نمونه کارها چند استراتژی: ترکیب استراتژی های کمی به طور موثر

توسعه یک استراتژی الگوریتمی موفق در حال حاضر یک تلاش دشوار است. با این حال تجارت یک استراتژی می تواند مجموعه ای از ریسک ها را به همراه داشته باشد، حتی اگر خود استراتژی قوی و سودآور باشد.

بنابراین، چگونه ما به عنوان معامله گران الگوریتمی متوجه می شویم که سیستم هایمان دقیقاً چه چیزی را ارائه می دهند، طرز فکر خود را از توسعه به پیاده سازی تغییر می دهیم و بازده تنظیم شده ریسک خود را افزایش می دهیم؟

تجزیه و تحلیل توزیع استراتژی های معاملاتی

اکثر معامله گران با مشاهده گزارش های عملکرد استاندارد که دارای آمارهایی مانند CAGR، نسبت شارپ و حداکثر کاهش هستند، آشنا هستند. اما این اعداد تنها یک نگاه اجمالی به آنچه که سیستم در واقع ارائه می دهد ارائه می دهد. با افزودن تحلیل توزیع بازگشتی به کیت ابزار خود، قادر خواهید بوددرک بهتری در مورد آنچه که سیستم ممکن است در سطح دانه بندی بیشتری تولید کند، داشته باشید.

متداول ترین روش برای طبقه بندی یک سیستم معاملاتی بر اساس نوع ورودی است، یا سبک بازگشتی حرکتی یا میانگین. این در نهایت ذهنی و محدود کننده است، زیرا بسیاری از استراتژی ها عناصری از هر دو رژیم را در بر می گیرند. به عنوان مثال، یک استراتژی بازگشت متوسط ممکن است از فیلتری استفاده کند که ممکن است دارای ویژگی های حرکت باشد. بعد از این افزودن فیلتر، آیا هنوز یک سیستم بازگشت متوسط است؟

این مشکل را می توان با استفاده از روش های آماری به منظور طبقه بندی استراتژی ها بر اساس آمار توصیفی توزیع آنها، به جای نوع ذهنی یا سبک حل کرد. با تجزیه و تحلیل انحراف، و نگاه کردن به دنباله های توزیع بازگشتی خود، می توانیم نشانه بسیار بهتری از آنچه استراتژی در واقع ارائه می دهد به دست آوریم. بنابراین به ما این امکان را می دهد که قضاوت کمی در مورد اینکه به کدام رژیم تعلق دارد، داشته باشیم.

استراتژی ها به عنوان اوراق بهادار قابل سرمایه گذاری، ذهنیت شما را تغییر می دهند.

اکثر معامله گران تازه کار استراتژی های خود را به عنوان سیستم های مستقل می دانند که از ایده تا اجرا همان مفهوم را حفظ می کنند. با این حال، دو محیط متمایز وجود دارد، خلاء آزمایشگاه تحقیقات کمی، و سبد سرمایه گذاری که در آن استراتژی خود را اجرا خواهید کرد. ما باید پیامدهای این پیاده سازی و تأثیر آن بر پرتفوی فعلی و تناسب با دستور سرمایه گذاری مان را در نظر بگیریم. بهترین راه برای انجام این کار، در نظر گرفتن یک استراتژی برای تخصیص به عنوان یک اوراق بهادار قابل سرمایه گذاری است.

در اساسی ترین سطح خود ، هر استراتژی یک هدف منحصر به فرد دارد. که برای ارائه یک سری برگشتی با خصوصیات خاص ، معمولاً بازده های تنظیم شده در معرض خطر است. اگر این مورد باشد ، می توانیم استراتژی را در نظر بگیریم که به عنوان شرط طولانی در آن سری بازگشت خاص تأمین شده است.این همان سرمایه گذاری در هر سهام ، کالا یا دارایی دیگر است.

اکنون اساساً هیچ تفاوتی در ایجاد انگیزه بین سرمایه گذاری در استراتژی شما و سرمایه گذاری در هر دارایی یا امنیت دیگری وجود ندارد. شما بیشترین بودجه را به کسانی که مطلوب ترین ویژگی ها را نشان می دهند ، و کمتر به کسانی که این کار را نمی کنند ، اختصاص می دهید.

استفاده از بهینه سازی و تنوع نمونه کارها.

اگر بتوانیم این منطق را بپذیریم که سرمایه گذاری در استراتژی های تکمیل شده و سرمایه گذاری در هر دارایی دیگر یکسان است. به طور طبیعی ، مرحله منطقی بعدی ایجاد یک نمونه کارها خواهد بود. هیچ کس به دوست خود توصیه نمی کند که فقط یک سهام واحد خریداری کند. بنابراین چرا شما به عنوان یک معامله گر سیستماتیک فقط می خواهید یک استراتژی داشته باشید؟

اکنون می توانیم به دو زمینه ای که به شدت در دانشگاه مورد بررسی قرار گرفته اند تکیه کنیم و برای چندین دهه در این زمینه تمرین کنیم ، بهینه سازی نمونه کارها و تنوع. با استفاده از این اصول بسیار کلیدی که به ایجاد نمونه کارها از دارایی های سنتی می پردازند ، می توانیم یک نمونه کارها از سیستم های استراتژی چندگانه ایجاد کنیم.همان مزایایی که از ایجاد یک نمونه کارها از دارایی های سنتی ، مانند کاهش نوسانات منحنی سهام عدالت و افزایش بازده تنظیم شده ریسک می گیرید ، می توانید به مجموعه استراتژی های تجاری سیستماتیک شما منتقل شوید.

نتیجه

Quantinsti® میزبان یک وبینار با عنوان "اوراق بهادار چند استراتژی: ترکیب استراتژی های کمی به طور مؤثر" بود که در شانزدهم ماه مه 2017 برگزار شد و توسط Derek Wong ، مدیر تجارت سیستماتیک در شرکت مدیریت سرمایه گذاری Foretrade Ltd انجام شد. برای دسترسی به جلسه ضبط شده وبینار می توانید روی پیوند ارائه شده در بالا کلیک کنید.

گام بعدی

اگر می خواهید جنبه های مختلف تجارت الگوریتمی را یاد بگیرید ، برنامه اجرایی را در تجارت الگوریتمی (EPAT ™) بررسی کنید. این دوره ماژول های آموزشی مانند آمار و اقتصاد سنج ، محاسبات مالی و فناوری و تجارت الگوریتمی و کمی را در بر می گیرد. EPAT to شما را به مجموعه مهارت های لازم برای یک معامله گر موفق مجهز می کند. اکنون ثبت نام کنید!