Teste e otimize seus Sistemas de Negociação A Tradesignal oferece um ambiente de desenvolvimento totalmente integrado que facilita a criação de sistemas de negociação com a linguagem de programação Equilla. As alterações no texto de origem são imediatamente visíveis no gráfico após a compilação Referência integrada de ajuda e código Imagem gráfica de curvas, linhas de tendência e símbolos Expansão da linguagem de programação através da API Equilla aberta Enquanto o desenvolvedor está inserindo código, o editor Equilla sugere opções de função. Após uma função ter sido escolhida, uma janela de insight aparece fornecendo informações precisas sobre como a função pode ser usada, sem obstruir visualmente o desenvolvedor. Você pode facilmente compartilhar o sistema de negociação criado com seus colegas, e você tem a opção de entregar o sistema com ou sem o texto de origem. Seus colegas também ficarão atualizados com todas as alterações feitas no sistema de pacotes. Negociação de Carteira Negociação com base em Regras usando uma variedade de instrumentos Curva de Equidade de toda a carteira Regras de administração de moeda comum Os instrumentos podem ser negociados em várias moedas Tabelas de preços atualizadas em tempo real e por push Todos os indicadores embutidos ou definidos pelo usuário podem ser aplicados As listas de observação Todos os campos de dados fornecidos pelo fornecedor de dados estão disponíveis em colunas Milhares de instrumentos e resultados de indicadores visíveis Filtro de resultados livremente definível em todos os resultados de preços e indicadores Instrumentos com períodos diferentes podem ser combinados Relatório de desempenho detalhado sobre sistemas de negociação Assistente para a criação de sistemas de comércio inteiros Aplicação, documentação e apoio em alemão, inglês e japonêsQuantitative Finance Collector é um blog sobre análise de finanças quantitativa, métodos de engenharia financeira em finanças matemáticas com foco em preços de derivativos, negociação quantitativa e gestão de risco quantitativa. Pensamentos aleatórios sobre os mercados financeiros e pessoal pessoal são postados no blog sub pessoal. Trackback URI: Nota: O url de trackback vai expirar depois de 23:59:59 hoje eu acabei de retornar Pequim do Midwest Finance Association 2016 Reunião Anual em Atlanta, é a minha primeira vez na América, ea vida lá é bastante diferente do que em As cidades inglesas. Poucas pessoas no centro, difícil sair sem um carro, as pessoas são menos amigáveis (pelo menos parecer). A conferência anual da AMF fornece um fórum para a interação de acadêmicos e profissionais de finanças para compartilhar a atividade acadêmica ea prática atual de modo a incentivar e facilitar o aperfeiçoamento da profissão. Abaixo eu seleciono vários documentos com links de download que são de interesse para mim, não é de forma alguma uma lista de qualidade superior da conferência embora. Habilidade de Negociação de Curto Prazo: Análise da Heterogeneidade e Qualidade de Execução do Investidor. Examinamos a previsibilidade de retorno no horizonte curto usando um conjunto exclusivo de dados proprietários em um grande universo de comerciantes institucionais com identidade conhecida (mascarada). Propomos um modelo para estimar uma habilidade de negociação de curto prazo específica do investidor e verificamos que há uma heterogeneidade pronunciada na previsão de retornos de curto prazo entre investidores institucionais. Isto sugere que a assimetria de informação de curto prazo é uma motivação significativa para o comércio. Nosso modelo ilustra que a incorporação de uma capacidade de previsão a curto prazo explica uma fração muito maior de retornos de ativos de curto prazo e permite uma estimativa mais precisa do impacto de preço. Uma estratégia comercial simples que explora nossas estimativas de habilidade produz um retorno anormal estatisticamente significativo quando comparado com um modelo de quatro fatores. Nós investigamos a fonte de variação na habilidade de negociação a curto prazo e encontramos fortes evidências de que os comerciantes qualificados são capazes de prever os retornos a curto prazo seguindo uma estratégia de momentum de curto prazo. Além disso, ilustramos que a variação na habilidade de negociação de curto prazo é estatisticamente dependente de características de ordem, como duração e tamanho relativo, que estão associadas a negociações mais urgentes e mais informadas. Finalmente, usando as estimativas de habilidades de negociação emergentes de nosso modelo e as variáveis preditivas de habilidade propostas, mostramos que a heterogeneidade do investidor tem implicações importantes na quantificação da qualidade de execução. Uma detecção empírica de estratégias HFT. Este artigo detecta empiricamente a presença de estratégias de Negociação de Alta Freqüência a partir de dados públicos e examina seu impacto nos mercados financeiros. O objetivo é fornecer uma abordagem estruturada e estratégica para isolar o sinal do ruído em uma configuração de alta freqüência. A fim de comprovar a adequação da abordagem proposta, várias estratégias de HFT são avaliadas com base no seu impacto no mercado, desempenho e principais características. Papel Escolher uma medida de desempenho apropriada é importante para investidores de fundo, no entanto, muitos pesquisadores acham empiricamente que a escolha de medidas não importa, porque essas medidas geram ordenação de classificação idêntica , Embora a distribuição dos retornos do fundo não seja normal. Neste trabalho, certificamos suas descobertas comprovando a monotonicidade de várias medidas de desempenho amplamente utilizadas quando a distribuição é uma família de escala de localização. Os dados de retorno mensal do fundo mútuo de 1997 a 2015, juntamente com os resultados da simulação, colaboram com nossa prova. Uma medida adequada de desempenho de retorno ajustada ao risco para selecionar fundos de investimento é crucial para analistas financeiros e investidores. A taxa de Sharpe tornou-se uma medida padrão ajustando o retorno de um fundo por seu desvio padrão (Sharpe, 1966), no entanto, os profissionais questionam freqüentemente esta medida principalmente por sua invalidez se a distribuição dos retornos do fundo for além do normal. Kat, 2003 Gregoriou e Gueyie, 2003, Cavenaile, et al, 2011, Di Cesare, et al., 2014). Eling (2008) considera que a escolha de uma medida de desempenho não é crítica para a avaliação de fundos mútuos, Eling e Schuhmacher (2007) comparam a relação de Sharpe com 12 outras medidas Para hedge funds e concluem que a relação de Sharpe e outras medidas geram praticamente idêntico ordenamento, apesar dos desvios significativos em relação à distribuição normal. Uma avaliação semelhante inclui Eling e Faust (2010) sobre os fundos em mercados emergentes, Auer e Schuhmacher (2013) sobre fundos de hedge, e Auer (2015) sobre investimentos em commodities. Este artigo comprova que várias medidas de desempenho amplamente utilizadas são monotônicas se a distribuição de retornos de ativos for uma família de LS, uma família de distribuições de probabilidade univariada parametrizada por um local e uma escala de parâmetros não negativos que é comumente aplicada em finanças (Levy e Duchin, 2004). Nossa prova atesta os achados empíricos em outros estudos sobre a indiferença de escolher uma medida de desempenho ao valorizar um fundo. Mostramos que essas medidas geram praticamente a mesma classificação ordenada usando dados mensais de retorno de fundos mútuos de 1997 a 2005 e simulações de Monte-Carlo. Portanto, este trabalho contribui tanto para a academia como para a indústria ao esclarecer o fenômeno. Por exemplo, a figura abaixo representa a correlação e os intervalos de confiança com base em 2000 simulações para cada tamanho de amostra. Para simplificar, mostramos os resultados para Sharpe (1), Sharpe-Omega (2) e a razão Sortino (3) apenas. De acordo com o achado anterior, a correlação de rank entre essas medidas de desempenho é aproximadamente igual, e está se aproximando de uma com o aumento do tamanho da amostra. Pawel escreveu um grande artigo sobre a previsão de perdas pesadas e extremas em tempo real para os detentores da carteira, o objetivo é calcular a probabilidade de um evento muito raro (por exemplo, Uma perda pesada e / ou extrema) no mercado de negociação (por exemplo, uma ação despencando 5 ou muito mais) em um horizonte temporal especificado (por exemplo, no dia seguinte, em uma semana, em um mês etc.). A probabilidade. Não a certeza desse evento. Nesta Parte 1, primeiro, olhamos para o rabo de uma distribuição de retorno de ativos e comprimimos nosso conhecimento sobre Valor em Risco (VaR) para extrair a essência necessária para entender por que o VaR-material não é o melhor cartão em nosso baralho. Em seguida, passamos para um teorema de Bayes clássico que nos ajuda a derivar uma probabilidade condicional de um evento raro dado yep, outro evento que (hipoteticamente) terá lugar. Eventualmente, na Parte 2, atingiremos o touro entre seus olhos com um conceito avançado tirado da abordagem Bayesiana para estatísticas e mapear, em tempo real, para qualquer série de retorno suas probabilidades de perda. Mais uma vez, as probabilidades, não certezas. Trackback URI: Nota: O url de trackback vai expirar após 23:59:59 hoje eu escrevi um documento de trabalho sobre CDS (credit default swap) volatilidade de ações implícitas e encontrei alguns resultados interessantes. Postá-lo aqui apenas no caso de alguém está interessado. Tanto CDS quanto out-of-money opção de venda pode proteger os investidores contra o risco de queda, por isso eles estão relacionados, embora não mutuamente substituível. Este estudo fornece uma ligação direta entre o CDS corporativo e opção de capital por inferir a volatilidade de ações de spread CDS e, assim, permite uma analogia direta com a volatilidade implícita de preço de opção. Eu acho que a volatilidade inferida CDS (CIV) ea volatilidade implícita opção (OIV) são complementares, ambos contendo algumas informações que não é capturado pelo outro. A CIV domina a OIV na previsão da volatilidade futura do estoque. Além disso, uma estratégia de negociação com base nos spreads de reversão média CIV-OIV gera um retorno significativo ajustado ao risco. Esses achados complementam evidência empírica existente sobre análise de mercado cruzada. Trackback URI: Nota: O url de trackback expirará após 23:59:59 hoje Journal of Econometrics aceita vários artigos sobre preços de opção, alguns são bastante interessantes e representam os desenvolvimentos recentes deste campo. Eu listá-los aqui apenas no caso de você também está interessado. Na literatura atual, a traçabilidade analítica de modelos discretos de preços de opção de tempo é garantida somente para tipos de modelos e tipos de preços bastante específicos. Propomos uma estrutura de preços de opções muito geral e totalmente analítica, abrangendo uma ampla classe de modelos de tempo discretos com estrutura de componentes múltiplos em volatilidade e alavancagem e um kernel de preços flexível com múltiplos prémios de risco. Embora o quadro proposto seja suficientemente geral para incluir a volatilidade do tipo GARCH, a Volatilidade Realizada ou uma combinação dos dois, neste artigo focalizamos os modelos de preços de opções de volatilidade realizadas, estendendo o modelo HARG (Heterogeneous Autoregressive Gamma) de Corsi et al. (2012) para incorporar estruturas heterogêneas de alavancagem com múltiplas componentes, preservando ao mesmo tempo as soluções fechadas para os preços das opções. Aplicando o nosso modelo analíticamente tracável assimétrico HARG a uma grande amostra de opções de índice SP 500, demonstramos sua capacidade superior de preço out-of-the-money opções em comparação com benchmarks existentes. Preços de opções com escalabilidade não-Gaussiana e volatilidade de comutação de estado infinito O agrupamento de volatilidade, dependência de longo alcance e escalonamento não gaussiano são fatos estilizados da dinâmica de ativos financeiros. Eles são ignorados no quadro Black Scholes, mas têm um impacto relevante sobre o preço das opções escritas sobre ativos financeiros. Usando um modelo recente de dinâmica de mercado que capta adequadamente os fatos estilizados acima, derivamos equações de forma fechada para o preço de opção, obtendo o Black Scholes como um caso especial. Ao aplicar nossas equações de preços a um grande conjunto de dados de opções de índices de ações, mostramos que a inclusão de recursos estilizados na modelagem financeira move os preços de derivativos cerca de 30 mais próximos dos valores de mercado sem a necessidade de calibrar os parâmetros dos modelos sobre os preços de derivativos disponíveis. QuantInsti Quantitative Learning QuantInsti QI) é um dos pioneiros Asias Algorithmic Trading Research and Training Institute, focada na preparação de profissionais de mercado financeiro para o campo contemporâneo de Algorítmica e de Alta Frequência Trading. Com sede em Mumbai, com uma subsidiária em Cingapura, a QI foi fundada pela iRageCapital e uma equipe de Comerciantes Quantitativos e de Alta Frequência e especialistas em domínio dedicados a fornecer conhecimento prático para profissionais interessados em Algorithmic Trading. Programa Executivo em Negociação Algorítmica (EPAT TM) O EPAT TM é um curso de negociação algorítmica feito sob medida para pessoas que trabalham ou pretendem passar para a área de compra ou venda de negócios com foco em derivativos, negociação quantitativa, Tecnologia e gestão de riscos. O programa é construído em torno de um núcleo totalmente examinado de três módulos: Estatística 038 Econometria Algorítmica 038 Quantitative Trading Computação Financeira 038 Tecnologia O curso abrange todos os aspectos da teoria e prática de ferramentas, produtos e métodos quantitativos. O curso é um resultado da QuantInsti Faculdade s vários anos de experiência em negociação em mercados financeiros e perícia do domínio. Seu ambiente de aprendizagem abrangente, interativo e colaborativo torna altamente preferido entre os iniciantes, bem como os comerciantes experientes. Associação QuantInstis com a indústria incluem trocas, empresas de corretagem, empresas de comércio de prop, desenvolvedores de tecnologia, provedores de dados, plataformas de negociação algorítmica, empresas de comércio de alta freqüência, entre outros. A equipe de posicionamento na QuantInsti se esforça para preencher os requisitos em perfis relevantes, incluindo Quants Developer Trader Analista Programador e muitos outros perfis com os profissionais mais adequados e merecedores.
No comments:
Post a Comment