Indicadores De Negociação De Alta Freqüência

Esta publicação detalhará o que fiz para fazer aprox. 500k de negociação de alta freqüência de 2009 a 2010. Desde que negociei completamente de forma independente e já não estou executando meu programa Irsquom feliz em contar tudo. Minha negociação foi principalmente em contratos de futuros Russel 2000 e DAX. A chave para o meu sucesso, eu acredito, não estava em uma equação financeira sofisticada, mas sim no projeto de algoritmo geral que uniu muitos componentes simples e a aprendizagem de máquinas usadas para otimizar a máxima rentabilidade. Você wonrsquot precisa conhecer qualquer terminologia sofisticada aqui, porque quando eu configurei meu programa, tudo foi baseado na intuição. (Andrew Ngrsquos, um incrível curso de aprendizado de máquina ainda não estava disponível - por favor, se você clicar nesse link, você será levado ao meu projeto atual: CourseTalk, um site de revisão para MOOCs) Primeiro, eu só quero demonstrar que meu sucesso não foi simplesmente o resultado de sorte. Meu programa fez 1000-4000 negócios por dia (meio e meio, curto) e nunca entrou em posições de mais de alguns contratos por vez. Isso significava que a sorte aleatória de qualquer comércio específico era muito rápida. O resultado foi que nunca perdi mais de 2000 em um dia e nunca tive um mês perdido: (EDIT. Estes números são depois de pagar comissões) E herersquos um gráfico para dar uma sensação de variação diária. Observe que isso exclui os últimos 7 meses porque - à medida que os números pararam de subir - perdi minha motivação para inseri-los. Histórico de negociação Antes da criação do meu programa de negociação automatizado, a Irsquod teve 2 anos de experiência como comerciante do dia do ensino médio. Isso foi de volta em 2001 - foram os primeiros dias do comércio eletrônico e houve oportunidades para que ldquoscalpersrdquo ganhasse um bom dinheiro. Eu só posso descrever o que eu estava fazendo como parecido com jogar um jogo de vídeo com uma suposta vantagem. Ser bem-sucedido significou ser rápido, ser disciplinado e possuir boas habilidades de reconhecimento de padrões intuitivas. Eu consegui fazer cerca de 250k, pagar meus empréstimos estudantis e ter dinheiro restante. Win Durante os próximos cinco anos eu lançaria duas startups, pegando algumas habilidades de programação ao longo do caminho. Não seria até o final de 2008 que eu voltaria a negociar. Com o dinheiro escorrendo da venda da minha primeira inicialização, o comércio ofereceu esperanças de algum dinheiro rápido enquanto eu descobri minha próxima jogada. Em 2008, eu era o primeiro dia do dia comercializando futuros usando um software chamado T4. Irsquod estava desejando algumas teclas de atalho de entrada de pedidos personalizadas, então, depois de descobrir que a T4 tinha uma API, assumi o desafio de aprender C (a linguagem de programação necessária para usar a API) e segui adiante e construí-me algumas teclas rápidas. Depois de ficar com os pés molhados com a API, em breve tive aspirações maiores: eu queria ensinar o computador a trocar por mim. A API forneceu um fluxo de dados de mercado e uma maneira fácil de enviar ordens para a troca - tudo o que eu tinha que fazer era criar a lógica no meio. Abaixo está uma captura de tela de uma janela de negociação T4. O que foi legal é que, quando trabalhei, consegui assistir o comércio de computadores nesta mesma interface. Ver as ordens reais que aparecem dentro e fora (por conta própria com meu dinheiro real) foram emocionantes e assustadoras. O design do meu algoritmo Desde o início, meu objetivo era configurar um sistema, de modo que eu pudesse estar razoavelmente confiante com Irsquod ganhar dinheiro antes de fazer qualquer transação ao vivo. Para realizar isso, eu precisava construir uma estrutura de simulação de negociação que - com a maior precisão possível - simulasse negociações ao vivo. Embora a negociação no modo ao vivo exigisse o processamento de atualizações de mercado transmitidas através da API, o modo de simulação exigia a leitura de atualizações de mercado a partir de um arquivo de dados. Para coletar esses dados, configurei a primeira versão do meu programa para simplesmente conectar-se à API e registrar as atualizações do mercado com timestamps. Acabei usando 4 semanas de dados de mercado recentes para treinar e testar meu sistema. Com um quadro básico no local, eu ainda tinha a tarefa de descobrir como criar um sistema comercial lucrativo. Como se verificou, meu algoritmo seria dividido em dois componentes distintos, que a Irsquoll explorava por sua vez: Previsão de movimentos de preços e realização de negociações rentáveis ​​Previsão de movimentos de preços Talvez um componente óbvio de qualquer sistema de negociação seja capaz de prever onde os preços se moverão. E o meu não foi uma exceção. Eu definei o preço atual como a média da oferta interna e da oferta interna e eu estabeleci o objetivo de prever onde o preço seria nos próximos 10 segundos. Meu algoritmo precisaria apresentar esta previsão momento a momento ao longo do dia de negociação. Criando indicadores de otimização de amplificador Eu criei um punhado de indicadores que provaram ter uma habilidade significativa para prever movimentos de preços de curto prazo. Cada indicador produziu um número que era positivo ou negativo. Um indicador era útil se, com maior frequência, um número positivo correspondesse com o mercado subindo e um número negativo correspondesse com o mercado diminuindo. O meu sistema permitiu que eu determinasse rapidamente a capacidade preditiva de qualquer indicador, então eu consegui experimentar muitos indicadores diferentes para ver o que funcionou. Muitos dos indicadores tinham variáveis ​​nas fórmulas que os produziam e consegui encontrar os valores ótimos para essas variáveis, fazendo comparações lado a lado dos resultados obtidos com valores variáveis. Os indicadores que foram mais úteis foram todos relativamente simples e foram baseados em eventos recentes no mercado que negociei, bem como os mercados de títulos correlacionados. Fazendo previsões de movimento de preço exato Tendo indicadores que simplesmente previam um movimento de preço para cima ou para baixo não era suficiente. Eu precisava saber exatamente quanto o movimento de preços era previsto por cada valor possível de cada indicador. Eu precisava de uma fórmula que convertesse um valor indicador para uma previsão de preços. Para realizar isso, rastreei os movimentos de preços previstos em 50 baldes que dependiam do alcance em que o valor do indicador caiu. Isso produziu previsões únicas para cada balde que eu então consegui representar no Excel. Como você pode ver, a mudança de preço esperada aumenta à medida que o valor do indicador aumenta. Com base em um gráfico como esse, consegui fazer uma fórmula para ajustar a curva. No começo eu fiz isso manualmente manualmente, mas logo escrevi algum código para automatizar esse processo. Observe que nem todas as curvas indicadoras tiveram a mesma forma. Observe também que os baldes foram distribuídos de forma logarítmica de modo a espalhar os dados de forma uniforme. Finalmente, note que os valores de indicadores negativos (e as respectivas previsões de preços descendentes correspondentes) foram invertidos e combinados com os valores positivos. (O meu algoritmo tratou de cima e de baixo exatamente o mesmo.) Combinando indicadores para uma única previsão. Uma coisa importante a considerar era que cada indicador não era totalmente independente. Eu não poderia simplesmente adicionar todas as previsões que cada indicador fazia individualmente. A chave era descobrir o valor preditivo adicional que cada indicador tinha além do que já estava previsto. Isso não era difícil de implementar, mas isso significava que, se eu estivesse convencido de múltiplos indicadores ao mesmo tempo, eu tinha que ter uma mudança cuidadosa, e isso afetaria as previsões de outro. Para ajustar todos os indicadores ao mesmo tempo eu configurei o otimizador para passar apenas 30 do caminho para as novas curvas de previsão com cada passagem. Com este salto de 30, descobri que as curvas de previsão se estabilizariam dentro de algumas passagens. Com cada indicador agora nos dando a previsão de preço adicional de Itrsquos eu poderia simplesmente adicioná-los para produzir uma única previsão de onde o mercado seria em 10 segundos. Por que prever os preços não é suficiente Você pode pensar que com essa vantagem no mercado eu estava dourado. Mas você precisa ter em mente que o mercado é composto por lances e ofertas - itrsquos não apenas um preço de mercado. O sucesso na negociação de alta freqüência se resume a obter bons preços e itrsquos não é tão fácil. Os seguintes fatores tornam difícil a criação de um sistema lucrativo: com cada comércio eu tive que pagar comissões tanto para o meu corretor quanto para a troca. O spread (diferença entre oferta mais alta e oferta mais baixa) significava que, se eu fosse simplesmente comprar e vender aleatoriamente, Irsquod perderia uma tonelada de dinheiro. A maior parte do volume do mercado eram outros bots que só executariam um comércio comigo se achassem que tinham alguma vantagem estatística. Ver uma oferta não garantiu que eu pudesse comprá-la. No momento em que meu pedido de compra chegou ao intercâmbio, era muito possível que essa oferta tivesse sido cancelada. Como um pequeno jogador do mercado, não havia nenhuma maneira de eu competir sozinho na velocidade. Construindo uma simulação de negociação completa Então eu tive uma estrutura que me permitiu backtest e otimizar indicadores. Mas eu tinha que ir além disso - eu precisava de uma estrutura que me permitisse backtest e otimizar um sistema de negociação completo onde eu estava enviando ordens e entrando em posições. Neste caso, a Irsquod deve ser otimizada para PampL total e, em certa medida, PampL médio por comércio. Isso seria mais complicado e, de certa forma, impossível modelar exatamente, mas fiz o melhor que pude. Aqui estão alguns dos problemas que tive de lidar com: quando um pedido foi enviado ao mercado em simulação, tive que modelar o tempo de atraso. O fato de meu sistema ter visto uma oferta não significava que pudesse comprá-lo imediatamente. O sistema enviaria o pedido, aguarde cerca de 20 milissegundos e, em seguida, apenas se a oferta ainda fosse considerada como um comércio executado. Isso foi inexato porque o tempo de atraso real era inconsistente e não relatado. Quando eu coloquei ofertas ou ofertas, tive de olhar para o fluxo de execução comercial (fornecido pela API) e usá-los para avaliar quando meu pedido teria sido executado. Para fazer isso, tive que rastrear a posição do meu pedido na fila. (Itrsquos um primeiro-em primeiro-out sistema.) Novamente, eu couldnrsquot fazer isso perfeitamente, mas eu fiz uma melhor aproximação. Para refinar minha simulação de execução de pedidos, o que fiz foi tirar meus arquivos de log da negociação ao vivo através da API e compará-los aos arquivos de log produzidos por negociação simulada do mesmo período de tempo. Eu consegui minha simulação até o ponto de ser bastante precisa e, para as partes que eram impossíveis de modelar exatamente, me assegurei pelo menos de produzir resultados estatisticamente similares (nas métricas que achava importantes). Fazendo negociações rentáveis ​​Com um modelo de simulação de pedidos no local, agora posso enviar ordens no modo de simulação e ver um PampL simulado. Mas como meu sistema saberia quando e onde comprar e vender As previsões de movimento de preços eram um ponto de partida, mas não toda a história. O que eu fiz foi criar um sistema de pontuação para cada um dos 5 níveis de preço na oferta e oferta. Estes incluíram um nível acima do lance interno (para um pedido de compra) e um nível abaixo da oferta interna (para uma ordem de venda). Se a pontuação em qualquer nível de preço fosse superior a um determinado limite que significaria que meu sistema deveria ter uma oferta de lance ativa lá - abaixo do limite, então todas as ordens ativas deveriam ser canceladas. Com base nisso, não era incomum que meu sistema apresentasse um lance no mercado e, em seguida, cancelasse-o imediatamente. (Embora eu tenha tentado minimizar isso, como itrsquos irritante, como diabos para quem olha a tela com olhos humanos - incluindo eu.) As pontuações do nível de preços foram calculadas com base nos seguintes fatores: A previsão de movimento de preço (que discutimos anteriormente). O nível de preços em questão. (Os níveis internos permitiram que fossem necessárias previsões de movimento de preço maiores). O número de contratos na frente do meu pedido na fila. (Menos foi melhor.) O número de contratos por trás do meu pedido na fila. (Mais foi melhor.) Essencialmente, esses fatores serviram para identificar ldquosaferdquo lugares para oferecer oferta. A previsão de movimento de preço por si só não era adequada, porque não contava o fato de que ao colocar uma oferta eu não estava preenchido automaticamente - eu só cheguei se alguém me vendesse lá. A realidade era que o simples fato de alguém me vender a um certo preço alterou as probabilidades estatísticas do comércio. As variáveis ​​utilizadas nesta etapa estavam todas sujeitas a otimização. Isso foi feito exatamente da mesma maneira que otimizei variáveis ​​nos indicadores de movimento de preços, exceto neste caso eu estava otimizando a linha inferior PampL. O que o meu programa ignorou Quando comercializamos como seres humanos, muitas vezes temos emoções e tendências poderosas que podem levar a decisões menos do que ótimas. Claramente, não queria codificar esses preconceitos. Aqui estão alguns fatores que meu sistema ignorou: o preço que uma posição foi inserida - Em um escritório de negociação, muito interessante ouvir a conversa sobre o preço em que alguém é longo ou curto, como se isso pudesse afetar sua futura tomada de decisões. Embora isso tenha alguma validade como parte de uma estratégia de redução de risco, ele realmente não tem influência no futuro dos eventos no mercado. Portanto, meu programa ignorou completamente essa informação. Itrsquos o mesmo conceito que ignorar custos irrecuperáveis. Ir curto contra sair de uma posição longa - Normalmente, um comerciante teria critérios diferentes que determinam onde vender uma posição longa em relação ao local onde é curto. No entanto, da minha perspectiva de algoritmos não havia motivo para fazer uma distinção. Se o meu algoritmo esperava que uma venda de movimento para baixo fosse uma boa idéia, independentemente de ser atualmente longa, curta ou plana. Uma estratégia de uddquo ldquodoubling - Esta é uma estratégia comum em que os comerciantes comprarão mais ações no caso de o comércio original ir contra elas. Isso resulta em um preço de compra médio menor e significa que quando (ou se) o estoque se virar, você será configurado para fazer seu dinheiro de volta em nenhum momento. Na minha opinião, esta é realmente uma estratégia horrível, a menos que você seja o Warren Buffet. Yoursquore enganou em pensar que você está indo bem porque a maioria de seus negócios serão vencedores. O problema é quando você perde você perder grande. O outro efeito é que dificilmente julgar se você realmente tem uma vantagem no mercado ou está apenas tendo sorte. Ser capaz de monitorar e confirmar que meu programa realmente teve uma vantagem foi um objetivo importante. Como meu algoritmo tomou decisões da mesma maneira, independentemente de onde ele entrou em um comércio ou se fosse atualmente longo ou curto, ocasionalmente sentava-se (e aceitou) alguns grandes negócios perdidos (além de alguns grandes negócios vencedores). Mas, você não deve pensar que não houve nenhum gerenciamento de risco. Para gerenciar o risco, apliquei um tamanho de posição máximo de 2 contratos por vez, ocasionalmente superado em dias de alto volume. Eu também tive um limite máximo de perda diária para proteger contra quaisquer condições de mercado inesperadas ou um erro no meu software. Esses limites foram aplicados no meu código, mas também no backend através do meu corretor. Como aconteceu, nunca encontrei problemas significativos. Correndo o algoritmo Desde o momento em que comecei a trabalhar no meu programa, demorei-me cerca de 6 meses antes de chegar ao ponto de rentabilidade e começar a executá-lo ao vivo. Apesar de ser justo, uma quantidade significativa de tempo foi aprender uma nova linguagem de programação. Enquanto trabalhava para melhorar o programa, vi maiores lucros para cada um dos próximos quatro meses. A cada semana eu reciclaria o meu sistema com base nas 4 semanas anteriores de dados. Eu achei que isso atingiu o equilíbrio certo entre a captura de tendências comportamentais do mercado recente e garantir que meu algoritmo tivesse dados suficientes para estabelecer padrões significativos. À medida que o treinamento começou a tomar mais e mais tempo, eu o separei para que ele possa ser executado por 8 máquinas virtuais usando o Amazon EC2. Os resultados foram então agrupados na minha máquina local. O ponto alto da minha negociação foi em outubro de 2009, quando fiz quase 100k. Depois disso, continuei a gastar os próximos quatro meses tentando melhorar o meu programa, apesar da diminuição dos lucros a cada mês. Infelizmente, neste ponto, acho que a Irsquod implementou todas as minhas melhores idéias porque nada que tentei pareceu ajudar muito. Com a frustração de não conseguir fazer melhorias e não ter sentido de crescimento, comecei a pensar em uma nova direção. Eu enviei 6 empresas diferentes de comércio de alta freqüência para ver se theyrsquod estava interessado em comprar meu software e me contratar para trabalhar para eles. Ninguém respondeu. Eu tive algumas idéias de inicialização novas que eu queria trabalhar, então eu nunca segui. UPDATE - Eu postei isso no Hacker News e ele tem tido muita atenção. Eu só quero dizer que eu não defendo ninguém tentando fazer algo assim agora. Você precisaria de uma equipe de pessoas realmente inteligentes com uma variedade de experiências para ter alguma esperança de competir. Mesmo quando eu estava fazendo isso, eu acreditava que era muito raro que os indivíduos conseguissem o sucesso (embora eu tivesse ouvido falar de outros.) Há um comentário no topo da página que menciona estatísticas manipuladas e se refere a mim como um investidor de ldquoretail que quanta Escolheria lindamente o offrdquo. Este é um comentário bastante infeliz que não é simplesmente baseado na realidade. Estabelecendo que lado a lado tem alguns comentários interessantes: news. ycombinator itemid4748624 UPDATE 2 - Irsquove postou um FAQ de acompanhamento que responde algumas perguntas comuns Irsquove recebeu de comerciantes sobre esta publicação. Trading Success Esqueça indicadores técnicos e aprenda como negociar It8217s incrível para mim como Muitos comerciantes que conheço são completamente errados sobre o que significa trocar com sucesso. Deixe-me deixar claro. O sucesso comercial e a rentabilidade não têm absolutamente nada a ver com o seguinte: Possuir ou usar o próximo gráfico gráfico grail8221 de 8220holy Tweaking as configurações do seu indicador extravagante Tentando prever os tops e fundos do mercado Agarrar tantos pontos como você pode do mercado Todos os dias de negociação depois da próxima melhor negociação 8220strategy8221. Nenhum dos pontos acima vai fazer sucesso. Claro, você pode fazer o dinheiro ocasional de vez em quando, mas você terá sorte se você tiver feito algum lucro após um ano. Veja também o vídeo abaixo para uma apresentação visual deste artigo Usando ou Abusando Indicadores Técnicos Conheço muitos comerciantes que gostam de destruir o uso de indicadores técnicos. Eu não sou um deles. Eu faço uso de indicadores técnicos no meu dia comercial e acho-os muito úteis na simplificação e identificação de informações importantes sobre os mercados que de outra forma teriam levado muito tempo. No vídeo acima, mostro um exemplo real de como eu aplico indicadores e análise multi-horário para realizar meus próprios negócios, seja seus contratos de spreadbetting ou trading. It8217s não são os indicadores que são o problema, mas sobre como e quando usá-los. Alguns comerciantes parecem se obsessão demais em obter suas configurações de indicadores corretamente 8211, como se eles deveriam usar uma média móvel de 18 ou 20 períodos, ou usar um Stochastics de 14 ou 12. Você sabe o que, provavelmente, não vai fazer uma grande diferença. Se isso soa como você, então o primeiro passo é parar de se concentrar em indicadores tweeking e aprender a trocar em vez disso. Consistência Para alcançar qualquer grau de sucesso na negociação, você precisa primeiro alcançar consistência. A consistência envolve a possibilidade de realizar e executar o seu plano de negociação sem hesitação, uma e outra vez. A consistência também é um estado de espírito: para poder executar o seu plano de negociação, você precisa ter confiança no que está fazendo. Se você não tem confiança ou se encontra hesitando, então é provável que você não tenha testado seu plano de negociação suficientemente ou que ainda não tenha um plano de ação sólido ou comprovado. Conclusão Enquanto os indicadores técnicos, os boletins informativos e os serviços de dicas têm seus usos e podem ser muito benéficos, eles não substituem as habilidades e princípios de comércio de som. Esses princípios se concentram em: sincronizar sua entrada e saída, controle de riscos, gerenciamento de comércio, gerenciamento de dinheiro e, o mais importante de tudo, sua psicologia comercial. Se você se concentrar em si mesmo e construir suas próprias habilidades comerciais, em vez de se mexer com o próximo melhor indicador ou com a estratégia 8220, você alcançará consistência comercial, mas ganha mais lucro na sua conta P L. Você achou este artigo e vídeo úteis ou úteis. Você tem alguma história comercial relacionada que você deseja compartilhar. Sinta-se à vontade para me deixar um comentário abaixo. Link para esta publicação