講演者は、速度と利便性のために価格設定や基本的なデータのみに依存するのではなく、アルファを生成するために代替データを利用することの重要性を強調しています。また、リスク モデルで考慮されるものはすべて後者とみなされ、アルファ版と安価なベータ版を区別する必要性も強調しています。オーバーフィッティングを軽減する際の k 分割相互検証の限界について議論され、講演者はより信頼性の高いアプローチとして真のサンプル外テストを推奨しています。最後に講演者は、将来を予測するためのデータセットの選択について洞察を持ち、従来の手法とは異なるアプローチを模索することの重要性を強調しました。
The process of strategy development is that of turning ideas into money. There are numerous steps in between, many of which are unknown to people entering in...
Presented by Dr. Jess StauthDr Jess Stauth, VP of Quant Strategy at Quantopian, former quant research analyst at StarMine, and former director of quant produ...
00:50:00スピーカーはクオンツ取引ですべきこととしてはいけないことについて話し合います。同氏は、トレーディング戦略で利益が得られない場合は、ポートフォリオのノイズになるまでレバレッジを下げる必要があると強調しています。講演者は、物理学や工学と同様に、トレーディングにおけるパターンや現象を探すことの重要性を強調しています。初心者として、彼は競争上の優位性を特定し、補完的なスキルを持つ人と提携することを推奨しています。次に、講演者は ML アルゴリズムでより多くのデータを使用することを検討し、データが多いほど必ずしも良いとは限らないと説明し、バギングを使用して履歴をさらに拡張せずにデータをシミュレートすることを提案します。最後に講演者は、たとえ利益が減少し始めたとしても、資金を失わずに戦略を実行し続けることができるため、より優れたリスク管理が重要であると述べています。
00:55:00アーニー・チャンがクオンツ取引に関する視聴者からの質問に答えます。同氏は、金融デリバティブの構築は専門知識を持つ者にとっては良い機会だが、ニッチな分野を模索する必要があると示唆している。同氏は、株式データのバックテストに Crisp Data と Tech Data を使用することを推奨していますが、優れたデータには高いコストがかかると警告しています。 Chan 氏はまた、現在の環境における効果的な戦略としてモメンタム トレーディングとリスク パリティについても説明し、Python がこの分野で始めるのに適したオープンソースであることを示唆しています。
The best advice on how to thrive, or at least survive, in the increasingly competitive world of quantitative trading. Topics include optimal leverage, perfor...
ヴォイコ氏が強調する重要な側面の1つは、学術研究、特に債券や商品などあまりカバーされていない資産クラスにおける盲点の存在である。これらの盲点は、新しいアルファ源を発見する機会を提供し、トレーダーはそれを活用できます。 P ハッキングやレプリケーションなどの問題に対処するために、Vojtko 氏は厳密なテストとモメンタム匿名化技術の使用を推奨しています。
00:50:00ビデオのこのセクションでは、スピーカーが視聴者からの質問に答え、定量的取引戦略を見つけるためのリソースを推奨します。彼らは、ウェブサイト Social Science Network をチェックすることを提案しています。これは社会科学の研究論文のリポジトリであり、ペア取引やモメンタム取引などのキーワードで検索できます。講演者はまた、自分の Web サイトである Quantpedia を推奨しています。この Web サイトには、60 以上のよく知られた戦略を掲載した無料セクションと、よりユニークな戦略を掲載したプレミアム セクションがあります。初心者がどの戦略から始めるべきかと尋ねられたとき、講演者は、EPS での資産コストの選択とモメンタム戦略に注目することを提案しました。ベータ崩壊を計算する場合、講演者は、出版物で言及されている学術論文を参照するか、アルファ崩壊に関する学術論文を Google 検索することを推奨しています。
00:55:00このセクションでは、講演者はクオンツ ファイナンスに推奨されるプログラミング言語について説明し、オンラインで利用できる言語は多数あり、最終的には個人の好みになると述べています。彼らは、約 50 人のバックテスターへのリンクがいくつかある Web サイトへのリンクを提供しています。彼らは個人的に Python を好みますが、他のものも同様に有効であることに注意しています。彼らは、使いやすい言語を選択し、Tradestation、Ninjatrader、Ami Broker などの提供されたソースから事前に構築されたソリューションを使用して取引やテストを開始することを提案しています。さらに講演者は、アルゴリズム取引を成功させるには金融とテクノロジーのスキルを融合する必要があり、両方の分野で個人を訓練するための教育プログラムを提供していると述べました。
In this informative video on Quantitative Finance, Radovan Vojtko provides a comprehensive quantitative trading tutorial on the classification of quantitativ...
00:15:00 Dave Bergstrom が、どのようにしてプログラミングを学んだのか、そしてなぜプログラミングを超大国とみなすのかについて説明します。 Excel では高頻度取引に関わるデータ量を処理できないことに気づき、トレーナー アシスタントの役割からトレード デスクの役割に昇進したいと考え、プログラミングを学びました。バーグストロム氏は、利益が非対称でリスクが最小限に抑えられるため、プログラミングは誰でもできる最良の取引であると考えています。彼は、プログラミングの学習を検討している人には、さまざまなリソースを調べ、熱心に取り組み、プロセスをスピードアップするために質問に答えられる人を見つけるようにアドバイスしています。
00:20:00 Dave Bergstrom は、トレードとプログラムの方法を学ぶ際に複数のリソースを探すことの重要性について語ります。彼はプログラミングに Stack Exchange を使用することを推奨し、Python、C++、Java などの複数の言語を学習することを提案しています。自身の取引アプローチについて尋ねられたバーグストロム氏は、自分がデータマイナーであることを認め、市場にはデータ分析を通じて発見されるのを待っているエッジがたくさんあると信じています。データマイニングを過剰適合とみなす人もいるかもしれないが、過剰適合や過剰最適化を防ぐ措置を講じている限り、データマイニングは有用なツールであると同氏は主張する。
00:25:00 Dave Bergstrom は、データ マイニングと、特定の基準に基づいて収益性の高い戦略を検索するフィットネス関数を使用して、トレーディングでエッジを見つける方法について語ります。同氏は、最小取引数や相互検証などのテクニックを使用してカーブフィッティングを防ぐことの重要性を強調しています。また、エッジとはポジティブな期待を持つものであり、データ分析を通じて特定できると説明しています。最終的には、既存の仮説に基づいていない場合でも、収益性の高い戦略を模索しますが、それが論理的に意味がある場合は、その戦略にさらに自信を持ちます。
00:30:00 Dave Bergstrom は、戦略をテストする際に多数の取引を行うことの重要性について説明します。また、カーブ フィッティングのリスクと、ルックバック期間を使用してパラメーターを最適化しないことでリスクを回避する方法についても言及しています。代わりに、彼はメジャーをカウントするなどのノンパラメトリック指標を使用することを好みます。また、市場の行動を理解する際には、出来高やボラティリティだけでなく、市場体制の重要性も強調しています。さらに、彼はツイッターに投稿した強力なグラフについて説明し、現実的な期待を持ち、取引システムへの資金の過小配分を避けるためにモンテカルロ分析を使用することの重要性を示しています。
00:45:00 Dave Bergstrom は、トレーディング戦略における市場全体の堅牢性の重要性について説明します。彼は、複数の市場で機能する戦略を作成することは良いアプローチであると信じていますが、十分な取引を生み出さないものは避ける傾向があります。取引コストがトレーディング戦略にどのような影響を与えるのか、各取引でより多くの利益を求めることが有益なのかと尋ねられたとき、バーグストロム氏は、戦略によって取引コストが発生することはなく、おそらく利益を生み出すこともない、幸せな中間状態が達成可能であると信じています。千回の取引でも。話は変わりますが、バーグストロム氏は、HFT（高頻度取引）は誤解されており、人々がスケープゴートを探しているために悪い評判で描かれることが多いと主張しています。彼は、HFT は有益であり、略奪的なものではないと信じています。
00:50:00 Dave Bergstrom は、競争と戦略の暴露により実行がますます困難になっているため、高頻度取引が衰退する可能性があることについて語ります。その原因が市場参加者が多すぎるためなのか、それとも高頻度取引に必要な両面市場をサポートしていないFRBや他の中央銀行が策定した金融政策によるのかについては議論がある。 Bergstrom は、ユーザーがシグナルのリストから選択し、終了基準と適合関数に基づいてさまざまな戦略を検索できるようにする Build Alpha と呼ばれるソフトウェア パッケージに取り組んでいます。次に、最適な戦略を見つけて、それぞれの取引可能なコードを生成し、ポートフォリオの作成とその分析を可能にします。 Build Alpha の Web サイトは buildalpha.com で、ユーザーは David@buildalpha.com または Twitter @Deeper_DB で Dave に連絡できます。
EP 103: Escaping randomness, and turning to data for an edge w/ Dave BergstromOn this episode, I’m joined by a quant trader who works at a high frequency tra...
Download: Which programming language for quant and HFT tradingI will be forwarding all newbies with questions to this video and Powerpoint PPT http://quantla...
Max Margenot 氏による「基本的な統計的アービトラージ: ペア取引の背後にある数学を理解する」というタイトルのビデオでは、統計的アービトラージの概念が徹底的に説明されています。マルジェノ氏は、統計的裁定取引には、統計分析を通じて特定された不均衡と、市場がどのように行動すべきかのモデルに基づいて取引を作成することがどのように含まれるかを説明します。このビデオは、定常性、積分順序、共和分などの基本的な統計概念に依存するペア取引に焦点を当てています。
This talk was given by Max Margenot at the Quantopian Meetup in Santa Clara on July 17th, 2017. To learn more about Quantopian, visit: https://www.quantopian...
このビデオでは、金融および高頻度取引 (HFT) における C++ プログラミングの使用の包括的な概要を提供し、この分野のさまざまな側面についての貴重な洞察を提供します。まず、書籍『実践 C++ 金融プログラミング』について説明し、金融業界におけるその重要性を強調します。この本は債券などの重要なトピックをカバーしており、よく構造化されたコードセクションで実践的な例を提供しています。 C++ プログラミングにある程度慣れていることを前提としており、C++ テンプレートを効果的に活用するためのガイダンスを提供します。講演者は、STL およびブースト ライブラリの適切な利用に加えて、プロット用の New プロットやインターフェイス設計用の QT などのオープン ソース ライブラリの使用を強調しました。
ビデオが進むにつれて、Python および Lua と C++ の統合に焦点を当て、C++ アプリケーション内での埋め込み機能を活用して、Lua を Redis で効果的に使用する方法を紹介します。 Plaza を使用したマルチスレッドや C++ 11 および 14 機能の利用など、さまざまな C++ テクニックについても説明します。このビデオは、C++ プログラミングに挑戦する個人にとって優れた入門リソースとして機能し、この言語に関連するメモリ管理の課題のいくつかに対処します。これは、ユーザーが利用できる幅広いオプションとテクニックを網羅した、C++ プログラミングを学習するための包括的なロードマップを提供します。
最後に講演者は、金融および高頻度取引アプリケーション向けの C++ プログラミングに関する最近出版された本について肯定的なレビューを共有しています。この本は、低レベルのハードウェアの問題に対処する C++ 17 で導入された新機能を特に取り上げており、この専門分野に興味がある人にとって貴重なリソースとなっています。講演者はこの本とは無関係であることを認めていますが、この分野の既存のリソースへの貴重な追加物としてこの本を強く推奨しています。
00:00:00講演者は、金融業界における C++ の重要性に焦点を当てて、書籍『実践 C++ 金融プログラミング』の概要を説明します。この本は債券株式をカバーしており、コードをセクションに分割した便利な形式で例を提供しています。この本は、読者が C++ に慣れていることを前提としており、STL およびブースト ライブラリの正しい使用方法を強調するとともに、C++ テンプレートを効率的に使用する方法についてのガイダンスを提供します。講演者はまた、プロット用の New プロットやインターフェイス設計用の QT などのオープンソース ライブラリの使用についても触れています。
00:05:00このビデオでは、C++ でユーザー インターフェイスを開発するためのツールである QT の使用について説明します。 QT は洗練されたグラフィカル ユーザー インターフェイスの作成に役立ちますが、従来の C++ 手法から脱却します。その後、ビデオは線形代数、内挿、数値積分などの数学的なトピックに移ります。これらはすべて、理解しやすいように基本的なアルゴリズムと方程式に分類されています。このビデオでは、一般的なアルゴリズムとモデリング手法、およびそれらを C++ で実装する方法についても説明しています。この本には、金融アプリケーションにとって重要なモンテカルロに関する章が含まれています。最後に、ビデオでは金融ライブラリを拡張するための Lua と Python の使用、および HFT の職種で最も人気のある言語について説明します。
00:10:00このビデオでは、Python および Lua と C++ の統合と、特に C++ アプリケーションに埋め込む機能により、Lua を Redis で使用する方法について説明しています。このビデオでは、Plaza を使用したマルチスレッドや C++ 11 および 14 機能の使用など、さまざまな C++ テクニックについても説明します。このビデオは、C++ プログラミングに移行しようとしている人にとって優れた入門書として機能し、C++ に関連するメモリ管理の課題のいくつかも取り上げています。全体として、このビデオは C++ プログラミングを学習するための優れたロードマップを提供し、ユーザーが利用できるさまざまなオプションやテクニックをカバーしています。
00:15:00講演者は、金融および高頻度取引アプリケーション向けの C++ プログラミングに関する新しい本を肯定的にレビューします。この本では、低レベルのハードウェアに対応する C++ 17 の新機能について説明しており、この分野に興味がある人にとって貴重なリソースとなっています。講演者はこの本を強く推奨しており、自分はその本とは何の関係もないが、この分野への素晴らしい追加であると感じていることを強調しました。
In this video, we discuss what algorithmic trading is and provide an example with actual code for a very basic trading algorithm. Also discussed are the adva...
アイデアからアルゴリズムへ: 定量的取引戦略開発の背後にある完全なワークフロー
アイデアからアルゴリズムへ: 定量的取引戦略開発の背後にある完全なワークフロー
この包括的なビデオでは、デラニー マッケンジーが、クオンツ トレーダーがトレーディング戦略を策定する際に従うワークフローの詳細な概要を提供します。講演者は、仮説から始めて過去のデータを活用して、情報に基づいた将来の予測を行うことが重要な役割を果たしていると強調します。このプロセスには、他のモデルからの独立性を維持しながら、将来の収益との歴史的な相関関係を確保するための取引モデルの継続的な改良と探索が含まれます。
重要な目的の 1 つは、さまざまなリスク制約を遵守しながら、期待収益を最大化するポートフォリオを設計することです。これを達成するには、モデルを実際にデプロイしてスケールアップする前に、少額の資本でモデルをテストすることの重要性を講演者は強調します。さらに、代替データ ソースを組み込み、リスク管理手法を採用することを強くお勧めします。
このビデオでは、トレーディング戦略開発におけるバックテストの 2 つの段階について詳しく説明しています。 1 つ目はポートフォリオの設計と実行ルールの確立、2 つ目はバックテスト プロセス自体の実装です。講演者は、モデルの予測の完全性を維持するリスクが制限されたポートフォリオを構築することの重要性を強調し、モデルが常に代替投資機会を上回るパフォーマンスを示した場合にのみ次の段階に進むようアドバイスします。さらに、講演者は、既存のモデルの焼き直しに依存するのではなく、新しい可能性の探求を奨励します。
デラニー・マッケンジーは、資産の選択とタイミングを導くための経済仮説の策定を含むトレーディング戦略開発の初期段階について説明します。財務は、仮説に基づいて将来をインテリジェントに予測することで、アイデアを収益性の高い結果に変えることを目的としています。トレーディングで行われるそれぞれの決定は本質的に将来の市場の変化への賭けを表しており、インテリジェントな予測を行うために過去の情報を活用することが重要な役割を果たしていることが強調されています。
講演者は、定量的取引戦略を開発するワークフローについての洞察を提供します。このプロセスは、仮説を立て、サンプルデータを使用してそれを調査することから始まります。仮説を既存のモデルと比較することは改良のために不可欠であり、新しいモデルが価値を実証したら、それを他のサブモデルと組み合わせて予測力を強化することをお勧めします。講演者は、仮説とモデルは単独で存在するものではなく、複数の情報源を組み込んだ集合モデルの方がパフォーマンスが向上する傾向があることを強調しました。さらに、新しいデータでモデルをテストして、その妥当性を確認することが重要です。
講演者は、開発段階での過剰適合を避けるために、目に見えないデータでモデルをテストすることの重要性を強調しました。彼らは、完全な戦略のバックテストが一般的に採用されている一方で、ほとんどの時間はポートフォリオの構築ではなくモデルと予測子の開発に費やされているということを認識することが重要であると指摘しています。したがって、講演者は、実際の市場状況におけるポートフォリオの存続可能性を確認するためのバックテストを実施する前に、取引手数料などの要素を含むポートフォリオの構築と実行の重要性を強調します。さらに講演者は、バックテストの目的はモデルの予測パフォーマンスを評価することだけではなく、モデルの予測に基づいて設計されたポートフォリオが現実世界の状況に耐えられるかどうかを評価することでもあると強調しました。最後に講演者は、効果的な資本展開を確保するために規模を拡大する前に、少額の資本でモデルをテストすることの重要性を強調しました。
将来の収益との歴史的相関関係を確立するための取引モデルの改良と探索、および他のモデルからの独立性について講演者が説明します。このプロセスの後に、定義されたリスク制約内でポートフォリオを構築します。講演者は、モデルの実行によって信号が歪められず、将来の収益との相関関係が損なわれないようにすることの重要性を強調しました。ノートブックの例は、制約が段階的に追加されることを強調するために提供されており、さまざまなリスク条件下でモデルのパフォーマンスを評価できるようになります。このセクションでは、利益を生み出す際の取引モデルの堅牢性と有効性を確保するための徹底的なテストと改良の重要性を強調します。
さまざまなリスク制約を満たしながら、期待リターンを最大化するポートフォリオを設計するプロセスを講演者が解説します。最初は単純な最適化戦略が採用され、資本全体を 1 つの株式に投資することで期待収益を最大化することに重点が置かれ、その後、投資額を制限する制約が導入されます。その後、ポジション集中の制約が追加され、1 つのものへの投資がポートフォリオの一定の割合に制限されます。ポートフォリオ戦略は、セクターのエクスポージャーの制約を組み込むことでさらに洗練されます。講演者は、最終戦略の重みがモデルの将来予測と異なる可能性があるため、リスク制約を考慮しながらポートフォリオを最適化すると複雑さが生じる可能性があることを強調しました。リスク制約がモデリング予測にどのような影響を与えるか、またその制約がポートフォリオ構築に与える影響を理解することが重要です。
講演者は、Quantopian が開発したオープンソース ソフトウェアであるアルファ ラインを使用して、モデルの収益と将来の収益の相関関係を評価するという概念を紹介します。アルファ ラインを使用すると、予測されるユニバースのサイズに関係なく、あらゆるモデルを因子モデルにエンコードできます。 T 日目のモデルの予測と T+1 日目に予測されたすべての資産のリターンとの相関関係を計算することにより、アルファ ラインは、モデルが将来のリターンと一貫して正の相関関係を示すかどうかを判断するのに役立ちます。ただし、講演者は、実際のデータが常に理想的な相関パターンを示すとは限らないことに注意しています。
新しいモデルを既存のモデルと比較することの重要性について、ファクターによって重み付けされ、指定された期間に従ってリバランスされたポートフォリオの収益を調べることに焦点を当てて説明します。講演者は、新しいモデルのポートフォリオ加重リターンを従属変数として、既存モデルのポートフォリオ加重リターンを独立変数として使用して、線形回帰分析を実行することを提案しています。この分析は、新しいモデルと既存のモデルの間の依存関係を評価するのに役立ち、潜在的なアルファ生成についての洞察を提供します。講演者は、リスク管理と分散の重要性を強調します。これは、投資戦略に応じて、各コンポーネントを個別に制限するか、複数のリスクの高いコンポーネントを平均してリスク分散を達成することによって達成できます。
講演者は、トレーディング戦略開発におけるバックテストの 2 つの段階の違いについて説明します。第一段階ではポートフォリオの設計と実行ルールの決定が行われ、第二段階ではバックテストを実施してモデルの予測と将来価格の相関関係を評価します。モデルの完全性を損なうことなくモデルの予測を効果的に組み込む、リスクが制限されたポートフォリオを構築することが重要です。講演者は投資家に対し、バックテストで代替投資機会に対するモデルの優位性を示す実質的な証拠が一貫して得られた場合にのみ、次の段階に進むようアドバイスしている。さらに、講演者は既存モデルの焼き直しに依存しないように警告し、新しいアプローチの厳密な探求を奨励します。
クオンツ取引戦略を開発するための完全なワークフローについて講演者が説明します。このプロセスは、世界の理解、データ分析、または一般的な理解が異なる領域の特定から生じるアイデアの生成から始まります。モデルが開発、テスト、改良されると、既存のモデルと比較され、その独自性と新しいアルファを生成する可能性が判断されます。次のステップには、サンプル外テストの実施、ポートフォリオの構築、およびリスクを制限した最適化シミュレーションの実行が含まれます。最後に、戦略はペーパートレードされるか、スケールアップする前に少額の資金を使用してテストされます。講演者は、価格データだけに頼ると革新的なアイデアを生み出すのに十分な情報が得られることはほとんどなく、新しい洞察を得るには代替データソースを組み込むことが重要であると強調しました。
講演者は、速度と利便性のために価格設定や基本的なデータのみに依存するのではなく、アルファを生成するために代替データを利用することの重要性を強調しています。また、リスク モデルで考慮されるものはすべて後者とみなされ、アルファ版と安価なベータ版を区別する必要性も強調しています。オーバーフィッティングを軽減する際の k 分割相互検証の限界について議論され、講演者はより信頼性の高いアプローチとして真のサンプル外テストを推奨しています。最後に講演者は、将来を予測するためのデータセットの選択について洞察を持ち、従来の手法とは異なるアプローチを模索することの重要性を強調しました。
要約すると、Delaney Mackenzie のビデオは、クオンツトレーダーがトレーディング戦略を開発する際に従うワークフローの包括的な概要を提供します。仮説から始め、取引モデルを改良して調査し、新しいデータでテストし、リスクを抑えたポートフォリオを構築し、徹底したバックテストを実施することの重要性を強調しています。講演者は、代替データの利用、モデルと既存のモデルの比較、およびリスク管理手法の組み込みの重要性を強調します。彼らは、モデルの予測が歴史的に将来の収益と相関しており、他のモデルから独立していることを保証する必要性を強調しています。講演者はまた、実際の展開にスケールアップする前に、少量の資本でモデルをテストすることの重要性を強調しました。
さらに、講演者はポートフォリオの設計と実行ルールの複雑さを掘り下げます。彼らは、さまざまなリスク制約を満たしながら期待収益を最大化する、リスク制約付きポートフォリオを構築するプロセスについて説明します。講演者は、さまざまなリスクシナリオの下でモデルがどのように機能するかを評価するために、ポジション集中やセクターエクスポージャーなどの制約を段階的に追加することを強調しました。彼らは、ポートフォリオの最適化には、収益の最大化とリスクの管理の間のトレードオフが含まれることを強調しています。
講演者は、アルファ ラインの概念と、モデルの収益と将来の収益の間の相関関係を評価する際のアルファ ラインの役割を紹介します。彼らは、アルファ ラインを使用して任意のモデルを因子モデルにエンコードし、将来の収益に対するモデルの予測を評価できるようにする方法を説明しています。講演者は、現実世界のデータが常に一貫した正の相関を示すとは限らないことを認め、相関分析の限界を理解することの重要性を強調しています。
新しいモデルを既存のモデルと比較することは、その有効性を評価するための重要なステップとして強調されます。講演者は、線形回帰分析を使用して、新しいモデルのポートフォリオ加重リターンと既存モデルのリターンの間の依存関係を評価することを提案しています。この比較は、モデルの一意性とアルファを生成する可能性を判断するのに役立ちます。講演者はまた、個々のコンポーネントを制限するか、複数の資産にわたるリスクを分散することによる、ポートフォリオ構築におけるリスク管理と分散の重要性を強調します。
講演者はさらに、トレーディング戦略開発におけるバックテストの 2 段階について強調しました。第 1 段階ではポートフォリオと実行ルールの設計が行われ、第 2 段階では将来の価格に対するモデルの予測を評価するバックテストの実施が行われます。モデルの完全性を損なうことなくモデルの予測を組み込んだ、リスクが制限されたポートフォリオを構築することが重要です。講演者は投資家に対し、このモデルが代替投資機会よりも優れているという一貫した証拠がある場合にのみ第2段階に進むようアドバイスしている。彼らは、既存のモデルの焼き直しに依存しないように警告し、新しいアプローチの検討を奨励しています。
最後に、講演者は定量的取引戦略を開発するための完全なワークフローの概要を説明します。アイデアの生成から始まり、モデルのテスト、改良、既存モデルとの比較を経て進みます。その後、戦略はサンプル外のテスト、ポートフォリオの構築、およびリスクを制限した最適化の対象となります。規模を拡大する前に、戦略はペーパートレードされるか、少額の資本を使用してテストされます。講演者は、新しい洞察を得るために代替データソースを組み込むことの重要性を強調し、アルファ版と安価なベータ版を区別する必要性を強調しました。彼らは、過剰適合を軽減するために真のサンプル外テストを推奨し、将来を予測するためのデータセットの選択を理解することの重要性を強調しています。
結論として、Delaney Mackenzie のビデオは、トレーディング戦略を開発する際にクオンツが従うワークフローを包括的に理解するのに役立ちます。仮説の構築、モデルの改良、新しいデータでのテスト、リスク管理、徹底的なバックテストの重要性が強調されています。講演者は、代替データ ソースの使用、既存のモデルとの比較、新しいアプローチの探求を奨励します。このワークフローに従うことで、クオンツトレーダーは取引戦略の有効性と堅牢性を高めることができます。
Excelワークシートを活用した市場定量分析！ S&P 500 の分析とトレーディングのアイデア
Excelワークシートを活用した市場定量分析！ S&P 500 の分析とトレーディングのアイデア
このビデオでは、S&P 500 を例として、市場定量分析のための Excel ワークシートの使用法を詳しく説明します。 Julie Marchesi は、74 のグループと 40 日間の遡及期間から相関指数を選択するための入力として黄色のボックスを使用して、Excel で相関ワークブックを作成する方法を示します。相関テストでは、過去 40 日間をデータセット内の他のすべての期間と比較し、最も高い相関関係を特定します。相関関係を検証するには、第 2 マーケットを使用して結果を確認し、信頼性の低いデータ ポイントを削除します。相関指数グラフは、時間の経過に伴う相関の変化を視覚的に追跡します。
講演者は、市場定量分析に Excel ワークシートを利用するプロセスを説明し、特に S&P 500 への適用を強調します。過去の遡及期間と相関指数を表すさまざまな線をチャート上に示します。これらのラインを分析することで、講演者は市場に対する偏見を導き出し、将来の傾向を予測します。また、特定の期間における平均変化率を表示するグラフも導入し、有意な相関指標に注目することの重要性を強調しています。講演者は最後に、この分析が S&P 500 市場の現状にどのように適用できるかを実証し、情報に基づいた取引上の意思決定を行う上での潜在的な有用性を強調しました。
S&P 500 分析に関連して、さまざまな市場の確証または矛盾するシグナルを調査することが、次のセクションの焦点です。講演者は、原油が市場の力強い上昇傾向を裏付け、さらなる強気の動きの可能性を示唆している一方で、ユーロとユーロ円は過去20日間で弱気またはマイナスの動きを示していることを強調した。しかし、金は重要な裏付けを提供しません。最近の市場の動きに基づいて、講演者は今後はネガティブなバイアスがかかることを示唆しているが、空売りには警告し、大きな動きをする前に確認を待つことを推奨している。全体として、講演者は、市場には強気のエッジがあるが、短期的には注意を払うことが賢明であると結論付けています。
講演者は、次のセクションで、さまざまな市場にわたる相関テストから得られた結論について説明します。彼らは、今後5日間にS&P500市場が若干不安定になる可能性があると指摘している。過去の分析ではS&P 500の長期的な強気傾向が示されているが、講演者は取引を実行する前に市場の中立的な活動を観察することの重要性を強調した。彼らは、定量分析と感情分析を組み合わせて市場をより深く理解し、さまざまな方法でデータを視覚化する際の Excel ワークシートの有用性を強調することを提案しています。このビデオは、視聴者にこのタイプの取引アプローチを探索し、講演者の Web サイトにアクセスして、日記やライブ取引に関する詳細情報を確認するよう勧めて終わります。
Python でクオンツ株式戦略を構築する
Python でクオンツ株式戦略を構築する
このビデオでは、主な例として Python とアルゴリズム取引プラットフォーム Quantopian を使用したクオンツ株式戦略の構築について詳しく説明しています。講演者はまず自己紹介と、データ分析とクオンツファイナンスの背景を説明します。彼らは、Quantopian は個人投資家がデータにアクセスし、バックテストを利用して株式取引のための独自の定量的戦略を構築できるプラットフォームであると説明しています。当初は懐疑的だったが、講演者は、投資アイデアを発見するために協力するクオンツ科学者、ハッカー、個人投資家のコミュニティを引き付けるというクアントピアンの成功を強調した。彼らはまた、Quantopiaは現在ベンチャー支援によってサポートされており、まだ収益が得られていないが、最終的にはライブ取引を有料サービスとして提供する計画があることにも言及している。
講演者は、Quantopian プラットフォーム上のクラウドソース データとアイデアを通じてクオンツ戦略を構築するという概念を詳しく掘り下げます。彼らは、Quantopian がユーザー間の直接メッセージングを促進し、定量的アルゴリズムを開発するためのつながりとアイデアの共有を促進すると強調しています。ただし、講演者は、ユーザーが必要なすべての価格設定データにアクセスできない可能性があるため、データ制限が戦略を構築する際に課題を引き起こす可能性があることを認めています。さらに、Quantopian は株式のみに焦点を当てており、高頻度または遅延に敏感な取引戦略には適していない可能性があると彼らは指摘しています。
取引プラットフォームの制限について詳しく説明します。講演者は、Quantopian がスキャルピングやマーケットメイクのような低遅延戦略向けに設計されていないことを強調しました。彼らは、価格データソースが証券のユニバースを決定しており、現在その証券ユニバースは数千の国内株式のみで構成されていると述べています。講演者は、GitHub で入手可能なオープンソースの基本スリッページ モデルについて簡単に触れています。将来的にはオプションや先物を含める可能性もありますが、主な焦点は引き続き収益性の高い戦略の提供と収益性統計の透明性の確保です。講演者は、平均回帰、モメンタム、オーバーナイトギャップ、ボラティリティ、ペアリングなど、プラットフォーム上で日常の Python ユーザーが実装する 5 つの基本的なクオンツ戦略を分類します。
さまざまなクオンツ戦略が検討され、特に平均回帰と運動量の相互作用と調整に焦点が当てられます。講演者はバリュエーションや季節性などの人気戦略を強調しており、これらの戦略のデータは Yahoo Finance や Google Finance などのソースからアクセスできます。彼らは、無関係な証券を見つけるためにやみくもにデータをマイニングするなど、ペア取引でよくある落とし穴について警告しています。同じ価値にリンクされた証券を特定し、2 つの資産間のスプレッド分布を観察することの重要性が強調されます。目標は、株式間のスプレッドの逆転を利用することです。
ペア取引とモメンタム取引戦略についてさらに説明し、講演者は Python を使用したペア取引戦略のバックテストの例を示します。ペア取引では 2 つの銘柄間のスプレッドを取引するため、反転の可能性などのリスクが伴います。一方、モメンタム取引では、過去の価格上昇に基づいて株式をランク付けします。プラットフォームからデータを直接ダウンロードすることはできませんが、帯域幅の制約により、ユーザーはバックテストを実行し、約 100 銘柄の限られたユニバース内でライブ取引を行うことができます。
定量的株式戦略としてのバリュエーションの概念が探求されており、過小評価されている株式と過大評価されている株式を識別するために体系的なファンダメンタルズ比率分析が必要です。ただし、このような戦略を実装するには、広範なデータをカバーし、データの正規化、カレンダーの調整、および関連する操作を理解する必要があります。講演者は、ユーザーがインターネットから CSV データを取得できるフェッチャー メソッドを使用してこれらの戦略を実装することを提案しています。講演者はまた、市場センチメントとそれが株価に与える影響の分析を含む、定量的株式戦略としてのセンチメントにも触れています。ただし、この戦略を実装するには、データ分析、正規化、操作についてしっかりと理解する必要があると彼らは警告しています。
クオンツ株式戦略におけるセンチメント指標としての空売り株の使用について説明します。株の空売りは難しくてリスクが高いと認識されており、経験豊富な人だけがそれに取り組む意欲があります。ただし、NASDAQ から入手できる短期金利レベルに関する公開データは、この目的に役立つ可能性があります。講演者は、ショートスクイーズから生じる流動性制約のリスクを強調し、ボラティリティベースのシグナルを使用して、空売りが多いがリスクの低い銘柄を特定することを提案しています。彼らは、空売り者が毎日の平均取引高に基づいてポジションを解くのにかかる日数を表す「カバー日数」シグナルに基づいて株式をランク付けするアルゴリズムを提案しています。この戦略には、空売りが最も少ない株を購入し、最も空売りが多い株を空売りすることが含まれます。
講演者はプロセスの中間ステップとアルゴリズムのオープンソース化について説明します。彼らは、ブローカーからの借入金利などの貴重なデータにアクセスする際の課題やスリッページ モデルの限界を認識しています。講演者は、利用可能な注文タイプと機能を追加するためのフィードバック システムに関する質問に答えます。さらに、取引における季節性の利用とオンラインでの人気についても簡単に言及しています。
初心者向けのシンプルなクオンツ株式戦略を紹介します。たとえば、5 月に株式を売却して債券に投資し、10 月に株式市場に買い戻すなど、季節性を利用して市場のタイミングを計ることは、長期にわたる簡単なパフォーマンス分析を可能にする単純な体系的なルールとして強調されています。講演者は、返信、ビュー、クローンの数に基づいて、Quantopian プラットフォームで共有されている上位 25 の定量的株式アルゴリズムの内訳を説明します。特に、Google 検索用語を使用して市場の動きを予測することに関する論文は、過学習と考えられていますが、フォーラムで大きな注目を集めています。講演者はまた、より単純な戦略の有効性にも関わらず、高度な数学的概念を伴う長く複雑な頭字語を含む戦略の方がより関心を集める傾向があるとも指摘しています。
プラットフォームの信頼性とセキュリティの重要性が強調されています。講演者は、ユーザーが市場に対してテストするためにアルゴリズムをアップロードすることを奨励するために、ユーザーとの信頼を築く必要があることを認めています。彼らは安全対策が真剣に講じられていることを保証します。ライブで集約されたパフォーマンス データはまだ入手できませんが、講演者は、約 1,000 のアルゴリズムがシミュレーションで実行されていると述べました。クオンツにとってソーシャル ネットワークの潜在的な利点については、個々のアルゴリズムの収益性に直接影響を与えない可能性があるという認識の下で議論されています。しかし、クオンツファイナンスコミュニティ内には、他者とつながり、アイデアを交換し、洞察を得たいという願望があります。学習環境としての Quantopia の価値が強調されており、人々はリスクのない環境で成功と失敗の両方から学ぶことができます。
講演者は、プラットフォーム内でのさまざまな投資戦略分類の人気について調査します。彼らは、モメンタムと平均回帰戦略が現在最も人気があると指摘しています。彼らは、個人投資家にとってよりアクセスしやすいコンテンツを提供するプラットフォームの可能性について興奮を表明しています。 Python によるプラットフォームのバックテスターのデモが提供され、ライブ取引中に 1 日に 1 回または 1 分に 1 回実行される初期化メソッドとデータ処理メソッドが示されています。ユーザー インターフェイスの設定では、バックテストの日付、初期資本、バックテストの頻度を指定できます。コミュニティスレッドには、他のメンバーが作成したアルゴリズムを見つけて利用するための検索機能が含まれています。
最後のセクションでは、講演者がライブ取引ダッシュボードを紹介し、インタラクティブ ブローカーズ口座に対して 9 つのセクター ETF の均等加重ポートフォリオを購入する基本的なアルゴリズムを展開します。ダッシュボードには、赤色のベンチマーク、現在のポジション、発注および約定に関連付けられたパフォーマンス エクイティ カーブが表示されます。講演者は、デプロイされたソース コードの情報をログに記録する機能について言及しました。現在、公平な方法で幅広い銘柄を選択することは提供されていないため、使用されるベンチマークは SPI のリターンです。代わりに、四半期ごとに更新される日次の金額ユニバースを提供します。
クオンツ取引ですべきこととしてはいけないこと
クオンツ取引ですべきこととしてはいけないこと
クオンツ取引の著名な人物であるアーニー・チャン博士がその課題について議論し、この分野のトレーダーに貴重なアドバイスを提供します。同氏は、業界専門家が指摘するようにクオンツ取引の難しさの増大と、多くの機械学習ファンドのパフォーマンスの低下を強調している。成功するには、トレーダーはスキルを向上させ、重要な教訓を学ばなければなりません。チャン博士は個人的な経験に基づいて、トレーダーが避けるべきことを共有し、長期的な成功のためのガイダンスを提供します。
チャン博士が強調する重要な警告の 1 つは、特に戦略のパフォーマンスが好調な時期に、過剰なレバレッジを利かせようとする誘惑です。ケリーの公式はリスク管理によく使用されますが、過度に楽観的な期待につながる可能性があり、サンプル期間に敏感であると同氏は警告しています。代わりに、レバレッジを決定するためのより予測可能な尺度としてボラティリティを使用することを彼は提案しています。戦略の予想ボラティリティをターゲットにすることで、トレーダーは、予測されるリターンのみではなくリスクに焦点を当て、適切なレバレッジ レベルを決定できます。
チャン博士は、クオンツ取引に関して 2 つの重要なアドバイスを提供します。まず、彼は、予測不可能な潜在的な利益に固執するのではなく、戦略の下振れリスク（つまり、どれだけの損失が生じる可能性があるか）を考慮することの重要性を強調しています。第二に、同氏は短期的な業績だけをマネージャーの選定やレバレッジの決定の根拠として使用することに対して警告している。代わりに、長期的な実績を探し、リスク管理と段階的な再配分の目的で短期的なパフォーマンスを利用することをアドバイスしています。さらに、彼はトレーダーに対し、個人的な贅沢に耽るのではなく、ビジネス指向の考え方を採用し、利益をトレーディングビジネスのインフラストラクチャに再投資することを奨励しています。
貿易ビジネスのインフラへの投資は、チャン博士が強調するテーマです。同氏は、高品質のデータ、高速なマシン、熟練した人材への投資を優先することを提案しています。正確なバックテスト結果を保証するには高品質のデータが不可欠ですが、より高速なマシンは研究の生産性を向上させます。必要なスキルを備えた人材を雇用することで、ビジネスの能力がさらに強化されます。チャン博士は、トレーディングを真剣なビジネスベンチャーとして扱い、これらの投資の長期的な利益を強調します。
研究の生産性を向上させるために、チャン博士は、マルチコア マシンと適切な並列コンピューティング ソフトウェアへの投資の重要性を強調します。この投資により、生産性が 5 ～ 10 倍に大幅に向上します。また、コーディング、戦略、マーケティング、運営などの補完的なスキルを持つ個人と提携することで、自分の比較優位に焦点を当て、欠点を補うことも推奨しています。
チャン博士は、量的取引に対する協力的なアプローチを提唱しています。同氏は、大学生によって結成された仮想取引グループなど、さまざまな形でコラボレーションが発生する可能性があることを強調しました。アイデアを共有し、戦略について他の人に教えることは、貴重なフィードバックにつながり、全体的なパフォーマンスを向上させることができます。競争上の優位性を守ることは重要ですが、基本的な取引アイデアを共有することで、知識や洞察が純流入する可能性があります。
さらに、チャン博士は初心者に対し、確かな直感的な根拠に基づいたシンプルな取引戦略から始めるようアドバイスしています。彼は、より収益性の高い取引を追求するだけではなく、悪い取引を排除することの価値を強調しています。いつ取引すべきではないか、いつ特定のアイデアを適用すべきではないかを知ることは、長期的な成功につながります。彼はまた、トレーディング戦略の継続的な学習と改善を奨励しています。
Q&A セッションでは、チャン博士が金融デリバティブの構築に関する洞察を共有し、この分野での出発点として Python を使用することを推奨し、モメンタム取引やリスク パリティなどの効果的な戦略について説明します。同氏は、たとえ利益が減少した場合でも戦略を維持するには、より適切なリスク管理の必要性を強調している。
要約すると、アーニー チャン博士は定量トレーダーに貴重なアドバイスを提供します。同氏は過剰なレバレッジや短期的な業績への依存を警告し、下振れリスクを考慮し、長期的な実績に焦点を当てることの重要性を強調した。彼は、データ、マシン、人材などのビジネス インフラストラクチャへの投資を重視しています。シンプルな戦略から始めるコラボレーションと継続的な学習が長期的な成功の鍵です。
定量的ファイナンス | Radovan Vojtko による定量的トレーディング戦略の分類
定量的ファイナンス | Radovan Vojtko による定量的トレーディング戦略の分類
Quantpedia の CEO、Radovan Vojtko 氏は、データベースのクオンツ取引戦略を選択するプロセスについて貴重な洞察を提供します。彼は、学術研究を活用して、トレーダーが使用できる信頼性が高く実行可能な戦略を発見することの重要性を強調しています。よくある誤解にもかかわらず、学術論文には可能性を秘めたトレーディングアイデアがまだたくさんあるとヴォジコ氏は強調する。
Vojtko氏は、トレーディング戦略で最も人気のある資産クラスは株式であり、次にコモディティ、通貨、債券、不動産であると説明しています。これらの資産クラスは、定量的戦略を実行するための幅広い機会を提供します。彼はクオンツ戦略を、タイミング、アービトラージ、モメンタムなどを含むさまざまな分類に分類しています。
ヴォイコ氏が強調する重要な側面の1つは、学術研究、特に債券や商品などあまりカバーされていない資産クラスにおける盲点の存在である。これらの盲点は、新しいアルファ源を発見する機会を提供し、トレーダーはそれを活用できます。 P ハッキングやレプリケーションなどの問題に対処するために、Vojtko 氏は厳密なテストとモメンタム匿名化技術の使用を推奨しています。
公開されたトレーディング戦略はもはや機能しないという考えに反して、一部の戦略は公開された後も引き続きポジティブな結果をもたらし続けており、5年後もアルファの40％以上が残っているとヴォジコ氏は主張する。最も有望な戦略を選択するために、彼はサンプル外テストを実施し、統計的有意性のカットオフポイントを増やし、戦略の包括的なデータベースを構築し、最高のパフォーマンスを持つ戦略を選択することを提案しています。
Vojtko氏はさらに、商品先物取引における平均回帰アプローチや決算発表前のリスク戦略など、具体的な取引戦略についても説明します。彼は、アルファ減衰の重要性と、P ハッキングやデータ マイニングによってもたらされる課題を強調しています。戦略を実装する前に、厳密にテストして検証することが重要です。
クオンツ取引戦略は一度公開されると有効性を失うという誤解に対処するため、ヴォジコ氏は、戦略が時間が経っても依然として良好なパフォーマンスを発揮できることを示す研究を引用しています。同氏はトレーダーに対し、データの浚渫を避けるようアドバイスし、徹底したテストと検証の必要性を強調している。
学術研究における再現の観点から、Vojtko氏は統計的有意性のカットオフポイントを引き上げ、アウトオブサンプルテストを採用して公開データに基づいてポートフォリオを比較することを提案しています。このアプローチにより、より正確な複製が保証され、勝利戦略の特定が可能になります。
収益性の高い戦略のプールを拡大するために、Vojtko 氏は幅広い戦略を含むデータベースを構築し、最高のパフォーマンスを発揮する戦略を選択することを推奨しています。また、Social Science Network や Quantpedia などの定量的取引戦略を見つけるためのリソースも提供しています。
クオンツ・ファイナンス用のプログラミング言語について、Vojtko 氏はさまざまなオプションが利用可能であることに言及し、使いやすい言語を選択するようアドバイスしています。 Python が推奨される言語ですが、Tradestation、Ninjatrader、Ami Broker などの他のオプションも効果的です。 Vojtko 氏は、アルゴリズム取引を成功させるには金融スキルとテクノロジー スキルを融合する必要性を強調し、両方の分野の専門知識を開発するための教育プログラムを提供しています。
トレーディングエッジのためにデータに目を向ける · Dave Bergstrom、クオンツトレーダー
トレーディングエッジのためにデータに目を向ける · Dave Bergstrom、クオンツトレーダー
このビデオでは、成功したクオンツ トレーダーであるデイブ バーグストロムが、トレーディングの世界での自身の歩みを共有し、市場のエッジを発見するためにデータ分析テクニックを活用することの重要性を強調しています。同氏は、カーブフィッティングや過剰な最適化を避ける必要性を強調し、トレーディングやプログラミングの学習に複数のリソースを活用することを推奨し、適切なリスク管理と現実的な期待を持つことの重要性を強調しています。バーグストロム氏はまた、高頻度取引の衰退の可能性についても議論し、トレーダーが収益性の高い取引戦略を見つけて生成するのを支援するソフトウェア パッケージ Build Alpha を紹介します。
当初は高頻度トレーダーだったデイブ・バーグストロム氏が、ほぼロースクールを目指していたところからトレーダーになるまでの道のりを語ります。学部時代に彼はトレーディングを深く掘り下げ、金融Twitterやポッドキャストなどのプラットフォームで情報を探し、トレーディングパターンやモメンタム株について学びました。バーグストロム氏は初期の成功を経験しましたが、初期の戦略とテクニックが現在のトレーディング手法とは大きく異なることを認めています。彼は戦略開発中のデータ マイニング技術の使用を強調し、トレーダーがこのエピソードで説明したさまざまな形式の分析を使用できるようにするソフトウェア パッケージ Build Alpha を紹介します。
バーグストロムは、その謙虚な始まりから始めて、偽造の NFL ジャージや財布を販売するという取引への最初の進出を明らかにしました。その後、彼は取引口座に資金を提供し、勢いとテクニカル分析、特にチャートパターンに基づいて株の取引に従事しました。しかし、彼は一貫性のなさに直面し、なぜ自己資本残高が一貫してゼロに戻るのか理解するのに苦労しました。経験を積むにつれ、バーグストロムは、体系的なアプローチがなければ、一貫した利益を達成する能力が妨げられることに気づきました。彼が定量分析の領域を発見したのは、フロリダに移り、高頻度取引会社でトレーディング アシスタントとして働いてからであり、トレーディングの取り組みに一貫性をもたらす道を切り開きました。
バーグストロムはさらに、データ分析を必要とする役割への移行について説明します。このポジションで優れた能力を発揮するために、彼は独学でプログラミングを学び、収益性の高い取引につながる可能性のあるデータの異常やパターンを特定することが彼の会社の信念であったため、客観的なテクニカル分析に重点を置きました。彼は、戦略を採用する前にテストとバックテストを行うプロセス、つまり一貫した成功を達成するために数年間の試行錯誤を必要としたプロセスについて説明します。テクニカル分析に関するバーグストロムの見解は進化しており、直感に頼った主観的な分析よりも、データを利用してパターンを特定する客観的な分析を支持しています。
バーグストロム氏のトレーディングの旅では、プログラミングが重要な役割を果たしており、彼はそれを超大国だと考えています。高頻度取引で膨大な量のデータを処理するには Excel では不十分であることを認識し、プログラミングを学び、取引アシスタントの役割からトレード デスクの役割に昇進しました。バーグストロム氏は、プログラミングは非対称的な利益と最小限のリスクにより優れた投資であると考えています。彼は、意欲的なプログラマーに対して、学習プロセスを促進するために、さまざまなリソースを調べ、勤勉さを保ち、知識のある人から指導を求めるようアドバイスしています。
バーグストローム氏は、トレードやプログラミングを学ぶ際には複数のリソースを探すことの重要性を強調しています。彼は、プログラミングに Stack Exchange などのプラットフォームを利用することを推奨し、Python、C++、Java などの複数のプログラミング言語を学習することを奨励しています。バーグストロム氏は自身の取引アプローチについて議論する際、自身をデータマイナーであると認め、データ分析を通じて数多くの市場エッジを発見できると信じています。データマイニングは過剰適合しやすいと考える人もいますが、過剰適合や過剰最適化を防ぐための措置を講じる場合には、データマイニングは貴重なツールとなり得ると同氏は主張します。
バーグストロームは、データ マイニングを通じてトレーディング エッジを発見し、特定の基準に基づいて収益性の高い戦略を検索するフィットネス関数を採用する方法を明らかにします。同氏は、最小限の取引数を維持したり、相互検証を利用したりするなどのテクニックを採用して、カーブフィッティングを回避することの重要性を強調しています。同氏は、エッジとはポジティブな期待を伴うものを指し、データ分析を通じて特定できると説明しています。最終的には、たとえそれが既存の仮説に基づいていないとしても、彼は収益性の高い戦略を追求しますが、論理的推論に沿った戦略により自信を持っています。
バーグストロム氏によると、戦略をテストする際には、かなりの数の取引を行うことが重要です。彼は、カーブフィッティングのリスクを強調し、ルックバック期間を使用してパラメータを最適化しないようにアドバイスしています。代わりに、彼はメジャーをカウントするなどのノンパラメトリック指標を使用することを好みます。さらに、バーグストロム氏は、市場の行動を理解する上で、出来高やボラティリティだけでなく、市場体制の重要性も強調しています。同氏は、取引システムへの資金の過小配分を避けるために、現実的な期待を設定し、モンテカルロ分析を採用することの重要性を示す、Twitterで共有した強力なグラフについて言及しています。
バーグストロム氏は、たとえバックテストで収益性の高い戦略が示されたとしても、実際の結果は異なる可能性があることを理解することが重要であると強調しており、トレーディングにおける現実的な期待がさらに検討されています。モンテカルロ シミュレーションや分散テストなどのツールは、トレーダーが起こり得る結果の分布を作成し、将来の取引に対する現実的な期待を確立するのに役立ちます。バーグストロムは、トレーディングに関する 3 つの法則を紹介します。その 1 つ目は、非対称なリスク対報酬比を支持する法則です。これは、彼がその逆ではなく、勝率は低くても見返りが高いことを好むことを意味します。
バーグストロムのトレーディング哲学では、特に賭け金のサイジングに関して、適切なリスク管理が中心的な役割を果たしています。同氏は、同じパターンやシステム内で、ある取引のサイズが他の取引よりも大幅に大きいことはトレーダーにとって有益ではないと説明しています。バーグストロム氏は、「エキサイティングな」取引に過度に投資することに対して警告している。そうすれば、大数の法則が成立するために必要な、多数の取引にわたって数学的確率が発揮されなくなるからである。同氏は、かなりの回数の取引にわたって、より保守的かつ一貫した方法で取引することで、確実にポジティブなエッジが現れると示唆しています。日中取引や高頻度取引は大数の法則によりよく適合しますが、分散テストが満足できるものであれば、日足の時間枠も効果的であるとバーグストロム氏は考えています。
バーグストロム氏は、市場全体にわたる戦略の堅牢性の重要性を詳しく掘り下げています。彼は、複数の市場にわたって機能する戦略を作成することの価値を認めていますが、不十分な取引を生み出す戦略を避ける傾向があります。取引コストと各取引でのより高い利益の追求に関して、バーグストロム氏はバランスの取れたアプローチが達成可能であると信じています。この戦略は過剰な取引コストの負担を負うべきではありませんが、同時に過剰な数の取引を生み出すように設計されるべきではありません。バーグストロム氏はギアを変えて、高頻度取引（HFT）を取り巻く一般的な誤解に言及し、スケープゴートを求める人々のせいで不当に中傷されることが多いと述べた。彼は HFT が有益であり、略奪的な意図を持っていないと強く信じています。
最後にバーグストロム氏は、高頻度取引の衰退の可能性について議論し、その原因は競争の激化と戦略の露出にあると考えています。議論は、この下落が市場の過飽和によるものなのか、それとも高頻度取引に必要な両面市場をサポートしていない中央銀行が実施する金融政策によるものなのかを中心に展開している。 Bergstrom は、ユーザーが信号を選択し、終了基準と適合関数に基づいてさまざまな戦略を検索できるようにするソフトウェア パッケージ Build Alpha を紹介します。ソフトウェアは最適な戦略を特定し、それぞれの取引可能なコードを生成して、ポートフォリオの作成と徹底的な分析を可能にします。興味のある方は、Web サイト buildalpha.com にアクセスするか、電子メール(David@buildalpha.com ) または Twitter @Deeper_DB で Dave Bergstrom にご連絡ください。
結論として、デイブ バーグストロムの成功したトレーダーになるまでの道のりは、市場のエッジを見つける際のデータ分析テクニックの重要性を示しています。カーブフィッティングの防止、学習のための複数のリソースの活用、適切なリスク管理の実践、現実的な期待の維持に重点を置いた氏は、意欲的なトレーダーに貴重な洞察を提供します。さらに、高頻度取引とBuild Alphaの導入に関する彼の考えは、革新的なソフトウェアソリューションを通じて取引戦略を進歩させ、トレーダーに力を与えるという彼の取り組みを示しています。
クオンツ取引および HFT 取引に使用するプログラミング言語はどれですか
クオンツ取引および HFT 取引に使用するプログラミング言語はどれですか
このビデオでは、クオンツ取引と高頻度取引 (HFT) で一般的に使用されるプログラミング言語の包括的な概要を説明します。講演者は、これらの言語を、Java、C#、C、C++ などの従来のコンパイル言語に加えて、プロトタイピング研究言語と解釈スクリプト言語に分類しました。 Python、R、MATLAB、Microsoft Visual Studio など、トレードのアイデアをモデリングするための一般的な言語の長所と短所について詳しく説明します。さらに、このビデオでは、コロケーション、コスト効率の高いプロトタイピング、ブローカーのサポートなど、プログラミング言語を選択する際の重要な考慮事項を強調しています。生産性ツールを使用し、リスク管理やポートフォリオ管理を含む取引システム全体を考慮することの重要性を強調しています。
講演者は、プロトタイピング研究と解釈スクリプトへの適性に基づいて、プログラミング言語をさまざまなグループに分類することから始めます。クオンツ トレーディングの文脈において、彼はトレーディングのアイデアをモデル化するための一般的な選択肢として Python と MATLAB を特に取り上げています。ただし、彼は Python の分割バージョン (2.7 と 3.x) の課題を指摘し、R の互換性とパフォーマンスの問題を強調しています。一方、Python には多数のオプションが用意されているため、開発者にとっては圧倒される可能性があり、追加のトレーニングが必要です。一方、R には互換性とパフォーマンスの点で一定の制限があります。
さらに、講演者はクオンツ取引や HFT 取引で一般的に使用されるさまざまなプログラミング言語について詳しく説明します。 Python について説明し、データ パッケージに関するその長所だけでなく、実行速度の遅さや注文管理機能の制限などの欠点も強調します。講演者は、Python の統合を可能にする MATLAB 2015 および Microsoft Visual Studio 2015 についても言及しました。 Java、C#、C、C++ などの従来のコンパイル言語が強調されており、プログラミング初心者の適切な出発点として Java が推奨されています。 C# はその理解しやすさと高度なテクニックで高く評価されていますが、C# による最適なパフォーマンスは Windows 環境に限定されています。
このビデオでは、Java、C/C++、MATLAB など、クオンツ取引や高頻度取引に適したプログラミング言語についてさらに詳しく説明しています。 Java と C# はデータベースとの統合が容易であることで知られていますが、ガベージ コレクションがパフォーマンスに影響を与えるため、制限が発生する可能性があります。 C と C++ は、最適な速度とメモリ制御を提供する言語として賞賛されていますが、学習がより複雑になる場合があります。 MATLAB は、データ取得、分析、取引実行、リスク管理のためのさまざまなツールボックスを備えた強力で多用途のプラットフォームとして認識されています。高度な数学および機械学習のサポートに加え、MATLAB Coder を通じて C/C++ でコードを生成する機能が強調されています。講演者は、MATLAB Production を使用して MATLAB を高性能 Web サーバーに組み込むオプションについても言及しました。
クオンツ取引および HFT 取引におけるプログラミング言語を選択する際の考慮事項について徹底的に説明します。講演者は、取引所、特に HFT 取引におけるコロケーションの利点を強調し、コロケーションを促進するプロバイダーとして MathWorks について言及しました。 Lab Home Edition は 150 ドルからという手頃な価格が、費用対効果の高いプロトタイピング環境として挙げられています。さらに、ブローカーの選択は、プログラミング言語の選択に影響を与える重要な要素として重要視されます。 Interactive Brokers は、Java、C++、C# などのレガシー言語をサポートするブローカーとして注目されています。講演者は、初心者に生産性向上ツールを活用するようアドバイスし、リスク管理、評価、ポートフォリオ管理など、取引システムのより幅広い側面を考慮する必要性を強調しました。
全体として、このビデオは、クオンツ取引と HFT で使用されるさまざまなプログラミング言語、その長所と限界、取引目的で言語を選択する際に考慮すべき重要な要素についての貴重な洞察を提供します。これは、取引システム全体を理解し、効率的かつ効果的な取引操作のために適切なツールを利用することの重要性を強調しています。
「基本的な統計的アービトラージ: ペア取引の背後にある数学を理解する」マックス・マージェノ著
「基本的な統計的アービトラージ: ペア取引の背後にある数学を理解する」マックス・マージェノ著
Max Margenot 氏による「基本的な統計的アービトラージ: ペア取引の背後にある数学を理解する」というタイトルのビデオでは、統計的アービトラージの概念が徹底的に説明されています。マルジェノ氏は、統計的裁定取引には、統計分析を通じて特定された不均衡と、市場がどのように行動すべきかのモデルに基づいて取引を作成することがどのように含まれるかを説明します。このビデオは、定常性、積分順序、共和分などの基本的な統計概念に依存するペア取引に焦点を当てています。
マルジェノ氏はまず、個人の取引アルゴリズムの開発を支援する無料の統計と金融の講義を提供する彼の会社のプラットフォーム、Quantopianの紹介から始めます。次に、ペア取引における定常性、統合注文、共統合の重要性を詳しく掘り下げます。定常性とは、同じパラメータを持つ同じ確率分布から抽出される時系列内のすべてのサンプルを指し、金融アプリケーションでは正規分布すると想定されることがよくあります。拡張された Dickey-Fuller テストは、定常性をテストする手段として導入されています。
講演者は、現実世界のデータに伴う不確実性を強調し、特に変数間の微妙な関係や卑劣な関係を扱う場合、仮説検定における偽陽性の可能性を強調しました。彼は、仮説検定では検出されない可能性のある病理学的関係を時系列に生成することでこれを実証しました。マルジェノ氏は、結果を慎重に解釈することの重要性を強調し、グラフを視覚的に検査しても、根底にある統計的特性が明らかにならない可能性があることを聴衆に思い出させます。
時系列のモデリングの制限と誤検知の可能性について説明します。時系列は平均回帰動作を示す場合がありますが、常に定常性を示すわけではありません。定常性は、時系列が平均値に戻り、定常的で決定論的でランダムな分布に従うシナリオを表します。積分次数の概念が導入され、ゼロ次数の積分は定常性を意味しませんが、定常性は次数ゼロの積分を意味します。累積和についても説明し、次数 0 の複数の積分がどのようにしてより高い次数の積分をもたらすかを示します。
金融における定常収益の仮定と、定常時系列を見つけることの難しさに対処します。リターンは正規分布すると仮定され、定常性を示します。統合された順序と差分表記を使用して、定常性をテストします。講演者は、理論的には、価格系列は次数 0 で統合されるリターンとの関係により、次数 1 で統合される必要があると述べています。企業からの価格データを使用した例が示されています。
マルジェノ氏は、共積分という概念の説明を続けます。これには、定常的な線形結合を生成するために、特定の定義された方法で時系列を積分することが含まれます。一緒に静止している 2 つの統合時系列を見つけるのは難しい場合がありますが、合理的な経済基盤を持つ価格系列を調査する場合、共積分は有益です。講演者は、平均値回帰のための特定の時間モデルがなくても、定常スプレッドの現在値に基づいて賭けを行うことができることを強調しました。
線形回帰を使用したスプレッドの計算と推定を説明するために、シミュレートされたデータを作成するプロセスを示します。マージェノ氏は、財務データはある変数を別の変数から差し引くほど単純であることはまれであり、変数間の関係を推定するには線形回帰が必要であると強調します。目標は、市場収益の観点からポートフォリオの構成を示すベータ値を決定することです。この情報により、ペア取引でのロングポジションとショートポジションが可能になります。概念を説明するために、代替エネルギー証券のペアを含む例を示します。
基本的な統計的裁定取引のための 2 つの潜在的な証券間の線形回帰の構築について説明します。マルジェノ氏は、裁定取引の機会を示す可能性のある潜在的な相互統合関係を特定する出発点として、同じセクター内で関係を示す 2 つの証券を見つけることを推奨しています。 2 つの証券間の定常性は有益ですが、講演者は、1 つのペアだけに依存するのではなく、できるだけ多くの異なる独立した賭けで取引する必要性を強調します。
統計的アービトラージ内のペアと取引の計算は、検査されたペアの対数リターンに基づいています。 Engle-Granger 法として知られる対数リターン間の線形回帰は、回帰が定常であるかどうかを判断するために使用されます。世界の合理的なモデルが確立されると、トレーダーは他の人よりも多くの情報を持ち、比較的情報に基づいた賭けを行うことで優位性を得ることができます。積極的に取引してローリング スプレッドを更新するには、平均と標準偏差のローリング概念が必要です。移動平均や共通フィルターなどのさまざまな方法を利用して、取引戦略を反復および強化できます。
講演者は、統計的裁定取引は単純な単位戦略にも複雑な単位戦略にもなり得ることを強調しました。これには、定常性、共積分、および取引する株式ペア間の関係を特定することが含まれます。他の人に比べてより多くの情報を持っているほど、これらの関係をよりうまく活用できます。多様なポートフォリオを構築するには、互いに依存しない独立した賭けが必要です。リバランスの頻度は、個々のペアとデータで観察される定常性の期間によって異なります。
ビデオでは、リアルタイム データを使用したアルゴリズム取引のシミュレーションについて説明します。不均一分散性などの線形回帰の基礎となる仮定は、その実行可能性に影響を与える可能性がある要因として言及されています。共積分は、定常性を示すより強力な条件を表すため、株式のペア間の関係をモデル化する場合、相関よりも好まれます。賭け金のサイズは、体系的なアプローチに適さない可能性がある相関とは異なり、仮説スプレッドの平均と標準偏差を使用して体系的に決定できます。
要約すると、このビデオでは統計裁定取引とペア取引について包括的に説明しています。定常性、積分順序、共積分などの重要な概念をカバーします。統計結果を慎重に解釈することの重要性と独立した賭けの必要性が強調されます。講演者は、株式ペア間の関係を推定する際の線形回帰の役割と、裁定取引の機会を特定する際の平均回帰の重要性を強調します。このビデオは、アルゴリズム取引のシミュレーションと統計的裁定取引における分散ポートフォリオを構築するための考慮事項について説明して終わります。
クオンツ金融および HFT のための実践的な C++ プログラミングの完全な概要
クオンツ金融および HFT のための実践的な C++ プログラミングの完全な概要
このビデオでは、金融および高頻度取引 (HFT) における C++ プログラミングの使用の包括的な概要を提供し、この分野のさまざまな側面についての貴重な洞察を提供します。まず、書籍『実践 C++ 金融プログラミング』について説明し、金融業界におけるその重要性を強調します。この本は債券などの重要なトピックをカバーしており、よく構造化されたコードセクションで実践的な例を提供しています。 C++ プログラミングにある程度慣れていることを前提としており、C++ テンプレートを効果的に活用するためのガイダンスを提供します。講演者は、STL およびブースト ライブラリの適切な利用に加えて、プロット用の New プロットやインターフェイス設計用の QT などのオープン ソース ライブラリの使用を強調しました。
このビデオでは、C++ でユーザー インターフェイスを開発するための強力なツールである QT の使用法について説明します。 QT は洗練されたグラフィカル インターフェイスの作成を可能にしますが、従来の C++ 手法から逸脱しており、ビデオはこの側面に光を当てています。次に、プレゼンテーションでは、線形代数、内挿、数値積分などの数学的概念を詳しく掘り下げ、それらを基本的なアルゴリズムと方程式に分解して理解を容易にします。金融に関連する一般的なアルゴリズムとモデリング手法についても、C++ での実装に関する洞察とともに説明します。このビデオでは、この重要なトピックに 1 章を割いて、金融アプリケーションにおけるモンテカルロ シミュレーションの重要性を強調しています。さらに、HFT の職種で最も人気のあるプログラミング言語の概要とともに、金融ライブラリを拡張するための Lua と Python の使用についても説明します。
ビデオが進むにつれて、Python および Lua と C++ の統合に焦点を当て、C++ アプリケーション内での埋め込み機能を活用して、Lua を Redis で効果的に使用する方法を紹介します。 Plaza を使用したマルチスレッドや C++ 11 および 14 機能の利用など、さまざまな C++ テクニックについても説明します。このビデオは、C++ プログラミングに挑戦する個人にとって優れた入門リソースとして機能し、この言語に関連するメモリ管理の課題のいくつかに対処します。これは、ユーザーが利用できる幅広いオプションとテクニックを網羅した、C++ プログラミングを学習するための包括的なロードマップを提供します。
最後に講演者は、金融および高頻度取引アプリケーション向けの C++ プログラミングに関する最近出版された本について肯定的なレビューを共有しています。この本は、低レベルのハードウェアの問題に対処する C++ 17 で導入された新機能を特に取り上げており、この専門分野に興味がある人にとって貴重なリソースとなっています。講演者はこの本とは無関係であることを認めていますが、この分野の既存のリソースへの貴重な追加物としてこの本を強く推奨しています。
アルゴリズム取引の基礎: 例とチュートリアル
アルゴリズム取引の基礎: 例とチュートリアル
このビデオでは、取引スタイル、市場、システムなどのさまざまな側面をカバーする、アルゴリズム取引の包括的な概要を提供します。講演者はアルゴリズム取引の基礎を説明することから始め、価格変動、出来高、数学的指標に基づくテクニカル分析の使用を強調します。アルゴリズム取引にはコンピューターを使用した取引の実行とアルゴリズムのバックテストが含まれ、従来のテクニカル分析とは区別されることが強調されています。
高頻度取引、統計的裁定取引、トレンド/平均回帰/モメンタム取引など、さまざまなタイプのクオンツ/アルゴリズム取引が導入されています。講演者は特に先物市場のスイング取引とデイ取引に焦点を当てています。統計的裁定取引には、資産の売買を同時に行うことで価格差を利用することが含まれますが、トレンド/平均回帰/モメンタム取引ではコンピューターを利用して利益を得る方向性のある取引を実行します。これらの概念を説明するために、TradeStation ソフトウェアを使用したアルゴリズム取引プログラムの例を示します。このプログラムは、ドルのターゲットとストップを組み込んで、下落日に赤いローソク足で買い、次の上昇日に売るように設計されています。講演者は、バックテストを目的として、このアルゴリズム プログラムを S&P 500 E-mini のチャートに統合する方法を紹介しました。
次のセグメントでは、TradeStation での取引戦略を検討します。講演者はチャートを使用して、ろうそくの色に基づいて戦略が成功した場合と失敗した場合の例を示します。ズームアウトすると、TradeStation によって生成されたパフォーマンス レポートが表示され、純利益、総利益、勝率、平均取引、ドローダウンなどの指標が表示されます。戦略の最適化には、さまざまな入力でのパフォーマンスを評価するためにストップとターゲットを調整することによっても対処されます。講演者は、アルゴリズム取引の時間節約の側面を強調します。アルゴリズム取引は、そうでなければ発見するのに何か月もかかる貴重な洞察を提供できるからです。
アルゴリズム取引の長所と短所については、次のセクションで説明します。利点としては、人的エラーや感情的エラーの減少、取引アイデアの迅速なバックテスト、より迅速な注文入力、複数のアイデアをテストしてポートフォリオを構築できる機能などが挙げられます。ただし、過信、過剰最適化、地政学的な出来事や基本的な取引手法を考慮できないなどの欠点も認識されています。アルゴリズムは重要な政治的または経済的な日の取引を避けるようにプログラムできますが、通常はあらゆる市場状況で動作します。
ビデオはその内容を要約して終わります。クオンツ取引とファンダメンタルズまたは通常のテクニカル取引の区別を明確にし、簡単なアルゴリズムの例を通じてアルゴリズム取引の力を強調します。包括的な理解のために、アルゴリズム取引の長所と短所を繰り返し説明します。講演者は視聴者に質問があれば連絡するよう促し、このビデオが有益で役立つものであることを期待しています。