。講演者は、アルゴリズムは取引だけでなく、マーケットメイクや価格の非効率性を利用して利益を生み出すためにも使用されることを強調しました。
次にクオンツトレーディングシステムの基本構造を説明します。これには、データ収集、取引戦略の作成、バックテスト、実行、リスク管理が含まれます。価格、ファンダメンタルズ、経済、ニュースデータは、取引アルゴリズムに一般的に使用されます。技術的、統計的、および数学的分析を使用して、戦略の取引ルールを設計できます。バックテストには、履歴データに対するルールをテストしてパフォーマンスを評価することが含まれます。実行は手動または自動で行うことができ、資本配分やストップロスなどのリスクパラメーターの設定にはリスク管理が重要です。講演者は、これらの概念を説明するために定量的取引戦略の実例を示します。
トレンドベースの戦略が強調されており、指数移動平均 (EMA)、放物線 SM、確率的オシレーターなどのテクニカル指標がアルゴリズムの設計に使用されます。 Contra プラットフォームが導入され、ソフトウェアのインストールを必要とせずに、ビデオ チュートリアル、インタラクティブな演習、実践的な体験が提供されます。 Python モジュールはアルゴリズムの作成を支援するためにインポートされ、データは CSV ファイルからインポートされて取引ルールを定義し、戦略のパフォーマンスを監視します。 TLA Python モジュールを利用してテクニカル指標のパラメーターを設定し、設計プロセスを簡素化します。
インストラクターは、EMA、ストキャスティクス ファースト、ストキャスティクス スロー オシレーターなどのテクニカル指標を使用して取引ルールを定義し、取引シグナルを生成する方法を説明します。買いシグナルを生成するための 5 つの取引条件が概説されており、ショート ポジションの取引ルールも設計されています。次のステップは、Python ノートブックを使用して戦略をバックテストし、実際のパフォーマンスを評価することです。戦略リターンのプロットは、アルゴリズムが当初は損失を被りましたが、2018 年から勢いが増し、最終的にはテスト期間の終わりまでに利益を生み出していることを示しています。アルゴリズムの調査、構築、バックテストを簡単に実行できるプラットフォーム、BlueShift を紹介します。
BlueShift プラットフォームを使用したバンク・オブ・アメリカ株のバックテストのデモンストレーションは次のとおりです。このプラットフォームは、データのメンテナンスと、データを Python にインポートするための単純なコード行を提供します。インジケーターと取引ルールが定義され、取引はロング条件とショート条件の充足に基づいて自動的に実行されます。バックテストは資本金1万ドルで2020年1月から2021年10月まで実施され、パフォーマンスがS&P500ベンチマークと比較される。その結果、投資収益率は 113% であることがわかりました。詳細なバックテスト結果を取得して月次リターン、実行された取引、使用された証拠金を分析することで、より適切な取引上の意思決定が容易になります。
講演者は、アルゴリズム リターンや月次リターン ヒート マップなどのパフォーマンス メトリクスの視覚的表現を含む、BlueShift プラットフォーム上の包括的なバックテスト結果にアクセスする方法をデモンストレーションします。アルゴリズムによって取られたポジションが分析され、ロングサイドとショートサイドからの合計利益などの重要な指標が検査されます。リスクパラメータと注文制限は、戦略を展開する前に、紙取引または実際の資本を使用してリアルタイムで構成できます。
BlueShift 取引プラットフォームを使用したペーパー取引のブローカーを選択し、資本とアルゴリズムのパラメーターを指定するプロセスについて説明します。ユーザーは、米国株の場合は Alpaca、外国為替の場合は OANDA、インド市場での取引の場合は Master Trust など、さまざまなオプションから選択できます。講演者は、BlueShift を使用してドローダウン制限 30%、注文制限とサイズ制限をそれぞれ 1,000 と 10,000 でリスク マトリクスを指定する方法をデモンストレーションします。ユーザーは、好みに応じて自動実行またはワンクリック確認方法を柔軟に選択できます。ユーザーが確認をクリックすると、アルゴリズムが実行を開始し、BlueShift が Alpaca 紙取引部分との接続を確立します。ダッシュボードは、取引資本、取引、ポジション、その他の関連情報をリアルタイムで継続的に更新します。
講演者は、定量的取引に不可欠な 2 つの製品、Conda と BlueShift を強調します。 Conda は、株価、仮想通貨、ニュース、ソーシャル メディアなど、さまざまなソースからデータを取得するために利用されます。このコースでは、API を使用して基本的なレポートにアクセスしたり、ソーシャル メディア データを取引システムに抽出したりする方法について説明します。 2 番目の製品である BlueShift は、計量経済モデルと時系列分析を採用した戦略の設計とテストに使用されます。このコースでは、平均転換取引戦略、モメンタム取引戦略、デイトレード戦略など、さまざまな取引戦略の例とコードを提供します。さらに、このコースでは、機械学習手法を使用したポートフォリオ管理とリスク管理を容易にする「機械学習階層的差異を使用したポートフォリオ管理」についても説明します。 BlueShift を使用すると、幅広いデータセットで取引戦略のバックテストが可能になります。
米国株、仮想通貨、外国為替、インド株、不動産データなど、クオンツ取引を実践するためのさまざまなデータセットの利用可能性について説明します。クラウドベースとデスクトップベースの展開について説明します。クラウドベースの実行はブローカーによって処理されます。デスクトップベースの統合は、Interactive Brokers や eTrade などのブローカーに接続する IBridgePy ソフトウェアを使用して実現できます。セッションに参加する学生には、ContraQuant Web サイトで利用可能なすべてのコースを 60% 割引するコードが提供されます。このウェブサイトは、初心者、中級トレーダー、上級トレーダーに適したコースを提供しており、ニューラル ネットワーク、自然言語処理 (NLP)、モメンタム戦略、オプション、先物、ペア取引などの幅広い概念をカバーしています。
毎日の株価を予測し、デイトレード戦略を自動化する
毎日の株価を予測し、デイトレード戦略を自動化する
入門ウェビナーでは、主催者がセッションの主なトピックである毎日の株価の予測とデイトレード戦略の自動化を紹介します。このセッションには 2 つのプロジェクトのプレゼンテーションが含まれます。最初のプレゼンテーションは英国の Renato Otto によるもので、ランダム フォレスト分類子、テクニカル指標、感情データを使用した毎日の株価の予測について説明します。 Renato Otto は、英国のエネルギー市場における市場操作の定量分析と体系的な特定のためのソフトウェアとツールの開発に携わった経験豊富な個人として紹介されます。
Renato Otto はプロジェクト完了の動機を語り、Python プログラミング、データ エンジニアリング、機械学習の知識をエンドツーエンドのプロジェクトに統合する機会だったと説明しています。このプロジェクトは、彼のスキルを向上させ、取引における機械学習と自然言語処理の力を探ることを目的としていました。さらに、他の人が独自の分析や戦略の実装に使用できるように、再利用可能なものを作成することが目標でした。このプロジェクトには、ディクショナリでの分析の詳細の定義とパイプラインの初期化から始まる 9 つのステップが含まれます。次にプログラムが実行され、バックテスト計算に必要なデータセットが取得されます。発表者は、プログラムの使いやすさをテストし、最終的な数値の信頼性を確保することの重要性を強調します。
講演者は、デイトレード戦略のバックテストに関連する方法を説明します。彼らは、データの前処理、モデルのトレーニングとテスト、および戦略パフォーマンス分析のためのさまざまな方法で構成されるバックテスト戦略クラスについて説明します。バックテスト プロセスの出力には、投資収益率、シャープ レシオ、最大ドローダウン、その他の関連パラメーターを示す表とプロットが含まれます。バックテストは戦略の潜在的な収益性を判断するのに役立ちますが、講演者は、バックテストはライブ取引では当てはまらない可能性のある特定の側面を単純化するものであると警告しています。講演者はプログラムの最新の改善点について言及し、これには取引手数料や口座サイズなどの実際の取引条件を反映するパラメータの更新が含まれます。
プレゼンテーション中に、講演者はプログラムの開発中に直面した課題についても話し合います。 1 つの課題は、ユーザーにデータの入力を促す対話型メニューの実装であり、これには余分な思考と開発の労力が必要でした。しかし、講演者は、プログラムがよりユーザーフレンドリーになったので、その価値はあったと述べています。その他の課題には、パフォーマンス指標の計算のソリューションを見つけることや、ワークライフ バランスを維持することが含まれます。これらの課題を克服するために、発表者は、図を描く、コーディングの足がかりとしてコメントを書く、休憩を取る、オンライン検索を行う、知識を統合するなどの戦略を推奨しています。発表者はまた、クオンツファイナンスの知識とプログラミングスキルの統合、プロジェクトの最初から最後までの管理に対する自信の獲得、株価予測における機械学習の力の実証など、プロジェクトを通じて得られた成果を強調します。
講演者は、現在のプロジェクトを完了した後の将来のプロジェクトの計画について話し合います。彼らは、さまざまな資産で新しい戦略を研究し、ブログや他の愛好家との交流を通じて知識を広げ、新しい戦略と機械学習モデルを研究し、最終的にはライブ取引で収益性の高い戦略を実装するという意図について言及しています。講演者は、プロジェクトに関するさらなる質問や問い合わせのために連絡先情報を共有します。聴衆は、このプロジェクトで夜更かしした回数や、このプログラムが仮想通貨取引に使用できるかどうかなど、いくつかの質問をします。
プロジェクトに使用されたデータについて、作成者は、2009 年の会社設立以来、毎日のテスラ価格を使用してモデルをトレーニングしたと説明しています。トレーニング プロセスには 5 か月かかり、モデルは数年間テストされました。リスク軽減に関して、作成者は、リスクを軽減するために機械学習モデルでできることはそれほど多くないが、妥当な量の取引を評価して、そのほとんどが確実に利益を上げられるようにしたと述べています。作成者は、価格を予測するための時間枠や、モデルをトレーニングするための高性能 PC の必要性に関する質問にも答えています。
講演者はモデルのトレーニングのプロセスを説明し、裁量システムに対するアルゴリズム取引の利点について説明します。彼らは、GPU のないコンピューターを使用してモデルをトレーニングすることは可能ですが、動作するモデルに到達するまでに数時間かかる可能性があると述べています。ただし、このアプローチに定期的に依存しないようにアドバイスしています。アルゴリズム取引の利点について議論する際、講演者は、ほとんどの取引が利益を上げており、裁量取引と比較して収益性が高いという統計的信頼性を強調しました。最後に講演者は、EPAC プログラムへの期待を表明し、アルゴリズム取引を理解するための基礎と、専門分野を選択するために必要なツールを提供したと述べました。
次に、2 人目の講演者であるインド出身の Usual Agrawal が定量トレーダー兼ビジネスオーナーとして紹介されます。アグラワル氏は、過去 4 年間インド市場でトレーディングを行った経験と、フルタイムのトレーディングと並行してビジネスを管理する際に直面した課題について語ります。これらの課題を克服するために、Agrawal は EPAT コースと Quantum City チームからの無条件サポートの助けを借りて取引設定を自動化することにしました。 Agrawal 氏はプレゼンテーションの中で、「日中ストラドル」と呼ばれる完全に自動化された取引セットアップを紹介します。これは、相関関係のないセットアップを組み合わせて、最小限のドローダウンでまともなリターンを生み出すものです。彼らは、データ収集、バックテスト、フロントテスト、展開、取引戦略のパフォーマンス評価に対するアプローチについて話し合います。
プレゼンテーション中、講演者はデイトレード戦略のバックテストに使用されるデータ、システム、パラメーターの詳細を詳しく説明します。彼らの戦略には、1 分の時間枠を使用して、ニフティとバンク ニフティの先物およびオプション データのストラドルとストラングルを作成することが含まれます。講演者は2019年3月から2021年3月までの2年分のデータを使用し、低ボラティリティ期間と新型コロナウイルス感染症のパンデミックの両方をカバーした。バックテストに使用されるさまざまなクラスと、ストップロスレベルの変動を含むテストされるパラメーターについて説明します。最後に、講演者はバックテスト プロセスの結果を発表します。
プレゼンターは、デイトレード戦略のバックテストとフロントテストの結果について議論を続けます。バックテスト段階で、年間リターン 52.9% に相当する 31 万 5000 万の純利益を達成しました。ヒット率は通常と正規化の両方で計算され、後者の方がより現実的な状況が得られます。シャープ レシオは 3.78 と決定され、資本曲線は 3 か月単純移動平均から十分にサポートされました。しかし、最初のテスト段階では、この戦略は期待どおりに機能せず、11 か月で 70,000 ルピーしか稼げませんでした。これは、年間利益 25% に相当します。資本曲線は平坦なままであり、この戦略が現在うまく機能していない可能性があり、さらなる分析が必要であることを示しています。発表者はまた、データ収集中に発生した大きな困難について、プロジェクト全体で直面した主な課題と学んだ教訓についても共有します。
講演者は、デイトレード戦略を開発する際に遭遇したいくつかの課題について説明します。大きな障害の 1 つは、信頼できる日中オプション データを入手することであり、そのためサードパーティ ベンダーからデータを購入する必要がありました。もう 1 つの課題は、過去 2 年間のデータのみに焦点を当てたため、戦略の全体的なパフォーマンスを正確に表していない可能性があるため、潜在的なサンプリング バイアスでした。さらに、講演者は、多くのトレーダーが同様の戦略を採用しており、市場が過密状態になっている影響があると指摘しています。講演者は、カスタム調整を可能にして独自に戦略を開発するという決定について説明します。最後に、戦略の継続的な評価と、効率を向上させるために戦略を多様化する取り組みが強調されています。
講演者は、プログラムが手動で実行されるのかクラウドプラットフォームを使用して自動化されるのか、ストラドルを売るための銘柄をどのように選択したか、プレミアムに対する一般的なストップロス距離など、聴衆の質問に答えます。この戦略は、流動性の問題によりニフティ インデックスとバンク ニフティ インデックスにのみ適用され、講演者は試行錯誤を通じてデータをクリーンアップし、形式の変更を修正し、データ エラーのある日を削除します。
講演者は、デイトレード戦略に関連する 2 つの追加の質問に答えます。彼らは、テストに使用されるストップロスのパーセンテージと、コンピューターエンジニアリングの背景がないにもかかわらずプログラミングで直面した課題について話し合います。彼らは、EPAT プログラムと Quadency からの指導の助けを借りて、これらの課題をどのように克服したかについて説明します。さらに講演者は、クオンツトレーダーやアルゴリズムトレーダーを目指す人たちにアドバイスを提供し、実際にトレーディング戦略を適用する際には注意を払い、適切なリスク管理を実施することの重要性を強調しています。
講演者は、取引戦略を多様化することの重要性と、それが他の戦略が好調を維持している間にある戦略のドローダウン局面を乗り切るのにどのように役立つかを強調します。彼らは、各戦略を徹底的にテストし、時間をかけてそのニュアンスを学び、それらを効果的に組み合わせる必要性を強調しています。セッション中に共有される情報は取引アドバイスを目的としたものではないことに注意することが重要です。
主催者は、プロジェクトと経験を共有してくれた講演者の Visual に感謝の意を表してウェビナーを終了します。彼らは、セッションの録画が YouTube チャンネルで利用可能になること、および議論された戦略に関連する必要なコードと GitHub リンクを含む電子メールを参加者が受け取ることを視聴者に通知します。主催者は、今後数か月間でさらに興味深いセッションを主催し、聴衆の知識と理解をさらに深めることを楽しみにしています。
このウェビナーでは、毎日の株価の予測とデイトレード戦略の自動化に関する貴重な洞察が得られました。 Renato Otto による最初のプレゼンテーションでは、ランダム フォレスト分類器、テクニカル指標、センチメント データを使用して株価を予測することに焦点を当てました。 Usual Agrawal による 2 番目のプレゼンテーションでは、相関関係のないセットアップを組み合わせて最小限のドローダウンでリターンを生み出す、完全に自動化された取引セットアップ「イントラデイ ストラドル」を紹介しました。両プレゼンターはそれぞれの課題、成果、学びを共有し、聴衆に貴重な教訓を提供しました。このウェビナーは、取引における機械学習と自然言語処理の力を探求するためのプラットフォームとして機能し、アルゴリズム取引のエキサイティングな世界を垣間見ることができました。
価格設定モデルと動的な資産配分の実装: アルゴ取引プロジェクト ウェビナー
価格設定モデルと動的な資産配分の実装: アルゴ取引プロジェクト ウェビナー
ウェビナーでは、プレゼンターが最初の講演者として、ロシア出身のシニア定量アナリスト、エフゲニー・テシキン氏を紹介します。 Teshkin は、市場体制に適応するカルマン フィルターを使用した価格設定モデルの実装に関するプロジェクトを紹介します。同氏は、このプロジェクトは、戦略開発の作成においてオンライン機械学習の定量的手法をどのように使用するかを示す教育的な例として機能すると説明しています。
Teshkin 氏は、オンライン学習技術の利点を強調します。これにより、より深い自動化とリアルタイム取引が可能になり、従来のモデルの再トレーニングよりも効率的になります。彼のプロジェクトの主な目的は、Facebook、Apple、Netflix、Google、Amazon、Microsoft などの企業を含む米国株式市場の大手テクノロジーセクターに特に焦点を当て、単純なセクター投資を改善するトレーディング戦略を作成することです。
講演者は続けて、アルゴ取引プロジェクトの価格設定モデルと動的な資産配分を実装するために使用したアプローチについて説明します。同氏は、ロングのみのポジションに対して統計的かつ定量的な手法を採用し、エントリーポイントとエグジットポイントを選択し、セクター内の他の銘柄と比較して割安または割高な価格を判断したと説明した。
これを達成するために、Teshkin は線形回帰、主成分分析 (PCA)、カルマン フィルターなどのさまざまなモデルを利用しました。これらのモデルは、残差を計算し、セクター内の相関銘柄間の統計的線形スプレッドの最適な係数を見つけるのに役立ちました。彼は相対価値の重要性を強調し、オンライン学習アプローチでは株価や歯科医師の指標などのインプットを考慮して 1 年間のルックバック ウィンドウを使用したと説明しました。
講演者は、アルゴ取引プロジェクトでデータ分析の問題に対処するために採用したさまざまなモデルを詳しく掘り下げています。彼は、正規直交非相関分散成分の抽出、カルマン フィルター、隠れマルコフ モデルなどの手法の使用について言及しています。彼は、これらのモデルがどのように自分のアプローチに組み込まれたかを説明し、さらなる学習のためのリソースを提供します。さらに、彼はプロジェクトの結果について話し合い、収益性の高いポジションを増やすために利用したいくつかのトリックを共有します。
次に、講演者は、単純な一日の終わりの相場とデルタに基づいて株式を売買することで、どのようにして市場に勝つことができたかについて説明します。同氏は、この戦略に伴うリスクは、オンラインの相対価格手法によって決定される複数のエントリーとエグジットを使用することで克服されたと説明しています。彼は、自動化されたリアルタイム価格設定モデルを構築するためのオンライン機械学習の使用とともに、エントリーとエグジットを決定するための株式相対価格設定の概念を探求しています。
講演者は聴衆にオンラインでプロジェクトを探索することを奨励し、コードをダウンロードしてさらに質問があれば問い合わせる機会を提供します。また、ウェビナーは録画され、プレゼンテーション ファイルと関連リンクとともに YouTube チャンネルで公開されることにも言及しています。セッション中、講演者は聴衆と対話し、アルゴ取引コンテストへの参加に関する質問に答え、提示された結果が実際の取引によるものなのか、それとも単なるバックテストによるものなのかを明らかにします。
プレゼンテーションの後、ウェビナーのプレゼンターは、アルゴ取引プロジェクトに関する視聴者からのいくつかの質問に答えます。これらは、最適な相関関係のための線形回帰の使用、最適化された取引戦略と比較したバイアンドホールド戦略のパフォーマンス、統計モデルへの隠れた状態の組み込みなどのトピックをカバーしています。プレゼンターは洞察力に富んだ回答を提供し、プロジェクトの詳細を詳しく説明し、アプローチの背後にある意思決定を説明します。
その後、ウェビナーは次のプロジェクトの紹介に移ります。このプロジェクトでは、ニューラル ネットワークを使用した動的な資産割り当てに焦点を当てます。講演者は、彼らのプロジェクトは、手動介入を最小限に抑えながら銀行株の「今日買って明日売る」戦略のための自動システムを構築することを目的としていると説明しました。彼らは、気の利いた銀行株の過去のデータに基づいてトレーニングされた深層学習モデルの使用を強調しながら、プロジェクトのモデル開発、戦略の実装、リスク管理の側面について話し合います。
講演者は、さまざまなモデルからの出力を組み合わせて各銘柄の期待収益を決定する戦略について詳しく説明します。この比率に基づき、資金を各銘柄に分配します。プロジェクトのリスク管理部分では、取引コストや自動化などの問題を扱います。講演者は、取引アルゴリズムにおけるリスクを効果的に管理することの重要性を強調しました。
次に、講演者は戦略、リスク管理、取引アルゴリズムの開発中に直面する課題についてさらに洞察を提供します。彼らは、確率的リターン モデルとリターン モデルの両方に対する収束アーキテクチャの実装について説明しています。この戦略では、各株式の期待収益を計算し、それを収益のボラティリティで割って比率を取得します。その後、利用可能な資金がプラスの比率の株式に比例して割り当てられ、ポートフォリオは予想される損失に比例して売却されます。アルゴリズムは継続的に更新され、リスクを軽減するためにストップロスメカニズムが適用されます。講演者は、更新プロセスの自動化における課題を認め、最適な売買価格を決定するための市場微細構造戦略が存在しないことに言及しました。
講演者は、バックテストの取り組みの結果と、モデルに最も適した 20 日間の組み合わせの選択について話し続けます。また、銀行株のテキストニューススコアの統合や、さらなる自動化のための Android アプリベースのソリューションの開発など、プロジェクトの今後のステップについても言及しています。聴衆には質問する機会があり、バックテストの結果やモデルでのストップロスメカニズムの使用などのトピックについてのディスカッションにつながります。講演者は、バックテストの結果が適切であり、特定の期間にわたって約 5% のパターンが得られたと共有しました。また、過去 6 か月間で 10% 近い収益が得られたベータ テスト段階についても言及しています。
ストップロスの導入に関する聴衆の質問に答えて、講演者は、各銘柄の投資価値当たりポートフォリオ価値の 5% のストップロスを組み込んでいると説明しました。株式の損失が投資額の 5% に達すると、その株式はポートフォリオから自動的に削除され、最大損失が 5% に制限されます。講演者はさらに、単純なバイ・アンド・ホールド戦略と比較した動的な資産配分のパフォーマンスに関する質問にも答えます。彼らは、ニフティ銀行に対するベンチマークが 5% 近いリターンという妥当なパフォーマンスを示したことを強調しています。講演者はまた、市場全体の状況を反映しているため銀行セクターに焦点を当てる決定を説明し、機械学習の背景がプロジェクトのスキルアップを促進したと述べました。
プロジェクトのプレゼンテーションの後、参加者は EPAT での前向きな経験を共有し、理論的な学習と実践的な実装の観点から EPAT の価値を強調しました。彼らは、オプションと先物の価格設定を数学的に理解できたことに感謝の意を表し、貴重な指導を提供したプログラムのサポート システムと専任のパフォーマンス マネージャーを称賛しました。このコースは困難なものでしたが、参加者はそれが個人的および職業上の成長にとって不可欠であると信じていました。これらは、意欲的なトレーダーが徐々に取引業務に熟達するにつれて、現在の強みを超えて知識を探索し拡大することを奨励します。
最後の部分では、講演者は、獲得した知識を現実のシナリオにできるだけ早く適用することの重要性を強調します。彼らは、毎日の取引実験に iPad コースを活用し、継続的な学習と成長を促進することを推奨しています。ウェビナーは、講演者と聴衆に感謝の意を表し、今後のウェビナーのトピックの提案を求めて終了します。
Ishan Shah と Rekhit Pachanekar によるトレーディングにおける機械学習の適用 |アルゴ取引週 7 日目
Ishan Shah と Rekhit Pachanekar によるトレーディングにおける機械学習の適用 |アルゴ取引週 7 日目
ウェビナーのプレゼンターである Ishan Shah と Rekhit Pachanekar は、まず自己紹介をし、アルゴ取引週の最終日に対する興奮を表明します。彼らはアルゴ取引コンテストの勝者を発表し、その功績を讃えます。彼らは、その日のプレゼンテーションの焦点は機械学習とトレーディングにおけるその応用にあると述べています。また、プレゼンテーションの最後に質疑応答セッションがあることも聴衆に通知します。
Rekhit Pachanekar が率先してウェビナーを開始し、機械学習の基本について詳しく説明します。彼は画像認識を例として、機械学習によってアルゴリズムがデータから学習し、大規模なプログラミングを行わずに意思決定を行う方法を説明しています。次に、トレードと投資、特に給与、職業、地域などのさまざまなデータポイントに基づいてパーソナライズされた投資ポートフォリオを作成する際の機械学習の役割について説明します。機械学習は、ポートフォリオ内の資産に重みを割り当て、取引戦略の開発にも役立ちます。パチャネカール氏は、ヘッジファンド、年金基金、投資信託が投資や取引の意思決定に利用している機械学習の速度とデータ分析機能を強調しています。
今後は、Ishan Shah と Rekhit Pachanekar が、取引用の機械学習モデルの構築に含まれる 7 つのステップを詳しく掘り下げます。彼らは、個人の小売トレーダーでも機械学習テクノロジーを活用して独自の取引戦略を作成できることを強調しています。彼らが議論する最初のステップは、問題ステートメントを定義することです。問題ステートメントは、プラスのリターンを求める一般的な願望から、JP モルガンなどの特定の銘柄に投資する適切な時期の決定など、より具体的な目標まで多岐にわたります。 2 番目のステップでは、高品質のデータを取得し、値の欠落や重複、外れ値がないことを確認します。発表者は、正確な機械学習モデルを構築する際のデータ品質の重要性を強調します。
Shah と Pachanekar は、取引における機械学習モデルの入力変数と出力変数を選択するプロセスについて説明します。これらは、株式の将来の利益を表す出力変数、またはターゲット変数を強調表示します。彼らは、信号変数には、将来のリターンが正であると予測される場合には 1 の値が割り当てられ、負であると予測される場合には 0 が割り当てられると述べています。入力変数または特徴は、予測能力を備え、定常性の要件を満たしている必要があります。つまり、入力変数または特徴は、平均および一定の分散を示す必要があります。彼らは、始値、安値、高値、終値などの変数は定常ではなく、入力特徴として使用できないことを強調しています。
次に、発表者は取引における機械学習モデルの入力特徴の選択について話し合います。彼らは、定常入力特徴の必要性を説明し、さまざまな期間の変化率の値を使用することでこれを実現します。また、入力変数間の相関を回避することの重要性を強調し、相関ヒート マップを使用して相関性の高い特徴を特定して排除することを実証しています。入力特徴の最終的な選択には、さまざまな期間の変化率の値、RSI (相対強度指数)、相関関係が含まれます。モデルをライブ取引に使用する前に、データセットをトレーニング セットとテスト セットに分割してパフォーマンスを評価しました。
講演者は、機械学習モデルで使用されるデータセットの品質と関連性を確保することの重要性を強調しました。彼らは意思決定ツリーの概念を紹介し、株式や資産の購入に関する参加者の個人的な意思決定プロセスについて質問し、テクニカル指標から友人からの推奨に至るまでの反応について言及します。彼らは、そのような機能を使用する際には、個人的な経験に基づいた意思決定のためのメンタル モデルを確立する必要があると主張しています。彼らは、過剰適合の問題を克服する方法としてランダム フォレストを紹介し、決定木の基礎としてベイジアン ツリーを使用することを説明しています。
Shah と Pachanekar は、機械学習アルゴリズム、特にデシジョン ツリーを利用して取引のルールを作成する方法を説明します。これらのルールには、ADX (平均方向性指数) や RSI などのテクニカル指標が組み込まれており、トレーダーは事前定義された条件に基づいて意思決定を行うことができます。これらのルールが運だけに基づいていないことを保証するために、発表者はランダム フォレストの概念を導入します。彼らは、ランダム フォレストが複数のデシジョン ツリーを組み合わせて、より一般化された信頼性の高い取引戦略を作成すると説明しています。ランダム フォレストは、ツリーごとに特徴のサブセットをランダムに選択することで、過剰適合の可能性を減らし、より正確な予測を提供します。発表者は、推定器の数、最大特徴、ツリーの最大深度など、ランダム フォレスト アルゴリズムに必要なさまざまなパラメーターについて説明します。
次に、プレゼンターは、取引に機械学習を適用するためのランダム フォレスト分類器の実装を詳しく掘り下げます。彼らは、過剰適合を回避し、一貫した出力を確保するために、決定木の深さを制御し、特徴をランダムに選択することの重要性を強調しています。ランダム フォレスト分類器は、入力特徴と予想される出力からルールを学習し、それを使用して目に見えないデータを予測します。また、モデルのパフォーマンスはさまざまな指標を使用して測定できるとも述べています。
次に、発表者は、機械学習モデルの推奨事項に基づいてリアルマネー投資を行う前に、機械学習モデルの有効性を評価することの重要性について議論します。彼らは、モデルの予測が実際の市場の結果と一致しているかどうかを検証する精度の概念を導入しています。彼らは、モデルの精度が通常 50% から 60% の範囲であることを強調し、高い精度率が良好な結果を保証するものではないことを警告しています。彼らは、混同行列を使用して実際のラベルと予測されたラベルを比較し、適合率、再現率、F1 スコアなどのパフォーマンス指標を計算してモデルのパフォーマンスを評価することを提案しています。
モデルの精度については徹底的に議論し、アンケートを実施して精度を確立したところ、その精度は60%と算出されました。ただし、ラベルごとにチェックすると、長い信号の精度は 33% に低下します。このため、全体的な精度の向上によって収益性の高い取引モデルが得られるかどうかという疑問が生じます。発表者らは、市場予測におけるモデルの有効性を決定する上で精度が重要な要素であることを強調しています。彼らは、全体的な精度が高いことが必ずしも収益性につながるわけではなく、他の要素を考慮する必要があると指摘しています。
その後、シャーとパチャネカールは、精度、再現率、F1 スコアなど、取引モデルのパフォーマンスを評価するために使用されるさまざまな指標について議論することに焦点を移します。彼らは、リコールは不均衡なデータの問題を解決するのに役立ちますが、それを単独で使用すると信頼性の低い指標になる可能性があると指摘しています。代わりに、精度と再現率の組み合わせを使用して F1 スコアを計算することを推奨しています。これにより、モデルのパフォーマンスのより包括的な評価が得られます。彼らは、現実世界の取引シナリオでの有効性を確認するためにモデルをバックテストすることの重要性を強調し、モデルの過剰適合に注意します。
発表者は、現実世界の設定における過剰適合の懸念に対処し、使用される特定の機械学習モデルに基づいてそれに対処する戦略を提案します。彼らは、モデルのパラメーターを理解し、特徴の数を制限し、機械学習モデルの種類ごとに異なるハイパーパラメーターに取り組むことの重要性を強調しています。彼らは、実世界のデータを加工せずに使用することの重要性を強調しています。さらに、リスク管理における機械学習の可能性など、シグナルの生成を超えたトレーディングにおける機械学習の応用についても議論します。また、市場で収益性の高い機会を特定するためのクラスタリング アルゴリズムの使用についても触れています。
Ishan Shah と Rekhit Pachanekar は、トレーディングにおける機械学習の使用、特に人間にとって識別するのが難しい複雑なパターンの解読における利点について議論してウェビナーを締めくくりました。彼らは、アルファ識別プロセスの補完ツールとして機械学習を使用することを提案しています。セッションは、発表者がアルゴ取引週間の講演者と参加者に感謝の意を表し、未回答の質問があればアンケートで提出するよう呼びかけて終了します。