Estratégias de negociação algorítmica do matlab

Mais um passo.

Por favor, preencha a verificação de segurança para acessar o matlabtips.

Por que eu tenho que completar um CAPTCHA?

A conclusão do CAPTCHA prova que você é humano e concede acesso temporário à propriedade da web.

O que posso fazer para evitar isso no futuro?

Se você estiver em uma conexão pessoal, como em casa, poderá executar uma verificação antivírus no seu dispositivo para garantir que ele não esteja infectado por malware.

Se você estiver em um escritório ou em uma rede compartilhada, poderá solicitar ao administrador da rede que execute uma verificação na rede procurando dispositivos configurados ou infectados incorretamente.

Cloudflare Ray ID: 408860ae902fb6ce & bull; Seu IP: 78.109.24.111 & bull; Performance & amp; segurança pela Cloudflare.

MatlabTrading.

Blog para MATLAB & # 174; usuários interessados ​​em estratégias de negociação algorítmica, backtesting, pares de negociação, arbitragem estatística etc.

Quarta-feira, 7 de dezembro de 2016.

Teste e Análise de Estratégias de Negociação Algorítmica no MATLAB (Parte 4) & # 8211; Algorítmos genéticos.

Otimização de Algoritmos Genéticos.

Apesar do fato de que o princípio do algoritmo genético (evolucionário) é muito bem explicado nos webinars do MathWorks, nos exemplos, no entanto, ele é usado apenas para otimização da escolha de um grupo de estratégia de um conjunto. Este é um bom exemplo do uso destes algoritmos, no entanto, acontece que há uma necessidade de definir muitas variáveis ​​com intervalos significativos para uma estratégia, você não consegue com uma iteração e a paralelização de processos & # 8211; cálculos podem levar vários dias. Certamente, existem estratégias no estágio final de otimização, quando quase certamente sabemos que a estratégia de negociação é bem-sucedida, podemos esperar vários dias ou alugar todo o cluster - o resultado pode valer a pena. No entanto, se precisamos "estimar" os resultados de uma estratégia "volumosa" e decidir se vale a pena gastar o tempo, então os algoritmos genéticos podem ser perfeitamente adequados.

Método linear & # 8211; é um modo usual de ordenação no qual você verá todos os resultados intermediários (sub-ótimos). Dá máxima precisão. Método paralelo & # 8211; todos os kernels da sua CPU serão usados. Não permite ver resultados intermediários, mas acelera significativamente a operação. Dá máxima precisão durante o aumento da velocidade de cálculo. Método genético & # 8211; ele usa o algoritmo de otimização evolutiva. Permite ver valores sub-ótimos, mas dá o resultado próximo ao melhor. Não é um método muito preciso, mas é preciso o suficiente para a "execução" inicial da estratégia. Muito rápido.

Segunda-feira, 5 de dezembro de 2016.

Teste e Análise de Estratégias de Negociação Algorítmica no MATLAB (Parte 3) & # 8211; Visualização do Processo.

Visualização do processo de teste.

Em minha experiência de trabalho, muitas vezes analisei outras plataformas populares para testes de estratégia de negociação, como TradeStation, MetaStock, Multicharts etc. e sempre fiquei surpreso com a pouca atenção dada à visualização do processo de teste. O problema é que, quando não vemos os resultados dos valores intermediários e sub-ótimos dos parâmetros otimizados, muitas vezes jogamos fora o ouro junto com a sujeira. A questão é por causa de uma amostragem excessivamente ampla, a estratégia ajusta os parâmetros da maneira como vemos uma "estratégia perfeita" que falha na vida real ou vê uma ou duas transações, que são supostamente as melhores porque foram selecionadas tais dados de intervalo de tempo onde a melhor estratégia de negociação seria comprar e manter, mas por que outras estratégias são necessárias?

E se houver mais de 4 dimensões? Quando você vê quais sinais e em que frequência eles aparecem na faixa de preço, você tem quase toda a representação visual necessária de sua estratégia: a frequência das transações, sua lucratividade (curva de renda), a precisão da abertura, a semelhança com outras valores sub-ótimos, etc .; isso não pode ser dito sobre o desempenho no espaço N-dimensional, onde todas as informações úteis são, de fato, que o valor ótimo não é apenas um, mas há toda uma gama de valores sub-ótimos em uma ou mais áreas.

Enquanto otimiza uma estratégia no WFAToolbox & # 8211; Walk-Forward Analysis Toolbox para MATLAB & # 174 ;, como um novo valor ótimo é encontrado, os sinais da estratégia de negociação no período in-sample e out-of-sample aparecem imediatamente no gráfico, para que você possa sempre controlar qual faixa de opções você deve atribuir, e também pode pausar a otimização sem esperar pelo fim do teste, pois fica claro que algo deu errado ou está tudo bem.

Quarta-feira, 30 de novembro de 2016.

Teste e Análise de Estratégias de Negociação Algorítmica no MATLAB (Parte 2) & # 8211; GUI fácil de usar.

GUI fácil de usar.

Vamos começar com o fato de que não há interface gráfica porque se presumimos que quase todo o processo de teste e análise de estratégias de negociação é padronizado (é 99%), você gostaria de ter a interface que ajuda a chamar os dados necessários. e inicie o processo de teste com um clique.

Para usuários novos (e não apenas) do MATLAB, é muito mais conveniente usar uma GUI com botões e campos de entrada do que pesquisar no código; Portanto, há uma GUI, mesmo nas caixas de ferramentas MathWorks, na maioria dos casos, porque é mais conveniente. Ele permite focar apenas no código da sua estratégia, porque o uso de uma GUI não implica, de forma alguma, que ela limita de alguma forma sua capacidade de escrever uma estratégia.

Assim, no WFAToolbox, criamos a possibilidade de escrever qualquer código para sua estratégia, usando qualquer uma das caixas de ferramentas do MATLAB e trabalhando com múltiplos ativos para as estratégias como negociação de pares, negociação de cestas ou arbitragem tripla, etc .; mas, ao mesmo tempo, esse código é facilmente integrado à GUI por meio de padrões, que são simples o suficiente para serem aplicados no código e não limitam as oportunidades.

Terça-feira, 29 de novembro de 2016.

Teste e Análise de Estratégias de Negociação Algorítmica no MATLAB (Parte 1) - Introdução.

Como tudo começou.

Foi em 2008 (se não me engano) quando o primeiro webinar sobre negociação algorítmica no MATLAB com Ali Kazaam foi lançado, abordando o tópico de otimização de estratégias simples baseadas em indicadores técnicos, etc. apesar de um caótico & # 8220; 8221; código, ferramentas eram interessantes o suficiente para usar. Eles serviram como ponto de partida para pesquisa e aprimoramento de um modelo de teste e análise que permitiria usar todo o poder das caixas de ferramentas e a liberdade das ações do MATLAB durante a criação das próprias estratégias comerciais, ao mesmo tempo em que permitiria controlar o processo. de teste e os dados obtidos e sua análise posterior escolheria carteira eficaz de sistemas de negociação robustos.

Por que todo Algotrader deveria reinventar a roda?

No entanto, o Mathworks não ofereceu uma solução completa para testes e análises das estratégias & # 8211; Esses códigos que você poderia obter dos webinars eram os únicos "elementos" de um teste completo do sistema, e era necessário modificá-los, personalizá-los e adicioná-los à GUI para facilitar o uso. Foi muito demorado, colocando-se uma questão: seja qual for a estratégia, ela deve passar pelo mesmo processo de teste e análise, o que permitiria classificá-la como estável e utilizável & # 8211; então, por que todo algotrader deveria reinventar a roda e escrever seu próprio código para estratégias de teste adequadas no MATLAB?

Negociação Algorítmica: Estratégias para Otimizar a Execução do Comércio.

Robert Kissell, Grupo de Pesquisa Kissell.

Robert Kissell fornece uma visão geral de como o MATLAB pode ser usado por profissionais do setor para melhorar a qualidade do comércio e os retornos do portfólio em todas as fases do ciclo de investimento. Ele fornece exemplos práticos e um estudo de caso usando as funções de análise de custo de transação (TCA) do MATLAB para ajudar os gerentes de portfólio, operadores e analistas a desenvolver estratégias para reduzir os custos de negociação e gerenciar melhor o risco de negociação. Sua apresentação mostrará como o MATLAB está sendo usado atualmente para calcular:

Impacto no Mercado (por Tempo de Negociação, Taxa de POV e Programação de Comércio) Cronograma Risco para um cronograma de negociação Análise de Estoque (Tamanho, Volatilidade, Tempo, Otimização) Construir Curvas de Custo de Estoque Liquidação Análise de Custos e Análise de Sensibilidade.

Finanças Quantitativas e Gerenciamento de Riscos.

MATLAB para Finanças Quantitativas e.

Use o MATLAB para importar dados, desenvolver algoritmos, depurar código, aumentar a capacidade de processamento e muito mais.

Em apenas algumas linhas do código MATLAB ®, você pode prototipar e validar modelos de finanças computacionais, acelerar esses modelos usando o processamento paralelo e colocá-los diretamente em produção.

Instituições líderes usam o MATLAB para determinar as taxas de juros, realizar testes de estresse, gerenciar carteiras multibilionárias e negociar instrumentos complexos em menos de um segundo.

O MATLAB é rápido: execute protótipos de análise de risco e portfólio até 120x mais rápido que o R, 100x mais rápido que no Excel / VBA e até 64x mais rápido que o Python. O MATLAB gera automaticamente documentação para revisão de modelo e aprovação regulatória. Os analistas usam aplicativos e ferramentas pré-construídos para visualizar resultados intermediários e modelos de depuração. Os grupos de TI podem implantar modelos protegidos por IP diretamente em aplicativos da Web e de desktop, como Excel, Tableau, Java, C ++ e Python. O MATLAB inclui uma interface para importar dados de mercado históricos e em tempo real de fontes gratuitas e pagas, incluindo Bloomberg, Thomson Reuters, FactSet, FRED e Twitter. O MATLAB lida com dados grandes e streaming de fontes de dados tradicionais e alternativas.

"O MATLAB permitiu que nos concentrássemos em nossas principais competências como profissionais de investimento e implantássemos um painel quantitativo de gerenciamento de riscos e otimização de portfólio que agregou valor desde o primeiro dia em toda a nossa equipe."

Negociação Algorítmica.

Desenvolva sistemas de negociação com o MATLAB.

A negociação algorítmica é uma estratégia de negociação que usa algoritmos computacionais para conduzir decisões de negociação, geralmente em mercados financeiros eletrônicos. Aplicada em instituições de buy-side e sell-side, a negociação algorítmica forma a base de negociação de alta frequência, negociação de FOREX e análise associada de risco e execução.

Os desenvolvedores e usuários de aplicativos de comércio algorítmico precisam desenvolver, fazer backtest e implantar modelos matemáticos que detectem e explorem os movimentos do mercado. Um fluxo de trabalho efetivo envolve: