Kvantitativ handel. Vad är kvantitativ handel. Kvantitativ handel består av handelsstrategier baserade på kvantitativ analys som är beroende av matematisk beräkning och antal crunching för att identifiera handelsmöjligheter. Eftersom kvantitativ handel generellt används av finansinstitut och hedgefonder är transaktionerna vanligtvis stora i storlek och kan innebära köp och försäljning av hundratusentals aktier och andra värdepapper. Den kvantitativa handeln används dock oftare av enskilda investerare. BREAKING DOWN Kvantitativ Trading. Pris och volym är två av de vanligaste dataingångarna som används i kvantitativ analys som Huvudsakliga ingångar till matematiska modeller. Kvantitativa handelsmetoder inkluderar högfrekvent handelsalgoritmisk handel och statistisk arbitrage. Dessa tekniker är snabbbrand och har typiskt kortfristiga investeringshorisonter. Många kvantitativa handlare är mer bekanta med kvantitativa verktyg, som rörliga medelvärden och oscillatorer. und kvantitativ handel. Kvantitativa handelsmän utnyttjar modern teknologi, matematik och tillgång till omfattande databaser för att göra rationella handelsbeslut. Kvantitativa handlare tar en handelsmetodik och skapar en modell av det med hjälp av matematik och utvecklar sedan ett datorprogram som gäller Modellen till historisk marknadsdata Modellen testas sedan och optimeras Om gynnsamma resultat uppnås implementeras systemet i realtidsmarknader med reell kapital. Hur kvantitativa handelsmodeller fungerar bäst beskrivs med hjälp av en analogi. Tänk på en väderleksrapport i som meteorologen förutser en 90 risk för regn medan solen skiner. Meteorologen härleder denna kontraintuitiva slutsats genom att samla och analysera klimatdata från sensorer i hela området. En datoriserad kvantitativ analys avslöjar specifika mönster i data. När dessa mönster jämförs med samma mönster Avslöjas i historiska klimatet data backtesting, och 90 av 100 gånger resultatet är regn, då meteorologen kan dra slutsatsen med självförtroende, varför 90 prognosen Kvantitativa handlare tillämpar samma process på finansmarknaden för att göra handelsbeslut. Tillägg och nackdelar med kvantitativ handel. Målet med handel är att beräkna den optimala sannolikheten att genomföra en lönsam handel. En typisk näringsidkare kan effektivt övervaka, analysera och fatta handelsbeslut på ett begränsat antal värdepapper innan mängden inkommande data överväger beslutsprocessen. Användningen av kvantitativa handelsmetoder belyser denna gräns genom att använda datorer för att automatisera övervaknings-, analys - och handelsbesluten. Överkomliga känslor är ett av de mest genomgripande problemen med handel Var det rädsla eller girighet, när handel känner sig emotion bara för att kväva rationellt tänkande, vilket vanligtvis leder till förluster Datorer och matematik har inte känslor, så kvantitativ handel eliminerar det här prolet blem. Quantitativ handel har sina problem Finansmarknaderna är några av de mest dynamiska enheterna som finns. Därför måste kvantitativa handelsmodeller vara lika dynamiska för att vara konsekvent framgångsrika. Många kvantitativa aktörer utvecklar modeller som tillfälligt lönsamma för marknadsförhållandena för vilka de utvecklades. , Men de misslyckas i slutändan när marknadsförhållandena förändras. Kvantstrategier - är de för dig. Kvantitativa investeringsstrategier har utvecklats till mycket komplexa verktyg med tillkomsten av moderna datorer, men strategierna går tillbaka över 70 år. De drivs vanligen av högutbildade Lag och använda proprietära modeller för att öka deras förmåga att slå marknaden. Det finns till och med hylla program som är plug-and-play för dem som söker enkelhet. Kvantmodeller fungerar alltid bra när de testas igen, men deras faktiska applikationer och framgångshastighet är diskutabelt Även om de verkar fungera bra på tjurmarknaderna när marknaderna går haywire, är kvantstrategier utsatta till samma risker som någon annan strategi. Historien En av grundarna till studien av kvantitativ teori tillämpad på ekonomi var Robert Merton. Man kan bara föreställa sig hur svårt och tidskrävande processen var innan man använde datorer. Övriga teorier i ekonomi utvecklades också från några av de första kvantitativa studierna, inklusive grunden för diversifiering av portfölj baserat på modern portföljteori. Användningen av både kvantitativ finansiering och kalkyler ledde till många andra vanliga verktyg, bland annat en av de mest kända, Black-Scholes-prissättningsformeln, som inte bara hjälper investerare till prisoptioner och utvecklar strategier, men hjälper till att hålla marknaderna kontrollerade med likviditet. När de tillämpas direkt på portföljförvaltningen är målet som alla andra investeringsstrategier för att öka värde, alfa eller meravkastning. Quants, som utvecklarna heter , komponera komplexa matematiska modeller för att upptäcka investeringsmöjligheter Det finns så många modeller där ute som quants som utvecklar dem, och Alla hävdar att vara den bästa En av en kvant investeringsstrategi s bästsäljande poäng är att modellen och slutligen datorn gör det faktiska köpförsäljningsbeslutet, inte en människa. Det här tenderar att ta bort eventuellt känslomässigt svar som en person kan uppleva när Köpa eller sälja investeringar. Quant strategier är nu accepterade i investeringssamhället och drivs av fonder, hedgefonder och institutionella investerare De brukar gå med namnet alfa generatorer eller alpha gens. Begre gardin Precis som i Wizard of Oz, någon är bakom gardinen driver processen Som med vilken modell som helst, det är bara lika bra som den människa som utvecklar programmet. Medan det inte finns något specifikt krav på att bli en kvant, kombinerar de flesta företag som kör kvantmodeller färdigheter som analytiker, statistiker och programmerare Som kodar processen i datorerna På grund av de matematiska och statistiska modellernas komplicerade karaktär är det vanligt att se uppgifter som doktorander och doktorander i finans, ekonomi, matematik och teknik. Historiskt har dessa lagmedlemmar arbetat i bakkontor men när kvantmodeller blev vanligare flyttar backkontoret till front office. Benefits of Quant Strategies Medan den övergripande framgången är diskutabel, anledningen vissa kvantstrategier är att de är baserade på disciplin. Om modellen har rätt håller disciplinen strategin att fungera med blixtsnittsdatorer för att utnyttja ineffektivitet på marknaderna baserat på kvantitativa data. Modellerna själva kan baseras på så lite som några få förhållanden som PE-skuld till eget kapital och vinsttillväxt eller använd tusentals insatser som samverkar samtidigt. Succesfulla strategier kan hämta trender i sina tidiga skeden, eftersom datorerna ständigt driver scenarier för att lokalisera ineffektivitet innan andra gör. Modellerna kan analyserar en mycket stor grupp av investeringar samtidigt, där den traditionella analytiker kan titta på bara några i taget Ss kan rangordna universum på betygsnivåer som 1-5 eller AF beroende på modell. Detta gör den faktiska handelsprocessen väldigt enkel genom att investera i de högklassiga investeringarna och sälja de lågt rankade. Quant-modellerna öppnar också variationer av strategier som långa, korta och långa korta framgångsrika kvantfonder håller koll på riskkontrollen på grund av deras modellers karaktär. De flesta strategier börjar med ett universum eller riktmärke och använder sektorer och branschvikter i deras modeller. Detta gör det möjligt för fonderna att styra diversifieringen till en viss utsträckning utan att kompromissa med själva modellen. Kvantfonderna går oftast till lägre kostnad eftersom de inte behöver så många traditionella analytiker och portföljförvaltare att köra dem. Nackdelar med Quant Strategies Det finns anledningar till att så många investerare inte fullt ut tar hand om konceptet Låta en svart låda köra sina investeringar För alla framgångsrika kvantfonder där ute, verkar lika många som misslyckas Tyvärr för qua Nts rykte, när de misslyckas misslyckas de stora tiden. Long Term Capital Management var en av de mest kända quant hedge-fonderna, eftersom den drivs av några av de mest respekterade akademiska ledarna och två nobelministerns prisvinnande ekonomer Myron S Scholes Och Robert C Merton Under 1990-talet genererade deras lag över genomsnittet avkastning och lockade kapital från alla typer av investerare. De var kända för att inte bara utnyttja ineffektivitet utan även med enkel tillgång till kapital för att skapa enorma hävstångssatser på marknadsriktningar. Den disciplinerade naturen av deras strategi skapade faktiskt den svaghet som ledde till deras kollaps. Långfristig kapitalhantering likviderades och löstes i början av 2000. Modellerna inkluderade inte möjligheten att den ryska regeringen kunde default på någon egen skuld. Den här händelsen utlöste händelser och en kedjereaktion förstärkt genom hävstångsskapande kaos LTCM var så starkt inblandad i andra investeringsverksamheter som dess kollaps påverkade världsmarknaden S, utlöser dramatiska händelser På lång sikt gick Federal Reserve in för att hjälpa och andra banker och investeringsfonder stödde LTCM för att förhindra ytterligare skador. Detta är en av anledningarna till att kvantfonder kan misslyckas, eftersom de bygger på historiska händelser som Kan inte inkludera framtida händelser. Även om ett starkt kvantteam kontinuerligt kommer att lägga till nya aspekter på modellerna för att förutsäga framtida händelser, är det omöjligt att förutsäga framtiden varje gång Quant-medel kan också bli överväldigade när ekonomin och marknaderna upplever större än - avvikande volatilitet Köp - och säljsignalerna kan komma så snabbt att den höga omsättningen kan skapa höga provisioner och skattepliktiga händelser. Kvantfonder kan också utgöra en fara när de marknadsförs som bärsäkra eller bygger på korta strategier. Förutsägande av nedgångar med hjälp av derivat och kombinering Hävstångseffekt kan vara farligt En fel tur kan leda till implosioner, vilket ofta gör nyheterna. Bottom Line Kvantitativa investeringsstrategier har utvecklats från baksidan Kontor svart boxar till vanliga investeringsverktyg De är utformade för att utnyttja de bästa sinnena i verksamheten och de snabbaste datorerna för att både utnyttja ineffektivitet och använda hävstångseffekt för att göra marknadsbud. De kan vara mycket framgångsrika om modellerna har inkluderat alla rätt ingångar och är fina tillräckligt för att förutsäga onormala marknadshändelser På flipsidan, medan kvantfonderna noggrant testas igen tills de fungerar, är deras svaghet att de litar på historiska data för deras framgång. Samtidigt som quant-style-investeringar har sin plats på marknaden är det viktigt att vara medveten om sina brister och risker För att vara förenlig med diversifieringsstrategier är det en bra idé att behandla kvantstrategier som en investeringsstil och kombinera den med traditionella strategier för att uppnå rätt diversifiering. Det maximala beloppet av pengar som Förenta staterna kan låna Skuldloftet var skapad enligt Second Liberty Bond Act. Räntan vid vilken ett förvaringsinstitut lånar ut medel som hålls på Fede ral Reserv till ett annat förvaringsinstitut.1 En statistisk åtgärd av spridningen av avkastning för en viss säkerhet eller marknadsindex Volatilitet kan antingen mätas. En akt var den amerikanska kongressen antagen 1933 som banklagen som förbjöd handelsbanker att delta i Investment. Nonfarm lön hänvisar till något jobb utanför gårdar, privata hushåll och nonprofit sektorn Den amerikanska presidiet för arbete. Valutaförkortningen eller valutasymbolen för den indiska rupien INR, indiens valuta Rupén består av 1.Beginner s Guide till kvantitativ handel. I den här artikeln kommer jag att introducera dig till några av de grundläggande begreppen som följer med ett end-to-end-kvantitativt handelssystem. Det här inlägget kommer förhoppningsvis att tjäna två publik. Den första kommer att vara individer som försöker få ett jobb hos en fond som en kvantitativ näringsidkare Den andra kommer att vara individer som vill försöka skapa sin egen detaljhandelalgoritmiska handelsaffär. Kvotitativ handel är en ytterst sofistikerad område av kvantfinansiering Det kan ta mycket tid att få den nödvändiga kunskapen att skicka en intervju eller bygga upp egna handelsstrategier. Inte bara det men det kräver omfattande programkompetens, åtminstone på ett språk som MATLAB, R eller Python Men när handelsfrekvensen för strategin ökar blir de tekniska aspekterna mycket mer relevanta. Att vara bekant med CC kommer därför att vara av avgörande betydelse. Ett kvantitativt handelssystem består av fyra huvudkomponenter. Strategiidentifiering - Hitta en strategi, utnyttja en kant och Besluta om trading frequency. Strategy Backtesting - Hämta data, analysera strategins prestanda och ta bort biases. Execution System - Länka till en mäklare, automatisera handeln och minimera transaktionskostnader. Risk Management - Optimal kapitaltilldelning, vadslagning Kelly kriterium och handelspsykologi. We Börja med att ta en titt på hur man identifierar en handelsstrategi. Strategi Identification. All quanti Tative handelsprocesser börjar med en första period av forskning Denna forskningsprocess omfattar att hitta en strategi och se om strategin passar in i en portfölj av andra strategier du kan springa, skaffa alla data som behövs för att testa strategin och försöka optimera strategin för högre returnerar eller sänker risken Du måste faktor i dina egna kapitalkrav om du kör strategin som detaljhandlare och hur eventuella transaktionskostnader kommer att påverka strategin. I motsats till populär tro är det faktiskt ganska enkelt att hitta lönsamma strategier genom olika offentliga källor Akademiker publicerar regelbundet teoretiska handelsresultat, om än för det mesta brutto av transaktionskostnader Kvantitativa finansbloggar kommer att diskutera strategier i detalj Handels tidskrifter kommer att skissera några av de strategier som används av fonder. Du kan ifrågasätta varför individer och företag är angelägna att diskutera sina lönsamma strategier, särskilt när de Vet att andra som tränger handeln kan sluta strategin från att arbeta på lång sikt Orsaken ligger i att de inte ofta diskuterar de exakta parametrar och inställningsmetoder som de har genomfört. Dessa optimeringar är nyckeln till att göra en relativt medelmåttig strategi till en mycket lönsam. ett av de bästa sätten att skapa dina egna unika strategier är att hitta liknande metoder och sedan utföra din egen optimeringsprocedur. Här är en liten lista över platser att börja leta efter strategidéer. Många av de strategier du kommer att titta på kommer att falla in i Kategorierna av medelåtervändning och trendmomentet En medelåterkallande strategi är en som försöker utnyttja det faktum att det finns en långsiktig betydelse för en prisserie som spridningen mellan två korrelerade tillgångar och att kortfristiga avvikelser från detta medel kommer i slutändan att återvända En momentumstrategi försöker exploatera både investorspsykologi och stor fondstruktur genom att hämta en tur på en marknadsutveckling som kan samla fart i en direkt jon och följ trenden tills den vänder. En annan enormt viktig aspekt av kvantitativ handel är frekvensen av handelsstrategin. Lågfrekvenshandel LFT hänvisar i allmänhet till en strategi som innehar tillgångar längre än en handelsdag. En strategi som innehar tillgångar intradag Ultrahögfrekvenshandel UHFT hänvisar till strategier som håller tillgångar i storleksordningen sekunder och millisekunder. Som en detaljhandlare är HFT och UHFT säkert möjliga, men endast med detaljerad kunskap om handelsteknikstaket och orderbokens dynamik Vi vann inte att diskutera dessa aspekter i någon större utsträckning i denna inledande artikel. När en strategi eller uppsättning strategier har identifierats behöver den nu testas för lönsamhet på historiska data. Det är domänen för backtesting. Strategi Backtesting. Målet av backtesting är att ge bevis för att strategin som identifierats via ovanstående process är lönsam när den appliceras på bot h historiska och out-of-sample data Detta ställer förväntan på hur strategin kommer att fungera i den verkliga världen Men backtesting är INTE en garanti för framgång av olika skäl Det är kanske det mest subtila området för kvantitativ handel eftersom det innebär många Förspänningar som måste noggrant övervägas och elimineras så mycket som möjligt Vi kommer att diskutera de gemensamma typerna av förspänning inklusive framåtblickande biasöverlevande bias och optimerings bias även känd som data-snooping bias Andra områden av betydelse inom backtesting inkluderar tillgänglighet och renlighet av historiska Data, factoring i realistiska transaktionskostnader och beslut om en robust backtesting-plattform Vi kommer att diskutera transaktionskostnaderna ytterligare i avsnittet Execution Systems nedan. När en strategi har identifierats är det nödvändigt att erhålla de historiska data genom vilka testning ska utföras och, Kanske förfining Det finns ett betydande antal datasäljare över alla tillgångsklasser. De kostar i allmänhet skala med dataens kvalitet, djup och aktualitet Den traditionella utgångspunkten för att börja kvanthandlare, åtminstone på detaljhandeln, är att använda den fria datasatsen från Yahoo Finance. Jag vann inte att bo på leverantörer för mycket här, men jag skulle helst vilja koncentrera mig om de allmänna frågorna när det handlar om historiska dataset. De viktigaste problemen med historiska data är noggrannhet, överlevnadsperspektiv och justering för företagsåtgärder som utdelningar och lageravdelningar. Uppföljningen gäller dataens övergripande kvalitet - oavsett om det innehåller några fel Fel kan ibland vara lätta att identifiera, till exempel med ett spikfilter som kommer att välja felaktiga spikar i tidsseriedata och korrigera dem. Vid andra tillfällen kan de vara mycket svåra att upptäcka. Det är ofta nödvändigt att ha två eller flera leverantörer och sedan kontrollera alla deras data mot varandra. Förtroendeförhållanden är ofta en funktion av gratis eller billiga dataset En dataset med överlevnadsperspektiv innebär att den inte innehåller en Ssets som inte längre handlas För aktier betyder det avyttrade konkursbestånd Denna bias innebär att varje aktiehandelstrategi som testas på en sådan dataset kommer troligen att fungera bättre än i den verkliga världen, eftersom de historiska vinnarna redan har förhandlats. logistikverksamhet som bedrivs av företaget som vanligtvis orsakar en stegfunktionsförändring i råpriset, vilket inte bör inkluderas i beräkningen av prisavkastningen. Justeringar för utdelning och lagerfördelning är de vanliga synderna. En process som kallas backjustering är nödvändig att genomföras vid var och en av dessa åtgärder Man måste vara mycket försiktig om att inte förväxla en aktiesplit med en sann avkastningsjustering Många en näringsidkare har blivit uttagen av en företagsaktion. För att kunna genomföra ett backtestförfarande är det nödvändigt att att använda en mjukvaruplattform Du har valet mellan dedikerad backtestprogramvara, till exempel Tradestation, en numerisk plattform som Excel eller MATLAB eller en ful Jag anpassad implementering i ett programmeringsspråk som Python eller CI vann t för mycket på Tradestation eller liknande, Excel eller MATLAB, eftersom jag tror på att skapa en fullständig inbyggd teknikstack av skäl som beskrivs nedan. En av fördelarna med att göra det är att Att backtestprogramvaran och exekveringssystemet kan vara tätt integrerade även med extremt avancerade statistiska strategier. För speciellt HFT-strategier är det viktigt att använda en anpassad implementering. När man testar ett system måste man kunna kvantifiera hur väl det fungerar. Industristandarden Metrics för kvantitativa strategier är maximal drawdown och Sharpe Ratio Den maximala drawdownen karakteriserar den största topp-till-droppfallet i kontotkapitalkurvan under en viss tidsperiod vanligtvis årligen. Detta är oftast citerat som en procentuell LFT-strategin tenderar att ha större drawdowns än HFT-strategier, på grund av ett antal statistiska faktorer En historisk backtest visar den senaste maximala drawdownen , Vilket är en bra guide för strategins framtida dragningsprestanda. Den andra mätningen är Sharpe-förhållandet, vilket är heuristiskt definierat som genomsnittet av meravkastningen dividerad med standardavvikelsen för dessa meravkastningar. Här avser meravkastning avkastningen av strategin ovanför ett förutbestämt riktmärke som S-släppet, vilket är skillnaden mellan vad du menade att din order skulle fyllas i jämfört med vad den faktiskt fylldes på spridning, vilket är skillnaden mellan budets pris för säkerhet Handlas Observera att spridningen inte är konstant och är beroende av den nuvarande likviditeten, dvs. tillgång till köpförsäljningsorder på marknaden. Transaktionskostnader kan göra skillnaden mellan en extremt lönsam strategi med ett bra Sharpe-förhållande och en extremt olönsam strategi med en fruktansvärd Sharpe-förhållande Det kan vara en utmaning att korrekt förutsäga transaktionskostnaderna från en backtest Beroende på frekvensen av strategin vill du Jag behöver tillgång till historisk utbytesdata, som inkluderar kryssdata för budsökpriser. Hela teamet av quants är dedikerade till optimering av genomförandet i de större fonderna. Av dessa skäl Beakta scenariot där en fond måste avlasta en betydande mängd affärer av Vilka skäl att göra det är många och varierade genom att dumpa så många aktier på marknaden, kommer de snabbt att trycka på priset och får inte få optimal utförande. Därför riskerar det att algoritmer som drar in foderorder på marknaden finns, men då riskerar fonden att slippa utöver det andra strategier byter på dessa nödvändigheter och kan utnyttja ineffektiviteten Detta är domänen för fondstrukturen arbitrage. Den sista huvudfrågan för exekveringssystem gäller divergens av strategiprestanda från backtested prestation Detta kan hända av flera orsaker Vi har redan diskuterade framåtblickande bias och optimeringsfördjupning i djupet, när man överväger backtests Men vissa strategier gör det inte lätt Att testa för dessa förspänningar före utplacering Detta sker i HFT mest övervägande Det kan finnas buggar i exekveringssystemet såväl som handelsstrategin själv som inte dyker upp på en backtest men DO dyker upp i live trading Marknaden kan ha varit föremål för till en regeringsförändring efter utplaceringen av din strategi Nya regleringsmiljöer, förändring av investerarnas känslor och makroekonomiska fenomen kan alla leda till avvikelser i hur marknaden beter sig och därmed lönsamheten i din strategi. Risk Management. Det sista stycket till det kvantitativa handelspusslet Är riskhanteringsprocessen Risken inkluderar alla tidigare förevändningar som vi har diskuterat Det inkluderar teknikrisk, som servrar som är samlokaliserade vid utbytet plötsligt utvecklar en hårddiskfel Det inkluderar mäklarrisk, som att mäklaren blir konkurs, inte så galen Som det låter, med tanke på den senaste skrämningen med MF Global I korthet täcker det nästan allt som eventuellt skulle kunna störa handeln Genomförande, av vilka det finns många källor Hela böckerna ägnas åt riskhantering för kvantitativa strategier, så jag vill inte försöka belysa alla möjliga riskkällor här. Riskostyrningen omfattar också det som kallas optimal kapitaltilldelning som är en filial av portföljen Teori Det här är det sätt på vilket kapital tilldelas en uppsättning olika strategier och till branschen inom dessa strategier. Det är ett komplext område och bygger på lite icke-trivial matematik. Industristandarden genom vilken optimal kapitalallokering och hävstång av strategierna är relaterat kallas Kelly-kriteriet Eftersom det här är en inledande artikel, vann jag inte på sin beräkning. Kelly-kriteriet ger några antaganden om den statistiska karaktären av avkastningen, som inte ofta är sant på finansmarknaderna, så handlare är ofta konservativa när det Kommer till genomförandet. En annan viktig del av riskhanteringen är att hantera en egen psykologisk profil. Det ar e många kognitiva företeelser som kan krypa in till handel Även om detta är visserligen mindre problematiskt med algoritmisk handel om strategin lämnas ensam En vanlig bias är det för förlustaversion där en förlorad position inte kommer att stängas ut på grund av smärtan att behöva inse En förlust På samma sätt kan vinsten tas för tidigt eftersom rädslan för att förlora en redan uppnådd vinst kan vara för stor. En annan gemensam bias är känd som nyhetsförspänning. Detta manifesterar sig när näringsidkare lägger för stor vikt vid de senaste händelserna och inte på längre sikt. Då Naturligtvis finns det det klassiska paret av känslomässiga fördomar - rädsla och girighet. Dessa kan ofta leda till under - eller överhöjning, vilket kan orsaka uppblåsning, dvs kontotkapitalrubriken till noll eller sämre eller lägre vinst. Som kan ses, kvantitativ handel är ett extremt komplext, om än mycket intressant, område med kvantitativ finansiering. Jag har bokstavligen klatrat ytan av ämnet i den här artikeln och det börjar redan bli ganska långt. Hela böcker och p Apers har skrivits om frågor som jag bara har givit en mening eller två mot. Därför måste du, innan du ansöker om kvantitativa fondshandelstillfällen, utföra en betydande mängd grundarbetarstudier. Åtminstone behöver du en omfattande bakgrund i statistik och ekonometri, med stor erfarenhet av implementering, via ett programmeringsspråk som MATLAB, Python eller R. För mer sofistikerade strategier vid högre frekvensänden kommer din färdighetssats sannolikt att innefatta Linux-kärnändring, CC, monteringsprogrammering och optimering av nätets latentitet. Om du är intresserad av att försöka skapa dina egna algoritmiska handelsstrategier, skulle mitt första förslag vara att bli bra på programmering. Min preferens är att bygga så mycket av datagrabber, strategi backtester och exekveringssystem av dig själv som möjligt. Om Din egen huvudstad ligger på linjen, skulle du inte sova bättre på natten och veta att du har testat ditt system fullt ut och är medveten om sin grop Faller och speciella problem Att outsourca detta till en leverantör, samtidigt som det kan spara tid på kort sikt, kan vara extremt dyrt på lång sikt. Bara att komma igång med kvantitativ handel.
No comments:
Post a Comment