Finanças quantitativas e negociação sistemática

Negociação Quantitativa.
O que é 'negociação quantitativa'
A negociação quantitativa consiste em estratégias de negociação baseadas em análises quantitativas, que dependem de cálculos matemáticos e processamento de números para identificar oportunidades de negociação. Como a negociação quantitativa é geralmente usada por instituições financeiras e fundos de hedge, as transações geralmente são grandes em tamanho e podem envolver a compra e venda de centenas de milhares de ações e outros títulos. No entanto, o comércio quantitativo está se tornando mais comumente usado por investidores individuais.
QUEBRANDO "Negociação Quantitativa"
As técnicas de negociação quantitativa incluem negociação de alta frequência, negociação algorítmica e arbitragem estatística. Essas técnicas são rápidas e normalmente têm horizontes de investimento de curto prazo. Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, como médias móveis e osciladores.
Compreender Negociação Quantitativa.
Comerciantes quantitativos aproveitam a tecnologia moderna, a matemática e a disponibilidade de bancos de dados abrangentes para tomar decisões comerciais racionais.
Comerciantes quantitativos adotam uma técnica de negociação e criam um modelo usando a matemática, e então desenvolvem um programa de computador que aplica o modelo a dados históricos do mercado. O modelo é então backtested e otimizado. Se resultados favoráveis ​​forem alcançados, o sistema é então implementado em mercados em tempo real com capital real.
A forma como os modelos de negociação quantitativa funcionam pode ser melhor descrita usando uma analogia. Considere um boletim meteorológico em que o meteorologista prevê 90% de chance de chuva enquanto o sol estiver brilhando. O meteorologista deriva essa conclusão contra-intuitiva ao coletar e analisar dados climáticos de sensores em toda a área. Uma análise quantitativa computadorizada revela padrões específicos nos dados. Quando esses padrões são comparados com os mesmos padrões revelados em dados históricos do clima (backtesting), e 90 de 100 vezes o resultado é chuva, então o meteorologista pode tirar a conclusão com confiança, daí a previsão de 90%. Os comerciantes quantitativos aplicam este mesmo processo ao mercado financeiro para tomar decisões comerciais.
Vantagens e desvantagens da negociação quantitativa.
O objetivo da negociação é calcular a probabilidade ótima de executar uma negociação lucrativa. Um trader típico pode efetivamente monitorar, analisar e tomar decisões de negociação sobre um número limitado de títulos antes que a quantidade de dados recebidos sobrecarregue o processo de tomada de decisão. O uso de técnicas quantitativas de negociação ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação.
Superar a emoção é um dos problemas mais difusos da negociação. Seja medo ou ganância, quando se negocia, a emoção serve apenas para sufocar o pensamento racional, o que geralmente leva a perdas. Computadores e matemática não possuem emoções, então a negociação quantitativa elimina esse problema.
A negociação quantitativa tem seus problemas. Os mercados financeiros são algumas das entidades mais dinâmicas que existem. Portanto, os modelos de negociação quantitativos devem ser tão dinâmicos para serem consistentemente bem-sucedidos. Muitos comerciantes quantitativos desenvolvem modelos que são temporariamente lucrativos para as condições de mercado para as quais foram desenvolvidos, mas acabam fracassando quando as condições do mercado mudam.

Nicholas R. Kirk.
Desenvolvedor Quantitativo e Cientista de Dados.
Nick traz uma imensa experiência no desenvolvimento de sistemas de negociação sistemáticos. Desempenhou funções de consultor em muitas empresas de investimento, incluindo a Schroders Asset Management, a Mitsubishi UFJ Securities e a AXA Investment Managers. No início de sua carreira, ele trabalhou em sistemas de mensagens de alto desempenho no IBM Research Center, La Gaude (França). Desde 2015, Nick tem negociado criptomoedas com sucesso, pesquisando e desenvolvendo múltiplas estratégias de negociação lucrativas. Nick foi professor convidado na Universidade de Washington, onde ensinou o comércio sistemático de criptomoedas no seu programa de Mestrado em Finanças Computacionais. Ele também ensina um workshop sistemático de negociação de criptomoedas com Ernest P. Chan.
Nick tem um mestrado em matemática aplicada pela Universidade de Washington.
Ernest P. Chan.
Ernie é o membro gestor da QTS Capital Management, LLC. Depois de se formar com um PhD da Universidade de Cornell em 1994, Ernie trabalhou como pesquisador no grupo de Tecnologias da Linguagem Humana da IBM T. J. Watson Research Center, onde projetou algoritmos estatísticos de reconhecimento de padrões. Ernie se juntou ao Morgan Stanley, do Investment Bank, trabalhando em seu grupo de mineração de dados, onde foi pioneiro na aplicação de algoritmos estatísticos à complexa tarefa de extrair relacionamentos com clientes no banco de dados de contas de clientes do Morgan Stanley.
Ele foi convidado a participar de um grupo de negociação proprietária no Credit Suisse em Nova York em 1998 para desenvolver modelos estatísticos para ações e negociação de futuros. Mais tarde, ele se juntou à Mapleridge Capital Management Corp. em 2002 como Analista Quantitativo Sênior trabalhando em estratégias de negociação de futuros e, em seguida, na Maple Financial em 2003 como pesquisador sênior e trader. Ele co-fundou a EXP Capital Management, LLC, uma empresa de administração de fundos com sede em Chicago em 2008 e fundou a QTS Capital Management, LLC. em 2011.
Ele é o autor de “Negociação Quantitativa: Como Construir seu Próprio Negócio de Negociação Algorítmica”, “Negociação Algorítmica: Estratégias Vencedoras e Sua Razão”, e “Negociação de Máquina: Implantando Algoritmos de Computador para Conquistar os Mercados”, todos publicados pela Wiley. Ele foi professor adjunto de Finanças na Nanyang Technological University em Cingapura (NTU) e membro do Industry NTU-SGX Center for Financial Education. Ernie ensina Risk Analytics no programa de Mestrado em Ciência da Preditiva da Northwestern University, e ministra workshops sobre Arbitragem Estatística, Estratégias Quantitativas de Momento e Inteligência Artificial para Traders em Londres.
Ernie tem mestrado e doutorado em física teórica pela Cornell University.
Laurent Hoffmann.
Pesquisador Quantitativo e Cientista de Dados.
Depois de concluir seu doutorado e pesquisa de pós-doutorado, Laurent ingressou na d-fine em Frankfurt como analista e consultor de risco quantitativo. Em seguida, mudou-se para o Depfa Bank em Londres, onde foi analista quantitativo e pesquisador em negociações de renda fixa e crédito estruturado, trabalhando em modelos de precificação de derivativos, técnicas estatísticas para arbitragem de valor relativo sistemático e liquidação ótima de ativos ilíquidos. Ele ocupou cargos de consultoria em hedge funds em Londres, pesquisando várias estratégias sistemáticas de negociação, incluindo arbitragem de volatilidade cambial e de opções, e a construção de carteiras reversíveis de contratos futuros. Laurent também é um empreendedor e co-fundou a OpenCapacity, que desenvolve sistemas de aprendizado de máquina para análise preditiva na indústria de transporte público.
Laurent tem um mestrado em Finanças Matemáticas pela Universidade de Oxford e um mestrado e doutorado em Física Teórica e Matemática pela Universidade de Kaiserslautern.
Brian G. Peterson.
Brian Peterson é sócio e head trader de negociação automatizada da DV Trading em Chicago. Na DV, Brian administra uma equipe de negociação quantitativa que é uma das 25 principais criadoras de mercado em vários mercados de taxa de juros e energia, e uma forma de mercado registrada em muitos deles. Além dos produtos de taxa de juros e energia, a equipe de Brian também comercializa FX, agricultura e outras commodities. A equipe de Brian participa regularmente como formador de mercado designado no lançamento de novos produtos em várias bolsas globais de commodities.
Brian é um professor sênior no departamento de Finanças Computacionais e Gerenciamento de Risco da Universidade de Washington, onde leciona desenvolvimento quantitativo de sistemas de negociação. Em finanças computacionais, Brian publicou vários artigos sobre risco de portfólio e construção de portfólio, e é regularmente convidado para falar em grandes conferências sobre tópicos relacionados a finanças quantitativas. Ele tem sido palestrante sobre Computação de Alto Desempenho e Negociação Algorítmica na Trading Show Chicago (2016) e na Conferência Internacional para Computação de Alto Desempenho (2015).
Brian também é autor ou coautor de mais de 10 pacotes de código aberto para usar o R ​​in Finance, o administrador da organização da participação do R no Google Summer of Code e um membro fundador do comitê da conferência anual de financiamento quantitativo R / Finance. Chicago. Antes da DV e da UW, Brian ocupou cargos semelhantes em outras grandes empresas comerciais de Chicago e foi executivo de duas empresas globais de consultoria de gestão, uma das quais foi incluída na Fortune 1000 durante o boom da Internet nos anos 90.
Como consultor de gestão, Brian aconselhou 8 dos 10 principais bancos globais e muitos bancos regionais, aproximadamente metade dos 25 principais gestores de ativos, corretoras globais e muitos outros clientes de serviços não financeiros em setores como saúde, produtos farmacêuticos, manufatura, serviços e tecnologia.
Timothy V. Kirk.
Chefe da Blockchain Research.
Tim é um talentoso cientista de materiais com experiência em Física, Química e Engenharia. Depois de concluir seu doutorado, ele foi pesquisador de pós-doutorado no Laboratório de Bioquímica, ESPCI ParisTech (França), onde desenvolveu instrumentos e dispositivos para ensaios baseados em microfluidos e sequenciamento de DNA. Ele também estudou Gestão de Tecnologia na Haas School of Business, enquanto em Berkeley, e nos últimos dois anos circulou de volta para este campo. Desta vez, suas habilidades analíticas estão focadas nos mercados de blockchain, onde ele realiza pesquisa detalhada de setor por setor sobre as tecnologias subjacentes e o potencial de mercado de ativos e plataformas.
Tim é mestre em Ciência dos Materiais pela UC Berkeley e PhD em Engenharia Bioquímica pela University College London.

Finanças quantitativas e negociação sistemática
Nossas estratégias são totalmente automatizadas e operam em baixas e altas freqüências, usando algoritmos matemáticos proprietários e modelos econométricos.
A Systematic Strategies possui uma Plataforma de Contas Gerenciadas e uma estrutura de fundos de hedge Master Feeder para investidores.
Nossos clientes incluem pessoas físicas de alta renda, escritórios familiares e investidores institucionais.
Além de gerenciar suas próprias estratégias, a empresa se dedica à pesquisa e desenvolvimento em nome de outras empresas de comércio.

Negociação Quantitativa.
O que é 'negociação quantitativa'
A negociação quantitativa consiste em estratégias de negociação baseadas em análises quantitativas, que dependem de cálculos matemáticos e processamento de números para identificar oportunidades de negociação. Como a negociação quantitativa é geralmente usada por instituições financeiras e fundos de hedge, as transações geralmente são grandes em tamanho e podem envolver a compra e venda de centenas de milhares de ações e outros títulos. No entanto, o comércio quantitativo está se tornando mais comumente usado por investidores individuais.
QUEBRANDO "Negociação Quantitativa"
As técnicas de negociação quantitativa incluem negociação de alta frequência, negociação algorítmica e arbitragem estatística. Essas técnicas são rápidas e normalmente têm horizontes de investimento de curto prazo. Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, como médias móveis e osciladores.
Compreender Negociação Quantitativa.
Comerciantes quantitativos aproveitam a tecnologia moderna, a matemática e a disponibilidade de bancos de dados abrangentes para tomar decisões comerciais racionais.
Comerciantes quantitativos adotam uma técnica de negociação e criam um modelo usando a matemática, e então desenvolvem um programa de computador que aplica o modelo a dados históricos do mercado. O modelo é então backtested e otimizado. Se resultados favoráveis ​​forem alcançados, o sistema é então implementado em mercados em tempo real com capital real.
A forma como os modelos de negociação quantitativa funcionam pode ser melhor descrita usando uma analogia. Considere um boletim meteorológico em que o meteorologista prevê 90% de chance de chuva enquanto o sol estiver brilhando. O meteorologista deriva essa conclusão contra-intuitiva ao coletar e analisar dados climáticos de sensores em toda a área. Uma análise quantitativa computadorizada revela padrões específicos nos dados. Quando esses padrões são comparados com os mesmos padrões revelados em dados históricos do clima (backtesting), e 90 de 100 vezes o resultado é chuva, então o meteorologista pode tirar a conclusão com confiança, daí a previsão de 90%. Os comerciantes quantitativos aplicam este mesmo processo ao mercado financeiro para tomar decisões comerciais.
Vantagens e desvantagens da negociação quantitativa.
O objetivo da negociação é calcular a probabilidade ótima de executar uma negociação lucrativa. Um trader típico pode efetivamente monitorar, analisar e tomar decisões de negociação sobre um número limitado de títulos antes que a quantidade de dados recebidos sobrecarregue o processo de tomada de decisão. O uso de técnicas quantitativas de negociação ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação.
Superar a emoção é um dos problemas mais difusos da negociação. Seja medo ou ganância, quando se negocia, a emoção serve apenas para sufocar o pensamento racional, o que geralmente leva a perdas. Computadores e matemática não possuem emoções, então a negociação quantitativa elimina esse problema.
A negociação quantitativa tem seus problemas. Os mercados financeiros são algumas das entidades mais dinâmicas que existem. Portanto, os modelos de negociação quantitativos devem ser tão dinâmicos para serem consistentemente bem-sucedidos. Muitos comerciantes quantitativos desenvolvem modelos que são temporariamente lucrativos para as condições de mercado para as quais foram desenvolvidos, mas acabam fracassando quando as condições do mercado mudam.

Finanças quantitativas e negociação sistemática
Continuando um post anterior, no qual modelamos a relação nos níveis do Índice VIX e os Índices de Correlação CBOE do Ano 1 e Ano 2, voltamos nossa atenção para as mudanças de modelagem no índice VIX. Caso você tenha perdido, o post pode ser encontrado aqui: Cointegração de Correlação Vimos anteriormente que & # 8230;
Uma estratégia de equidade tática.
Criamos uma estratégia de patrimônio a longo prazo que visa superar o benchmark de retorno total do S & amp; P 500 usando algoritmos de alocação táticos para investir em ETFs de capital. Um dos principais objetivos da estratégia é proteger os investidores & # 8217; capital durante os períodos de estresse severo do mercado, como nas desacelerações de 2000 e 2008 & # 8230;.
Cointegração de Correlação.
Em um post anterior, procurei maneiras de modelar a relação entre o Índice CBOE VIX e os Índices de Correlação CBOE do Ano 1 e do Ano 2: Modelando Volatilidade e Correlação Perguntou-me se os índices VIX e de correlação poderiam ser cointegrados. Vamos começar observando o padrão de & # 8230;

CXT Analytics.
Desenvolvimento Quantitativo de Finanças e Estratégias A CXT Analytics é uma pequena startup de fintech pré-receita com sede em Kuala Lumpur, na Malásia. Desenvolvemos estratégias sistemáticas de negociação quantitativa para negociar mercados financeiros globais.
O que nós fazemos.
Geração de Idéias.
As idéias podem ser formadas através de uma variedade de maneiras que incluem a observação dos mercados, análise estatística e de séries temporais e pesquisa quantitativa. Estamos constantemente à procura de alfa explorável, independentemente da classe de ativos, ou quão simples ou complexa a ideia pode ser.
Programação.
Transformamos idéias em código para que possamos aproveitar ao máximo a tecnologia e o big data no processo de desenvolvimento. Todas as nossas estratégias executam operações automaticamente, com vários níveis de segurança contra falhas embutidos e testados completamente. Nossas linguagens favoritas são C #, R, Python e SQL.
Desenvolvimento de estratégia.
O desenvolvimento de estratégias é um processo iterativo complexo e é preciso ter cuidado para que regras adicionais e parâmetros otimizados não levem a um ajuste excessivo. Nós nos esforçamos para adicionar o máximo de valor possível, mantendo nossas estratégias robustas. Inovação e pensamento fora da caixa podem levar a grandes coisas!
Negociação Quantitativa.
Estratégias que permanecem robustas após um período de incubação são alocadas em capital de negociação com base em seu efeito em nossa carteira de estratégias existente para maximizar os retornos ajustados ao risco. Ao visar retornos absolutos em todas as condições de mercado, preferimos estratégias adaptáveis ​​que sejam longas e curtas e utilizemos a diversificação em nosso benefício.
Nosso objetivo atual é melhorar o produto (ou seja, o portfólio de estratégias) que pretendemos usar para lançar um fundo de hedge e administrar o capital externo ao lado do nosso. Nosso objetivo é formar uma equipe de desenvolvimento pequena, mas eficaz, para gerar alfa e garantir que sempre tenhamos um fluxo saudável de estratégias.
Carreiras e Colaboração.
Interessado no que fazemos? Embora atualmente não tenhamos vagas, estamos sempre entusiasmados com os candidatos em potencial. Tem uma ideia que você quer desenvolver, mas não tem tempo, dados ou conhecimento de programação? Entre em contato e, se acharmos que sua ideia tem potencial, trabalharemos com você e a desenvolveremos gratuitamente, desde que você nos permita usá-la também.
Wui Leng Heng.
Universidade Citi de Cambridge Engenharia Química, MEng.
Gabriel Liu
Accenture University of Southampton Matemática, MMath.