Estratégia de negociação de mercado de alta freqüência

Estratégias e Segredos das Empresas de Negociação de Alta Freqüência (HFT).

O sigilo, a Estratégia e a Velocidade são os termos que melhor definem as empresas de alta freqüência (HFT) e, de fato, a indústria financeira em geral, tal como existe hoje.

As empresas HFT são seguras sobre suas formas de operar e chaves para o sucesso. As pessoas importantes associadas à HFT evitam as luzes das pistas e preferem ser menos conhecidas, embora isso esteja mudando agora.

As empresas do negócio HFT operam através de múltiplas estratégias para negociar e ganhar dinheiro. As estratégias incluem diferentes formas de arbitragem - arbitragem de índice, arbitragem de volatilidade, arbitragem estatística e arbitragem de fusão, juntamente com macro global, equidade longa / curta, mercado de mercado passivo, e assim por diante.

A HFT confia na velocidade ultra rápida do software de computador, acesso a dados (NASDAQ TotalView-ITCH, NYSE OpenBook, etc.) a recursos importantes e conectividade com latência mínima (atraso).

Vamos explorar mais sobre os tipos de empresas HFT, suas estratégias para ganhar dinheiro, grandes players e muito mais.

As empresas HFT geralmente usam dinheiro privado, tecnologia privada e uma série de estratégias privadas para gerar lucros. As empresas comerciais de alta freqüência podem ser divididas em três tipos.

A forma mais comum e maior da empresa HFT é a empresa proprietária independente. A negociação exclusiva (ou "prop trading") é executada com o próprio dinheiro da empresa e não com os clientes. Por outro lado, os lucros são para a empresa e não para clientes externos. Algumas empresas da HTF são parte subsidiária de uma empresa de corretores. Muitas das empresas regulares de corretoras têm uma seção secundária conhecida como mesas de negociação proprietárias, onde o HFT está pronto. Esta seção está separada do negócio que a empresa faz para seus clientes externos regulares. Por último, as empresas HFT também operam como hedge funds. Seu foco principal é lucrar com as ineficiências nos preços entre títulos e outras categorias de ativos usando arbitragem.

Antes da regra de Volcker, muitos bancos de investimento tinham segmentos dedicados à HFT. Post-Volcker, nenhum banco comercial pode possuir mesas de negociação proprietárias ou quaisquer investimentos de hedge funds desse tipo. Embora todos os principais bancos tenham encerrado suas lojas de HFT, alguns desses bancos ainda estão enfrentando alegações sobre possíveis malversações relacionadas ao HFTs realizadas no passado.

Existem muitas estratégias empregadas pelos comerciantes de propriedade para ganhar dinheiro com suas empresas; alguns são bastante comuns, alguns são mais controversos.

Essas empresas negociam de ambos os lados, ou seja, eles fazem pedidos para comprar e vender usando pedidos de limite que estão acima do mercado atual (no caso de venda) e ligeiramente abaixo do preço de mercado atual (no caso de compra). A diferença entre os dois é o lucro que eles bolsam. Assim, essas empresas se dedicam à "criação de mercado" apenas para obter lucros com a diferença entre o spread de oferta e solicitação. Essas transações são realizadas por computadores de alta velocidade usando algoritmos. Outra fonte de renda para as empresas HFT é que eles são pagos por fornecer liquidez pelas Redes de Comunicações Eletrônicas (ECNs) e algumas trocas. As empresas HFT desempenham o papel de criadores de mercado, criando spreads de oferta e solicitação, produzindo principalmente preços baixos, estoques de alto volume (favoritos típicos para HFT) muitas vezes em um único dia. Essas empresas cercam o risco ao esquentar o comércio e criar um novo. (Veja: Seleção de Principais estoques de comerciantes de alta freqüência (HFTs)) Outra maneira dessas empresas ganhar dinheiro é procurando discrepâncias de preços entre títulos em diferentes bolsas ou aulas de ativos. Esta estratégia é chamada de arbitragem estatística, em que um comerciante proprietário está atento às inconsistências temporárias nos preços em diferentes trocas. Com a ajuda de transações ultra rápidas, eles capitalizam essas pequenas flutuações que muitos nem sequer percebem. As empresas HFT também ganham dinheiro ao se entregarem a uma ignição momentânea. A empresa pode ter como objetivo causar um pico no preço de um estoque, usando uma série de negócios com o motivo de atrair outros comerciantes de algoritmos para negociar esse estoque. O instigador de todo o processo sabe que após o movimento de preços rápidos "artificialmente criado", o preço reverte para o normal e, portanto, o comerciante ganha tomando uma posição no início e, eventualmente, trocando antes de sair. (Leitura relacionada: como o investidor varejista beneficia da negociação de alta freqüência)

O mundo da HFT tem jogadores que vão desde pequenas empresas até empresas de médio porte e grandes jogadores. Alguns nomes da indústria (sem pedido específico) são o Automated Trading Desk (ATD), a Chopper Trading, a DRW Holdings LLC, a Tradebot Systems Inc., a KCG Holdings Inc. (fusão da GETCO e Knight Capital), Susquehanna International Group LLP ( SIG), Virtu Financial, Allston Trading LLC, Geneva Trading, Hudson River Trading (HRT), Jump Trading, Five Rings Capital LLC, Jane Street, etc.

As empresas envolvidas em HFT enfrentam frequentemente riscos relacionados à anomalia de software, condições dinâmicas do mercado, bem como regulamentos e conformidade. Uma das instâncias flagrantes foi um fiasco ocorrido em 1 de agosto de 2012, que trouxe o Knight Capital Group perto da falência - perdeu US $ 400 milhões em menos de uma hora depois que os mercados abriram esse dia. A "falha comercial", causada por um mau funcionamento do algoritmo, levou a comércio errático e ordens ruins em 150 estoques diferentes. A empresa foi finalmente resgatada. Essas empresas devem trabalhar no gerenciamento de riscos, uma vez que é esperado que assegurem muita conformidade regulatória, além de enfrentar os desafios operacionais e tecnológicos.

Explorando Estratégia de Mercado para Negociação de Alta Freqüência: Uma Abordagem Baseada em Agente.

Yibing Xiong Email autor Takashi Yamada Takao Terano.

Este artigo utiliza simulação baseada em agentes para explorar a estratégia de criação de mercado para comerciantes de alta freqüência (HFTs) e testa seu desempenho em ambientes de competição. Depois de propor um modelo que represente as atividades de HFTs no mercado financeiro quando atuam como criadores de mercado, realizamos simulações para explorar como o preço da ordem e a quantidade da ordem afetam os lucros e riscos da HFTs. Como resultado, achamos que oferecer preços em torno do último preço de negociação, bem como aproveitar o desequilíbrio da ordem, aumenta os retornos dos HFTs. Por outro lado, nossos resultados mostram o uso de tamanho de ordem adaptável com base na taxa de execução da ordem anterior e a definição de um limite líquido com base no volume de negociação médio ajuda a controlar os riscos do inventário de fim de dia. Além disso, apresentamos os ambientes de competição de concorrentes aumentados e latência diminuída, de modo a ver como esses fatores afetam o desempenho da estratégia de criação de mercado.

6.1 Introdução.

Em 11 de março de 2014, a Virtu Financial Inc., a fabricante de mercado de alta freqüência, que teve apenas um dia de perdas comerciais em 1238 dias, apresentou uma oferta pública inicial. Muitas pessoas ficaram surpresas com seu registro quase perfeito como criador de mercado, enquanto outros argumentaram que o lucro está se tornando insustentável devido a competições. Neste artigo, abordamos duas questões: que tipo de estratégia de mercado ajuda a aumentar o lucro de HFTs e como esta estratégia desempenha em ambientes de competição?

A Securities and Exchange Commission (SEC) generalizou quatro tipos de estratégias de negociação que muitas vezes utilizaram os HFTs [1]. Entre eles, a comercialização é a mais transparente e constitui mais de 60% do volume HFT [2]. Menkveld estudou cuidadosamente os lucros e a posição líquida de um grande HFT que atua como um fabricante de mercado moderno [3]. Mas as estratégias sob o desempenho desta HFT, bem como a relação entre estratégia e condição de mercado, permanecem inalteradas.

Criamos um sistema de transações artificiais para representar as atividades de HFTs no mercado de ações quando atuam como criadores de mercado. Este sistema se encaixa nas principais propriedades estatísticas dos mercados financeiros e é usado para comparar o desempenho de diferentes estratégias de criação de mercado.

Encontramos uma estratégia de criação de mercado que aumenta o retorno diário e diminui o inventário de fim de dia, oferece preços em torno do último preço de negociação, além de aproveitar o desequilíbrio de pedidos, utilizando o tamanho de ordem adaptativa com base na taxa de execução anterior da ordem e na rede Limite com base no volume de negociação médio.

Além disso, introduzimos o ambiente de concorrentes aumentados e diminuiu a latência, a fim de testar a estratégia em diferentes condições de mercado.

6.2 Modelagem de negociação de alta freqüência.

Nesta seção, propomos um mercado de ações artificial em que os agentes negociam através de um livro de limite de pedidos (LOB). Os agentes são classificados em duas categorias de acordo com seus objetivos e estratégias. Aquele é Low Frequency Traders (LFTs), que se refere ao valor do recurso e tenta ganhar o lucro usando uma estratégia integrada de fundamentalista e cartista. O outro é High Frequency Traders (HFTs), que ignora o valor do ativo, mas apenas presta atenção ao próprio ambiente de negociação, e eles tentam principalmente acumular o lucro no spread usando a estratégia de criação de mercado. Estimulamos o cenário de transação intra-dia em que ambos os agentes negociam em um único ativo. A estrutura do modelo é apresentada primeiro, seguindo por detalhes.

6.2.1 Framework.

LFTs ativos decidem se devem entrar no mercado de acordo com seus retornos esperados. Se entrar, eles enviam uma venda ou uma ordem de compra com tamanho e preço com base em suas expectativas.

Conhecendo as encomendas enviadas por LFTs, as HFTs decidem se devem entrar no mercado. Se entrar, eles geralmente enviam uma venda e uma ordem de compra com tamanho e preço para absorver os pedidos de LFTs e ganhar o lucro no spread.

As ordens de LFTs e HFTs são combinadas e executadas de acordo com seu preço e hora de chegada. O último preço de negociação é determinado e as ordens não executadas ficam no LOB para a próxima sessão de negociação.

Após cada sessão, LFTs e HFTs decidem se devem atualizar seus parâmetros de negociação de acordo com suas performances.

6.2.2 Actividade dos comerciantes de baixa frequência.

Decide se deve ser ativo de acordo com sua possibilidade ativa \ (LF ^ ap \).

\ (LF ^ ap \) é desenhado a partir de uma distribuição uniforme com suporte \ ([\ alpha _ ^, \ alpha _ ^] \) e pode ser alterado de acordo com o lucro individual.

Se estiver ativo, o LFT primeiro calcula o preço esperado do recurso \ (LF ^ EP \) com base em seu retorno esperado \ (LF ^ ER \), então gera o preço de oferta \ (LF ^ AP_ \) e preço de oferta \ (LF ^ BP_ \) no tempo t com base no último preço de negociação pt.

l i representa o comprimento da memória de LFT i e \ (l_ \ sim U (1, l_) \). \ (n_ ^ \), \ (n_ ^ \), \ (n_ ^ \) são pesos para componentes fundamentalistas, cartistas e induzidos por ruído para LFT i, respectivamente, e atribuídos aleatoriamente de acordo com distribuições normais: \ (n_ ^ \ sim \ vert N (0, \ sigma _) \ vert \), n 2 i ~ N (0, σ 2) e \ (n_ ^ \ sim N (0, \ sigma _) \).

Se o preço de venda da LFT i for superior ao preço futuro esperado, a LFT enviarei uma ordem de venda a preço \ (LF ^ AP_ \) com tamanho \ (LF ^ AS \); se o preço da oferta da LFT i for inferior ao preço futuro esperado, ele enviará uma ordem de compra no preço \ (LF ^ BP_ \) com o tamanho \ (LF ^ BS \). O tempo válido da ordem é \ (\ gamma ^ \).

Após as sessões τ, a LFT decido se atualiza seus parâmetros de negociação com base em seu lucro \ (LF ^ P_ \).

se \ (LF ^ P_ & gt; 0 \), LFT atualizarei alguns de seus parâmetros como:

se \ (LF ^ P_ \ leqslant 0 \), ele se torna:

se \ (LF ^ P_ \ leqslant 0 \) e um número aleatório \ (\ sim U [0,1] & lt; \ lambda \), então os parâmetros ponderados pelo componente e o comprimento da memória serão renovados com base nas distribuições:

6.2.3 Atividade de comerciantes de alta freqüência.

HFT j decide se deve ser ativo com base na flutuação de preço \ (P_ ^ \) (bps) no tempo t e seu limite de ação \ (HF ^ at \).

Se estiver ativo, ele envia uma ordem de venda ao preço \ (HF ^ AP \) com tamanho \ (HF ^ AS \) e uma ordem de compra a preço \ (HF ^ BP \) com tamanho \ (HF ^ BS \) . Todos os pedidos de HFTs são enviados em uma ordem aleatória, e a hora válida das ordens é γ H.

Sob a configuração inadimplente, \ (HF ^ AP = p_ + \ kappa _ ^ \), \ (HF ^ BP = p_ - \ kappa _ ^ \), κ H refere-se a flutuação de preços. Enquanto os HFTs decidem a quantidade da ordem com base nas cotações da LOB. \ (HF ^ AS = HF ^ BS = 0,5 \ times (q_ + q_) \ times \ eta _ ^ \). Onde q b (q s) se refere ao tamanho total de comprar (vender) pedidos no LOB nesta sessão, e η H refere-se à taxa de absorção da ordem.

Como LFTs, após τ sessões, HFT j decidir se atualizar \ (\ eta _ ^ \) com base em sua performance.

6.2.4 Validação do modelo.

Parâmetros na simulação inicial.

Número de sessões de negociação.

Número de comerciantes.

LFT possibilidade inicial inicial.

Comprimento máximo da memória LFT.

Flutuação do preço da ordem LFT.

Flutuação do tamanho da ordem LFT.

Círculo de evolução de parâmetros LFT.

Taxa de evolução do parâmetro LFT.

Componente fundamental.

Componente de carlos.

Std of noise-trader component.

Limite ativo HFT.

Flutuação do preço da ordem HFT.

Taxa de absorção da ordem HFT.

Autocorrelação de retorno em simulações HFT.

Aglomeração de volatilidade em simulações HFT.

Distribuição de retorno em simulações HFT.

6.3 Exploração da estratégia de criação de mercado.

Nesta seção, nós projetamos experimentos sobre o preço da ordem HFT, a quantidade de pedidos, respectivamente, tentando descobrir que tipo de preço de ordem e quantidade de pedido ajudam os HFTs a aumentar os lucros e a diminuir os riscos.

Com base em [3], nosso modelo assume que HFTs geralmente utilizam a fabricação passiva de mercado e tentam ganhar o spread. Mas quando eles especularam o desequilíbrio das ordens detectando as tendências da transação de LFTs, eles podem utilizar a agressiva criação de mercado. Neste caso, eles trocam rapidamente para obter o lucro do movimento de preços, ou fecham sua posição. No modelo, consideramos o lucro da HFT como o retorno diário e o risco como inventário no final do dia. Todas as taxas de transação são ignoradas por simplicidade.

6.3.1 Estratégias para o preço do pedido.

Criação de mercado passivo e agressivo.

Quando os HFTs adotam a fabricação passiva de mercado e oferecem preço em torno do último preço de negociação, a ordem de pedido é oferecida em pt + 0. 5 × k 1 e ordem de compra em pt - 0. 5 × k 1, onde k 1 se refere ao ask - spread de lance na condição passiva de mercado e seu valor padrão é o dobro do tamanho da marca. Enquanto oferecemos preço em torno da melhor oferta / oferta, eles oferecem pedir pedido, na melhor das hipóteses, pedir e fazer oferta no melhor lance no LOB.

Ao definir o limiar como 0,5, suponhamos quando \ (\ vert q_ - q_ \ vert / (q_ + q_) & gt; 0,5 \), os HFTs adotarão a comercialização agressiva. Se as ordens de venda são muito mais do que ordens de compra, citando junto com a tendência temporária significa oferecer preço de oferta no último preço de negociação p t e preço da oferta em p t - k 2, onde k 2 refere-se ao spread de oferta / oferta em condições agressivas de mercado. E citar contra com tendência temporária significa oferecer preço de oferta em p t + k 2 e preço de oferta em p t.

6.3.2 Estratégia para quantidade de pedido.

Outra questão precisa ser discutida para a estratégia é a quantidade da ordem. A fim de obter mais lucros e menos riscos, os HFTs considerarão dois aspectos, aumentando a chance de cumprimento da ordem e mantendo a posição fixa em conformidade.

Quando | np | & lt; 0. 5 × NT, ele troca como de costume.

\ (0,5 \ times NT \ leqslant \ vert np \ vert & lt; NT \), aplica pressão de preço e ajusta suas cotações em um tamanho de tiquetaque.

Quando \ (\ vert np \ vert \ geqslant NT \), ele pára um lado (comprar ou vender) de negociação.

O tamanho máximo da ordem do HFT é igual a NT.

6.3.3 Comparação de Estratégias.

Lista de estratégias de cotação.

Comparação de diferentes estratégias de criação de mercado.

De acordo com o gráfico, vemos que a cotação com base no melhor preço de oferta / oferta tem sua vantagem no estoque, o que indica que esta estratégia tem o menor risco. Embora a cotação com base no último preço de negociação em conjunto usando uma tendência temporária ao longo da estratégia, leva ao maior retorno para HFTs. Aqui, escolhemos a última + + estratégia como referência para novas experiências.

6.4 Experimentos em competição.

Nas próximas simulações, alteramos a porcentagem de HFTs (2% em experimentos anteriores) para ver sua influência. Por outro lado, todos os HFTs enviam suas ordens em uma ordem aleatória em experimentos passados, o que significa que eles têm latências semelhantes. Considerando que os HFTs estão buscando menor latência para correr em frente de seus concorrentes hoje em dia, nós organizamos latências diferentes para HFTs. Neste caso, os HFTs enviam suas ordens um após o outro em uma ordem fixa, portanto, um HFT com menor latência envia seus pedidos anteriormente e provavelmente terá probabilidades de execução de ordem mais altas.

6.4.1 Retorno total de HFTs.

Retorno total de HFTs.

Há duas coisas interessantes de acordo com esse resultado. Por um lado, em ambas as condições de latência, o retorno total dos HFTs subiu e desceu. Isso pode, porque quando o número de HFTs é pequeno, os HFTs não absorvem completamente as ordens dos LFTs e ainda há lucros excedentes no spread. Mas quando esse número se torna maior, os HFTs sofrem de desequilíbrio de posição e precisam pagar o preço para negociar fora de suas posições, causando assim um declínio no retorno total. Por outro lado, a curva vermelha mostra a condição de que os HFTs compitam uns com os outros na velocidade e tenham latências diferentes. Comparando com o azul, indica que esta competição realmente diminui o retorno total do HFTs quando o número de HFTs é pequeno, mas aumenta o retorno total quando o número é maior.

6.4.2 Retorno Individual de HFTs.

Retorno individual de HFTs.

No resultado, a curva vermelha mostra o retorno individual médio de HFTs, diminui com o aumento da porcentagem de HFTs e pode ser visto como o retorno de um HFT normal. Como a população de LFTs é muito mais do que HFTs e seu retorno médio pode ser visto como zero, a curva vermelha também ilustra a diferença de retorno entre um HFT normal e um LFT aproximadamente e pode ser tomado como referência para uma LFT para decidir se vale a pena participar da HFT. A curva verde, por outro lado, é calculada como a diferença entre a média eo retorno mais alto (retorno do HFT com menor latência). Pode ser interpretado como o lucro potencial de um HFT normal para se tornar o mais rápido ao renovar seus dispositivos ou usar o método de co-localização. Este gráfico pode sugerir que, embora o lucro por se tornar um HFT diminua com o aumento de HFTs, é sempre rentável para um HFT perseguir menor latência.

6.5 Conclusões.

Este artigo centra-se em explorar a estratégia de negociação de mercado para negociação de alta freqüência e consiste em três partes. Primeiro, combinamos o trabalho anterior e construímos um modelo de transação intra-dia com base no livro de pedidos limite para simular as atividades de negociação de HFTs e LFTs. Além disso, ao analisar a criação de mercado passivo e agressivo, tentamos descobrir que tipo de preço de ordem e quantidade de pedido ajudam os HFTs a aumentar seus lucros e a diminuir seus riscos. Finalmente, testamos a estratégia em ambientes de competição, incluindo concorrentes aumentados e latência diminuída, para ver seu desempenho.

Referências.

Informações sobre direitos autorais.

Acesso aberto Este livro é distribuído sob os termos da Licença comercial não atribuída à Creative Commons, que permite qualquer uso, distribuição e reprodução não comercial em qualquer meio, desde que os autores e fontes originais sejam creditados.

Autores e afiliações.

Yibing Xiong 1 Email autor Takashi Yamada 1 Takao Terano 1 1. Tokyo Institute of Technology Tóquio Japão.

Sobre este artigo.

Recomendações personalizadas.

Cite o papel.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Faça o download do livro.

Faça o download do livro.

Cite o papel.

.RIS Papers Reference Manager RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

Índice.

Mais de 10 milhões de documentos científicos ao seu alcance.

Switch Edition.

&cópia de; 2017 Springer International Publishing AG. Parte de Springer Nature.

Uma Estratégia de Escalping de Alta Freqüência em Coletivo2.

Scalping vs. Market Making.

Uma estratégia de fabricação de mercado é aquela em que o sistema cita continuamente no lance e oferta e procura ganhar dinheiro com o spread da oferta-oferta (e também, no caso de ações, descontos). Durante um dia de negociação típico, os estoques serão acumulados no lado longo ou curto do livro à medida que o mercado se processa para cima e para baixo. Não há intenção de ter uma visão de mercado como tal, mas as estratégias de fabricação de mercado mais sofisticadas usarão modelos de microestrutura para ajudar a decidir se o & # 8220; lean & # 8221; na oferta ou oferta em qualquer momento. Os fabricantes de mercado também podem ignorar suas cotações para reduzir o acúmulo de inventário, ou mesmo puxar cotações completamente, se suspeitarem que os comerciantes informados estão negociando contra eles (uma situação referida como & # 8220; fluxo tóxico & # 8221;). Eles podem cobrir posições curtas através da mesa de compensação e usar derivativos para proteger o risco de uma posição de estoque acumulada.

Uma estratégia de scalping compartilha algumas das características de uma estratégia de criação de mercado: geralmente será uma reversão significante, buscando entrar passivamente na oferta ou oferta e a média de negociação por comércio geralmente está na região de um único carrapato. Mas, onde uma estratégia de proxeneta difere da comercialização é que é preciso ter uma visão de quando conseguir o mercado longo ou curto, embora essa visão possa mudar muitas vezes ao longo de uma sessão de negociação. Conseqüentemente, uma estratégia de scalping só funcionará de um lado do mercado de cada vez, trabalhando na oferta ou na oferta; e normalmente nunca inventará inventário, já que geralmente irá reverter e, mais tarde, tentar vender com lucro o inventário que já adquiriu anteriormente, o que é esperançoso a um preço mais baixo.

Em termos de características de desempenho, uma estratégia de criação de mercado geralmente terá um Ratio Sharpe de dois dígitos, o que significa que pode durar muitos dias, semanas ou meses sem perder. Scalping é inerentemente mais arriscado, pois está tomando apostas direcionais, embora em horizontes curtos de tempo. Com uma Ratio de Sharpe na região de 3 a 5, uma estratégia de escalação geralmente experimentará perda de dias e até mesmo meses perdidos.

Então, por que preferir scalping ao mercado? É realmente uma questão de capacidade. A vantagem competitiva no scalping deriva da exploração bem-sucedida de fontes identificadas de alfa, enquanto a produção do mercado depende principalmente da velocidade e da capacidade de execução. A criação de mercado requer infra-estrutura HFT com latência medida em microssegundos, a capacidade de classificar pedidos para cima e para baixo do livro e gerenciar a prioridade da ordem. Os algas Scalping geralmente são muito menos exigentes em termos de requisitos da plataforma de negociação: de acordo com as especificidades do sistema, elas podem ser implementadas com sucesso em muitas redes de terceiros.

Desenvolvendo Estratégias Futuras HFT.

Algum tempo atrás, minha empresa Estratégias Sistemáticas iniciou pesquisa e desenvolvimento em várias estratégias HFT em mercados de futuros. Nosso principal foco sempre foi estratégias de equidade HFT, então isso foi algo de partida para nós, um que implicou obstáculos tecnológicos significativos (mais sobre isso no devido tempo). Entre as estratégias que desenvolvemos foram vários algoritmos de escalação muito lucrativos em futuros de renda fixa. O comércio majoritário em alta freqüência, com períodos de espera baixos medidos em segundos ou minutos, negociando dezenas ou mesmo centenas de vezes por dia.

O próximo desafio que enfrentamos foi o que fazer com nosso produto de pesquisa. Como uma empresa comercial proprietária, nosso primeiro instinto era negociar as estratégias nós mesmos; mas a intenção original foi desenvolver estratégias que pudessem fornecer a base de um fundo de hedge ou oferta da CTA. Muitas estratégias HFT não são adequadas para esse propósito, uma vez que os requisitos técnicos excedem as capacidades da grande maioria das plataformas de negociação padrão normalmente utilizadas pelos investidores da conta gerenciada. Além disso, as estratégias de HFT tipicamente oferecem capacidade muito limitada para serem interessantes para investidores institucionais maiores.

No final, chegamos a uma solução de compromisso, mantendo as estratégias de freqüência mais altas internamente, oferecendo as estratégias de freqüência mais baixa para investidores externos. Isso nos permitiu manter a capacidade limitada das estratégias de maior freqüência para nossa própria negociação, ao mesmo tempo em que oferecemos aos investidores capacidade significativa em estratégias que operam em freqüências mais baixas, mas ainda com características de alto desempenho.

HFT Bond Scalping.

Um exemplo típico é a seguinte estratégia de scalping no US Bond Futures. A estratégia combina dois dos algoritmos de freqüência mais baixa que desenvolvemos para os futuros de títulos que escalpam cerca de 10 vezes por sessão. A estratégia tenta tirar cerca de 8 tiques fora do mercado em cada comércio e médias em torno de 1 tick por comércio. Com uma Ratio Sharpe de mais de 3 anos, a estratégia produziu lucros líquidos de aproximadamente US $ 50.000 por contrato por ano, desde 2008. Uma característica agradável desta e outras estratégias de escalação é a consistência: houve apenas 10 meses perdidos desde janeiro de 2008, a sendo uma perda de US $ 7.100 em dezembro de 2015 (a perda anterior foi de US $ 472 em julho de 2013!)

Desempenho de Estratégia.

Oferecendo a Estratégia para Investidores em Coletivo2.

O próximo desafio para nós resolver foi a melhor forma de introduzir o programa para potenciais investidores. Estratégias sistemáticas não é um CTA e nossos investidores normalmente estão interessados ​​em estratégias de equidade. É preciso muito trabalho para persuadir os investidores de que somos capazes de transferir nossa experiência em mercados de ações para o mundo muito diferente do comércio de futuros. Enquanto esses esforços continuam com meus colegas em Chicago, eu decidi realizar uma experiência: e se nós oferecêssemos uma estratégia de scalping através de um serviço online como o Collective2? Para aqueles que não são familiares, o Collective2 é uma plataforma de sistema de negociação automatizada que permitiu o rastreamento, verificação e auto-negociação de múltiplos sistemas. A plataforma acompanha o lucro e a perda do sistema, os requisitos de margem e as estatísticas de desempenho. Em seguida, permite que os investidores sigam o sistema em negociação ao vivo, entrando os sinais comerciais do sistema, manualmente ou automaticamente.

Oferecer uma estratégia de scalping em uma plataforma como essa certamente cria visibilidade (e um histórico credível) com os investidores; mas também traz novos desafios. Por exemplo, a plataforma assume um custo de negociação de cerca de US $ 14 por rodada, que é pelo menos 2 vezes mais caro que a maioria das plataformas de varejo e talvez 3x-5x mais caro que o custo que uma empresa da HFT pode pagar. Para a maioria das estratégias de proxeneta que são projetadas para fazer um tiquetaque no mercado, tais taxas elevadas eviscerariam os retornos. Isso motivou a nossa escolha de Futuros de obrigações dos EUA, uma vez que o tamanho do tic e o comércio médio são suficientemente amplos para superar mesmo esse nível de fricção comercial. Depois de um par de falhas iniciadas, durante as quais jogamos ao redor com os algoritmos e a rentabilidade da estratégia impulsionada com alguns negócios de baixa freqüência, o sistema agora está felizmente cantarolando e demonstrando o tipo de desempenho que deve (veja abaixo).

Para aqueles que estão interessados ​​em seguir o desempenho da estratégia, o link em coletivo2 está aqui.

Aviso Legal.

Sobre os resultados que você vê neste site.

Os resultados passados ​​não são necessariamente indicativos de resultados futuros.

Esses resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados apresentados em um registro de desempenho real, esses resultados não representam a negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação menor ou excessiva do impacto, se houver, de certos fatores do mercado, como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de serem projetados com o benefício de retrospectiva. Nenhuma representação está sendo feita que qualquer conta será ou será capaz de alcançar lucros ou perdas semelhantes às exibidas.

Além disso, a negociação hipotética não envolve risco financeiro, e nenhum registro de negociação hipotético pode explicar completamente o impacto do risco financeiro na negociação real. Por exemplo, a capacidade de suportar perdas ou de aderir a um determinado programa de negociação, apesar das perdas comerciais, são pontos importantes que também podem prejudicar os resultados comerciais reais. Existem vários outros fatores relacionados aos mercados em geral ou à implementação de qualquer programa de negociação específico, que não pode ser totalmente contabilizado na preparação de resultados de desempenho hipotéticos e todos os quais podem afetar adversamente os resultados comerciais reais.

Pressupostos e métodos utilizados no cálculo dos resultados.

Os seguintes são os pressupostos materiais utilizados ao calcular os resultados mensais hipotéticos que aparecem no nosso site.

Os lucros são reinvestidos. Assumimos que os lucros (quando há lucros) são reinvestidos na estratégia de negociação. Iniciando o tamanho do investimento. Para qualquer estratégia de negociação em nosso site, os resultados hipotéticos são baseados no pressuposto de que você investiu o valor inicial mostrado no gráfico de desempenho da estratégia. Em alguns casos, os montantes em dólares nominais no gráfico de equivalência patrimonial foram redimensionados para baixo para tornar os tamanhos atuais de negociação avançado mais gerenciáveis. Nesses casos, talvez não tenha sido possível trocar a estratégia historicamente pelos níveis de equivalência patrimonial mostrados no gráfico e um mínimo de capital mínimo foi exigido no passado. Todas as taxas estão incluídas. Ao calcular os retornos cumulativos, tentamos estimar e incluir todas as taxas que um trader típico incorre quando AutoTrading usando a tecnologia AutoTrade. Isso inclui o custo da assinatura da estratégia, além de quaisquer taxas AutoTrade por comércio, além de comissões de corretores estimadas, se houver. & # 8220; Max Drawdown & # 8221; Método de cálculo. Calculamos a estatística Max Drawdown da seguinte forma. Nosso software de computador analisa o gráfico de equidade do sistema em questão e encontra o maior percentual que o gráfico de equidade sempre recusa de um pico local # 8221; para um ponto posterior (portanto, isso é formalmente chamado de Maximum Peak to Valley Drawdown. & # 8221;) Embora esta seja uma informação útil ao avaliar os sistemas de negociação, você deve ter em mente que o desempenho passado não garante resultados futuros . Portanto, as futuras retiradas podem ser maiores do que as retrações máximas históricas que você vê aqui.

O comércio é arriscado.

Existe um risco substancial de perda em futuros e negociação forex. O comércio on-line de ações e opções é extremamente arriscado. Suponha que você vai perder dinheiro. Não troque com o dinheiro que você não pode perder.

Introdução à Market Making & # 038; Estratégias de negociação de alta freqüência.

O Mercado Financeiro Global testemunhou uma mudança sísmica nas últimas duas a três décadas. O rápido avanço na tecnologia, o aumento do número de locais de negociação, o aumento da participação no mercado e os altos volumes de negociação tornaram os mercados pouco mais complexos do que antes.

Edward Leshik e Jane Cralle, os autores do livro "Uma introdução ao comércio algorítmico" colocaram essa complexidade nas seguintes palavras: "Em ordem de complexidade, os Mercados classificam um bom 4º após o Cosmos, o Cérebro Humano e o Imunológico Humano Sistema."

Os participantes do mercado desempenham um papel importante nos mercados em constante mudança de hoje. Um participante do mercado chave na estrutura de negociação de uma troca é o Market Maker. Este artigo cobre o Who, o que e a forma de fazer o mercado e uma introdução às estratégias de negociação de alta freqüência.

Introdução aos Market Makers & # 8211; Quem são eles?

Os fabricantes de mercado são agentes que estão prontos para comprar e vender títulos nos mercados financeiros. O restante dos participantes do mercado é, portanto, sempre garantido contraparte para suas transações.

Os fabricantes de mercado são conhecidos por nomes diferentes. Na Bolsa de Valores de Londres, os fabricantes de mercado são chamados de "jobbers", enquanto na Bolsa de Valores de Nova York são conhecidos como Designated Market Makers (anteriormente conhecidos como "especialistas" # 8217;). Encontre abaixo os nomes dos DMMs na NYSE.

Os Market Makers operam nos mercados para os seguintes instrumentos:

Os fabricantes de mercado tradicionais geralmente estão sob acordos contratuais com a bolsa de valores e são incentivados a atingir os requisitos de cotação de referência. Os comerciantes de alta freqüência também podem atuar como criadores de mercado e desempenhar um papel vital no ecossistema geral.

Os fabricantes de mercado podem optar por ter os seguintes benchmarks de cotação:

faça um mercado de forma contínua faça um mercado em resposta às solicitações de cotação fazer um mercado de forma contínua e em resposta aos pedidos de cotação.

Como eles ganham lucros?

Os Market Makers ganham cobrando preços de oferta mais elevados do que os preços oferecidos. A diferença é chamada de "propagação". A propagação compensa os criadores de mercado pelo risco herdado em tais negociações. O risco é o movimento de preços contra a posição de negociação de market makers.

O fabricante de mercado pode comprar 1000 ações da IBM por US $ 100 cada (o preço do pedido) e, em seguida, oferecer para vendê-los para um comprador em US $ 100,05 (o preço da oferta). A diferença entre o preço de oferta e oferta é de apenas $ .05, mas ao negociar milhões de ações por dia, ele consegue empatar um pedaço significativo de mudança para compensar seu risco.

Riscos na criação de mercado.

Como mencionado acima, o principal risco que um Market Maker pode enfrentar é um declínio no valor de uma segurança depois de ter sido comprado de um vendedor e antes de ser vendido para um comprador.

Os fabricantes de mercado são sempre contrapartes de negócios feitos por comerciantes informados e em caso de qualquer volatilidade no mercado; Os Market Makers são muitas vezes presos com posições erradas.

Outro risco fatal para um Market Maker é não ter as informações mais recentes. Os Market Makers podem sobreviver ao gerir riscos apenas se for possível que eles recebam & amp; responda rapidamente às informações.

Mercados fortes precisam de Market Makers e para ter Market Makers deve ser possível para eles sobreviverem & amp; Sucesso sem grandes perdas.

Como a negociação automatizada permite a criação de mercado?

Para serem eficientes, os criadores de mercado devem poder ajustar suas cotações imediatamente em resposta aos eventos do mercado.

Esses eventos poderiam ser.

mudanças nos preços dos instrumentos financeiros, posições de negociação acumuladas pelo market maker.

Os sistemas automatizados são mais eficientes que os seres humanos na detecção e respondendo a tais eventos. Portanto, eles podem lidar melhor com seus riscos.

Uma vez que os sistemas automatizados podem lidar melhor com seus riscos, portanto, eles oferecem melhores cotações para outros.

Tempo de resposta mais rápido.

O preço dos derivativos que permitem que os investidores se protejam geralmente envolve cálculos matemáticos que consomem tempo. Enquanto os seres humanos podem demorar alguns minutos, os sistemas automatizados podem fazer esses cálculos em microssegundos. O tempo de resposta é, portanto, muito mais rápido.

Escalabilidade.

Os comerciantes humanos só podem rastrear atividades em alguns instrumentos, enquanto os sistemas automatizados podem fazer milhares simultaneamente. O mesmo comerciante que usa um sistema de negociação automatizado fornece liquidez em instrumentos financeiros significativamente mais simultaneamente.

Disponibilidade.

As máquinas não precisam fazer pausas. Os sistemas automatizados de fabricação de mercado estão sempre ativos.

Qual é o impacto dos criadores de mercado algorítmicos nos mercados?

Volatilidade dos preços.

A diferença entre os preços dos negócios consecutivos feitos contra um fabricante de mercado humano será muito maior do que aqueles feitos contra um fabricante de mercado automatizado, pelo que a volatilidade do preço dos ativos reduz.

Custo do Impacto.

Com a criação de mercado de renderização de automação, os livros de pedidos tornaram-se grossos. O preço de execução para encomendas mesmo grandes é próximo ao preço justo, custo de impacto e amp; A volatilidade é, portanto, mais baixa.

O impacto global da criação de mercado algorítmico pode ser resumido conforme mencionado abaixo.

Estratégias HFT e seus tipos.

As empresas comerciais de alta freqüência usam diferentes tipos de estratégias HFT e os objetivos finais e amp; As filosofias subjacentes de cada uma variam. Alguns dos tipos importantes de estratégias HFT são explicados abaixo.

Estratégias HFT de previsão de fluxo de ordem.

As estratégias de previsão de fluxo de pedidos HFT tentam prever antecipadamente as ordens dos grandes jogadores por vários meios, depois assumirem as posições de negociação à frente deles e, em seguida, bloquear os lucros como resultado do subsequente impacto nos preços dos negócios desses grandes jogadores.

Estratégias HFT de Execução.

Execução As estratégias HFT procuram executar grandes encomendas de vários actores institucionais sem causar um impacto significativo nos preços. Esses incluem:

Estratégia VWAP (preço médio ponderado por volume) - esta estratégia é usada para executar grandes pedidos a um preço médio melhor. É a proporção do valor negociado para o volume total negociado ao longo de um período de tempo.

TWAP (preço médio ponderado no tempo) estratégia - esta estratégia é usada para comprar ou vender grandes blocos de ações sem afetar o preço.

Provisão de liquidez - Estratégias de criação de mercado.

Os fabricantes de mercado da HFT são obrigados a primeiro estabelecer uma cotação e continuar atualizando-a continuamente em resposta a outras solicitações de pedidos ou cancelamentos. Esta atualização contínua da citação pode ser baseada no tipo de modelo seguido pelo fabricante de mercado HFT. (Modelo baseado em inventário ou modelo baseado em informações). No processo, os fabricantes de mercado HFT tendem a enviar e cancelar uma grande quantidade de pedidos para cada transação.

Estratégias automatizadas de Arbitragem HFT.

As estratégias de arbitragem HFT tentam capturar pequenos lucros quando um diferencial de preço resulta de dois instrumentos similares. A arbitragem de índice pode ser considerada como um exemplo do mesmo. O movimento de preços entre futuros S & amp; P 500 e SPY (um ETF que acompanha o índice S & amp; P 500) deve se alinhar um ao outro. Se o movimento de preços for diferente, os arbitragos de índice entrarão imediatamente na imagem e tentarão capturar lucros através de arbitragem usando suas estratégias automáticas de HFT. Para fazer de forma eficaz, as estratégias de arbitragem de HFT exigem uma execução rápida para lucrar rapidamente com o mispricing antes de outros participantes entrarem.

Além das discutidas acima, existem outras estratégias de HFT como estratégias de arbitramento de descontos que procuram ganhar os descontos oferecidos pelas trocas, estratégias HFT baseadas em fontes de notícias de baixa latência e outras como Iceberg e Sniffer que são usadas para detectar e reagir a outras comerciantes tentando esconder trocas de grandes blocos.

Se você quiser aprender vários aspectos da negociação algorítmica, consulte o Programa Executivo em Negociação Algorítmica (EPAT ™). O curso abrange módulos de treinamento como Statistics & amp; Econometria, Computação Financeira e Tecnologia e Algorítmica e Negociação quantitativa. EPAT ™ equipa você com os conjuntos de habilidades necessárias para ser um comerciante bem sucedido. Inscreva-se agora!

Uma Estratégia de Escalping de Alta Freqüência em Coletivo2.

Scalping vs. Market Making.

Uma estratégia de fabricação de mercado é aquela em que o sistema cita continuamente no lance e oferta e procura ganhar dinheiro com o spread da oferta-oferta (e também, no caso de ações, descontos). Durante um dia de negociação típico, os estoques serão acumulados no lado longo ou curto do livro à medida que o mercado se processa para cima e para baixo. Não há intenção de ter uma visão de mercado como tal, mas as estratégias de fabricação de mercado mais sofisticadas usarão modelos de microestrutura para ajudar a decidir se o & # 8220; lean & # 8221; na oferta ou oferta em qualquer momento. Os fabricantes de mercado também podem ignorar suas cotações para reduzir o acúmulo de inventário, ou mesmo puxar cotações completamente, se suspeitarem que os comerciantes informados estão negociando contra eles (uma situação referida como & # 8220; fluxo tóxico & # 8221;). Eles podem cobrir posições curtas através da mesa de compensação e usar derivativos para proteger o risco de uma posição de estoque acumulada.

Uma estratégia de scalping compartilha algumas das características de uma estratégia de criação de mercado: geralmente será uma reversão significante, buscando entrar passivamente na oferta ou oferta e a média de negociação por comércio geralmente está na região de um único carrapato. Mas, onde uma estratégia de proxeneta difere da comercialização é que é preciso ter uma visão de quando conseguir o mercado longo ou curto, embora essa visão possa mudar muitas vezes ao longo de uma sessão de negociação. Conseqüentemente, uma estratégia de scalping só funcionará de um lado do mercado de cada vez, trabalhando na oferta ou na oferta; e normalmente nunca inventará inventário, já que geralmente irá reverter e, mais tarde, tentar vender com lucro o inventário que já adquiriu anteriormente, o que é esperançoso a um preço mais baixo.

Em termos de características de desempenho, uma estratégia de criação de mercado geralmente terá um Ratio Sharpe de dois dígitos, o que significa que pode durar muitos dias, semanas ou meses sem perder. Scalping é inerentemente mais arriscado, pois está tomando apostas direcionais, embora em horizontes curtos de tempo. With a Sharpe Ratio in the region of 3 to 5, a scalping strategy will often experience losing days and even losing months.

So why prefer scalping to market making? It’s really a question of capability. Competitive advantage in scalping derives from the successful exploitation of identified sources of alpha, whereas market making depends primarily on speed and execution capability. Market making requires HFT infrastructure with latency measured in microseconds, the ability to layer orders up and down the book and manage order priority. Scalping algos are generally much less demanding in terms of trading platform requirements: depending on the specifics of the system, they can be implemented successfully on many third party networks.

Developing HFT Futures Strategies.

Some time ago my firm Systematic Strategies began research and development on a number of HFT strategies in futures markets. Our primary focus has always been HFT equity strategies, so this was something of a departure for us, one that has entailed a significant technological obstacles (more on this in due course). Amongst the strategies we developed were several very profitable scalping algorithms in fixed income futures. The majority trade at high frequency, with short holding periods measured in seconds or minutes, trading tens or even hundreds of times a day.

The next challenge we faced was what to do with our research product. As a proprietary trading firm our first instinct was to trade the strategies ourselves; but the original intent had been to develop strategies that could provide the basis of a hedge fund or CTA offering. Many HFT strategies are unsuitable for that purpose, since the technical requirements exceed the capabilities of the great majority of standard trading platforms typically used by managed account investors. Besides, HFT strategies typically offer too limited capacity to be interesting to larger, institutional investors.

In the end we arrived at a compromise solution, keeping the highest frequency strategies in-house, while offering the lower frequency strategies to outside investors. This enabled us to keep the limited capacity of the highest frequency strategies for our own trading, while offering investors significant capacity in strategies that trade at lower frequencies, but still with very high performance characteristics.

HFT Bond Scalping.

A typical example is the following scalping strategy in US Bond Futures. The strategy combines two of the lower frequency algorithms we developed for bond futures that scalp around 10 times per session. The strategy attempts to take around 8 ticks out of the market on each trade and averages around 1 tick per trade. With a Sharpe Ratio of over 3, the strategy has produced net profits of approximately $50,000 per contract per year, since 2008. A pleasing characteristic of this and other scalping strategies is their consistency: There have been only 10 losing months since January 2008, the last being a loss of $7,100 in Dec 2015 (the prior loss being $472 in July 2013!)

Strategy Performance.

Offering The Strategy to Investors on Collective2.

The next challenge for us to solve was how best to introduce the program to potential investors. Systematic Strategies is not a CTA and our investors are typically interested in equity strategies. It takes a great deal of hard work to persuade investors that we are able to transfer our expertise in equity markets to the very different world of futures trading. While those efforts are continuing with my colleagues in Chicago, I decided to conduct an experiment: what if we were to offer a scalping strategy through an online service like Collective2? For those who are unfamiliar, Collective2 is an automated trading-system platform that allowed the tracking, verification, and auto-trading of multiple systems. The platform keeps track of the system profit and loss, margin requirements, and performance statistics. It then allows investors to follow the system in live trading, entering the system’s trading signals either manually or automatically.

Offering a scalping strategy on a platform like this certainly creates visibility (and a credible track record) with investors; but it also poses new challenges. For example, the platform assumes trading cost of around $14 per round turn, which is at least 2x more expensive than most retail platforms and perhaps 3x-5x more expensive than the cost a HFT firm might pay. For most scalping strategies that are designed to take a tick out of the market such high fees would eviscerate the returns. This motivated our choice of US Bond Futures, since the tick size and average trade are sufficiently large to overcome even this level of trading friction. After a couple of false starts, during which we played around with the algorithms and boosted strategy profitability with a couple of low frequency trades, the system is now happily humming along and demonstrating the kind of performance it should (see below).

For those who are interested in following the strategy’s performance, the link on collective2 is here.

Aviso Legal.

Sobre os resultados que você vê neste site.

Os resultados passados ​​não são necessariamente indicativos de resultados futuros.

Esses resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados apresentados em um registro de desempenho real, esses resultados não representam a negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação menor ou excessiva do impacto, se houver, de certos fatores do mercado, como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de serem projetados com o benefício de retrospectiva. Nenhuma representação está sendo feita que qualquer conta será ou será capaz de alcançar lucros ou perdas semelhantes às exibidas.

Além disso, a negociação hipotética não envolve risco financeiro, e nenhum registro de negociação hipotético pode explicar completamente o impacto do risco financeiro na negociação real. Por exemplo, a capacidade de suportar perdas ou de aderir a um determinado programa de negociação, apesar das perdas comerciais, são pontos importantes que também podem prejudicar os resultados comerciais reais. Existem vários outros fatores relacionados aos mercados em geral ou à implementação de qualquer programa de negociação específico, que não pode ser totalmente contabilizado na preparação de resultados de desempenho hipotéticos e todos os quais podem afetar adversamente os resultados comerciais reais.

Pressupostos e métodos utilizados no cálculo dos resultados.

Os seguintes são os pressupostos materiais utilizados ao calcular os resultados mensais hipotéticos que aparecem no nosso site.

Os lucros são reinvestidos. Assumimos que os lucros (quando há lucros) são reinvestidos na estratégia de negociação. Iniciando o tamanho do investimento. For any trading strategy on our site, hypothetical results are based on the assumption that you invested the starting amount shown on the strategy’s performance chart. Em alguns casos, os montantes em dólares nominais no gráfico de equivalência patrimonial foram redimensionados para baixo para tornar os tamanhos atuais de negociação avançado mais gerenciáveis. Nesses casos, talvez não tenha sido possível trocar a estratégia historicamente pelos níveis de equivalência patrimonial mostrados no gráfico e um mínimo de capital mínimo foi exigido no passado. Todas as taxas estão incluídas. Ao calcular os retornos cumulativos, tentamos estimar e incluir todas as taxas que um trader típico incorre quando AutoTrading usando a tecnologia AutoTrade. Isso inclui o custo da assinatura da estratégia, além de quaisquer taxas AutoTrade por comércio, além de comissões de corretores estimadas, se houver. “Max Drawdown” Método de cálculo. Calculamos a estatística Max Drawdown da seguinte forma. Our computer software looks at the equity chart of the system in question and finds the largest percentage amount that the equity chart ever declines from a local “peak” to a subsequent point in time (thus this is formally called “Maximum Peak to Valley Drawdown.”) While this is useful information when evaluating trading systems, you should keep in mind that past performance does not guarantee future results. Portanto, as futuras retiradas podem ser maiores do que as retrações máximas históricas que você vê aqui.

O comércio é arriscado.

Existe um risco substancial de perda em futuros e negociação forex. O comércio on-line de ações e opções é extremamente arriscado. Suponha que você vai perder dinheiro. Don’t trade with money you cannot afford to lose.

Estratégias de negociação de alta freqüência.

A maioria dos investidores provavelmente nunca viu a P & amp; L de uma estratégia de negociação de alta freqüência. Há uma razão para isso, é claro: dado as características de desempenho típicas de uma estratégia de HFT, uma empresa de comércio tem pouca necessidade de capital externo. Além disso, as estratégias de HFT podem ser limitadas de capacidade, uma grande consideração para os investidores institucionais. Por isso, é divertido ver a reação de um investidor ao encontrar o histórico de uma estratégia HFT pela primeira vez. Acostumados quanto a ver os índices de Sharpe no intervalo de 0,5-1,5, ou talvez até 1,8, se tiverem sorte, os retornos assustadores ajustados ao risco de uma estratégia de HFT, que muitas vezes têm razões de Sharpe de dois dígitos, são verdadeiramente Incompreensível.

A título de ilustração, anexei abaixo o registro de desempenho de uma dessas estratégias HFT, que negocia cerca de 100 vezes ao dia no contrato eMini S & amp; P 500 (incluindo a sessão noturna). Observe que a borda não é ótima. com média de 55% de negócios lucrativos e lucro por contrato de cerca de metade do tiquete # 8211; Estas são algumas das características definidoras das estratégias de negociação HFT. Mas, devido ao grande número de negócios, resulta em lucros muito substanciais. A esta frequência, as comissões de negociação são muito baixas, geralmente abaixo de US $ 0,1 por contrato, em comparação com US $ 1 e 8211; $ 2 por contrato para um comerciante de varejo (na verdade, uma empresa de HFT tipicamente possui ou arrenda assentos de câmbio para minimizar tais custos).

Ocultos a partir da análise acima são os custos indiretos associados à implementação dessa estratégia: o feed de dados do mercado, a plataforma de execução e a conectividade capazes de lidar com enormes volumes de mensagens, bem como a lógica de algo para monitorar os sinais da microestrutura e gerenciar a prioridade do livro de pedidos. . Sem isso, a estratégia seria impossível de implementar de forma rentável.

Escalando as coisas de volta um pouco, vamos dar uma olhada em uma estratégia de troca de dias que negocia apenas cerca de 10 vezes ao dia, em barras de 15 minutos. Embora não ultra-alta freqüência, a estratégia, no entanto, é de alta freqüência para ser sensível à latência. Em outras palavras, você não gostaria de tentar implementar essa estratégia sem uma alimentação de dados de mercado de alta qualidade e plataforma de negociação de baixa latência capaz de executar no nível de 1 milésimo de segundo. Pode ser possível implementar uma estratégia desse tipo usando a plataforma ADL da TT & # 8217; s, por exemplo.

Enquanto a taxa de vitórias e o fator de lucro são semelhantes à primeira estratégia, a menor freqüência de comércio permite um maior PL de comércio de pouco mais de 1 tiquetaque, enquanto a curva de equidade é muito menos lisa, refletindo uma relação Sharpe que é & # 8220; apenas & # 8221; em torno de 2.7.

O pressuposto crítico em qualquer estratégia HFT é a taxa de preenchimento. As estratégias HFT executam usando ordens limitadas ou IOC e somente uma certa porcentagem delas será preenchida. Supondo que há alfa no sinal, a P & amp; L cresce em proporção direta ao número de negócios, o que, por sua vez, depende da taxa de preenchimento. Uma taxa de preenchimento de 10% a 20% geralmente é suficiente para garantir a rentabilidade (dependendo da qualidade do sinal). Uma baixa taxa de preenchimento, como seria tipicamente observada se uma tentasse trocar em uma plataforma de comércio varejista, destruiria a rentabilidade de qualquer estratégia HFT.

Para ilustrar este ponto, podemos dar uma olhada no resultado se a estratégia acima foi implementada em uma plataforma de negociação que resultou em pedidos sendo preenchidos somente quando o mercado se processa através do preço limite. Não é uma visão bonita.

A moral da história é: desenvolver um algoritmo de negociação HFT que contém um sinal alfa viável é apenas metade da imagem. A infra-estrutura comercial utilizada para implementar essa estratégia não é menos crítica. É por isso que as empresas HFT gastam dezenas, ou centenas de milhões de dólares, desenvolvendo a melhor infra-estrutura possível.