Algoritmik ticaret - sayfa 26

 

Emtia Piyasalarında Algoritmik Ticaret



Emtia Piyasalarında Algoritmik Ticaret

NCDEX'te (Ulusal Emtia ve Türevler Borsası) Başkan Yardımcısı Sunil Lani, özellikle tarımsal emtialara odaklanarak emtia piyasalarında algoritmik ticaret dünyasını keşfetme fırsatını değerlendiriyor. Hindistan'daki en büyük tarım borsası olan NCDEX, ticaret için yaklaşık 20 emtiadan oluşan çeşitli bir ürün yelpazesi sunmaktadır.

Lani, emtia piyasalarında yaygın olarak kullanılan üç popüler ticaret stilini tanıtarak başlıyor: riskten korunma, arbitraj ve yönlü ticaret. Riskten korunmayı birincil yatırımla ilişkili riski azaltmak için kullanılan bir yatırım stratejisi olarak vurgulamaktadır. NCDEX bağlamında, çiftçiler risk maruziyetini en aza indirmek için genellikle temel tarımsal varlıklarını korurlar.

Konuşmacı devam ederken, tartışmayı emtia piyasalarında yaygın olan iki tür ticaret stratejisine kaydırıyor: riskten korunma ve arbitraj. Lani, riskten korunma stratejilerinde yüksek oranda ilişkili temel varlıkların önemini vurgulamaktadır. Arbitraj ticareti için, iki özel yaklaşımı derinlemesine araştırıyor: takvim yayılımı ve ikili ticaret, ikincisinin riskten korunma stratejileriyle benzerlikler paylaştığına dikkat çekiyor. Lani, ikili ticaret için yüksek oranda ilişkili ve eş bütünleşik emtia seçmenin önemini vurgulayarak, korelasyonların geçerliliğini sağlamak için T Fuller testinin uygulanmasını öneriyor.

Ek olarak Lani, algoritmik ticarette yer alan çeşitli aşamalara genel bir bakış sunar. Sürecin, ticaret konseptini uygulamak için uygun komut dosyalarını veya araçları belirleyip filtrelemekle başladığını açıklıyor. Ardından, model görselleştirilir ve ardından, parametrelerin veya modelin kendisinin titiz bir şekilde geriye dönük test edilmesi ve optimizasyonu yapılır. Sonraki adımlar, kağıt ticaretini ve sonunda gerçek paranın söz konusu olduğu canlı ticarete geçişi içerir.

Tartışmasına devam eden Lani, algoritmik ticaretin ilk adımlarına odaklanıyor. Ticaret fikirleri üzerinde beyin fırtınası yapmanın ve tüccarın hedefleriyle uyumlu bir ticaret mantığını sonuçlandırmanın önemini vurguluyor. Temel hususlar, alım satım sıklığının belirlenmesi, alım satım için uygun segmentin seçilmesi ve geriye dönük test dönemlerinin oluşturulmasını içerir. Ticaret stratejileri için verileri anlamanın zorluklarını göstermek için konuşmacı, çeşitli sektörlerde Hindistan'ın Gayri Safi Yurtiçi Üretimine (GSYİH) ilişkin verileri sunuyor. Verileri grafiksel gösterimlere dönüştürerek daha iyi anlaşılmasını sağlar ve fiyat hareketleri ile korelasyonların incelenmesini önerir. Ayrıca Lani, tarihsel tarımsal verilerin görsel sunumlarını sergileyerek, verileri birden çok açıdan analiz etmenin önemini vurguluyor.

Konuşmacı, emtia piyasalarında algoritmik ticaret için gerekli kaynakları tartışmaya devam ediyor. Alım satım stratejilerini iki ana alana ayırır: arbitraj ve momentum. Çift ticareti, korelasyon analizi, hareketli ortalamalar ve olasılık dağılımı gibi teknikler yaygın olarak kullanılmaktadır. Altyapı, bir API aracılığıyla bir komisyoncuya bağlantı ve algoritmayı bulutta veya şirket içinde barındırma dahil olmak üzere algoritmik ticaretin çok önemli bir yönüdür. Lani ayrıca Excel, Tableau, Power BI ve TradingView gibi araçlar kullanılarak gerçekleştirilebilen veri görselleştirme ve teknik göstergelerin önemini vurguluyor.

Lani ayrıca emtia piyasalarında algoritmik ticarete uygun çeşitli araçları ve platformları araştırıyor. Programcı olmayanların veya yarı programcıların genellikle Metatrader ve Interactive Brokers gibi platformları tercih ettiğinden bahseder. Salt programlama amaçları için Python, Quantopian, Blueshift, QuanTX ve Zerodha gibi Python tabanlı algoritmik ticaret platformlarının popülerlik kazanmasıyla lider dil olarak ortaya çıkıyor. Ek olarak, konuşmacı Pandas, Numpy, Beautifulsoup, Backtrader gibi veri işleme ve geriye dönük test için temel kitaplıkların yanı sıra Stream Python, Feedparser, Peopie ve NLP gibi duygu analizi kitaplıklarını vurgular.

Sonraki bölümde Lani, bir ticaret fikri oluşturma ve tarımsal ürünleri örnek olarak kullanarak bir model tasarlama sürecini açıklıyor. Tarımsal emtiaların hisse senetlerinden veya Forex'ten daha az oynak olma eğiliminde olduğu göz önüne alındığında, özellikle ortalama fiyat aralığından iki standart sapmaya ayarlanmış Bollinger Bantlarını bir gösterge olarak kullanan bir ortalama geri dönüş stratejisi uygulamayı öneriyor. Likit bir emtia seçmek için filtreleme kriterleri, en az 1080 hacme sahip bir emtiayı seçmeyi içerir ve Lani, Jana'nın NCDX'te ticaretini önerir. Modeli görselleştirmek için Lani, farklı seviyelerde alım ve satım noktalarını gösteren Bollinger Bantlarını çizmek için Investing.com'u kullanmanızı önerir.

Odağı geriye dönük teste kaydıran Lani, geçmiş verileri kullanarak algoritmik bir ticaret modelinin mantığını doğrulamanın önemini vurguluyor. Bu adım, model canlı bir ortama dağıtıldığında olası kayıpları önlemek için çok önemlidir. Lani, açık bir portaldan veri indirme, ilgili kitaplıkları içe aktarma, destekleyici işlevler yazma, alım ve satım sinyalleri oluşturma, çıktıyı görselleştirme ve strateji tarafından oluşturulan getiriyi değerlendirmeyi içeren geriye dönük testin içerdiği adımları açıklıyor. Ayrıca, geriye dönük test sürecinde getiriler, maksimum düşüş, maksimum kar ve zararı durdur gibi parametrelerin dikkate alınmasını önerir. Lani, yalnızca Github gibi platformlardan elde edilen kitaplıklara güvenmek yerine kişisel geriye dönük test işlevlerinin kullanılmasını önerir.

Konuşmacı, veri çerçevelerine, strateji türlerine, giriş ve çıkış kriterlerine ve konumsal beslemeye dayalı olarak alım ve satım sinyalleri oluşturmak için bir işlevin aldığı çeşitli parametreleri açıklamaya devam eder. Tüccarlar, hesaplamaları için açık veya kapalı fiyatı, ayrıca stop-loss ve hedef yüzdeleri ayarlayabilirler. Lani ayrıca bir istatistiksel raporlama işlevinden ve seçilen bir gösterge için standart sapmayı kullanarak seviyeler oluşturan başka bir işlevden bahsediyor. Son olarak, ana işlev, seçilen stratejiye dayalı alım ve satım sinyallerini döndürmek ve bir özet oluşturmak için bu diğer işlevleri çağırır.

İleriye dönük olarak Lani, BV pratik konum becerisini kullanarak ticari geriye dönük test raporlarının nasıl oluşturulacağını gösteriyor. Çıktı, tüm işlemleri, işlem ücretlerini ve slip kenarlarını içeren bir veri çerçevesini içerir. Geriye dönük test işlevi çağrılır ve raporlar oluşturulur. Bu raporlar, çıktının istatistiklerini ve grafiksel sunumlarını sağlar, belirli bir süre boyunca yüzde getirilerini, işlem ayrıntılarını ve kümülatif getirileri gösterir. Lani raporu analiz ediyor ve -%2 veya -%3'ü aşan kayıpları önlemek için -1,5 civarında bir stop-loss ayarlamayı öneriyor. Geriye dönük test sonuçlarından elde edilen maksimum kar %8'dir, bu da stop-loss'un maksimum %8 veya %9 olarak ayarlanabileceğini gösterir.

Konuşmacı daha sonra bir algoritmayı optimize etme sürecini tartışır. Lani, optimizasyona yönelik bir yaklaşımın, farklı parametre kümeleri kullanarak orijinal algoritmayı birden çok kez çalıştıran başka bir algoritma oluşturmayı içerdiğini açıklıyor. Bunu göstermek için, bir geri alma dönemi için yeniden inceleme döneminin optimize edildiği bir örnek sağlar. Geriye bakma dönemi için çeşitli değerlerin bir listesini oluşturarak ve bir kombinasyon işlevini kullanarak, tüm parametre setlerinin kapsamlı bir listesi oluşturulabilir. Lani, emtia piyasalarındaki performanslarını artırmak için algoritmaları optimize etmenin önemini vurguluyor.

Optimizasyon tartışmasına devam eden Lani, geriye dönük test için farklı parametrelerle dirsek yöntemiyle her bir çifti değerlendirmek için üç liste kullanma sürecini açıklıyor. Geriye dönük test sonuçları, DF optimizer adı verilen bir veri çerçevesinde saklanır ve maksimum getiri sağlayan kombinasyonun tanımlanmasına olanak tanır. Optimize edilmiş değişkenler daha sonra optimize edilmiş rolde depolanır. Lani, optimizasyon işlemi sırasında verileri aşırı uydurma konusunda uyarıyor ve doğruluğunu sağlamak için bir sonraki dönemde aynı parametreleri çalıştırmanın önemini vurguluyor. Son olarak, konuşmacı sonuçları incelemek için raporu indirir.

Lani, ticaret parametrelerini optimize etmek için kullanılan kodu sunmaya devam ediyor ve getiriler, ortalama getiriler, maksimum düşüş ve kazanç-kayıp oranı dahil olmak üzere ortaya çıkan istatistikleri paylaşıyor. Optimize edilmiş parametreler, önceki parametre kombinasyonuyla elde edilen %9'a kıyasla önemli bir gelişme olan %22,8'lik bir geri dönüşle sonuçlandı. Lani, gerçek parayı riske atmadan algoritmaları test etmek için kağıt ticaretinin öneminin altını çiziyor ve canlı ticarete geçerken çeşitlendirme, portföy yönetimi ve risk yönetimi ihtiyacını vurguluyor. Algoritmik ticaretin geliştirme süreci ile yazılım ürünü geliştirme yaşam döngüsü arasındaki benzerliklere dikkat çekerek, proje başarısını sağlamak için tüm aşamaları özenle yürütmenin önemini vurgulayarak sözlerini bitiriyor.

  • 00:00:00 NCDEX Başkan Yardımcısı Sunil Lani, emtia piyasalarında, özellikle de tarım emtialarında algoritmik ticareti tartışıyor. NCDEX, Hindistan'daki en büyük tarım borsasıdır ve ticaret için yaklaşık 20 emtia sunmaktadır. Lani, emtia söz konusu olduğunda üç popüler ticaret tarzı olduğunu açıklıyor: riskten korunma, arbitraj ve yönlü ticaret. Riskten korunma, birincil yatırımdan kaynaklanan riski azaltmak için yapılan bir yatırımdır ve NCDEX'te çiftçiler, riski en aza indirmek için kendi temel varlıklarına karşı koruma sağlar.

  • 00:05:00 Konuşmacı emtia piyasasındaki iki tür ticaret stratejisini tartışıyor: riskten korunma ve arbitraj. Konuşmacı, riskten korunmada yüksek korelasyona sahip dayanak varlıkların önemini vurgulamaktadır. Bu arada, arbitrajda, konuşmacı ticaretin iki yolunu inceler: takvim yayılımı ve ikili ticaret, ikincisi riskten korunmaya benzer. Konuşmacı, ikili alım satım için seçilen emtiaların yüksek oranda ilişkili ve eş bütünleşik olması gerektiğini vurguluyor ve bunu sağlamak için T Fuller testinin uygulanmasını tavsiye ediyor. Buna ek olarak, konuşmacı, ticaret konseptini uygulamak için komut dosyalarını veya araçları tanımlama ve filtreleme, modeli görselleştirme, geriye dönük test etme, parametreleri veya modeli optimize etme, kağıt ticareti ve canlı ticareti içeren algoritmik ticaretin çeşitli aşamalarına genel bir bakış sunar.

  • 00:10:00 Konuşmacı, beyin fırtınası fikirleriyle başlayıp bir ticaret mantığı fikrine son şeklini vererek algoritmik ticaretin ilk adımlarını tartışıyor. İşlemlerin sıklığını, ticaret için hangi segmentin kullanılacağını ve geriye dönük test sürelerini belirleme ihtiyacından bahsediyorlar. Konuşmacı daha sonra ticaret stratejileri için verileri anlamanın zorluğunu göstermek için Hindistan'ın çeşitli sektörlerinin Gayri Safi Yurtiçi Üretimine (GSYİH) ilişkin verileri sunar. Daha iyi bir anlayış sağlamak ve fiyat ile korelasyonlara bakmayı önermek için verileri grafiksel bir sunuma dönüştürürler. Konuşmacı daha sonra, verilerin nasıl farklı şekilde yorumlanabileceğini ve bunları birden çok şekilde analiz etmenin önemini göstermek için zaman içinde tarımsal verilerin görsel temsillerini sunar.

  • 00:15:00 Konuşmacı, emtia piyasalarında algoritmik ticaret için gereken kaynakları tartışıyor. Ticaret stratejilerini ikili ticaret, korelasyon, hareketli ortalamalar ve olasılık dağılımı gibi tekniklerle arbitraj ve momentum içeren iki ana alana ayırır. Algoritmik ticaretin en önemli yönlerinden biri, API aracılığıyla bir komisyoncuya bağlanmak ve algoritmayı bulutta veya şirket içinde barındırmak da dahil olmak üzere altyapıdır. Ek olarak, veri görselleştirme ve teknik göstergelerin uygulanması için Excel, Tableau, Power BI ve TradingView gibi araçlar kullanılabilir.

  • 00:20:00 Konuşmacı, emtia piyasalarında algoritmik ticaret için kullanılabilecek çeşitli araç ve platformları tartışıyor. Programcı olmayanlar veya yarı programcılar için Metatrader ve Interactive Brokers popüler seçeneklerken, Python saf programlama araçları için önde gelen programlama dilidir. Özellikle Quantopian, Blueshift, QuanTX ve Zerodha gibi Python tabanlı algoritmik ticaret platformları ayrıntılı olarak ele alınmaktadır. Konuşmacı ayrıca Pandas, Numpy, Beautifulsoup ve Backtrader gibi popüler veri işleme ve geriye dönük test kitaplıklarını ve Stream Python, Feedparser, Peopie ve NLP gibi duygu analizi kitaplıklarını vurgular.

  • 00:25:00 Konuşmacı, hisse senetleri ve Forex'ten nispeten daha az oynak olan tarımsal emtia örneğini kullanarak bir ticaret fikrinin nasıl ortaya çıkacağını ve bir model tasarlanacağını açıklıyor. Buradaki fikir, ortalama fiyat aralığından iki standart sapmaya ayarlanan Bollinger Bantları adı verilen bir gösterge kullanarak bir ortalamaya dönüş stratejisi uygulamaktır. Filtreleme kriterleri, konuşmacının Jana'yı NCDX'te takas etmeyi önerdiği en az 1080 hacme sahip bir likit emtia seçmeyi içerir. Model, Investing.com kullanılarak, alım ve satım noktalarını gösteren farklı seviyelere sahip Bollinger Bantları çizilerek görselleştirilebilir.

  • 00:30:00 Konuşmacı, emtia piyasalarında algoritmik bir ticaret modelini geriye dönük test etme sürecini tartışıyor. Geriye dönük test, geçmiş verileri kullanarak mantığı doğrulamak ve model canlı ortamda kötü performans gösteriyorsa para kaybetmekten kaçınmak için önemlidir. Geriye dönük test sırasında getiriler, maksimum düşüş, maksimum kar ve zararı durdur gibi çeşitli parametreler dikkate alınmalıdır. Konuşmacı ayrıca, açık bir portaldan veri indirme, kitaplıkları içe aktarma, destekleyici işlevler yazma, satın alma ve satma sinyalleri oluşturma, çıktıyı görselleştirme ve strateji tarafından oluşturulan getiriyi değerlendirme dahil olmak üzere geriye dönük testin içerdiği adımları açıklar. Konuşmacı ayrıca Github kitaplıkları yerine kendi geriye dönük test işlevlerini kullanmaktan bahseder.

  • 00:35:00 Konuşmacı, veri çerçevelerine, strateji türlerine, giriş ve çıkış kriterlerine ve konumsal beslemeye dayalı olarak bir fonksiyonun alış ve satış sinyallerini döndürmek için aldığı farklı parametreleri açıklar. İşlev, tacirlerin hesaplamaları için açık veya kapalı fiyatın yanı sıra zararı durdurma ve hedef yüzdeleri yapılandırmasına olanak tanır. Konuşmacı ayrıca, istatistiksel raporlar oluşturan bir işlevi ve seçilen bir gösterge için standart sapmayı kullanarak seviyeler oluşturan bir işlevi tartışır. Son olarak, ana işlev, seçilen stratejiye dayalı olarak alım satım sinyallerini döndürmek ve bir özet oluşturmak için diğer işlevleri çağırır.

  • 00:40:00 Konuşmacı, BV pratik konum becerisini kullanarak ticari geriye dönük test raporlarının nasıl oluşturulacağını gösterir. Çıktı, tüm işlemleri, işlem ücretlerini ve kayma kenarlarını içeren bir veri çerçevesini içerir. Geriye dönük test işlevi çağrılır ve raporlar oluşturulur. Raporlar, belirli bir süre boyunca getiri yüzdesini, işlemi ve kümülatif getirileri gösteren çıktının istatistiklerini ve grafik gösterimlerini içerir. Konuşmacı raporu analiz ediyor ve -%2 ve -%3'lük kayıplardan kaçınmak için kaybı durdurmanın -1,5 civarında ayarlanmasını tavsiye ediyor. Elde edilen maksimum kâr %8'dir, bu da zararı durdurmanın maksimum %8 veya %9 olarak ayarlanabileceği anlamına gelir.

  • 00:45:00 Konuşmacı, bir algoritmayı optimize etme sürecini tartışıyor. Bir algoritmayı optimize etmenin bir yolunun, orijinal algoritmayı farklı parametre kümeleri kullanarak birçok kez çalıştıracak başka bir algoritma oluşturmak olduğunu açıklıyorlar. Konuşmacı, bir geri alma dönemi için yeniden inceleme dönemini optimize ettikleri bu sürecin bir örneğini sunar. Geriye bakma dönemi için çeşitli değerlerin bir listesini oluştururlar ve tüm parametre setlerinin kapsamlı bir listesini oluşturmak için bir kombinasyon işlevi kullanırlar. Konuşmacı, emtia piyasalarındaki performanslarını iyileştirmek için algoritmaları optimize etmenin önemini vurguluyor.

  • 00:50:00 Konuşmacı, geriye dönük test sonuçlarını kontrol etmek için her çifti dirsek yöntemiyle farklı parametrelerle çalıştırmak için üç liste kullanma sürecini tartışıyor ve bunları DF iyileştirici adı verilen bir veri çerçevesinde saklıyor. Maksimum getirileri koruyan ve optimize edilmiş değişkenleri optimize edilmiş rolde depolayan kombinasyonu kontrol ederler. Optimizasyon işlemi, verileri gereğinden fazla uydurmamaya dikkat etmelidir. Optimizasyon parametrelerinin doğru olduğundan emin olmak için bir sonraki dönemde aynı parametreleri çalıştırmanın önemini vurgularlar. Son olarak, konuşmacı sonuçları görmek için raporu indirir.

  • 00:55:00 Konuşmacı, getiriler, ortalama getiriler, maksimum düşüş ve kazanç-kayıp oranı dahil olmak üzere ticaret parametrelerini ve ürettiği istatistikleri optimize etmek için kullanılan kodun üzerinden geçer. Optimize edilmiş parametreler, %22,8'lik bir geri dönüşle sonuçlandı; bu, önceki kombinasyonun %9'una göre önemli bir gelişme. Algoritmayı para yatırmadan test etmek için kağıt ticaretinin önemini ve yayına girerken çeşitlendirme, portföy ve risk yönetimi ihtiyacını vurguluyorlar. Ayrıca, algoritmik ticaretin geliştirme sürecinin, yazılım ürünü geliştirme yaşam döngüsüne benzer olduğunu belirtiyorlar.

  • 01:00:00 Konuşmacı, algoritmik ticaretin aşamalarının, yazılım geliştirme aşamalarıyla nasıl karşılaştırılabileceğini, ticaret stratejisinin formüle edilmesinin planlama ve gereksinim aşamasına benzer olduğunu ve kağıt ticareti ve simülasyon ticaret eşlemesinin Kalite Güvencesi ile nasıl karşılaştırılabileceğini açıklıyor. Konuşmacı, tüm aşamaların önemli olduğunu ve bunlardan herhangi birinin düzgün bir şekilde yürütülmemesinin tüm projenin başarısız olmasına yol açabileceğini vurgular.
Algorithmic Trading in Commodity Markets
Algorithmic Trading in Commodity Markets
  • 2020.02.14
  • www.youtube.com
In this webinar "Algorithmic Trading in Commodity Markets", presented by Sunil Guglani, AVP, NCDEX, we go through the following concepts:- Stages of Algorith...
 

Yapay Zeka ve Python Programlama Kullanarak Borsalardaki Eğilimleri Tahmin Edin



Yapay Zeka ve Python Programlama Kullanarak Borsalardaki Eğilimleri Tahmin Edin

Bu web semineri oturumu, borsada yapay zeka kullanarak eğilimleri tahmin etmeye odaklanan uygulamalı bir öğrenme eğitimi sunar. Katılımcılar, bir Jupyter Not Defteri kullanarak bir sınıflandırma ağacı modeli oluşturmaya aktif olarak katılacaklardır. Birincil amaç, beklenen olumlu veya olumsuz gelecek getirilere dayalı ticaret kuralları oluşturmak için bir araç olarak hizmet edebilecek bir sınıflandırma ağacı geliştirmektir.

Ticarette bir karar ağacı modeli kullanmak, sürükleyici ve etkileşimli bir öğrenme deneyimi sağlayan temel bir makine öğrenimi tekniğidir. Oturum sırasında katılımcılar, bir eğitmenle birlikte doğrudan bir Python not defteri üzerinde çalışma fırsatına sahip olacaklar.

Web semineri aşağıdaki temel alanları kapsamayı amaçlamaktadır:

  • Çeşitli göstergelerin altında yatan kavramları ve sezgiyi anlamak ve bunların pratik uygulamalarını öğrenmek
  • Temel ticari göstergeler oluşturmak için ABD hisse senedi piyasalarından alınan verilerle çalışmak

Kaydedilen oturum, karar ağacı modelinin değerli ticaret kurallarını çıkarmak için ticarette nasıl kullanılabileceğini araştırır. Bu kurallar, menkul kıymetlerin ne zaman alınıp satılacağı konusunda bilinçli kararlar vermek için bir temel görevi görür.

Video boyunca katılımcılar şu konularda bilgi edinecekler:

  • Hisse senedi piyasalarındaki eğilimleri tahmin etmek için yapay zeka (AI) ve Python programlama dilinden yararlanmak
  • Öngörü elde etmek için verileri etkili bir şekilde görselleştirme
  • Bir karar ağacı modeli kullanarak gelecekteki getirilere dayalı ticaret kuralları oluşturma
  • Tahmin değişkenlerini ve hedef değişkenleri anlamak, her bir teknik göstergenin arkasındaki mantığı kavramak ve bunları etkili bir şekilde uygulamak
  • Bir dizi ticaret göstergesini keşfetme
  • Gerekli alım satım göstergelerini geliştirmek için öğrenilen kavramları ABD hisse senedi piyasalarından gerçek dünya verilerine uygulamak

Bu web seminerinden tam olarak yararlanmak için katılımcıların aşağıdakilere sahip olması gerekir:

  • Yapay zeka ve makine öğrenimi ile ilgili teknik bilgi
  • Ticarette önceki deneyim
  • Borsa ve dinamikleri hakkında sağlam bir anlayış

Değişkenlerle ilgili olarak, bu bağlamda öngörücü değişkenler, piyasa eğilimlerini tahmin etmek için kullanılan teknik göstergeleri ifade eder. Öte yandan, hedef değişken, bir sonraki gün için beklenen eğilimi, özellikle olumlu mu yoksa olumsuz mu olacağını belirtir.

Predict Trends In Stock Markets Using AI And Python Programming
Predict Trends In Stock Markets Using AI And Python Programming
  • 2019.09.06
  • www.youtube.com
This session is a hands-on learning tutorial to Predict Trends using AI in the stock market, where you will work directly on a Jupyter Notebook to create a c...
 

Kantitatif Portföy Yönetimi Stratejileri Yazan Prodipta Ghosh - 23 Temmuz 2019



Kantitatif Portföy Yönetimi Stratejileri Yazan Prodipta Ghosh - 23 Temmuz 2019

Kantitatif Portföy Yönetiminden Sorumlu Başkan Yardımcısı Prodipta Ghosh, finansal piyasalardaki belirsizliklerin varlığı, piyasanın zaman içindeki dinamik yapısı ve değişen hedefler nedeniyle hisse senedi alım satımı için herkese uyan tek bir strateji olmadığını vurguluyor. ve bireylerin risk iştahları. Mükemmel bir dünya vizyonu veya modeliyle bile, her bir kişi benzersiz bir bağlamda hareket ettiğinden, tacirlerin sorularına yanıt vermenin imkansız olacağının altını çiziyor. Bu nedenle, dünyadaki hiç kimse için mükemmel bir strateji yoktur.

Sunumu sırasında Prodipta Ghosh, dört nicel portföy yönetimi stratejisini derinlemesine inceliyor. Bu stratejiler arasında Bollinger Bantlarının kullanılması, basit bir hareketli ortalama geçiş stratejisinin kullanılması, doji şamdan modelinin analiz edilmesi ve Göreceli Güç Endeksinin (RSI) dahil edilmesi yer alır. Yüksek bir Sharpe oranı teorik olarak en iyi stratejiyi önerebilirken, geçmiş performans her zaman gelecekteki sonuçları garanti edemez. Bu nedenle, riski azaltmak ve önemli düşüşlerden kaçınmak için çeşitli stratejileri ve varlıkları kapsayan bir portföy oluşturmak çok önemlidir. Ghosh, çeşitlendirilmiş bir portföyün piyasa oynaklığına nasıl dayanabileceğini ve önemli kayıpları nasıl önleyebileceğini göstererek, sermayeyi dört stratejinin tamamına eşit şekilde tahsis etmenin faydalarını gösteriyor.

Prodipta Ghosh, portföy yönetiminin temelleri hakkında bir açıklama sağlar ve onu tek bir hisse senedine yatırım yapmaktan ayırır. Portföy yönetimi, riskleri, belirsizlikleri, zamanın geçişini ve belirli bağlamları dikkate alarak birden fazla strateji veya varlık için bir strateji geliştirmeyi gerektirir. Bir stratejinin değeri, temel getirilerin pozisyonlarla çarpımından elde edilirken, portföy değeri, temel getirilerin ağırlıklı akışı tarafından belirlenir. Portföy yönetimini optimize etmek için, portföy değerine P bağımlı bir U fonksiyonu tanımlayarak ve U'yu en üst düzeye çıkaran W ağırlıklarını bularak matematiksel bir problem çözülür. Ortalama varyans optimizasyonu, Kelly optimizasyonu ve risk cezası gibi farklı optimizasyon stratejileri optimizasyon, U'nun nasıl tanımlandığına ve optimizasyon yaklaşımına bağlı olarak kullanılabilir.

Konuşmacı, nicel portföy yönetimi stratejilerini ve optimizasyon problemlerinin süreçteki rolünü tartışmaya devam ediyor. Bir portföyün aralığını sınırlamak gibi bir optimizasyon probleminde belirtilebilecek çeşitli kısıtlamaları ve alfa stratejilerine, faktör portföylerine veya bireysel hisse senedi koleksiyonlarına dayalı olanlar da dahil olmak üzere oluşturulabilecek portföy türlerini araştırıyor. Amaç, maksimum değere veya portföy değerinin işlevine sahip bir portföyle sonuçlanan bir maksimizasyon koşulunu tanımlamaktır. Ek olarak, konuşmacı, belirli koşullara bağlı olan ve hataların karesi üzerinde bir ceza ile bir optimizasyon problemi olarak görülebilen, eşit ağırlıklı bir portföyün makul olup olmadığı sorusunu ele alır.

Prodipta Ghosh, portföy yönetiminde risk ve fayda kavramını derinlemesine inceleyerek, beklenen getiri ve riskleri tahmin etmedeki zorlukların altını çiziyor. Riski en aza indirirken getirileri en üst düzeye çıkarmaya yönelik yaklaşımlar olarak modern portföy teorisini ve ikinci dereceden faydayı tanıtıyor. Konuşmacı, insanın karar verme sürecinin matematiksel ortalamalardan nasıl sapabileceğini göstermek için Saint Pittsburgh paradoksu örneğini kullanır.

Fayda ve risk arasındaki ilişki, sağlam bir portföy oluşturmadaki önemini vurgulayan Prodipta Ghosh tarafından açıklanmaktadır. Riskli bir yatırımdan beklenen ödeme veya getiri ile bireyin belirli bir ödeme için kabul etmeye istekli olduğu miktar arasındaki farkı ölçen risk primi kavramını gösteriyor. Ek olarak, bir fayda fonksiyonunun, fazladan bir doların ne kadar değerli olduğunu bildiren ve yatırım için uygun miktarların belirlenmesine yardımcı olan, zenginliğin matematiksel bir temsili olduğunu açıklıyor. Fayda ve risk arasındaki etkileşimi anlamak, yatırımcıların risk ve getiri arasında denge kuran portföyler geliştirmelerini sağlar.

Konuşmacı, yatırımcıların dalgalı getirileri olanlara göre belirli yatırımları tercih ettiğini öne süren, yatırımda riskten kaçınma kavramını tartışıyor. Riskten kaçınma, kantitatif portföy yönetiminde ortak bir varsayım olarak hizmet eder ve risk primi Yunanca Pi harfiyle temsil edilir. Bu prim, bir yatırımcının sıfır ortalamalı dalgalanan bir getiriyi kabul etmek için ödemeye razı olduğu tutarı ifade eder. Konuşmacı daha sonra ikinci dereceden fayda fonksiyonunu ve bunun bir portföyün ortalama ve varyansının optimizasyonuna nasıl yol açtığını açıklar. Modern Portföy Teorisine dayalı bir portföy oluşturmak, portföyün ortalaması ve varyansı arasında bir denge bulmayı içerir.

Prodipta Ghosh, ortalama ve varyans arasında bir denge kurarak beklenen portföy faydasını optimize etme sürecini açıklamaya devam ediyor. Farklı varlıklardan getirileri simüle etmek için Excel'i kullanıyor ve daha sonra farklı ağırlıklandırmalara dayalı olarak portföy getirilerini, varyansı ve riski belirlemek için kullanılan kovaryans matrisini hesaplıyor. Tüm olası senaryolar için ağırlıkları değiştirerek ve portföy getirisini ve varyansını hesaplayarak bir optimizasyon problemi çözülebilir. Ortaya çıkan çizim, her bir ağırlık seti için risk getiri oranını temsil eden Sharpe oranını gösterir.

Modern portföy teorisindeki etkin sınırlar kavramı daha sonra Prodipta Ghosh tarafından tanıtıldı. Etkin sınırı, belirli bir risk toleransına dayalı olarak maksimum getiri elde etmek için bir portföyün bulunması gereken aralık olarak tanımlar. Ayrıca, risksiz bir varlık gibi düşük riskli bir varlığın eklenmesinin konsepte ilginç bir boyut kattığını açıklıyor. En yüksek Sharpe oranı, risksiz varlığın etkin sınır ile birleştirilmesiyle oluşturulan portföy olan teğet portföyden belirlenir. Sıfırı teğet portföye bağlayan çizgi, piyasa doğrusu olarak adlandırılır ve tahsisi tanımlarken piyasa portföyüne yatırım yapma veya risksiz bir varlık seçme arasında bir seçim sunar.

Prodipta Ghosh, finanstaki risk perspektifini, tek başına risk yerine piyasa portföyüne katkı olarak ölçerek değiştiren Sermaye Varlıkları Fiyatlandırma Modelini (CAPM) derinlemesine araştırıyor. CAPM, riskli bir varlık için risksiz oran artı risk açısından piyasa portföyüne katkı çarpı piyasa getirisi ile risksiz getiri arasındaki fark olarak hesaplanan gerekli getiri oranını yakalar. Bu kavram, değer yatırımı için teorik bir temel sağlar. İskonto edilmiş nakit akışı ve sıkıştırma modelleri gibi çeşitli modeller aracılığıyla yatırımcılar, CAPM'yi kullanarak makul bir fiyat tahmin edebilir ve kendine özgü riskin daha iyi anlaşılmasından yararlanabilir.

Konuşmacı, özellikle faktör yatırımına odaklanarak çeşitli portföy yönetimi stratejilerini tartışıyor. Faktör yatırımı, bir portföy oluştururken sadece piyasa riskinin ötesinde birden fazla risk faktörünün dikkate alınmasını içerir. Her faktör, faktör tahsisi, faktör zamanlaması veya değere dönüş yatırımı ve hisse senedi toplama dahil olmak üzere farklı yatırım tarzlarına yol açan kendisiyle ilişkili bir prim taşır. Faktör yatırımı, kendine özgü riski açıklamaya yardımcı olur ve denklemdeki delta F zamanla değişmeyen ve pozitif ise alfa ve betanın toplam alfa olduğu yeni bir alfa ve beta yorumu sağlar.

Prodipta Ghosh, değer yatırımı ile faktör yatırımı arasındaki büyük farkları vurguluyor ve bireysel tüccarlar için hangi yaklaşımın daha mantıklı olduğunu değerlendiriyor. Değer yatırımının bireysel şirketler hakkında kapsamlı araştırma gerektirdiğini ve genellikle küçük ölçekli perakende tüccarlar için uygun olmayabilecek özel riskte yoğunlaşmayı gerektirdiğini belirtiyor. Öte yandan, faktör yatırımı, piyasadaki risk etmenlerini araştırmayı ve yatırımları beklenen getirilere dayalı olarak tahsis etmek için sistematik olarak bunlardan yararlanmayı içerir. Konuşmacı, isteğe bağlı ve nicel araştırma arasındaki farklara kısaca değinerek, nicel yönetimin doğru kullanıldığında daha iyi performans için daha fazla fırsat sunabileceğini belirtir.

Konuşmacı, değer yatırımcılarını ve niceliksel stratejistleri karşılaştırarak, değer yatırımcılarının başarı olasılığı daha düşük olsa da, önemli getiriler sağlama potansiyeline sahip olduklarını belirtiyor. Öte yandan, nicelik stratejistlerinin başarı olasılığı daha yüksektir, ancak nispeten daha düşük ancak tutarlı getiriler sağlarlar. Yatırımın temel yasası, bilgi oranını, portföy riskine bölünen aşırı performansın oranı olarak tanımlar ve bunu bilgi katsayısına veya beceri seviyesinin n'nin kareköküyle çarpımına eşitler; burada n, yapılabilecek bağımsız bahislerin sayısını temsil eder. Niceliksel yatırımcılar, bir faktör portföyünü optimize etmelerine olanak tanıyan daha yüksek sayıda n'ye sahip olabilir. Ghosh ayrıca, servet biriktirerek terminal zenginliğini birden çok dönem boyunca en üst düzeye çıkarmayı amaçlayan KD optimizasyonları veya risk parite optimizasyonları gibi diğer optimizasyon yöntemlerini de detaylandırır.

Prodipta Ghosh, nihai serveti maksimize etmeye odaklanması nedeniyle uzun vadede hakimiyetini vurgulayarak Kelly portföy stratejisini tartışmaya devam ediyor. Ancak, Kelly stratejisinin aynı zamanda risk açısından en agresif strateji olduğu ve kısa vadeli riskleri karşılayamayan emekliler veya bireyler için uygun olmayabileceği konusunda uyarıyor. Bireysel risk katkılarını eşitlemeyi amaçlayan ve tüm varlıkların risklerinin toplamının dengeli kalmasını sağlayan risk parite stratejisini de açıklıyor. Bu yaklaşım için teorik bir gerekçe bulunmamakla birlikte, makul bir risk dağılımı olarak kabul edilir. Kelly stratejisi, risk paritesi ve ortalama varyans optimizasyonu arasında karar verirken, risk iştahı ve faktör modellemesi yoluyla geliştirilebilen modellemelerinin doğruluğu dikkate alınmalıdır. Sonuç olarak, bu stratejiler, riski etkili bir şekilde ölçmeye ve yönetmeye güçlü bir vurgu yaparak, risk ve getiriyi dengeleme etrafında döner.

Prodipta Ghosh, alfa stratejileri konusunu ve bunların çok yönlü bir portföy oluşturmak için nasıl birleştirileceğini tartışmaya devam ediyor. Ortalama varyans optimizasyonları alfa stratejileri için kullanılabilirken, portföydeki tüm tahsisin yalnızca geçmiş verilere dayalı tek bir en iyi stratejiye gittiği bir sorunla karşılaşırlar. Bu endişeyi gidermek için Ghosh, tüm stratejilere eşit oy verildiği örnek içi stratejiler kavramını sunar. Başka bir yaklaşım, sermayeyi farklı alfa stratejileri arasında tahsis etmek için gizli Markov modelleri veya değişim noktası analizi gibi değişim analizi tekniklerini kullanan pişmanlık değiştirme portföyüdür. Dikkate değer bir teknik, yoğun bir şekilde yatırım yapmadan önce en yüksek potansiyele sahip olanı belirlemek için her bir alfa stratejisini sistematik olarak keşfederek keşfetmeye karşı sömürü sorununu ele alan pişmanlık duymama yaklaşımıdır.

Prodipta Ghosh, Wikipedia ve Contra'nın kısa süre önce başlattığı kantitatif portföy yönetimi kursu gibi platformlar da dahil olmak üzere, portföy optimizasyonunun daha fazla araştırılması için çok sayıda kaynak bulunduğunun altını çiziyor. Kendi hızınızda etkileşimli öğrenme portalı ve ücretsiz geriye dönük testler sunan Blue Shift gibi Contra'nın programları aracılığıyla sektörde öğrenme ve büyüme için çeşitli fırsatlardan bahsediyor. Ghosh, izleyicilere katılımları için minnettarlığını ifade ediyor ve onları ek bilgi ve kaynaklar için Contra'nın web sitesini ziyaret etmeye teşvik ediyor.

  • 00:00:00 Kantitatif Portföy Yönetimi Başkan Yardımcısı Prodipta Ghosh, finansal piyasalarda belirsizlikler olduğu, piyasanın zaman içinde değiştiği ve bireylerin farklı hedefleri ve risk iştahı. Mükemmel bir dünya vizyonu veya modeliyle bile, herkesin farklı bir bağlamı olduğundan, tüccarlar tarafından sorulan türden sorulara cevap bulmanın mümkün olmayacağına dikkat çekiyor. Bu nedenle, dünyadaki hiç kimse için mükemmel bir strateji yoktur.

  • 00:05:00 Prodipta Ghosh, Bollinger Bantlarının kullanımı, basit bir hareketli ortalama geçiş stratejisi, bir doji şamdan modeli ve Göreceli Güç Endeksi (RSI) dahil olmak üzere dört nicel portföy yönetimi stratejisini tartışıyor. Teorik olarak en iyi strateji, yüksek Sharpe oranına sahip strateji olsa da, geçmiş performans her zaman gelecekteki sonuçların garantisi değildir. Bu nedenle, farklı stratejiler ve varlıklardan oluşan bir portföy oluşturmak, büyük düşüşlerden kaçınmak ve riski azaltmak için çok önemlidir. Ghosh, sermayeyi dört stratejinin tümüne eşit olarak dağıtarak, çeşitlendirilmiş bir portföyün piyasa oynaklığı karşısında önemli kayıpları nasıl önleyebileceğini gösteriyor.

  • 00:10:00 Prodipta Ghosh, portföy yönetiminin temellerini ve bunun tek bir hisse senedine yatırım yapmaktan nasıl farklı olduğunu açıklıyor. Portföy yönetimi, riskler ve belirsizlikler, zamanın geçişi ve bağlam ile ilgili birden çok strateji veya varlık için bir strateji oluşturmayı içerir. Bir stratejinin değeri, pozisyonlarla çarpılan temel getirilerle belirlenir. Öte yandan, portföy değeri ağırlıklı temel getiri akışıdır. Portföy yönetimi, P portföy değerinin bir fonksiyonu olan bir U fonksiyonu tanımlayarak ve U'yu maksimize etmek için maksimizasyon koşulunu sağlayan W ağırlıklarını bularak bir matematik problemini çözer. U'nun nasıl tanımlandığına ve optimizasyonun nasıl yapıldığına bağlı olarak, ortalama varyans optimizasyonu, Kelly optimizasyonu ve risk ceza optimizasyonu gibi optimizasyon stratejileri için çeşitli olasılıklar olabilir.

  • 00:15:00 Konuşmacı, niceliksel portföy yönetimi stratejilerini ve optimizasyon problemlerinin bu stratejileri nasıl etkilediğini tartışıyor. Bir portföyün aralığını sınırlamak gibi bir optimizasyon probleminde belirtilebilecek kısıtlama türlerinden ve alfa stratejilerine, faktör portföylerine veya bir koleksiyona dayalı olanlar da dahil olmak üzere oluşturulabilecek farklı portföy türlerinden bahsediyor. hisse senetleri. Amaç, maksimum değere veya portföy değerinin işlevine sahip bir portföyle sonuçlanan bir maksimizasyon koşulunu tanımlamaktır. Konuşmacı ayrıca, belirli koşullara bağlı olan ve hataların karesi üzerinde bir ceza ile bir optimizasyon problemi olarak düşünülebilecek, eşit ağırlıklı bir portföyün mantıklı olup olmadığı sorusunu da ele alır.

  • 00:20:00 Prodipta Ghosh, portföy yönetiminde risk ve fayda kavramlarını tartışıyor. Beklenen getirileri ve riskleri tahmin etmek kolay gibi görünse de gerçekte oldukça zor olabileceğini açıklıyor. Riski en aza indirirken getirileri en üst düzeye çıkarmayı amaçlayan modern portföy teorisi ve ikinci dereceden fayda kavramını tanıtıyor. Ayrıca, insanların nasıl her zaman matematiksel ortalamalara dayalı kararlar alamayabileceğini göstermek için Saint Pittsburgh paradoksu örneğini kullanır.

  • 00:25:00 Prodipta Ghosh fayda ve risk arasındaki ilişkiyi ve bunların nasıl iyi bir portföye yol açtığını açıklıyor. Riskli bir yatırımdan beklenen ödeme veya getiri ile bir kişinin belirli bir ödeme için ödemeye razı olacağı miktar arasındaki farkı ölçen risk primi kavramını gösteriyor. Ayrıca, bir fayda fonksiyonunun, bize fazladan bir doların ne kadar değerli olduğunu söyleyen ve ödenecek miktarı belirlemeye yardımcı olan, zenginliğin matematiksel bir fonksiyonu olduğunu açıklıyor. Fayda ve risk arasındaki ilişkiyi anlayarak yatırımcılar, risk ve getiriyi dengeleyen iyi bir portföy oluşturabilirler.

  • 00:30:00 Konuşmacı, yatırımda riskten kaçınma kavramını tartışıyor, bu da yatırımcıların belirli yatırımları dalgalı yatırımlara tercih etmesi anlamına geliyor. Riskten kaçınma, nicel portföy yönetiminde yaygın bir varsayımdır ve risk primi, bir yatırımcının sıfır ortalamalı dalgalı bir getiriyi kabul etmek için ödemeye razı olduğu tutarı temsil eden Pi adlı bir Yunan harfinin değeridir. Konuşmacı daha sonra ikinci dereceden fayda fonksiyonunu ve bunun bir portföyün ortalama ve varyansının optimizasyonuna nasıl yol açtığını açıklar. Modern Portföy Teorisine dayalı bir portföy oluşturmak, portföyün ortalaması ve varyansı arasında bir denge bulmayı içerir.

  • 00:35:00 Prodipta Ghosh, ortalama ve varyansı dengeleyerek beklenen portföy faydasını optimize etme sürecini açıklıyor. Farklı varlıklardan getirileri simüle etmek ve daha sonra portföy getirilerini, varyansı ve farklı ağırlıklara dayalı riski hesaplamak için kullanılan kovaryans matrisini hesaplamak için Excel'i kullanıyor. Ağırlıkları değiştirerek ve tüm olası durumlar için portföy getirisini ve varyansını hesaplayarak, bir optimizasyon problemi çözülebilir. Ortaya çıkan çizim, her bir ağırlık seti için getiriye karşı risk oranı olan Sharpe oranını gösterir.

  • 00:40:00 Prodipta Ghosh, modern portföy teorisindeki etkin sınırlar kavramını açıklıyor. Etkin sınırın, bir portföyün verilen risk toleransına dayalı olarak maksimum getiri elde etmek için uzanması gereken alandır. Ayrıca, risksiz bir varlık gibi bir kredi riski varlığı eklenirse, konseptin daha ilginç hale geldiğini ve teğet portföyden en yüksek Sharpe oranının seçildiğini açıklıyor. Ayrıca sıfırı teğet portföye bağlayan çizgiyi piyasa çizgisi olarak tanımlıyor ve bunun piyasa portföyü satın almak ile risksiz bir varlık satın almak arasında nasıl bir seçim haline geldiğini ve tahsisleri tanımladığını açıklıyor.

  • 00:45:00 Prodipta Ghosh, Sermaye Varlıkları Fiyatlandırma Modelini (CAPM) açıklıyor. CAPM, finansta risk kavramını değiştirerek riski tek başına bir risk yerine piyasa portföyüne bir katkı olarak ölçer. CAPM, matematiksel denklemlerin kullanımı yoluyla, riskli bir varlık için gerekli getiri oranını yakalar; bu, risksiz oran artı risk açısından piyasa portföyüne katkı çarpı piyasa getirisi ve risksiz getiri arasındaki farktır. geri dönmek. Bu kavram, değer yatırımı için teorik bir temel sağlar. İskonto edilmiş nakit akışı ve sıkıştırma modelleri de dahil olmak üzere çeşitli modeller aracılığıyla yatırımcılar, CAPM'yi kullanarak adil bir fiyat tahmin eder ve kendilerine özgü riski daha iyi anlamalarından yararlanır.

  • 00:50:00 Prodipta Ghosh, faktör yatırımına odaklanarak çeşitli portföy yönetimi stratejilerini tartışıyor. Faktör yatırımı, bir portföy oluştururken sadece piyasa riskinden ziyade birden çok risk faktörünü dikkate almayı içerir. Ghosh, her faktörün kendisiyle ilişkili bir prime sahip olduğunu ve bunun, faktör tahsisi, faktör zamanlaması veya her şey açıksa basitçe değer yatırımına ve hisse senedi toplamaya geri dönme dahil olmak üzere farklı yatırım tarzlarına yol açtığını açıklıyor. Faktör yatırımı, kendine özgü riski açıklamaya yardımcı olur ve denklemdeki delta F zamanla değişmeyen ve beta ile birlikte pozitifse, alfa ve betanın toplam alfa olmasıyla alfa ve betanın yeni bir yorumunu sağlar.

  • 00:55:00 Prodipta Ghosh, değer yatırımı ile faktör yatırımı arasındaki temel farkları ve hangisinin bir perakende tüccar için daha mantıklı olduğunu tartışıyor. Ghosh, değer yatırımının bireysel şirketler üzerinde yüksek düzeyde araştırma gerektirdiğini ve genellikle küçük ölçekli perakende tüccarlar için uygun olmayabilecek özel risklerde yoğunlaşmayı içerdiğini belirtiyor. Öte yandan, faktör yatırımı, piyasadaki risk etmenlerini araştırmayı ve yatırımları beklenen getiriye dayalı olarak tahsis etmek için bunları sistematik olarak incelemeyi içerir. Ghosh, isteğe bağlı ve nicel araştırma arasındaki farklara da kısaca değinerek, nicel yönetimin doğru kullanıldığında daha iyi performans için daha fazla fırsat sunabileceğini belirtir.

  • 01:00:00 Prodipta Ghosh, değer yatırımcıları ile nicel stratejistler arasındaki farkı açıklıyor. Değer yatırımcılarının başarı olasılığı düşük olsa da çoklu paketleyiciler üretebilirken, sayısal stratejistlerin başarı olasılığı yüksektir ancak nispeten daha düşük ancak tutarlı getiriler sağlarlar. Yatırımın temel yasası, bilgi oranını, bilgi katsayısına veya beceri düzeyinin n'nin kareköküyle çarpımına eşit olan, portföy riskine bölünen aşırı performans oranı olarak tanımlar; burada n, alınabilecek bağımsız bahislerin sayısıdır. Sonuç olarak, niceliksel bir yatırımcı daha yüksek sayıda n'ye sahip olabilir ve bu nedenle bir fabrika portföyünü optimize edebilirler. Ayrıca Ghosh, servet biriktirerek terminal zenginliğini çok dönemler boyunca maksimize etmeye çalışan KD optimizasyonları veya risk parite optimizasyonları gibi diğer optimizasyon yöntemlerini açıklıyor.

  • 01:05:00 Konuşmacı, Kelly portföy stratejisini ve nihai serveti maksimize etmeye odaklanması nedeniyle uzun vadede hakimiyetini açıklıyor. Bununla birlikte, risk açısından da en agresif olanıdır, yani emekliler veya kısa vadeli riskleri karşılayamayan kişiler için uygun değildir. Konuşmacı ayrıca, bireysel risk katkılarını eşitleyen ve tüm varlıkların risk toplamının eşit olmasını talep eden risk parite stratejisini tartışır. Bunun için teorik bir gerekçe yoktur, ancak makul bir risk dağılımı olarak kabul edilir. Kelly, risk paritesi ve ortalama varyans optimizasyonu arasında karar verirken, risk iştahı ve faktör modellemesi kullanılarak geliştirilebilen modellemelerinin doğruluğu dikkate alınmalıdır. Bu stratejiler, risk ve getirileri dengelemekle ilgilidir ve riski daha kritik hale getirerek ölçmeye ve yönetmeye odaklanır.

  • 01:10:00 Konuşmacı, alfa stratejileri konusunu ve bunların iyi bir portföy oluşturmak için nasıl birleştirileceğini tartışıyor. Ortalama varyans optimizasyonları alfa stratejileri için kullanılabilse de, portföydeki tüm tahsisin yalnızca geçmiş verilere dayanan tek bir en iyi stratejiye gitmesi gibi bir sorunu vardır. Bu sorunu ele almanın bir yolu, tüm stratejilerin eşit oya sahip olduğu örneklem içi stratejileri kullanmaktır. Başka bir yaklaşım, sermayeyi farklı alfa stratejileri arasında tahsis etmek için gizli Markov modelleri veya değişim noktası analizi gibi değişim analizi tekniklerini kullanan pişmanlık değiştirme portföyüdür. Belirli bir tekniğe pişmanlık yok denir; bu, amacın her bir alfa stratejisini keşfetmek ve yoğun bir şekilde içine girmeden önce hangisinin en fazla potansiyele sahip olduğunu bulmak olduğu bir keşfetmeye karşı sömürü problemidir.

  • 01:15:00 Konuşmacı, üstel tartım kullanımı ve kullanım ile keşfi dengelemek için bir öğrenme oranı dahil olmak üzere portföy optimizasyonuna yönelik çeşitli yaklaşımları tartışır. Ayrıca, Vikipedi ve Contra'nın yakın zamanda başlattığı kantitatif portföy yönetimi kursu da dahil olmak üzere konuyla ilgili birçok kaynak bulunduğundan bahseder. Ek olarak, konuşmacı, kendi hızınızda etkileşimli öğrenme portalı ve ücretsiz geriye dönük test sunan blue shift dahil olmak üzere Contra'nın programları aracılığıyla sektörde öğrenme ve büyüme için çeşitli fırsatlardan bahsediyor. Seyirciye katılımları için teşekkür ederek ve onları daha fazla bilgi için Contra'nın web sitesini ziyaret etmeye teşvik ederek sözlerini bitiriyor.
Quantitative Portfolio Management Strategies By Prodipta Ghosh - July 23, 2019
Quantitative Portfolio Management Strategies By Prodipta Ghosh - July 23, 2019
  • 2019.07.24
  • www.youtube.com
Session Outline:- Difference between buying a stock and creating a portfolio?- How should one make investment decisions?- How to optimize a portfolio for bet...
 

Algoritmik Ticaret | Sizin İçin Doğru mu ve Nasıl Başlanır?



Algoritmik Ticaret | Sizin İçin Doğru mu ve Nasıl Başlanır?

Bayanlar ve baylar, algoritmik ticaretin büyüleyici dünyası hakkında değerli bilgiler paylaşacak olan Elle Foam Advisory'nin kurucu ortağı Nathan'ı takdim etmek istiyorum. Nathan sunumuna algoritmik ticareti tanımlayarak ve bunun finans sektöründeki önemini vurgulayarak başlıyor. Algoritmik ticaretin, alım satımları otomatik olarak yürütmek için bilgisayar algoritmalarının kullanılmasını içerdiğini ve günümüz piyasalarında çok önemli bir rol oynadığını açıklıyor.

Nathan, algoritmik ticaretin gelişen doğasını ve tanımının coğrafi konuma ve düzenleyici çerçevelere göre nasıl değişebileceğini tartışmaya devam ediyor. Amerika Birleşik Devletleri'nde, herhangi bir sistematik ticaret şekli, algoritmik ticaret şemsiyesi altına girer. Bununla birlikte, diğer bölgelerde, bilgisayar algoritmaları sipariş parametrelerini otonom olarak belirlediğinde, özellikle algoritmik ticaret olarak kabul edilir. Bu ayrım, alandaki farklı yaklaşımları ve bakış açılarını vurgular.

Konuşmacı daha sonra algoritmik ticaretteki mevcut endüstri eğilimlerine ışık tutmaya devam ediyor. Algoritmik stratejiler kullanan Kendin Yap (Kendin Yap) tüccarlarının artan yaygınlığının altını çiziyor. Ayrıca Nathan, Asya, Amerika Birleşik Devletleri ve Hindistan'da algoritmik ticaretin pazar payının önemli ölçüde arttığını gösteren veriler sunuyor. Bu büyümeye rağmen, algoritmik ticarete perakende katılımının nispeten düşük kaldığını kabul ediyor ve bu olguyu gelecek slaytlarda açıklamayı vaat ediyor.

Nathan ileriye doğru algoritmik ticaretin iş piyasası üzerindeki etkisini araştırıyor. Otomasyonun insan tüccarlarının yerini nasıl aldığını ve firmaların artık sofistike ticaret stratejileri geliştirmek ve makinelerin gücünden yararlanmak için kodlayıcılar aradığını açıklıyor. Konuşmacı, makine ticaretinin insan ticaretine göre dört temel avantajını vurguluyor: çalışma süresi, reaksiyon süresi, ölçeklenebilirlik ve öğrenme ve gelişme yeteneği. Makineler riskleri sürekli olarak izleyebilir, alım satımları anında gerçekleştirebilir, piyasa değişikliklerine verimli bir şekilde uyum sağlayabilir ve deneyimlerinden insan tüccarlardan daha etkili bir şekilde öğrenebilir.

Algoritmik ticaretteki düşük perakende katılımına değinen Nathan, bu tutarsızlığın birkaç nedenini özetliyor. İlk olarak, algoritmik ticaret, sağlam bir finans ve piyasa dinamikleri anlayışı ile kodlama ve istatistik dahil olmak üzere teknik bilginin bir kombinasyonunu gerektirir. İkinci olarak, ilgili pazar verilerine erişim, geriye dönük testler yapmak ve sağlam stratejiler geliştirmek için çok önemlidir. Son olarak, alanda pratik uzmanlığa sahip deneyimli piyasa uygulayıcılarının rehberliği olmadan manuel ticaretten algoritmik ticarete geçiş zor olabilir. Nathan, bu engellere rağmen algoritmik ticaretin ölçeklenebilirlik, etkili risk yönetimi ve insan hatasını ortadan kaldırma gibi yadsınamaz faydalarının altını çiziyor ve bu da onu tüccarlar için çekici bir seçenek haline getiriyor.

Nathan daha sonra izleyicilere Point Density tarafından sunulan EPAct kursunu tanıtıyor. Algoritmik ticaret için kapsamlı destek sağlayan, piyasa uygulayıcılarının rehberliğini, teknik bilgiyi ve güncel içeriği kapsayan bir platform bulmanın zorluğunu tartışıyor. EPAct kursu, endüstri profesyonelleri tarafından oluşturulan ve en son trendleri yansıtacak şekilde sürekli güncellenen zengin içerik sunarak bu boşluğu doldurmayı amaçlamaktadır. Kurs ayrıca fakülteden özel destek sağlar ve pazar odaklı bir yaklaşımı benimser, bu da onu hem algoritmik ticarete yeni başlayanlar hem de bu alanda kariyerlerini ilerletmek isteyenler için ideal bir kaynak haline getirir.

Kurs içeriğini daha da detaylandıran Nathan, algoritmik ticaret programında kapsanan modüllerin ana hatlarını çiziyor. Kurs, temel istatistik, olasılık teorisi ve finansal modellerin uygulanması ile bir temel oluşturan bir başlangıç modülü ile başlar. Ardından, karmaşık stratejileri anlamada kullanılan Gauss modelleri de dahil olmak üzere Python temellerini ve gelişmiş istatistikleri kapsayacak şekilde ilerler. Kurs ayrıca özgeçmiş oluşturma, kişisel ticaret masası kurma ve 100'den fazla ortak şirketle yerleşimler için sahte görüşmeler yapma oturumlarını içerir. Kurs boyunca, eğitmen öğrencilere kişisel yardım sağlayarak herhangi bir sorunun veya zorluğun derhal ele alınmasını sağlar. Ek olarak, EPAct kursuna katılmak, topluluk etkinliklerine ve özelliklerine erişim de dahil olmak üzere, sonraki bölümlerde daha ayrıntılı olarak ele alınacak olan özel avantajlar sağlar.

Sunumuna devam eden Nathan, algoritmik ticaret kursundaki her bir modülün ayrıntılarına giriyor. Kurs, eşitlik etkilerini ve gelecekteki stratejileri anlamak için temel oluşturan yapı taşları modülüyle başlar. Öğrenciler, çeşitli ticaret stratejileri oluşturmak için uygulamalı alıştırmalar yaparlar. Program daha sonra, farklı API'ler ve aracılar kullanarak geçmiş veriler üzerinde fikirleri geriye dönük test etmenin inceliklerini keşfederek pazarın mikro yapısını ve uygulamalarını derinlemesine araştırır. Makine öğrenimi, algoritmik ticarette gelişmekte olan bir alan olarak da tanıtıldı. Algoritmik ticaret altyapısı kurmaya odaklanan özel bir modül ile ticaret ve ön işlemlerin önemi vurgulanır. Kurs ayrıca opsiyon ticaretini, portföy optimizasyonunu ve risk yönetimini de kapsar. Son olarak, öğrenciler bir proje üstlenirler ve sınavı başarıyla geçtikten sonra, algoritmik ticaretteki uzmanlıklarını doğrulayan doğrulanmış bir sertifika alırlar.

Nathan daha sonra izleyicinin dikkatini QuantInsti tarafından sunulan Algoritmik Ticaret programına kaydırır. Programın tamamlanmasının ardından, katılımcıların 300+ saatlik kapsamlı bir kursu tamamladıktan sonra doğrulanmış bir etki sertifikası aldıklarını vurguluyor. Fakülte, yaklaşılabilir ve farklı varlık sınıfları ve rollerinde uygulamalı deneyim sağlayan, sektördeki ünlü profesyonelleri içerir. Kurs, özgeçmiş hazırlığından sorunsuz uygulama için API'lere ve aracı ağlara erişim sağlamaya kadar çeşitli yönleri kapsar. Ayrıca, QuantInsti ekibi, katılımcılara bağış toplama fırsatları konusunda yardımcı olarak, onu algoritmik ticaret konusunda kapsamlı bir eğitim arayanlar için ideal bir seçim haline getiriyor.

Nathan'ın tartışmasının ardından Nadine, EPAT topluluğunun bir parçası olmanın faydaları konusunda seyirciyi aydınlatmak için sahneye çıkıyor. Topluluk üyelerine sunulan yaşam boyu rehberliğin yanı sıra 165'ten fazla ülkeden diğer öğrencilerle bağlantı kurma fırsatının altını çiziyor. Özel etkinlikler ve oturumlar, komisyonculara ücretsiz ve sübvansiyonlu erişim ve BlueShift gibi geriye dönük test araçlarına erişim, topluluğun ayrıcalıkları arasındadır. Ayrıca EPAT, bireyin mevcut beceri setine temel bir nicel boyut ekleyerek profesyonel profilini geliştirir. Özellikle, EPAT programı mali eğitim programı kapsamında tanınır ve Singapur'da çalışan profesyoneller 2.000 Singapur doları tutarında bir geri ödemeden yararlanabilir.

Sunumu sonlandıran Ben Magnano, algoritmik ticaretteki kişisel yolculuğunu paylaşıyor. Kantitatif ve algoritmik ticaretin temelleri konusunda sıkı bir eğitim aldığı QuantInsti'yi bulana kadar 2005'te günlük ticaretle ilgili ilk mücadelelerini anlatıyor. Ben, Python'u öğrenmenin ve kendi programlarını yazabilmenin ve sonunda kantitatif bir tüccar olarak sertifikasını almanın önemini vurguluyor. Bu başarı ona kapıları açtı ve WorldQuant'ta araştırma danışmanı olarak kodlama becerilerini geliştirmeye ve yapay zeka gibi en son endüstri trendlerinden haberdar olmaya devam ettiği bir fırsata yol açtı.

Videonun son anlarında konuşmacı, algoritmik ticaretteki muazzam büyümeyi ve sürekli izleme ihtiyacını en aza indirmeye çalışan tüccarlar tarafından nasıl giderek daha fazla tercih edildiğini kabul ediyor. Konuşmacı, sunum boyunca paylaşılan değerli içgörüleri takdir ederek, sunucular tarafından sağlanan istisnai analiz için minnettarlığını ifade eder. Video sona ererken konuşmacı, katılımcılara niceliksel ve FinTech alanında endüstriye hazır beceriler kazandırmak ve algoritmik ticaret alanında gelişmeye hazır olmalarını sağlamak için tasarlanmış ePAD programını özetliyor.

  • 00:00:00 Bu bölümde sunucu, algoritmik ticareti tartışacak olan Elle Foam Advisory'nin kurucu ortağı Nathan'ı tanıtıyor. Nathan algoritmik ticaretin ne olduğunu ve neden önemli olduğunu tanımlayarak başlıyor. Ayrıca algoritmik ticarette endüstri trendleri ve kariyer beklentileri hakkında konuşuyor. Son olarak Nathan, Quantity programının bireylerin algoritmik ticarete başlamasına veya kariyer yapmasına nasıl yardımcı olabileceğini tartışıyor. İzleyicilere sunum boyunca sorularını cevaplayacağına dair güvence vererek bitirir.

  • 00:05:00 Bu bölümde, konuşmacı algoritmik ticaretin tanımını ve coğrafyaya ve düzenlemelere göre nasıl farklılık gösterdiğini tartışıyor. ABD'de herhangi bir sistematik ticaret, algoritmik ticaret olarak kabul edilirken, diğer bölgelerde, yalnızca bir bilgisayar otomatik olarak sipariş parametrelerini belirliyorsa algoritmik olarak kabul edilebilir. Konuşmacı, algoritmik ticaretin hızla geliştiğini ve DIY tüccarları tarafından yürütülen ticarette artışa katkıda bulunduğunu belirtiyor. Konuşmacı ayrıca algoritmik ticaretin pazar payının Asya, ABD ve Hindistan'da önemli ölçüde arttığını ancak algoritmik ticarete perakende katılımının düşük kaldığını gösteren veriler de sunuyor. Konuşmacı, ilerideki slaytlarda bunun neden böyle olduğunu açıklamaya söz verir.

  • 00:10:00 Bu bölümde, konuşmacı algoritmik ticaretin yükselişini ve iş piyasasını nasıl etkilediğini tartışıyor. Algoritmik ticaretin nasıl otomatikleştiğini ve insan tüccarlarının yerini aldığını ve firmaların artık stratejilerini geliştirmek ve makinelerin ticaret yapmasına izin vermek için kodlayıcıları nasıl işe aldıklarını açıklıyor. Konuşmacı, makine ticaretinin insan ticaretine göre çalışma süresi, reaksiyon süresi, ölçeklenebilirlik ve öğrenme ve gelişme yeteneği gibi dört ana avantajının altını çiziyor. Makinelerin riski izleyebildiğini, alım satım yapabildiğini ve piyasa değişikliklerine insan tüccarlardan daha hızlı ve daha verimli tepki verebildiğini savunuyor.

  • 00:15:00 Bu bölümde konuşmacı, artan popülaritesine ve faydalarına rağmen algoritmik ticarete perakende katılımının neden hala düşük olduğunu tartışıyor. Birincisi, algoritmik ticaret, finans ve piyasa anlayışına ek olarak kodlama ve istatistik gibi teknik bilgi gerektirir. İkinci olarak, geriye dönük testler yapmak ve stratejiler geliştirmek için ilgili pazar verilerine erişmek çok önemlidir. Son olarak, manuel ticaretten algoritmik ticarete geçiş, bu alanda deneyime sahip bir piyasa uygulayıcısının rehberliği olmadan zor olabilir. Bununla birlikte, ölçeklenebilirlik, risk yönetimi ve insan hatasının ortadan kaldırılması gibi algoritmik ticaretin faydaları, onu tüccarlar için çekici bir seçenek haline getiriyor.

  • 00:20:00 Bu bölümde konuşmacı, algoritmik ticaretle ilgilenenler için Point Densitiy'nin EPAct kursunu kullanmanın faydalarını tartışıyor. Piyasa uygulayıcılarının rehberliği, teknik bilgi ve güncellenmiş içerik gibi algoritmik ticaret için gerekli bileşenleri birleştiren bir platform bulmanın zorluğunu vurguluyorlar. EPAct kursu, piyasa uygulayıcıları tarafından oluşturulan ve güncel eğilimleri yansıtacak şekilde sürekli güncellenen zengin içerik sağlayarak bu boşluğu doldurmayı amaçlamaktadır. Buna ek olarak, kurs, fakülteden özel destek ve pazar odaklı bir yaklaşım sunarak algoritmik ticarete başlayanlar veya bu alanda kariyer yapmak isteyenler için harika bir kaynak haline geliyor.

  • 00:25:00 Bu bölümde, konuşmacı algoritmik ticaret üzerine bir kursu ve kursta kapsanan içeriği tartışıyor. Kurs, çeşitli geçmişlerden gelen öğrencilerin temel istatistik, olasılık teorisi ve finansal modellerin uygulanması ile bir temel oluşturabilecekleri bir başlangıç modülü ile başlar. Kurs, daha karmaşık stratejileri anlamak için kullanılan Gauss modelleri gibi Python temelleri ve gelişmiş istatistiklere geçer. Kurs ayrıca özgeçmiş oluşturmayı, kendi ticaret masanızı kurmayı ve 100'den fazla ortak şirketle yerleştirmeler için sahte görüşmeler yapmayı içerir. Kurs eğitmeni, öğrencilere herhangi bir soru veya zorlukta kişisel olarak yardımcı olur ve şüphelerin giderilmesini sağlar. Konuşmacı ayrıca, sonraki bölümlerde tartışılacak olan topluluk etkinlikleri ve özellikleri gibi küresel algoritmik ticaret topluluğuna katılmanın özel avantajlarından da bahseder.

  • 00:30:00 Bu bölümde, konuşmacı algoritmik ticaret kursunu oluşturan farklı modülleri tartışıyor. Kurs, yapı taşlarıyla başlar ve öğrencilerin uygulamalı bir ortamda farklı stratejiler oluşturmaya çalışacakları eşitlik etkileri ve gelecekteki stratejilere geçer. Pazar mikro yapısı ve uygulamaları da ele alınıyor ve ardından, farklı API'ler ve aracılar kullanılarak geçmiş veriler üzerinde fikirlerin geriye dönük test edilmesiyle ilgili bir modül takip ediliyor. Makine öğrenimi de yeni bir alanda araştırılıyor. Algoritmik ticaret altyapısının nasıl kurulduğunu anlatan bir modül ile ticaret ve ön işlemlerin önemi vurgulanıyor. Kurs ayrıca opsiyon ticareti, portföy optimizasyonu ve risk yönetimi üzerine bir modül içerir. Son olarak, öğrenciler bir proje üzerinde çalışır ve sınavı geçtikten sonra doğrulanmış bir sertifika alırlar.

  • 00:35:00 Bu bölümde konuşmacı, QuantInsti tarafından sunulan ve 300+ saatlik bir kursu tamamladıktan sonra doğrulanmış bir etki sertifikası sağlayan Algoritmik Ticaret programını tartışıyor. Fakülte, sektörde ulaşılabilir ve farklı varlık sınıfları ve rollerinde uygulamalı deneyim sağlayan tanınmış isimler içerir. Kurs, kolay uygulama için özgeçmiş hazırlığından API'lere ve komisyoncu ağlarına erişime kadar her şeyi kapsar. Ayrıca, QuantInsti ekibi bağış toplama konusunda yardımcı olur ve algoritmik ticaret öğrenmek isteyenler için ideal bir kurs haline gelir.

  • 00:40:00 Bu bölümde Nadine, ömür boyu rehberlik, 165'ten fazla ülkeden öğrencilerle bağlantı kurma yeteneği, özel etkinlikler ve oturumlar, komisyonculara ücretsiz ve sübvansiyonlu erişim, erişim gibi EPAT topluluğunun bir parçası olmanın faydalarını tartışıyor. BlueShift gibi geriye dönük test araçlarına ve en güncel içeriğe ömür boyu erişime. Ayrıca mevcut beceri setinize temel bir nicel boyut ekler. EPAT, finansal eğitim programı kapsamında tanınır ve Singapur'da çalışan profesyoneller için geri ödeme olarak 2.000 Singapur doları tutarında bir fayda sağlar.

  • 00:45:00 Bu bölümde Ben Magnano, 2005 yılında günlük ticaretle mücadele ederken başlayan algoritmik ticaret yolculuğunu tartışıyor. Sonunda, niceliksel ve algoritmik ticaretin temelleri ve esasları ile sıkı eğitim ve öğretilerle tanıştığı QuantInsti'yi buldu. Python'u öğrendi ve kendi programını yazabildi, daha sonra kantitatif bir tüccar olarak sertifikasını aldı. Bu, WorldQuant'ta bir araştırma danışmanı olarak bir fırsata yol açtı ve bugün hala onlarla birlikte çalışıyor, her zaman kodlama stilini geliştirmek ve yapay zeka gibi en son endüstri trendlerinden haberdar olmak istiyor.

  • 00:50:00 Bu bölümde, konuşmacı, algoritmik ticaret alanındaki muazzam büyümeden ve günlerini alım satımlarına bakıcılık yapmak istemeyen tüccarlar için nasıl giderek daha fazla tercih edilen yöntem haline geldiğinden bahsediyor. Konuşmacı ayrıca bu vizyonu gerçeğe dönüştürdükleri için kantitatif analistlere teşekkür eder ve sunucular tarafından sağlanan mükemmel analiz için minnettarlığını ifade eder. Video, katılımcıları miktar ve FinTech alanında sektöre hazır hale getirmek için tasarlanmış bir program olan ePAD'in kısa bir özetiyle sona eriyor.
Algorithmic Trading | Is It Right for You & How To Get Started
Algorithmic Trading | Is It Right for You & How To Get Started
  • 2019.06.26
  • www.youtube.com
Nitin Aggarwal is the Co-founder of Alphom Advisory, which focuses on High Frequency Trading Strategies. He was also one of the key members of iRage Options ...
 

Quant Trading İçin Risk Modelleri Yazan Zura Kakushadze - 16 Mayıs 2019



Quant Trading İçin Risk Modelleri Yazan Zura Kakushadze - 16 Mayıs 2019

Zura Kakushadze, tartışmasında, 2.000 ABD hisse senedi portföyünü optimize etmek için kovaryans matrisinin tersinin hesaplanmasıyla ilgili zorluklara odaklanıyor. Getirilerin zaman serisindeki gözlem sayısı portföydeki hisse senedi sayısından küçük olduğunda, örnek kovaryans matrisinin tekil hale geldiğini ve tersine çevrilemeyeceğini vurgulamaktadır. Tekil olmasa bile, korelasyonları temsil eden köşegen dışı öğeler, stoklara kıyasla önemli ölçüde daha fazla sayıda gözlem olmadıkça, ki bu genellikle gerçek hayat uygulamalarında geçerli değildir, örnek dışı oldukça kararsız olacaktır.

Kakushadze, nicel ticaret stratejileri için risk modellerinin, daha kısa elde tutma süreleri ve geçici alfalar nedeniyle geleneksel risk modellerinden farklı olduğunu açıklıyor. Bu stratejiler için uzun geri arama dönemleri istenmez ve kovaryans matrisini hesaplamak için alternatif yöntemler gerekir. Yaygın bir yaklaşım, riski faktör riski ve spesifik risk olarak ayrıştıran bir faktör modeli kullanmaktır. Faktör modelinin avantajı, büyük kovaryans matrisini çok daha küçük bir faktör kovaryans matrisiyle temsil etmesi ve bu da onu hesaplama açısından verimli kılmasıdır. Ancak Kakuşadze, faktör modelinde hala ele alınması gereken karmaşık detayların olduğuna dikkat çekiyor.

Konuşmacı ayrıca her bir hisse senedi için oynaklığın hesaplanmasıyla ilgili zorlukları tartışıyor ve örnek kovaryans matrisi yerine örnek korelasyon matrisine odaklanmayı öneriyor. Örnek korelasyon matrisi, tekillik, istikrarsızlık ve kovaryans matrisiyle ilgili diğer endişeler nedeniyle tercih edilir. Kakushadze, çarpık varyansları hesaba katmayı ve kovaryans matrisi yerine korelasyon matrisi için bir faktör modeli kullanmayı önerir. Risk faktörlerini belirleme sorusu ortaya çıkar ve iki olasılık önerilir: örnek korelasyon matrisinin ana bileşenlerinin kullanılması veya boyut, momentum ve oynaklık gibi stil faktörlerinin kullanılması.

Tarz faktörleri ve endüstri sınıflandırmaları da dahil olmak üzere niceliksel ticarete uygun farklı risk faktörleri araştırılır. Konuşmacı, alım satımla ilgili kısa ufuk faktörlerini kullanmanın ve daha uzun ufuk faktörlerini hariç tutmanın önemini vurgular. Risk modelinde arzu edilen alfa faktörlerini yanlışlıkla nötralize etme riski de tartışılmış ve risk faktörlerinin dikkatli bir şekilde seçilmesi ve ağırlıklandırılması gereği vurgulanmıştır.

Kakushadze, satıcılardan satın alınan standartlaştırılmış risk modellerinin, istenmeyen risk faktörlerini ortadan kaldırmakta veya bir tacirin risk alanının tüm ilgili yönlerini kapsamakta yetersiz kaldığını açıklıyor. Bu nedenle, konuşmacı sıfırdan özel bir risk modeli oluşturmayı önerir. Bir yaklaşım, sınırlı bir inceleme süresi ile bir zaman serisi getirisi almayı ve örnek korelasyon matrisinin temel bileşenlerine dayalı faktör yükleri oluşturmayı içeren istatistiksel risk modellerini kullanmaktır.

Etkili sıralama kavramı, risk faktörleri olarak kullanılacak temel bileşenlerin sayısını belirlemenin bir yolu olarak ortaya atılmıştır. Etkili sıra, bir matrisin etkili boyutsallığını ölçer ve spektral entropi kullanılarak hesaplanabilir. Bununla birlikte, istatistiksel risk modellerinin, gözlem sayısıyla sınırlandırıldığı ve risk alanının sınırlı kapsamıyla sonuçlandığı için, risk faktörlerinin sayısı açısından sınırlamaları vardır. Numune dışı daha yüksek ana bileşenlerin istikrarsızlığı da bir endişe kaynağıdır.

Korelasyon matrisindeki örneklem dışı ikili korelasyonların ve köşegen dışı elemanların istikrarsızlığı tartışılmaktadır. Kakushadze, istikrarsız bir korelasyon matrisinden hesaplanan daha yüksek temel bileşenlerin sıklıkla güncellendiğini ve kararsız olduğunu, oysa ilk temel bileşenin nispeten kararlı olma eğiliminde olduğunu açıklıyor. Konuşmacı ayrıca, daha kısa tutma stratejileri için uygun olan stil faktörlerini tanımlamaya da giriyor ve tedavüldeki hisse senetleri gibi istatistiksel olarak önemsiz korelasyonların gün içi ticaret stratejilerinden çıkarılmasını öneriyor.

Kısa vadeli nicel ticaret modellerinde kullanılan dört ortak faktör tartışılmaktadır: yön (momentum), oynaklık, likidite ve fiyat. Kakushadze, her bir faktörün nasıl tanımlandığını ve faktör getirilerinin kesitsel regresyon kullanılarak nasıl hesaplanabileceğini açıklıyor. Her bir faktör getirisi için yıllık Sharpe oranının hesaplanması, bunların alım satım stratejileri için istatistiksel alakalarının ve uygunluklarının belirlenmesinde vurgulanır.

Konuşmacı, risk modellemede faktör yüklerini ve stil faktörlerinin etkinliğini test etmeye ve doğrulamaya geçer. Faktör yüklerini test etmenin bir yolu olarak, gün içi işlemlerde geriye dönük test yapılması veya artıklar üzerindeki daha kısa alfa işlemlerinin, faktör yüklerini kullanarak tarihsel getirileri hesaba kattıktan sonra yapılması önerilir. Stil faktörlerine kıyasla büyük sektörlerin değeri, en az ayrıntılı düzeyde bile vurgulanır. Risk alanının daha büyük bir bölümünü kapsadıkları için, temel endüstri sınıflandırmalarını kullanarak endüstrilere veya alt endüstrilere dayalı risk modellerinin oluşturulması önerilir. Numune dışı ilk ana bileşenin kararlılığı, bu risk modellerinin etkinliğini etkiler.

Çok sayıda alt endüstri için faktör yükleri matrisinin oluşturulması tartışılmış ve çözüm olarak hiyerarşik endüstri sınıflandırmaları önerilmiştir. Bu yaklaşım, önce alt sektörlerin modellenmesini ve daha sonra risk faktörlerinin modellenmesi için sanayilerin bir sonraki granüler düzeyinin kullanılmasını içerir ve sorun düzgün bir şekilde hesaplanabilecek daha küçük bir matrise indirgenene kadar devam eder.

Miktar ticareti için risk modellerini hesaplamak için sorunları adım adım azaltma süreci açıklanmaktadır. Kakushadze başlangıçta örnek kovaryans matrisine 10'a 10 gibi daha küçük boyutlu bir faktör yükleme matrisi hesaplayarak, kalan faktör olan pazar için tek faktörlü bir model oluşturur. Bu, sorunu büyük bir matristen daha küçük bir matrise indirger. Bu yapıya stil faktörlerinin dahil edilmesi önerilir, ancak katkıları, çeşitli sektörlerden daha fazla sayıda risk faktörü ile karşılaştırıldığında sınırlı olabilir. Stil faktörleri, hisse senetleri arasındaki korelasyonları modellemek için ideal temsiller olmayabilir.

Stil faktörlerinin normalizasyon sürecinde bir kesişme noktasının dahil edilmesinin önemi açıklanmaktadır. Konuşmacı, tipik olarak bir stil faktörü olarak kullanılan fiyat günlüğünün aslında fiyatın bir normalleştirme faktörüne bölünmesiyle elde edilen günlük olduğunu açıklıyor. Normalleştirme faktörü ampiriktir ve tüccarın tercihine göre özelleştirilebilir. Sektöre dayalı faktörler, modelleme korelasyonları için güvenilir temsiller olma eğilimindeyken, stil faktörlerinin çift doğrusal kombinasyonları zayıf temsiller olarak kabul edilir. Bu nedenle, tacirlerin sektöre dayalı faktörlere odaklanmaları ve modellerini işlem tarzlarına ve kantitatif işlem alfalarına göre özelleştirmeleri önerilir.

Konuşmacı, faktör modelleri, endüstri sınıflandırmaları ve temel bileşenler gibi güçlü fikirleri risk modellemede oldukça etkili olabilecek bir yapıda birleştiren heteroz kavramını tanıtıyor. Kümeleme teknikleri, temel endüstri sınıflandırmalarının yerini alabilecek çok düzeyli kümeleme şemalarını kullanarak risk faktörlerini oluşturmanın bir yolu olarak da tartışılmaktadır. Bununla birlikte, deterministik olmayan kümeleme algoritmaları, her çalıştırıldıklarında farklı kümelemeler üretebilir ve bu da sistemde gürültüye yol açar. Gürültüyü azaltmak için, çok sayıda kümelemenin ortalaması alınabilir veya boyut indirgeme veya ana bileşen analizi gibi diğer teknikler kullanılabilir.

Kantitatif ticaret riski modellerinde kümeleme için farklı yaklaşımlar araştırılmaktadır. Konuşmacı, k-ortalama kümelemenin deterministik olmayabileceğini, ancak hiyerarşik kümeleme gibi deterministik alternatiflerin öznel ve daha yavaş olabileceğini açıklıyor. Konuşmacı, yalnızca kümelemeye güvenmek yerine, toplama için risk modellerinin kendilerinin kullanılmasını önerir. K-means durumunda, deterministik olmayan doğa, küme merkezlerinin başlatılmasından kaynaklanır, ancak genel minimumu bulmak her zaman gerekli değildir. Tarihsel getirileri kullanma konusundaki naif yaklaşımı geliştirmek için, getirileri tarihsel oynaklıklara karşı normalleştirme önerilmektedir.

Küme normalizasyonu ve çok düzeyli kümeleme, nicelik ticareti için tartışılmaktadır. Portföy optimizasyonu ve performansın iyileştirilmesi için getirileri iki standart sapma ile normalize etmek yerine getirileri varyansa bölerek kümeleme yapılması önerilir. Çok düzeyli kümeleme için iki yaklaşım sunulmaktadır: önce en ayrıntılı düzeyin oluşturulduğu aşağıdan yukarıya, ardından kümeleri sırayla kümeleme ve en az ayrıntılı düzeyin önce oluşturulduğu yukarıdan aşağıya, ardından art arda kümeleme şeritleri. Hiyerarşik algoritmalar gibi deterministik olmayan algoritmalar, deterministik algoritmalara kıyasla performans açısından avantajlı değildir ve konuşmacı, kümeleme ve toplama tekniklerinin kullanılmasını önerir.

Konuşmacı, kümelenmeye dayalı risk modellerinde küme sayısının belirlenmesi konusuna değinir. Dirsek yöntemi veya siluet analizi gibi geleneksel yöntemlerden bahsedilir ancak bunlar her zaman güvenilir sonuçlar vermeyebilir. Bunun yerine konuşmacı, çoklu kümeleme çözümleri oluşturmayı ve ortaya çıkan kümelerin kararlılığını ölçmeyi içeren kararlılık analizini kullanmayı önerir. Kararlılık, küme çifti kararlılığı veya önyükleme kararlılığı gibi teknikler kullanılarak değerlendirilebilir.

Kakushadze, istikrarsız kümeler güvenilmez risk tahminlerine yol açabileceğinden, kümelenmeye dayalı risk modellerinde istikrarın önemini vurguluyor. Kararlı kümelerin risk modellemesi için kullanılması gerektiğini, istikrarı artırmak için kararsız kümelerin atılması veya diğer kümelerle birleştirilmesi gerektiğini önermektedir. Konuşmacı ayrıca, geleneksel kümeleme yöntemlerine alternatif olarak, makine öğrenimi algoritmalarını kullanan hiyerarşik kümeleme gibi makine öğrenimi tekniklerinin kullanımından bahseder.

Ardından tartışma, seçilen kümelere dayalı olarak risk modellerinin oluşturulmasına geçer. Konuşmacı, faktör yüklerini tahmin etmek için her bir küme içindeki örnek korelasyon matrisinin kullanılmasını önerir. Her kümenin örnek korelasyon matrisinin özdeğerlerine ve özvektörlerine ayrıştırılmasıyla faktör yükleri elde edilebilir. Portföyün tamamı için faktör yükleri matrisi, her bir kümeden alınan faktör yükleri birleştirilerek oluşturulabilir.

Konuşmacı, risk katkılarını temsil etmelerini sağlamak için faktör yüklerini uygun şekilde normalleştirmenin önemini vurgular. Risk paritesini elde etmek için özdeğerlerin tersinin faktör yükleri için ağırlık olarak kullanılmasını önerir. Bu, her hisse senedinin genel portföy riskine eşit katkıda bulunmasını sağlar. Risk modeli, stil faktörleri veya sektöre dayalı faktörler gibi ek faktörler dahil edilerek daha da geliştirilebilir.

Zura Kakushadze, niceliksel ticaret stratejileri için risk modelleri oluşturmanın zorluklarını ve yaklaşımlarını tartışıyor. Kovaryans matrisindeki tekillik ve istikrarsızlık gibi konuları ele almanın yanı sıra uygun risk faktörlerini ve kümeleme tekniklerini seçmenin önemini vurguluyor. Tüccarlar, faktör modellerini, sektör sınıflandırmalarını ve kümelemeyi birleştirerek, portföylerinin risk özelliklerini etkili bir şekilde yakalayan özel risk modelleri oluşturabilirler.

  • 00:00:00 Sunucu, ortalama varyans optimizasyonu veya Sharpe oranı maksimizasyonu gibi teknikleri kullanarak 2.000 ABD hisse senedi portföyünü optimize etmek için kovaryans matrisinin tersinin hesaplanması konusunu tartışıyor. Getirilerin zaman serisindeki gözlem sayısı portföydeki hisse senedi sayısından küçükse, örnek kovaryans matrisinin tekil olacağını ve tersine çevrilemeyeceğini açıklıyor. Tekil olmasa bile, köşegen dışı öğeler (korelasyonları temsil eder), gözlem sayısı portföydeki hisse senedi sayısından çok daha fazla olmadıkça, ki bu tipik olarak hiçbir zaman böyle değildir, örneklem dışı oldukça kararsız olacaktır. gerçek hayattaki uygulamalar.

  • 00:05:00 Zura Kakushadze, nicel ticaret stratejileri için risk modellerinin geleneksel risk modellerinden nasıl farklı olduğunu tartışıyor. Daha kısa bekleme süreleri ve kısa ömürlü alfalarla, bu stratejiler için uzun geri inceleme dönemleri istenmez ve örnek kovaryans matrisinin değiştirilmesi gerekir. Bu genellikle riski faktör riskine ve spesifik riske ayıran bir faktör modeli aracılığıyla yapılır. Faktör modeli, büyük matrisi çok daha küçük bir faktör kovaryans matrisiyle modelleme avantajına sahiptir, bu da onu hesaplama açısından verimli kılar. Ancak, hala ele alınması gereken şeytani detaylar var.

  • 00:10:00 Zura Kakushadze, her bir hisse senedi için oynaklığın (Sigma) hesaplanmasıyla ilgili konuları tartışıyor ve tekilliği, istikrarsızlığı ve diğer özellikleri nedeniyle örnek kovaryans matrisinden ziyade örnek korelasyon matrisinin modellemenin odak noktası olması gerektiğini açıklıyor. sorunlar. Çarpık varyansları hesaba katmayı ve kovaryans matrisi yerine korelasyon matrisi için bir faktör modeli aracılığıyla modellemeyi önerir. Risk faktörlerinin ne olması gerektiği sorusu ortaya çıkıyor ve o iki olasılık öneriyor: örnek korelasyon matrisinin temel bileşenlerinden bazılarını kullanmak veya boyut, momentum, oynaklık gibi hisse senetlerinin ölçülen özellikleri olan stil faktörlerini kullanmak. vesaire.

  • 00:15:00 Zura Kakushadze, stil faktörleri ve sektör sınıflandırmaları da dahil olmak üzere kantitatif ticarette kullanılabilecek farklı risk faktörlerini tartışıyor. Optimizasyonda gürültü oluşturabilecekleri ve arkalarında alfa olmayan ek işlemler oluşturabilecekleri için, kısa vadeli ticarette daha uzun vadeli stil faktörleri kullanma konusuna dikkat çekiyor. Alım satımla ilgili kısa ufuk faktörlerine odaklanmak ve daha uzun ufuk faktörlerini hariç tutmak önemlidir. Başka bir konu, risk modelinde uzun olması arzu edilen bir faktörün yanlışlıkla nötralize edilebildiği, dolayısıyla risk faktörlerinin seçimine ve ağırlıklandırılmasına dikkat edilmesi gereken, yanlışlıkla alfa nötralizasyonudur.

  • 00:20:00 Konuşmacı, optimize edilmiş risk modellerinin, kantitatif tüccarların uzun süre devam etmek istedikleri arzu edilen alfa faktörünü nasıl etkisiz hale getirebileceğini açıklıyor. Satıcılardan satın alınan standartlaştırılmış risk modelleri, istenmeyen risk faktörlerini faktör modelinden veya kovaryans matrisinden çıkaramaz ve tüccarın risk alanının ilgili yönlerini kapsayamaz. Bu nedenle konuşmacı, özel bir risk modelinin sıfırdan oluşturulması gerektiğini önermektedir. Özel bir risk modeli oluşturmanın bir yolu, sınırlı bir yeniden inceleme süresiyle bir zaman serisi getiri almayı ve örnek korelasyon matrisinin ilk K ana bileşenine dayalı faktör yükleri oluşturmayı içeren istatistiksel risk modellerini kullanmaktır.

  • 00:25:00 Zura Kakushadze, faktör yükleri matrisinde risk faktörleri olarak kullanılacak temel bileşenlerin sayısını belirlemenin bir yolu olarak etkin sıralamayı tartışıyor. Etkin sıra, bir matrisin etkin boyutluluğu olarak tanımlanır ve bir örnek korelasyon matrisinin etkin boyutluluğunu belirlemek için spektral entropi kullanılarak hesaplanabilir. İstatistiksel risk modellerini kullanmanın sınırlaması, risk faktörlerinin sayısının gözlem sayısıyla sınırlandırılmasıdır, bu da risk alanının nispeten küçük bir bölümünün kapsanmasına neden olur. Numune dışı istikrarsızlık, numune korelasyon matrisinin daha yüksek ana bileşenleriyle ilgili bir endişe kaynağıdır.

  • 00:30:00 Zura Kakushadze, örneklem dışı ikili korelasyonların istikrarsızlığından ve korelasyon matrisindeki köşegen dışı elemanların istikrarsızlığıyla nasıl ilişkili olduğundan bahsediyor. Bu kararsız korelasyon matrisinden hesaplanan yüksek ana bileşenlerin sık sık güncellendiğini ve kararsız olduğunu, birinci ana bileşenin ise nispeten kararlı olduğunu açıklıyor. Kakushadze ayrıca, piyasa değeri ve günlük fiyat gibi daha kısa tutma stratejileriyle ilgili stil faktörlerinin nasıl tanımlanacağını ve gün içi ticaret stratejilerinde alfa ile istatistiksel olarak önemsiz korelasyonlara sahip olduğu için ödenmemiş hisse senetlerinin nasıl düşürülebileceğini tartışıyor.

  • 00:35:00 Zura Kakushadze, kısa vadeli quant ticaret modellerinde kullanılan dört ortak faktörü tartışıyor: yön (momentum), volatilite, likidite ve fiyat. Bu faktörlerin her birinin nasıl tanımlanacağını ve kesitsel regresyon kullanılarak faktör getirilerinin nasıl hesaplanacağını açıklıyor. Kakushadze ayrıca, bir ticaret stratejisinde bahis oynamak için bunların istatistiksel alaka düzeyini ve uygunluğunu belirlemede her faktör getirisi için yıllık Sharpe oranının hesaplanmasının önemini vurgulamaktadır.

  • 00:40:00 Konuşmacı, faktör yüklerini test etme ve doğrulama yollarını ve risk modellemede stil faktörlerinin etkinliğini tartışır. Faktör yüklerini test etmenin bir yolu, faktör yüklerini kullanarak geçmiş getirileri hesaba kattıktan sonra gün içi işlemlerde veya artıklar üzerinde daha kısa alfa işlemlerinde geriye dönük testler yapmaktır. Konuşmacı ayrıca, en küçük ayrıntı düzeyinde bile, stil faktörlerine kıyasla büyük sektörlerin değerini vurgulayarak, geriye dönük testlerden elde edilen verileri sunar. Ardından konuşmacı, risk alanının stil faktörlerinden daha büyük bir bölümünü kapsadığından, Bix veya GICS gibi temel endüstri sınıflandırmalarını kullanan endüstrilere veya alt endüstrilere dayalı risk modelleri oluşturmayı önerir. Bu risk modellerinin etkinliği, örneklem dışı ilk temel bileşenin kararlılığına bağlıdır.

  • 00:45:00 Zura Kakushadze, bir faktör yükleri matrisinin oluşturulmasını ve çok sayıda alt sektör için doğru şekilde hesaplanmasının zorluğunu tartışıyor. Hiyerarşik endüstri sınıflandırmalarını, sorunun bir Rus bebeği risk yerleştirme yaklaşımı kullanılarak daha küçük bir matrise indirgendiği bir çözüm olarak önerir. Bu, önce alt sektörlerin modellenmesini, ardından bu risk faktörlerinin bir sonraki ayrıntılı sanayi düzeyini kullanarak modellenmesini ve sorun düzgün bir şekilde hesaplanabilecek daha küçük bir matrise indirgenene kadar devam etmeyi içerir.

  • 00:50:00 Zura Kakushadze, miktar ticareti için risk modellerini hesaplamak için sorunları adım adım azaltma sürecini tartışıyor. Kakushadze, örnek kovaryans matrisine 10'a 10 faktör yükleme matrisi hesaplayarak, kalan faktör olan pazar için tek faktörlü bir model oluşturabilir ve sorunu 2000'den 2000'e birer birer azaltabilir. Bu yapıya stil faktörlerinin dahil edilmesini öneriyor, ancak katkılarının çeşitli endüstrilerden daha fazla sayıda risk faktörü ile karşılaştırıldığında sınırlı olabileceğini belirtiyor. Ek olarak, stil faktörleri, hisse senetleri arasındaki ikili korelasyonlardaki korelasyonları modellemek için iyi temsiller olmayabilir.

  • 00:55:00 Zura Kakushadze, stil faktörlerinin normalleştirme sürecine neden bir kesmenin dahil edilmesi gerektiğini açıklıyor. Tipik olarak bir stil faktörü olarak kullanılan fiyatın günlüğü aslında fiyatın günlüğü değil, fiyatın bir normalizasyon faktörüne bölünen günlüğü olduğu için kesme gereklidir. Bu normalleştirme ampirik bir sorudur ve tüccarın tercihine göre özelleştirilebilir. Endüstriye dayalı faktörler, modelleme korelasyonları için güvenilir temsiller olma eğilimindeyken, stil faktörlerinin çift doğrusal kombinasyonları oldukça zayıf temsillerdir. Bu nedenle, tüccarlar sektöre dayalı faktörlere odaklanmalı ve modellerini ticaret modellerine ve kantitatif ticaret Alfalarına göre özelleştirmelidir.

  • 01:00:00 Konuşmacı, faktör modelleri, sektör sınıflandırmaları ve temel bileşenler gibi güçlü fikirlerin risk modellemede oldukça güçlü olabilecek bir yapıda birleşimi olan heteroz kavramını tartışıyor. Kümeleme tekniklerinin, temel endüstri sınıflandırmalarının yerini alabilecek çok düzeyli kümeleme şemaları aracılığıyla risk faktörlerinin oluşturulmasında da kullanılabileceğini açıklıyor. Bununla birlikte, kümeleme ile ilgili bir sorun, deterministik olmaması ve her çalıştırıldığında farklı kümelemeler üreterek sistemde gürültüye yol açabilmesidir. Gürültüyü azaltmak için, ya çok sayıda kümeleme kaldırılabilir ya da boyut indirgeme ya da ana bileşen analizi gibi diğer teknikler kullanılabilir.

  • 01:05:00 Konuşmacı, miktar ticaret riski modellerinde kümeleme için farklı yaklaşımları tartışıyor. K-ortalamaları deterministik olmayabilirken, hiyerarşik kümeleme gibi deterministik alternatifleri kullanmanın öznel ve daha yavaş olabileceğini açıklıyorlar. Ek olarak, konuşmacı kümelemeler yerine bir araya getirmek için risk modellerinin kendilerinin kullanılmasını önerir. Konuşmacı, k-means kullanırken, algoritmanın deterministik olmayan doğasına neden olan şeyin her küme için merkezlerin başlatılması olduğunu, ancak genel minimumu bulmanın her zaman gerekli olmadığını not eder. Konuşmacı, tarihsel getirileri kullanma şeklindeki naif yaklaşımı geliştirmek için getirileri tarihsel oynaklıklara karşı normalleştirmeyi öneriyor.

  • 01:10:00 Zura Kakushadze, nicelik ticareti için küme normalizasyonu ve çok düzeyli kümelemeyi tartışıyor. Portföyleri optimize etmek ve performansı artırmak için kümelemenin getirileri iki standart sapmayla normalleştirmek yerine varyansa bölerek yapılması gerektiğini öne sürüyor. Kakushadze, çok seviyeli kümeleme için iki yol önerir: önce en ayrıntılı seviyenin oluşturulduğu aşağıdan yukarıya, ardından kümeleri sırayla kümeler ve ilk olarak en az ayrıntılı seviyenin oluşturulduğu, ardından art arda kümeleme şeritlerinin oluşturulduğu yukarıdan aşağıya. Ek olarak, hiyerarşik algoritmalar gibi deterministik olmayan algoritmalar, deterministik algoritmalarla karşılaştırıldığında performans açısından avantajlı değildir ve Kakushadze, kümeleme ve toplama tekniklerinin kullanılmasını önerir.

  • 01:15:00 Konuşmacı, bir ticaret modelinde küme sayısını düzeltmenin olası yollarını tartışıyor. Bir seçenek, ihtiyaç duyulan küme sayısını belirlemek için etkin sıralamaya dayalı buluşsal yöntemleri kullanmaktır. Alternatif olarak, küme sayısı hiperparametre olarak tutulabilir ve örnek dışı geriye dönük testler yoluyla optimize edilebilir. Ek olarak, farklı k-ortalama çalıştırmaları tarafından üretilen kümeleri hizalamak ve orijinal k-ortalama çalıştırmalarının k küme halinde bir hizalamasını oluşturmak için bu hizalanmış merkezleri k-aracı yoluyla kümelemek için tartışılan bir yöntem vardır. Bu yöntem amaçlanandan daha az sayıda kümeyle sonuçlanabilir, ancak yine de daha az kümeyle kullanışlı bir model sağlayabilir.

  • 01:20:00 Konuşmacı, nicel ticarette risk modellerini toplamanın çeşitli yollarını tartışıyor. Bir yaklaşım, kümeleme algoritması olarak uygulanabilecek gürültülü kümeleri ortadan kaldırmak için k-ortalamaları kullanarak kümeleri hizalamak ve boş kümeleri bırakmaktır. Hizalama işleminin kendisi deterministik olmamasına rağmen, daha az gürültülü ve yeterli bir sonuç üretir. Başka bir yöntem, bir faktör modeli olan tek bir k-aracına dayalı olarak model kovaryans matrisini hesaplayarak risk modellerinin kendilerini toplamayı içerir. Bununla birlikte, karşılık gelen faktör kovaryans matrisi, küçük p değerleri ve çok sayıda küme nedeniyle tekil olabilir ve risk alanının kapsamını sınırlar. Çok sayıda tekli k-aracına dayalı risk modellerini bir araya getirerek, risk alanında çok daha fazla yön kapsanır ve bu da daha geniş kapsama sahip, çarpanlara ayrılmamış bir risk modeliyle sonuçlanır.

  • 01:25:00 Zura Kakushadze, risk modellemesi yapmanın farklı yollarını ve hangi yaklaşımın daha iyi performans gösterdiğini tartışıyor. Temel bileşenlere dayalı istatistiksel risk modellerinin, risk alanının yalnızca küçük bir bölümünü kapsadıkları için en kötü performans gösteren modeller olduğunu açıklıyor. Kümeleme gibi makine öğrenimi risk modelleri, doğrusal düzeyde olmayan getiriler arasındaki ilişkileri ortaya çıkardıkları için önemli ölçüde daha iyi performans gösterir. Ancak yine de temel endüstri sınıflandırmasına dayalı heterotik risk modellerinin altında performans gösteriyorlar. Temel endüstri sınıflandırmaları, ara sıra yapılan yanlış yargı kararlarına rağmen, çok sayıda faktörün kapsamlı bir analizine dayandığından, insanlar bu açıdan hala makineleri yenmektedir. Bir makine öğrenimi algoritmasının risk modellemede insanlardan daha iyi performans gösterip gösteremeyeceği bilinmiyor.

  • 01:30:00 Konuşmacı, izleyicileri videoda tartışılan ticaret stratejileriyle ilgili geriye dönük test yapmaya ve uygulamalı deneyim kazanmaya teşvik ediyor. Stratejileri bireysel ticaret stillerine göre optimize etmek ve uyarlamak için kullanılabilecek belgelere ve kaynak koduna bağlantılar sağlarlar. Ek olarak, organizatörler, algoritmik ve nicel ticarette küresel bir bilgi ve teknoloji merkezi olmayı amaçlayan bir sertifika programı ve kendi hızınızda bir öğrenme portalı dahil olmak üzere Condensity'nin girişimlerinden bahsediyor.
Risk Models For Quant Trading By Zura Kakushadze - May 16, 2019
Risk Models For Quant Trading By Zura Kakushadze - May 16, 2019
  • 2019.05.17
  • www.youtube.com
Learn about using Risk Modelling for the purpose of Quant Trading from none other than the renowned personality, Dr. Zura Kakushadze. Zura is the President a...
 

Yeni Başlayanlar İçin Forex Ticareti | Döviz Piyasalarında Algoritmik Ticaret Yazan Dr. Alexis Stenfors



Yeni Başlayanlar İçin Forex Ticareti | Döviz Piyasalarında Algoritmik Ticaret Yazan Dr. Alexis Stenfors

Dr. Alexis Stenfors, özellikle likidite ve önemine odaklanarak döviz (FX) piyasasının kapsamlı bir analizini yapıyor. Döviz piyasasının muazzam büyüklüğünü ve küresel hisse senedi piyasasına göre karşılaştırmalı ölçeğini vurgulayarak başlıyor. Potansiyel krizlere veya doğal afetlere rağmen, döviz piyasasındaki likidite güçlü kalmaya devam ediyor.

Dr. Stenfors, uluslararası kapsamına dikkat çekerek profesyonel döviz piyasasının rekabetçi doğasına ışık tutuyor. Bu piyasada tek bir döviz çiftinde işlem yapmak, aynı anda başka bir döviz çiftinde işlem yapmadan mümkün değildir. Bu özellik, döviz piyasasını, hisse senedi almanın daha yaygın ve doğrudan olduğu borsadan ayırır. Ayrıca, merkez bankaları para basma veya doğrudan müdahale gibi eylemlerle bir para biriminin değerini etkileyerek döviz piyasasına müdahale edebilirken, bu tür müdahaleler borsada daha az yaygındır. Ek olarak, FX piyasası, araştırma amaçları için güvenilir verilere erişmeyi zorlaştıran düzenlemeler, devre kesiciler ve şeffaflık olmadan çalışır.

Döviz piyasasındaki likiditenin özü, bankalar arasındaki ilişkilerin ve sözleşmelerin önemini vurgulayan Dr. Stenfors tarafından açıklanmaktadır. Geleneksel hisse senedi ve hisse senedi piyasalarından farklı olarak, döviz piyasasındaki piyasa yapıcılar, başka bir tarafın karşılık vermeye hazır olduğunu bilmedikçe fiyatları teklif edemez veya likidite sağlayamazlar. Döviz takas piyasasında, rakiplerin al-sat spreadleri belirli rakamlar etrafında kümelenme eğilimindedir ve ilginç bir şekilde, rakipler genellikle farklı spreadler sunmak yerine tamamen aynı spreadleri verirler.

Forex ticaret endüstrisindeki piyasa gelenekleri, fiyat ve hacme dayalı sözleşmelere odaklanarak Dr. Stenfors tarafından tartışılmaktadır. Bu sözleşmeler, uygun ticaret davranışını belirler ve bankalar ile müşteriler arasındaki güçlü ilişkileri kolaylaştırır. Anketler, tacirlerin yalnızca küçük bir yüzdesinin gelenekleri esas olarak kar elde etme amacıyla takip ettiğini, çoğunluğun ise bunları ilişkileri güçlendirmenin ve olumlu bir piyasa imajını sürdürmenin bir yolu olarak algıladığını gösteriyor. Algoritmik ticaretin yükselişi, bu sözleşmelerde değişikliklere yol açtı; algoritmik ticaret, EBS gibi platformlardaki ticaretin %70'inden fazlasını oluşturuyor.

Forex piyasası için algoritmik ticaretin sonuçları Dr. Stenfors tarafından tartışılmaktadır. Taraftarlar, yüksek frekanslı ticaretin piyasa verimliliğini artırabileceğini, işlem maliyetlerini azaltabileceğini ve likiditeyi iyileştirebileceğini savunuyorlar. Bununla birlikte, şüpheciler, algoritmaların başlangıçta insan ilişkileri için tasarlanmış sözleşmelere bağlı kalmaya uygun olmadığını iddia ediyor. Elektronik platformları kullanan tüccarlar, alım satım yapmaya çalışırken piyasa hızla hareket ettiğinde zorluklarla karşılaşabilir. Likidite artık karmaşık ve tespit edilmesi zor olarak algılanıyor. Algoritmalarla ilgili farklı bakış açılarına rağmen, her iki taraf da FX likiditesinin daha yakından inceleme gerektiren değişikliklerden geçmekte olduğu konusunda hemfikir. Dr. Stenfors, 2010 yılında insan ticareti ile algoritmik ticaret arasında eşit bir ayrım olduğunu gösteren bir ticaret platformundan veriler sunuyor.

Forex piyasasının hacmini ve likiditesini inceleyen Dr. Stenfors, örnek olarak euro dolar döviz çiftine odaklanıyor. Üç işlem gününde, euro dolar için toplam limit emir miktarının sadece yüzde 0,08'lik dar bir farkla 1,8 trilyon olduğunu ortaya koyuyor. Bu, dar marjlara sahip oldukça likit bir piyasayı gösterir. Ancak, tüm limit emirlerin yüzde birinden daha azı fiilen işlemle sonuçlandı ve ortalama limit emir ömrü sadece 2,5 saniyeydi. Bu bulgular, piyasa likit görünebilirken, gerçek likiditesinin göründüğünden daha az önemli olabileceğini düşündürmektedir. Dr. Stenfors, likiditeye hızlı bir şekilde erişilip erişilemeyeceği sorusunu soruyor ve piyasanın anlaşma girişimlerine hemen tepki verip vermediğini belirlemek için bir test yapıyor.

Dr. Stenfors, döviz piyasasında limit emir gönderimlerinin likidite üzerindeki etkisine ilişkin araştırmasını paylaşıyor. 1,4 milyon limit emri gönderimini incelerken, yeni bir limit emrinin emir defterinin diğer tarafına hemen likidite eklediğini ve yüksek frekanslı tüccarlara fayda sağladığını keşfeder. Ancak likidite 0,1 saniye içinde kayboluyor, bu da algoritmik ticaretin yalnızca kısa vadeli likiditeye katkıda bulunduğunu gösteriyor. Dr. Stenfors, fiyat bazlı likidite, hacim bazlı likidite, topluluk bazlı likidite gibi likiditenin çeşitli yönlerini dikkate almanın önemini vurgulayarak, son on yılda döviz piyasasında likiditeyi destekleme isteğinde önemli bir değişikliğin altını çiziyor ve piyasayı analiz ederken hıza dayalı likidite.

Forex ticaretinde farklı emir türleri kavramı ve bunların etik sonuçları Dr. Stenfors tarafından açıklanmaktadır. Diğer tüccarların emirlerini iptal etmesini önlemek ve bilgi açısından zengin emirleri gizlemek için büyük emirleri daha küçük emirlere bölmek için bölünmüş emirlerin kullanıldığını açıklıyor. Ancak, piyasa durumu hakkında yanlış bir izlenim yaratan kaşık siparişleri çoğu piyasada genellikle yasa dışıdır. Öte yandan, gizli piyasa bilgilerini çıkarmayı amaçlayan ping emirleri daha az tartışmalıdır ancak yoruma tabidir. Dr. Stenfors ayrıca, incelenen beş döviz çifti arasında euro-dolar ve dolar-yen siparişlerinin %15-20'sini oluşturduğunu ortaya koyarak bölünmüş emirlerin muhafazakar tanımını sunuyor.

Dr. Stenfors, bölünmüş emirlerin kullanımını ve döviz piyasasındaki saldırganlığını araştırıyor. Popüler inanışın aksine, büyük emirler genellikle yüksek saldırganlık sergiler ve bölünmüş emirler yalnızca daha büyük miktarları gizlemekle kalmaz, aynı zamanda algoritmik tacirlerin daha agresif emirler vermesini sağlar. Ancak, bölünmüş emirlere piyasa tepkisi, tipik insan emirlerine kıyasla çok daha belirgindir ve algoritmalar bu stratejiye hızla uyum sağlayarak, bölünmüş emirleri daha az etkili hale getirir. Tartışma aynı zamanda yanıltma ve pinglemeye de değinerek, euro dolar ve dolar yen gibi büyük döviz çiftlerinin bilgiye karşı son derece hassas olduğunu ve onları yanıltmaya karşı duyarlı hale getirdiğini, ping işleminin ise piyasayı emirlerle test ederek ve herhangi bir tepkiyi gözlemleyerek gizli bilgileri çıkarmak için kullanıldığını gösteriyor. .

Dr. Stenfors, çeşitli döviz piyasalarında "ping"in yaygınlığını analiz etmek için geliştirdiği bir proxy sunuyor. Herhangi bir piyasa değişikliği meydana gelmeden önce bir ping emri iptal edilir, bu da onu ping faaliyetinin potansiyel bir göstergesi yapar. Kapsamlı bir veri tabanı kullanan Dr. Stenfors, Euro Dolar ve Sarı Piyasalardaki siparişlerin yaklaşık %10'unun potansiyel ping siparişleri olabileceğini tahmin ediyor. Ancak Euro İsveç ve Dolar Rublesi gibi pazarlarda bu oran önemli ölçüde artarak sırasıyla %50 ve %80'e kadar ulaşıyor. Özellikle, ping, platformda daha az işlem gören pazarlarda daha belirgin görünmektedir. Dr. Stenfors, likidite çalışmasının, özellikle FX popüler piyasasında piyasa oluşturma işlevi giderek daha fazla algoritmalar tarafından yürütüldüğünden, çeşitli stratejilerin ve sipariş ömürlerinin dikkate alınmasını gerektirdiğini öne sürüyor.

Dr. Stenfors, forex piyasasındaki likiditenin gelişen doğasını tartışıyor ve bunu değerlendirmek için daha geniş bir ölçüt yelpazesine olan ihtiyacı vurguluyor. Bölünme, sahtekarlık ve pingleme gibi sipariş stratejilerinde engellerin etkisinin altını çiziyor. Bu konular, hisse senedi piyasalarında kapsamlı bir şekilde incelenmiş olsa da, forex piyasasının daha büyük boyutuna rağmen, bunların forex likiditesi üzerindeki etkileri önemli ölçüde farklı olabilir. Dr. Stenfors, tüccarların emir verme yöntemleri ne olursa olsun bu karmaşıklıkların farkında olmalarını tavsiye ediyor ve daha fazla araştırma yapmak isteyenler için ek kaynaklar sağlıyor.

Alexis Stenfors, özellikle likidite ve çeşitli boyutlarına odaklanarak forex piyasasının ayrıntılı bir analizini sunuyor. Araştırması, büyüklüğü, rekabetçi doğası ve uluslararası kapsamı dahil olmak üzere forex piyasasının benzersiz özelliklerini vurgulamaktadır. Piyasa sözleşmelerinin önemini, algoritmik ticaretin sonuçlarını ve farklı emir türlerinin likidite üzerindeki etkisini vurguluyor. Dr. Stenfors, çalışmaları aracılığıyla forex likiditesinin karmaşıklığını ve gelişen doğasını ortaya koyarak, bu dinamik piyasada kapsamlı değerlendirme ve anlayışa duyulan ihtiyacın altını çiziyor.

  • 00:00:00 Dr. Alexis Stenfors döviz (FX) piyasasını ve özellikle likiditenin önemini tartışıyor. Döviz piyasasının büyüklüğünü ve küresel borsa ile karşılaştırmalı büyüklüğünü vurguluyor. Ayrıca, kriz veya doğal afet zamanlarında bile genel olarak likiditenin ne kadar iyi olduğuna dikkat çekiyor. Dr. Stenfors daha sonra profesyonel ortamda FX piyasasının rekabetçi doğasını ve nasıl uluslararası olduğunu tartışmaya devam ediyor, bu da kişinin başka bir şeyle işlem yapmadan tek bir döviz çiftiyle işlem yapamayacağı anlamına geliyor.

  • 00:05:00 Dr. Alexis Stenfors, Forex piyasasının onu borsadan ayıran benzersiz özelliklerini açıklıyor. Forex piyasası, bir para birimini satın almanın otomatik olarak diğerini satmayı içermesi, oysa borsanın hisse senedi satın almaya eğilimli olması bakımından mükemmel bir simetriye sahiptir. Ek olarak, merkez bankaları döviz piyasasına para basarak veya doğrudan müdahale ederek bir para biriminin değerini düzenleyerek müdahale edebilirken, borsaya genellikle müdahale etmezler. Forex piyasası aynı zamanda devre kesicilerin olmadığı düzenlenmemiş bir piyasadır ve bir OTC piyasasıdır, bu da onu çok opak ve araştırma amaçları için verilere erişmeyi zorlaştırır.

  • 00:10:00 Dr. Alexis Stenfors, döviz piyasasındaki likiditenin özünü ve fiyatlandırma, hacim ve hıza dayalı farklı likidite türlerini açıklıyor. Piyasadaki likidite, geleneksel hisse senedi ve hisse senedi piyasalarından farklı olarak bankalar arasındaki ilişkilere ve sözleşmelere dayanmaktadır. Piyasa yapıcılar, onları geri koymak için başka bir tarafın orada olduğunu bilmeden fiyatları teklif edemez veya likidite sağlayamazlar. Döviz takas piyasasında, rakiplerin fiyatları için al-sat farkı belirli rakamlar etrafında kümelenme eğilimindedir ve ilginç olan kısım, rakiplerin genellikle farklı değil, tamamen aynı spreadleri teklif etmeleridir.

  • 00:15:00 Dr. Alexis Stenfors, fiyat ve hacme dayalı sözleşmeler de dahil olmak üzere forex ticaret endüstrisindeki piyasa kurallarının önemini tartışıyor. Bu sözleşmeler, uygun ticaret davranışı ve bankalar ile müşteriler arasında iyi ilişkilerin sürdürülmesi ile ilgilidir. Anketler, tüccarların yalnızca küçük bir yüzdesinin kar elde etmek için gelenekleri takip ettiğini, çoğunluğun ise bunu ilişkileri geliştirmenin ve iyi bir pazar imajını sürdürmenin bir yolu olarak gördüğünü gösteriyor. Algoritmik ticaretin yükselişiyle birlikte, artık ticaretin %70'inden fazlasını oluşturduğu EBS gibi platformlarda algoritmik ticarette önemli bir artışla birlikte bu gelenekler değişiyor.

  • 00:20:00 Dr. Alexis Stenfors, forex piyasası için algoritmik ticaretin sonuçlarını tartışıyor. Bazıları, yüksek frekanslı ticaretin daha düşük işlem maliyetleri ve daha iyi likidite ile daha verimli bir piyasaya yol açabileceğini savunurken, diğerleri algoritmaların insan ilişkilerine yönelik sözleşmeleri takip etmek için uygun olmadığını savunuyor. Elektronik ticaret platformlarını kullanan tüccarlar, işlem yapmaya çalıştıkları anda piyasa hareket ettiğinde hayal kırıklığı yaşayabilir ve likidite artık karmaşık ve tespit edilmesi zor olarak görülüyor. Algoritmalar konusundaki duruşu ne olursa olsun, her iki taraf da döviz likiditesinin değişmekte olduğu ve daha dikkatli bir şekilde ele alınması gerektiği konusunda hemfikir. Dr. Stenfors, 2010 yılında %50 insan ve %50 algoritmik ticaret olan bir ticaret platformundan veri sunuyor.

  • 00:25:00 Dr. Alexis Stenfors, euro dolar döviz çifti örneğini kullanarak forex piyasasının hacmini ve likiditesini tartışıyor. Üç işlem günü boyunca, euro-dolar için toplam limit emir miktarının sadece yüzde 0,08'lik bir farkla 1,8 trilyon olduğunu ve bunun da onu sıkı marjlarla çok likit bir pazar haline getirdiğini belirtiyor. Bununla birlikte, tüm limit emirlerin yalnızca yüzde birinden daha azının gerçekte bir işlemle sonuçlandığını ve medyan limit emir ömrünün sadece 2,5 saniye olduğunu tartışmaya devam ediyor, bu da piyasa likit görünse de göründüğünden daha az likit olabileceğini öne sürüyor. . Daha sonra, likiditenin hızlı bir şekilde çekilip çekilemeyeceği sorusunu sorar ve bir anlaşmaya teşebbüs edilir edilmez piyasanın hareket edip etmediğini kontrol etmek için bir test yapar.

  • 00:30:00 Dr. Alexis Stenfors, limit emir gönderimlerinin döviz piyasasındaki likidite üzerindeki etkisine ilişkin araştırmasını tartışıyor. 1,4 milyon limit emri gönderimini analiz etti ve yeni bir limit emrinin, limit emir defterinin diğer tarafına hemen likidite eklediğini ve bunun yüksek frekanslı tüccarlar için faydalı olduğunu buldu. Bununla birlikte, likidite 0,1 saniye sonra kaybolur ve bu, algoritmik ticaretin yalnızca çok kısa vadede likidite için iyi olduğu fikriyle tutarlıdır. Ayrıca, son on yılda döviz piyasasında likiditeyi destekleme isteğinde önemli bir değişiklik olduğuna dikkat çekiyor. Bu nedenle, piyasayı analiz ederken fiyata dayalı likiditeyi, hacme dayalı likiditeyi, topluluğa dayalı likiditeyi ve hıza dayalı likiditeyi dikkate almak önemlidir.

  • 00:35:00 Dr. Alexis Stenfors, forex ticaretindeki farklı emir türleri kavramını ve bunların etik sonuçlarını açıklıyor. Bölünmüş emirlerin, diğer tüccarların emirlerini iptal etmesini önlemek ve bilgi açısından zengin emri gizlemek için büyük emirleri daha küçük emirlere bölmek için kullanıldığını açıklıyor. Ancak kaşık siparişleri, piyasanın durumu hakkında yanlış bir izlenim yarattıklarından çoğu piyasada yasa dışıdır. Ping emirleri, piyasa hakkında gizli bilgileri elde etmeyi amaçlar ve tartışmalı kabul edilmez, ancak bunların önemi, yoruma göre değişir. Bu bölüm ayrıca, Dr. Stenfors'un, incelenen beş döviz çiftinde euro dolar ve dolar yen için %15-20 ile sonuçlanan bölünmüş emirlerin ihtiyatlı tanımından bahsediyor.

  • 00:40:00 Dr. Alexis Stenfors, bölünmüş emirlerin kullanımını ve bunların FX piyasasındaki saldırganlığını tartışıyor. Popüler inanışın aksine, büyük emirler genellikle çok agresiftir ve bölünmüş emirler yalnızca daha büyük miktarları gizlemek için değil, aynı zamanda algoritmik tacirlerin daha agresif emirler vermesini sağlamak için de kullanılır. Bununla birlikte, bölünmüş bir düzene verilen tepki, tipik bir insan düzenine göre çok daha güçlüdür ve algoritmalar bunu hızlı bir şekilde algılayarak, bu sipariş bölme stratejilerini daha az başarılı hale getirir. Dr. Stenfors, yanıltma ve pingleme konusuna da değinerek, yaygın inanışın aksine, eurodolar veya dolar yen gibi büyük döviz çiftlerinin bilgiye karşı son derece hassas olduğunu ve bu nedenle, pinglemenin bilgi sahteciliğine karşı oldukça duyarlı olduğunu açıklıyor. suları emirlerle test ederek ve reaksiyonları gözlemleyerek gizli bilgileri çıkarın.

  • 00:45:00 Dr. Alexis Stenfors, farklı döviz piyasalarında "ping"in ne kadar belirgin olduğunu analiz etmek için oluşturduğu bir proxy'yi tartışıyor. Bir ping emri, piyasada herhangi bir değişiklik meydana gelmeden önce iptal edilen ve potansiyel bir ping emri haline gelen bir emirdir. Dr. Stenfors kaç siparişin potansiyel ping siparişi olabileceğini hesaplamak için bir veri tabanı kullandı ve bunun Euro Dolar ve Sarı Piyasalarda yaklaşık %10 olduğunu ve Euro İsveç'te %50'ye ve Ruble Dolar'da %80'e kadar çıktığını tespit etti. Buradaki ilginç gerçek, platformda daha az işlem gören pazarlarda pinglemenin daha fazla öne çıktığı görülüyor. Bu, platformdaki ruble ticaretinin çok büyük olduğu ancak gerçek bir ticaretin olmadığı ve neredeyse %80'inin muhtemelen algoritmik tüccarlar tarafından pinglenen emirler olduğu anlamına gelir. Dr. Stenfors, likidite üzerine çalışıyorsanız, onu incelemenin birçok yolu olduğunu ve önemli bir şeyin, özellikle FX pop'ta piyasa yapıcı işlev olarak farklı stratejilere bakmak ve emrin ömrünü hesaplamak olduğunu öne sürdü. pazar, giderek daha fazla algoritmalar tarafından yapılmaya doğru kayıyor.

  • 00:50:00 Dr. Alexis Stenfors, forex piyasasının değişen likiditesini ve bunu değerlendirmek için daha geniş bir ölçüt yelpazesine olan ihtiyacı tartışıyor. Ayrıca, bölünmelere, sahtekarlığa ve ping'e neden olabilecek sipariş stratejileri için engellerin etkisini vurguluyor. Bu konular hisse senedi piyasalarında geniş çapta araştırılmış olsa da, daha büyük boyutuna rağmen forex piyasasındaki likidite üzerindeki etkileri çok farklı olabilir. Dr. Stenfors, tacirlerin emirlerini nasıl verirlerse versinler bu karmaşıklıkların farkında olmalarını tavsiye ediyor ve daha fazlasını öğrenmek isteyenler için kaynaklar sağlıyor.
Forex Algo Trading | Algo Trading In FX Markets for Beginners | Dr. Alexis Stenfors
Forex Algo Trading | Algo Trading In FX Markets for Beginners | Dr. Alexis Stenfors
  • 2019.01.31
  • www.youtube.com
Join Dr. Alexis Stenfors, Economist, as he unveils the fascinating world of Forex Algo Trading in this insightful video. Discover why the FX market is a uniq...
 

Ticaret Stratejilerinizi Geliştirin ve Geriye Dönük Test Edin | Tam Eğitim



Ticaret Stratejilerinizi Geliştirin ve Geriye Dönük Test Edin | Tam Eğitim

Video, bulut tabanlı bir platform olan Blueshift'i kullanarak ticaret stratejileri geliştirme ve yürütme konusunda rehberlik edecek deneyimli bir kantitatif tanıtarak başlıyor. Blueshift, ABD ve Hindistan hisse senedi piyasalarının yanı sıra ayrıntılı Forex verileri de dahil olmak üzere kapsamlı veri setleri sunar. Oturum, sistematik stratejileri, Python'a bir giriş, Blueshift'e giriş, geriye dönük test için yeniden kullanılabilir şablonlar oluşturma, teknik göstergeler, tek bir gösterge kullanarak basit bir strateji oluşturma ve portföy stratejilerini yönetme konularını kapsar. Daha da önemlisi, oturum ticaret tavsiyeleri sunmuyor veya kusursuz stratejiler sağlama iddiasında bulunmuyor.

Konuşmacı, ticaret stillerine yönelik temel, teknik ve miktar gibi farklı yaklaşımları ve bunların trendleri nasıl ele aldıklarını, ortalama geri dönüşü, kırılmaları ve benzersiz şekillerde taşımayı vurgular. Sistematik bir ticaret stratejisi tasarlamak, menkul kıymetlerin seçilmesini, alım satım sinyallerinin üretilmesini, hedef portföylerin hesaplanmasını, alım satımların yürütülmesini ve sürecin sürekli olarak iyileştirilmesini içerir. Konuşmacı, fiyat verileri ve dönüşümleri, temel ve piyasa dışı bilgiler ve ticaret kuralları/mantığı dahil olmak üzere sistematik stratejiler için gerekli girdileri açıklar. Bu kurallar, bir tüccarın hipotezine dayalı olarak veya makine öğrenimi ve yapay zeka gibi veriye dayalı teknikler aracılığıyla geliştirilebilir.

Konuşmacı, ticaret stratejilerini geriye dönük test ve ileriye dönük test yoluyla test etmenin önemini vurguluyor. Geriye dönük test, tacirlerin hipotezlerinin geçerliliğini doğrulamasına yardımcı olurken, ileriye dönük testler veri madenciliği önyargıları, hayatta kalma önyargıları, piyasa etkisi modellemesi ve ileriye dönük önyargılar gibi önyargılara ve tuzaklara karşı koruma sağlar. Stratejileri ayarlamak ve değiştirmek için esnek bir geriye dönük test platformu gereklidir ve tüm stratejiler her pazarda iyi performans göstermediği için risk yönetimi ve portföy oluşturma çok önemlidir. Konuşmacı, strateji oluşturma ve test etme için Blueshift platformunda Python tabanlı kod kullanımına kısa bir giriş sağlar.

Video, Blueshift'te işlem stratejilerinin geriye dönük testi için gereken dört temel işlevi açıklıyor. Bu işlevler, başlangıç parametrelerini ayarlayan "initialize", her işlem seansından önce çağrılan "before_trading_start", her yeni fiyat çubuğu gelişinde yürütülen "handle_data" ve strateji analizi için kullanılan "analyze"dir. Konuşmacı, bu işlevlerin çağrıldığı sırayı ve tacirlerin kodlarını her bir işlev içinde nasıl konumlandırabileceklerini gösterir. Bu bölüm, Blueshift platformunda Python kullanımına ilişkin temel bir girişle sona ermektedir.

Python'a aşina olmayan izleyiciler için video, Python temelleri hakkında bir başlangıç niteliğindedir. Sözlükler ve listeler gibi değişkenleri, dizeleri, tamsayıları, değişkenleri ve veri yapılarını kapsar. Python'da işlevlerin ve sınıfların oluşturulması da tanıtılmaktadır. Ardından video, "initialize", "before_trading_start", "handle_data" ve "analyze" adımlarını açıklayan Blueshift iş akışına giriyor. Zamanlanmış ve sıralama işlevlerinin kullanışlılığı vurgulanmıştır.

Sunum yapan kişi, Blueshift'teki üç ana sıralama işlevini tartışır. İlk işlev olan "order_percent_target", tacirlerin hedef portföyün ağırlığına göre dayanak varlıklarda pozisyon almasına olanak tanır. İkinci fonksiyon olan "get_open_orders" bekleyen emirlerin sayısını, üçüncü fonksiyon olan "cancel_order" ise emirlerin iptal edilmesini sağlar. Sunucu, ticaret ortamını kontrol etmenin önemini vurgular ve "set_commission", "set_slippage" ve "set_account_currency" gibi işlevleri gösterir. Blueshift'teki "bağlam" ve "veri" nesneleri, algoritma durumunu yakalama ve verilere erişme rollerini sergileyerek açıklanır. Bir örnek, "geçmiş" işlevini kullanarak basit bir al ve tut stratejisi için portföye ve verilere erişmeyi göstermektedir. "Zamanlama" işlevini kullanarak zamanlama kavramı tanıtıldı ve kullanıcıların belirli işlevlerin ne zaman çağrılması gerektiğini tanımlamasına izin verildi.

Eğitim, strateji geliştirmeyi kolaylaştırmak ve tekrarlayan kodlardan kaçınmak için bir şablon oluşturmaya odaklanır. TLE gibi teknik gösterge kitaplıkları ve Pandas ve Numpy gibi standart kitaplıklar içe aktarılır. Menkul kıymetler evreni, ana endekslere kadar daraltılır ve "bağlam" değişkeni, strateji parametrelerini depolamak için bir sözlük olarak başlatılır. Bu parametreler, gösterge geri bakışını, alış/satış eşiklerini, hareketli ortalama sürelerini, RSI'yi, B bantlarını, ATR'yi ve işlem sıklığını içerir. Bu şablon, standart kodu en aza indirmeyi ve kolay değişiklikler için parametreleri standartlaştırmayı amaçlamaktadır.

Konuşmacı, ticareti kontrol etmek ve evrendeki her enstrüman için ağırlıkları olan bir portföy oluşturmak için bir değişken sunar. Tanıtım amacıyla komisyon ve kaymayı sıfıra ayarladılar. "handle_data" işlevi, her 15 dakikada bir alım satımı gerçekleştirmek için tanımlanmıştır. "run_strategy" işlevi, stratejiyi çalıştırmak için ana işlev haline gelir. "context.universe.prices" işlevini kullanarak yeniden dengelemeden önce geçmiş fiyatları alır ve ağırlıkları hesaplar. "Yeniden dengeleme" işlevi, evrendeki tüm menkul kıymetleri yineler ve hedef ağırlıklara ulaşmak için emirler verir. Bağlam portföyünü ve ağırlıkları yazdırmak için anonim bir işlev tanımlanır ve ağırlık nesnesini hesaplamak için bir "danışman" sınıfı oluşturulur.

Konuşmacı, ad ve sinyal işlevi dahil olmak üzere "danışman" sınıfı için girdilerin nasıl tanımlanacağını ve hisse senedi seçim evreninin nasıl geçileceğini açıklar. Danışmanın performansının başlatılması ve saklanmasının yanı sıra alım/satım sinyalleri oluşturmak için sinyal işlevini çağıran ana işlevi tanımlamayı kapsar. Konuşmacı, genellikle geçmiş fiyatların ağırlıklı işlevleri olarak ifade edilen teknik göstergelere dayalı sinyal işlevinin tanımlanmasını vurgular. AQR Capital Management'tan Cliff Asness gibi uzmanların teorik makalelerine başvurmayı tavsiye ediyorlar.

Teknik göstergeler ve bunların pazarla olan korelasyonu, temel bileşenler analizi kullanılarak istatistiksel analize dayalı olarak tartışılmaktadır. Teknik göstergeler, yüksek veya düşük frekanslı verileri filtreleyerek uzun veya kısa vadeli eğilimleri yakalayarak, geçmiş fiyatlar veya getiriler üzerinde filtre görevi görür. Bununla birlikte, teknik göstergeler kendi kendini gerçekleştiren kehanetler olabilir ve momentum veya stop-loss avcılığına yol açabilecek belirli ticaret algoritmalarına karşı hassastır. Alım satım stratejilerini geliştirirken ve geriye dönük test ederken farklı göstergelerden oluşan bir portföye sahip olmak önemlidir.

Eğitmen, teknik analiz kitaplığının içe aktarılmasını açıklar ve mevcut teknik göstergeleri listeler. Eğitmen, Bollinger Bantları örneğini kullanarak, son satırın değerini almak için "Bbantlar" işlevini gösterir. RSI, MACD, Fibonacci desteği, direnci vb. gibi diğer işlevler de sergileniyor. Eğitmen "get_price" işlevini ve her dönem için işlem yapma zamanının gelip gelmediğini kontrol eden "handle_data" işlevini açıklar. "run_strategy" işlevi, "advisor_compute_signal_price" işlevini ve ardından hedef yüzdeler için sipariş vermek üzere "yeniden dengeleme" işlevini kullanarak uygun argümanları arar. Son olarak, strateji analizi için "analyze" işlevi kullanılır.

Konuşmacı, algoritmik ticaret karlarını artırmak için strateji portföylerini yönetmeye odaklanır. Tek bir stratejiye bağlı kalmak yerine, birden fazla stratejiyi aynı anda veya farklı dönemlerde yürütmek önerilir. Strateji portföylerini yönetmek için dört yöntem tartışılmaktadır: bir komite oluşturmak, rejim değiştirme modeli kullanmak, dinamik tahsis ve faktöre dayalı yatırım. Ortalama, sinyal kararlılığını iyileştirebilir. Stratejinin kodu, danışmanları seçmekten ve sermayeyi tahsis etmekten sorumlu bir aracı eklemeyi içerir. Temsilci, yeniden dengeleme işlevini etkileyen danışman ağırlıklarını güncellemek için bir tartım işlevi kullanır.

Konuşmacı, danışman sayısına göre portföylerin nasıl tanımlanacağını ve ağırlıklandırılacağını açıklar ve her biri için eşit tahsis yapılır. Sermayeyi aralarında dağıtmak için ayrı uzman danışmanlar ve bir aracı oluşturmayı gösterirler. QuickBacktest kullanılarak yapılan bir geriye dönük test, bireysel durumlara kıyasla önemli ölçüde iyileştirilmiş performans gösterir. Konuşmacı, bir ticaret stratejisinde düşüşün önemini vurguluyor ve Sortino oranına ve kar ve zarar eğrisinin istikrarına bakmayı öneriyor. Eşit ağırlıklı ortalama girdi portföyü, performansı önemli ölçüde artırır, ancak daha fazla iyileştirme için yer vardır.

Konuşmacı, tahmin edilmesi zor bir piyasada en iyi performans gösteren yatırım stratejisini belirlemeyi içeren "pişmanlık duymayan ticaret" kavramını tanıtıyor. Strateji, tek bir yatırıma güvenmek yerine, her bir yatırımın ağırlıklarını değiştirmeyi içerir. Konuşmacı, ağırlıkları belirlemek için üstel gradyan algoritmasının kullanılmasını ve portföyün piyasa senaryolarına verdiği tepkiye göre ayarlanmasını önerir. Kelly kriteri, geometrik Brownian hareketine dayalı olarak getiriye karşı varyansı maksimize eden sermaye tahsisi için de önerilir.

Konuşmacı, ağırlıkların çıktısını ve bunların farklı danışmanlar için nasıl farklılık gösterdiğini açıklar. Gerçekten rastgele ise, diğer sinyallere kıyasla ideal olarak daha az tahsis alan rastgele bir sinyali test ederler. Konuşmacı, bir danışman listesi ve bir öğrenme oranı parametresi alan ve ağırlık fonksiyonunu hesaplayan etmen fonksiyonunu tartışır. Danışmanlar listesini yineler, danışman sinyalini hesaplar, bunları sektör bazında toplar ve hesaplanan ağırlığa göre bağlam ağırlıklarını günceller. Bölüm, strateji geliştirmeyle ilgili yönergelerle sona eriyor; buna aşırı uyumdan kaçınma, hesap kaldıracını kontrol etme ve izleyicilerin keşfetmesi için bir demo stratejileri listesi sağlama dahildir.

Konuşmacı, kağıt ticareti veya canlı piyasalarda az miktarda sermaye ile ticaret gibi farklı ileriye dönük test yöntemlerini tartışıyor. BlueShift'in şu anda PI meşale veya Jupiter Notebook'u desteklemediğini, ancak Keras ve TensorFlow'u desteklemeyi planladığını belirtiyorlar. Platform, Hindistan pazarlarıyla sınırlı değildir ve ABD ve Hindistan hisse senedi verilerinin yanı sıra döviz verilerine de erişebilir. Konuşmacı, BlueShift'in şu anda yerleşik hata ayıklama araçlarına sahip olmadığını, ancak gelecekte bunları eklemeyi düşündüğünü belirtiyor.

Konuşmacı, seçenek geriye dönük testinden bahsediyor ve bunu sunan çoğu platformun güvenilmez olduğundan veya kapsamlı veri temizleme ve düzenleme gerektirdiğinden bahsediyor. Ayrıca, Indian Gravitons'ın yalnızca sıvı vadeli işlemleri desteklediğini ve üçüncü taraf veri beslemelerine izin vermediğini de belirtiyorlar. Önerilen minimum geriye dönük test süresi, alım satım sıklığına bağlıdır ve Hindistan pazarları için bir dakikalık veriler mevcut olmasına rağmen, teknoloji sınırlamaları nedeniyle optimizasyon çalışmaları verimli değildir. BlueShift'in herhangi bir ücreti yoktur ve web sitesi trafiği bunları kaldırabildiği sürece eş zamanlı geriye dönük test sayısında herhangi bir kısıtlama yoktur. PSA için geriye dönük test yapmak ve Python paketlerini kullanmak mümkündür, ancak güvenlik nedeniyle sınırlı bir kullanılabilir paket listesi vardır.

Konuşmacı, geriye dönük testin ticaret stratejileri geliştirme ve değerlendirmede çok önemli bir adım olduğunu açıklıyor. Bir stratejiyi canlı pazarlarda uygulamadan önce uygulanabilir ve karlı olup olmadığını belirlemeye yardımcı olur. Gerçekçi sonuçlar elde etmek için geriye dönük test yaparken işlem maliyetlerini, kaymayı ve diğer gerçek dünya faktörlerini dikkate almanın önemini vurguluyorlar.

Konuşmacı, ticaret stratejilerini geriye dönük olarak test etmek ve uygulamak için bir ortam sağlayan BlueShift platformunu tanıtıyor. BlueShift, Hindistan hisse senedi, ABD hisse senedi ve forex piyasalarında geriye dönük test yapmayı destekler. Kullanıcılar, Python'u kullanarak stratejilerini yazıp test edebilir ve çeşitli yerleşik işlevlerden ve kitaplıklardan yararlanabilir. Platform ayrıca, kullanıcıların tercihlerine bağlı olarak stratejilerini kağıt ticaretine veya gerçek sermaye ile ticaret yapmasına olanak tanır.

Konuşmacı, canlı piyasalarda az miktarda sermaye ile bir strateji uygulamayı içeren ileriye dönük testin önemini vurguluyor. Bu, gerçek zamanlı koşullarda stratejinin performansını ve davranışını doğrulamaya yardımcı olur. BlueShift'in şu anda Hindistan pazarları için ileriye dönük testi desteklediğinden ve kullanıcıların 1 crore (10 milyon) Hint Rupisine kadar sanal sermaye ile kağıt ticareti yapabileceğinden bahsediyorlar.

Seçenek geriye dönük testi de tartışılır ve konuşmacı, seçenek geriye dönük testi için mevcut pek çok platformun güvenilir olmadığını veya kapsamlı veri temizleme ve hazırlama gerektirdiğini belirtir. BlueShift'in şu anda seçenek geriye dönük testini desteklemediğini, ancak gelecekte eklemeyi düşünebileceğini belirtiyorlar.

Veri mevcudiyeti ile ilgili olarak, konuşmacı BlueShift'in Hindistan hisse senedi, ABD hisse senedi ve forex piyasaları için geçmiş verileri sağladığından bahseder. Ancak, Hindistan pazarları için bir dakikalık verilerle stratejileri optimize etmenin teknolojik sınırlamalar nedeniyle verimli olmayabileceğini belirtiyorlar.

Konuşmacı, BlueShift'in platformu geriye dönük test etme veya kullanma için herhangi bir ücretinin olmadığını açıklıyor. Web sitesi trafiği yükü kaldırabildiği sürece, kullanıcılar istedikleri kadar geriye dönük test yapabilirler. Ayrıca BlueShift'in güvenlik nedenleriyle kısıtlı bir kullanılabilir Python paketleri listesine sahip olduğunu, ancak kullanıcıların pandalar ve numpy gibi popüler paketlerden yararlanmaya devam edebileceğini belirtiyorlar.

Konuşmacı, strateji geliştirmede kapsamlı geriye dönük testlerin ve ileriye dönük testlerin önemini vurgulamaktadır. Sunum sırasında tartışılan sınırlamaları ve hususları göz önünde bulundurarak kullanıcıları ticaret stratejilerini geriye dönük test etmek ve uygulamak için BlueShift platformundan yararlanmaya teşvik ederler.

  • 00:00:00 Toplantı sahibi, strateji geliştirmeye yönelik bulut tabanlı bir platform olan Blueshift'i kullanarak ticaret stratejilerinin nasıl geliştirilip yürütüleceği konusunda izleyicilere rehberlik edecek deneyimli bir niceliği tanıtıyor. Miktar, Blueshift'i ABD ve Hindistan hisse senedi piyasalarını içeren veri setlerinin yanı sıra dakika düzeyinde verilerle aldatılmış Forex'e sahip olarak tanımlıyor. Oturum, sistematik stratejiler, Python hakkında kısa bir giriş, Blueshift'e giriş, geriye dönük test için yeniden kullanılabilir bir şablon oluşturma, teknik göstergeler, tek bir teknik gösterge kullanarak basit bir strateji oluşturma ve bir portföy stratejisini farklı şekillerde yönetme hakkında kısa noktaları kapsayacaktır. yollar. Oturum, ticaret tavsiyeleri veya her zaman işe yarayan en iyi stratejileri vermekle ilgili değildir.

  • 00:05:00 Konuşmacı, temel, teknik ve quant gibi farklı alım satım stillerinin trendi, ortalama geri dönüşü, kırılmaları ve farklı şekillerde taşımayı ele aldığından bahsetti. Ayrıca, menkul kıymetler evrenini seçmeyi, al ve sat sinyalleri üretmeyi, hedef portföyleri hesaplamayı, stratejiyi yürütmeyi ve süreci sürekli iyileştirmeyi içeren sistematik bir ticaret stratejisinin nasıl tasarlanacağını tartıştılar. Buna ek olarak, konuşmacı sistematik stratejiler geliştirmek için fiyatlar ve dönüşümleri, temel ve piyasa dışı bilgiler ve bir tüccarın hipoteziyle veya verilerin makine öğrenimini kullanarak kuralları söylemesine izin vererek geliştirilebilecek ticaret kuralları veya mantığı gibi girdileri açıkladı. ve yapay zeka.

  • 00:10:00 Konuşmacı, geriye dönük test ve ileriye dönük test dahil ticaret stratejilerini test etmenin önemini tartışıyor. Geriye dönük test, tüccarların stratejilerini test ederek hipotezlerinin doğru olup olmadığını belirlemelerine olanak tanırken, ileriye dönük testler veri madenciliği önyargıları, hayatta kalma önyargıları, piyasa etkisi modellemesi ve ileriye dönük önyargılar gibi önyargılara karşı koruma sağlar. Konuşmacı, stratejileri ayarlamak ve değiştirmek için esnek bir geriye dönük test platformuna duyulan ihtiyacı vurgular, ancak aynı zamanda, tüm stratejiler tüm pazarlarda iyi performans göstermediğinden portföy oluşturma ve risk yönetiminin önemini vurgular. Son olarak, konuşmacı, alım satım stratejileri oluşturmak ve test etmek için blue shift platformunda Python tabanlı kodu kullanma hakkında kısa bir bilgi veriyor.

  • 00:15:00 Konuşmacı, belirli bir platform kullanarak ticaret stratejilerini geriye dönük test etmek için gereken dört farklı işlevi açıklıyor. İlk işlev, geriye dönük test için başlangıç parametrelerini ayarlamak için kullanılan başlatma işlevidir. İkincisi, her gün ticaret seansı açılmadan önce çağrılan ticaret başlamadan önce çağrılır. Üçüncü işlev, her yeni fiyat çubuğu gelişinde çağrılan işlem verileridir ve son işlev analiz olarak adlandırılır. Konuşmacı ayrıca, seçilen bir veri kümesine göre her bir işlevin çağrıldığı sırayı ve her bir işlevde kodunu nereye koyacağınızı nasıl belirleyeceğinizi de gösterir. Bu bölüm, kodlama için Python kullanımına kısa bir girişle sona ermektedir.

  • 00:20:00 Python'un temelleri, dile aşina olmayanlar için açıklanıyor. Sözlükler ve listeler gibi veri yapılarının yanı sıra değişkenlerin, dizelerin, tamsayıların ve değişkenlerin kullanımı tartışılır. Python'da işlevlerin ve sınıfların oluşturulması da tanıtılmaktadır. Ardından video, Blueshift iş akışındaki dört adımı açıklamak için devam eder: başlatma, ticarete_başlamadan önce, veriyi işleme ve analiz etme. Zamanlanmış ve sıralama işlevlerinin kullanışlılığı da açıklanmaktadır.

  • 00:25:00 Sunum yapan kişi, bir ticaret platformu olan Blue Shift'te kullanılan üç ana sipariş işlevini tartışıyor. İlk işlev, hedef portföyünüzün ağırlığındaki dayanak varlıklarda pozisyon almak için kullanılan sipariş yüzdesi hedefidir. İkinci fonksiyon, gerçekleştirilmesi gereken emir sayısını sağlayan açık emirleri alma, üçüncü fonksiyon ise emri iptal etme işlevidir. Ek olarak sunum yapan kişi, ticaret ortamınızı kontrol etmenin önemini açıklıyor ve bunun komisyon ayarlama, slipaj ayarlama ve hesap para birimi belirleme gibi işlevleri kullanarak nasıl uygulanacağına dair örnekler sunuyor. Sunum yapan kişi ayrıca Blue Shift'teki bağlamı ve veri nesnelerini, bunların algoritmanın durumunu yakalamak ve verilere erişmek için nasıl kullanıldığını açıklıyor ve kullanarak basit bir al ve tut stratejisinde portföyünüze ve verilerinize nasıl erişeceğinize dair bir örnek sunuyor. tarih fonksiyonu. Son olarak sunum yapan kişi, gün ve saat cinsinden bir işlevin ne zaman çağrılacağını tanımlamak için kullanılabilen program işlevini kullanarak planlama kavramını tanıtır.

  • 00:30:00 Eğitim, tüccarların tekrarlayan kodlardan kaçınmak için kullanmaları için bir şablon oluşturmaya odaklanır. Öğretici, TLE gibi teknik gösterge kitaplıklarını ve Pandalar ve Numpy için standart kitaplıkları içe aktarır. Evren daha sonra iki ana endekse indirgenir ve bağlam değişkeni, stratejiler için parametreleri tek bir yerde depolamak için bir sözlük olarak başlatılır. Parametreler, gösterge geri bakışını, alış ve satış eşiğini ve hızlı hareket eden ve yavaş hareket eden ortalamaları, RSI'yi, B bantlarını ve ATR'yi ve ticaret sıklığını içerir. Bu şablon, standart kodu en aza indirmek ve kolay değişiklikler için parametreleri standart hale getirmek için kullanışlıdır.

  • 00:35:00 Konuşmacı, ticareti kontrol etmek ve evrendeki her enstrüman için bir ağırlık portföyü oluşturmak için bir değişken ekler. Demo amacıyla komisyonu ve kaymayı sıfıra ayarladılar. İşlemin her 15 dakikada bir gerçekleşmesini sağlamak için handle_data işlevi tanımlanır. run_strategy işlevi, stratejiyi çalıştırmak için ana işlev olarak oluşturulur. İşlev, seçili vadeli işlemlerin geçmiş fiyatlarını almak ve yeniden dengelemeden önce ağırlıkları hesaplamak için context.universe.prices'ı çağırır. Yeniden dengeleme işlevi, evrendeki tüm menkul kıymetleri gözden geçirmek ve hedef ağırlıklara ulaşmak için bir sipariş vermek için kullanılır. Konuşmacı ayrıca bağlam portföyünü ve en sonunda ağırlıkları yazdırmak için anonim bir işlev tanımlar ve ağırlık nesnesini hesaplamak için danışman adında bir sınıf oluşturur.

  • 00:40:00 Konuşmacı, ad ve sinyal işlevi dahil olmak üzere danışman sınıfı için girdilerin nasıl tanımlanacağını ve hisse senedi seçim evreninin nasıl aktarılacağını tartışır. Ayrıca, danışmanın performansının nasıl başlatılacağı ve saklanacağı ile hisse senedi alım satımı için sinyaller üretmek üzere sinyal işlevini çağıracak ana işlevi tanımlayacaklar. Konuşmacı, sinyal fonksiyonunun geçmiş fiyatların ağırlıklı fonksiyonları olarak ifade edilebilecek teknik göstergelere dayalı olarak tanımlanmasının önemini vurgulamaktadır. Ayrıca, AQR Capital Management'tan Cliff Asness gibi alandaki uzmanların teorik makalelerine bakmanızı da tavsiye ediyorlar.

  • 00:45:00 Konuşmacı, temel bileşenler analizi yoluyla istatistiksel analize dayalı olarak teknik göstergeleri ve bunların pazarla olan ilişkisini tartışır. Teknik göstergeler, uzun veya kısa vadeli eğilimleri yakalamak için yüksek veya düşük frekanslı verileri filtreleyen, geçmiş fiyatlar veya geçmiş getiriler üzerinde bir tür filtre olarak düşünülebilir. Bununla birlikte, teknik göstergeler kendi kendini gerçekleştiren kehanetler olabilir, bu da onları para kazanmak için faydalı kılar, ancak momentum veya stop-stop avcılığıyla sonuçlanabilecek belirli ticari algoritma kategorilerine tabidir. Ek olarak, bir momentum göstergesinin momentum göstermesi, piyasanın mutlaka momentumda olduğu anlamına gelmez. Bu nedenle, farklı göstergelerden oluşan bir portföye sahip olmak, ticaret stratejileri geliştirirken ve geriye dönük testler yaparken kullanışlı olabilir.

  • 00:50:00 Eğitmen, teknik analiz kitaplığı içe aktarımını ve mevcut teknik göstergelerin listesini açıklar. Son satırın değerini döndürmek ve RSI, MACD, Fibonnaci desteği, direnci, vb. gibi diğer işlevleri göstermek için 'Bbands' kitaplık işlevini çağıran Bollinger Bands işlevi örneğini kullanırlar. İşlem yapma zamanının gelip gelmediğini kontrol etmek için her dönem için çağrılan 'verileri işle' işlevi. Ardından, "strateji çalıştırma" işlevi, "danışman hesaplama sinyali fiyatı" işlevini ve ardından hedef yüzdeye ulaşmak için bir emir vermek üzere evrendeki tüm menkul kıymetler arasında döngü oluşturan "yeniden dengeleme" işlevini kullanarak uygun argümanları arar. Son olarak, geriye dönük test edilen stratejiyi analiz etmek için 'analyze' işlevi kullanılır.

  • 00:55:00 Konuşmacı, algoritmik ticaret kârlarını artırmak için strateji portföylerini yönetmeyi tartışıyor. Konuşmacı, tek bir stratejiye güvenmek yerine aynı anda veya farklı zaman dilimlerinde birden fazla strateji yürütmeyi önerir. Konuşmacı, strateji portföylerini yönetmek için dört yöntem sunar: bir komite oluşturma, rejim değiştirme modeli, dinamik tahsis ve faktöre dayalı yatırım. Ortalama alarak, sinyalimizin kararlılığını iyileştirebiliriz. Stratejinin kodu, danışmanları seçmekten ve sermayeyi tahsis etmekten sorumlu bir aracı eklemeyi içerir. Aracı, yeniden dengeleme işlevinde dikkate alınan her danışmanın ağırlıklarını güncellemek için bir tartım işlevi kullanır.

  • 01:00:00 Konuşmacı, danışman sayısına göre portföyleri nasıl tanımladıklarını ve ağırlıklandırdıklarını ve hepsine eşit pay ayırdıklarını açıklıyor. Ayrı uzman danışmanların nasıl oluşturulacağını ve ardından sermayeyi aralarında paylaştırmak için bir temsilcinin nasıl oluşturulacağını gösterirler. Bireysel vakalara kıyasla performansta önemli bir gelişme gösteren QuickBacktest'i kullanarak bir geriye dönük test yürütürler. Konuşmacı, bir ticaret stratejisinde düşüşün önemini vurguluyor ve Sortino oranına ve kar ve zarar eğrisinin istikrarına bakılmasını tavsiye ediyor. Genel olarak, eşit ağırlıklı ortalama girdi portföyü, performansı önemli ölçüde artırdı, ancak konuşmacı hala iyileştirme için yer olduğunu belirtiyor.

  • 01:05:00 Konuşmacı, gelecekteki eğilimleri tahmin etmenin zor olduğu bir pazarda hangi yatırım stratejisinin en iyi performansı gösterdiğini belirlemeye çalışmayı içeren "pişmanlık duymayan ticaret" adlı bir kavramı tartışıyor. Strateji, bir yatırımın diğerlerinden daha iyi performans göstermesine güvenmek yerine, her bir yatırımın ağırlığını değiştirmeyi içerir. Konuşmacı, ağırlığı belirlemek için portföyün piyasa senaryolarına tepkisine göre ağırlığı ayarlayan üstel gradyan algoritmasının kullanılmasını önerir. Konuşmacı ayrıca, ağırlıklandırmayı belirlemek için geometrik Brownian hareketine dayalı olarak, sermayeyi tahsis etmek ve getiriye karşı varyansı maksimize etmek için Kelly kriterlerinin kullanılmasını önerir.

  • 01:10:00 Konuşmacı, ağırlıkların çıktısını ve bunların farklı danışmanlar için nasıl farklılık gösterdiğini açıklıyor. Daha sonra, fonksiyon gerçekten rasgele ise, ideal olarak diğer sinyallere kıyasla daha az tahsis alması gereken rasgele bir sinyali test ederler. Konuşmacı ayrıca danışmanların bir listesini ve bir öğrenme oranı parametresini alan ve ağırlık fonksiyonunu hesaplayan etmen fonksiyonundan bahseder. Danışmanlar listesinde döngüler yapar, danışman sinyalini hesaplar, bunları sektör bazında toplar ve hesaplanan ağırlığı bağlam ağırlıklarına geri gönderir. Konuşmacı daha sonra bölümü, aşırı uyumdan kaçınma ve hesap kaldıracını kontrol etme dahil olmak üzere strateji geliştirmeye ilişkin bazı yönergelerle bitirir ve izleyicilerin keşfetmesi için demo stratejilerinin bir listesini sağlar.

  • 01:15:00 Konuşmacı, kağıt alım satımı veya canlı bir piyasada az miktarda sermaye ile alım satım dahil olmak üzere ileriye dönük testin farklı yollarını tartışıyor. Ayrıca BlueShift'in şu anda PI torch veya Jupiter notebook'u desteklemediğini, ancak Keras ve TensorFlow'u desteklemeyi planladığını belirtiyorlar. Ayrıca platform, Hindistan pazarlarıyla sınırlı değildir ve ABD ve Hindistan hisse senedi verilerine ve döviz verilerine erişebilir. Konuşmacı ayrıca BlueShift'in şu anda yerleşik hata ayıklama araçlarına sahip olmadığını, ancak gelecekte bunları eklemeyi düşündüğünü belirtiyor.

  • 01:20:00 Konuşmacı, seçenek geriye dönük testini tartışıyor ve bunu sunan çoğu platformun güvenilmez olduğunu veya çok fazla veri temizleme ve düzenleme gerektirdiğini açıklıyor. Ayrıca, Indian Gravitons'ın yalnızca likit vadeli işlemleri desteklediğini ve herhangi bir üçüncü taraf verisinin beslenmesine izin vermediğini belirtiyorlar. Geriye dönük test için önerilen minimum süre, alım satım sıklığına bağlıdır ve Hindistan pazarları için bir dakikalık veriler mevcut olsa da, teknoloji eksikliği ve parametrelerin beklenen getirilere göre optimize edilmesi tercihi nedeniyle optimizasyon çalışmaları verimli değildir. Blue Shift'in herhangi bir ücreti yoktur ve web sitesi trafiği bunları karşılayabildiği sürece aynı anda çalıştırılabilecek ayrı geriye dönük testlerin sayısında herhangi bir kısıtlama yoktur. Güvenlik nedenleriyle sınırlı bir kullanılabilir paket listesi olmasına rağmen, PSA için geriye dönük test yapmak ve Python paketlerini kullanmak da mümkündür.
Python Trading Strategies | Create Trading Strategies And Backtest | Portfolio Management Techniques
Python Trading Strategies | Create Trading Strategies And Backtest | Portfolio Management Techniques
  • 2018.08.29
  • www.youtube.com
Check out this comprehensive tutorial on Python Trading Strategies and Portfolio Management Techniques. In this step-by-step guide, you'll learn how to creat...
 

Forex Ticaret Stratejileri | Ticaret Fikirlerini Geliştirin ve Geriye Dönük Test Edin | Tam Efekt Eğitimi



Forex Ticaret Stratejileri | Ticaret Fikirlerini Geliştirin ve Geriye Dönük Test Edin | Tam Efekt Eğitimi

Bu bilgilendirici web semineri sırasında konuşmacı, sistematik ticaret stratejisi araştırması ve geriye dönük test için güçlü bir strateji geliştirme platformu olan Quantiacs BlueShift'e kapsamlı bir genel bakış sunar. Platform, onu tüccarlar için ideal bir araç haline getiren bir dizi özellik ve işlevsellik sunar.

BlueShift bulut tabanlı bir platformdur, yani kullanıcılar ona her yerden erişebilir ve hareket halindeyken stratejiler geliştirip analiz etmelerine olanak tanır. Kullanıcılara dahili finansal veri kümeleri sağlayarak, strateji geliştirme için ilgili piyasa verilerine erişmeyi kolaylaştırır.

Web semineri öncelikle döviz (FX) piyasasına odaklanırken, BlueShift platformu aynı zamanda çeşitli piyasalarda hisse senedi ve vadeli işlem alım satımını da destekler. Platform üzerinde geliştirilen geriye dönük test stratejilerinin fikri mülkiyetinin tamamen kullanıcıya ait olduğunu vurgulayarak gizlilik ve mülkiyeti sağlar.

Konuşmacı, günlük yaklaşık 5 trilyon dolarlık şaşırtıcı işlem hacmiyle en büyük merkezi olmayan piyasa statüsünün altını çizerek döviz piyasasının doğasını derinlemesine inceliyor. Bu hacmin yaklaşık 300 milyar doları perakende ticarete atfedilebilir. Konuşmacı, döviz piyasasını hisse senedi piyasasından ayıran, daha yüksek kaldıraç, daha kolay satış fırsatları ve nispeten daha düşük oynaklık gibi çeşitli faktörleri tartışıyor.

Forex piyasasını neyin yönlendirdiğini anlamak için konuşmacı, ödemeler dengesi, faiz oranları, enflasyon, ekonomik büyüme ve maliye politikaları gibi makroekonomik faktörlerin önemine dikkat çekiyor. Ayrıca, kurumsal ve riskten korunma akışlarının yanı sıra ani siyasi ve jeopolitik değişikliklerin piyasa üzerinde önemli bir etkisi olabileceğinden bahsediyorlar. Ancak, forex piyasasına değer biçmek için standart veya yaygın olarak kabul edilen bir metodoloji olmadığına dikkat etmek önemlidir. Konuşmacı, satın alma gücü paritesi ve reel efektif döviz kuru gibi yöntemler ile büyük kurumlar ve Uluslararası Para Fonu'nun (IMF) tercih ettiği daha gelişmiş tekniklerden kısaca bahsediyor. Ayrıca konuşmacı, likiditeyi artırmada ve gecelik yenileme maliyetlerini belirlemede kısa vadeli fonlama piyasalarının önemini vurguluyor.

Konu forex ticaret stratejilerini geliştirmek ve geriye dönük test etmek olduğunda, konuşmacı çeşitli yaklaşımlar sunar. Parasal model ve davranışsal denge döviz kuru modeli gibi ekonomik modeller, verileri analiz etmek için ekonometrik yöntemler kullanır. Zaman serisi tahmini, doğrusal olmayan zaman serisi ve sinir ağları dahil olmak üzere veriye dayalı modeller de kısa süreli forex ticareti için uygun seçenekler olarak tartışılmaktadır. BlueShift platformu, strateji geliştirmeyi ve test etmeyi kolaylaştıran kullanıcı dostu bir arayüz olarak sunulur. Kullanıcılar, diğer ayrıntıların yanı sıra veri kümelerini, başlangıç sermayesini ve meta veri açıklamalarını girebilir. Platform, hızlı geriye dönük testler yapmanın yanı sıra tam geriye dönük testler için araçlar sağlar. Python'un Zipline API'si üzerine inşa edilen BlueShift, kullanıcıların geliştirme süreçlerine başlamaları için standart bir strateji şablonu sunar.

Konuşmacı, forex ticaret stratejilerinin temel yapısını ve geriye dönük test için gerekli temel işlevleri ayrıntılı olarak ele alır. Baptist parametrelerini ve muhasebe parametrelerini ayarlayan "başlatma" işlevini açıklarlar. "İşlem başlamadan önce" işlevi, işlem seansının başlangıcında günde bir kez, ardından mini veri kümesi için her dakika çağrılan "verileri işle" işlevi tarafından çağrılır. Son olarak, "strateji" işlevi, API kullanılarak belirli bir saat ve tarih için planlanır ve kurallar kullanıcı tarafından tanımlanır. Hızlı bir geriye dönük test çalıştırdıktan sonra kullanıcılar, eşitlik eğrisi, yırtma sayfaları ve diğer istatistikler dahil olmak üzere farklı veri kümelerini görüntülemek için Baptist sekmesine erişebilir.

Konuşmacı tarafından açıklanan ayırma sayfası, ticaret stratejilerini analiz etmek için bir dizi rapor sunar. Maksimum Omega oranı, Sortino oranı, çarpıklık, basıklık, zaman serisinin kararlılığı ve daha fazlası gibi parametreleri içerir. Konuşmacı, BlueShift kullanarak başlatmayı, "işlem başlamadan önce" ve "verileri işlemeyi" içeren ve planlama, komisyonları ayarlama, kaymayı ayarlama ve hesap para birimini ayarlama gibi çeşitli API işlevlerini kullanmayı içeren iş akışını gösterir. Konuşmacı, forex ticaret stratejileri için standart bir şablonun mevcudiyetinden bahseder.

Konuşmacı, BlueShift platformunda forex ticaret stratejileri için standart bir şablonun mevcudiyetinden bahseder. Bu şablon, kullanıcıların giriş ve çıkış kurallarını, risk yönetimi parametrelerini ve diğer özelleştirme seçeneklerini tanımlayarak stratejilerini geliştirmeleri için bir başlangıç noktası sağlar.

BlueShift platformu ayrıca ticaret kuralları ve sinyalleri oluşturmak için kullanılabilecek hareketli ortalamalar, osilatörler ve trend takip eden göstergeler dahil olmak üzere çok çeşitli yerleşik teknik göstergeler sunar. Kullanıcılar, benzersiz ve kişiselleştirilmiş stratejiler oluşturmak için bu göstergeleri kendi özel mantıklarıyla birleştirebilir.

Bir ticaret stratejisinin performansını doğrulamak ve değerlendirmek için konuşmacı, titiz bir geriye dönük test yapmanın önemini vurgular. BlueShift, kullanıcıların gerçek dünyadaki ticaret senaryolarını simüle etmek için geçmiş verileri kullanarak stratejilerini geriye dönük olarak test etmelerine olanak tanır. Platform, kârlılık, düşüş analizi, riske göre ayarlanmış getiriler ve Sharpe oranı, Sortino oranı ve Calmar oranı gibi çeşitli oranlar dahil olmak üzere kapsamlı performans ölçümleri sağlar.

Bir strateji geriye dönük olarak test edildikten ve onaylandıktan sonra, konuşmacı bir sonraki adımın onu canlı bir ticaret ortamında konuşlandırmak olduğunu önerir. BlueShift, kullanıcıların stratejilerini doğrudan platformdan yürütmelerine izin vererek birden çok aracı kuruluşla entegrasyon sağlar. Bu sorunsuz entegrasyon, strateji geliştirmeden canlı ticarete sorunsuz bir geçiş sağlar.

Konuşmacı, forex strateji geliştirme ve geriye dönük test için BlueShift kullanmanın faydalarını vurgulayarak web seminerini sonlandırır. Platform, kullanıcı dostu bir arayüz, çeşitli finansal veri kümelerine erişim ve kapsamlı bir araç ve gösterge seti sunar. Yatırımcıların forex ticaret stratejilerini kolay ve verimli bir şekilde geliştirmelerini, test etmelerini ve uygulamalarını sağlar.

Web semineri, BlueShift platformu, yetenekleri ve forex ticaret stratejisi geliştirmedeki uygulaması hakkında ayrıntılı bir genel bakış sunar. Forex piyasası, farklı modelleme yaklaşımları ve sağlam geriye dönük testin önemi hakkında değerli bilgiler sunar. Forex ticaret stratejilerini geliştirmek isteyen tacirler, BlueShift'i cephaneliklerinde değerli bir araç olarak görebilirler.

  • 00:00:00 Konuşmacı, sistematik ticaret stratejisi araştırması ve geriye dönük test için bir strateji geliştirme platformu olan Quantiacs BlueShift'e genel bir bakış sunar. Dahili finansal veri kümeleri içerir ve bulutta mevcuttur, böylece kullanıcılar hareket halindeyken herhangi bir yerden stratejiler geliştirebilir ve analiz edebilir. Web semineri ağırlıklı olarak FX'e odaklanır, ancak aynı zamanda çeşitli piyasalardaki hisse senedi ve vadeli işlemleri de kapsar ve geliştirilen geriye dönük test stratejilerinin fikri mülkiyeti tamamen kullanıcıya aittir. Konuşmacı, 300 milyarı perakende olmak üzere günlük yaklaşık 5 trilyon hacmiyle en öne çıkan merkezi olmayan piyasa olan döviz piyasasını anlatarak devam ediyor. Onu hisse senedi piyasasından ayıran faktörler arasında, konuşmacının ayrıntılı olarak ele aldığı daha yüksek kaldıraç, kolay kısa devre yapma ve daha düşük bir oynaklık seviyesi yer alır.

  • 00:05:00 Konuşmacı, ödemeler dengesi, oranlar, enflasyon, ekonomik büyüme ve maliye politikası gibi makroekonomik faktörleri vurgulayarak Forex piyasasını neyin yönlendirdiğini tartışıyor. Ani siyasi ve jeopolitik değişimler gibi önemli olayların yanı sıra kurumsal ve riskten korunma akışları da piyasa üzerinde önemli bir etkiye sahip olabilir. Konuşmacı, bazı yöntemler satın alma gücü paritesi ve reel efektif döviz kurunu içermekle birlikte, büyük kurumlar ve IMF tarafından tercih edilen daha gelişmiş yöntemler olsa da, Forex piyasasının değerlenmesi için standart veya yaygın olarak kabul edilen bir metodoloji olmadığını belirtiyor. Konuşmacı ayrıca, likiditeyi artırdıkları ve gecelik yenileme maliyetlerini belirledikleri için kısa vadeli fonlama piyasalarının önemini vurguluyor.

  • 00:10:00 Konuşmacı, forex ticaret stratejilerini geliştirmeye ve geriye dönük test etmeye yönelik farklı yaklaşımları tartışıyor. Bir yaklaşım, her ikisi de verileri analiz etmek için ekonometrik yöntemler kullanan parasal model ve davranışsal denge döviz kuru modeli gibi ekonomik modellerdir. Zaman serisi tahmini, doğrusal olmayan zaman serisi ve sinir ağları gibi diğer veriye dayalı modeller de kısa süreli forex ticareti için kullanılabilir. Konuşmacı daha sonra, kullanıcıların diğer şeylerin yanı sıra veri setleri, başlangıç sermayesi ve meta veri açıklamaları girmesine izin vererek ticaret stratejilerini geliştirmeleri ve test etmeleri için kullanıcı dostu bir arayüz sağlayan BlueShift platformunu tanıtıyor ve ardından tam olarak araçlar sağlıyor. geri test etme ve hızlı bir geri test çalıştırma. Platform, Python'un Zipline API'si üzerine kuruludur ve kullanıcılar için standart bir strateji şablonu sağlar.

  • 00:15:00 Konuşmacı, forex ticaret stratejilerinin temel yapısını ve geriye dönük test için gerekli olan temel işlevleri tartışır. İlk işlev, Baptist parametrelerini ve muhasebe parametrelerini ayarlayan "initialize" olarak adlandırılır. İkinci işlev, işlem seansının başlangıcında günde bir kez çağrılan "işlem başlamadan önce" ve ardından mini veri seti için her dakika çağrılan "verileri işle" işlevidir. Son olarak, "strateji" işlevi, API kullanılarak belirli bir saat ve tarih için planlanır ve kurallar kullanıcı tarafından tanımlanır. Hızlı bir Baptist çalıştırdıktan sonra kullanıcı, eşitlik eğrisi, ayırma sayfaları ve diğer istatistikler dahil olmak üzere farklı veri kümelerini görüntülemek için Baptist sekmesine erişebilir.

  • 00:20:00 Konuşmacı, ayırma sayfasını ve ticaret stratejilerini analiz etmek için bir dizi rapor sağlamadaki faydasını tartışıyor. Ayırma sayfası, maksimum Omega oranı, Sortino oranı, çarpıklık, basıklık, zaman serilerinin kararlılığı ve daha fazlası gibi parametreleri içerir. Konuşmacı ayrıca Blueshift'i kullanarak başlatma, işlem başlamadan önce geçme, verileri işleme ve program işlevi, komisyonları ayarlama, kaymayı ayarlama ve hesap para birimini ayarlama gibi faydalı API işlevlerini kullanma ile başlayan iş akışını açıklar. Döviz piyasası için başlangıç olarak, Zip Line'daki finans modülünden GSYİH, enflasyon, kısa oranlar ve uzun oranlar gibi stratejiler ve ithalat verileri için parametreler içeren standart bir şablon mevcuttur.

  • 00:25:00 Konuşmacı, forex ticaret stratejileri geliştirmek için temel bir şablonun nasıl kurulacağını tartışıyor. Parametreleri tek bir merkezi yerde tutmanın, evreni tanımlamanın ve rollover'ları hesaplamak için planlanmış bir işlev kullanmanın önemini açıklıyorlar. Ayrıca, komisyonların ve kaymanın nasıl belirleneceğini ayrıntılarıyla anlatıyor ve devirlerin ve teknik göstergelerin nasıl hesaplanacağını yeniden tanımlıyorlar. Yerleşik teknik göstergelere erişim için yararlı bir kaynak olarak teknik analiz kitaplığından bahsediyorlar. Son olarak, geriye dönük test çalışmasının herhangi bir noktada iptal edilebileceğini vurguluyorlar ve daha karmaşık stratejiler geliştirmeye başlamak için bu temel şablonun kullanılmasını öneriyorlar.

  • 00:30:00 Konuşmacı, forex'teki sistematik stratejileri ve bunların sistematik olarak faktörleri bulma ve kullanma etrafında nasıl döndüklerini tartışır. Değer, momentum, taşıma ve savunma stratejileri gibi risk faktörleri, forex ticaretindeki dört temel faktördür. Değer, değerleme açısından para birimlerini sıralamaya odaklanırken, momentum, en üst sıralarda yer alan menkul kıymetlerde uzun ve en altta sıralananlarda kısa gitmek için zaman serilerindeki ve kesitsel momentumdaki farka dayanır. Taşıma stratejileri, döviz çiftleri arasındaki faiz oranlarındaki farktan yararlanır. Son olarak, savunma stratejileri, düşük riskli para birimlerinin değerinin altında, yüksek riskli para birimlerinin ise aşırı değerli olduğunu varsayar ve riske göre ayarlanmış getirilere odaklanır.

  • 00:35:00 Sunum yapan kişi, BlueShift platformunu kullanarak çeşitli ticaret fikirlerinin nasıl geliştirileceğini ve geriye dönük test edileceğini gösteriyor. Spesifik olarak, ticaret evrenindeki her bir döviz çifti için oran farkını hesaplayan ve bunları en yüksek sayılar için uzun pozisyonlar, en düşük sayılar için kısa pozisyonlar ve diğerleri için 0 pozisyon alacak şekilde sıralayan, sinyal fonksiyonu taşıma adı verilen yeni bir işlev sunuyor. Aynı yaklaşım momentum ve değer faktörlerine de uygulanır ve önceki üç strateji birleştirilerek bir faktör sepeti stratejisi de oluşturulur. Sunum yapan kişi, öncelikle ilgili sinyal işlevlerini tanımlamayı ve yeniden dengeleme işlevinde uygun yerlere çağırmayı içerdiğinden, farklı stratejiler geliştirmek için gereken çabanın minimum olduğunu vurgular.

  • 00:40:00 Konuşmacı, işin çoğunu otomatik olarak yapan bir şablon kullanarak minimum çalışmayla farklı Forex ticaret stratejilerinin nasıl oluşturulabileceğini açıklıyor. Konuşmacı aynı zamanda, ister niceliksel, ister teknik günlük tüccar, ister temel tüccar olsun, kişinin ticaret tarzına bağlı olarak keşfedilebilecek strateji türlerini çizen bir strateji yelpazesini paylaşır. Yatay eksende, spektrum, trend olan bir piyasa, bir maden piyasası, bir çıkış veya neredeyse düz olan bir elden çıkarma piyasası olsun, kişinin kârının Doğuşunu gösterir. Konuşmacı daha sonra, diğerlerinin yanı sıra, momentum türü stratejiler, zaman serileri ve kesitsel stratejiler ve istatistiksel arbitraj gibi her ticaret stili için farklı ticaret stratejilerini açıklamaya devam eder.

  • 00:45:00 Konuşmacı, Forex ticareti yaparken temel, teknik ve kantitatif analizleri birleştirmenin önemini tartışıyor. Teknik ve kantitatif analizin uygulanması ve sistematik stratejilerde güven oluşturması genellikle daha kolay olsa da, temel bir ticaret tarzından en fazla değerin olaya dayalı ticaretten geldiğini açıklıyorlar. Ardından konuşmacı, bir evren seçmeyi, bir sinyal üretmeyi, bir hedef portföye karar vermeyi ve sürekli iyileştirme için performansı analiz etmeyi içeren sistematik bir ticaret stratejisi için tasarım döngüsünü ana hatlarıyla belirtir. Ayrıca, ileriye dönük önyargı gibi geriye dönük test hatalarından kaçınmanın ve eşit güdümlü geriye dönük test için Blueshift gibi sağlam bir platform kullanmanın önemine de değiniyorlar.

  • 00:50:00 Konuşmacı, fikir aşamasından başlayarak ve ardından geriye dönük test aşamasına geçerek bir Forex ticaret stratejisi oluşturmanın içerdiği çeşitli adımları tartışıyor. İlişkisiz stratejiler yaratmanın önemini vurguluyor çünkü iki
    stratejiler her zaman birden daha iyidir. Konuşmacı ayrıca risk sermayesi tahsisi için LE kriterleri, eşit ağırlıklı ve momentum ağırlıklı stratejiler gibi farklı yöntemlerden bahseder. Ek olarak, Bollinger Bantları teknik göstergesini kullanarak örnek bir strateji sağlıyor ve geriye dönük test sonuçlarının etkileyici istatistiklerini gösteriyor. Tutarlılığı sağlamak ve aşırı uyumdan kaçınmak için stratejinin zaman içindeki getirisinin istikrarını ölçmenin önemini vurgulayarak bitiriyor.

  • 00:55:00 Konuşmacı, momentuma dayalı bir strateji ve korelasyona dayalı bir momentum ticaret stratejisi dahil olmak üzere geliştirdikleri çeşitli ticaret stratejilerini tartışıyor. Ayrıca, her günün başında çeşitli teknik göstergeleri hesaplayan ve bunları uzun veya kısa süreye gitmeye karar vermek için kullanan bir "Günlük FX" şablonu sunarlar. Konuşmacı, stratejileri bilimsel bir şekilde geriye dönük test etmenin önemini vurguluyor ve bir stratejinin geriye dönük testte iyi performans gösterebileceği ancak canlı ticarette başarısız olabileceği optimizasyon tuzaklarından kaçınıyor. Amaç, küçük bir varyasyon setine dayalı geriye dönük test performansı yerine ileriye dönük canlı performansı optimize etmek olmalıdır.

  • 01:00:00 Konuşmacı, alım satım fikirlerini geliştirirken ve geriye dönük test ederken aşırı optimizasyon konusunu tartışıyor. Aşırı optimizasyon, Sharpe oranında bir düşüşe yol açarak etkin olmayan canlı alım satıma neden olabilir. Konuşmacı, bu sorunla mücadele etmek için dört seçenek önerir. Bir öneri, pazar değişikliklerine tepki veren uyarlanabilir stratejiler kullanmaktır. Başka bir öneri, pazardaki değişikliklere dayalı stratejileri tersine çevirmek için değişim noktası analizi veya gizli Markov modelleri gibi istatistiksel çözümler kullanmaktır. Üçüncü öneri, karlı işlemler sağladığı teorik ve ampirik olarak kanıtlanmış faktörleri belirlemek için kararlı faktör araştırması yapmaktır. Son olarak konuşmacı, modelin aşırı uygun olmadığından emin olmak için optimizasyon sürecinde kullanılmamış veriler üzerinde modelin test edilmesini içeren örneklem dışı testin kullanılmasını önerir.

  • 01:05:00 Video, forex ticaretinde istikrarlı ve tutarlı getirilere yol açabilecek faktörleri ayıklamanın ve ayırmanın önemini tartışıyor. Böyle bir faktör, güçlü bir ampirik temele sahip olan ve ara sıra meydana gelen momentum çökmeleri dışında herhangi bir pazarda iyi bir strateji olabilen momentumdur. Video ayrıca, zaman serilerinin sürekliliğini bozduğu için FX piyasasında zorlayıcı olabilecek çapraz doğrulama gibi doğrulama tekniklerinden de bahsediyor. Bunun yerine, tacirler, üretilen sinyallerin sayısını ve her bir ticaretin süresini sayarak başka bir sinyal grubunu rastgele belirleyebilir ve stratejinin ne kadar sağlam olduğunu belirlemek için bunları geriye dönük olarak test edilmiş olanlarla karşılaştırabilir. Ayrıca video, otomasyonun bir kara kutu olmadığını ve tacirlerin P&L'yi yönlendiren temel faktörleri ve her bir stratejiyle ilgili riskleri anlaması gerektiğini vurguluyor.

  • 01:10:00 Konuşmacı, stratejinin insanla makine arasında değil, insanla makinenin birlikte çalışmasıyla ilgili olduğunu öne sürüyor. İnsan beyni hipotez geliştirmeye daha uygunken, makineler hipotezleri kovalamakta daha hızlıdır. Konuşmacı, Blue Shift platformunun kullanıcıları için strateji geliştirme tavsiyesi açısından, bağlam ortamındaki tüm strateji parametrelerinin kullanılmasını, hesap kaldıracının kontrol edilmesini, haftalık veya günlük stratejiler için program işlevinin kullanılmasını, uygulama sonuçlarının test edilmesini ve aşırı uyumun kontrol edilmesini önerir. Kullanıcıların ayrıca platformun Github hesabında bulunan belirli Forex stratejilerini denemeleri ve gerekirse destek için ulaşmaları önerilir. Son olarak, FXCM'den Liza, kullanıcıları FX piyasası verileriyle ilgili soruları için kendileriyle iletişime geçmeye davet ediyor.

  • 01:15:00 Konuşmacı, oturumun kaydedilip kaydedilmeyeceği (evet), canlı ticaret yapıp yapamayacakları (hayır) ve platform ve strateji testi hakkında konuşup konuşmayacakları (zaten cevaplandı) gibi kullanıcılardan gelen çeşitli soruları yanıtlar. Ayrıca şu anda fxcm aracılığıyla ABD ve Hindistan hisse senedi piyasalarının yanı sıra ilk 10 para birimini kapsadıklarını, ancak yakında kriptoyu da eklemeyi planladıklarını belirtiyorlar. Konuşmacı aynı zamanda hata ayıklama konusuna da değiniyor ve şu anda iyi bir hata ayıklayıcıya sahip olmasalar da temel yazılı ifadelerin kullanılabileceğini belirtiyor. Son olarak, Python'un "arzı saymama"ya izin vermediğini belirtiyorlar, ancak kullanıcının bununla ne demek istediğini anlamıyorlar.

  • 01:20:00 Konuşmacı, makroekonomik faktörlerle yakın bağlantısı nedeniyle forex piyasasında beklenen tüm piyasa hareketlerini doğru bir şekilde kapsayan az miktarda tarihsel veri bulmanın zorluğunu tartışıyor. Beklenen tüm piyasa koşullarını temsil edebilecek bir veri seti tanımlamak zordur. Konuşmacı, yeni başlayanlar için forex ticaretini öğrenmeleri için belirli bir kitap öneremese de, yeni başlayanlar için iyi bir başlangıç noktası olan döviz odaklı raporlar sunan IMF gibi merkez bankalarından aşağıdaki araştırma makalelerini önerir. Yüksek frekanslı ticaret açısından, perakende tüccarlar için saniyede binlerce emir göndermek genellikle sürdürülebilir değildir ve konuşmacı verileri numune içi ve numune dışı testlere ayırmayı önermez. Bunun yerine, rasgele sinyaller oluşturmak için rasgele testler önerilir.

  • 01:25:00 Konuşmacı, geriye dönük test ve faktör bazlı yatırımı tartışıyor. Sonuçları daha iyi anlamak için geriye dönük testlerde alım satımların sinyallerini ve sürelerini analiz etmenin önemini vurguluyorlar. Ayrıca, aşırı kalabalık gibi faktör bazlı yatırımın potansiyel risklerini ve faktörlerin beta olduğu, yani tutarlı bir şekilde çalışmadıkları gerçeğini tartışıyorlar. Ancak, faktör bazlı yatırımın uzun vadede teknik olmayan kişiler için iyi olabileceğini öne sürüyorlar. Konuşmacı ayrıca alım satım için gerekli istatistiksel arka plan ve analiz için ek Python kitaplıklarının mevcudiyeti hakkındaki soruları da ele alır. Temel Python bilgisi yararlı olsa da, programlama dilinde uzmanlıktan ziyade strateji mantığı geliştirmeye odaklanılması gerektiği sonucuna varıyorlar. Ancak, potansiyel performans ve hizalama sorunları nedeniyle şu anda 15 dakikalık aralıklarla yeniden örnekleme için yerleşik işlevler bulunmamaktadır.

  • 01:30:00 Konuşmacı, resifleri ve ampulleri oluşturmanın, bunları bir veritabanında saklamanın ve kullanıcıların bunları daha verimli kullanabilmeleri için gizemli bir örnekleme kitaplığı oluşturmaktansa hazır bir çıktı olarak vermenin en iyisi olduğuna inanıyor. Fiyat eylem stratejileri açısından konuşmacı, bunları etkili bir şekilde geliştirmek için en az ikinci düzey veya daha yüksek verilere ihtiyacınız olduğu konusunda uyarıyor. Ayrıca, mevcut verilerin etkin fiyat eylem stratejileri oluşturmak için yeterli olmadığını ve yakın zamanda bunu sağlayamayacaklarını belirtiyorlar. MCX dışında döviz çiftlerinin alım satımına ilişkin yasal düzenlemeler sorulduğunda, konuşmacı, kişinin yatırım veya riskten korunma amacıyla doğrulamaya sahip olması gerektiğini ve bunun ötesinde fazla bir şey bilmediklerini belirtiyor.

  • 01:35:00 Konuşmacı, teknik göstergeleri bir ticaret stratejisinde birleştirme ve bunları gerçek bir piyasa durumunda uygulamadan önce bir demo hesabı kullanarak geriye dönük test etme sürecini açıkladı. Konuşmacı, tacirlerin birbirine benzeyen göstergeler yerine birbirini tamamlayan göstergeler seçmesi ve stratejide her bir göstergenin öneminin farkında olması gerektiğini vurguladı. Demo hesabı, tüccarların gerçek fonları riske atmadan önce stratejilerini farklı senaryolar altında test etmelerine ve etkinliğini değerlendirmelerine olanak tanır.
Forex Trading Strategies | Develop and Backtest Trading Ideas | Full FX Tutorial
Forex Trading Strategies | Develop and Backtest Trading Ideas | Full FX Tutorial
  • 2018.08.16
  • www.youtube.com
In this joint session by FXCM & QuantInsti®, you’ll get to learn about the FX market data, trading strategies, backtesting & optimization techniques along wi...
 

EPAT Size Nasıl Yardımcı Olabilir? yazan Nitesh Khandelwal - 28 Haziran 2018



EPAT Size Nasıl Yardımcı Olabilir? yazan Nitesh Khandelwal - 28 Haziran 2018

Konuşmacı Nitesh Khandelwal, kendisini ve şirketi ConTeSt'i son sekiz yıldır algoritmik ve kantitatif ticaret eğitimi sağlayıcısı olarak tanıtıyor. Mühendislik günlerinden bankacılık sektöründeki deneyimine kadar kişisel geçmişini paylaşarak başlıyor. Ardından, danışmanlık, eğitim ve yüksek frekanslı ticaret (HFT) alanında ticarete doğru yumuşak bir geçiş sunan altı aylık bir program olan Yürütülen Algoritmik Ticaret Programının (EPAT) lansmanını vurguluyor. Khandelwal, dünya çapında borsalar için testler kurduğu ve işi küresel ölçekte genişlettiği Singapur'daki deneyiminden bahsediyor.

Devam eden Khandelwal, DIY (kendin yap) ticaretine kıyasla algoritmik ticareti ve büyümesini tartışıyor. Asya, Avrupa ve ABD'de algoritmik ticaretin önemli ölçüde arttığını gösteren istatistikleri paylaşıyor ve tüccarların artık aracı kurumlara güvenmek yerine kendi ticaret kararlarını vermeyi tercih ettiğini vurguluyor. Bununla birlikte, algoritmik ticaretin Hindistan'daki piyasa faaliyetinin önemli bir bölümünü oluşturmasına rağmen, perakende katılımının nispeten düşük kaldığını belirtiyor. Khandelwal, finans işlerinin yerini almada robotların artan rolünü araştıran bir Bloomberg makalesine atıfta bulunuyor.

Khandelwal, perakende tüccarların neden algoritmik ticareti benimseyemediklerini açıklamaya devam ediyor ve bunun bir tehdit yerine kolaylaştırıcı olmasını sağlamanın yollarını öneriyor. Otomasyona geçişte istatistiksel ve teknik bilgiye, kaliteli piyasa verilerine ve verimli aracılara erişime ve uygulayıcıların rehberliğine duyulan ihtiyacı vurguluyor. EPAT'ın bu ihtiyaçları karşılamak ve algo ticareti veya stratejilerini otomatikleştirmekle ilgilenen bireylere rehberlik sağlamak için nasıl oluşturulduğunu açıklıyor.

Ardından Khandelwal, EPAT'ın özelliklerini tartışıyor. Programın uygulayıcılar, alan uzmanları ve önde gelen fon yöneticileri tarafından oluşturulan zengin içerikler sunduğundan bahsediyor. Müfredat, pazar gereksinimlerine uyum sağlamak için sürekli olarak güncellenir ve güncellenen içeriğe ömür boyu erişim sağlanır. EPAT, sorguları çözmek için özel bir destek ekibi, mezunlar için fakülte rehberliği ve iş fırsatları, ticaret masaları kurma, ilgili aracıları ve veri satıcılarını bulma ve daha pek çok konuda yardımcı olan bir kariyer hücresi içerir. Ek olarak, EPAT katılımcıları yalnızca kendilerine sunulan özel özelliklere erişim kazanır.

Khandelwal, tüm katılımcıların kursa aynı sayfada başlamasını sağlayan EPAT'taki başlangıç modülünün önemini vurguluyor. Birincil modül, algoritmik ticaretin temel yapı taşları olan Excel, Python, istatistik ve finansal piyasaların temellerini kapsar. Primer modülünün programdan maksimum değer çıkarımı sağlamak için zaman içinde nasıl geliştiğini açıklıyor. Ayrıca Khandelwal, Python'un algoritmik ve piyon ticaretinde en yaygın kullanılan programlama dili olarak önemini tartışıyor ve EPAT programına dahil edilmesine yol açıyor.

Konuşmacı daha sonra EPAT'ta kapsanan farklı modülleri ve bunlara nasıl yaklaşıldığını derinlemesine inceler. Program, Python'da veri analizi ve modellemeyi, gelişmiş istatistiksel metodolojileri, öz sermaye etkilerini ve vadeli işlem stratejilerini ve ticaret için makine öğrenimini kapsar. Khandelwal, algoritmik ticarette opsiyon ticaret stratejileri, portföy optimizasyonu ve operasyonel riskin yanı sıra ticaret stratejilerinin arkasındaki altyapı ve operasyonları anlamanın önemini vurguluyor. Ayrıca, bir alan uzmanının rehberliğinde bir projeyi tamamlamanın ve doğrulanmış bir sertifika almak için EPAT sınavına girmenin önemini vurguluyor.

Khandelwal, altı ayı aşkın bir süreyi kapsayan ve 100 saatin üzerinde sınıf bağlantısı, uygulamalı deneyim ve 300 saatin üzerinde kurs içeren EPAT sertifika programına genel bir bakış sunuyor. Uygulayıcılar, akademisyenler ve başarılı tüccarlar da dahil olmak üzere programı öğreten seçkin öğretim üyelerinden bahseder. Program, yerleştirme fırsatları sunar ve katılımcılara özgeçmiş ve mülakat hazırlığı, beceri açığı belirleme ve komisyoncular ve yatırım bankaları gibi yerleştirme ortaklarına erişim konusunda yardımcı olur. EPAT katılımcıları ayrıca ayrıcalıklı aracılık verilerine ve API sağlayıcılarına ve ayrıca Contra Blue simülatörü gibi gelişmiş geriye dönük test araçlarına erişim kazanır.

Ayrıca Khandelwal, EPAT'ın faydalarını ve katılımcılara nasıl değer kattığını tartışıyor. Hindistan pazarları ve S&P 500 hisse senetleri, sürekli öğrenme fırsatları, kariyer yardımı ve mezunlar toplantıları için dakika düzeyinde verilere erişimden bahsediyor. EPAT'ın sadece bir sertifikanın ötesine geçtiğini ve mevcut beceri setlerine temel bir nicel boyut sağladığını vurguluyor. Khandelwal, EPAT'ın katılımcılara hazır çalışma stratejileri sağlamak yerine ticaret stratejilerini nasıl oluşturacaklarını ve doğrulayacaklarını öğretmeye odaklandığını açıklıyor. Stratejilerin başarı oranının altyapı erişimi, risk yönetimi ve risk iştahı gibi faktörlere bağlı olarak değiştiğini kabul ediyor.

Khandelwal, teknik analistlerin EPAT çalıştıktan sonra MACD geçişleri, hareketli ortalamalar ve RSI gibi stratejileri kullanarak alım satımlarını otomatikleştirip otomatikleştiremeyecekleri hakkında bir soruyu ele alıyor. Programın bu stratejileri kapsadığını ve katılımcıların alım satım işlemlerini otomatikleştirecek bilgi ve araçlara sahip olmasını sağladığını onaylar.

Konuşmacı daha sonra kendi algoritmik işlem masasını başlatmak için gereken yatırımları tartışmaya geçer ve analistler için verginin masanın sıklığına bağlı olduğunu açıklar. EPAT'ın öncelikle düşük ve orta frekanslı ticarete odaklandığından, ancak aynı zamanda yüksek frekanslı stratejilerin özelliklerini de kapsadığından bahseder. Program Python, Excel, R ve MATLAB'ı birleştirir ve programlama becerileri ve kavramsal netlik gerektirir. EPAT, öğrencilerin kendi ticaret masalarını kurmaları için rehberlik sağlar. EPAT, işe yerleştirmeyi garanti etmese de, onu arayan mezunlara rehberlik sunar.

Khandelwal, EPAT'ın yerleştirme garantisi vermemesine rağmen, adayların programa kaydolmadan önce algoritmik ticaret hakkında temel bir anlayışa sahip olmalarını sağlamak için danışmanlık hizmeti sunduklarını açıklıyor. Programın geniş yerleştirme ortakları ağı nedeniyle, aktif olarak arayan EPAT öğrencilerinin iş bulma veya kariyer değişiklikleri yapma başarısını vurgulamaktadır. EPAT'ın öğrenme yönetim sisteminin tüm oturumlara ve güncellenen içeriğe ömür boyu erişim sağladığını ve kursun yaklaşık 300 saatlik bir zaman taahhüdü gerektirdiğini ve bunun günde bir saat ayrılarak üç aya yayılabileceğini belirtiyor. Khandelwal, EPAT'ın pratik uygulamaya odaklanmasının onu daha teorik derslerden ayırdığını vurguluyor.

Khandelwal, gelişmiş pazarlar için 4.720 $ ve Hindistan için 189.000 INR artı GST olan EPAT kursunun ücret yapısını tartışıyor. Ayrıca stratejileri kodlamak için komisyonculara ve API'lere duyulan ihtiyaçtan bahsediyor ve EPAT ekibinin Hindistan ve Singapur'da daha başarılı olmasına rağmen katılımcıların Hong Kong'da kariyer yardımı bekleyebileceklerini açıklıyor. EPAT modülleri birbirine bağlı ve bir bütün olarak ele alınması gerekirken, sınırlı ticaret bilgisi olanlar için günlük bir ila iki saatlik çabanın yeterli olması gerektiğini tavsiye ediyor. EPAT kursunun her tür ticaret stratejisi paradigmasını kapsadığını ve katılımcılar ve mezunlar için uzaktan çalışma fırsatları sunduğunu belirterek sözlerini bitiriyor.

Kapanış konuşmalarında konuşmacı, EPAT programının kapsamlı olduğunu ve tüm modüllere tam erişim sağladığını, bunun da onu algoritmik ticaret alanına girmek isteyen teknoloji geçmişine sahip kişiler için değerli kıldığını vurgular. Pek çok EPAT katılımcısının programı tamamladıktan sonra kendi girişimlerini başlatması veya önde gelen firmalarda iş bulmasıyla, alanda mevcut olan çeşitli iş fırsatlarından bahsediyorlar. Konuşmacı, bu alanda başarılı olmak için temel istatistikleri, korelasyonu ve regresyonu anlamanın önemini vurgular. Son olarak, otomatik alım satım stratejilerinin kar ürettiğini ve Hindistan'daki genel hacimlerin yaklaşık %50'sini oluşturduğunu vurguluyorlar, bu da algoritmik ticaretle ilgilenenler için önemli bir potansiyel olduğunu gösteriyor.

  • 00:00:00 Nitesh Khandelwal kendisini ve son sekiz yıldır algoritmik ve kantitatif ticaret eğitimi veren şirketi ConTeSt'i tanıtıyor. Ayrıca, mühendislik günlerinden bankacılık sektöründeki deneyimine kadar kişisel geçmişini de paylaşıyor ve sonunda danışmanlık, eğitim ve ticarete sorunsuz bir geçiş sağlayan altı aylık bir program olan Yürütülen Program Algoritmik Ticareti (EPAT) başlatıyor. yüksek frekanslı ticaret (HFT) alanı. Khandelwal ayrıca Singapur'da dünya çapında borsalar için testler oluşturma ve işi küresel bir perspektiften genişletme konusundaki deneyimlerinden kısaca bahsediyor.

  • 00:05:00 Nitesh Khandelwal, Core Density ile olan deneyiminden ve kantitatif ticaret endüstrisinde izleyicilerine ve katılımcılarına nasıl daha fazla değer kattıklarından bahsediyor. Ardından izleyicilere daha önce alım satım yapıp yapmadıklarını sormaya devam ediyor ve Hindistan Menkul Kıymetler Borsası Kurulu'nun tanımı ve Avrupa'daki MiFID II düzenlemeleri gibi algoritmik ticaretin tanımına ilişkin düzenleyici belgelerden parçalar paylaşıyor. Khandelwal, sistematik ticaretin otomatikleştirildiğinde ve belirli algoritmalar kullandığında algoritmik ticaret olarak kabul edildiğini açıklıyor.

  • 00:10:00 Nitesh Khandelwal algoritmik ticaretten bahsediyor ve bunu Kendin Yap (kendin yap) ticaretle karşılaştırıyor. Algoritmik ticaret, 2004'te birkaç puandan 2016'da %30'un üzerine çıkarak Asya'da önemli ölçüde büyüdü ve şu anda ABD'deki işlemlerin %66'sını ve Avrupa'daki işlemlerin %44'ünü temsil ediyor. Algoritmik ticaretin yükselişi, artık kendi ticaret kararlarını veren ve aracılarına güvenmeyen tüccarların sayısıyla orantılı olmuştur. Bununla birlikte, algoritmik ticaret Hindistan'daki piyasa faaliyetinin %30-45'ini oluştururken, perakende katılımın sadece %2 civarında olduğu tahmin ediliyor. Khandelwal daha sonra Bloomberg'de yayınlanan ve robotların finans iş piyasasındaki çeşitli rolleri nasıl giderek daha fazla değiştirdiğini vurgulayan bir makaleden bahsediyor.

  • 00:15:00 Nitesh Khandelwal, perakende tüccarların neden algoritmik ticareti benimseyemediklerini ve bunun bir tehdit yerine kolaylaştırıcı olmasını sağlamak için neler yapılabileceğini açıklıyor. Kantitatif veya otomatikleştirilmiş ticaretin, istatistiksel ve teknik bilgi birikimi ve kaliteli piyasa verilerine ve verimli aracılar aracılığıyla piyasalara erişim gerektirdiğini vurguluyor. Özellikle tüccarların farkında olması gereken birçok faktör olduğundan, otomasyona geçiş yaparken uygulayıcı rehberliği de çok önemlidir. Khandelwal, EPAT'ın bu ihtiyaçları karşılamak için nasıl oluşturulduğunu tartışıyor ve stratejilerini takip etmek veya stratejilerini otomatikleştirmek isteyenlere rehberlik ediyor.

  • 00:20:00 Nitesh Khandelwal, EPAT'ın özelliklerini tartışıyor. Program, uygulayıcılar, alan uzmanları ve önde gelen fon yöneticileri tarafından oluşturulan zengin içeriklerden oluşmaktadır. Müfredat, pazar gereksinimleriyle uyumlu kalması için sürekli olarak güncellenir ve güncellenen içeriğe ömür boyu erişim sunulur. Program, soruları belirli bir süre içinde çözen özel bir destek ekibi sağlar ve mezunlar, fakülteden soruları çözme konusunda rehberlik alır. EPAT, iş fırsatları bulmaya, ticaret masaları kurmaya, ilgili aracıları, veri satıcılarını veya işbirliklerini bulmaya ve daha fazlasına yardımcı olan bir kariyer hücresine sahiptir. Ayrıca program, yalnızca EPAT katılımcılarına sunulan özel özellikler içerir.

  • 00:25:00 Nitesh Khandelwal, EPAT programına katılan herkesin kursa başlamadan önce aynı fikirde olmasını sağlamada başlangıç modülünün nasıl önemli bir rol oynadığını tartışıyor. Birincil modül, algoritmik ticaretin yapı taşları olan Excel, Python, istatistik ve finansal piyasaların temellerini kapsar. Khandelwal, programdan maksimum değer çıkarılmasını sağlamak için primerin zamanla daha etkileşimli hale gelecek şekilde nasıl geliştiğini açıklıyor. Ayrıca Khandelwal, Python'un son birkaç yılda algoritmik ticaret ve piyon ticareti dünyasında nasıl en alakalı programlama dili haline geldiğine ışık tutuyor, programlarında C++ ve Java'yı Python ile değiştirmelerinin nedeni de bu.

  • 00:30:00 Nitesh Khandelwal, EPAT kapsamındaki farklı modülleri ve bunlara nasıl yaklaşıldığını tartışıyor. İlk modül, Python'da veri analizi ve modellemeyi içerir; bu, farklı API'leri kullanarak nasıl veri alacağınız, stratejinizdeki verileri nasıl analiz edip kullanacağınız ve stratejiyi nasıl kodlayacağınız ve siparişleri nasıl göndereceğiniz gibi konuları kapsar. Modül daha sonra ARIMA, ARCH modelleri ve Gauss karışım modelleri gibi daha gelişmiş istatistiksel metodolojileri kapsayacak şekilde ilerler. Bunu takiben, farklı uygulama stratejilerini, optimizasyonu ve momentum/istatistiksel arbitrajı kapsayan hisse senedi etkileri ve vadeli işlem stratejileri modülü tanıtılır. Video, giderek daha popüler hale gelen ve EPAT kursunda düzenli olarak ele alınan ticaret için makine öğrenimi hakkında bir tartışma ile sona eriyor.

  • 00:35:00 Nitesh Khandelwal, arabasının içini anlamaya ihtiyaç duyan bir F1 araba yarışı sürücüsünün benzetmesini kullanarak ticaret stratejilerinin arkasındaki altyapıyı ve işlemleri anlamanın önemini açıklıyor. Ayrıca risk yönetimi perspektifinden opsiyon ticareti stratejileri, portföy optimizasyonu ve algoritmik ticarette operasyonel riskin önemi gibi konuları da kapsar. Ayrıca, ilgili alan uzmanının mentorluğunda bir projeyi tamamlamanın ve endüstriler için doğrulanmış bir sertifika almak için EPAT sınavına girmenin önemine vurgu yapıyor.

  • 00:40:00 Nitesh Khandelwal, altı aylık bir süre içinde tamamlanacak 100 saatten fazla sınıf bağlantısı, uygulamalı deneyim ve 300 saatin üzerinde kurstan oluşan EPAT sertifika programını tartışıyor. Program, algoritmik ticaret endüstrisine önemli ölçüde katkıda bulunan bir grup seçkin öğretim üyesi tarafından, kendi saflarında uygulayıcılar, akademisyenler ve başarılı tüccarlar karışımı ile verilmektedir. Öğretim üyeleri, önde gelen endüstri uzmanlarını konuk öğretim görevlisi olarak getirir ve EPAT sertifika programı yerleştirme fırsatlarını da içerir.

  • 00:45:00 Nitesh Khandelwal, EPAT programının katılımcılarına özgeçmiş ve mülakat hazırlığı, beceri eksikliklerini belirleme ve bunları doldurma ve büyük brokerler ve yatırım bankaları gibi yerleştirme ortaklarına erişim sağlama dahil olmak üzere nasıl yardımcı olabileceğini tartışıyor. EPAT katılımcıları ayrıca, bazıları sınırlı bir süre için ücretsiz ticaret sunan ayrıcalıklı aracılık verilerine ve API sağlayıcılarına erişebilir. Program, mezunlarına özel etkinlikler ve oturumlar, komisyonculara ve API'lere sübvansiyonlu erişim ve ContraBlue simülatörü gibi gelişmiş geriye dönük test araçları aracılığıyla tanınma ve katma değer sunar.

  • 00:50:00 Nitesh Khandelwal, EPAT'ın Hindistan pazarları ve S&P 500 hisse senetleri için dakika düzeyindeki verilere erişim, sürekli öğrenme, kariyer yardımı ve mezunlar buluşması gibi bazı faydalarını açıklıyor. EPAT'ın bir sertifikadan daha fazlası olduğunu ve mevcut beceri setlerine temel bir niceliksel boyut kattığını vurguluyor. Khandelwal ayrıca EPAT'ın çalışma stratejileri vermekle ilgili olmadığını, bunların nasıl oluşturulacağını ve doğrulanacağını öğrenmekle ilgili olduğunu da açıklıyor. Stratejilerin başarı oranıyla ilgili bir soruyu ele alıyor ve altyapıya erişim, risk yönetimi ve risk iştahı gibi faktörlere bağlı olarak kişiden kişiye değiştiğini açıklıyor. Son olarak Khandelwal, teknik analistlerin programda ele alındığını onayladığı EPAT'ı inceledikten sonra MACD geçişleri, hareketli ortalamalar ve RSI gibi stratejileri kullanarak alım satımlarını otomatikleştirip otomatikleştiremeyeceklerine ilişkin başka bir soruyu yanıtlıyor.

  • 00:55:00 Nitesh Khandelwal, kendi algoritmik ticaret masasını başlatmak için gereken yatırımları ve analistlerin vergilerinin masanın sıklığına nasıl bağlı olacağını tartışıyor. EPAT'ın esas olarak düşük ve orta sıklıkta alım satım yöntemlerine odaklandığından, ancak yüksek sıklıkta stratejilerin bazı yönlerine de sahip olduğundan bahseder. Ticaret kursu Python, Excel, R ve MATLAB'ı birleştirir. Program, programlama becerileri ve kavramsal düzeyde netlik gerektirir ve öğrencilerin kendi masalarını kurmaları için rehberlik sağlar. EPAT, herhangi bir işe yerleştirme garantisi vermemekle birlikte, onu arayan mezunlara rehberlik sunmaktadır.

  • 01:00:00 Nitesh Khandelwal, EPAT'ın yerleştirmeler için herhangi bir garanti vermemesine rağmen, adayların programa kaydolmadan önce algoritmik ticaret hakkında temel bir fikre sahip olmalarını sağlamak için danışmanlık sağladıklarını açıklıyor. EPAT, bu niş ve uygulayıcı odaklı kursta öğretilen bilgi ve pratik uygulama becerilerine değer veren yüze yakın yerleştirme ortağından oluşan geniş ağı sayesinde, aktif olarak arayan öğrencilerinin çoğuna bir işe girme veya iş değiştirme konusunda yardımcı olma konusunda başarılı olmuştur. . EPAT'ın öğrenme yönetim sistemi, tüm oturumlara ve güncellenen içeriğe ömür boyu erişim sağlar ve kurs, günde bir saat ayrılarak üç aya yayılabilen yaklaşık 300 saatlik bir zaman taahhüdü gerektirir. Khandelwal, EPAT'ın algoritmik ticaretin pratik uygulamasına odaklanmasının onu daha teorik olan diğer kurslardan ayırdığını vurguluyor.

  • 01:05:00 Nitesh Khandelwal, gelişmiş pazarlar için 4.720 $ ve Hindistan için 189.000 INR artı GST olan EPAT kursunun ücret yapısını tartışıyor. Ayrıca stratejileri kodlamak için komisyonculara ve API'lere duyulan ihtiyaçtan bahsediyor ve katılımcıların Hong Kong'da kariyer yardımı bekleyebileceklerini, ancak EPAT ekibinin Hindistan ve Singapur'da daha başarılı olduğunu açıklıyor. Khandelwal, EPAT modüllerinin birbirine bağlı olduğunu ve bir bütün olarak ele alınması gerektiğini vurguluyor, ancak ticaret bilgisi çok az olanlar için günlük bir ila iki saatlik çabanın yeterli olması gerektiğini belirtiyor. EPAT kursu, her tür ticaret stratejisi paradigmasını kapsar ve katılımcılar ve mezunlar için uzaktan çalışma fırsatları sunar.

  • 01:10:00 Konuşmacı, EPAT programının kapsamlı olduğundan ve tüm modüllere tam erişim sağladığından, algoritmik ticaret alanına girmek isteyen teknoloji geçmişine sahip katılımcılar için değerli olduğundan bahsediyor. Programı tamamladıktan sonra kendi girişimlerini başlatan veya büyük firmalarda iş bulan çok sayıda katılımcıyla, alanda mevcut olan farklı iş fırsatlarını vurguluyorlar. Ek olarak, konuşmacı bu alanda başarılı olmak için temel istatistikleri bilmenin, korelasyonu ve regresyonu anlamanın önemini vurgulamaktadır. Son olarak, otomatik ticaret stratejilerinin para kazandırdığını ve Hindistan'daki toplam hacmin neredeyse %50'sini oluşturduğunu öne sürüyorlar, bu da bu alanın ilgilenenler için önemli bir potansiyele sahip olduğunu gösteriyor.

  • 01:15:00 Nitesh Khandelwal, dünyanın dört bir yanındaki pazarlarda çalışan uygulayıcılar tarafından öğretilen uygulamaya yönelik bir program olan EPAT programını tartışıyor. Acemi tüccarlara piyasalar hakkında daha fazla bilgi edinmelerini ve okumalarını tavsiye ediyor ve EPAT programı tarafından sağlanan blogları ve web seminerlerini incelemeyi öneriyor. Ayrıca, MCX'in algo ticaretine izin verdiğinden bahseder ve ticaretin sıklığına ve düzenleyici gerekliliklere bağlı olduğundan, kişinin kendi ticaret masasını kurması için gereken altyapı gereksinimlerini tartışır. Ayrıca Khandelwal, EPAT'ın Nijerya ve Afrika'nın bazı bölgelerinde mezunları olduğundan bahsediyor ve programla ilgilenenlere daha fazla bilgi için iş ekibiyle bağlantı kurmalarını tavsiye ediyor.

  • 01:20:00 Konuşmacı, çevrimiçi programları için kayıtlı öğrencilerin tüm derslere, kayıtlara, testlere, kısa sınavlara ve ödevlere erişebildiği bir öğrenme yönetim sistemi sunduklarını açıklıyor. Program tamamen çevrimiçi olduğundan derse devam zorunluluğu yoktur. Yeni öğrencilerin maaşı geçmişlerine, becerilerine ve akademik soyağaçlarına bağlıdır, ancak Hindistan'da yılda 500.000 ila 2 milyon rupi arasında değişebilir. Program, farklı platformlarda geriye dönük testleri kapsar ve tam otomasyonu destekler. Kurs eğitmen liderliğindedir ve haftalık olarak gerçekleşir. Kendi hızlarında olmasa da, öğrenciler kayıtlara erişebilecek ve bir dersi kaçırırlarsa daha sonraki bir aşamada onları tekrar ziyaret edebilecekler. Konuşmacı ayrıca uzaktan iş fırsatlarının mevcut olabileceğini öne sürüyor.

  • 01:25:00 Nitesh Khandelwal, EPAT programı hakkında son birkaç soruyu yanıtlıyor. Bir soru, Hindistan merkezli eğitmenlerin sayısını soruyor ve Khandelwal, yaklaşık %50'sinin Hindistan'dan, geri kalanının dünyanın çeşitli ülkelerinden geldiğini tahmin ediyor. Başka bir soru, İngiltere merkezli programla çalışan herhangi bir komisyoncu veya kurum olup olmadığını sorar ve Khandelwal, Birleşik Krallık merkezli komisyoncuların olduğunu onaylar. İzleyicileri başka soruları varsa veya yardıma ihtiyaçları varsa EPAT ekibine ulaşmaya teşvik ediyor. Genel olarak Khandelwal, bireylerin kariyerlerine ve öğrenme hedeflerine ulaşmalarına yardımcı olma konusunda EPAT programının değerini vurgulamaktadır.
How EPAT Can Help You! by Nitesh Khandelwal - June 28, 2018
How EPAT Can Help You! by Nitesh Khandelwal - June 28, 2018
  • 2018.06.29
  • www.youtube.com
If you've been looking to build a career into the quantitative and algorithmic trading domain, there is a high probability that you would have heard about th...
 

Algoritmik Ticarette AMA | kaydeden Nitesh Khandelwal



Algoritmik Ticarette AMA | kaydeden Nitesh Khandelwal

Algo ticaret şirketi Eragy'nin kurucu ortağı Nitesh Khandelwal, algoritmik ticaret üzerine bu "bana bir şey sor" oturumunda izleyicileri selamlıyor ve konuyla ilgili uzmanlığını paylaşıyor. Oturum, platformlar ve komisyoncular, ticaret stratejileri, piyasa verileri, iş fırsatları, bir algo ticaret masası kurma, düzenlemeler, algo ticaretinin geleceği ve öğrenme ve eğitim fırsatları dahil olmak üzere algoritmik ticaretin çeşitli yönlerini ele almayı amaçlamaktadır. Khandelwal, oturumun önceden hazırlanmış sorular ile canlı sorular arasında bir denge kuracağını ve ayrıca cevaplanmayan sorular için bireysel takip oturumları sunduğunu belirtiyor.

Sunucu, düşük frekanslı, orta frekanslı ve yüksek frekanslı ticaret gibi farklı ticaret stratejilerini açıklayarak başlar. Bu stratejiler, ticaret altyapısının gecikme süresine ve sipariş işleme süresine göre tanımlanır. Odak noktası, ticaret stratejisinin gecikmesinin saniyede gerçekleştirilen ticaret sayısından daha önemli olduğunu vurgulamaktır. Bölüm daha sonra, Yahoo Finance, Google Finance, Quandl, Alpha Vantage ve FXCM gibi farklı veri satıcılarını tartışarak pazar verilerinin ve ekonomik verilerin nereden alınacağını araştırıyor. Bu sağlayıcılar, indirilebilir veriler veya platformlarında kullanılabilecek veriler sunar.

Devam eden konuşmacı, manuel indirmeler, API getirme ve Quandl, Global Data Feed, Trading Economics, Thomson Reuters ve Active Financial gibi ücretli sağlayıcılar dahil olmak üzere algoritmik ticaret için veri kaynaklarını tartışıyor. Ayrıca, yüksek frekanslı tüccarların (HFT) genel olarak manuel günlük tüccarlardan daha iyi performans gösterip göstermediği sorusunu da ele alıyorlar ve bunun analiz edilen günlük tüccarların türüne bağlı olduğunu açıklıyorlar. Tüccarlar arbitraj fırsatlarından veya piyasa verimsizliklerinden yararlanıyorsa, makineler manuel tüccarlardan daha hızlı olabilir. Ancak, tacirler verileri analiz ediyor ve kapsamlı araştırmalardan sonra manuel emirleri yerine getiriyorsa, makineler mutlaka daha verimli değildir. Konuşmacı, aşırı algo ticareti yapılan bir piyasanın verimsiz olduğu fikrini reddediyor ve otomasyonun her zaman yüksek frekanslı ticaret gerektirmediğini açıklığa kavuşturuyor.

"Dirsekler" olarak bilinen ticarette algoritma kullanma kavramı açıklanmaktadır. Daha fazla verimlilikle alım satımı içerir ve matematiksel formüller kullanılarak otomatikleştirilebilir ve ölçülebilir. Ancak, piyasa verimsizliklerini bulmak zor olabilir ve yüksek frekanslı ticaret ve teknoloji altyapısındaki rekabet daha pahalı hale geliyor. Konuşmacı ayrıca bir FBI aracı hesabında birden fazla stratejinin nasıl ele alınacağı sorusunu da ele alıyor.

Algoritmik ticaret için ön koşullar, istatistik ve ekonometri, finansal hesaplama ve nicelik ticareti bilgilerini içerecek şekilde tartışılmaktadır. Sunum yapan kişi, sıfırdan başlayanların Quant web sitesinde ücretsiz olarak bulunan kaynaklar aracılığıyla bu sütunlar hakkında bilgi edinebileceklerinden bahseder. Alım satım stratejilerine zaten aşina olan ve otomatikleştirmek isteyen tüccarlar için, bir aracı API kullanarak başlayabilir ve sonunda kendi platformlarını oluşturabilirler. Konuşmacı ayrıca onay verileri için çeşitli veri sağlayıcıları açıklıyor ve çoğu satıcı anlık görüntü verileri sağlarken, üst düzey satıcıların gerçek onay verilerini daha yüksek bir maliyetle sağlayabileceğinden bahsediyor. Son olarak, mevcut ticaret stratejilerinde zaten başarılı olan tüccarlar için, yükseltmeye ve denemeye devam etmek istemiyorlarsa algo ticaretini öğrenmenin gerekli olmayabileceğine dikkat çekiliyor.

Makineler yürütmeyi gerçekleştirirken stratejiler üzerinde çalışmak için duyguların kontrol edilmesi, ölçeklenebilirlik ve bant genişliği dahil olmak üzere ticaret stratejilerini otomatikleştirmenin faydaları tartışılmaktadır. Konuşmacı, algoritmik ticarette başarı için bir programlama geçmişine sahip olmanın önemini vurgular ve Python'un dünya çapında çoğu firma tarafından yaygın olarak kullanıldığının altını çizer. Ancak konuşmacı, yüksek frekanslı ticaretin perakende tüccarlar için uygun olmadığını ve bazı stratejilerin başarıyı görmeden önce makul miktarda sermaye gerektirebileceğini tavsiye ediyor. Bununla birlikte, temel Python bilgisiyle bile algoritmik ticarete başlanabilir.

İstatistik, ekonometri ve ticaret stratejileri bilgisi de dahil olmak üzere algoritmik bir tüccar olmak için gereken beceriler tartışılır. Konuşmacı ayrıca, arka ofis rollerinden ön büro ticaret rollerine kadar algoritmik ticarette çeşitli kariyer fırsatlarını açıklıyor. Yazılım ve veri bilimi geçmişine sahip bireylerin algo ticaretine girebileceklerinden bahsediyorlar, çünkü geçmişleri zaten güçlü bir temel sağlıyor ve finansal piyasa tarafını seçmek nispeten daha kolay olmalı. Konuşmacı ayrıca, önceden ticaret deneyimi olmadan algoritmik ticarete başarılı bir şekilde geçiş yapan QuantInsti'nin 40 yaşındaki bir mezunu hakkında bir blogdan bahsediyor. QuantInsti, bireylerin kariyerlerinde ilerlemek için gerekli becerileri edinmelerine ve doğru kişilerle bağlantı kurmalarına yardımcı olmak için özel bir kariyer hücresi sunan bir kurum olarak öne çıkıyor.

Konuşmacı, algoritmik ticaret dillerini ve bunların araştırma ve analizdeki önemini tartışmaya devam ediyor. Yüksek frekanslı ticaret firmaları daha düşük gecikme süresi, geriye dönük test ve strateji değerlendirmesi için C++ kullanmayı tercih ederken, R ve Python daha popüler seçeneklerdir. Bir kullanıcının isabet oranını iyileştirme ve arka arkaya kayıpları yönetme hakkındaki sorusuna yanıt olarak konuşmacı, geriye dönük testlerde parametreleri optimize etmeyi ve düşüşü kontrol etmek için numune içi ve numune dışı alım satımı kullanmayı önerir. Pazar doygunluğu da ele alınırken, konuşmacı HFT oranının rekabetin bir göstergesi olduğunu ve sade arbitraj stratejilerinin yüksek oranda doymuş pazarlarda başarılı olamayabileceğini belirtiyor.

Farklı algoritmik ticaret stratejileri daha fazla araştırılarak sade arbitraj ve piyasa yapıcı stratejiler için güçlü bir teknolojik altyapıya duyulan ihtiyaç vurgulanıyor. Konuşmacı, toplam bit miktarının anlamı, HFT'lerin Hindistan'daki geleneksel tüccarlar üzerindeki etkisi ve algo ticareti için verileri analiz etmek için kullanılan zaman ufku dahil olmak üzere çeşitli izleyici sorularıyla ilgilenir. Zaman ufkunun ticaret sıklığına bağlı olduğunu açıklıyorlar. Ek olarak, konuşmacı, yazılım ve veri bilimi geçmişine sahip bireyleri algo ticaretine girmeye teşvik ediyor ve geçmişlerinin zaten güçlü bir temel oluşturduğunu ve finansal piyasa tarafında ilerlemenin nispeten daha kolay olması gerektiğini belirtiyor.

Nitesh Khandelwal, şirketleri ile bir ticaret platformu kurma olasılığı, otomasyon için yasal onay, maliyetler ve Hindistan piyasası düzenlemeleri ile ilgili birkaç soruyu ele alıyor. Şirketlerinin katılımcılara ve mezunlara rehberlik ve ömür boyu destek sağladığını ancak danışmanlık hizmeti vermediğini açıklıyorlar. Otomasyon mümkündür ve maliyetler gerekli altyapıya bağlıdır. Hindistan gibi ülkelerde, her alım satım stratejisinin otomasyondan önce onaylanması gerekir ve bunu tüccar adına sadece komisyoncu yapabilir. Stokastik ve temel göstergelerin stratejilerde kullanımı, manuel olarak veya yazılım aracılığıyla kullanılabileceğinden bahsedilerek tartışılmıştır. Konuşmacı ayrıca algoritmalar oluşturmak için makine tarafından okunabilen haberleri ve ekonomik verileri okumaya yönelik araçların mevcudiyetinden de bahsediyor.

Oturum, Hindistan'daki insanların Hindistan dışındaki pazarlar için yüksek frekanslı ticaret (HFT) yapıp yapamayacağını ve HFT'nin perakende tüccarları piyasalardan uzaklaştırıp uzaklaştırmadığını araştırıyor. Hindistan dışındaki pazarlarla ilgili olarak, birinin RBA onayı olmadıkça, LRS programı kapsamında döviz borsalarında listelenen marj ürünleri ticareti için para gönderilmesine izin verilmediği açıklanmıştır. Bununla birlikte, küresel bir şirket ticaretinin bir kısmını Hintli bir şirkete yaptırırsa, bu mümkün olabilir. HFT'nin perakende tüccarlar üzerindeki etkisiyle ilgili olarak, HFT'lerin varlığının piyasaya likidite kattığı ve perakende tüccarlara fayda sağlayan marjları daralttığı belirtilmektedir. Ancak, alan adı ne olursa olsun, önden koşma gibi yasa dışı faaliyetlere izin verilmemelidir.

Konuşmacı, yüksek frekanslı ticaretin (HFT) bireysel perakende tacirlere zarar vermediğini vurguluyor, zira onlar tipik olarak doğası gereği birkaç yüz milisaniyelik dahili gecikme süresine sahip web tabanlı tarayıcılar kullanıyorlar. HFT firmaları daha hızlı erişim elde etmek için yasa dışı yöntemler kullansa bile, bu perakende tüccarı etkilemeyecek, kurallara uyan diğer HFT firmalarına zarar verecektir. Konuşmacı, arbitraj fırsatlarını ortadan kaldırdığı için perakende tüccarların genellikle HFT'nin yarattığı verimli piyasadan yararlandığını vurguluyor. Konuşmacı ayrıca İngilizce algoritmik ticaretin öğrenilmesiyle ilgili bir soruyu ele alıyor ve sürekli karlı ticaret için birkaç önemli bileşeni tartışıyor.

Video, pazarlar sürekli değiştiği için algoritmik ticaret endüstrisinde sürekli gelişen ticaret stratejilerinin önemini vurguluyor. Hindistan'da pek çok aracı kurum algoritmik ticareti desteklemese de, bazıları yarı-algo veya el-go gibi programatik ticaret seçenekleri sunar. Konuşmacı aynı zamanda kantitatif analistler için iş piyasasını tartışıyor ve bunun doktoralara özel olmadığını, daha çok bireylerin bilgisine ve problem çözme becerilerine bağlı olduğunu vurguluyor. Algoritmik ticaret için donanım ve altyapı gereksinimleri de ele alınmaktadır. Düşük frekanslı ticaret için Amazon ve Google gibi şirketler tarafından sağlanan iyi bir dizüstü bilgisayar veya bulut bilişim seçenekleri yeterlidir. Orta frekanslı ticaret, algoritmik bir ticaret platformu ve birkaç bin dolara mal olabilen özel bir sunucu gerektirir. Yüksek frekanslı ticaret, 10.000 ila 25.000 ABD Doları arasında değişen özel bir sunucu gerektirir.

Konuşmacı, santrale ve konuma bağlı olarak canlı yayına geçmeden önce alınması gereken onayları açıklar. EPAT programının kapsamlı bir dizi konuyu kapsadığını ve karlı stratejileri garanti etmese de pratik öğrenmeye odaklandığını açıklıyorlar. Düşük, orta ve yüksek frekanslı algoritmalar dahil olmak üzere otomatik ticarette kullanılan farklı algoritma türleri tartışılmaktadır. Daha hızlı bilgi işlem gerektiren arbitraj, piyasa yapıcılık ve yönlü stratejiler için yüksek frekanslı algoritmalar kullanılır. Düşük ve orta frekanslı algoritmalar, temel yatırım dahil olmak üzere çeşitli stratejileri otomatikleştirebilir. Ölçeklenebilirlik, duygusal kontrol ve büyük verilerin daha iyi analizi gibi faydalar sağlayan algoritmalarla momentum, istatistiksel arbitraj ve seçenek tabanlı stratejiler gibi popüler stratejilerden de bahsediliyor.

Algoritmik ticaretle ilgilenen ancak programlama deneyimi olmayan perakende tüccarlar için konuşmacı, temel istatistikleri ve ticaret stratejilerini öğrenmekle başlamayı önerir. Kendi kendine öğrenme için kaynaklar sağlarlar. Nitesh Khandelwal, önceden var olanlara güvenmek yerine kişinin kendi ticaret stratejisini oluşturma fikrini vurgular. Ayrıca kripto para piyasasında algo ticaretinin rolüne de değinerek, bazı katılımcıların kripto para ticareti için otomasyon araçları kullanırken kripto para birimi patlamasının arkasındaki tek nedenin algo ticareti olmadığını belirtiyorlar. Yapay zeka ve makine öğreniminin algo ticareti üzerindeki potansiyel etkisinden bahsedilirken, eğitim algoritmaları için gereken bilgi işlem gücünün satın alınabilirliği nedeniyle büyük kurumların yanı sıra bireysel ve perakende tüccarları da güçlendireceğini vurgulayan konuşmacı.

Konuşmacı, finans sektöründe meydana gelen değişimler ve otomasyon nedeniyle algoritmik ticarette perakende katılımında beklenen artışı tartışıyor. Bilanço verileri için kaynaklar, finans dışı bir firmadan algoritmik bir tüccara geçiş ve algoritmik ticarette CAGR (Bileşik Yıllık Büyüme Oranı) ve kazanma oranı için ideal rakamlar hakkında dinleyicilerin sorularını yanıtlıyorlar. Konuşmacı, yalnızca yüzde getirilere odaklanma konusunda uyarıyor ve bunun yerine ölçeklenebilirliği, güçlü altyapıyı ve teknolojiyi önemli hususlar olarak vurguluyor.

Oturum, konuşmacının getirileri ve ihtiyaç duyulan altyapının sıklığına ve türüne bağlı olarak birkaç bin dolardan yüz binlerce dolara kadar değişebilen bir algo ticareti işine başlamak için gereken yatırımı tartışırken riskleri göz önünde bulundurmanın önemini tartışmasıyla sona erer. Konuşmacı, otomasyon ve risk yönetiminin bir algo ticaret işine başlarken göz önünde bulundurulması gereken temel faktörler olduğundan bahsediyor. Ayrıca, Hindistan'da gerçek zamanlı veri kullanılabilirliği ve ticaret stratejileri için onay süreci hakkında fikir veriyorlar ve borsaların risk yönetimini stratejinin özelliklerine göre önceliklendirdiğini vurguluyorlar. Son olarak, konuşmacı Hindistan pazarlarında geriye dönük test yapmak ve sol (kaldıraçlı ve gün içi) stratejiler yazmak için iyi web sitelerinin azlığını kabul ediyor.

Son bölümde konuşmacı, Horn Insights'ta farklı pazarlar için araçların geliştirilmesini tartışıyor ve katılımcılara ve kullanıcılara daha iyi teşhir ve fayda sağlamayı amaçlıyor. Deneyim ve geçmiş gibi faktörlere bağlı olduğunu belirterek, Hindistan'daki miktarlar için maaş aralığı hakkında bir soruyu ele alıyorlar. Konuşmacı, kolokasyonun bir manipülasyon olmadığını vurguluyor ve bunu trenle seyahat etmeye kıyasla bir varış noktasına daha hızlı ulaşmak için hava yolculuğu için ödeme yapmaya benzetiyor. Ayrıca teknik gösterge tabanlı stratejilerin çoğunun Python kullanılarak geliştirilebileceğini belirtiyorlar ve algoritmik ticaret alanındaki gelişmiş programların yaygın olarak bulunmamasına rağmen ANNIE pat programı aracılığıyla ömür boyu rehberlik sağlandığını vurguluyorlar.

Videonun son anlarında konuşmacı, bireyleri algoritmik ticaret yapmaya teşvik ediyor ve pazarın yıllar içinde önemli ölçüde geliştiğinden ve perakende tüccarlar için daha erişilebilir hale geldiğinden bahsediyor. Algoritmik ticaret konusundaki bilgi ve anlayışlarını ilerletmek için izleyicileri QuantInsti ve Horn Insights'ta bulunan kaynakları keşfetmeye davet ediyorlar.

  • 00:00:00 Algo ticaret firması Eragy'nin kurucu ortağı Nitesh Khandelwal, izleyicileri algoritmik ticaret üzerine "bana her şeyi sor" oturumuna davet ediyor. Khandelwal, kendi algo alım satım masalarını kurmak için büyük kurumlara danışmanlık yapma konusunda deneyime sahiptir ve bu konudaki uzmanlığını paylaşacaktır. Oturum, platformlar ve komisyoncular, ticaret stratejileri, piyasa verileri, iş fırsatları, bir algo ticaret masası kurma, düzenlemeler ve iş ortamı, algo ticaretinin geleceği ve öğrenme ve eğitim fırsatları gibi konulardaki popüler soruları kapsayacaktır. Önceden hazırlanmış sorular ile canlı sorular arasında bir denge kurmayı amaçlayan oturumda, oturum sırasında yanıtlanamayan sorular için bireysel takip oturumları da sunulacak.

  • 00:05:00 Sunucu, düşük sıklıkta, orta sıklıkta ve yüksek sıklıkta ticaret gibi farklı ticaret stratejilerini ve bu stratejilerin ticaret altyapısının gecikme süresine ve emir işleme süresine göre nasıl tanımlandığını açıklıyor. Sunum yapan kişi, ticaret stratejisinin gecikmesinin saniyede gerçekleştirilen işlem sayısından daha önemli olduğunu vurgular. Bölüm daha sonra Yahoo Finance, Google Finance, Quanti ex parte del alpha Vantage fxcm gibi farklı veri satıcılarından piyasa verilerinin ve ekonomik verilerin nereden alınacağını kapsar. Sunum yapan kişi, bu satıcıların indirilebilir veriler veya platformlarında kullanılabilecek veriler sunduğunu belirtir.

  • 00:10:00 Konuşmacı, algoritmik ticaret için kullanılabilecek veri kaynaklarını tartışır. Veriler, manuel indirmeler, API getirme veya Qantas Global Data Feed Trading Economics, Thomson Reuters ve Active Financial gibi ücretli satıcılar aracılığıyla elde edilebilir. HFT veya dirsek tüccarlarının genellikle manuel günlük tüccarları geçip geçmediği sorusu, analiz edilen günlük tüccarların türüne bağlıdır. Tüccarlar arbitraj fırsatlarından veya piyasa verimsizliklerinden yararlanıyorsa, makineler manuel tüccarlardan daha hızlı olabilir. Ancak, tacirler verileri analiz ediyor ve kapsamlı araştırmalardan sonra manuel emirleri yerine getiriyorsa, makineler mutlaka daha verimli değildir. Otomasyon her zaman yüksek frekanslı ticaret gerektirmediğinden, aşırı derecede algo ticareti yapılan bir piyasanın verimsiz olduğu fikri temelsizdir.

  • 00:15:00 Konuşmacı, daha verimli ticaret yapmayı içeren ve matematiksel formüller kullanılarak otomatikleştirilebilen ve ölçülebilen ticarette dirsek kullanma kavramını açıklıyor. Ancak, pazardaki verimsizlikleri bulmak zor olabilir ve yüksek frekanslı ticaret ve teknoloji altyapısındaki rekabet daha pahalı hale geliyor. Teknik göstergeler ve modeller ölçülebilir ve otomatikleştirilebilir, ancak Elliott Wave'de olduğu gibi, öznellik söz konusu olduğunda algoritmalar çok daha karmaşık hale gelebilir. Konuşmacı ayrıca bir FBI aracı hesabında birden çok stratejinin nasıl ele alınacağına ilişkin bir soruyu da ele alıyor.

  • 00:20:00 Konuşmacı, tipik olarak istatistik ve ekonometri, finansal hesaplama ve miktar ticaretinin üç ana sütununu içeren algoritmik ticaret için gerekli ön koşulları tartışıyor. Sıfırdan başlayanlar, quant web sitesinde ücretsiz olarak bulunanlar gibi çeşitli kaynaklar aracılığıyla bu sütunlar hakkında bilgi edinebilir. Alım satım stratejilerine zaten aşina olan ve otomatikleştirmek isteyen tüccarlar için, bir aracı API kullanarak başlayabilir ve sonunda kendi platformlarını oluşturabilirler. Onay verileri için veri sağlayıcıları açısından, çoğu satıcı bunun yerine anlık görüntü verileri sağlar, ancak üst düzey satıcılar daha yüksek bir maliyet karşılığında gerçek onay verileri sağlayabilir. Son olarak, mevcut ticaret stratejilerinde zaten başarılı olan tüccarlar için, yükseltmeye ve denemeye devam etmek istemiyorlarsa algo ticaretini öğrenmeye gerek olmayabilir.

  • 00:25:00 Konuşmacı, makineler yürütmeyi gerçekleştirirken duyguları kontrol etme ve stratejiler üzerinde çalışmak için ölçeklenebilirlik ve bant genişliğine sahip olma gibi ticaret stratejilerini otomatikleştirmenin faydalarını tartışıyor. Konuşmacı, algoritmik ticarette başarılı olmak için programlama geçmişine sahip olmanın şart olduğunu tavsiye ediyor ve dünyadaki çoğu firmanın Python kullandığından bahsediyor. Ancak konuşmacı, HFT'nin perakende tüccarlar için uygun olmadığını ve bazı stratejilerin başarıyı görmeden önce makul miktarda sermaye gerektirebileceğini belirtiyor. Bununla birlikte, temel Python bilgisiyle bile algoritmik ticarete başlanabilir.

  • 00:30:00 Konuşmacı, istatistik, ekonometri ve ticaret stratejileri bilgisi de dahil olmak üzere algoritmik bir tüccar olmak için gereken becerileri tartışıyor. Konuşmacı ayrıca, arka ofis rollerinden ön büro ticaret rollerine kadar algoritmik ticarette çeşitli kariyer fırsatlarını açıklıyor. 10 ila 20 yıllık alan uzmanlığına sahip ancak ticaret deneyimi olmayan kariyer fırsatları arayanlar için konuşmacı, QuantInsti'nin algoritmik ticarete başarılı bir şekilde geçiş yapabilen 40 yaşındaki bir mezunu hakkında bir blog paylaşıyor. Ayrıca, QuantInsti'nin kariyerlerinde ilerlemek için bireylerin gerekli becerileri edinmelerine ve doğru kişilerle bağlantı kurmalarına yardımcı olabilecek özel bir kariyer hücresi vardır.

  • 00:35:00 Konuşmacı, algoritmik ticaret dillerinden ve araştırma ve analizde programlamanın öneminden bahsediyor. Yüksek frekanslı ticaret firmalarının daha düşük gecikme süresi için C++ kullanmayı tercih ettiğini, ancak geriye dönük test ve strateji değerlendirmesi için R ve Python'un daha popüler olduğunu açıklıyor. Bir kullanıcının isabet oranını ve arka arkaya kayıpları iyileştirme hakkındaki sorusuna yanıt olarak, geriye dönük testlerde parametrelerin optimize edilmesini ve düşüşü kontrol etmek için numune içi ve numune dışı ticaretin kullanılmasını önerir. Pazar doygunluğunu tartışırken, HFT oranının rekabetin bir göstergesi olduğunu ve yüksek HFT oranlarına sahip pazarlarda basit arbitraj stratejilerinin başarılı olmayabileceğini belirtiyor.

  • 00:40:00 Konuşmacı, farklı algoritmik ticaret stratejilerini tartışıyor ve basit arbitraj ve piyasa yapıcı stratejiler için güçlü bir teknolojik altyapıya duyulan ihtiyacı vurguluyor. Konuşmacı ayrıca, toplam bit miktarının anlamı, HFT'lerin Hindistan'daki geleneksel tüccarlar üzerindeki etkisi ve ticaret sıklığına bağlı olarak açıkladığı algo ticareti için verileri sıkıştırmak için kullanılan zaman ufku dahil olmak üzere çeşitli izleyici sorularını yanıtlıyor. Ayrıca konuşmacı, yazılım ve veri bilimi geçmişine sahip bireyleri algo ticaretine girmeye teşvik ediyor ve geçmişlerinin zaten güçlü bir temel oluşturduğunu ve finansal piyasa tarafında toparlanmanın nispeten daha kolay olması gerektiğini belirtiyor.

  • 00:45:00 Nitesh, şirketleri ile bir ticaret platformu kurma olasılığı, otomasyon için yasal onay, maliyetler ve Hindistan piyasası düzenlemeleri ile ilgili birkaç soruyu yanıtlıyor. Katılımcılarına ve mezunlarına rehberlik ve ömür boyu destek sağlarlar ancak danışmanlık hizmeti sunmazlar. Otomasyon mümkündür ve maliyetler gereken altyapıya bağlıdır. Hindistan gibi ülkelerde, her alım satım stratejisinin otomasyondan önce onaylanması gerekir ve bunu tüccar adına sadece komisyoncu yapabilir. Stokastik göstergeler herhangi bir stratejide kullanılabilir ve temel göstergeler hem manuel hem de yazılım aracılığıyla beslenebilir. Algoritmalar oluşturmak için makine tarafından okunabilir haberleri ve ekonomik verileri okumayı kolaylaştıran araçlar var.

  • 00:50:00 Hindistan'daki insanların Hindistan dışındaki pazarlar için yüksek frekanslı ticaret (HFT) yapıp yapamayacağı ve ayrıca HFT'nin perakende tüccarları piyasalardan uzaklaştırıp uzaklaştırmadığı tartışılıyor. Hindistan dışındaki pazarlar için, LRS programı kapsamında, birinin RBA onayı olmadıkça, döviz borsalarında işlem gören marj ürünleri için para gönderilmesine izin verilmediğinden bahsedilmektedir. Bununla birlikte, küresel bir şirket ticaretinin bir kısmını Hintli bir şirkete yaptırırsa, bu mümkün olabilir. HFT'nin perakende tüccarları piyasanın dışına itip çekmediği sorusu üzerine, HFT'lerin varlığının piyasaya likidite kattığı ve perakende tüccarlara fayda sağlayan marjları daralttığı belirtiliyor. Ancak, alan adı ne olursa olsun, önden koşma gibi yasa dışı faaliyetlere izin verilmemelidir.

  • 00:55:00 Konuşmacı, yüksek frekanslı ticaretin (HFT), birkaç yüz milisaniye yerleşik gecikme süresine sahip web tabanlı tarayıcılar kullandıkları için bireysel düzeyde perakende tüccarlara nasıl zarar vermediğini tartışıyor. HFT firmaları daha hızlı erişim sağlamak için yasa dışı yöntemler kullansa bile, bu perakende tüccarı etkilemez, ancak kurallara uyan diğer HFT firmalarına zarar verir. Konuşmacı, perakende tüccarların, arbitraj fırsatlarını ortadan kaldırdığı için HFT'nin yarattığı etkin piyasadan genellikle yararlandığına dikkat çekiyor. Konuşmacı ayrıca İngilizce algoritmik ticaretin öğrenilmesiyle ilgili bir soruyu ele alıyor ve sürekli karlı ticaret için birkaç önemli bileşenden bahsediyor.

  • 01:00:00 Video, piyasalar sürekli değişirken algoritmik ticaret endüstrisinde kişinin ticaret stratejisini sürekli geliştirmesinin önemini tartışıyor. Hindistan'da pek çok broker algoritmik ticareti desteklemese de, bazıları semi-algo veya el-go gibi belirli programların kullanımına izin veren programatik ticaret sunuyor. Kuantum analistleri için iş piyasası doktoralılara özel değildir, daha ziyade kişinin işini bilmesine ve problem çözme becerilerine sahip olmasına dayanır. Video ayrıca, yapılan ticaretin türüne bağlı olarak algoritmik ticaret için gerekli olan donanım gereksinimlerini de kapsar, ancak genellikle iyi bir dizüstü bilgisayar veya masaüstü bilgisayar yeterlidir.

  • 01:05:00 Konuşmacı, algoritmik ticaret için donanım ve altyapı gereksinimlerini tartışıyor. Düşük frekanslı ticaret için Amazon ve Google gibi şirketler tarafından sağlanan iyi bir dizüstü bilgisayar veya bulut bilişim seçenekleri yeterli olacaktır. Orta frekanslı ticaret için algoritmik bir ticaret platformu gereklidir ve özel bir sunucu birkaç bin dolara mal olurken, yüksek frekanslı ticaret 10.000 ila 25.000 ABD Doları arasında değişen özel bir sunucu gerektirir. Konuşmacı ayrıca, santrale ve konuma bağlı olarak canlı yayına geçmeden önce alınması gereken onayları da açıklar. Son olarak konuşmacı, EPAT programının çok çeşitli konuları kapsadığını ve pratik öğrenmeye odaklandığını ancak karlı stratejileri garanti etmediğini açıklıyor.

  • 01:10:00 Konuşmacı, düşük, orta ve yüksek frekanslı algoritmalar da dahil olmak üzere otomatik ticaret için kullanılabilecek farklı algoritma türlerini tartışıyor. Yüksek frekanslı algoritmalar, daha hızlı bilgi işlem gerektiren arbitraj, piyasa yapıcılık ve yönlü stratejiler için kullanılır. Öte yandan, düşük ve orta frekanslı algoritmalar, temel yatırım dahil olmak üzere farklı stratejileri otomatikleştirebilir. Konuşmacı ayrıca momentum, istatistiksel arbitraj ve seçenek tabanlı stratejiler gibi popüler stratejilerden bahsediyor ve algoritma kullanmanın daha fazla ölçek ve duygusal kontrol sağlayarak ve büyük verilerin daha iyi analizine izin vererek ticarete fayda sağlayabileceğinin altını çiziyor. Algoritmik ticaretle ilgilenen ancak programlama deneyimi olmayan perakende tüccarlar için konuşmacı, temel istatistikleri ve ticaret stratejilerini öğrenmekle başlamayı önerir ve kendi kendine öğrenme için kaynaklar sağlar.

  • 01:15:00 Nitesh Khandelwal, standart ticaret stratejilerini kullanma fikrini tartışıyor ve önceden var olan stratejilere güvenmek yerine kişinin kendi stratejisini oluşturmasının önemini vurguluyor. Algo ticaretinin kripto para piyasasındaki rolünden de bahsediyor ve kripto para ticareti yapmak için otomasyon araçlarını kullanan bazı katılımcılar olsa da, algo ticaretinin kripto para birimi patlamasının arkasındaki sebep olmadığını belirtiyor. Khandelwal, yapay zeka ve makine öğreniminin algo ticareti üzerindeki potansiyel etkisine de değinerek, eğitim algoritmaları için gereken hesaplama gücünün uygun fiyatlı olması nedeniyle büyük kurumların yanı sıra bireysel ve perakende tüccarlara daha fazla güç vereceğini belirtiyor.

  • 01:20:00 Konuşmacı, finans sektöründe meydana gelen değişimler ve otomasyon nedeniyle algoritmik ticarette perakende katılımında beklenen artışı tartışıyor. Konuşmacı ayrıca dinleyicilerin bilanço verileri için kaynaklar, finans dışı bir firmadan algoritmik bir tüccara geçiş ve algoritmik ticarette CAGR ve kazanma oranı için en iyi rakamlar hakkında sorularını yanıtlıyor. Konuşmacı, yalnızca yüzde getirilere odaklanma konusunda uyarıyor ve bunun yerine ölçeklenebilirliği ve güçlü altyapıyı ve teknolojiyi teşvik ediyor.

  • 01:25:00 Konuşmacı, düşük ve orta frekanslı ticaret stratejilerini ve Sharpe oranını tartışıyor, risk dikkate alınmadan getirilerin tartışılamayacağını belirtiyor. Ayrıca, gerekli altyapının sıklığına ve türüne bağlı olarak birkaç bin dolardan yüz binlerce dolara kadar değişebilen bir algo ticaret işine başlamak için gereken yatırımdan da bahsediyor. Ek olarak, konuşmacı, bir algo ticareti işine başlarken otomasyon ve risk yönetiminin önemli hususlar olduğundan bahseder. Verilerle ilgili olarak, Hindistan'da ortak yerleşim olmadan gerçek zamanlı veriler mümkündür, ancak birkaç milisaniyelik bir gecikme olabilir. Konuşmacı ayrıca stratejilerin onaylanma sürecini tartışır ve dinleyicilere bilgi alışverişinin genellikle stratejinin özelliklerinden çok risk yönetimine odaklandığına dair güvence verir. Son olarak, konuşmacı Hindistan pazarlarında geriye dönük test yapmak ve sol stratejiler yazmak için pek çok iyi web sitesi olmadığından bahsediyor.

  • 01:30:00 Horn Insights'ta konuşmacı, katılımcılar ve kullanıcılar için daha iyi tanıtım ve faydalar sağlamak üzere farklı pazarlar için araçların geliştirilmesini tartışıyor. Ayrıca, deneyim ve geçmiş gibi faktörlere bağlı olarak Hindistan'daki miktarlar için maaş aralığı ile ilgili bir soruyu da yanıtlıyorlar. Konuşmacı, kolokasyonun manipülasyon olmadığını vurguluyor ve bunu trenle seyahat etmekten daha hızlı bir varış noktasına ulaşmak için hava yolculuğu için ödeme yapmaya benzetiyor. Ek olarak, teknik gösterge tabanlı stratejilerin çoğunun Python kullanılarak geliştirilebileceğini öne sürüyorlar ve algoritmik ticaret alanında sunulan çok fazla gelişmiş program olmadığını, ancak ANNIE pat aracılığıyla Yaşam boyu rehberliğin mevcut olduğunu belirtiyorlar.

  • 01:35:00 Konuşmacı, izleyicilerin sahip olabileceği diğer soruları veya endişeleri ele alır. İzleyicilere, başka şüpheleri varsa yardım istemekten çekinmemeleri ve tüm soruları yanıtlamaktan mutluluk duymaları konusunda güvence veriyorlar. Konuşmacı, dinleyicilere oturuma katıldıkları ve mümkün olduğu kadar çok soruya cevap vermeye çalıştıkları için teşekkür ederek sözlerini bitirir.
AMA on Algorithmic Trading | By Nitesh Khandelwal
AMA on Algorithmic Trading | By Nitesh Khandelwal
  • 2017.12.06
  • www.youtube.com
In this is session on AMA on Algorithmic Trading, get answers to all your question from "What is Algorithmic Trading?" and "How you can pursue it?"********Le...