쌍 거래 전략 예

쌍 무역 예.
장거리 주식 거래자가 시장을 조사하여 적합한 유가 증권을 찾듯이, 쌍 매매자는 잠재적으로 관련된 쌍의 목록으로 시작해야합니다. 이것은 공통적으로 무언가를 가지고있는 유가 증권을 찾기위한 연구를 수반합니다. 그 관계가 섹터 (예 : 자동차 섹터) 또는 자산 (예 : 채권) 때문인지 여부. 무작위 쌍이 이론적으로 상호 연관 될 수 있지만, 공통점이있는 유가 증권에서 상관 관계를 발견 할 가능성이 더 큽니다.
다음 단계는 필터 또는 떨림의 잠재적 쌍 수를 줄일 수있는 수단의 역할을합니다. 한 가지 방법은 상관 계수를 사용하여 두 악기가 얼마나 밀접하게 관련되어 있는지 판단하는 것입니다. 그림 4는 e-mini S & amp; P 500 계약 (빨간색)과 e-mini Dow 계약 (녹색)의 일일 차트를 보여줍니다. 가격 차트 아래에는 상관 계수 (노란색)가 표시됩니다. 차트에서 ES와 YM이 평가 된 기간 동안 0.9 주변의 값으로 상호 연관성이 높다는 것을 알 수 있습니다. ES / YM 쌍을 잠재적 쌍 후보 목록에 보관할 것입니다.
그림 4 e-mini S & amp; P 500 계약 (빨간색)과 e-mini Dow (녹색)는 쌍 거래의 잠재력을 보여줍니다. 상관 계수 (황색)의 정량적 결과를 바탕으로 가격을 시각적으로 확인하면 두 계측기의 상관 관계가 높다는 것을 알 수 있습니다. TradeStation으로 생성 된 이미지.
그림 5 WMT (빨간색)와 TGT (녹색)의 일일 차트는 이것이 이상적인 쌍은 아니라는 것을 보여줍니다 (적어도 테스트 한 기간에는 그렇지 않음). 상관 계수 (노란색)의 결과로 확인 된 가격의 시각적 검토는 두 주식 간의 상관 관계가 없음을 나타냅니다. TradeStation으로 생성 된 이미지.
이 프로세스의 지속적인 구성 요소는 거래 아이디어를 연구 및 테스트하고 쌍을 평가하고 분기점을 정의하는 절대적인 방법을 결정하는 것입니다. 거래자는 무엇을 구성하고 & ldquo; enough & rdquo;와 같은 질문에 대답해야합니다. 트레이드를 시작하는 추세와 다른 점은 무엇입니까? 어떻게 평가 될 것인가? (예를 들어 표준 편차 오버레이와 함께 가격 비율 표시기의 데이터 사용). 일반적으로 거래자는 수량화 가능한 데이터에 초점을 맞춰야합니다. 즉, 가격 비율이 두 표준 편차를 초과 할 때 페어 트레이드를 시작합니다. & rdquo; 그림 6은 두 개의 ETF를 보여줍니다. SPY (빨간색) 및 DIA (녹색) & ndash; 일일 차트. 가격 차트 아래에는 +/- 1 및 2 표준 편차 오버레이 (점선)가있는 스프레드 비율 표시기 (파란색)가 있습니다. 평균은 분홍색으로 나타납니다.
그림 6 ETF 스파이 (빨간색)와 DIA (녹색)의 매일 차트. 스프레드 비율 표시기가 표준 편차 오버레이와 함께 가격 차트 아래에 나타납니다. TradeStation으로 생성 된 이미지.
많은 거래자들이 쌍을 거래 할 때 크기 조정을 위해 달러 중립적 인 방법을 사용합니다. 이 방법을 사용하면 거래의 길고 짧은 쪽이 동일한 금액으로 입력됩니다. 예를 들어, 상인은 주당 100 달러로 거래되는 주식 A와 페어로 거래하고, 주당 50 달러로 거래하는 주식 B를 입력하려고합니다. 달러 중립적 인 입장을 취하기 위해서, 상인은 주식 A의 모든 주식 1에 대해 주식 B의 2 개의 주식을 구입해야합니다. 예를 들면 :
주식 A의 긴 100 주 = 10,000 달러; 주식 B의 짧은 200 주 = 10,000 달러.
실적이 저조한 제품을 구입하고 실적이 좋은 제품을 판매하십시오.
거래 규칙이 충족되면 거래자는 실적이 좋지 않은 보안을 구매하고 동시에 실적이 우수한 보안을 판매합니다. 그림 7에서 스프레드 비율은 두 표준 편차를 초과했으며 ES / YM 쌍에서 거래 설정이 발생했습니다. 여기서, 두 개의 ES 계약으로 긴 포지션이 입력되고, YM에서 두 개의 계약이 동시에 짧게 포지션됩니다.
그림 7 ES / YM 쌍에서 거래가 열립니다. 주문 입력 인터페이스는 화면 왼쪽에 표시됩니다 (ES 용 주문 입력 상자 하나, YM 용 주문 입력 상자). 상단의 수평 적색 선과 녹색 선은 각 위치에 대한 실시간 P / L을 보여줍니다. TradeStation으로 생성 된 이미지.
대부분의 투자와 마찬가지로, 출구의시기는 무역의 성공에 중요합니다. 보호 중지 손실 명령 및 이익 목표의 사용을 포함하여 거래 쌍에 자금 관리 원칙을 적용하는 것이 중요합니다. 최적의 수준은 일반적으로 광범위한 역사적인 모델링을 통해 결정됩니다. 그림 8은 보수적 인 순이익 수준을 사용하여 종료 된 ES / YM 거래를 보여줍니다.
그림 8 ES / YM 거래는 소기의 순이익으로 종료됩니다. TradeStation으로 생성 된 이미지.

쌍 거래 전략 예
이 전략의 목적은 AlgoTrader의 기능을 시연하는 것입니다. 라이브 거래 계정 및 실제 현금과 함께 사용하지 마십시오! 이 전략은 큰 손실을 초래할 수 있습니다. 전략을 수정하거나 확장하는 경우에도 Live를 거래하기 전에주의를 기울여야합니다.
Pairs Trading 전략은 웹 서비스 pairtradinglab을 사용하여 미국 주식 쌍을 거래합니다.
C.1.1. 쌍 거래 란 무엇인가?
쌍 거래는 잘 알려진 시장 중립적 인 거래 전략으로, 거래자는 실질적으로 모든 시장 조건에서 이익을 얻을 수 있습니다. 조건이 상승 추세, 하락 추세, 또는 옆으로 움직이는 것을 반영하든, 거래자는 쌍 거래를 사용하여 현재 시장을 이용할 수 있습니다. 이러한 유형의 전략은 전형적으로 통계적 재정 거래 전략으로 분류됩니다.
이 전략은 역사적으로 상관 관계가있는 두 가지 증권의 실적을 모니터링하여 작동합니다. 이 두 증권 간의 상관 관계가 일시적인 약세를 보일 때, 실적이 좋은 종목을 단락시키고 부족한 종목을 오랫동안 보면서 쌍 거래를 수행 할 수 있습니다. 기본적으로, 둘 사이의 확산이 결국 수렴 할 것이라는 사실에 베팅하고 있습니다.
C.1.2. 쌍 무역 실험실.
Pair Trading Lab은 쌍 거래 포트폴리오를 설정하고 백 테스팅하는 데 도움이되는 도구를 제공합니다. Pair Trading Lab은 1 천만 개가 넘는 사전 분석 된 쌍의 데이터베이스와 함께 다음을 제공합니다.
고급 온라인 백 테스터.
온라인 공동 분석기.
백 테스트, 연구 및 쌍의 개인 저장소.
포트폴리오 주최자 및 포트폴리오 backtester.
C.1.3. AlgoTrader - 무역 연구실 통합 쌍.
AlgoTrader와 Pair Trading Lab 간의 통합을 통해 두 시스템의 기능을 결합하여 활용할 수 있습니다.
Pair Trading Lab은 다음과 같은 목적으로 사용됩니다.
쌍의 백 테스트를 작성하십시오.
쌍 매매 아이디어를 확인하고 쌍의 행동과 견고성을 검사하십시오.
공동 통합을위한 테스트 쌍.
복잡한 필터를 사용하여 사전 분석 된 1 천만 개 이상의 미국 시장 쌍을 PTL 데이터베이스에서 검색하십시오.
관심있는 쌍의 목록을 만들고 유지 관리하고 평가하고 태그를 지정합니다.
쌍 전략의 포트폴리오를 작성, 유지 및 백 테스트하십시오.
그런 다음 AlgoTrader - Pair Trading Lab 통합을 사용하여 Pair Trading Lab에서 선택한 쌍 및 / 또는 포트폴리오 포트폴리오를 AlgoTrader로 다운로드하여 자동으로 거래 할 수 있습니다.
AlgoTrader 기반 쌍 거래 전략 구현은 Ratio Model을 기반으로합니다.
C.2.В 구현.
새로운 전략의 구현에 필요한 주요 아티팩트는 Chapter 5, Strategy Development 장에서 설명합니다.
다음 목록은 Pairs Trading Strategy에 의해 구현 된 특정 이슈에 대한 개요를 제공합니다 (참고 : 대부분의 기능은 JavaDoc 또는 Esper 설명을 통해 문서화됩니다).
주요 거래 논리를 제공하는 전략 서비스 클래스입니다.
Pair Trading Lab에서 쌍을 다운로드하고 AlgoTrader에서이를 구성하려면 유틸리티를 가져옵니다.
모든 전략 구성 항목을 포함합니다.
비율 모델의 논리를 포함합니다.
이 전략에 대한 모든 진술을 포함하는 Esper 모듈 :
PAIR_WINDOW : 모든 현재 쌍 정의를 포함합니다.
SIGNAL_WINDOW : 현재 신호를 포함합니다 (각 틱에서 업데이트됩니다).
LAST_TICK, INSERT_LATEST_TICK, UPDATE_LATEST_TICK_1 & amp; UPDATE_LATEST_TICK_2 : 모든 쌍의 현재 가격을 추적합니다.
UPDATE_HISTORICAL_BARS & amp; DAILY_RECALC : 기록 데이터 다운로드 및 항목 임계 값 갱신을위한 일일 트리거.
INSERT_ZSCORE : 새로운 가격 업데이트마다 Z - 점수를 계산합니다.
INSERT_INTO_SIGNAL_EVENT & amp; ON_SIGNAL : 입력 또는 종료 트리거에 도달하면 SignalEvents를 만들고 전파하십시오.
전략에 사용되는 기본 매개 변수를 포함합니다.
이벤트 유형 정의 (예 : PairEvent 및 SignalEvent)
pairTradingParams, pairsTradingConfig, pairsTradingEngine, pairsTradingService 및 전략 별 bean csvImporter, orderSubmissionService 및 pairsTradingLabNavigator가 들어 있습니다.
임베디드 메모리 데이터베이스 H2를 사용하여 전략을 시뮬레이션하는 데 필요한 H2 데이터베이스 레코드를 포함합니다.
MySql 데이터베이스 레코드가 들어 있습니다. MySql 데이터베이스로 전략을 실행하기 전에 데이터베이스로 임포트해야합니다.
맞춤형 웹 UI 전략에 필요한 HTML5 및 JavaScript 파일
전략을 시작하려면 Chapter 4, AlgoTrader 시작 장의 설명을 참조하십시오.
C.3.В 설치 & amp; 시작.
전략을 사용하기 전에 다음 단계를 실행하십시오.
Pair Trading Lab에서 무료 계정을 신청하십시오.
쌍 포트폴리오를 만듭니다.
쌍 포트폴리오를 만들고 일부 쌍을 추가하십시오.
포트폴리오 ID를 추출합니다.
csvImportPortfolio는 PTL Trader / Portfolio Manager에서 쌍을 클릭 할 때 URL에서 추출해야합니다.
그림 C.1. 쌍 거래 포트폴리오 ID.
개발 워크 스테이션에서 실시간 거래 모드로 전략을 시작하려면 다음 단계를 수행하십시오.
명령 줄에서 힘내 복제본을 수행하십시오 :
파일 / 가져 오기 / 메이븐 / 기존 메이븐 프로젝트를 통해 이클립스로 프로젝트를 가져 오기 :
MySql 데이터를 전개하십시오.
/src/main/resources/db/mysql/mysql-data. sql 파일을 MySql에로드하십시오.
쌍 거래 실험실 자격 증명을 구성합니다.
/src/main/resources/conf-pairstrading. properties 파일에서 다음 항목을 구성해야합니다.
csvImportPortfolio는 Pair Trading Lab에서 추출해야합니다 (위 참조)
라이브 트레이딩 모드에서 전략 시작.
Eclipse Launch Configuration : EmbeddedStarter-pairstrading을 시작하십시오.
생산 서버에서 라이브 거래 모드로 전략을 시작하려면 다음 단계를 수행하십시오.
다음 파일을 서버에 복사하고 필요에 따라 변경하십시오.
쌍 거래 실험실 자격 증명을 구성합니다.
docker-compose. yml 파일에서 VM_ARGUMENTS 환경 변수를 업데이트하고 csvImportPortfolio, csvImportUser & amp; amp; csvImportPassword :
csvImportPortfolio는 Pair Trading Lab에서 추출해야합니다 (위 참조)
도커 작성 실행
docker-compose. yml 파일이있는 디렉토리에서 다음 명령을 호출하십시오.
C.4.В 전략 모니터링.
Pairs Trading 전략에는 HTML5 관리 페이지가 별도로 제공됩니다. 이 페이지는 /pairstrading. html 경로를 통해 제공됩니다 (예 :
그림 C.2. 트레이싱 HTML5 커스텀 위젯 예제.
Ctrl + Shift + R을 사용하여 사용자 정의 위젯을 표시하려면 처음 시작할 때 브라우저를 완전히 다시로드해야 할 수도 있습니다.
HTML5 관리 페이지는 다음과 같은 컨트롤을 제공합니다.
PairInfo & amp; Pairs : Pair Trading Lab에서 다운로드 한 현재 쌍의 정의입니다. movingAvg 및 standardDev는 역사적 종가를 사용하여 매일 계산됩니다 (Esper 문 UPDATE_HISTORICAL_BARS 기준).
신호 : 실시간 데이터를 기반으로 한 일중 쌍 값입니다. 비율은 한 쌍의 개별 악기 사이의 현재 가격 비율을 나타냅니다. zScore는 비율 시계열을 중심으로 볼린저 밴드에 상대적인 현재 비율을 보여줍니다. zScore가 zScoreEntry 임계 값에 도달하면 위치가 입력되고 zScore가 zScoreExit 임계 값에 도달하면 위치가 닫힙니다. zScore가 zScoreMax를 초과하면 (예 : 커다란 야간 갭 이후) 새 위치가 열리지 않습니다. 신호 필드는 한 쌍의 현재 상태 (예 : LONG, SHORT, EXIT & HOLD)를 표시합니다.
역사적 막대 가져 오기 작업은 관련 기간에 대한 모든 도구의 과거 마감 가격을 가져 오는 데 사용됩니다. 이 작업은 하루에 한 번 자동 실행됩니다. 또한 언제든지 수동으로 호출 할 수 있습니다.
Re-Calc Entry Thresholds 작업은 데이터베이스의 히스토리 데이터를 기반으로 movingAvg 및 standardDev를 업데이트하는 데 사용됩니다. 이 작업은 하루에 한 번 자동 실행됩니다. 또한 언제든지 수동으로 호출 할 수 있습니다.
쌍 가져 오기 작업은 쌍 거래 실험실에서 쌍을 가져 오거나 업데이트합니다.

데이터 기반 기술을 사용한 쌍 거래 : 간단한 거래 전략 3 부.
쌍 거래는 수학적 분석에 기반한 전략의 좋은 예입니다. 데이터를 활용하여 페어 트레이딩 전략을 만들고 자동화하는 방법을 보여줍니다.
기본 원리.
예를 들어 Pepsi와 Coca Cola와 같은 제품을 생산하는 두 회사와 같이 경제적 기반이되는 증권 X와 Y가 있다고 가정 해 봅시다. 이 둘의 비율 또는 차이 (스프레드라고도 함)가 시간 경과에 따라 일정하게 유지되기를 기대합니다. 그러나 수시로 임시 공급 / 수요 변화, 한 가지 증권에 대한 대규모 매매 주문, 회사 중 한 곳에 대한 중요한 뉴스에 대한 반응 등으로 인해이 두 쌍 사이에 스프레드 차이가있을 수 있습니다. 이 시나리오에서 한 주식은 위로 움직이고 다른 주식은 서로 상대적으로 움직입니다. 이 발산이 시간이 지남에 따라 정상으로 되돌아 갈 것으로 예상되면 쌍 거래를 할 수 있습니다.
일시적 차이가있을 때, 쌍 거래는 실적이 좋은 주식 (위로 이동 한 주식)을 매각하고 부진한 주식 (하락한 주식)을 매수하는 것입니다. 두 종목 사이의 스프레드가 성과가 가장 좋은 종목으로 이동하거나 실적이 저조한 종목의 백업 또는 둘 다에 의해 결국 수렴하게 될 것입니다. 이러한 모든 시나리오에서 거래가 수익을 창출 할 것입니다. 주식이 모두 위로 움직이거나 그들 사이의 스프레드를 바꾸지 않고 함께 움직이면, 돈을 벌거나 잃지 않습니다.
따라서 페어 트레이딩은 시장 중립적 인 트레이딩 전략으로 상인은 거의 모든 시장 조건 (상승 추세, 하락 추세, 또는 옆쪽의 움직임)에서 이익을 얻을 수 있습니다.
개념 설명 : 우리는 두 개의 가짜 증권을 생성하는 것으로 시작합니다.
가짜 보안 X를 생성하고 정규 분포에서 그려서 일일 수익을 모델화합시다. 그런 다음 누적 합계를 수행하여 매일 X 값을 구합니다.
이제 우리는 X에 대해 경제적으로 깊은 링크가있는 Y를 생성합니다. 따라서 Y의 가격은 X와 매우 유사해야합니다. X를 가져와이를 위로 이동시키고 정규 분포에서 추출한 임의의 잡음을 추가하여 모델을 만듭니다.
농축.
상관 관계와 매우 유사한 통합 분석은 두 계열 간의 비율이 평균에 따라 달라짐을 의미합니다. 두 시리즈 인 Y와 X는 다음과 같습니다.
여기서 ⍺는 일정한 비율이고 e는 백색 잡음이다. 자세한 내용은 여기를 참조하십시오.
페어 트레이딩이 두 timeseries 사이에서 작동하려면 시간 경과에 따른 비율의 기대 값이 평균에 수렴되어야합니다. 즉, 그들은 공적분되어야합니다.
우리가 위에 건설 한 시계열은 공적분된다. 우리는 두 사람 사이의 비율을 계획하여 어떻게 보이는지 볼 것입니다.
공적분 테스트.
statsmodels. tsa. stattools에있는 편리한 테스트가 있습니다. 우리는 인위적으로 가능할만큼 공적분 된 두 개의 시리즈를 인위적으로 만들었으므로 매우 낮은 p 값을보아야합니다.
참고 : 상관 관계 vs.
상관과 공적분은 이론적으로는 유사하지만 동일한 것은 아니다. 상관 관계가 있지만 공적분이 아닌 계열의 사례를 살펴보고 그 반대의 사례를 살펴 보겠습니다. 먼저 방금 생성 한 시리즈의 상관 관계를 확인하십시오.
우리가 예상했던대로 그것은 매우 높습니다. 그러나 상관 관계가 있지만 공적분이 아닌 두 시리즈가 어떻게 보이겠습니까? 간단한 예제는 두 가지 시리즈가 있습니다.
핵분열 테스트 p - 값 : 0.258.
상관 관계가없는 공적분의 간단한 예제는 정규 분포 된 계열과 구형파입니다.
통합 분석 테스트 p - 값 : 0.0.
상관 관계는 매우 낮지 만 p 값은 완벽한 공적분을 보여줍니다!
페어 트레이드를 만드는 방법은?
두 개의 공적분 시계열 (위의 X와 Y와 같은)은 서로를 향해 그리고 서로 떨어져 표류하므로 확산이 높고 확산이 낮을 때가있을 것입니다. 우리는 하나의 보안을 구입하고 다른 보안을 판매함으로써 쌍 거래를합니다. 이 방법으로 두 증권이 함께 하락하거나 함께 상승한다면 우리는 수익을 창출하거나 잃지 않습니다 - 우리는 시장 중립적입니다.
위의 X와 Y로 돌아 가면 Y = ⍺ X + e를 따르며, 비율 (Y / X)가 평균값 moves 주위로 움직입니다. 우리는 평균으로 되돌아가는 두 비율의 비율로 수익을 얻습니다. 이렇게하기 위해 우리는 X와 Y가 멀리 떨어져있을 때, 즉 ⍺가 너무 높거나 낮을 때를 지켜 볼 것입니다.
비율을 늘리는 것 이것은 비율 ⍺이 평소보다 작고 증가 할 것으로 예상 할 때입니다. 위의 예에서 우리는 Y를 사고 X를 팔아 내기 위해 내기를합니다. 비율을 줄입니다. 비율 ⍺이 크고 작을 것으로 예상합니다. 위의 예에서 우리는 Y를 팔고 X를 사면이 것에 내기를 걸었습니다.
우리는 항상 "헤지드 포지션"을 가지고 있음을 기억하십시오 : 매도 포지션이 가치를 잃으면 매도 포지션이되고, 매수 포지션이되면 매도 포지션으로 돈을 벌어 전체 시장 변동에 영향을받지 않습니다. 증권 X와 Y가 서로 상대적으로 움직이는 경우에만 수익을 얻거나 잃게됩니다.
데이터를 사용하여 이와 같이 작동하는 증권을 찾습니다.
이를 수행하는 가장 좋은 방법은 공적분 될 것으로 의심되는 증권으로 시작하여 통계 테스트를 수행하는 것입니다. 모든 쌍에 대해 통계 테스트를 실행하면 여러 비교 바이어스에 걸릴 수 있습니다.
다중 비교 편향은 단순히 많은 테스트가 실행될 때 중요한 p 값을 잘못 생성 할 가능성이 증가한다는 사실입니다. 왜냐하면 우리는 많은 테스트를 실행하기 때문입니다. 무작위 데이터에 대해 100 개의 테스트를 실행하면 0.05 미만의 5 p 값을 예상합니다. 공동 통합을 위해 증권을 비교하는 경우, n (n-1) / 2 비교를 수행하게되며, 잘못하면 많은 p 값이 나타날 것으로 예상해야합니다. p 값은 증가 할 때 증가합니다. 이를 피하기 위해, 공적분이 될 것으로 의심되는 이유가있는 적은 수의 쌍을 선택하고 각각을 개별적으로 테스트하십시오. 이것은 다중 비교 편견에 덜 노출 될 것입니다.
따라서 공적분을 표시하는 유가 증권을 찾으려고합시다. S & amp; P 500의 미국 대형 캡 기술 주식 바구니와 함께 작업 해 봅니다. 이러한 주식은 유사한 부문에서 운영되며 공적 가격을 가질 수 있습니다. 우리는 증권 목록을 조사하여 모든 쌍의 공적분을 테스트합니다. 공적분 검정 득점 행렬, p 값 행렬 및 p 값이 0.05 미만인 모든 쌍을 반환합니다. 이 방법은 여러 비교 편견에 취약하며 실제로 증권은 두 번째 검증 단계를 거쳐야합니다. 이 예제를 위해 이것을 무시합시다.
참고 : 우리는 데이터에 시장 벤치 마크 (SPX)를 포함 시켰습니다. 시장은 매우 많은 유가 증권의 움직임을 유발하여 종종 겉으로 공적으로 공존하는 유가 증권을 발견 할 수 있습니다. 그러나 현실적으로 그들은 서로 공조하지 않고 둘 다 시장과 공존한다. 이것은 교란 변수 (confounding variable)로 알려져 있으며, 당신이 발견 한 모든 관계에서 시장 참여를 확인하는 것이 중요합니다.
이제 우리의 방법을 사용하여 공적분 된 쌍을 찾으려고 노력합시다.
'ADBE'와 'MSFT'와 같은 모습이 공적분됩니다. 이 가격이 실제로 합리적인지 확인하기 위해 가격을 살펴 보겠습니다.
비율은 안정된 평균 주위를 움직 인 것처럼 보입니다. 절대 비율은 통계적으로별로 유용하지 않습니다. 신호를 z - 점수로 정규화하는 것이 더 도움이됩니다. Z 점수는 다음과 같이 정의됩니다.
Z 점수 (값) = (값 - 평균) / 표준 편차.
실제로 이것은 일반적으로 데이터에 약간의 스케일을 제공하기 위해 수행되지만 이것은 기본 분포를 가정합니다. 보통 정상. 그러나 많은 재무 데이터가 정상적으로 배포되지 않으며 통계를 생성 할 때 정규 분포 나 특정 분포를 가정하지 않도록 매우 조심해야합니다. 비율의 진정한 분포는 매우 가파르고 극단적 인 값으로 인해 모델이 엉망이되어 큰 손실을 초래할 수 있습니다.
지금 비율이 이제 평균 주위를 돌아 다니는 것을 관찰하는 것이 더 쉽지만 때로는 평균에서 큰 차이가 나는 경향이 있습니다. 우리는이를 활용할 수 있습니다.
우리는 쌍 거래 전략의 기본에 대해 이야기하고 역사적 가격에 기반한 공동 통합 증권을 확인 했으므로 거래 신호를 개발하려고합니다. 먼저 데이터 기술을 사용하여 거래 신호를 개발하는 단계를 요약 해 보겠습니다.
신뢰할 수있는 데이터 수집 및 데이터 정리 데이터에서 기능을 생성하여 거래 신호 / 논리 식별 기능은 가격 데이터, 상관 관계 또는보다 복잡한 신호의 평균 또는 비율 이동 - 새로운 기능 생성을 위해 결합 이러한 기능을 사용하여 거래 신호를 생성합니다. 악기는 구매, 판매 또는 중립입니다.
1 단계 : 문제를 설정합니다.
여기에서 비율이 다음 순간의 매수 또는 매도인지 여부를 알려주는 신호를 생성하려고합니다. 즉 예측 변수 Y는 다음과 같습니다.
Y = 비율은 매수 (1) 또는 매도 (-1)입니다. Y (t) = 부호 (비율 (t + 1) - 비율 (t))
우리는 실제 주식 가격이나 비율의 실제 가치 (비록 우리는 할 수는 있겠지만)를 예측할 필요가 없다는 점에 유의하십시오.
2 단계 : 신뢰할 수 있고 정확한 데이터 수집.
Auquan Toolbox는 귀하의 친구입니다! 거래하고자하는 주식과 사용할 데이터 소스를 지정하기 만하면 필요한 데이터를 가져와 배당금과 주식 분할을 위해 정리합니다. 그래서 우리의 데이터는 이미 깨끗합니다.
우리는 지난 10 년 동안 거래일에 대해 매일 간격으로 야후의 다음 데이터를 사용하고 있습니다 (
2500 데이터 포인트) : 열기, 닫기, 높음, 낮음 및 거래량.
3 단계 : 데이터 분할.
모델의 정확성을 테스트하는이 중요한 단계를 잊지 마십시오. 우리는 다음 교육 / 검증 / 테스트 분할을 사용하고 있습니다.
이상적으로 우리는 유효성 검사 세트를 만들어야하지만 지금은이를 건너 뛸 것입니다.
4 단계 : 기능 공학.
관련 기능은 무엇 일 수 있습니까? 비율 이동의 방향을 예측하고 싶습니다. 우리는 두 증권이 공적분되어 비율이 움직이고 평균으로 돌아 간다는 것을 알았습니다. 우리의 특징은 비율의 평균, 즉 거래 신호를 생성 할 수있는 평균에서 현재 가치의 차이에 대한 특정 조치 여야합니다.
다음 기능을 사용합시다.
60 일 이동 평균 : 이동 평균 5 일 이동 평균 : 평균 60 일 표준 편차 z 점수 : (5d MA - 60d MA) / 60d SD.
압연 수단의 Z 점수는 비율의 평균 되돌리기 특성을 실제로 나타냅니다!
5 단계 : 모델 선택.
정말 간단한 모델부터 시작합시다. z 점수 차트를 보면 z 점수 기능이 너무 높거나 낮아질 때마다 되돌아가는 경향이 있음을 알 수 있습니다. 너무 높거나 낮게 임계 값으로 + 1 / -1을 사용하면 다음 모델을 사용하여 거래 신호를 생성 할 수 있습니다.
Z 점수가 0으로 되돌아 올 것이므로 z 점수가 -1.0 이하가 될 때마다 비율은 buy (1)입니다. 따라서 z 비율이 1.0 이상일 때 Ratio는 sell (-1)입니다. 점수는 0으로 내려 가고, 따라서 비율은 감소합니다.
6 단계 : 교육, 검증 및 최적화.
마지막으로 실제 모델에서 모델이 실제로 어떻게 작동하는지 확인해 보겠습니다. 이 신호가 실제 비율에서 어떻게 보이는지 봅시다.
신호가 합리적 인 것처럼 보일 때, 우리는 비율이 높거나 증가 할 때 비율 (빨간 점)을 팔아서 낮을 때 (녹색 점) 감소 할 때 다시 사는 것처럼 보입니다. 우리가 거래하고있는 실제 주식은 무엇을 의미합니까? 한 번 보자.
짧은 다리와 때로는 긴 다리에서, 때로는 양쪽에서 돈을 벌 때가 있습니다.
우리는 훈련 데이터에 대한 우리의 신호에 만족합니다. 이 신호가 어떤 종류의 이익을 창출 할 수 있는지 봅시다. 비율이 낮을 때 1 비율 (1 ADBE 주식 매수 및 매도 x MSFT 주식 매수)을 매입하고, 매매 비율이 높을 때는 1 비율 (ADBE 주식 1 매 매수, MSFT 주식 매수 1 매)을 매입하고 이들의 PnL을 계산하는 간단한 백 테스터를 만들 수 있습니다 거래.
그래서 그 전략은 수익성이있는 것처럼 보입니다! 이제 이동 평균 창을 변경하거나 매매 위치 및 종료 위치에 대한 임계 값을 변경하고 유효성 검사 데이터의 성능 향상을 확인하여 추가로 최적화 할 수 있습니다.
Logisitic Regression, SVM 등의보다 정교한 모델을 사용해 1 / -1 예측을 할 수도 있습니다.
지금은이 모델을 계속 사용하기로 결정했다고 가정 해 보겠습니다.
7 단계 : 테스트 데이터에 대한 백 테스트.
Backtesting은 간단합니다. 위의 함수를 사용하여 테스트 데이터에서 PnL을 볼 수 있습니다.
모델은 꽤 잘한다! 이것은 우리의 첫 번째 간단한 쌍 거래 모델이됩니다.
지나친 것을 피하십시오.
토론을 끝내기 전에, 우리는 지나치게 다루는 것에 특별한 언급을하고 싶습니다. 과핑은 거래 전략의 가장 위험한 함정입니다. overfit 알고리즘은 백 테스트에서 훌륭하게 수행 할 수 있지만 새로운 보이지 않는 데이터에 비참하게 실패합니다. 이는 실제로 데이터의 추세를 파악하지 못했고 실제 예측력이 없음을 의미합니다. 간단한 예를 들어 봅시다.
우리 모델에서는 롤링 매개 변수 추정을 사용했으며 창 길이를 최적화하려고 할 수 있습니다. 가능한 모든 적당한 창 길이를 반복하고 모델이 가장 잘 수행 할 길이를 선택하기로 결정할 수 있습니다. 아래에서 우리는 트레이닝 데이터의 pnl을 기반으로 스코어 윈도우 길이에 대한 간단한 루프를 작성하고 가장 좋은 것을 찾습니다.
이제 우리는 테스트 데이터에 대한 모델의 성능을 점검하고이 창 길이가 최적이 아님을 발견했습니다! 이는 원래의 선택이 샘플 데이터에 분명히 적합했기 때문입니다.
Google 샘플 데이터에 분명히 부합하지 않으면 앞으로도 좋은 결과를 얻을 수 없습니다. 재미를 위해서 두 데이터 세트에서 계산 된 길이 점수를 표시하십시오.
우리는 20-50 사이의 것이 창문에 좋은 선택이라는 것을 알 수 있습니다.
초과 적용을 피하기 위해 우리는 경제적 추론 또는 알고리즘의 특성을 사용하여 창 길이를 선택할 수 있습니다. 칼만 필터를 사용할 수도 있습니다. 칼만 필터는 길이를 지정하지 않아도됩니다. 이 방법은 나중에 다른 노트북에서 다룹니다.
다음 단계.
이 글에서는 쌍 거래 전략을 개발하는 과정을 설명하기위한 간단한 소개 방법을 제시했습니다. 실제로는보다 정교한 통계를 사용해야하며 그 중 일부는 여기에 나열되어 있습니다.
허스트 지수 (Hurst exponent) Ornstein-Uhlenbeck 프로세스 칼만 필터에서 유추 된 평균 반전의 반감기.
더 많이 또는 더 적은 박수를 치기 만하면 어떤 이야기가 실제로 돋보이는 지 우리에게 알릴 수 있습니다.
팀 Auquan.
Auquan은 다양한 배경의 사람들이 각자의 분야에서 기술을 적용하여 고품질의 거래 전략을 개발하는 것을 목표로합니다. 우리는 올바른 지식과 태도를 갖춘 매우 재능있는 사람들이 성공적인 거래 알고리즘을 설계 할 수 있다고 믿습니다.

쌍 거래 전략 예
쌍 거래는 시장 이동에 대해 항상 헤지 (hedging)된다는 뚜렷한 이점을 갖는 평균 회귀의 한 형태입니다. 일반적으로 엄격한 통계로 백업 할 때 높은 알파 전략입니다. 이 노트북은 다음과 같은 개념을 수행합니다.
이 노트북은 개념을 소개하기위한 것이고, 이 노트북은 한 쌍만 특징으로하지만 알고리즘은 한 번에 많은 쌍을 고려해야 할 것입니다.
이 노트북은 원래 하버드의 Applied CS 부서의 프리젠 테이션을 위해 제작되었으며 이후 Stanford, Cornell 및 기타 여러 장소에서 사용되었습니다. 콴토 피안 (Quantopian)이 최고의 대학에서 교육 도구로 사용되는 방법에 대해 더 알고 싶다면 [[160] protected :
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. 또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
다음은 노트북에 제시된 접근 방식을 기반으로 한 매우 간단한 알고리즘입니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. 또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Ernie Chan이 작성한보다 정교한 알고리즘이 있습니다. 이 알고리즘은 각 보안 수준을 동일하게 유지하는 것보다는 헤지 비율을 계산합니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. 또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
매우 유용한 것들.
약 3 개월 동안 체계적으로 잃어버린 것은 무엇입니까? 그 기간에 공적분이 실패합니까?
기본적으로 그렇습니다, 그들은 그 기간에 공적분되지 않는 것으로 밝혀졌지만, 장기적으로는 공감대에 돌아 왔습니다.
나는 당신이 지적한 하락이 동시에 많은 쌍의 거래를 원하는 이유에 대한 강력한 사례라고 생각합니다. 쌍은 서로 다른 시간 규모에 걸쳐 공적분을 만들 수 있으며, 주어진 쌍이 항상 거래 가능한 상태 (커다란 스프레드, 작은 스프레드)는 아닐 수도 있습니다. 표본 크기를 늘리면 적어도 한 쌍은 주어진 시간에 강력하게 거래 가능 상태가되고 여기서 볼 수있는 이상한 융기를 부드럽게 할 가능성이 훨씬 높아집니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. 또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
고마워. 실제로 매우 유용합니다. 공적분 테스트를 위해 증강 된 Dickey Fuller 테스트를 사용하신 것으로 나타났습니다. Johansen 테스트를 사용하여 유사한 구현을 가지고 있습니까? Python으로 johansen 테스트를 찾을 수 없습니다.
Johansen 테스트를 statsmodels 라이브러리에 추가하려는 시도가 있었지만 현재에는 내장 된 구현이 없다는 것을 알 수 있습니다. 예를 들어, 타사 구현입니다. 파이썬 라이브러리에 언제 추가 될지 확신 할 수 없지만 해결할 수있는 방법이 있습니까?
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. 또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
감사. 나는 그 링크를 보았다. 구현하기가 복잡하고 IDE에서 모두 작성하기가 어렵습니다. 사실, Satya B는 여기에 quantopian / posts / trading-baskets-co-integrated-with-spy를 시도했습니다.
Johansen 테스트의 장점은 고유 벡터를 생성한다는 것입니다. 고유 벡터를 생성하는 데는 다른 방법을 사용할 수 있다고 생각합니다. 최대 12 개 자산 및 기타 많은 것들에 대해 지금은 리콜 할 수 없지만 바구니. Ernie의 인덱스 전략 중 하나를보고 비용 / 통신 등을 수행 한 후 성능을 평가하기 위해 Q 플랫폼에서 성능을 재현하려고 시도했습니다. 비용이 많이 들었던 것으로 나타났습니다. ABGB & amp; 위의 FSLR 쌍은 샤프 비율이 0.75이지만 샤프 비율은 -0.29로 끝납니다. 외모가 많은 유망한 쌍이 입찰가 / 스프레드, 수수료, 수수료 등을 묻는다면 비영리로 판명되었습니다. 따라서 3 개 이상의 주식 쌍 거래 및 인덱스 arb를보고 있습니다. 요한센 테스트는 이것을 쉽게 구현할 것입니다.
나는 계속 노력할 것이다.
이 노트북은 페어 트레이딩에 대한 통계적으로 뛰어난 소개이며, 주제에 관심있는 사람도 금융 연구의 일부를 조사하는 것이 좋습니다. Pairs Trading의 해부학은 좋은 출발점이며 참고 문헌도 도움이됩니다. 리스크 차익 거래 전략에 관한보다 일반적인 두 개의 논문은 리스크 특성과 ​​리스크 리스크 재보험 및 주식 시장에서의 제한된 차익 거래입니다. 이러한 종류의 전략을 실행하는 것에 대해 사람들이 배운 비싼 교훈이 있으며 사전에 교훈을 알아야합니다. 미리 경고한다.
안토니, 여기 보게되어 반가워! 나는 Johansen 테스트의 좋은 구현을 잠시 동안 찾고 있었지만 찾지 못했습니다. github / statsmodels / statsmodels / issues / 448 및 github / josef-pkt / statsmodels / commit / bf79e8ecb12d946f1113213692db6dac5df2b6e9 정말 너무 오래되었지만 부실한 토론이 있습니다. 퀀트 파이낸스에서 확실히 그렇듯이 이것은 널리 사용됩니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. 또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
아론. 충고 고맙습니다. 너에게서 오는 것을 감사하게 생각해라. 나는 그 신문들과 시간을 보낼 것이다.
도마. 링크를 가져 주셔서 감사합니다. 당신이 말했듯이, 그것은 약간 오래된 것입니다. 내가 생각하는 것보다 낫다.
다음은 벡터 오류 수정 모델을위한 파이썬 구현입니다. 공적분 가중치를 찾을 때도 사용할 수 있습니다. econ. schreiberlin. de/software/vecmclass. py.
다음은 Ernie Chan의 알고리즘으로 여러 쌍을 교환하도록 수정 된 것입니다. 이것은 여러 비 상관 반환 스트림을 얻고 전반적인 전략의 베타를 줄이는 좋은 방법입니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. 또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Delany, 통계 테스트를 사용하여 쌍을 검색 할 수있는 방법이 있습니까? 아니면 일반적으로 계산하기에는 너무 비싸지 않은가?
우리는 노트북을 자신의 연구 환경으로 복제 할 수있는 방법을 모색하고 있습니다. 그 동안 원래 게시물에서 노트북으로 놀기에 관심이있는 사람들은 여기에서 다운로드 할 수 있습니다. 다운로드 후 연구 계정으로 업로드하십시오. 아직 연구 계정이없는 경우 액세스 권한을 얻기 위해 컨테스트에 알고리즘을 입력하십시오.
좋은 거래자, 노트북에서 제공되는 방법은 공적분, 즉 쌍 거래에 필요한 근본 조건 인 유가 증권 목록을 스크린합니다. 문제는 통계적 힘의 손실만큼 계산상의 복잡성이 아닙니다. 비교가 많을수록 유의 한 p 값을 지정해야합니다. 이 현상은 여기에 설명되어 있습니다. 통계적으로 엄격하게하기 위해서는 쌍 방향 공적분 스크립트에서 얻은 p 값에 Bonferroni 보정을 적용해야합니다. 그 이유는 더 많은 P - 값을 생성할수록, 의미있는 P - 값에 마주 칠 가능성이 커지며, 실제 증권 거래에서의 실제 공적분 행태를 반영하지 않기 때문입니다. n 증권에서 pairwise cointegration을 찾을 때 비교 횟수가 O (n ^ 2)의 비율로 증가하기 때문에 20 개의 유가 증권을 보더라도 대부분의 통계 테스트는 쓸모 없게됩니다. 보다 나은 접근법은 근본적인 경제적 연결 분석을 사용하여 소수의 후보 증권을 제안하는 것입니다. 그런 다음 어떤 쌍이 공적분 될지 결정하기 위해 적은 수의 통계적 테스트를 수행 할 수 있습니다. 이것이 당신이 의미하는 바라면 알려주십시오.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. 또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
나는 너무 많은 비교에 대한 문제에 대해서는 다소 의견이 다릅니다. Bonferroni 수정은 진실을 찾고있을 때 적절합니다. 예를 들어, 1,000 개 항목의 설문지를 작성하고 암이 있거나없는 사람들에게 제공하면 5 % 수준의 통계적 유의 수준에서 암과 관련이있는 평균 50 개의 항목을 찾을 수 있습니다. 설문 조사는 암과 관련이 있습니다. 두 개 이상의 항목의 조합을 고려하면 원하는만큼의 상관 관계를 생성 할 수 있습니다.
그러나 자동화 된 거래 전략을 설계 할 때 우발적 인 관계로 인해 많은 상처를 입히지 않습니다. 그들은 당신의 결과에 임의의 소음과 거래 비용을 추가합니다. 100 % 의미가없는 결과가 거의 없기 때문에 대부분의 관계는 최소한 지속성이 약간 있으므로 엄격한 검증을 거친 전략을 필터링하는 것이 중요하지 않습니다. 이익은 중요하지 않고 진실이 아닙니다. 본 페로 니 (Bonferroni) 및 이와 유사한 측정법을 사용하면 일반적으로 가장 경제적으로 유용한 관계가 아닌 가장 통계적으로 신뢰할 수있는 관계로 안내합니다.
"근본적인 경제적 연결의 분석"에 의해 당신은 같은 업계에서 비슷한 두 회사와 같은 자연 쌍으로 시작한다는 것을 의미합니다. 기본적으로 사람들은 명백한 것을 주목합니다. 덜 분명한 관계, 특히 사람들이 사용하는 일반적인 데이터에서 보이지 않는 것들에 대해 생각한다면, 나는 동의한다. 이론적으로 쌍 관계에 대한 타당성있는 경제적 이야기를 원한다. 왜 그것이 존재하고 왜 그것이 차용을하지 않는지 모두를 설명한다. 데이터 마이닝을 막을 수있을뿐만 아니라 효과가 계속 작동하는지 측정 할 수 있다는 것을 의미합니다 (즉, 돈을 잃을 때의 전략이 작동하지 않는다는 것을 알 수있는 유일한 방법).
잘 하셨어요. I haven't read through your notebook line-by-line, but I can tell that it will be a great addition to the Quantopian example library. And following up with shared algos--good move.
You might have a look at the notebook I posted, quantopian/posts/analysis-of-minute-bar-trading-volumes-of-the-etfs-spy-and-sh. To visualize how a given pair goes in and out of cointegration, you could make a similar plot. Applying the statistical test 390 times per trading day over many years would require some patience, though.
Aaron Am I correct in reading your argument generally as follows?
- In the real world Bonferroni is too restrictive and the number of profitable pairs you lose via the correction outweighs the statistical certainty you gain.
I think we agree as to the final point you make. I think that many of the economic link analysis folks do are simplistic and ignore the potentially interesting relations that are more likely to contain non-arbitraged alpha.
Grant Thank you. We're actually planning to expand the example library to a full quant finance curriculum taught with notebooks and companion algorithms. We're going to have a series of summer lectures as we develop more topics, so keep an eye out for those. Your notebook is very cool and I do wonder how stable the cointegration scores are even for strongly cointegrated pairs. Unfortunately, I don't think I'll have time to look into that in the near future what with the production of our other curriculum notebooks. We are looking for guest contributors, however. If you have any notebooks you would like to be featured in our curriculum with full credit to the author(s), send them my way and I'll see if they would fit into our current content.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
In the real world Bonferroni is too restrictive and the number of profitable pairs you lose via the correction outweighs the statistical certainty you gain.
Not precisely. Yes, Bonferroni is too restrictive in the sense that it gives you too few pairs, but Bonferroni also directs you to the wrong pairs.
In the example of a questionnaire with 1,000 items given to cancer patients and non-cancer patients, it's likely that most of the items have no effect on cancer, or at least such weak and complex effects that it's not worth using them for medical advice. So if you want 5% significance, you test each item at the 0.005% level (that is you want 3.9 standard deviations, not just 1.6). You don't mind that, because any real effect strong enough to matter will likely show up with strong significance. If you didn't do Bonferroni, you'd end up with 50 recommendations even when none of the items mattered, and a lot of useless advice.
Incidentally, Bonferroni is a very conservative correction, and there are more sophisticated ones that allow more items.
But if you have 1,000 pairs to test, it's likely that many of them have some degree of cointegral predictability. Even if there is no predictability, including the extra pair only adds a little noise to your strategy, which is not terrible. Also you don't believe that any of them have predictability so strong that anyone would have noticed it and arbitraged it away. So it's reasonable to consider all the pairs with 5% significance or less, and filter them out using economic or other criteria unrelated to the data. Selecting only the strongest statistical relations is not wise.
You can set this up in a Bayesian framework if you like consistency and precision; or you can just use ad hoc rules of thumb.
Just for the il-pair-literated who want to learn. must there be a story behind the pair? Should there be a logical explanation? I played around with pairs and found for example that MorganStanley and Expedia work. but why? Or doesn't one want to know why.
must there be a story behind the pair?
This is actually a semantic question rather than a financial one. If you adopted a pure statistical approach with no consideration of the actual pairs, you would end up with hundreds or thousands of pairs, including some overlapping ones. Then we wouldn't call it a pairs-trading strategy but a long-short equity strategy.
The idea of pairs trading is you can get additional insight by considering specific reasons for the dependence between the stocks; and that insight can result in more accurate positioning, and also avoidance of big losses when the relation breaks.
Obvious relations, like two large-cap stocks in the same industry, tend not to be useful. That's confusing sometimes, because some of the famous early pairs trades involved such pairs, and they're still used for examples in most texts. But too many people are watching those spreads too closely to get the high Sharpe ratios you need for undiversified strategies like pairs trading. Leave those marginal Sharpes to the long-short equity people who have a lot more positions.
Also, when we talk about a reason for the pairs relation, we're talking about both a positive--why is it hard to imagine a world in which the values of these companies diverge from their historical proportions--and a negative--why do these stocks respond to different economic news? So for two near-identical companies the first question is easy, but the second is hard. For two seemingly unrelated companies like MS and EXPE it's the reverse. You might say something like, "In a good economy Morgan Stanley gets a lot of business and people travel a lot," but that's basically true of almost any two companies.
The classic pairs reason was two companies that responded to the same basic economic factors, say oil prices or interest rates or US dollar strength, but at different points in the supply chain, say crude oil prices versus gas station revenues. A single link is not good enough, virtually all companies respond to these factors. But you can find pairs that are matched on narrower factors, say fracking activity in the Northeast US or precipitation in central California, or that match direction on a number of broad factors. Or you can find two companies that are actually in similar businesses today, but that for historical reasons are listed in different sectors. Another common situation is two companies involved at different points of the lifecycle of durable assets; homebuilders and furniture stores with similar geography for example.
Anyway, when you have a reason, you have things to monitor to fine-tune your position; and to alert you if a big dislocation is a great trading opportunity or a sign than the historical relation has broken. If you don't have a reason, you'd better have a lot of diversification, meaning you can't afford the specific analysis work for each pair.
Wouldn't you admit though that if a pair has a story then that story is known and therefore unprofitable by the likes of slow to trade retail traders? And if one could mine the data and discover, through the data, stories that were unexpected that one could at least compete in the pairs trading space? I see your point on maintaining a large pool of pairs if the stories that connect the participants are weak or unexplored, but still, if we underlings wish to participate why wouldn't we use such a technique? Or do you maintain that retail traders can capture and profit from anomalous pair spreads of well known couples?
Wouldn't you admit though that if a pair has a story then that story is known and therefore unprofitable by the likes of slow to trade retail traders?
No, I wouldn't agree with that view. Pairs trading tends to be low capacity, especially in lower-cap stocks, and takes a lot of work. It's not attractive for asset managers because the investment amounts and risk characteristics are erratic. It's mostly pursued by individual full-time professional traders, who might follow a dozen pairs in addition to a few dozen other strategies, and semi-pro traders who are willing to take what the market gives them and stay in cash when none of their strategies are attractive. There are more good pairs than there are competent traders chasing them.
In principle, you could find good pairs using a clever automated filter, or by reading and thinking. My general feeling is the first is harder, and if you're going to do it, you'll want to do it to identify large numbers of pretty good pairs rather than two or three great pairs. In that case, I'd say just switch to long-short equity and forget pairs. The good thing about reading and thinking is most good quants are lazy, and would rather let the computer do the work. So you're competing with non-quants, some of whom are pretty good at reading and thinking, but are at a huge disadvantage to someone with a computer who knows a little math.
I don't want to come across as dogmatic, anyone who does what other people tell them is not likely to find great success in any sort of trading. If you think you can design an algorithm to identify good pairs, there's no harm in trying. It just doesn't strike me as the most promising approach.
. takes a lot of work.
네. The easy pairs trade money was made long ago. Lucrative stories in lower-cap stocks though exposes a pair to the aberrations of smaller company volatility no? "Whoops, that solar stock just lost its major contract. Or, wow, that driller just got a windfall state contract." And then the story gets rewritten, or thee or four pages get torn out. One might catch such preludes to story changes if one only watches a dozen or so stories. But here, where we're looking to avoid story watching -- going fully automated, we would get nailed by such narrative breakdowns in just a few pair relationships.
When you say switch to long/short equities you would seem to advocate abandoning the statistical search for obscure (perhaps whimsical) stories in lieu of broader mean reversion -- is this true? But, if one has the tools, why not create dozens and dozens of strange storied pair trades. Sure the stories may not actually exist. But then again, maybe you discover 10 or 20 that are unique. And through a process of eliminating the poorly paired partners, you end up with a manageable set that are capable of dancing with the stars? This site is nothing if not a massive experiment in data mining no?
Again, I'm not trying to law down laws here, but the two straightforward approaches are (a) try to find a few pairs you can understand or (b) forget about pairs and just try to build a large portfolio of longs and shorts without worrying about pairing up stocks or doing unautomated research. In other words (a) niche clever research or (b) massive data mining.
Trying to split the difference by finding dozens of pairs but not doing the tailored research necessary to understand each one seems suboptimal.
try to find a few pairs you can understand.
If I'm reading things correctly, by "understand" you mean that there should be some underlying intuitive story behind the relationship, I suppose so that there is less risk that the relationship will suddenly disappear? Are you talking about a kind of narrative, "The reason we think this is happening, but can't really explain with a model, is. & quot; or an explanatory quantitative model that provides the story behind the relationship? Say I find a pairs trade based on the idea that when consumers buy lots of eggs, bacon sales drop off, and vice versa. I could make up a story that people can only eat so much for breakfast, and leave it at that. I have a warm, fuzzy feeling, and if I'm a professional trader, hopefully my management will feel warm and fuzzy, too. But is the risk really any different without the story? Unless I actually find a relevant study on breakfast eating, or conduct one myself, then I could just be deluded. And if the underlying cause can't be coded into a set of rules, then it is not really automated quantitative trading, right? As a Quantopian user who doesn't do this sort of thing for a living, I need to get an algo in the Quantopian hedge fund, let it run, and collect a check. No time for doing lots of offline analyses.
There are more good pairs than there are competent traders chasing them.
sounds like the land of milk and honey for us inhabitants of Quantopia. This would say that the Quantopian team should think about churning out candidate pairs for their 35,000+ users to examine like a bunch of ants, trying to come up with stories for a subset of them ("I'll take XYZ & PDQ, do some research, and see if I can find a 'story' to support the relationship.").
I'm just trying to sort out if any of this can be reduced to practice for Joe Schmo Quantopian user, or if it is a hopeless endeavor. Is there a path for Quantopian to get hundreds of lucrative, scalable pairs trading algos for their $10B hedge fund (keep in mind that by my estimation, they need several thousand distinct algos in the fund)? Or is this all a bunch of blah, blah, blah?
I've tried the automated searching of pairs/baskets, using the public knowledge techniques, and though I haven't gone through them all with my tick-level back-tester, the few that I did examine personally were largely worthless; the supposed spread mean-reversion that my grid search turned up was just spurious or due to bid-ask bounce.
However, I do know for a fact that people run decently profitable automated pairs trading portfolios. I take that to mean that it is possible, but the way that I approached it was naive. Perhaps the legwork method is the way to go, coming up with theses about drivers and then looking for portfolios that would express the theses, with the actual hedge ratio construction done "rigorously" using Kalman filters or whatever.
My take is that chatting about pairs trading is wonderful, but there should be a focus on reducing it to practice, with some sort of approachable workflow, so that a Quantopian user can sit down in his pajamas with a cup of coffee on a rainy day and actually come up with a halfway decent algo that would have a shot at getting into the crowd-sourced Q fund. For example, we have:
. try to find a few pairs you can understand.
Perhaps the legwork method is the way to go, coming up with theses about drivers.
O. K. So what's the workflow for your typical Q user? Keep in mind, this needs to be scalable. it won't do Q any good if only users with an advanced degree and 20 years of industry experience can be successful. If the answer is, "Well, there is no workflow. you just need to know" then pairs trading won't be approachable on Q. We have Aaron's "reading and thinking" recommendation above, but read what?
Also, I'd seen somewhere that there are techniques for synthesizing trading pairs, from baskets of securities. Does this work? Or does one effectively end up with the long-short equity portfolio referred to by Aaron Brown above?
The kind of warm-and-fuzzy story you mention is worthless for investing, although as you say it can reassure investors and regulators. What you're looking for is covariates to refine your strategy and, most important, warn you when it's not going to work. The quant trap is that when your relation breaks it simply looks more attractive to your model, and you spiral to doom.
The eggs-and-bacon story is actually the reverse of what you want. That says there is a fixed total consumption, so the total amount consumed of both products is fixed, meaning they are negatively cointegrated. If they were positively correlated, say because investors bid up or down all breakfast foods as a group, you would do anti-pairs trading. You're looking for things that have to be in some kind of long-term balance, but move is opposite directions in the short-term. A warm-and-fuzzy story might be residential construction and furniture sales, in the short run if people are saving for down payments they're not buying furniture, and newly house poor families are making due with old furniture and underfurnishing. But in the long run, houses will get furnished. This would never be a pairs trading story because it's relating entire sectors. To exploit this, you'd build a model tracing the full life cycle, and likely involving other factors like interest rates and family demographics and migration patterns, and trade large numbers of stocks.
To keep this practical, here is a Pairs Trading for Dummies recipe (I mean that respectfully, I'm a big fan for For Dummies books).
Run some kind of statistical screen to identify promising pairs trading targets. Don't look for extreme statistical significance, just some moderate level to screen out the noise like 5% or 1%. It can help to limit one member of each pair to companies or regions you know something about.
Clearly this is for someone who has quant skills, but also general research skills and business judgment.
Run some kind of statistical screen to identify promising pairs trading targets. Don't look for extreme statistical significance, just some moderate level to screen out the noise like 5% or 1%. It can help to limit one member of each pair to companies or regions you know something about.
it sounds like it could be productive for Quantopian to open-source some efficient tools for the screening (and maybe up their game in terms of computing resources). Let's say I'm an expert on company XYZ and maybe I could narrow down my field of candidate securities for comparison to NASDAQ-listed stocks, of which there are about 3,000. So, it is an O(N) computing problem, not O(N^2) as Delaney mentions above for the general screening problem. But, I'd like to compute the statistics on a rolling basis, every trading minute over 2 years. I'd have:
(3000 comparisons/minute)(390 minutes/day)(252 days/year)(2 years) = 589,680,000 comparisons.
Is something like this at all feasible on the Quantopian research platform? If not, how would I scale it back to something that would actually run in a reasonable amount of time (a few days at most) but still provide useful results?
I'm playing around with the algorithm by Ernie Chan that you posted.
Surprisingly, it fails entirely when I swap the pair, see the attached backtest (I've only changed the order).
Also, how to treat the negative hedge (beta from OLS). With the current implementation we go long (short) on both positions when the sign of the hedge is the same as the sign of the z-score, which you don't expect from pair trading. What economic reason can lead to such cointegrations?
Not sure exactly why it's failing when you swap the order. Seems like the math may not be robust to an 'upside-down' 쌍. The hedge ratio comes from the formal definition of cointegration, which is that for some b and u_t = y_t - b * x_t, u_t is stationary (the mean stays the same). Therefore we try to estimate the b parameter in each trade so that we can correctly produce a stationary drift between the two securities. It can be the case that the two are negatively cointegrated, whether there's a strong economic reason for this I'm not sure. You might try putting in place restrictions to not trade when you have double long or double short positions, or employing a better estimation method for b (more data points for example).
All of the issues you bring up are very sophisticated improvements, and making these improvements to the algorithm could result in something very good. I don't have cut and dried solutions for you, as you are now dancing around the edge of what is known about algorithmic trading. A lot of it comes down to rigorously testing different signal processing methods to see which yield the best out of sample performance. Also, like you said it's important to let the economic reasoning drive the creation of your model.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Thank you for your quick reply.
This is actually a very valuable response, as I was afraid I might have missed something obvious.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Here is a temp website which has similarity of movement information, which is about the same idea as pairs. StockA is the stock you are comparing to, row is how this pair ranks to all pairs, (its row count). It only contains information for the top 5000 or so pairs.
The data is pulled from the period of Aug 2014 to Feb 2015 and is an average of each day.
(Change IYR to symbol wanted)
The idea behind the algorithm is not actually for pairs trading, but is for similarity of how a pair moves. I will leave this test site up for a few weeks.
Thanks Delaney. It's a great starting step for pair trading technique.
I am working on the missing piece of this strategy which is how to use Quantopian Research environment to find statistical cointegration stock/ETF pairs from entire universe or from the same sectors. After I construct good pairs, then I can use the Notebook you provided for further analysis and backtest.
Does anyone have any suggestion for me?
I have a question for those trading pairs.
How do you deal with the large processing requirements?
I coded some tests for co-integration and results per combination take roughly 1 second.
I can get this down with parallel processing and by storing data locally but a universe of 2000 stocks will still have 4000000 potential combinations.
Perhaps pointing out the obvious, but .
A pre-screening tool, or pre-screening done for you for a fee .
When I was researching this sort of thing a couple of years ago, the baskets of 3 and 4 of only a few hundred ETFs took months on my MacBook. And they were all mostly garbage, though I never actually went through them all. I probably should.
If I remember correctly, that was 1.6T combinations, or something like that.
The formula is R to the Sterling S, divided by S!
so, for 4000 stocks, it would be.
(4000 x3999)/2! or, about 8 million pairs made from the 4000 typical stocks. for 3 stocks considered together, there would be 4000 x 3999 x 3998 /3!
You can prune the possible tree pretty easily though. I believe most stocks behave as if they really were ETFs (at the market neutral way of looking at it only) and can be represented by a group of other stocks, that move with their same fundamentals. You only have to know what sectors they move with, and then check for pairs against this.
So, for example, with HLF, it moves with consumer, several currencies, emerging markets, and a few others. It is hard to separate out exactly as emerging markets also move with currency, so which is which becomes the question.
For two typical tech stocks that appear to be very similar, it may well be the case that their main difference is which currencies they move with. So, for most of the time, they may appear co-integrated, but then, when there is a difference in currencies that affects one a lot, and not so much the other, they then move apart.
I was working on an algorithm to determine the underlying components, (so to speak) that collectively make each stock behave with the same logic as if it was a multi-sector ETF. (where the underlying stocks are a mystery to be solved) I have most of it done, and I believe I have enough done to prove it does work this way, but I lost my real time quote stream a few months ago, and so stopped working on it.
since my algorithm would need to consider up to 15 underlying components to solve this problem, it would be 4000 x 3999 x3998 . 3985/15! So, I have to trim it. The link I posted a few messages above shows some of the results of this work, where I first determine the possible stocks to consider, for each symbol.
It is my belief that the market is essentially swamped out with pairs trading, and this is why it works so mathematically perfect for each stock to behave as if it is an ETF.
There is certainly a high computational cost to looking at all possible pairs. However, there is a tradeoff to this approach, as you put yourself at a high risk for multiple comparisons bias. Please see earlier in this thread for a fairly complete discussion of this issue. Regardless of which method you use to select pairs, you'll want to do some additional validation using the notebook and then use the algorithms in this thread to try backtesting a strategy.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Indeed, Aaron Brown's advice is gold.
What is "multiple comparisons bias"? I'm lazy and don't feel like sifting through this rather extensive discussion thread.
I find it hard to believe that pairs trading would work as a scalable hedge fund strategy (be able to pour $10's of millions into a single pair). Is there any evidence? In other words, why is Quantopian promoting this?
This is one of the best threads on the site.
It scales; you can trade hundreds of pairs.
Multiple comparisons is a core problem in all of statistics, right up there with overfitting. The general idea is that if you run 100 statistical tests on random data, you should still expect to get 5 below a 5% cutoff and 1 below a 1% cutoff based on random chance. This is true when testing various iterations of a model, or many pairs. Because the number of pairs is O(n^2) you should expect to get a lot of spurious p-values when looking for pairs. A naive strategy of just looping through pairs won't work, you need to be a bit more sophisticated.
And yes you trade many pairs with low exposure to each. That said, I think that long-short equity strategies may be a better first bet to get into the fund at this point, just based on robustness and capacity.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
There is more electricity used in the state of New Jersey doing calculations on the market than there is electricity used in that state for manufacturing. Pairs strategy likely accounts for at least 50% of this usage as even HFT likely often uses some version of deviation from the mean. It is my opinion that the market is so saturated with pairs trading that given the price of any ten tickers that had no big news, one could deduce the price of the rest of the market and be within 0.7% of the actual price, 90% of the time for the top traded 4000 stocks. (and it could probably be done with less than ten tickers. ) So, for a 30 dollar stock, the margin of error would be about a quarter. This is how precisely, compared to each other, I think they move. Until there is news.
It sounds like a corollary to the reciprocal of the law of large numbers; given enough samples you will always find something to fit.
I would reintroduce the concept I proposed in an article in S&C last spring ; the directed acyclic graph or DAG. Using thousands of correlated or cointegrated pairs I built groups from them. Those groups were essentially social graphs of securities. You can search here for DAG, but briefly, you can use the concept of pair trading, that is, fade and favor the divergences, but with a correlated group. And such a group is assembled, dynamically, from a list of pairs that are "friends of friends". It's a pairs strategy, essentially, but with lower risk and less work managing hundreds of separate strategies.
That said, I think that long-short equity strategies may be a better first bet to get into the fund at this point, just based on robustness and capacity.
Have people been coming up with good ones? If so, what proportion are using the new data sets? If not, why not, do you think that is?
I haven't been focusing on them at all, mostly because there's a problem of opportunity cost; if I spend all my time looking for equity long-short algos, not only is there a chance I don't find anything, but if I do, there's still a chance that Quantopian doesn't select it, and since I cannot trade them myself, that time is wasted (unless I pitch it to other funds I suppose). If I look for algos that I personally can trade, and I find some, then I trade them.
I realize there's an unfortunate schism wherein I am using your platform but not contributing to your business model, so if you have any ideas how I can help without wasting my time writing algos that only work high account levels, please let me know. Pairs trading/statistical arbitrage might be one solution, but I've found them very difficult to implement; anything that looks promising in Quantopian fails the backtest when using dividend-adjusted bid-ask tick data, so I might shift my focus back to building my own lower latency infrastructure for a while.
I would reintroduce the concept I proposed in an article in S&C last spring ; the directed acyclic graph or DAG. Using thousands of correlated or cointegrated pairs I built groups from them.
시원한. Yeah, pretty similar. The DAG though was used specifically to find the networked graph. Those trees might embody the same thing, not sure. But I'd guess the idea is approximate.
Why would anyone want to pairs trade when trading a Minimum Spanning Tree or correlated network graph of stocks is so much safer and easier? I've built dozens of pairs strategies and the directionality of the pair always broke the model. And all pairs I ever tested all went directional at some point -- beyond the account's ability to Martingale down.
Have people been coming up with good ones? If so, what proportion are using the new data sets? If not, why not, do you think that is?
I can't release any specific data on this. I can say that there's a lag between when we update product features/try to educate people about algorithm writing techniques (larger universe size, shorting), and when new strategies start appearing. We'd love more large universe strategies right now and I'm trying to figure out ways to make it easier for folks to develop large universe long-short strategies using pipeline.
I haven't been focusing on them at all, mostly because there's a problem of opportunity cost; if I spend all my time looking for equity long-short algos, not only is there a chance I don't find anything, but if I do, there's still a chance that Quantopian doesn't select it, and since I cannot trade them myself, that time is wasted (unless I pitch it to other funds I suppose). If I look for algos that I personally can trade, and I find some, then I trade them.
I realize there's an unfortunate schism wherein I am using your platform but not contributing to your business model, so if you have any ideas how I can help without wasting my time writing algos that only work high account levels, please let me know. Pairs trading/statistical arbitrage might be one solution, but I've found them very difficult to implement; anything that looks promising in Quantopian fails the backtest when using dividend-adjusted bid-ask tick data, so I might shift my focus back to building my own lower latency infrastructure for a while.
Totally reasonable. We don't release our product with the expectation that everybody will use it to develop strategies for the fund, we also want to support your use case of personal trading. We also understand there's a conflict between pushing people to write high capacity market neutral long-short strategies, when those will never work on their own money. What I'm trying to figure out is ways to make the workflow of producing and evaluating factors easier, because once you have a factor-based ranking system, it's pretty easy to slot that into an existing long-short algorithm using pipeline. I'm working on sharing a pipeline algorithm with the community and attaching it to the lectures page in an effort to get more cloning and tweaking going on.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
I share Simon's sentiment. I've continued to participate in the contests, but the idea of spending tens (hundreds?) of hours trying to come up with an uber algo that will compete with the big dogs sounds like a lot of work, with a very uncertain pay-off (it's not even clear that you are still working on the hedge fund. any substantive news?). The pipeline thingy has a bit of a learning curve, so I haven't taken that on yet (the fact that lots of obscure modules need to be imported is a red flag). That said, if there were good working examples that could be tweaked, I might give it a go.
What I'm trying to figure out is ways to make the workflow of producing and evaluating factors easier, because once you have a factor-based ranking system, it's pretty easy to slot that into an existing long-short algorithm using pipeline.
Why don't you get all of the Q eggheads together for 1 week and see if you can come up with a long-short algo that would be Q hedge-fundable, and publish it (and better yet, actually fund it). Not only would this provide an existence proof, but you should also gain some insight into the workflow and the person-hours to accomplish the task.
Here is a pipeline algorithm that I just published as the goto example of a long-short equity strategy. I'm sure it will go through many improvements as the public eye turns to it, but it should at least be a start. It's tricky because we do want to publish algorithms that are 95% of the way done, so that users can take the last 5% and improve the strategies in many different uncorrelated ways. With long-short equity most of the work is in choosing good factors and factor ranking techniques. Unfortunately those are the type of signals that will disappear when shared publicly, but the actual machinery to trade within the algorithm should stay pretty consistent. If you're maybe looking to learn pipeline a bit, I would recommend going through Lectures 17 and 18, then looking at the algorithm.
I can say for certain we are working on the hedge fund. Even if you have strategies that aren't consistently winning the contest, we may be interested in an algorithm that can consistently do ok. Ultimately, my job as the one overseeing the lectures is to keep trying to make it easier so people don't have to spend as much time working on algorithms that may never pay off for them, and so we get more algorithms that do pay off in the long run.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
I start to implement pair trading backtesting in research environment instead of IDE. The main reason is to automatic run multiple pairs performance analysis before I jump into IDE for full backtest. Another reason for this work is to do further analysis for returns from many pairs.
I am wondering where I can find the example of backtesting in research environment to start with. Any comment is very appreciated.
In your research environment there should be a 'Tutorials and Documentation' 폴더. Inside the folder should be a notebook with the title 'Tutorial (Advanced) - Backtesting with Zipline'. Make a copy of that and let me know if that's enough to get you started.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
May 28 algo falls below benchmark if extended to date and -43% PvR with default slippage and commissions, tanking thru 2015.
Hope it can be rescued b/c it shows good potential.
The example strategies cheat and run on the same timeframe over which we did research and found the securities to be cointegrated. In a real strategy you'd want to find pairs that were cointegrated into the future and not just historically cointegrated. The template should stay largely the same, so it's an issue of swapping in new securities that you have statistical evidence will stay cointegrated.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Could you post a tutorial on calibrating an Ornstein Uhlenbeck process for mean reverting series residuals?
We've added a lecture on this to our queue. No idea when we might currently get to it, but it's on there.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Ages ago I posted, perhaps as anonymole, that a "pair" needn't be made of only two securities. In fact, the whole "we only allow low beta strats" mantra is pretty much an argument that all strategies should be a variation of a pairs strat. That is, over all, a market neutral position is best.
Taking this further however, and applying a more formal model to the pairs strategy (that the security set have a "story" attached to it) I wonder if the two halves of the pair would do better as independent baskets of securities. That if one approached a pairs strategy with the mind to match up two behaviorally opposed baskets of securities that instead of trying to search all pair combinations looking for all the super-great-marvelous attributes a pair should have, that instead, one determine the two sides of the pair coin and fill each side with the most appropriately identified securities -- for each side.
A simplistic model might be described thusly:
Equities which cycle up in the spring/summer and down in the fall/winter would be bundled together and set against equities which cycle oppositely (down in the summer, up in the winter).
No doubt there are more interesting or undiscovered cycles that exist. My point is that rather than identify securities that yin and yang, one discover technical, or macro, or fundamental classifications which zig when the other zags. Then find securities which fit each of those baskets of behavior.
This is a very interesting idea and definitely something that professional quants do. At the core we just want two assets on either side of a pair, and a portfolio of assets will do just as well as a single equity. There are probably pros and cons of each method, but the idea of using a basket of things rather than a single thing can greatly reduce your position concentration risk and lead to a better algorithm. I'd say it's worth research. You'd still likely want a few different pairs of baskets as each would smooth out the return curve of the other and produce a lower volatility algorithm.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
I have to run an errand, so I only have five minutes, but hopefully I can be clear in that time.
To demonstrate the chops of an AI system, I created an algorithm that can represent the small changes in stocks price, as the sum of a set of ETFs. For example, with MSFT one might have XLK, XLY, FXE, FXI, and some others.
I can show that the typical price movements during a day can be represented in this way. However, when there is specific news, then it is no longer true, if the news is strong.
What I believe this shows is that instead of things "returning to the mean" they are in fact not moving arbitrarily and so, if they return to the mean, it is because one of the underlying components in fact moved. (Of all the underlying components, usually only one or two have news, and the rest are balancing each other out, once the price has adjusted.)
How might one design a trading platform for this as even if you do know it is the sum of other waveforms that are causing one waveform, one still doesn't know what causes them to move until after the fact.
(the reduction in influence is 1/1.6 when looking at the components, so after a couple of feedback loops, the influence is not measurable. Thanks, and sorry for the hurried note,
Have you read Algorithmic Trading written by Ernie Chan? For sure you read it, I have a question: in fact I am not good in programming and working with Matlab, I am really interested in Currency cross rate part of the book and I want to implement the positions in live trading but I don't know how to do that in fact I can't understand what the numbers as positions mean! If somebody can guide me I'm really appreciated.
Not entirely sure I'm understanding your thesis but it seems that you've created an expression that models the returns of a specific stock from it's sector exposures. This is actually a common risk modeling tactic, check out my notebook here. To build a trading strategy off of this I would take your hypothesis about changing news and use that to alter the coefficients of your model. A cool place to start would be to check out the lectures on factor modeling and then maybe look at some news/sentiment data sets to see if you can find any anomalies.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
That is close. It models the returns to within a few cents usually, at any moment in time, depending on the stock and its volatility as a sum of its sectors. (except when it has specific news.) What I envision behind it is a large set of funds using NLP to invest by sector based on news. Because they are so large, then they tend to swamp out the market during normal times.
I can also show that stock prices changes are directly proportional to the sum of the underlying sectors information, for most time periods. For example, the price changes for three months show this and also for three weeks, which is a bit chaos like, as it would seem they wouldnt be so perfectly in tune. Anyway, with this I can sort stocks by their overall market efficiency (the more efficient you are, the more you sync with the relationship stated above).
I also believe that there are huge funds that are interested in doing nothing more than treading water (as one possible explanation) and they move their money around the world, just trying to stay even, and so the result is that at any given time, the sum of everything stays near zero. (when one thing goes up somewhere, something else somewhere else goes down.)
These relationships also break down during periods of very high volatility such as fall 2015.
There are other things I am able to quantify, but again have no idea how to use. When information about a specific stock or sector hits the market, it is my observation that the more objective the information, the faster the market responds, and the more subjective it is, the slower the market responds.
For example, when Ackman says that HLF is a pyramid scheme, then it can sometimes be hours, and sometimes even days before that news is no longer affecting the price of the stock, but when an analyst upgrades or downgrades a stock, that is more objective and the entire price adjustment is over in fifteen minutes. (If you subtract out market movements then an analysts announcement looks like a log curve, with most of the action in the beginning and a bit of a ringing at the last.)
Again, this all happens too fast to be of use, and it is after the fact that I can say, "That was subjective."
I don't think I am able to alter the coefficients as you suggest. I am using a hard coded take on a system of recursive polynomials for my modeling, so there are billions of coefficients.
Hi, I have a quick and possibly dumb question. Why did you use the ratio instead of the difference between S1 and S2 in the Quantopain pairs trading lecture? In the co-integration lecture, you use the difference instead. In other sources, they use the difference as well.
There's an updated notebook, algorithm, and video available on the lecture series page.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
And as a response to pandasaurus' question, which I unfortunately just saw, we have removed the ratio as it was a typo in the lecture.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Greetings Quantopian Community,
I was at the NYC Event on Pairs Trading, and the current example algorithm is deprecated, such that one cannot deploy it in live trading. With this fix, users can now deploy the algorithm in live trading. The fix is hosted as a pull request on github--thanks.
매우 감사합니다. Could you please submit your PR to the following repo? It's where we store lectures and examples. Doesn't quite fit in the current form of zipline.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Thanks, Delaney. I submitted the PR to the specified branch.
감사! Delaney. I am finishing my graduation thesis these days, Your work may help me a lot.
That's great to hear, Dzi. Hope it goes well!
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
I have question in regards to high frequency pairs trading using bid/ask price. One thing that I noticed is during an entry signal if I'm supposed to go long in one and short the other, the Long position that I enter would be using the ask price and this ask price normally is higher than the bid price, so when my exit signals to exit, my bid price that I close my position at will often cause me to loose than make money. What are some of the ways to prevent this from happening or what are some strategies that goes hand in hand with trading high frequently with pairs strategy. Further, how are limit orders used with the bid/ask price.
If you need to make the spread in order for the strategy to be profitable, then you are squarely competing with high-frequency market makers, and it's a whole different ball game. You are unlikely to win. If you have control over the specific order types you send, you could attempt to use mid-point pegs or something, but as soon as you admit any sort of limit orders where execution is not immediate, you now need to be concerned about being exposed unhedged, which is something that you'll need to backtest. (not easy either). What some people do is try and rest or peg an order for the less liquid leg, and attempt to save some of the cost of the wider spread (though again, these days, you'll probably just get adversely selected for no net gain), and then as soon as that fills, you aggressively execute the hedge leg across the narrower spread.
How does one use both bid and ask z score in high frequency trading? For simplicity, I can understand using z score, but when it comes to using both bid and ask price z score, I have trouble picturing how it is used.
Simon's right, mid-frequency strategies generally should be fairly robust to bid-ask spreads. If they're not the edge is probably too small to be consistently profitable. For high frequency trading you do have to consider the bid and ask in many different ways, as your trading will be very sensitive to movements in both. How exactly you use the data would depend on your model.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
You can imagine that the spread is a synthetic asset. For instance, X = 1L -1S so a single unit of X is long one unit of L and short one unit of S. If you need to buy one unit of X immediately, you will buy at the ask of L and sell at the bid of S. If you need to sell one unit of X, you will sell at the bid of L and buy at the ask of S.
You can then easily calculate the bid and ask for X, you have just two "z-scores" to deal with. Then, if you like, you can delay buying until the X_ask_zscore < threshold, and delay selling until the X_bid_zscore > exit_threshold.
희망이 도움이됩니다.
I had a chance to see this notebook before and I would recommend it to everyone here. Lots of amazing info can be found inside.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다. In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
Hey Simon. thanks for that last post. I've been thinking through the logic behind that, but I do have some questions. Hope you don't mind explaining or expanding on it a little. 1) If I understood you correctly you mean X being the spread between a pair? in other words one unit of X immediately to be traded immediately, I would think that you will buy at the ask of X rather than L to be immediate wouldn't you? One problem that I would encounter by buying one unit of X at the ask price of L would be that the ask price of L may not be the lowest ask price of X and therefore may cause me to still queue to purchase the unit of X or not even fill. Can you say a little more in regards to this?
2) Further, there is one concept that I'm having a hard time to understand. Let's say that my Z score > entry threshold of +2. I would short L by one unit by selling one unit of L at the bid price of L and go long one unit of Y at the ask price of Y. Assuming hedge ratio is 1 and all. When my Z score < exit threshold of say 0.2. I would then exit my short and long position of the pair. The issue that I would encounter assuming no fees and all is that I would loose money during these trades. I'm having a hard time understanding why that would be if my Z score returned to or close to mean. Is the reason behind this due to the fact that the volatility of the bid/ask price may not be high enough to allow the difference in the entry and exit bid/ask spread price at the start and end of the transaction to pull far enough to earn money?
Please take a look at the last part of the page for this link that shows the true correlations, which are arrived at by saying "from the point of view of a pairs trader, how correlated are these tickers."
If you know how to subtract out the part of the market that floats all boats, to be left only with the information pertaining to neutral, there are extreme correlations. XLK is the ticker used in the example, but there are a thousand I could have used. When you know how to subtract out all but the neutral information, the market becomes completely different in how it appears.
Scroll to the very bottom of the article and look at the two tables with correlation information. These numbers are this way because there is so much interest in pairs trading that it tends to swamp things out. It is even more pronounced in Europe.
1) I think you are getting a bit confused; X is not a real thing, it's a synthetic asset formed by the basket of L and S. X has a price to buy and a price to sell which you calculate from the bids and asks of the components. If you cross the spread, generally, you trade immediately in small enough size. You only have uncertainty about fills if you try to earn the spread. That gets much more difficult.
2) Maybe. If your trades are not making money, I mean, that's a big problem. I can't answer why they are not making money. It could be transaction costs like the bid/ask spreads, you should analyze the volatility of your baskets as a function of the bid/ask spreads you have to pay. If you have to cross four 5-cent spreads to try and capture a spread mean-reversion of 2 cents, well yeah you are going to have problems. A bigger problem I found was that mean reversion happens one of two ways; either the asset reverts to the mean, or the mean converges with the asset (assuming you are constantly recomputing the mean, which seems to be common practice). In both cases your z-score goes back to zero, but only in the first case do you make any money.
daniel I read your article, the correlations at the end, are those of prices, or returns ?
Thanks for clearing that up for me. The idea of using synthetic assets is relatively new to me. I went and researched it a little and noticed that it is often used to capture streams of cash flow. I'm currently trying to perform residual pairs trading with Chinese Future Contracts. As I research it for the use of Futures, I don’t really find much articles or explanations. Is it applicable to Futures?
At the same time, I'm relatively new at this and trying to go through the lectures and stuff to learn. When you say I should analyze the volatility of my baskets as a function of the bid/ask spreads. Do you know where I can find a lecture that discuss this further? Sorry to ask some fundamental questions. One thing I notice in my data is that the bid/ask spread is really small and by small the it is just a spread of one tick of the futures contract; while the Volume for that tick is also small just around 80 or less contracts for either bid or ask.
The correlations are about prices, but just a subset.
(I have edited this down, as compared to what you probably have in . Please don't copy anything from the onto the board.)
James - maybe? You need pairs/baskets with enough variance to profitably trade the mean reversion. There tends to be a spectrum; structurally correlated assets (like ETF vs their component baskets) are perfect to trade, so perfect, that everyone does it and therefore the deviations are probably less than the spread. Then there's really shitty pairs which you find doing brute force analysis of the stock market. These have lots of variance, but they probably don't converge, and/or the relationship is totally spurious. Read closely Aaron Brown's posts on this thread. You want something in the middle.
Danial - I am not sure how useful correlations of prices of any kind are ? They are bound to be super high.
By itself I don't believe there is any one thing that is useful for a neutral strategy.
My approach is to look at the market as being represented by several hundred core waveform, and similar to the idea of Fourier Transform, you can use these fundamental waveform to create the 4000 heaviest played stocks. So, basically everything I believe about the market is based on the idea of correlations, as this is what I used as one of the first steps to find those wave forms. (which are not easy to find.)
Consider if you have Tickers AAA and BBB, and they are two similar stocks.
AAA might have as its composite the waves A, B, C, D, E, F, G, H, I, J, and BBB may have D, E, F, G, H, I, J, K, L.
During the times that there is little to no activity in the components A, B, C, K, L then the two tickers would be nearly perfectly correlated. But if suddenly component A had news (for example), then the perfect correlations would no longer hold, since stock BBB does not have an A component waveform..
If you apply the above to the idea of mean reversion, then you can see what I believe the mean reversion strategy is actually about.
In my opinion the best way to play a neutral strategy would be to devise a portfolio that is about the underlying fundamental wave components..
And in the interest of completeness, I will mention that in the above examples, waves A, B, C, etc are also made of composite waves, (and those composites . ) as the market is self referencing. The several hundred are at the bottom of the self referencing, and are something that exists in theory, that I believe I could "easily" find, but have not spent the time and energy to do so as of this date.
I also believe that if I had data for all the major markets of the world and was able to deduce the underlying component waves for those instruments that are heavily played by the collectively speaking, multi-trillion dollar funds, that the sum of these waves would (except for inflation) most of these times sum to be zero.
Some researchers generate the log price series of two equities with the daily close. Then the spread series is estimated using regression analysis based on log price series data. For equities X and Y, they run linear regression over the log price series and get the coefficient β.
Any reason they use log price series instead?
죄송합니다. 무엇인가 잘못되었습니다. 다시 시도하거나 의견을 보내서 문의하십시오.
지원 티켓을 성공적으로 제출했습니다.
지원팀이 곧 연락을 드릴 것입니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다.
In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.
이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다.
In addition, the material offers no opinion with respect to the suitability of any security or specific investment. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.