Quantitative Trading-Strategien Trades basiert auf erwarteten Unternehmensereignissen wie erwartete Fusions - oder Übernahmeaktivitäten oder Konkursanmeldungen. Auch als Risikoarbitrage bezeichnet. Relative Value Trading vs. Directional Trading Die meisten quantitativen Hedge Fund TradingInvestment Ansätze fallen in eine von zwei Kategorien: diejenigen, die Relative Value Strategien verwenden, und diejenigen, deren Strategien als Directional gekennzeichnet sein würden. Beide Strategien nutzen stark Computermodelle und statistische Software. Relative Value-Strategien versuchen, auf prognostizierbare Preisverhältnisse (oftmals mittelwirksame Beziehungen) zwischen mehreren Vermögenswerten zu profitieren (z. B. die Beziehung zwischen kurzfristigen US-Schatzanweisungsrenditen gegenüber langfristigen US-Staatsanleihenrenditen oder der Beziehung implizierten Volatilität in zwei verschiedenen Optionskontrakten). Directional Strategien, in der Regel typischerweise auf Trend-Following oder andere Muster-basierte Wege suggestiv für Aufwärts-oder Abwärtsmomentum für ein Wertpapier oder eine Reihe von Wertpapieren (z. B. Wetten, long-dated US-Staatsanleihen Renditen erhöhen oder die implizite Volatilität wird Ablehnen). Relative Value-Strategien Häufige Beispiele für Relative Value-Strategien beinhalten die Platzierung von relativen Wetten (dh den Kauf eines Vermögenswerts und den Verkauf eines anderen) auf Vermögenswerte, deren Kurse eng miteinander verknüpft sind: Staatspapiere von zwei verschiedenen Ländern Staatspapiere von zwei verschiedenen Längen bis zur Endfälligkeit Kredite und Pfandbriefe Der Unterschied in der impliziten Volatilität zwischen zwei Derivaten Aktienkurse vs. Anleihekurse für einen Unternehmensanleihen-Emittenten Corporate Bond Rendite Spreads vs. Credit Default Swap (CDS) Spreads Die Liste der potenziellen Relative Value Strategien ist sehr weit oben sind nur einige Beispiele. Es gibt drei sehr wichtige und häufig verwendete Relative-Value-Strategien, um sich dessen bewusst zu sein: Statistisches Arbitrage: Handel eines Mittelwert-Rückkehr-Trend der Werte von ähnlichen Körben von Vermögenswerten auf der Grundlage historischer Handelsbeziehungen. Eine gemeinsame Form von Statistical Arbitrage, oder Stat Arb, Handel, ist bekannt als Equity Market Neutral Handel. In dieser Strategie werden zwei Aktienkörbe (ein langer Korb und ein kurzer Korb) ausgewählt, mit dem Ziel, dass die relativen Gewichte der beiden Körbe das Nettoengagement von verschiedenen Risikofaktoren (Industrie, Geographie, Sektor usw .) Stat Arb könnte auch den Handel eines Indexes gegen eine ähnlich abgestimmte ETF oder einen Index im Vergleich zu einem einzelnen Unternehmensbestand beinhalten. Convertible Arbitrage: Kauf von Wandelschuldverschreibungen von einem Unternehmen und gleichzeitig Verkauf der gleichen Unternehmen Stammaktien, mit der Idee, dass, sollte die Aktie einer bestimmten Gesellschaft sinken, wird das Ergebnis aus der Short-Position mehr als kompensieren Verlust von der Wandelanleihe Unter Berücksichtigung der Wandelanleihe als festverzinsliches Anlageinstrument. In ähnlicher Weise kann der Fonds bei einer Aufwärtskursentwicklung der Stammaktien von der Umwandlung seiner Wandelschuldverschreibungen in die Aktie profitieren und diese Aktie zu Marktwerten um einen Betrag verkaufen, der Verluste aus ihrer Short-Position übersteigt. Fixed Income Arbitrage: Handel mit festverzinslichen Wertpapieren in entwickelten Anleihemärkten, um wahrgenommene relative Zinsanomalien auszunutzen. Fixed Income Arbitrage Positionen können Staatsanleihen, Zinsswaps und Zins-Futures. Ein populäres Beispiel für diesen Handelstypus im Fixed Income Arbitrage ist der Basishandel, in dem man (kauft) Treasury Futures verkauft und eine entsprechende Menge der potenziell lieferbaren Anleihe kauft (verkauft). Hier wird ein Blick auf die Differenz zwischen dem Kassakurs einer Anleihe und dem angepassten Futures-Kontrakt (Futures-Kursumrechnungsfaktor) genommen und der Handel mit den Vermögenswerten entsprechend gehandelt. Directional Strategies Directional Trading-Strategien, in der Regel typischerweise auf Trendfolgen oder andere Muster-basierte Wege suggestiv für Aufwärts-oder Abwärtsmomentum für einen Sicherheitspreis. Directional Trading wird oft einige Aspekte der technischen Analyse oder Charting. Dies beinhaltet die Vorhersage der Richtung der Preise durch das Studium der Vergangenheit Preis-und Volumen Marktdaten. Die gehandelte Richtung kann diejenige eines Vermögenswertes selbst sein (z. B. die Dynamik der Aktienkurse oder der Euro-Wechselkurs) oder ein Faktor, der direkt auf den Vermögenspreis selbst wirkt (z. B. implizite Volatilität bei Optionen oder Zinsen) Raten für Staatsanleihen). Der technische Handel kann auch die Verwendung von bewegten Durchschnitten, Bändern um die historische Standardabweichung von Preisen, Unterstützungs - und Widerstandsniveaus und Änderungsraten umfassen. Typischerweise würden technische Indikatoren nicht die einzige Grundlage für eine quantitative Hedge Funds Anlagestrategie darstellen. Quant Hedge Funds setzen viele zusätzliche Faktoren ein, die über historische Preis - und Mengeninformationen hinausgehen. Mit anderen Worten, Quantitative Hedge Fonds, die Directional Trading-Strategien in der Regel haben insgesamt quantitative Strategien, die viel anspruchsvoller sind als die allgemeine technische Analyse. Dies ist nicht zu vermuten, dass Day-Trader nicht in der Lage, von technischen Analysison das Gegenteil profitieren können, können viele Impuls-basierte Trading-Strategien profitabel sein. Daher werden für die Zwecke dieses Trainingsmoduls keine Verweisungen auf Quant Hedge Fund-Handelsstrategien ausschließlich auf technische Analysen basierende Strategien enthalten. Andere quantitative Strategien Andere quantitative Handelsansätze, die nicht leicht als Relative Value-Strategien oder Richtungsstrategien kategorisiert werden können, sind: High-Frequency Trading. Wo Händler versuchen, Preisunterschiede zwischen mehreren Plattformen mit vielen Trades im Laufe des Tages nutzen Managed Volatility-Strategien verwenden Futures und Forward-Kontrakte auf die Erzeugung niedriger, aber stabil, LIBOR-plus absolute Renditen konzentrieren, die Erhöhung oder Verringerung der Zahl der Verträge dynamisch wie Die zugrunde liegenden Volatilitäten von Aktien, Anleihen und anderen Märkten. Managed Volatility Strategies haben in der Popularität in den letzten Jahren aufgrund der jüngsten Instabilität sowohl Aktien-und Anleihenmärkte gewonnen. LarrWhat ist ein quantitatives Hedgefonds Top Quantitative Hedge FundsrarrTop Quantitative Hedge Funds Neue Hedge Fonds werden auf einer täglichen Basis (und oft, so scheint es, werden gleich schnell verschoben). Allerdings gibt es mehrere prominente Quant Hedge Fonds, die eine signifikante Erfolgsbilanz gehabt haben, und während Langlebigkeit keine Garantie für die zukünftige Bleibeständigkeit ist, werden diese Firmen als Führer im Quant Hedge Fund Raum angesehen: DE Shaw Quantitative Management Associates Zwei Sigma Renaissance Technologies AlphaSimplex Gruppe Capula AQR Capital PanAgora Acadian Asset Management Diese Aufstellung ist keinesfalls erschöpfend. Zum Beispiel haben viele Multi-Strategie-Hedge-Fonds, während nicht typischerweise als Quant Hedge Fonds bekannt, signifikante quantitative Strategien, die sie als Teil ihrer Plattform laufen. Berücksichtigen Sie Highbridge Capital Management, eine 29B diversifizierte Anlageplattform, die Hedgefonds, traditionelle Anlageverwaltungsprodukte sowie Kredit - und Beteiligungsanlagen mit längerfristigen Halteperioden umfasst. Unter anderen Strategien bietet Highbridge Convertible Bond Arbitrage und Statistical Arbitrage Fonds an, die typischerweise als quantitativere Strategien als einige ihrer anderen Produktangebote betrachtet werden, die Kredit - und globale Makroinvestitionen einschließen. Darüber hinaus denken Sie daran, dass Unternehmen außer Hedge Fonds quantitative Handelsstrategien laufen. Viele große Banken tun, über proprietäre Handelsabteilungen. Mit der Umsetzung der Volcker-Regel. Banken sind in den Arten von Investitionstätigkeiten, die sie engagieren können begrenzt. Als Ergebnis haben sich viele quantisierten Handelsstrategien bewegt und wahrscheinlich wird auch weiterhin von internen Handelsplattformen an den Banken zu Banken Asset-Management-Waffen zu bewegen. (HINWEIS: Alle Informationen werden von Firmenwebsites übernommen, sofern nicht anders angegeben.) Gegründet: 1988 Mitarbeiter: New York City MitarbeiterInnen: 1.100 ca. 26 Milliarden Investitionskapital (Stand: 1. März 2012) Beschreibung: Das Unternehmen hat in vielen Unternehmen eine bedeutende Präsenz Der weltweiten Kapitalmärkte, investiert in eine breite Palette von Unternehmen und Finanzinstrumenten sowohl in den großen Industrieländern als auch in einigen Schwellenländern. Die Aktivitäten reichen von dem Einsatz von Anlagestrategien, die auf mathematischen Modellen oder menschlicher Expertise basieren, bis hin zur Akquisition von bestehenden Unternehmen und der Finanzierung oder Entwicklung neuer. Strategien: Die quantitativen Strategien des Unternehmens8217 basieren zum größten Teil auf: dem Einsatz mathematischer Methoden zur Ermittlung von Gewinnchancen, die sich aus subtilen Anomalien ergeben, die die Preise verschiedener Wertpapiere beeinflussen, die Anwendung von proprietären Modellen zur Messung und Steuerung verschiedener Risikoarten Quantitative Techniken zur Minimierung der Transaktionskosten im Zusammenhang mit dem Kauf und Verkauf von Wertpapieren und der Nutzung von proprietären Optimierungstechnologien, um aus diesen Ertragschancen, Risikofaktoren und Transaktionskosten dynamisch entwickelte Investmentportfolios zu konstruieren. Im Rahmen der Ermittlung von Gewinnchancen analysiert die D. E. Shaw-Gruppe eine enorme Menge an Daten, die mit Zehntausenden von Finanzinstrumenten verbunden sind, zusammen mit verschiedenen Faktoren, die nicht mit einem solchen Instrument verbunden sind. Die Daten stammen aus vielen Ländern der Welt und decken eine breite Palette von Assetklassen ab. Wenn dieser analytische Prozeß ein neues Modell ergibt, das die Firma von vorhersehbarem Wert ist, wird es für den Einsatz innerhalb einer oder mehrerer Handelsstrategien in einigen Fällen zusammen mit einem Dutzend oder mehreren anderen Modellen mit einigen der gleichen Finanzinstrumente in Frage kommen, die sich jedoch ergeben Aus verschiedenen Marktanomalien. Die firm8217s proprietäre Optimierungstechnologie wurde mit dem Ziel entwickelt, die erwartete Rendite zu maximieren und gleichzeitig das Gesamtrisiko eines Portfolios zu kontrollieren, das in manchen Fällen auch gleichzeitige Positionen in mehreren Tausend Wertpapieren beinhalten kann. Anstatt jede Transaktion isoliert zu betrachten, ist die Portfolio-Optimierungssoftware firm8217s darauf ausgelegt, komplexe Zusammenhänge zwischen einer großen Anzahl von Finanzinstrumenten zu berücksichtigen, die über eine Reihe von verschiedenen Assetklassen reichen können. In vielen Fällen sind die Optimierungsalgorithmen der firm8217s in der Lage, risikoadjustierte Renditen nicht nur durch konventionelle Diversifikation, sondern durch die Festlegung von Gegenpositionen zu verschiedenen Risikofaktoren auf Portfolioebene zu erhöhen. Die Portfolios werden häufig mehr oder weniger kontinuierlich optimiert, wobei ein stetiger Strom von Trades ausgeführt wird, um die Vorteile der neu entstehenden potenziellen Gewinnchancen zu nutzen und um verschiedene Formen des dynamisch variierenden Risikos zu verwalten. Zeitabhängige Handelsentscheidungen werden oft sehr schnell unter Verwendung von Echtzeitdaten, die von verschiedenen Quellen auf den gesamten Finanzmärkten der Welt bezogen werden, durchgeführt. Die Firma handelt auf einer fast 24-Stunden-Basis und führt typischerweise Zehntausende von Transaktionen pro Tag aus. Gegründet: 1975 Firmengründung: Newark, NJ MitarbeiterInnen: 36 Investment Professionals (plus zusätzliches Büropersonal) ca. 83 Milliarden Assets under Management (AUM) Stand: 1. März 2012 Beschreibung: Wir sehen Investitionen in kleine, aber weit verbreitete Mißbrauche von Wertpapieren. Aktive Strategien können eine Schlüsselrolle bei der Erreichung der Anlageziele spielen. Assetpreise weichen gelegentlich von Werten ab, die durch zugrundeliegende Fundamentaldaten impliziert werden, und aktives Management kann die Rendite durch die Positionierung eines Portfolios verbessern, um von einer eventuellen Rückkehr zu den Fundamentaldaten zu profitieren. Diese Abweichungen von den beizulegenden Zeitwerten schaffen Chancen, mit denen unsere Prozesse identifiziert und genutzt werden sollen. Da es sich hierbei um Muster handelt, die im Laufe der Zeit anhalten, anstatt flüchtige Trends, sind wir zuversichtlich, dass sich unsere Prozesse auch langfristig besser entwickeln können. Unser Bottom-up-Ansatz verbindet die Prinzipien der Bewertungstheorie und der Verhaltensfinanzierung mit der Geschicklichkeit und dem Urteil unserer Investmentprofis. Teammitglieder, die über 20 Jahre Erfahrung im Investmentbereich verfügen und unterschiedliche Perspektiven einbringen, darunter Universitätsprofessoren, Ingenieure, Physiker und Wirtschaftswissenschaftler, haben durch eine Vielzahl von Marktbedingungen reibungslos zusammengearbeitet. Unser proprietäres Optimierungsverfahren generiert diversifizierte Portfolios über eine große Anzahl von Aktien. Und indem wir Risiken wie Größe, Branchenindustrie und Abweichung von der Benchmark einschränken, während wir uns wachsam auf die Liquiditäts - und Transaktionskosten konzentrieren, glauben wir, dass wir die Alpha-Generation effektiver anstreben können. QMA8217s Ansatz Ansatz ist vernünftig und gesund - aber nicht statisch. Durch laufende Forschung finden wir weiterhin Möglichkeiten, die Anpassungsfähigkeit unserer Anlageprozesse zu verbessern. Strategien: Quantitative Core Equity Value Equity Equity-Indexierung Asset Allocation Structured Equity Gegründet: 2001 Sitz: New York (Hongkong, Houston und London) NiederlassungenGrösse: Ungefähr 300 (geschätzt) mehrere Milliarden Dollar (Mai 2012) Beschreibung: Wir sind erfolgreich gewesen Anwendung unserer disziplinierten, prozessgetriebenen Investment-Trading-Strategien seit 2001. Diese Strategien, die über verschiedene Märkte und Assetklassen ausgedrückt werden, basieren auf statistischen Modellen, die mit rigoroser mathematischer Analyse und dem Brancheneinblick von Two Sigma8217s großes und erfahrenes Team entwickelt wurden. Die Entwicklung dieser Strategien erfordert umfangreiche Rechenressourcen, um die Marktchancen erfolgreich zu identifizieren, zu quantifizieren und zu handeln. Technologie ist ein integraler Bestandteil der Handelsstrategien, der Unternehmensfunktionen und des Lebens im Allgemeinen bei Two Sigma. Technologie ist für uns ein Profitcenter, nicht nur eine Postenposition, und sie ist nach wie vor eine treibende Kraft hinter unserer Unternehmensstruktur. Jeden Tag arbeiten wir in kleinen Teams daran, Analysen - und Messinstrumente für die Finanzmärkte zu entwickeln und zu verbessern, und wir fördern die Zusammenarbeit auf dem Gebiet der Finanzwirtschaft. In der Tat haben viele beobachtet, dass wir sehen und fühlen sich viel wie ein Software-Unternehmen. Gegründet: 1982 Sitz: Long Island, New York, London EmployeesSize: 27515 Milliarden Beschreibung: Renaissance Technologies LLC ist ein Investment-Management-Unternehmen spezialisiert auf die Herstellung überlegene Renditen für seine Kunden und Mitarbeiter durch die Einhaltung von mathematischen und statistischen Methoden. Gegründet: kA Basis: Cambridge, MA AngestellteGrösse: 28na Beschreibung: AlphaSimplex ist auf Absolute-Return-Anlagestrategien spezialisiert, die in erster Linie mit Terminkontrakten und Terminkontrakten umgesetzt werden. Durch den Einsatz quantitativer Spitzentechniken bietet unser einzigartiges Investmentkonzept die Anpassungsfähigkeit und kontextuelle Entscheidungsfindung, die in der Regel mit fundamentalen Managern verbunden ist, aber innerhalb eines rein quantitativen, risikoorientierten Rahmens. Jede der Anlagestrategien der Unternehmen basiert auf einem Multi-Modell-Ansatz für das Portfolio-Management, das Alpha mit größerer Konsistenz zu erzeugen sucht und das die regelmäßige Hinzufügung neu entwickelter Modelle erleichtert. Strategien: Quantitative Global Macro ist eine multimodale quantitative globale Makrostrategie, die auf diversifizierten Faktoren auf vielen verschiedenen Märkten beruht. Die Komponentenmodelle, aus denen sich das Produkt zusammensetzt, sind über mehrere Jahre und ein breites Spektrum von Marktumgebungen entwickelt worden. Für jedes gegebene Marktumfeld gibt es mindestens ein oder zwei Komponentenmodelle, die für die Erzeugung von Alpha für diese spezielle Umgebung entwickelt wurden. Der Manager verwendet fortgeschrittene statistische Techniken, um die Komponentenmodelle dynamisch zu gewichten, um die aktuellen Marktbedingungen effektiv auszunutzen. Global Tactical Asset Allocation ist eine äußerst kapitaleffiziente Overlay - oder 8220-Portable-Alpha8221-Strategie, deren Ziel es ist, inkrementelle 1 oder 2 Prozentpunkte zu einem bestehenden Portfolio hinzuzufügen, ohne die vorhandene Portfoliovolatilität um mehr als 1 oder 2 Prozentpunkte jährlich zu erhöhen. Die Strategie kann auch auf höheren Risikoebenen verwaltet werden, um höhere Renditen zu erzielen. LASER und GLOBAL ALTERNATIVES nutzen Futures und Forwards, um Forderungen an ein diversifiziertes Set der häufigsten liquiden Risikoprämien, die Hedge-Fonds-Renditen treiben, nachzubilden. Diese Strategie bietet ähnliche Diversifikationsvorteile wie ein Fonds von Hedgefonds und eignet sich gut für große institutionelle Anleger, die unter Hedge-Fonds-Managern, als Liquiditätspuffer mit einem ansonsten weniger liquiden Portfolio und für kleinere Anleger, die sonst keine ausreichende Kapazität finden, geeignet sind Hätte ansonsten keinen Zugang zu den Diversifizierungsvorteilen von Hedgefonds aufgrund von Mindestanlagebedürfnissen. Gegründet: 2005 Basis: London (Greenwich, CT und Tokyo) MitarbeiterInnenGrösse: Unter 509B (2011) Beschreibung: Capula Investment Management LLP ist ein weltweit tätiges festverzinsliches Spezialunternehmen. Das Unternehmen verwaltet Fixed Income Trading-Strategien in absoluten Rendite und verbesserte Rentenprodukte zusammen mit einem tail-Risiko-Hedge-Produkt. Capula Investment Management LLP konzentriert sich auf die Entwicklung innovativer Anlagestrategien, die eine geringe Korrelation zu traditionellen Aktien - und Rentenmärkten aufweisen. Was Capula ausmacht, ist sein Makrofokus, seine starke Handelsdisziplin und seine kurzfristige Orientierung und nicht ein mittelfristiger Anlagestil. Die Firmen, die Liquiditätsrisiken und Schwellenrisiken verstehen, haben geholfen, durch alle Phasen des Investitionszyklus, einschließlich der Perioden extremer Marktstörungen, zu gedeihen. Der Capula GRV Fund konzentriert sich auf die Zinssätze und den Makrohandel. Der Fonds engagiert sich in relativen Wert - und Konvergenzstrategien, die darauf abzielen, Preisanomalien im Staatsanleihen-, Zinsswap - und Börsenhandelswachstumsmarkt zu nutzen und eine defensive Makroauflage einzusetzen. Die Anlagethemen werden primär von der Alpha-Generation getragen und sollen auf den Kapitalmärkten neutral bleiben. Der Capula Tail Risk Fund investiert in eine Reihe von Instrumenten vorwiegend auf den G7-Märkten. Es zielt auf überlegene Renditen in Zeiten der Liquidität und systemische Krisen bei gleichzeitiger Minimierung der Nachteile unter normalen Marktbedingungen. Beide Fonds werden aktiv im eigenen Handelsstil geführt. Gründung: 1998 Sitz: Greenwich, CT MitarbeiterInnenGrösse: 19044B (Ende 2011) Beschreibung: AQR Capital Management ist ein Investment-Management-Unternehmen mit einem disziplinierten, multi-asset, globalen Forschungsprozess. AQRs Investment-Produkte werden durch eine begrenzte Anzahl von kollektiven Investment-Fahrzeuge und separate Konten, die alle oder eine Teilmenge von AQR8217s Anlagestrategien nutzen zur Verfügung gestellt. Diese Investitionsprodukte reichen von aggressiven, hochvolatilen marktneutralen Hedge-Fonds bis zu schwach volatilen Benchmark-getriebenen traditionellen Produkten. Investitionsentscheidungen werden unter Verwendung einer Reihe von globalen Asset Allocation-, Arbitrage - und Security-Selektionsmodellen getroffen und mit proprietären Handels - und Risikomanagementsystemen implementiert. AQR ist der Auffassung, dass ein systematischer und disziplinierter Prozess unerlässlich ist, um langfristigen Erfolg im Investment - und Risikomanagement zu erreichen. Darüber hinaus müssen Modelle auf soliden ökonomischen Prinzipien basieren, die nicht einfach auf die Vergangenheit abgestimmt sind und so viel gesunden Menschenverstand haben müssen wie statistische Feuerkraft. Gegründet: 1989 Basis: Boston, MA AngestellteGrösse: 50-20022.3B (Ende 2011) Beschreibung: PanAgora ist ein quantitativ orientiertes Investment-Management-Finanzinstitut, das sowohl Bottom-up-Aktienselektionsstrategien als auch Multi-Alpha-Top-down einsetzt Makro-Strategien. Wir suchen Investitionslösungen mit anspruchsvollen quantitativen Techniken, die fundamentale Einblicke und riesige Mengen an Marktinformationen beinhalten. Während die Anlagestrategien von PanAgoras sehr systematisch sind, werden die Prozesse, die in diesen Strategien eingesetzt werden, von talentierten Fachkräften mit bedeutenden und unterschiedlichen Anlageerfahrungen aufgebaut und überwacht. Innovative Forschung spielt eine zentrale Rolle in unserer Investitionsphilosophie und unserem Prozess und ist ein wesentlicher Bestandteil unserer Firmenfähigkeit, attraktive Anlagelösungen zu liefern. Die Investmentteams sind in eine Equity Strategies Gruppe und eine Multi Asset Strategies Gruppe organisiert. Die meisten Investment-Team-Mitglieder sind in der ursprünglichen Forschung mit grundlegenden Intuition, Markt Intelligenz, moderne Finanz-und wissenschaftliche Methoden beschäftigt. Die Anlagestrategien von PanAgoras basieren auf diesen Grundsätzen: Kapitalmärkte sind nicht perfekt effizient und bieten daher attraktive Anlagemöglichkeiten für disziplinierte Investoren. Innovative Forschung, die Kreativität mit modernen Finanztheorie und statistischen Techniken (Kunst und Wissenschaft) verbindet, ist die Basis für einen erfolgreichen Investitionsprozess. Ein systematischer Ansatz zur Investition, der intuitives, fundamentales Denken mit quantitativen Techniken verbindet, dürfte zu anhaltenden und attraktiven risikoadjustierten Renditen führen. Die Aufmerksamkeit für das Risiko und die effiziente Implementierung können die Performance-Ergebnisse beibehalten und oft verbessern. Klar definierte Ziele, Transparenz und Zugang zu talentierten Investmentprofis tragen zur Kundenzufriedenheit bei. Gegründet: 1987 Sitz: Boston (Singapur und London) MitarbeiterGrösse: 200-50048B (33112) Beschreibung: Acadian verfügt über einen rigorosen und strukturierten Anlageprozess. Wir quantifizieren die meisten Aspekte unseres Anlageprozesses, einschließlich der Überschussrendite, die wir glauben, dass jedes Wertpapier in unserem Anlageuniversum über einen bestimmten Horizont erwachsen wird, und das Risiko, das wir erwarten, dass ein bestimmtes Portfolio im Vergleich zu seiner Benchmark erfahrbar wird. Das Ziel dieser Anmerkung ist zu erklären, warum wir glauben, dass ein quantitativer Ansatz sinnvoll ist und welche Vor - und Nachteile ein solcher Ansatz im Vergleich zu traditionelleren Ansätzen hat. Wir glauben, dass quantitative Techniken Werkzeuge sind. Es sind Wege, traditionelle Ansätze zu treffen, um Investitionsentscheidungen diszipliniert und systematisch zu treffen. Daher ist unser Ansatz für Investitionen nicht im Widerspruch zu einem traditionellen Ansatz. Wir verwenden die gleichen Werkzeuge, die viele traditionelle Portfolio-Manager verwenden, aber versuchen, sie in einer sehr systematischen und disziplinierten Weise anzuwenden, um Emotionen und Schlupfe in der Implementierung zu vermeiden. Acadian ist auf aktive globale und internationale Aktienstrategien spezialisiert und beschäftigt anspruchsvolle Analysemodelle für aktive Aktienauswahl sowie Peer Group (Land, Region und Industrie). Wir bieten auch Fixed Income Strategien in den Schwellenländern. Unsere proprietäre Datenbank umfasst über 40.000 Wertpapiere in mehr als 60 Märkten weltweit. Acadian8217s umfangreiche Forschung Fähigkeiten werden verwendet, um maßgeschneiderte Investment-Management-Strategien für unsere Kunden zu entwickeln. Beginner39s Leitfaden für quantitative Handel In diesem Artikel Im gehe, um Ihnen einige der grundlegenden Konzepte, die ein Ende-zu-Ende-quantitativen Handelssystem zu begleiten. Dieser Beitrag wird hoffentlich zwei Publikum dienen. Die erste wird Einzelpersonen versuchen, einen Job an einem Fonds als quantitative Händler zu erhalten. Die zweite wird Einzelpersonen, die versuchen wollen, und gründen ihre eigenen Handel algorithmischen Handelsgeschäft. Der quantitative Handel ist ein äußerst anspruchsvoller Bereich der Quantfinanzierung. Es kann eine beträchtliche Menge an Zeit, um das notwendige Wissen zu gewinnen, um ein Interview oder konstruieren Sie Ihre eigenen Trading-Strategien. Nicht nur das, sondern es erfordert umfangreiche Programmierkenntnisse, zumindest in einer Sprache wie MATLAB, R oder Python. Doch mit zunehmender Handelsfrequenz der Strategie werden die technologischen Aspekte viel wichtiger. Daher wird das Vertrautsein mit CC von größter Bedeutung sein. Ein quantitatives Handelssystem besteht aus vier Hauptkomponenten: Strategieidentifizierung - Strategiefindung, Ausnutzung einer Kante und Festlegung der Handelsfrequenz Strategy Backtesting - Datenerfassung, Analyse der Strategieperformance und Beseitigung von Bias Execution System - Verknüpfung mit einem Brokerage, Automatisierung des Handels und Minimierung Transaktionskosten Risikomanagement - Optimale Kapitalallokation, WettgrößeKelly-Kriterium und Handelspsychologie Beginnen Sie mit einem Blick auf die Identifizierung einer Handelsstrategie. Strategieidentifikation Alle quantitativen Handelsprozesse beginnen mit einer ersten Forschungsperiode. Dieser Forschungsprozess umfasst das Finden einer Strategie, ob die Strategie passt in ein Portfolio von anderen Strategien, die Sie ausgeführt werden können, erhalten alle Daten, die notwendig sind, um die Strategie zu testen und versuchen, die Strategie für höhere Renditen und oder ein geringeres Risiko zu optimieren. Sie müssen in Ihrem Eigenkapitalbedarf Faktor, wenn Sie die Strategie als Einzelhändler und wie alle Transaktionskosten werden die Strategie beeinflussen. Entgegen der landläufigen Meinung ist es eigentlich ganz einfach, profitable Strategien durch verschiedene öffentliche Quellen zu finden. Akademiker veröffentlichen regelmäßig theoretische Handelsergebnisse (wenn auch vorwiegend für Transaktionskosten). Quantitative Finance-Blogs diskutieren Strategien im Detail. Fachzeitschriften skizzieren einige der Strategien, die durch Mittel eingesetzt werden. Man könnte fragen, warum Einzelpersonen und Firmen sind scharf, ihre profitable Strategien zu diskutieren, vor allem, wenn sie wissen, dass andere, die den Handel verdrängen kann die Strategie von der Arbeit auf lange Sicht zu stoppen. Der Grund liegt in der Tatsache, dass sie nicht oft diskutieren die genauen Parameter und Tuning-Methoden, die sie durchgeführt haben. Diese Optimierungen sind der Schlüssel, um eine relativ mittelmäßige Strategie zu einem äußerst profitablen zu machen. In der Tat ist eine der besten Weisen, Ihre eigenen einzigartigen Strategien zu verursachen, um ähnliche Methoden zu finden und dann Ihr eigenes Optimierungsverfahren durchzuführen. Hier ist eine kleine Liste von Orten auf der Suche nach Strategie Ideen: Viele der Strategien, die Sie betrachten wird in die Kategorien der Mittel-Reversion und Trend-folgendesMomentum fallen. Eine Mittelrücksetzstrategie ist diejenige, die versucht, die Tatsache auszuschöpfen, dass ein langfristiges Mittel auf einer Preisserie existiert (wie der Spread zwischen zwei korrelierten Vermögenswerten), und dass kurzfristige Abweichungen von diesem Mittel schließlich zurückgehen werden. Eine Impulsstrategie versucht, sowohl die Anlegerpsychologie als auch die Big-Fonds-Struktur zu nutzen, indem sie eine Fahrt auf einem Markttrend ausnutzt, die in einer Richtung Dynamik gewinnen und dem Trend folgen kann, bis sie sich umkehrt. Ein weiterer sehr wichtiger Aspekt des quantitativen Handels ist die Häufigkeit der Handelsstrategie. Niedrigfrequenzhandel (LFT) bezieht sich allgemein auf jede Strategie, die Vermögenswerte länger als ein Handelstag hält. Entsprechend bezieht sich der Hochfrequenzhandel (HFT) im Allgemeinen auf eine Strategie, die Vermögenswerte intraday hält. Ultra-Hochfrequenz-Handel (UHFT) bezieht sich auf Strategien, die Vermögenswerte in der Größenordnung von Sekunden und Millisekunden halten. Als Handelspartner sind HFT und UHFT sicher möglich, aber nur mit detaillierter Kenntnis der Handelstechnologie Stack und Orderbuch Dynamik. Wir werden diese Aspekte in diesem einleitenden Artikel in großem Ausmaß diskutieren. Sobald eine Strategie oder ein Satz von Strategien identifiziert wurde, muss sie nun für die Rentabilität auf historischen Daten getestet werden. Das ist die Domäne des Backtests. Strategie Backtesting Das Ziel des Backtesting ist es, nachzuweisen, dass die anhand des obigen Prozesses identifizierte Strategie rentabel ist, wenn sie sowohl auf historische als auch auf Out-of-Sample-Daten angewendet wird. Dies setzt die Erwartung, wie die Strategie in der realen Welt durchführen wird. Allerdings ist Backtesting nicht eine Garantie für den Erfolg, aus verschiedenen Gründen. Es ist vielleicht das subtilste Gebiet des quantitativen Handels, da es zahlreiche Vorurteile mit sich bringt, die sorgfältig geprüft und so weit wie möglich beseitigt werden müssen. Wir diskutieren die gemeinsamen Arten von Bias einschließlich Vorausschau. Überlebens-Bias und Optimierung Bias (auch bekannt als Data-Snooping Bias). Weitere Schwerpunkte im Backtesting sind Verfügbarkeit und Sauberkeit historischer Daten, Factoring in realistischen Transaktionskosten und die Entscheidung über eine robuste Backtesting-Plattform. Besprechen Sie die Transaktionskosten weiter unten im Abschnitt Ausführungssysteme. Sobald eine Strategie identifiziert wurde, ist es notwendig, die historischen Daten zu erhalten, durch die zur Durchführung von Tests und vielleicht Verfeinerung. Es gibt eine beträchtliche Anzahl von Datenanbietern in allen Assetklassen. Ihre Kosten sind in der Regel mit der Qualität, Tiefe und Aktualität der Daten. Der traditionelle Ausgangspunkt für den Beginn der quant Trader (zumindest auf der Retail-Ebene) ist die Nutzung der kostenlosen Datensatz von Yahoo Finance. Ich werde nicht auf Anbieter zu viel hier wohnen, eher möchte ich mich auf die allgemeinen Fragen konzentrieren, wenn es um historische Datensätze geht. Zu den Hauptanliegen mit historischen Daten gehören Genauigkeit, Überlebensfähigkeit und Anpassung für Kapitalmaßnahmen wie Dividenden und Aktiensplits: Genauigkeit bezieht sich auf die allgemeine Qualität der Daten - ob sie Fehler enthält. Fehler können manchmal leicht zu identifizieren, wie mit einem Spike-Filter. Die falsche Spitzen in den Zeitreihendaten herausholen und für sie korrigieren. Zu anderen Zeiten können sie sehr schwer zu erkennen. Es ist oft notwendig, zwei oder mehr Anbieter zu haben und dann alle ihre Daten gegeneinander zu überprüfen. Survivorship Bias ist oft ein Merkmal von freien oder billigen Datensätzen. Ein Datensatz mit Überlebensvorspannung bedeutet, dass er keine Vermögenswerte enthält, die nicht mehr handeln. Im Falle von Aktien bedeutet dies delistedbankrupt Aktien. Diese Vorspannung bedeutet, dass jede Börsenstrategie, die auf einem solchen Datensatz getestet wird, wahrscheinlich besser abschneidet als in der realen Welt, da die historischen Gewinner bereits vorgewählt wurden. Corporate Aktionen umfassen logistische Aktivitäten durch das Unternehmen, die in der Regel eine Schritt-Funktion ändern in den Rohpreisen, die nicht in die Berechnung der Renditen des Preises aufgenommen werden. Anpassungen für Dividenden und Aktiensplits sind die gemeinsamen Täter. Ein Verfahren, das als Rückenanpassung bekannt ist, muss bei jeder dieser Aktionen durchgeführt werden. Man muss sehr vorsichtig sein, einen Aktiensplit nicht mit einer wahren Renditeanpassung zu verwechseln. Viele Händler wurden von einer Unternehmensaktion gefangen Um ein Backtest-Verfahren durchzuführen, ist es notwendig, eine Software-Plattform zu nutzen. Sie haben die Wahl zwischen dedizierten Backtest-Software, wie Tradestation, eine numerische Plattform wie Excel oder MATLAB oder eine vollständige benutzerdefinierte Implementierung in einer Programmiersprache wie Python oder C. Ich werde nicht zu viel auf Tradestation (oder ähnlich), Excel oder wohnen MATLAB, wie ich glaube an die Schaffung eines Full-in-house-Technologie-Stack (aus Gründen unten beschrieben). Einer der Vorteile davon ist, dass die Backtest-Software und das Ausführungssystem auch bei extrem fortgeschrittenen statistischen Strategien eng integriert werden können. Für HFT-Strategien ist es besonders wichtig, eine benutzerdefinierte Implementierung zu verwenden. Beim Backtesting eines Systems muss man in der Lage sein zu quantifizieren, wie gut es funktioniert. Die Industriestandard-Metriken für quantitative Strategien sind der maximale Drawdown und das Sharpe Ratio. Der maximale Drawdown charakterisiert den grössten Peak-to-trough-Rückgang der Kontoguthabenkurve über einen bestimmten Zeitraum (in der Regel jährlich). Dies wird meist als Prozentsatz angegeben. LFT-Strategien neigen dazu, größere Drawdowns als HFT-Strategien, aufgrund einer Reihe von statistischen Faktoren haben. A historical backtest will show the past maximum drawdown, which is a good guide for the future drawdown performance of the strategy. The second measurement is the Sharpe Ratio, which is heuristically defined as the average of the excess returns divided by the standard deviation of those excess returns. Here, excess returns refers to the return of the strategy above a pre-determined benchmark . such as the SP500 or a 3-month Treasury Bill. Note that annualised return is not a measure usually utilised, as it does not take into account the volatility of the strategy (unlike the Sharpe Ratio). Once a strategy has been backtested and is deemed to be free of biases (in as much as that is possible), with a good Sharpe and minimised drawdowns, it is time to build an execution system. Execution Systems An execution system is the means by which the list of trades generated by the strategy are sent and executed by the broker. Despite the fact that the trade generation can be semi - or even fully-automated, the execution mechanism can be manual, semi-manual (i. e. one click) or fully automated. For LFT strategies, manual and semi-manual techniques are common. For HFT strategies it is necessary to create a fully automated execution mechanism, which will often be tightly coupled with the trade generator (due to the interdependence of strategy and technology). The key considerations when creating an execution system are the interface to the brokerage . minimisation of transaction costs (including commission, slippage and the spread) and divergence of performance of the live system from backtested performance. There are many ways to interface to a brokerage. They range from calling up your broker on the telephone right through to a fully-automated high-performance Application Programming Interface (API). Ideally you want to automate the execution of your trades as much as possible. This frees you up to concentrate on further research, as well as allow you to run multiple strategies or even strategies of higher frequency (in fact, HFT is essentially impossible without automated execution). The common backtesting software outlined above, such as MATLAB, Excel and Tradestation are good for lower frequency, simpler strategies. However it will be necessary to construct an in-house execution system written in a high performance language such as C in order to do any real HFT. As an anecdote, in the fund I used to be employed at, we had a 10 minute trading loop where we would download new market data every 10 minutes and then execute trades based on that information in the same time frame. This was using an optimised Python script. For anything approaching minute - or second-frequency data, I believe CC would be more ideal. In a larger fund it is often not the domain of the quant trader to optimise execution. However in smaller shops or HFT firms, the traders ARE the executors and so a much wider skillset is often desirable. Bear that in mind if you wish to be employed by a fund. Your programming skills will be as important, if not more so, than your statistics and econometrics talents Another major issue which falls under the banner of execution is that of transaction cost minimisation. There are generally three components to transaction costs: Commissions (or tax), which are the fees charged by the brokerage, the exchange and the SEC (or similar governmental regulatory body) slippage, which is the difference between what you intended your order to be filled at versus what it was actually filled at spread, which is the difference between the bidask price of the security being traded. Note that the spread is NOT constant and is dependent upon the current liquidity (i. e. availability of buysell orders) in the market. Transaction costs can make the difference between an extremely profitable strategy with a good Sharpe ratio and an extremely unprofitable strategy with a terrible Sharpe ratio. It can be a challenge to correctly predict transaction costs from a backtest. Depending upon the frequency of the strategy, you will need access to historical exchange data, which will include tick data for bidask prices. Entire teams of quants are dedicated to optimisation of execution in the larger funds, for these reasons. Consider the scenario where a fund needs to offload a substantial quantity of trades (of which the reasons to do so are many and varied). By dumping so many shares onto the market, they will rapidly depress the price and may not obtain optimal execution. Hence algorithms which drip feed orders onto the market exist, although then the fund runs the risk of slippage. Further to that, other strategies prey on these necessities and can exploit the inefficiencies. This is the domain of fund structure arbitrage . The final major issue for execution systems concerns divergence of strategy performance from backtested performance. This can happen for a number of reasons. Weve already discussed look-ahead bias and optimisation bias in depth, when considering backtests. However, some strategies do not make it easy to test for these biases prior to deployment. This occurs in HFT most predominantly. There may be bugs in the execution system as well as the trading strategy itself that do not show up on a backtest but DO show up in live trading. The market may have been subject to a regime change subsequent to the deployment of your strategy. New regulatory environments, changing investor sentiment and macroeconomic phenomena can all lead to divergences in how the market behaves and thus the profitability of your strategy. Risk Management The final piece to the quantitative trading puzzle is the process of risk management . Risk includes all of the previous biases we have discussed. It includes technology risk, such as servers co-located at the exchange suddenly developing a hard disk malfunction. It includes brokerage risk, such as the broker becoming bankrupt (not as crazy as it sounds, given the recent scare with MF Global). In short it covers nearly everything that could possibly interfere with the trading implementation, of which there are many sources. Whole books are devoted to risk management for quantitative strategies so I wontt attempt to elucidate on all possible sources of risk here. Risk management also encompasses what is known as optimal capital allocation . which is a branch of portfolio theory . This is the means by which capital is allocated to a set of different strategies and to the trades within those strategies. It is a complex area and relies on some non-trivial mathematics. The industry standard by which optimal capital allocation and leverage of the strategies are related is called the Kelly criterion . Since this is an introductory article, I wont dwell on its calculation. The Kelly criterion makes some assumptions about the statistical nature of returns, which do not often hold true in financial markets, so traders are often conservative when it comes to the implementation. Another key component of risk management is in dealing with ones own psychological profile. There are many cognitive biases that can creep in to trading. Although this is admittedly less problematic with algorithmic trading if the strategy is left alone A common bias is that of loss aversion where a losing position will not be closed out due to the pain of having to realise a loss. Similarly, profits can be taken too early because the fear of losing an already gained profit can be too great. Another common bias is known as recency bias . This manifests itself when traders put too much emphasis on recent events and not on the longer term. Then of course there are the classic pair of emotional biases - fear and greed. These can often lead to under - or over-leveraging, which can cause blow-up (i. e. the account equity heading to zero or worse) or reduced profits. As can be seen, quantitative trading is an extremely complex, albeit very interesting, area of quantitative finance. I have literally scratched the surface of the topic in this article and it is already getting rather long Whole books and papers have been written about issues which I have only given a sentence or two towards. For that reason, before applying for quantitative fund trading jobs, it is necessary to carry out a significant amount of groundwork study. At the very least you will need an extensive background in statistics and econometrics, with a lot of experience in implementation, via a programming language such as MATLAB, Python or R. For more sophisticated strategies at the higher frequency end, your skill set is likely to include Linux kernel modification, CC, assembly programming and network latency optimisation. If you are interested in trying to create your own algorithmic trading strategies, my first suggestion would be to get good at programming. My preference is to build as much of the data grabber, strategy backtester and execution system by yourself as possible. If your own capital is on the line, wouldnt you sleep better at night knowing that you have fully tested your system and are aware of its pitfalls and particular issues Outsourcing this to a vendor, while potentially saving time in the short term, could be extremely expensive in the long-term.
Comments
Post a Comment