거래 시스템 수량

양적 거래.

'양적 거래'란 무엇인가?

양적 거래는 거래 기회를 파악하기 위해 수학 계산 및 번호 계산에 의존하는 정량 분석을 기반으로하는 거래 전략으로 구성됩니다. 양적 거래는 일반적으로 금융 기관 및 헤지 펀드에서 사용되므로 거래 규모가 대개 크며 수십만 주 및 기타 증권의 매매가 필요할 수 있습니다. 그러나 양적 거래는 개인 투자자들에 의해 보편적으로 사용되고 있습니다.

'수량 거래'를 깨고

양적 거래 기법에는 고주파 거래, 알고리즘 거래 및 통계적 재정 거래가 포함됩니다. 이러한 기술은 빠른 속도로 진행되며 일반적으로 단기 투자의 시야가 있습니다. 많은 양적 거래자는 이동 평균 및 발진기와 같은 정량적 도구에 더 익숙합니다.

양적 거래의 이해.

양적 거래자는 최신 기술, 수학 및 합리적인 거래 결정을 내리는 데 필요한 포괄적 인 데이터베이스를 이용할 수 있습니다.

양적 거래자는 거래 기법을 사용하여 수학을 사용하여 거래 모델을 만든 다음 모델을 과거 시장 데이터에 적용하는 컴퓨터 프로그램을 개발합니다. 그런 다음 모델을 다시 테스트하고 최적화합니다. 유리한 결과가 얻어지면 시스템은 실제 자본으로 실시간 시장에서 구현됩니다.

양적 거래 모델이 작동하는 방식은 비유를 사용하여 가장 잘 묘사 될 수 있습니다. 태양이 비치는 동안 기상 학자가 비가 내릴 확률이 90 %가 될 것이라는 기상 예보를 고려하십시오. 기상 학자는이 지역 전체의 센서로부터 기후 데이터를 수집하고 분석함으로써이 직관적이지 않은 결론을 도출합니다. 전산화 된 정량 분석은 데이터의 특정 패턴을 나타냅니다. 이러한 패턴을 역사적인 기후 데이터 (백 테스팅)에서 나타난 동일한 패턴과 비교하고 100 배 중 90 %가 비가되면 기상 학자는 결론을 확신 할 수 있으므로 90 % 예측을 이끌어 낼 수 있습니다. 양적 거래자는 이와 동일한 절차를 금융 시장에 적용하여 거래 의사 결정을 내립니다.

양적 거래의 장점과 단점.

거래의 목적은 수익성있는 거래를 실행할 최적의 확률을 계산하는 것입니다. 일반적인 거래자는 유입되는 데이터의 양이 의사 결정 프로세스를 압도하기 전에 제한된 수의 증권에 대해 효과적으로 모니터링, 분석 및 거래 의사 결정을 내릴 수 있습니다. 양적 거래 기법을 사용하면 컴퓨터를 사용하여 모니터링, 분석 및 거래 의사 결정을 자동화함으로써 이러한 한계가 드러납니다.

감정을 극복하는 것은 거래에서 가장 보편적 인 문제 중 하나입니다. 두려움이나 탐욕, 거래 할 때, 감정은 합리적 사고를 억 누르는 역할을합니다. 합리적인 사고는 대개 손실로 이어집니다. 컴퓨터와 수학은 감정을 가지고 있지 않으므로 양적 거래는이 문제를 해결합니다.

양적 거래에는 그 문제가 있습니다. 금융 시장은 존재하는 가장 역동적 인 실체의 일부입니다. 따라서 양적 거래 모델은 지속적으로 성공하기 위해서는 역동적이어야합니다. 많은 양적 거래자들은 시장 상황에 따라 일시적으로 수익을내는 모델을 개발하지만 시장 상황이 바뀌면 궁극적으로 실패합니다.

QuantStart.

빠르게 성장하는 소매점 퀀텀 트레이더 커뮤니티를 지원하는 Quantcademy 개인 회원 포털에 가입하십시오. 당신은 당신의 가장 중요한 퀀트 트레이딩 질문에 대답 할 준비가되어있는 지식이 풍부하고 마음이 맞는 퀀트 트레이더 그룹을 찾을 수 있습니다.

퀀트 트레이딩에 관한 나의 eBook을 확인해보십시오. 여기서 저는 파이썬 툴로 수익성 높은 체계적인 트레이딩 전략을 만드는 법을 가르쳐드립니다.

Python 및 R을 사용하여 시계열 분석, 기계 학습 및 베이지안 통계를 사용하는 고급 거래 전략에 관한 새로운 전자 책을 살펴보십시오.

Michael Halls-Moore (2013 년 3 월 26 일)

이 기사에서 나는 종단 간 양적 거래 시스템을 수반하는 몇 가지 기본 개념을 소개 할 것입니다. 이 게시물은 두 명의 독자를 대상으로합니다. 첫 번째는 양적 상인으로서 펀드에서 일자리를 구하려고하는 개인입니다. 두 번째는 자신의 "소매"알고리즘 트레이딩 비즈니스를 시도하려는 개인입니다.

양적 거래는 매우 정교한 퀀텀 파이낸싱 영역입니다. 인터뷰를 통과하거나 자신의 트레이딩 전략을 수립하는 데 필요한 지식을 얻으려면 상당한 시간이 걸릴 수 있습니다. 뿐만 아니라 MATLAB, R 또는 Python과 같은 언어에서는 광범위한 프로그래밍 전문 지식을 필요로합니다. 그러나 전략의 거래 빈도가 증가함에 따라 기술적 측면이보다 적절 해집니다. 따라서 C / C ++에 익숙해지는 것이 가장 중요합니다.

양적 거래 시스템은 네 가지 주요 구성 요소로 구성됩니다.

전략 식별 - 전략 수립, 모서리 활용 및 거래 빈도 결정 전략 Backtesting - 데이터 획득, 전략 성과 분석 및 편향 제거 Execution System - 중개인과의 연계, 거래 자동화 및 거래 비용 최소화 위험 관리 - 최적의 자본 배분, 베팅 사이즈 "/ 켈리 기준과 트레이딩 심리.

먼저 거래 전략을 식별하는 방법을 살펴 보겠습니다.

전략 식별.

모든 양적 거래 프로세스는 초기 연구 기간부터 시작됩니다. 이 연구 프로세스는 전략을 찾고, 전략이 실행중인 다른 전략의 포트폴리오에 맞는지 여부, 전략을 테스트하는 데 필요한 모든 데이터를 얻는 방법, 더 높은 수익 및 / 또는 위험을 낮추기위한 전략을 최적화하려는 경우를 포함합니다. 전략을 "소매상"상인으로 운영하고 거래 비용이 전략에 어떤 영향을 미치는지 알아 보려면 자본 요구 사항을 고려해야합니다.

일반적인 믿음과는 달리, 다양한 공개 소스를 통해 수익성있는 전략을 찾는 것은 실제로 매우 간단합니다. 학자들은 이론적 인 거래 결과를 정기적으로 발표합니다 (대부분 거래 비용의 총액 임). 양적 금융 블로그는 전략에 대해 자세히 논의 할 것입니다. 무역 저널은 기금이 사용하는 전략의 일부를 개괄 할 것입니다.

왜 개인과 기업이 수익성있는 전략에 대해 논의하고 싶어하는지 질문 할 수 있습니다. 특히 "거래를 복잡하게 만드는"다른 사람들이 전략이 장기적으로 작동하지 않을 수 있다는 것을 알고있을 때 그렇습니다. 그 이유는 그들이 수행 한 정확한 매개 변수와 튜닝 방법을 자주 논의하지 않는다는 사실에 있습니다. 이러한 최적화는 상대적으로 평범하지 않은 전략을 수익성이 높은 전략으로 전환시키는 열쇠입니다. 사실, 고유 한 전략을 수립하는 가장 좋은 방법 중 하나는 유사한 방법을 찾아 자신의 최적화 절차를 수행하는 것입니다.

다음은 전략 아이디어를 찾기 시작할 수있는 작은 목록입니다.

당신이 볼 전략의 대부분은 평균 - 복귀와 추세 - 추종 / 운동량의 범주에 속할 것입니다. 평균 회귀 전략은 "가격 시리즈"(예 : 두 개의 상호 연관된 자산 사이의 스프레드)에 대한 장기 평균이 존재한다는 사실과이 평균에서 단기간의 편차가 결국 회복 될 것이라는 사실을 악용하려는 전략입니다. 모멘텀 전략은 한 방향으로 기세를 모을 수있는 시장 추세에서 "타기를 히치 (hitching)"함으로써 투자자 심리와 대규모 펀드 구조를 모두 활용하고, 그 흐름이 뒤바뀔 때까지 추세를 따라 가려고합니다.

양적 거래의 또 다른 중요한 측면은 거래 전략의 빈도입니다. 저주파 거래 (LFT)는 일반적으로 거래일보다 긴 자산을 보유하는 모든 전략을 나타냅니다. 따라서 고주파 거래 (HFT)는 일반적으로 자산을 하루 동안 보유하는 전략을 나타냅니다. 초고주파수 거래 (UHFT)는 초 단위 및 밀리 초 단위로 자산을 보유하는 전략을 나타냅니다. 소매 실무자 인 HFT와 UHFT는 확실하게 가능하지만 거래 기술 스택 및 주문서 역학에 대한 자세한 지식이 있어야만 가능합니다. 이 소개 기사에서는 이러한 측면에 대해서는 크게 언급하지 않겠습니다.

일단 전략 또는 전략 세트가 확인되면 과거 데이터에 대한 수익성을 테스트해야합니다. 그것이 역 테스팅의 영역입니다.

전략 Backtesting.

역 테스팅의 목표는 위의 프로세스를 통해 확인 된 전략이 과거 및 현재 데이터 모두에 적용될 때 수익이된다는 증거를 제공하는 것입니다. 이것은 "현실 세계"에서 전략이 어떻게 수행 될지에 대한 기대치를 설정합니다. 그러나 백 테스트는 여러 가지 이유로 성공을 보장하는 것은 아닙니다. 가능한 한 많이 고려해야하고 제거해야하는 수많은 편향을 수반하기 때문에 아마도 양적 거래에서 가장 미묘한 영역 일 것입니다. look-ahead bias, 생존 바이어스, 최적화 바이어스 ( "data-snooping"바이어스라고도 함)를 포함한 일반적인 바이어스 유형에 대해 논의 할 것입니다. backtesting에서 중요한 다른 영역으로는 역사적인 데이터의 가용성과 청결성, 현실적인 거래 비용을 고려하고 강력한 백 테스팅 플랫폼을 결정하는 것 등이 있습니다. 아래의 실행 시스템 섹션에서 트랜잭션 비용에 대해 더 자세히 논의 할 것입니다.

일단 전략이 확인되면, 테스트를 수행하고, 아마도 정교화 할 수있는 과거 데이터를 얻는 것이 필요합니다. 모든 자산 클래스에 걸쳐 상당수의 데이터 공급 업체가 있습니다. 그들의 비용은 일반적으로 데이터의 품질, 깊이 및 적시성과 함께 확장됩니다. 퀀트 트레이더 시작에 대한 전통적인 출발점은 (적어도 소매 수준에서) 야후 파이낸스의 무료 데이터 세트를 사용하는 것입니다. 나는 공급자들에게 너무 많이 머물지 않을 것이다. 오히려 역사적인 데이터 세트를 다룰 때 일반적인 이슈에 집중하고 싶다.

과거 데이터의 주요 관심사는 정확성 / 청결성, 생존자 편향 및 배당금 및 주식 분할과 같은 기업 활동 조정을 포함합니다.

정확도는 오류가 있는지 여부에 관계없이 데이터의 전반적인 품질과 관련됩니다. 스파이크 필터와 같이 오류를 쉽게 식별 할 수 있습니다. 스파이크 필터는 시계열 데이터에서 잘못된 "스파이크"를 찾아서 수정합니다. 다른 시간에 그들은 발견하기가 매우 어려울 수 있습니다. 두 개 이상의 공급자가 있고 각 공급자의 데이터를 서로 점검해야하는 경우가 종종 있습니다. 생존자 편견은 종종 무료 또는 저렴한 데이터 세트의 "특징"입니다. 생존 편향이있는 데이터 세트는 더 이상 거래하지 않는 자산을 포함하지 않는다는 것을 의미합니다. 주식의 경우에는 상장 주식 / 파산 주식을 의미합니다. 이 편향은 그러한 데이터 세트에서 테스트 된 주식 거래 전략이 과거의 "승자"가 이미 선택되어 있기 때문에 "실제 세계"보다 더 잘 수행 될 것임을 의미합니다. 기업 활동에는 회사가 수행하는 "물류 (logistical)"활동이 포함되며 원가에 계단식 기능 변경이 발생하며 이는 가격 반환 계산에 포함되어서는 안됩니다. 배당금 및 주식 분할에 대한 조정이 일반적인 원인입니다. 이 작업들 각각에서 역 조정이라고 알려진 프로세스가 수행되어야합니다. 주식 분할과 실제 수익 조정을 혼동하지 않도록 매우주의해야합니다. 많은 상인이 기업 활동에 의해 포착되었습니다!

백 테스트 절차를 수행하려면 소프트웨어 플랫폼을 사용해야합니다. Tradestation과 같은 전용 백 테스트 소프트웨어, Excel 또는 MATLAB과 같은 수치 플랫폼 또는 Python 또는 C ++와 같은 프로그래밍 언어의 완전한 사용자 정의 구현 중에서 선택할 수 있습니다. Tradestation (또는 유사), Excel 또는 MATLAB에 너무 많이 머 무르지 않을 것입니다. 아래에서 설명하는 이유 때문에 전체 사내 기술 스택을 만드는 것으로 믿습니다. 그렇게하는 것의 이점 중 하나는 극단적 인 고급 통계 전략을 사용하여 백 테스트 소프트웨어 및 실행 시스템을 긴밀하게 통합 할 수 있다는 것입니다. 특히 HFT 전략의 경우 사용자 지정 구현을 사용하는 것이 필수적입니다.

시스템을 다시 테스트 할 때 성능을 얼마나 잘 측정 할 수 있어야합니다. 정량적 전략에 대한 "산업 표준"측정 기준은 최대 축소 및 Sharpe Ratio입니다. 최대 하락률은 특정 기간 (일반적으로 연간)에 걸친 계정 자기 자본 곡선에서 가장 큰 peak-to-trough 하락을 특징으로합니다. 이것은 가장 자주 백분율로 표시됩니다. LFT 전략은 여러 가지 통계적 요인으로 인해 HFT 전략보다 더 많은 축소를하는 경향이 있습니다. 역사적인 백 테스트는 향후 최대 수익 감소를 보여 주며, 이는 향후 전략의 수익 감소 효과를위한 좋은 가이드입니다. 두 번째 측정 값은 초과 수익률의 평균을 초과 수익률의 표준 편차로 나눈 값으로 경험적으로 정의되는 Sharpe Ratio입니다. 여기에서 초과 수익률은 S & P500이나 3 개월 재무부 법안과 같은 사전 결정된 벤치 마크 이상으로 전략이 복귀 한 것을 의미합니다. 연간 수익률은 전략의 변동성 (Sharpe Ratio와는 달리)을 고려하지 않았기 때문에 일반적으로 활용되는 척도가 아닙니다.

일단 전략이 다시 테스트되었고 좋은 샤프 (Sharpe)와 드로우 다운 (drawdown)을 최소화하면서 편견이없는 것으로 간주되면 실행 시스템을 구축 할 때입니다.

실행 시스템.

실행 시스템은 전략에 의해 생성 된 거래 목록이 브로커에 의해 보내지고 실행되는 수단입니다. 무역 세대가 반자동 또는 완전 자동화 될 수 있다는 사실에도 불구하고, 실행 메커니즘은 수동, 반 수동 (즉, "원 클릭") 또는 완전히 자동화 될 수있다. LFT 전략의 경우 수동 및 반 수동 기술이 일반적입니다. HFT 전략의 경우 전략 및 기술의 상호 의존성으로 인해 무역 발전기와 긴밀하게 결합되는 완전 자동화 된 실행 메커니즘을 만들어야합니다.

실행 시스템을 만들 때 중요한 고려 사항은 중개자와의 인터페이스, 트랜잭션 비용 (커미션, 미끄러짐 및 스프레드 포함) 최소화 및 테스트 된 성능에서 라이브 시스템 성능의 차이입니다.

중개 회사와 연결하는 데는 여러 가지 방법이 있습니다. 브로커를 전화로 바로 호출하여 완전히 자동화 된 고성능 API (Application Programming Interface)까지 다양합니다. 이상적으로는 거래 실행을 가능한 한 자동화하는 것이 좋습니다. 이것은 당신이 더 많은 연구에 집중할 수있게 해줄뿐만 아니라, 여러 전략이나 더 높은 빈도의 전략을 실행할 수있게 해줍니다. (사실 자동 실행이 없다면 HFT는 본질적으로 불가능합니다). MATLAB, Excel 및 Tradestation과 같은 일반적인 백 테스팅 소프트웨어는 주파수가 낮고 단순한 전략에 적합합니다. 그러나 실제 HFT를 수행하려면 C ++와 같은 고성능 언어로 작성된 사내 실행 시스템을 구축해야합니다. 일화로, 이전에 고용 된 펀드에서 10 분마다 새로운 시장 데이터를 다운로드 한 다음 동일한 시간대에 해당 정보를 기반으로 거래를 수행하는 10 분의 "거래 루프"가있었습니다. 이것은 최적화 된 Python 스크립트를 사용하고있었습니다. 분 또는 두 번째 주파수 데이터에 접근하는 것에 대해서는 C / C ++가 더 이상적이라고 생각합니다.

대규모 펀드에서는 실행을 최적화하기 위해 퀀트 트레이더의 영역이 아닌 경우가 많습니다. 그러나 소규모 상점이나 HFT 회사에서는 상인이 유언 집행자이므로보다 폭 넓은 스킬 셋이 바람직한 경우가 많습니다. 기금에 고용되기를 원한다면이를 명심하십시오. 프로그래밍 기술은 통계 및 계량 경제학의 재능만큼이나 중요합니다.

실행의 기치에 해당하는 또 다른 주요 쟁점은 트랜잭션 비용 최소화입니다. 일반적으로 거래 비용에는 세 가지 요소가 있습니다. 수수료 (또는 세금)는 중개 회사, 거래소 및 SEC (또는 유사한 정부 규제 기관)가 부과하는 수수료입니다. 미끄러짐은 주문을 채우려는 의도와 실제 채워진 것의 차이입니다. 스프레드는 거래되는 증권의 입찰가 / 물가 사이의 차이입니다. 스프레드는 일정하지 않으며 시장의 현재 유동성 (즉, 매수 / 매도 주문의 가용성)에 좌우된다는 점에 유의하십시오.

거래 비용은 좋은 Sharpe 비율의 극도로 수익성 높은 전략과 무시 무시한 Sharpe 비율의 극단적 인 수익성이 낮은 전략 간의 차이를 만들 수 있습니다. 백 테스트에서 거래 비용을 정확히 예측하는 것은 어려울 수 있습니다. 전략의 빈도에 따라 입찰 / 청문 가격에 대한 진드기 데이터가 포함 된 과거 거래 데이터에 액세스해야합니다. 이러한 이유로 콴트의 전체 팀은 대규모 펀드의 실행 최적화에 전념합니다. 펀드가 상당량의 거래를 오프 로딩해야하는 시나리오를 고려해보십시오 (그 이유는 다양합니다!). 너무 많은 주식을 시장에 "쏟아 버리면"그들은 가격을 급격히 떨어 뜨릴 것이고 최적의 실행을 얻지 못할 수도 있습니다. 따라서 시장에 "물방울을 떨어 뜨리는"명령이 존재하지만, 펀드는 미끄러질 위험이 있습니다. 더 나아가, 다른 전략들은 이러한 필수품을 "먹이"하며 비 효율성을 악용 할 수 있습니다. 이것은 펀드 구조 차익 거래의 영역입니다.

실행 시스템의 마지막 주요 문제는 전략 성능이 백 테스팅 된 성능과 다른 점입니다. 이것은 여러 가지 이유로 발생할 수 있습니다. 우리는 이미 백 테스트를 고려할 때 미리보기 바이어스와 최적화 바이어스에 대해 이미 논의했습니다. 그러나 일부 전략에서는 배포 전에이 편향 요소를 쉽게 테스트 할 수 없습니다. 이것은 HFT에서 가장 우세하게 발생합니다. 실행 시스템에는 버그가있을뿐만 아니라 백 트레이스에는 나타나지 않지만 라이브 거래에는 나타나지 않는 거래 전략 자체가있을 수 있습니다. 시장은 전략을 전개 한 후에 체제 변화의 대상이되었을 수 있습니다. 새로운 규제 환경, 변화하는 투자 심리 및 거시 경제 현상은 시장이 어떻게 행동하고 따라서 전략의 수익성이 다른가로 이어질 수 있습니다.

위기 관리.

양적 교역 수수께끼의 마지막 부분은 위험 관리의 과정입니다. '위험'에는 앞에서 언급 한 모든 편견이 포함됩니다. 갑자기 하드 디스크 오작동을 일으키는 교환기에 함께있는 서버와 같은 기술 위험이 포함됩니다. 브로커가 파산하는 것과 같은 브로커 리스크 위험을 포함합니다 (MF Global과 최근의 공포를 감안할 때 미친 것처럼 보이지 않습니다!). 간단히 말해서 그것은 거래 구현을 방해 할 수있는 거의 모든 것을 다루고 있으며, 그 중 많은 소스가 있습니다. 전체 책은 양적 전략을위한 리스크 관리에 전념하기 때문에 모든 가능한 위험 원천을 여기에서 밝히지는 않을 것입니다.

리스크 관리는 포트폴리오 이론의 한 부분 인 최적 자본 배분 (optimal capital allocation)으로도 알려져 있습니다. 이것은 자본이 일련의 상이한 전략과 그 전략 내의 거래에 배분되는 수단이다. 그것은 복잡한 영역이며 일부 사소한 수학에 의존합니다. 최적의 자본 배분과 전략의 영향력이 관련되는 산업 표준을 켈리 기준이라고합니다. 이 글은 소개 글이므로, 나는 계산에 머 무르지 않을 것이다. Kelly 기준은 수익률의 통계적 특성에 대해 몇 가지 가정을합니다. 이는 금융 시장에서 종종 유효하지 않기 때문에 거래자는 구현 측면에서 보수적 인 경우가 많습니다.

위험 관리의 또 다른 주요 구성 요소는 자신의 심리적 프로파일을 다루는 것입니다. 거래로 들어가는 많은인지 적 편견이 있습니다. 전략이 혼자 남겨지면 이것은 알고리즘 거래와 관련하여 문제가 될 수 있습니다. 일반적인 편견은 상실감을 느끼는 고통 때문에 손실 위치가 닫히지 않는 손실 혐오감입니다. 마찬가지로 이미 이익을 잃는 것에 대한 두려움이 너무 클 수 있기 때문에 이익을 너무 일찍받을 수 있습니다. 또 다른 공통 바이어스는 최신 성 (recency) 바이어스로 알려져 있습니다. 이는 상인이 장기적인 관점이 아니라 최근의 사건에 지나치게 강조 할 때 나타납니다. 물론 두려움과 탐욕의 정서적 편향이 있습니다. 이는 종종 과소 또는 과잉 레버 리징으로 이어질 수 있으며, 이로 인해 파산 (즉, 계정 자본이 0 또는 그 이하가 됨) 또는 수익 감소가 발생할 수 있습니다.

이해할 수 있듯이 양적 거래는 매우 복잡하지만 매우 흥미로운 양적 금융 분야입니다. 나는이 기사에서 문자 그대로 표면을 긁어 냈으며 이미 오랜 시간이 걸리고 있습니다! 전체 책과 논문은 제가 한두 문장 밖에 쓰지 않은 쟁점에 관해 쓰여졌습니다. 따라서 양적 펀드 거래를 신청하기 전에 상당한 양의 기초 연구를 수행해야합니다. 최소한 MATLAB, Python 또는 R과 같은 프로그래밍 언어를 통해 구현 경험이 풍부한 통계 및 계량 경제학에 대한 광범위한 배경 지식이 필요합니다. 보다 높은 수준의 주파수에서보다 정교한 전략을 사용하려면 기술 설정이 가능할 것입니다 Linux 커널 수정, C / C ++, 어셈블리 프로그래밍 및 네트워크 대기 시간 최적화를 포함합니다.

자신의 알고리즘 트레이딩 전략을 만드는 데 관심이 있다면 먼저 프로그래밍을 잘하는 것이 좋습니다. 필자가 선호하는 것은 가능한 한 많은 데이터 수집기, 전략 백 테스터 및 실행 시스템을 가능한 한 많이 구축하는 것입니다. 자신의 수도가 라인에 있다면, 당신이 당신의 시스템을 완벽하게 테스트하고 그 함정과 특별한 이슈를 알고 있다는 것을 알면서 밤에는 잘 자지 않겠습니까? 장기간에 걸쳐 시간을 절약 할 수는 있지만 공급 업체에 아웃소싱하는 것은 장기적으로 매우 비쌀 수 있습니다.

양적 거래 시작하기?

QuantStart 목록을 구독해야하는 3 가지 이유 :

1. 퀀트 트레이딩 레슨.

계량 거래를 시작하는 데 도움이되는 힌트와 팁으로 가득한 무료 10 일간 코스에 즉시 액세스 할 수 있습니다!

2. 모든 최신 내용.

매주 나는 퀀트 스타트에서 모든 활동의 포장을 보내드릴 것입니다. 그래서 당신은 결코 다시 글을 놓치지 않을 것입니다.

현실감 넘치는 퀀 트레이딩 팁.

무역 시스템.

무역 시스템.

RQ에서 우리는 양적 및 알고리즘 거래 시스템의 개발, 구현 및 모니터링에 중점을 둡니다. 전자 금융 시장에서 "퀀트 (quant)"및 "알 고 (algo)"거래는 컴퓨터 프로그램을 사용하여 거래 전략을 체계적으로 적용하는 것으로 정의됩니다. 우리의 모델은 포괄적이고 엄격한 연구를 활용하여 상인, 전략가 및 프로그래머로 구성된 시장 전문가의 직원에 의해 개발됩니다. RQ의 접근 방식은 인간의 실수에 영향을 미치는 다른 요소 이외에 감정, 무관심, 열정, 욕심 및 / 또는 공포에 의해 유도 된 거래 결정을 제거하거나 완화하는 것입니다. 거래 시스템을 평가하려면 전략과 리스크 관리를 이해해야합니다. 또한 개발자에 관해 가능한 한 많이 배워야합니다. RQ에서 우리는 일대일로 우리를 알기를 진심으로 환영하며 격려합니다.

RQ iNewton.

다수 시장 동력의 맞은 편에 무역 자동화.

RQ iNewton은 현재까지 가장 최신의 자동 거래 시스템입니다. 양적 모델은 스윙 거래뿐만 아니라 당일 거래를 위해 설계되었습니다. 특징에는 intermarket 상관 분석, 세 모션 필터 및 다중 출구 전략이 포함됩니다. 엔트리는 강세 탈출과 가격 행동의 약세를 기반으로합니다. 여러 출구 전략을 통해 거래자는 단기간의 이익을 얻거나 추세를 유지할 수 있습니다. 자금 관리 기능에는 주식 실행 및 인하에 대한 주식 거래 중지가 포함됩니다. 차트에있는 여러 개의 작업 버튼을 사용하여 무역 자동화, 상호 간 상관 관계, 모션, 단편 전용, 단락 전용 및 구매 및 판매 버튼을 비롯하여 무역 자동화를 신속하게 활성화 또는 비활성화 할 수 있습니다.

RQ 아인슈타인 III.

다양한 자산 클래스에 걸친 고성능 트레이딩 전략.

RQ Einstein III는 단기 투자 기회의 착취와 같은 특정 과제를 위해 고안된 양적 자동화 모델입니다. 전략의 핵심에는 시장의 잠재적 핵심 가격 수준을 예측하고 검색 할 수 있도록 설계된 미래 지향적 인 알고리즘을 갖춘 RQ 독점 코드가 있습니다. 초점은 이러한 위험 수준에서 변동성과 관련된 기회주의 기회를 창출합니다. 따라서 알파 모델이므로 여러 자산 클래스에 적용 할 때 가장 효과적입니다.

무역 지표.

제도적 거래 활동에 초점을 맞춘 양적 모델.

RQ Tech의 여러 기능은 시장이 혼란에 빠졌을 때 적극적인 거래자가 명확성을 확보 할 수 있도록 설계되었습니다. DMS의 독점적 인 동적 시장 심리 지표는 리스크 온 및 리스크 오프 상관 관계를 실시간으로 정량적으로 식별합니다. 익스트림 (Nextreme) 속도 표시기는 시장 모멘텀이 발전하고있는 곳을 파악하여 공격적인 가격 행동을 취하는 시장을 선택하는 데 도움이됩니다. 캐리 트레이드 및 FX 플로우 지표는 또한 기관 회전 흐름을 파악하는 데 유용합니다.

Over Over 및 Retracement Markers 이상 구입.

RQ OBOS-R 마커는 단기간의 과다 매입 또는 과다 매도 상태와 최근 가격 행동으로 인한 잠재적 인 수익률을 나타냅니다. 과도하게 구입 한 마커는 가격 막대 위에 노란색으로 표시됩니다. 판매되지 않은 마커는 가격 표시 줄 아래에 노란색으로 표시됩니다. Retracement 마커는 빨간색으로 표시되며, 최근 집회에서는 막대 위에 표시되고 최근 판매가 끝나면 막대 아래에서 녹색으로 표시됩니다.

임의의 거래자를 돕기 위해 만들어진 체계적인 접근법.

포괄적 인 지표 패키지 인 GnosTICK는 위험을 통제하면서 시장에서 이익을 얻는 혁신적인 방법을 거래자에게 제공 할 수 있도록 설계되었습니다. 개념, 방법 및 도구는 이해하기 쉬운 단계별 형식으로 요약되어 있습니다. GnosTICK의 시장 거래 방법론은 확률에 기반을두고 있으며, 객관적인 점은 승률을 유지하는 것입니다. 정확한 논리는 GnosTICK 알고리즘을 구동하는 지식과 절차를 이해하는 데 필요한 모든 필수 규칙으로 나타납니다.

자동 거래 실행.

Advanz Auto4X.

거래 실행 자동화.

Advanz Auto4X ™ 플랫폼은 TradeStation® 전략 신호를 가져 와서 여러 개의 지주 회사에 실행을 자동화합니다. 복잡한 기관 거래 부서의 요구를 충족시키기 위해 강력하고 유연하며 정확하도록 설계되었습니다. 그것은 또한 개인 상인을 위해 간단하고 효율적으로 설계되었습니다. Advanz Auto4X ™는 거래에 사용할 수있는 Forex 교차의 일부 또는 전체에 대해 여러 가지 시간 프레임에서 작업하는 여러 가지 전략 실행을 지원합니다. 연결성 : Currenex (CMS, PFG, Marex, London Capital, GFT, FCStone, ADM, Baxter FX, FXDD, Man Financial, ODL, NewEdge, BGC / Cantor 등) Oanda, Lava, Hotspot, FXAll, CAX , FIXI, DBFX, FXInside (Integral), MB 트레이딩, 인터랙티브 브로커, GAIN, Forex 및 FXCM.

Advanz Auto Route.

무역 집행의 질을 향상시킵니다.

오늘날의 시장에서 최고 품질의 실행은 최고의 시스템 성능에 필요한 최첨단 일 수 있습니다. 스마트 주문 라우팅 기능이있는 Advanz Auto4X는 고주파, 헤지 (hedging), 이벤트 주도 (event-driven) 및 기회 주의적 거래와 같은 특정 요구에 맞는 맞춤식 전략을 제공합니다. 여러 청산 회사에서 여러 전략을 설정할 수 있습니다. 최적의 매수를 얻기 위해 거래 신호를 여러 청산 회사의 최적의 매수 / 제안 가격에 전달할 수 있습니다.

내부자를 만나십시오. RQ 팀은 복잡하고 다양한 아이디어를 작업 거래 및 투자 전략 및 시스템에 병합하여 수년간 함께 작업 해 왔습니다.

현명한 투자자를위한 자동화 된 거래 시스템.

주식, ETF & amp; # 038; 선물 알고리즘 거래 전략.

표제가 주도하는 세계에서, 슈퍼 패스트리즘 알고리즘 거래 컴퓨터로 누군가가 소문, 사실 또는 속보에 반응 할 수있는 것보다 빠르게 주문을 내뱉는다면, 상인이나 투자자는 무엇을 할 수 있습니까?

AlgoTrades Algorithmic Trading Strategies와 같은 체계적이고 규율있는 전략에 투자하십시오. 6 개월의 롤링 시간 간격에 기초하여 우리의 알고리즘 트레이딩 시스템은 풀백 및 멀티 년 곰 시장에서 주식 시장과 강한 부정적 상관 관계를 보여주었습니다. *** 즉, 주어진 6 개월 동안 우리 거래 주식 시장이 하락할 때 시스템은 거래 계좌를 성장시키는 경향이 있습니다. S & amp; P500 지수, Dax 지수, 개별 주식 및 이벤트 변동성 지수와 같은 다양한 시장에서 동향을 파악하기위한 알고리즘을 구축했습니다. 선물, 교환 거래 형 펀드 (ETF) 또는 주식을 사용하면 매월 주식 시장 순환을 최대한 활용할 수 있습니다. 우리의 알고리즘 거래 시스템을 사용하면 당신을 위해 최선의 자동화 된 거래 시스템을 갖추고 있음을 확신 할 수 있습니다. *