Estratégias de negociação do tempo

Market Futures: Introdução aos Derivados do Tempo.
Mesmo em nossa sociedade avançada baseada em tecnologia, ainda vivemos em grande parte à mercê do clima. Ela influencia nossas vidas e escolhas diárias e tem um enorme impacto nas receitas e lucros corporativos. Até recentemente, havia poucas ferramentas financeiras que ofereciam proteção das empresas contra os riscos relacionados com o clima. No entanto, o início do derivado do clima - ao fazer o clima uma mercadoria negociável - mudou tudo isso. Aqui, observamos como o derivado climático foi criado, como ele difere do seguro e como ele funciona como um instrumento financeiro.
Estima-se que quase 20% da economia dos EUA seja diretamente afetada pelo clima e que a rentabilidade e as receitas de praticamente todas as indústrias - agricultura, energia, entretenimento, construção, viagens e outros - dependem em grande medida dos caprichos de temperatura. Em um depoimento de 1998 ao Congresso, o ex-secretário de comércio, William Daley, afirmou: "O tempo não é apenas uma questão ambiental, é um fator econômico importante. Pelo menos US $ 1 trilhão de nossa economia é sensível ao clima".
Os riscos que as empresas enfrentam devido ao clima são algo únicos. As condições meteorológicas tendem a afetar o volume e o uso mais do que afetam diretamente o preço. Um inverno excepcionalmente quente, por exemplo, pode deixar as empresas de energia e energia com excesso de petróleo ou gás natural (porque as pessoas precisam de menos para aquecer suas casas). Ou, um verão excepcionalmente frio pode deixar os assentos de hotel e de avião vazios. Embora os preços possam mudar um pouco como consequência de uma demanda excepcionalmente alta ou baixa, os ajustes de preço não compensam necessariamente as receitas perdidas resultantes de temperaturas excessivas.
Finalmente, o risco climático também é único, pois é altamente localizado, não pode ser controlado e, apesar dos grandes avanços na ciência meteorológica, ainda não pode ser previsto de forma precisa e consistente.
Temperatura como uma mercadoria.
Até recentemente, o seguro tem sido a principal ferramenta usada pelas empresas para proteção contra condições climáticas inesperadas. Mas o seguro oferece proteção apenas contra danos catastróficos. O seguro não faz nada para se proteger contra a demanda reduzida que as empresas experimentam como resultado do clima mais quente ou frio do que o esperado.
No final da década de 1990, as pessoas começaram a perceber que, se quantificassem e indexassem o clima em termos de temperaturas médias mensais ou sazonais, e anexavam um valor em dólares para cada valor do índice, eles poderiam, em um sentido, "pacote" e clima comercial. Na verdade, esse tipo de negociação seria comparável à negociação dos valores variáveis ​​de índices de ações, moedas, taxas de juros e commodities agrícolas. O conceito de clima como mercadoria comercializável, portanto, começou a tomar forma.
"Em contraste com as várias perspectivas fornecidas pelo governo e as previsões independentes, o comércio de derivativos meteorológicos proporcionou aos participantes do mercado uma visão quantificável dessas perspectivas", observou Agbeli Ameko, gerente da empresa de energia e previsão EnerCast.
Em 1997, ocorreu o primeiro comércio de derivadas meteorológicas de balcão (OTC), e surgiu o campo de gestão do risco climático. De acordo com Valerie Cooper, ex-diretora executiva da Weather Risk Management Association, um setor de derivativos meteorológicos de US $ 8 bilhões se desenvolveu dentro de alguns anos após sua criação.
Em contraste com o seguro meteorológico.
Em geral, os derivados climáticos cobrem eventos de baixo risco e alta probabilidade. O seguro meteorológico, por outro lado, geralmente cobre eventos de alto risco e baixa probabilidade, conforme definido em uma política altamente personalizada ou personalizada. Por exemplo, uma empresa pode usar um derivado climático para se proteger contra um inverno que os meteorologistas acham que será 5 ° F mais quente do que a média histórica (um evento de baixo risco e probabilidade elevada). Neste caso, a empresa sabe que suas receitas serão afetadas por esse tipo de clima. Mas a mesma empresa provavelmente compraria uma apólice de seguro para proteção contra danos causados ​​por uma inundação ou furacão (eventos de alto risco e baixa probabilidade).
CME Weather Futures e Options on Futures.
Em 1999, a Chicago Mercantile Exchange (CME) levou os derivados do tempo a um passo adiante e introduziu futuros e futuros cambiais negociados em futuros - os primeiros produtos desse tipo. Os derivados do tempo OTC são negociados de forma privada, acordos individualizados entre duas partes. Mas os futuros do clima da CME e as opções sobre futuros são contratos padronizados negociados publicamente no mercado aberto em um ambiente eletrônico de leilões, com negociação contínua de preços e transparência de preços completa.
Em termos gerais, os futuros do clima da CME e as opções sobre futuros são derivados negociados em bolsa que - por meio de índices específicos - refletem temperaturas médias mensais e sazonais de 15 Estados Unidos e cinco cidades européias. Esses derivativos são contratos juridicamente vinculantes entre duas partes e liquidados em dinheiro. Cada contrato é baseado no valor final do índice mensal ou sazonal que é determinado pela Earth Satellite (EarthSat) Corp, uma empresa internacional especializada em tecnologias de informação geográfica. Outras empresas meteorológicas europeias determinam valores para os contratos europeus. O EarthSat trabalha com dados de temperatura fornecidos pelo Centro Nacional de Dados Climáticos (NCDC), e os dados fornecidos são amplamente utilizados em todo o setor de derivativos meteorológicos de balcão, bem como pela CME.
Figura 1 - Tabela de derivativos meteorológicos que cotou os preços dos contratos de maio de 2005. Fonte: Chicago Mercantile Exchange's Weather-i ™.
Os contratos meteorológicos em cidades dos EUA para os meses de inverno estão vinculados a um índice de dias de grau de aquecimento (HDD). Esses valores representam temperaturas para os dias nos quais a energia é usada para aquecimento. Os contratos para as cidades dos EUA nos meses de verão estão orientados para um índice de dias de grau de resfriamento (CDD), que representam temperaturas durante dias em que a energia é usada para o ar condicionado. Os valores HDD e CDD são calculados de acordo com quantos graus a temperatura média do dia varia de uma linha de base de 65 ° Fahrenheit. (A temperatura média do dia é baseada na temperatura máxima e mínima da meia-noite à meia-noite).
Medindo os valores diários do índice.
Um valor de HDD é igual ao número de graus que a temperatura média do dia é inferior a 65 ° F. Por exemplo, a temperatura média de um dia de 40 ° F lhe daria um valor de HDD de 25 (65 - 40). Se a temperatura excedesse 65 ° F, o valor da HDD seria zero. Isso ocorre porque, em teoria, normalmente não haveria necessidade de aquecimento em um dia mais quente do que 65 °.
Figura 2 - Tabela que resume as temperaturas médias diárias e a HDD correspondente e seu impacto no contrato relevante.
Um valor CDD é igual ao número de graus, uma temperatura diária média superior a 65 ° F. Por exemplo, a temperatura média de um dia de 80 ° F lhe daria um valor CDD diário de 15 (80 - 65). Se a temperatura fosse inferior a 65 ° F, o valor do CDD seria zero. Mais uma vez, lembre-se que, teoricamente, normalmente não haveria necessidade de ar condicionado se a temperatura fosse inferior a 65 ° F.
Para as cidades europeias, os futuros climáticos da CME para os meses de HDD são calculados de acordo com o quanto a temperatura média do dia é inferior a 18 ° Celsius. No entanto, os futuros do clima da CME para os meses de verão nas cidades europeias baseiam-se não no índice CDD, mas em um índice de temperaturas acumuladas, a temperatura média cumulativa (CAT).
Medindo os valores mensais do índice.
Um valor de índice de HDD ou CDD mensal é simplesmente a soma de todo o HDD diário ou valor de CDD registrado nesse mês. E os valores sazonais de HDD e CDD, portanto, são simplesmente valores acumulados para os meses de inverno ou verão. Por exemplo, se houvesse 10 valores diários de HDD gravados em novembro de 2004 em Chicago, o índice HDD de novembro seria a soma dos 10 valores diários. Assim, se os valores de HDD para o mês fossem 25, 15, 20, 25, 18, 22, 20, 19, 21 e 23, o valor do índice HDD mensal seria de 208.
O valor de um contrato de futuros do clima da CME é determinado pela multiplicação do valor de HDD ou CDD mensal em US $ 20. No exemplo acima, o contrato meteorológico da CME em novembro seria de $ 4.160 ($ 20 x 208 = $ 4.160).
Os atuais usuários de futuros sobre clima são principalmente empresas de energia em negócios relacionados à energia. No entanto, há uma crescente conscientização e sinais de crescimento potencial no comércio de futuros climáticos entre empresas agrícolas, restaurantes e empresas envolvidas em turismo e viagens. Muitos comerciantes de derivativos meteorológicos OTC também comercializam os futuros do tempo de CME para fins de cobertura de suas operações de balcão.
As vantagens desses produtos estão se tornando cada vez mais conhecidas: o volume de negócios dos futuros do tempo da CME em 2003 caiu praticamente em relação ao ano anterior, totalizando cerca de US $ 1,6 bilhão em valor nocional e a dinâmica deste volume continua a aumentar.
(Para mais informações sobre os produtos CME Weather, acesse seu site, que também oferece links para empresas e agências de pesquisa relacionadas ao clima).

Como você troca o tempo?
O clima afeta nossas vidas diárias e grandes empresas, apresentando benefícios e riscos significativos com base na variabilidade de fatores climáticos como temperatura, vento, precipitação, queda de neve, etc. CME cita o impacto climático como "representando US $ 5,3 bilhões do PIB de US $ 16 trilhões", ou seja mais de 30% do PIB depende do tempo. Os derivados do tempo ganharam uma enorme popularidade para mitigar os riscos emergentes desses fatores climáticos.
Este artigo discute o uso de derivativos climáticos, como eles são diferentes dos derivados de commodities associados, como funcionam os diversos derivativos climáticos e quem são os principais participantes na esfera derivativa do tempo.
Uso de derivados do tempo.
Os seguintes cenários indicam o uso de derivadas meteorológicas:
As empresas de energia podem entrar em derivativos do tempo para eliminar os riscos de temperaturas variáveis, levando a uma demanda e oferta incertas para seus negócios de energia, utilidade e energia. Para eliminar o risco de produção agrícola pobre devido ao mau tempo, as empresas agrícolas podem entrar em contratos de derivativos que incluem casos de chuvas intensas ou baixas chuvas, condições adversas de temperatura ou impactos de ventos fortes ou queda de neve. Cobertura por organizações de gerenciamento de eventos - como empresas organizadoras de esportes, empresas de turismo e viagens ou parques temáticos ao ar livre - para mitigar os impactos negativos da chuva em seus negócios de eventos. As companhias de seguros, os hedge funds e até mesmo os governos negociam derivados do clima, para fins de hedge. Especuladores, arbitragers e marketmakers vão para apostas especulativas ou oportunidades de arbitragem nas condições climáticas.
As empresas de serviços públicos, energia e energia são os maiores players do mercado de derivados do tempo.
Exemplo de derivados do tempo e como eles funcionam.
Os derivados do tempo foram introduzidos em meados da década de 1990 como produtos OTC entre duas partes individuais, principalmente como cláusulas condicionais (como se a temperatura excedesse os graus 'Z'), uma das partes ofereceria outro desconto de dólares 'Y' no acordo deles. Eles logo se tornaram populares o suficiente para serem incluídos nas trocas como futuros, opções, swaps e opções facilmente negociáveis ​​em contratos de futuros. Atualmente, a CME oferece derivados meteorológicos específicos para locais - cidades dos EUA como Des Moines ou Las Vegas e cidades globais na Europa e na Ásia - para produtos específicos de temperatura. Os derivados do tempo quantificam o quanto a temperatura varia de média mensal ou sazonal em uma cidade / região designada. As variações são dimensionadas para índices ponderados em dólar, permitindo um valor quantificado em dólares para variações de temperatura. Os contratos estão ligados ao índice de dias de grau de aquecimento (HDD) e dias de grau de resfriamento (CDD) com base no limiar de temperatura ajustada de 65 ° F nos EUA (18 ° C na Europa). Esses valores indicam o quantum de recursos disponíveis necessários para aquecimento ou resfriamento. Se a temperatura for inferior a este limiar para dizer 35 ° F indicando o requisito de aquecimento, o valor do HDD é 30 (65-35) e o valor CDD é zero, pois não é necessário arrefecimento. Para uma temperatura acima deste limite de 65 ° F, digamos a 85 ° F, o HDD será zero, pois não é necessário aquecimento, enquanto o valor CDD será de 20 (85-65). Cada contrato é avaliado por cada dia (ou mês) multiplicando o valor de HDD ou CDD por US $ 20. Para o primeiro caso (HDD = 30 e CDD = 0), o valor do contrato de HDD será de $ 600 e o CDD será zero. Para o segundo caso (HDD = 0 e CDD = 20), o valor do contrato de HDD será zero e o contrato de CDD será de $ 400. Usando o mecanismo acima, pode-se tomar posições comerciais adequadas para atenuar os riscos específicos de temperatura, conforme percebidos para seus respectivos negócios.
Tempo vs. Derivados de produtos básicos.
Um ponto importante que diferencia os utilitários / derivativos de commodities (energia, eletricidade, agricultura) e os derivados do tempo é que o primeiro conjunto permite a cobertura no preço com base em um volume específico, enquanto o último oferece cobertura para a utilização real ou o rendimento, independente do volume. Por exemplo, pode-se bloquear o preço de X barris de petróleo bruto ou X bushels de milho, comprando futuros de petróleo ou futuros de milho, respectivamente. Mas entrar em derivativos do tempo permite proteger o risco geral de rendimento e utilização. A temperatura abaixo de 10 graus irá resultar em danos completos à cultura do trigo; A chuva nos fins de semana em Las Vegas afetará os passeios pela cidade. Portanto, uma combinação de produtos meteorológicos e derivados de commodities é melhor para mitigação geral de riscos.
The Bottom Line.
O mercado de derivativos climáticos cresceu globalmente com grandes investimentos provenientes de vários participantes. Os instrumentos meteorológicos permitem um meio útil para mitigar os riscos das condições específicas do tempo. Dependendo das necessidades, derivativos meteorológicos específicos ou uma combinação equilibrada de tempo e derivados tradicionais de commodities, podem ser utilizados para cobertura.

Estratégias de negociação do tempo
Um artigo, "Good Day Sunshine: Retorno de Ações e o Tempo", correlaciona o sol dos dias com as mudanças no preço das ações. A teoria é que o sol aumenta o humor das pessoas e o bom humor melhora as perspectivas das pessoas no mercado. O artigo conclui que "a luz do sol está significativamente correlacionada com os retornos diários de estoque. Depois de controlar a luz do sol, outras condições climáticas, como chuva e neve, não estão relacionadas aos retornos. Eu pensei que isso era interessante, então tentei reproduzir os resultados.
Embora o documento analise muitos locais diferentes, eu apenas olhei para a cidade de Nova York. Eu obtive previsões meteorológicas para o próximo dia a partir de um feed do Twitter para tentar minimizar o viés avançado. Depois que eu tive meus dados, organizei-os em um arquivo. csv para que eu pudesse usá-los no meu algoritmo. O próprio algoritmo é simples: se o próximo dia vai ser ensolarado ou geralmente ensolarado, isso vai longo. Caso contrário, fica curto. Sempre compra ou vende a maior parte possível, dado o caixa ou posições atuais.
Esta estratégia funciona bem usando o S & P 500, particularmente em relação ao benchmark por volta de 08-09. Eu tenho curiosidade para ver se há algum padrão notável nos títulos que melhoram ou pior nessa estratégia, pois talvez os comerciantes de certas ações sejam mais ou menos afetados pelo sol.
Se você estiver interessado em usar um histórico de clima diferente, você pode ver aqui. Com um algoritmo que usa dados de uma fonte como essa, no entanto, você precisa garantir que a mudança de horário esteja correta, de modo que o clima certo afete o dia certo da negociação. Do mesmo modo, note que haveria um ligeiro preconceito, pois você usaria as condições meteorológicas reais, e não previstas.
Sinta-se à vontade para copiar o algoritmo clicando em Clonar abaixo. Você pode tentar diferentes ações contra o tempo de Nova York, ou você pode adicionar diferentes fontes meteorológicas que você encontra.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Eu ajustei seu algoritmo para comprar / vender aleatoriamente, em vez de usar o clima histórico. O clima pode ser um indicador útil, mas para o seu exemplo, talvez seja apenas uma entrada binária aleatória que resulte em evitar a recessão 2008-2009.
Eu apenas basto isso no papel. Isso foi muito mais extenso do que isso, e encontrou clima e o mercado altamente correlacionados. É improvável que a suposta correlação seja resultado da aleatoriedade da grande amostra utilizada pelos autores. Se o meu teste foi bem sucedido ou não com base na sorte é impossível de dizer, e pode-se dizer isso sobre muitos backtests. Tudo o que eu digo é que eu posso reproduzir os resultados, o que parece interessante.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian. Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Ao mexer em torno de mim, descobri que a desaceleração de 2008-09 pode resultar no que parece um algoritmo vencedor. Eu estou querendo saber se o efeito pode estar em jogo no seu algoritmo, uma vez que parece que o seu retorno acompanha o mercado uma vez que a crise diminui.
Sim, esses curtos backtests de dados diários podem facilmente caber para evitar a crise financeira. Parte da alegria do backtesting!
O Renascimento determinou isso com NYC, Greenich e onde eles estão localizados como suas áreas de teste. Eles lançaram a informação porque, após os custos de transação, não mostrou o suficiente de um ganho. É falado em "Mais dinheiro do que Deus".
Em geral, acho que comparar os retornos globais com uma marca de benchmark em qualquer período de tempo pode ser enganador. Então, está olhando apenas retornos de 1,3,5 e 10 anos.
Eu prefiro comparar o & quot; trailing & quot; Retornos de 6 meses ou 1 ano para todo o período de backtesting e seu desempenho relativo para o benchmark.
Também estou interessado em classificar esses períodos em períodos baixos e superiores e entender quão consistentemente o modelo supera o benchmark em períodos baixos (perde menos do que o benchmark) e com a consistência com que ele atende ou supera o benchmark em anos ascendentes.
Eu estou falando sobre os períodos de aumento / queda separadamente porque, em geral, os modelos quant consideram que vencer um mercado é bastante diferente de evitar / proteger um mercado em baixa.
Eu adoraria ver alguns desses números no resumo do backtest.
Outro documento para aqueles que estão interessados. Eu duvido da aleatoriedade.
Desculpe, algo deu errado. Tente novamente ou contate-nos enviando comentários.
Você enviou um ticket de suporte com sucesso.
Nossa equipe de suporte estará em contato em breve.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.

Faça login em sua conta.
Senha Redefinir Link Enviado.
Um link de redefinição de senha foi enviado por e-mail. O link de redefinição de senha é válido para os próximos 30 minutos. Se você não receber este e-mail, entre em contato conosco através de participantscantorexchange ou ligue para +1 (877) 300-4555.
Obter proteção contra o tempo que você se encaixa.
Conheça o clima. Obtenha proteção.
Esteja preparado com proteção contra os riscos financeiros das tempestades atlânticas que chegam ao seu caminho. O cálculo e as ferramentas de entrada de pedidos TradeWx e as informações meteorológicas podem ajudá-lo a se conectar a uma troca com foco no clima e obter proteção quando e onde você precisa.
Queda de neve e proteção contra chuva!
A Bacia Atlântica.
O comércio para a temporada de tempestades tropicais da Bacia Atlântica de 2017 começou em 12 de março de 2017.
Proteção climática.
Proteger-se contra perdas financeiras do clima, como tempestades e furacões, é mais fácil do que nunca. Basta usar essas ferramentas úteis para comprar em uma troca com foco no tempo a quantidade de proteção que você decide que precisa para o local em que está preocupado.
ACESSO AO MERCADO METATÔMICO.
Você pode se conectar a trocas que oferecem mercados de proteção contra o clima, onde você pode comprar ou vender contratos de proteção climática de forma segura para um local que lhe interessa.
WEATHER TOOLS & amp; DADOS.
Aproveite as principais fontes de inteligência meteorológica relevantes para suas decisões comerciais. Acompanhe a previsão atual, pesquise notícias meteorológicas e adquira a proteção que você precisa.
Onde começar.
Decida o local para o qual você precisa de proteção. Compre a quantidade de cobertura que você precisa. Se a próxima tempestade de pouso cair a 75 milhas da sua localização selecionada, você recebe o valor que você compra, independentemente do dano real.
Dica: fique à frente da tempestade. Quando você compra proteção para uma tempestade que está começando a gerar, ela terá um prémio melhor do que se você comprar sua proteção quando a tempestade estiver indo no seu caminho. Usando nossas ferramentas de rastreamento do tempo, você pode ficar na frente da tempestade antes de se formar.
Tem perguntas?
O que é isso tudo?
Aqui está sua chance de se proteger contra os impactos financeiros do clima, uma nova maneira de gerenciar seu risco climático.
A TradeWx é uma empresa de dados e tecnologia que fornece ferramentas e informações relacionadas ao clima, bem como acesso a mercados comerciais de clima, como aqueles operados por bolsas com foco no clima. Esses mercados incluem a possibilidade de comprar proteção financeira contra o risco de uma tempestade atlântica chegar à terra perto de você ou um local que você escolher. Outros mercados meteorológicos também estarão disponíveis.
Porque todos sabem sobre isso, e todos falam sobre isso. Agora é sua chance de fazer algo sobre isso! Onde o próximo furacão atingirá a terra? Ninguém sabe, mas agora o TradeWx oferece conectividade a mercados que permitem proteger-se contra os impactos financeiros do clima severo.
O TradeWx permite que você explore as possibilidades de comprar proteção financeira em mercados de clima de câmbio específicos para a temporada de tempestades tropicais da Bacia Atlântica de 2016. Com a temporada de tempestades tropicais, é hora de começar hoje!
Como tudo funciona?
É muito simples, basta escolher uma localização e decidir quanto de proteção comprar. Então você está coberto!
Os participantes podem tomar uma posição com base em onde a próxima tempestade atlântica denominada que faz o landfall dos EUA aterrissará. Se a tempestade chegar ao raio de 75 milhas do centroide de seu código postal selecionado, você receberá um pagamento com base na quantidade de proteção que adquiriu para esse local.
Você pode me dar um exemplo?
Se a próxima aterrissagem ocorrer perto de um local que você comprou, você receberá um pagamento. Se a próxima aterrissagem ocorrer em uma área que não esteja perto do local selecionado, você só perde o valor que você pagou inicialmente. Nada mais.
Por exemplo, digamos que você compre US $ 1.000 de proteção para se a próxima tempestade tropical fará um pouso perto de Virginia Beach, e digamos que você pagou um prêmio de US $ 100 para comprar essa proteção.
Se a tempestade for atingida a 75 milhas de Virginia Beach, você receberá US $ 1.000. Se, em vez disso, chegar a outro ponto, como perto de Miami, você perderá seus US $ 100. Observe que você pode comprar proteção para vários locais para cobrir uma área de risco maior, se desejar.
Como isso é regulado?
Quando você faz uma compra através do site TradeWx, você está realmente participando de um mercado de comércio de clima operado por uma troca. Atualmente, o TradeWx possui apenas conectividade com o Cantor Exchange, mas procura oferecer conectividade a outras trocas focadas no clima em um futuro próximo.
Quem é o Cantor Exchange?
Cantor Futures Exchange, L. P. ("Cantor Exchange"), uma subsidiária da Cantor Fitzgerald, é um mercado de contratos designados, regulado pela Commodity Futures Trading Commission. A Cantor Exchange estabelece as regras do comércio justo, oferece a plataforma de negociação eletrônica para compradores e vendedores correspondentes e supervisiona as práticas comerciais de todos os participantes do mercado.
Como faço para me inscrever?
Vídeos do tempo.
AVISO DE RESPONSABILIDADE: O TradeWX não faz garantias ou garantias expressas ou implícitas, que quaisquer informações meteorológicas fornecidas ocorrerão ou ocorreram. O TradeWX não terá qualquer responsabilidade ou responsabilidade para com você ou qualquer outra pessoa ou entidade por qualquer inconsistência, imprecisão ou omissão quanto ao clima ou eventos previstos ou relatados. Você e terceiros são os únicos responsáveis ​​por qualquer ação ou falta de ação para preservar a vida ou a propriedade. O recebimento de qualquer informação meteorológica não deve ser interpretado como consultoria de investimento ou recomendação para comprar ou vender produtos financeiros.
Negociar opções binárias envolve um risco significativo de perda e não é adequado para todos os investidores. Na medida em que você usa nossa calculadora, entrada de pedidos e outras ferramentas, os resultados baseiam-se em suas entradas e não se destinam a ser nossos conselhos e as informações resultantes não são, e não devem ser interpretadas como, aconselhamento personalizado de investimento. O TradeWX não é responsável pelas conseqüências de quaisquer decisões ou ações tomadas com base em ou como resultado das informações fornecidas por essas ferramentas. Você deve estar ciente de que você pode perder todo o preço de compra da opção que você compra; você coletará um pagamento somente se a próxima tempestade da Bacia do Atlântico cair dentro da área geográfica coberta pela opção que você compra.
A TradeWX não oferece nenhuma garantia ou representação em relação a produtos de fornecedores, inclusive em relação a qualquer fornecedor de serviços de troca ou de terceiros. A TradeWX e suas afiliadas podem negociar com base em dados relacionados ao clima para seus próprios fins e celebrar a propriedade e outras relações que podem se beneficiar da colocação de pedidos de clientes.
Negociar opções binárias envolve um risco significativo de perda e não é adequado para todos os investidores. Na medida em que você usa nossa calculadora, entrada de pedidos e outras ferramentas, os resultados são baseados em suas entradas e não se destinam a ser aconselhados por nós e a informação resultante não é, e não deve ser interpretada como, conselho de investimento personalizado . O recebimento desta informação não é um substituto para aconselhamento individual personalizado. A TradeWX não é responsável pelas consequências de quaisquer decisões ou ações tomadas com base em ou como resultado das informações fornecidas por essas ferramentas. Você deve estar ciente de que você pode perder todo o preço de compra da opção que você compra; você coletará um pagamento somente se a próxima tempestade da Bacia do Atlântico cair dentro da área geográfica coberta pela opção que você compra.

Estratégias quantias implementadas pela comunidade de Quantopian.
Na semana passada eu dei um discurso de reunião de finanças no Hacker Dojo em Mountain View, CA. O formato foi inspirado por alguma análise que fiz sobre os tipos de algoritmos compartilhados e clonados na comunidade de Quantopian - inicialmente queria perguntar: Quais são as estratégias mais populares codificadas em Quantopian? Para responder a esta pergunta, classifiquei todos os posts do fórum público de três maneiras, primeiro no número de respostas, em segundo lugar no número de visualizações e em terceiro lugar no número de vezes clonado. Eu projetei essas pontuações e reorganizei a lista para chegar às 25 melhores postagens mais populares de todos os tempos. (NB: Não fiz nenhuma correção pela data da publicação original, portanto, a quantidade de tempo que o segmento está vivo não foi normalizada).
A partir desta lista, trabalhei para trás e usei exemplos da comunidade de Quantopian para introduzir 5 tipos básicos de estratégia de quant: Reversão média, Momentum, Valor, Sentimento e Sazonalidade. Embora esta lista não seja tecnicamente "mutuamente exclusiva e coletivamente exaustiva", ela abrange uma grande fração das estratégias intradias de freqüência mais baixa e fornece uma boa visão geral sobre como os quentes focados na equidade pensam em prever os preços do mercado. Voltei para a minha lista de Top 25 e categorizei cada algo em um desses cinco baldes e, em seguida, criei esse gráfico de torta com base no número agregado de visualizações para cada tipo de estratégia.
Há uma série de conclusões interessantes a serem extraídas dessa visão geral inicial da atividade da comunidade. Talvez o mais óbvio e previsível disso é que as estratégias baseadas em preços estão atualmente lideradas por uma grande margem - devido, espero, ao fácil acesso ao preço mínimo de equidade e à acessibilidade da lógica do impulso e reversão média . Na verdade, não havia estratégias baseadas em valores que entraram no Top 25 - o que, na minha opinião, representa um espaço de oportunidade chave no momento.
Mais sutil e, do meu ponto de vista reconhecidamente tendencioso, mais convincente é a diversidade e a qualidade do conteúdo e da colaboração na esfera pública. Ao juntar-se à equipe da quespian de um grande ambiente corporativo trabalhando com um pequeno grupo de clientes institucionais, vendo que os 25 melhores algos foram clonados em 13.000 vezes, uma média de mais de 500 clones por estratégia é ... bem, é muito legal.
Abaixo, você pode encontrar o deck de slides da minha apresentação:
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Comentários estão fechados.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, solicitação de compra ou recomendação ou endosso para qualquer garantia ou estratégia, nem constitui uma oferta para fornecer consultoria de investimento ou outros serviços por meio de Quantopian. Além disso, o conteúdo do site não oferece nenhuma opinião com relação à adequação de qualquer segurança ou investimento específico.
A Quantopian não oferece garantias quanto à exatidão ou integridade das visões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis ​​por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas. Todos os investimentos envolvem risco - incluindo perda de principal. Você deve consultar um profissional de investimento antes de tomar qualquer decisão de investimento.

Abordagem Quant para Construir Estratégias de Negociação: Parte Um.
Recentemente, Quandl entrevistou um gerente de carteira quantitativo sênior em um grande hedge fund. Nós falamos sobre como ela constrói estratégias de negociação e # 8211, como ela transita de uma representação abstrata do mercado para algo concreto com poderes de predição genuínos.
Você pode nos dizer como você define novas estratégias de negociação?
Tudo começa com uma hipótese. Eu conjecturo que deve haver uma relação entre dois instrumentos, ou talvez haja um novo instrumento no mercado que esteja ganhando popularidade, ou talvez haja um fator macroeconômico incomum que eu descobri que impulsiona o comportamento de preços micro. Então escrevo uma equação - um modelo, se você quiser - que visa capturar esse relacionamento. Normalmente, haverá algum tipo de equação de processo que mostra como as variáveis ​​evoluem com o tempo, com um componente aleatório (estocástico).
O próximo passo é encontrar uma solução fechada para este modelo. Às vezes isso é fácil; às vezes isso leva dias e semanas de álgebra; às vezes não há uma solução fechada e eu tenho que me conformar com uma aproximação. Eu acho o kit de ferramentas de manipulação simbólica da Mathematica muito útil nesta etapa do processo.
Ok, então agora eu tenho um modelo do mercado. Eu preciso testar se é realista. Nesta fase, geralmente me volto para o Matlab. Eu assumo alguns valores plausíveis para vários parâmetros e executo algumas simulações. Os resultados simulados parecem razoáveis? Eles refletem, pelo menos conceitualmente, a dinâmica real do mercado?
Assumindo que o modelo passe por essa verificação de integridade, é hora de ir além da exploração ou ideação do céu azul e da pesquisa formal.
O que você quer dizer com "pesquisa formal"? E por que é necessário?
Refiro-me à transição de uma representação abstrata e estilizada do mercado para algo concreto e não ambíguo, com poderes preditivos genuínos.
É difícil construir modelos verdadeiramente preditivos. Mas é muito fácil enganar-se em pensar que você construiu um modelo preditivo, quando, na realidade, você simplesmente superou, ou usou testes na amostra, ou impôs um conhecimento exógeno em suas regras, ou o que você tem. A maioria dos "sistemas" se desmorona no mundo real por essa razão precisa.
Eu não quero que isso aconteça ao meu modelo; Vou arriscar dinheiro real com isso. Assim, ao longo dos anos, construí e aprimorei uma abordagem sistemática, lenta e constante que minimiza o risco de me enganar. É o que eu chamo de "pesquisa formal".
Quais as etapas que você inclui no seu processo formal de pesquisa?
No começo, meu maior medo é a contaminação de dados. A história é um recurso limitado; Depois de esgotar os dados históricos para testar, você não poderá gerar mais nenhum. Eu sou paranóico sobre não esgotar o meu fornecimento de dados não-contaminados fora da amostra.
Então começo dividindo meus dados históricos em partes não sobrepostas. Eu então randomizei para que eu mesmo não saiba qual pedaço é qual. (Isso protege contra os preconceitos subconscientes: por exemplo, ser averso ao risco quando sei que meu conjunto de dados de teste é 2008 ou está buscando o risco em 2009).
Eu designo um pedaço como meu conjunto de calibração. Eu costumo usar Python para calibração: eu uso suas bibliotecas de otimização embutidas e escrevi algumas das minhas próprias. Neste exemplo particular, meus parâmetros são restritos e correlacionados. Então eu uso um processo de otimização de 2 passos chamado algoritmo EM. Os otimizadores podem ser sensíveis às condições iniciais, então eu uso Monte Carlo para escolher uma série de pontos de partida no espaço da solução. Tudo isso é muito fácil de fazer em Python.
O resultado dessa calibração deve ser um conjunto de "parâmetros do modelo" - valores numéricos - que podem ser combinados com observações de mercado reais para prever outros preços de mercado.
Uma vez que calibrei o modelo, testei-o fora da amostra. As previsões são estáveis ​​e os resíduos estão a reverter? Se não, o modelo não funciona; tão simples como isso. Eu tento vários "truques" para quebrar o modelo. Por exemplo, eu calibro em dados mensais, mas teste em dados diários. Ou eu teste os parâmetros dos EUA nos dados do mercado canadense. Se o modelo reflete verdadeiramente a realidade econômica subjacente, deve ser bastante robusto para esses tipos de ataques. (Economia não muda quando você cruza fronteiras).
Então, você se separa estritamente na amostra e fora da amostra; você se cega a intervalos de dias; você usa Monte Carlo para evitar vieses de ponto inicial; e você tenta vários truques de robustez. O que mais você faz para garantir que você não está se enganando?
Eu coloco um prêmio muito alto em parcimônia. Se o meu modelo requer muitos parâmetros ou tem muitos graus de liberdade, é apenas um ajuste de curva; não é um modelo de todo. Então, estou constantemente tentando remover fatores. Se o modelo continuar trabalhando (e permanecer "rico") com vários fatores removidos, provavelmente é um bom.
Uma segunda prova de robustez é se o modelo funciona bem, independentemente da estratégia comercial que você desenvolve em cima disso. Se você só pode ganhar dinheiro usando uma regra de escala não-linear complexa com todos os tipos de condições de borda, então isso sugere uma falta de robustez.
Finalmente, não há substituto para os dados. Penso em todos os conjuntos de dados possíveis fora da amostra que eu possivelmente teste o modelo em: países diferentes, instrumentos diferentes, intervalos de tempo diferentes, diferentes freqüências de datas. O modelo tem que trabalhar em todos eles; Caso contrário, você tem uma tendência de seleção nos resultados.
Isso parece abrangente. O que acontece depois?
Armado com um modelo calibrado, o próximo passo é construir uma simulação de PL. Os resíduos de reversão média podem não ser suficientes se o conjunto de oportunidades for pequeno demais para compensar o pedido de oferta, ou se as explosões ocasionais matarem todos os meus lucros. Então eu preciso testar uma estratégia de negociação real usando o meu modelo. Aqui é onde eu tenho que exercitar o máximo cuidado: é muito fácil adaptar-se às curvas adicionando novas variáveis ​​livres, ou distorcer os resultados com conhecimento subconsciente, ou eliminar os valores discrepantes. Simplicidade, separação rigorosa de amostras e honestidade intelectual são importantes aqui.
Eu uso o Excel para back-testing. Esta é uma escolha deliberada: o Excel não é tão poderoso quanto o Python, e isso significa que há um limite superior sobre o quão complexo eu posso fazer minhas regras de negociação. Isso é uma coisa boa: uma estratégia que exige complexidade para ser rentável provavelmente não é uma boa estratégia, em primeiro lugar.
Excel também me permite ver meus pressupostos explicitados; é fácil perder o controle de tais coisas quando você está trabalhando no código. Ele me permite visualizar as estatísticas de desempenho (risco, retorno, rebaixamentos, eficiência de capital, taxa de Sharpe e assim por diante) de forma rápida e clara. Mesmo que meu modelo “funcione”, não há garantia de que uma estratégia de negociação construída em torno do modelo será economicamente viável, portanto, essas estatísticas são importantes.
Muito poucos modelos comerciais tornam-no passado todas as etapas acima: formulação de blue-sky e verificações de sanidade; calibração histórica e desempenho fora da amostra; estratégia de negociação back-test e rentabilidade. Mas, para os poucos que o fazem, agora é hora de entrar em produção. Este é um jogo de bola diferente.
Você pode ler a segunda parte da entrevista aqui. Nele, discutimos como a produção é um novo jogo de bola e onde obter idéias para novas estratégias. Também respondemos às questões do leitor na terceira parte da entrevista.
Alguma pergunta para o nosso quant? Comentários? Deixe-os abaixo e ela responderá a você. Gostaríamos de saber sobre seu processo de criação de estratégias de negociação.
Deixe uma resposta Cancelar resposta.
[& # 8230;] Abordagem de uma Quant para Construir Estratégias de Negociação: Parte 1 Abordagem de uma Quant para Construir Estratégias de Negociação: Parte Dois Abordagem de uma Quant para Construir Estratégias de Negociação: Parte Três [& # 8230;]
[& # 8230;] A abordagem da Quant "para Construir Estratégias de Negociação: Primeira Parte [Quandl] [& # 8230;]
[& # 8230;] parte da nossa entrevista com um gerente de portfólio quantitativo sênior em um grande hedge fund. Na primeira parte, ela discutiu a fase teórica da criação de uma estratégia de negociação quantitativa. No segundo [& # 8230;]
[& # 8230;] Статья с аггрегатора Quandl Resource Hub. [& # 8230;]
[& # 8230;] A abordagem da Quant's para Construir Estratégias de Negociação: Primeira Parte [Quandl] Recentemente, Quandl entrevistou um gerente de portfólio quantitativo sênior em um grande hedge fund. Nós falamos sobre como ela constrói estratégias de negociação como ela transita de uma representação abstrata do mercado para algo concreto com poderes preditivos genuínos. Você pode nos dizer como você define novas estratégias de negociação? Tudo começa com uma hipótese. Conjeco que deveria haver um [& # 8230;]
[& # 8230;] 1. Abordagem de uma Quant para Construir Estratégias de Negociação: Parte Um [& # 8230;]
Eu achei a entrevista bastante útil. No entanto, observo que você já usou Matlab, Python e Excel (e presumivelmente usam C # / C ++ / Java) para produção. Esse processo de mudança entre 4 línguas é pesado? Além disso, o que é em Matlab que você não pode fazer em Python ou vice-versa? Além disso, no que diz respeito ao Excel, não ache que, mesmo que a visualização seja útil, ele carrega muito risco operacional (as fórmulas não são arrastadas corretamente, a folha não foi atualizada corretamente, etc.)? Gostaria de ouvir sobre isso.
& gt; Esse processo de mudança entre 4 idiomas não é complicado?
Não é tão pesado. Eu normalmente acho que a parte mais entediante é garantir que os dados fluam de forma consistente e suave entre diferentes aplicativos ou idiomas. A tradução de sintaxe é fácil; tradução de dados, não tanto.
& gt; O que é em Matlab que você não pode fazer em Python ou vice-versa?
Estes dias, você está certo, não há muito que você não pode fazer em Python. E, de fato, me encontro usando Python cada vez mais. Mas nem sempre foi esse o caso; a infinidade de bibliotecas financeiras de código aberto em Python é um fenômeno relativamente recente.
& gt; No que diz respeito ao Excel, você não acha que, embora a visualização seja útil, ela carrega muito risco operacional (as fórmulas não são arrastadas corretamente, a folha não foi atualizada corretamente, etc.)?
Eu concordo totalmente. O Excel é frágil de várias maneiras: é fácil fazer erros operacionais, é impossível auditar; não é muito performante; paira nos momentos mais inconvenientes. Então você tem que ter muito cuidado em como e onde você usa o Excel. Dito isto, acho que os benefícios superam os muitos custos.
Eu achei a entrevista útil. No entanto, vejo que você já usou Matlab, Python e excel (e seria possivelmente usar C ++ / C # / Java / python para produção). Esse processo não é complicado? Além disso, o que é que no Matlab você não pode fazer em Python ou vice-versa? E você não consegue encontrar o Excel como um risco operacional (você geralmente arrasta e solta fórmulas que podem introduzir erros manuais, dependem de folhas atualizando corretamente, etc.)?
[& # 8230] Uma abordagem quantitativa para construir estratégias de negociação (quandl) [& # 8230]
Abordagem muito sensata. Eu particularmente gosto da importância dada à manutenção de seus dados OOS sacrosanct. O único aspecto com o qual tenho dúvidas é a remoção de fatores para testar a estabilidade. Talvez seja apenas o formato de entrevista tornando as coisas um pouco menos claras. Mas eu construo modelos de uma forma ascendente, não de cima para baixo. Um novo fator adiciona informações ou não é # 8217; t. Se o meu modelo de dois fatores tem IC maior que o meu modelo de três fatores, o terceiro fator é supérfluo e não deve ser adicionado em primeiro lugar. Então, por definição, a remoção de um fator de um modelo bem especificado sempre resultará em desempenho de previsão degradado.
Minhas desculpas, lvcm, eu não estava claro o suficiente. (Veja também a minha resposta a David, up-thread).
Eu não descarto fatores na minha fase de teste; Eu tento removê-los na minha fase de especificação. Se novos graus de liberdade não estiverem adicionando poder explicativo, eu os esvazio. Mas uma vez que eu mudei para testes e verificações de robustez, não faz sentido remover fatores. (Na verdade, eu nem sei o que isso significaria, não é como se você pudesse ignorar e # 8221; kappa ou o que for).
Manter o sacrossanto de dados OOS e # 8212; totalmente com você sobre isso. Se houver uma coisa, eu gostaria de poder martelar nas cabeças das pessoas, é a importância desse passo.
Eu faço Modelagem Quantitativa e análise para viver. Eu fiz alguns modelos interessantes em R até agora. O problema é que eu não sou nem bom em Python nem tenho horas para aprender isso, & # 8211; ser capaz de fazer tarefas confortavelmente. Existe uma maneira de colaborar com alguém que tenha experiência e conhecimento para fazer teste de volta, teste PL, etc.
É claro que posso fazer estimativas de modelos em relação aos preços históricos & # 8211; no entanto, isso não é suficiente. É necessário simular como o modelo teria sido executado se estivesse realmente operando.
Você já tentou usar o Quantopian para back-testing? Seu IDE (ambiente de desenvolvedor integrado) torna bastante fácil, embora exija conhecimento Python.
Também construí um ambiente de teste de retorno em Ruby (uma linguagem de programação semelhante ao Python).
De qualquer forma, ficaria feliz em ajudá-lo a traduzir seu modelo em algo programático.
Este é um informativo para entrevista como quant. Você poderia dar mais detalhes sobre o uso de Monte Carlo em parâmetros & # 8217; inicialização? Mais uma vez obrigado.
Estou um pouco surpreso com este artigo. Por que fazer um modelo estocástico fora do caminho que você gasta & # 8216; semanas & # 8217; resolver com álgebra auxiliada por computador, mas depois descartar a maioria dos parâmetros? Como o produto final poderia ser diferente de outras coisas?
Você me entende mal & # 8212; Minhas desculpas por não serem mais claras!
Tento descartar os parâmetros no início, quando eu especificando o meu modelo. Eu vi veados com modelos com 20 parâmetros de longo prazo e 12 graus diários de liberdade. Para mim, esses modelos não são, eles são articuladores universais: eles podem se encaixar em qualquer coisa. Eu nunca arrisquei dinheiro em nada que seja complexo.
Então eu tento ser tão parcimonioso quanto possível ao criar meu modelo.
Uma vez que eu defino um modelo que eu acho econômico e razoável, só então eu tento minhas verificações de robustez. E neste estágio eu não descarto parâmetros. Mas eu presto atenção às sensibilidades. Se a minha rentabilidade é incrivelmente sensível a um parâmetro específico atingindo um valor específico, e desmorona em perturbações menores, então eu suspeito que meu modelo é apenas # 8220; lucky & # 8221 ;, não inteligente. Mas concordo com você que a remoção de parâmetros inteiramente nesta fase seria boba.
Estou impressionado, o que você acha sobre regras de gerenciamento de dinheiro, como o tamanho ótimo de apostas?
Esta é uma excelente entrevista e agradeço que tenha aproveitado o tempo para fornecer informações sobre o seu projeto de estratégia. Isso seria muito demorado, mas seria possível fornecer um exemplo real usando um sistema real (independentemente de o sistema ser lucrativo ou não). Conceitualmente eu entendo o que você está dizendo, mas seria informativo para colocar exemplos reais para as etapas. Mais uma vez, obrigado pelo seu tempo.
Gostaria de fazer uma pergunta básica. Eu estou começando no campo da análise quantitativa. No entanto, você parece ser bastante experiente e neste campo há muito tempo. Gostaria de perguntar se as estratégias quantitativas ou técnicas estão lhe dando consistente & # 8216; confortável & # 8217; retorna. Você confia em um sistema ou continua mudando-o arbitrariamente e se você usa alguma análise fundamental também para auxiliar a análise técnica.
Você deve continuar evoluindo com os mercados. Nenhum sistema ou estratégia única funciona para sempre.
Eu gostaria de perguntar o que verificações e procedimentos adicionais são usados ​​quando um modelo é levado ao vivo, em particular como você monitora e gerencia de forma contínua o modelo uma vez que viveu? Você configura regras de monitoramento predefinidas ou disjuntores que retiram o modelo de ação automaticamente? Em caso afirmativo, como você constrói isso, quais tipos de medidas você usa neles? Também relacionado como você identifica e lida com períodos de desempenho abaixo do razoável? Esse desempenho inferior pode fazer uns modelos de dúvida e fazer parecer que um modelo parou de funcionar quando isso não é o caso.
I & # 8217; m tipo de antiquado & # 8212; Eu não acredito que os disjuntores realmente funcionem. Ou para ser mais preciso, as carteiras com disjuntores programáticos são de baixo desempenho das carteiras sem, a longo prazo. O raciocínio é que os disjuntores impedem que você saia de bons negócios com muita frequência, de tal forma que essas perdas superam as raras ocasiões em que elas o impedem de enfrentar grandes problemas.
Nota: Eu estou falando sobre portfólios clássicos de quantificadores aqui; não execução eletrônica ou HFT. Nos últimos casos, posso ver totalmente por que você deseja vários failafes e disjuntores; esses livros podem se afastar de você muito rápido. Mas essa não é minha área de especialização.
Dentro da minha área, observei alguns padrões em modelos que quebram. Para iniciantes, eles raramente explodem instantaneamente; em vez disso, ou a oportunidade simplesmente desaparece (arbitrada por copycats) ou o spread lentamente e imperceptivelmente se distancia cada vez mais do valor justo e nunca volta (mudança de regime).
Por outro lado, se uma negociação diverge e então a divergência se acelera, isso cheira muito mais a uma capitulação. Nesses casos, quero manter minha posição e, de fato, adicionar, se puder.
Portanto, a conclusão paradoxal é que quanto mais rápido um modelo perde dinheiro, mais provável é que ele ainda seja válido.
Boa sorte programando um disjuntor coerente para lidar com essa lógica!
Este é realmente um microcosmo do problema maior. Uma situação em que um disjuntor realmente ajudaria, quase certamente será uma perversão suficiente para evitar a maioria das tentativas a priori de definição. São as incógnitas desconhecidas que te pegam todas as vezes.
Nota importante: o acima mencionado é informado pela minha própria posição e preferência de risco. Eu sou suficientemente alto e bem sucedido o suficiente para que a maximização do portfólio seja o meu incentivo central. Se eu fosse mais jovem, manter meu emprego (ficar no jogo) seria o meu incentivo central. E, nesse caso, os disjuntores ajudam porque evitam perdas catastróficas e perdedoras de empregos, enquanto as perdas perdidas não aparecem em nenhum relatório da PL.
& gt; Como você identifica e lida com períodos de baixo desempenho razoável?
Esta é a pergunta de cem milhões de dólares! Gostaria de ter uma resposta definitiva e inequívoca para lhe dar & # 8212; isso também me ajudaria 🙂
Obrigado pelo feedback. Eu tire um pouco de conforto do fato de que os quants profissionais também lutam com esse tipo de perguntas.
Mais uma pergunta se eu puder # 8212; Eu tentei com as idéias de (mas ainda não realmente testadas / simuladas / implementadas) mais & # 8220; gradual & # 8221; tipo de gerenciamento / monitoramento, e. onde você controla, diga a quantidade de capital comprometida com um modelo particular (ou cesta de modelos) e reduza ou desce o tempo gradualmente ao longo do tempo, dependendo do desempenho agregado do modelo.
A idéia básica seria que o processo de gerenciamento teria uma visão de longo prazo para não levar o modelo # 8220; fora & # 8221; dos mercados de rebaixamentos razoáveis ​​/ esperados (devido à observação de uma amostra suficientemente grande de desempenho), enquanto ainda assegurando que o modelo finalmente pare de ser negociado se os retornos forem reduzidos ou negativos para um tamanho de amostra representativo.
Claro que essa idéia não seria garantia contra perdas como tal, mas a esperança seria que poderia ser suficiente, pelo menos, impedir um estilo de explosão LTCM.
(Para adicionar: acho que parece-me que um dos erros com a explosão LTCM foi assumir que seus modelos sempre funcionariam e, portanto, eles não tinham nenhum plano, nenhum nível de monitoramento, nada para dizer-lhes o sistema fora do conhecido / parâmetros esperados, reduzir a escala para preservar o capital & # 8221 ;. E eu gostaria de aprender e evitar esse tipo de erro, se for possível & # 8230;)
Você mencionou "mudança de regime" & # 8221 ;. Então, como você decide que seu comércio perdeu o suficiente para você considerar seu modelo não funcionar mais? Eu acho um & # 8220; Post # 3: monitoramento e manutenção / # 8221; seria legal 😀 Obrigado por compartilhar!
Tudo muito sensato. Eu achei este comentário interessante:
& # 8221; Por exemplo, eu calibro em dados mensais, mas teste em dados diários. & # 8221;
Eu acho que depende do que você quer dizer com & # 8216; calibração & # 8217; Mas isso me pareceu um pouco incomum.
Deixe-o simples e suponha que eu tentei capturar tendências (lentas) usando um crossover médio móvel. Eu jogo com dados mensais até conseguir algo que eu acho que funciona. Para mover para dados diários eu deveria multiplicar alguns parâmetros por.
20 (como os comprimentos médios móveis) porque há cerca de 20 dias úteis em um mês de calendário e outros por.
sqrt (20) [vários parâmetros de escala muito chatos para discutir aqui]. Mas o modelo ainda deve se comportar da mesma maneira. O volume de negócios, por exemplo, não deve aumentar quando eu passo para o diário.
Por outro lado, se eu manter os parâmetros o mesmo, em vez de recomeçar, digamos uma tendência de 6 meses, eu estou escolhendo uma tendência de 6 dias úteis. Mas o sweet spot para a tendência que segue a maioria dos ativos tende a ser um pouco mais lento do que isso, portanto, é improvável que pareça tão bom. Também o meu volume de negócios será muito maior, mas então você espera isso. Para colocar de outra maneira, não estou certo de que todos os aspectos do comportamento do mercado sejam "fractal". de modo que eu possa aplicar exatamente o mesmo modelo a diferentes escalas de tempo.
Oi Rob Poster original aqui. Obrigado por um comentário mais perspicaz!
Os mercados são fractais? Grande pergunta e uma que passei muitas noites debatendo sobre escocês.
Pessoalmente, acho que não são, porque certos eventos exógenos atuam como uma função de forçamento: chamadas diárias de margem de câmbio, MTM mensais para hedge funds, demonstrações financeiras trimestrais para bancos abertos. Esses eventos causam * algo * para acontecer (não importa o que) nessas freqüências. Portanto, nem todas as escalas de tempo são criadas iguais, e simplesmente acelerar / abrandar o relógio é * não * uma abordagem "neutra".
Então, na verdade, estou muito cauteloso sobre * quais * estratégias que eu faria com esse tipo de mudança de tempo.
Aqui está uma estratégia de brinquedos onde o deslocamento do tempo pode funcionar. Pegue 2 tiras de futuros no mesmo “espaço” - talvez trigo de inverno e primavera. Procure casos em que 1 é retrocedido e o outro em contango. Compre a frente baixa, venda de volta alta, venda frente alta, compre de volta baixa. Uma estratégia totalmente simples, quase "burra", mas para muitos pares de futuros costumava funcionar bem.
Este é um ótimo exemplo para mudar as escalas de tempo. Essa estratégia deve funcionar se você amostrar / reequilibrar semanalmente, mensalmente ou trimestralmente - porque as variáveis ​​de decisão são estado puro, sem caminho. Não estamos olhando para históricos de preços; nem estamos olhando para instrumentos com um componente de tempo (ligações que se acumulam, ou opções que decaem, ou passeios aleatórios com um desvio). Então, dado que a estratégia está realmente limpa, podemos sair com esse tipo de teste de robustez.
(Caveat: bid-ask é o fator de complicação aqui - sua escala de tempo escolhida precisa ser grande o suficiente para permitir uma ação de preço que supera a fricção. Bid-ask é a perdição de quants em todos os lugares.)
Mas eu nunca aplicaria esse mesmo teste para dizer uma estratégia de acompanhamento de tendências. Isso suscitaria todo tipo de questões filosóficas. O que significa para uma estratégia ter um “ponto ideal” em, digamos, 9 dias, ou 200 dias, ou sempre? Ao otimizar esse ponto doce, você está ajustando? Ou o fato de que quase todos usam 9d e 200d criam uma profeção auto-realizável, e esses números representam algo estrutural sobre o mercado? Ouvi argumentos convincentes em ambos os sentidos. E se você testou seus dados no intervalo X e, em seguida, fez as médias móveis de 9X e 200X e # 8212; Isso funcionaria? Diversas questões filosóficas; Eu não tenho certeza das respostas eu mesmo.
Outras notas: Eu concordo que a "calibração" foi uma escolha desleixada de palavra por mim naquela frase particular. "Ideação" teria sido melhor. Se você estiver calibrando, você já está apresentando mais estrutura do que a mudança de horário pode manipular com segurança.
Você está absolutamente correto re (t) e sqrt (t) - e eu concordo com você, muito chato para discutir aqui.
Mais uma vez obrigado pelo comentário!
Eu acho que & # 8220; calibre em dados mensais, mas teste em dados diários & # 8221; significa recalibrar um modelo de rolamento (como, por exemplo, uma regressão contínua) todos os meses, mas usando dados diários. Em seguida, teste com esse modelo recalibrado no mês seguinte, novamente usando dados diários.
Um pouco como um método avançado de teste?
Desculpe por não ser claro. O que eu quis dizer estava mais perto da interpretação original de Rob: Eu construo uma idéia com dados amostrados na freqüência X, mas depois testei com dados amostrados na freqüência Y. A repetição ou a recalibração mensal é um exercício separado, que eu gostaria empreender após o modelo ter sido "em produção" # 8221; por algum tempo.
Aves tardias obtêm o worm: dados de pagamento e força da empresa.
Em um recente artigo do Huffington Post, o chefe de Educação Global da Visa, Nathaniel Sillin, escreveu: "Compreender o quanto custa gerenciar uma casa e a importância de pagar as suas contas no tempo pode ajudá-lo a evitar erros onerosos". Enquanto muitos leitores provavelmente assentirão De acordo, o sábio conselho de Sillin não é tão universal quanto você imagina. Pelo menos não no mundo dos negócios. Bloomberg citou um relatório do parceiro de Quandl Dun & amp; Bradstreet (essencialmente a Experian e Equifax do mundo dos negócios), alegando que “para grandes empresas,. . . as coisas são diferentes. Por um lado, eles.
A Paisagem dos Dados da Indústria Automóvel.
Uma vez que o homem primeiro inventou a roda, nossa necessidade de otimizar a forma como nos deparamos foi uma obsessão quase primitiva. Desde o advento do primeiro veículo motorizado até carros autônomos, a indústria automobilística evoluiu rapidamente em sua adoção da tecnologia. Agora estamos experimentando o que provavelmente é o maior avanço no setor automotivo desde que Henry Ford projetou pela primeira vez sua linha de montagem em movimento: o aumento do carro conectado. Por estimativas de inteligência de BI da Scotiabank, em 2020, mais de 75% dos novos carros enviados serão conectados à Internet. Desde a leitura das notificações do Facebook até a medição da segurança e da integridade do motor.
Icebergs, camaleões e víboras: uma pesquisa de execução FX.
O mercado de câmbio há muito tem sido o mais descentralizado e opaco de todos os mercados. Como resultado, os comerciantes da FX trabalham sob grandes desvantagens informativas em comparação com seus pares em outras classes de ativos. Diferentemente dos mercados acionários, nos quais as regulamentações da SEC determinam que as bolsas públicas informem os preços das transações e os volumes de negociação diários, o FX não possui tais fontes de dados unificadas. Não há trocas centrais, buracos ou quadros de avisos. Em vez disso, as transações FX ocorrem através de um milhão de telefonemas, visitas de clientes, threads de e-mail e plataformas de negociação. Todo o mercado é de balcão, festa para festa, e ninguém sabe o que qualquer outra pessoa está fazendo além.