Estratégias de opções quant

Quantas estratégias de opções
Obter através da App Store Leia esta publicação em nosso aplicativo!
Artigos sobre estratégias de negociação de opções de backtesting.
Estou procurando por todos os tipos de pesquisa sobre estratégias de negociação de opções. Com isso quero dizer documentos que publicam resultados em diferentes estratégias de negociação de opções devidamente testadas com dados do mundo real.
Eu fiz um pouco de escavação e encontrei os seguintes artigos - a maioria deles oferece uma perspectiva bastante distinta em comparação com a teoria clássica de preços de opções!
O seguinte é o meu favorito: você pode fazer alguns backtests por conta própria com dados livremente disponíveis (usando o VXO como informação de volatilidade) e com qualquer planilha - fácil e elegante:
Atualizarei esta resposta de vez em quando, quando novos documentos interessantes forem realizados:
Como eu, também, tive muita preocupação com esta questão, vou compartilhar algumas das minhas descobertas na dupla esperança de encorajar comentários sobre os trabalhos e provocar mais atividades nesta questão.

Negociação quantitativa.
Investimentos quantitativos e idéias comerciais, pesquisas e análises.
Sexta-feira, 03 de maio de 2013.
Estratégias de negociação não-linear.
29 comentários:
uma postagem maravilhosa, como de costume.
Eu acho que as opções são realmente muito simples, a diferença é que existem mais estratégias "fora da caixa" do que outros transáveis.
Você viu o papel da Moodley no modelo Heston? Ele inclui o código Matlab.
Obrigado por todos os comentários e links!
Você está se concentrando em um programa de backtesting ou em um programa de execução ao vivo?
Para os aspectos de programação do backtesting, não vejo por que você precisa ler qualquer livro além do meu. No entanto, para encontrar novas idéias de negociação para backtest, você pode ler alguns dos livros recomendados que eu listei na barra lateral direita.
Eu recomendaria que você fizesse seu backtest em Matlab.
Você pode testar o índice HSI para obter uma idéia aproximada da rentabilidade da sua estratégia, mas eu não trocaria dinheiro real com isso, a menos que eu apresentei o teste com dados futuros.
Não é um grande fã de Taleb. Não sabemos por que essa verdura frágil / anti-frágil parece ter atraído tão amplamente no mundo comercial.
Definitivamente, o HFT torna mais difícil ganhar dinheiro com algos mais lentos, especialmente para estoques.
1) Para statarb, as estatísticas são as matemáticas mais importantes, seguidas da álgebra linear. O primeiro ano de matemática no nível da faculdade é suficiente.
Claro, você pode usar bandas de Bollinger para estratégias de reversão de FX.
Você teria que encontrar a estratégia específica e os pares para as bandas de Bollinger, é claro. Mas com certeza, você pode tentar isso em EURUSD ou EURCHF por conta própria.
Suponhamos que encontramos a volatilidade implícita baseada em opções de chamadas em uma greve particular e a expiração é um vale local na superfície 2D, podemos esperar que ele vá mais alto no futuro e, assim, comprar opções de chamadas agora seria lucrativo.
A Nanex cobra cerca de US $ 2,5 K por um ano de dados de 3 trocas.

Quant Strategies - São para você?
As estratégias quantitativas de investimento evoluíram para ferramentas muito complexas com o advento dos computadores modernos, mas as raízes das estratégias remontam aos 70 anos. Geralmente são executados por equipes altamente educadas e usam modelos proprietários para aumentar sua capacidade de vencer o mercado. Existem até programas disponíveis que são plug-and-play para quem procura simplicidade. Quant modelos sempre funcionam bem quando testados, mas suas aplicações reais e taxa de sucesso são discutíveis. Embora pareçam funcionar bem nos mercados de touro, quando os mercados se afastam, as estratégias de quant estão sujeitas aos mesmos riscos que qualquer outra estratégia.
[As estratégias quantitativas de investimento tornaram-se extremamente populares entre os comerciantes do dia, mas elas não são as únicas estratégias que os comerciantes usam para obter lucro consistente. O Curso de Tradutor de Torneios de Dia da Invastopedia descreve uma estratégia comprovada que inclui seis tipos de negócios, juntamente com estratégias de gerenciamento de risco. Com mais de cinco horas de vídeo sob demanda, exercícios e conteúdo interativo, você ganhará as habilidades necessárias para negociar qualquer segurança em qualquer mercado.]
Um dos pais fundadores do estudo da teoria quantitativa aplicada ao financiamento foi Robert Merton. Você só pode imaginar o quão difícil e demorado o processo foi antes do uso de computadores. Outras teorias em finanças também evoluíram a partir de alguns dos primeiros estudos quantitativos, incluindo a base da diversificação do portfólio com base na moderna teoria da carteira. O uso de financiamento e cálculo quantitativo levou a muitas outras ferramentas comuns, incluindo uma das mais famosas, a fórmula de preços de opções Black-Scholes, que não só ajuda as opções de preços dos investidores e desenvolver estratégias, mas também ajuda a manter os mercados em risco com liquidez.
Quando aplicado diretamente ao gerenciamento de portfólio, o objetivo é como qualquer outra estratégia de investimento: agregar valor, alfa ou excesso de retorno. Quants, como os desenvolvedores são chamados, compor modelos matemáticos complexos para detectar oportunidades de investimento. Existem tantos modelos por aí como quants que os desenvolvem, e todos afirmam ser os melhores. Um dos pontos mais vendidos da estratégia de investimento de quant é que o modelo e, finalmente, o computador, fazem a decisão de compra / venda real, não um humano. Isso tende a remover qualquer resposta emocional que uma pessoa possa experimentar ao comprar ou vender investimentos.
As estratégias Quant são agora aceitas na comunidade de investimentos e administradas por fundos mútuos, hedge funds e investidores institucionais. Eles geralmente passam pelo nome de geradores alfa, ou alfa gens.
Assim como no "The Wizard of Oz", alguém está atrás da cortina que conduz o processo. Tal como acontece com qualquer modelo, é tão bom quanto o humano que desenvolve o programa. Embora não exista um requisito específico para se tornar um quant, a maioria das empresas que executam quant modelos combinam as habilidades de analistas de investimentos, estatísticos e programadores que codificam o processo nos computadores. Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum ver credenciais como pós-graduação e doutorado em finanças, economia, matemática e engenharia.
Historicamente, esses membros da equipe trabalharam nos back-office, mas, à medida que os modelos quant tornam-se mais comuns, o back office está se movendo para o front office.
Benefícios de Quant Strategies.
Embora a taxa de sucesso global seja discutível, o motivo de algumas estratégias de quant é funcionar é que elas são baseadas em disciplina. Se o modelo for certo, a disciplina mantém a estratégia trabalhando com computadores com velocidade relâmpada para explorar ineficiências nos mercados com base em dados quantitativos. Os próprios modelos podem basear-se em apenas alguns ratios como P / E, dívida para patrimônio e crescimento de ganhos, ou usar milhares de insumos trabalhando juntos ao mesmo tempo.
Estratégias bem-sucedidas podem adotar as tendências em seus estágios iniciais, pois os computadores constantemente correm cenários para localizar ineficiências antes que outros o façam. Os modelos são capazes de analisar simultaneamente um grande grupo de investimentos, onde o analista tradicional pode estar olhando apenas alguns por vez. O processo de triagem pode avaliar o universo por níveis como 1-5 ou A-F, dependendo do modelo. Isso torna o processo de negociação real muito direto investindo nos investimentos altamente cotados e vendendo os mais baixos.
Os modelos Quant também abrem variações de estratégias como longas, curtas e longas / curtas. Os fundos cuidadosos bem sucedidos mantêm um olho no controle de risco devido à natureza de seus modelos. A maioria das estratégias começa com um universo ou benchmark e usa as ponderações setoriais e industriais em seus modelos. Isso permite que os fundos controlem a diversificação até certo ponto sem comprometer o próprio modelo. Os fundos Quant geralmente funcionam com base em custos mais baixos porque não precisam de tantos analistas tradicionais e gerentes de portfólio para executá-los.
Desvantagens de Quant Strategies.
Há razões pelas quais tantos investidores não aceitam completamente o conceito de deixar uma caixa preta executar seus investimentos. Para todos os fundos bem sucedidos da quantia lá fora, apenas muitos parecem ser infrutíferos. Infelizmente para a reputação dos quants, quando eles falham, eles falham em grande momento.
O Gerenciamento de Capital de Longo Prazo foi um dos mais famosos fundos hedge quant, já que foi dirigido por alguns dos líderes acadêmicos mais respeitados e dois economistas vencedores do Prêmio Nobel, Myron S. Scholes e Robert C. Merton. Durante a década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Eles eram famosos por não só explorarem ineficiências, mas usando fácil acesso ao capital para criar apostas alavancadas enormes nas direções do mercado.
A natureza disciplinada de sua estratégia realmente criou a fraqueza que levou ao seu colapso. A Administração de Capital de Longo Prazo foi liquidada e dissolvida no início de 2000. Os modelos não incluíram a possibilidade de o governo russo estar inadimplente em algumas das suas próprias dívidas. Este evento desencadeou eventos e uma reação em cadeia ampliada por estragos criados por alavancagem. LTCM estava tão fortemente envolvido com outras operações de investimento que seu colapso afetou os mercados mundiais, provocando eventos dramáticos. A longo prazo, o Federal Reserve entrou para ajudar, e outros bancos e fundos de investimento apoiaram o LTCM para evitar mais danos. Esta é uma das razões pelas quais os fundos quantitativos podem falhar, pois eles são baseados em eventos históricos que podem não incluir eventos futuros.
Enquanto uma equipe de quantos forte estará constantemente adicionando novos aspectos aos modelos para prever eventos futuros, é impossível prever o futuro sempre. Quant fundos também podem se surpreender quando a economia e os mercados estão passando por uma volatilidade maior do que a média. Os sinais de compra e venda podem vir tão rapidamente que o alto volume de negócios pode gerar altas comissões e eventos tributáveis. Os fundos Quant também podem representar um perigo quando são comercializados como resistentes ao incômodo ou baseados em estratégias curtas. Prever as desacelerações, usar derivadas e combinar alavancagem pode ser perigoso. Uma vez errada pode levar a implosões, que muitas vezes fazem as novidades.
As estratégias quantitativas de investimento evoluíram de caixas pretas de back office para ferramentas de investimento convencionais. Eles são projetados para utilizar as melhores mentes no negócio e os computadores mais rápidos, tanto para explorar ineficiências quanto para utilizar a alavancagem para fazer apostas no mercado. Eles podem ter muito sucesso se os modelos incluíram todas as entradas certas e são ágeis o suficiente para prever eventos anormais do mercado. Por outro lado, enquanto os fundos quantitativos são rigorosamente testados até que eles funcionam, sua fraqueza é que eles dependem de dados históricos para o seu sucesso. Embora o investimento em estilo de quantum tenha seu lugar no mercado, é importante estar atento às suas deficiências e riscos. Para ser consistente com as estratégias de diversificação, é uma boa idéia tratar estratégias quantitativas como um estilo de investimento e combiná-lo com estratégias tradicionais para alcançar uma diversificação adequada.

Negociação quantitativa.
O que é 'Negociação Quantitativa'
Negociação quantitativa consiste em estratégias de negociação baseadas em análises quantitativas, que dependem de cálculos matemáticos e crunching de números para identificar oportunidades comerciais. Como a negociação quantitativa é geralmente utilizada por instituições financeiras e fundos de hedge, as transações geralmente são de grande porte e podem envolver a compra e venda de centenas de milhares de ações e outros títulos. No entanto, a negociação quantitativa está sendo mais usada pelos investidores individuais.
BREAKING 'Quantitative Trading'
As técnicas quantitativas de negociação incluem comércio de alta freqüência, negociação algorítmica e arbitragem estatística. Essas técnicas são rápidas e tipicamente têm horizontes de investimento de curto prazo. Muitos comerciantes quantitativos estão mais familiarizados com ferramentas quantitativas, como médias móveis e osciladores.
Compreender a negociação quantitativa.
Os comerciantes quantitativos aproveitam a tecnologia moderna, a matemática e a disponibilidade de bases de dados abrangentes para tomar decisões comerciais racionais.
Os comerciantes quantitativos tomam uma técnica de negociação e criam um modelo dele usando a matemática, e então eles desenvolvem um programa de computador que aplica o modelo aos dados históricos do mercado. O modelo é então testado e otimizado. Se os resultados favoráveis ​​forem alcançados, o sistema é então implementado em mercados em tempo real com capital real.
A maneira como os modelos de negociação quantitativa funcionam pode ser melhor descrita usando uma analogia. Considere um relatório meteorológico em que o meteorologista prevê 90% de chance de chuva enquanto o sol está brilhando. O meteorologista deriva essa conclusão contra-intuitiva coletando e analisando 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 climáticos históricos (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 esse mesmo processo ao mercado financeiro para tomar decisões comerciais.
Vantagens e desvantagens da negociação quantitativa.
O objetivo da negociação é calcular a ótima probabilidade de executar um comércio lucrativo. Um comerciante típico pode efetivamente monitorar, analisar e tomar decisões comerciais em uma quantidade limitada de títulos antes que a quantidade de dados recebidos superem o processo de tomada de decisão. O uso de técnicas de negociação quantitativas ilumina esse limite usando computadores para automatizar as decisões de monitoramento, análise e negociação.
A superação da emoção é um dos problemas mais comuns na negociação. Seja medo ou ganância, ao negociar, a emoção serve apenas para sufocar o pensamento racional, o que geralmente leva a perdas. Computadores e matemática não possuem emoções, então o comércio quantitativo elimina esse problema.
Negociação quantitativa tem seus problemas. Os mercados financeiros são algumas das entidades mais dinâmicas que existem. Portanto, os modelos de negociação quantitativa devem ser tão dinâmicos para serem consistentemente bem-sucedidos. Muitos comerciantes quantitativos desenvolvem modelos que são temporariamente rentáveis ​​para a condição de mercado para o qual eles foram desenvolvidos, mas eles finalmente falham quando as condições do mercado mudam.

Transforme sua boa idéia sobre um estoque em um excelente comércio de opções.
Motor de busca de opções de estoque.
Modelar rápida e facilmente o mundo das trocas de opções para suas ações favoritas usando um alvo de previsão e data de validade.
Pesquisa e filtra rapidamente milhares de negociações potenciais para encontrar o equilíbrio ideal de investimento de risco e retorno.
Compreensivo.
Alavancar automaticamente mais de três dúzias de estratégias de negociação padrão e sofisticadas para descobrir novas idéias com melhores resultados.
Fácil de usar.
Compreenda tudo sobre o seu comércio e os riscos, dos riscos para as posições específicas da perna e mdash, e até mesmo suas taxas de corretagem.
Conveniente.
Disponível no navegador do seu computador ou dispositivo. Não é necessário encontrar ou instalar qualquer aplicativo.

Gekko Quant - Negociação Quantitativa.
Negociação Quantitativa, Arbitragem Estatística, Aprendizado de Máquina e Opções Binárias.
Arquivo da Categoria: Estratégia de Negociação.
Pós-navegação.
Spreads de crédito de alta probabilidade & # 8211; Usando curvas de regressão linear.
Encontrei essa série de vídeos durante o fim de semana, um negociante de opções discute como ele troca spreads de crédito (principalmente busca reversão média). A maioria de vocês estará familiarizado com as bandas bollinger como uma estratégia comum de reversão média, essencialmente você toma a média móvel e o desvio padrão móvel do estoque. Em seguida, traça em seu gráfico a média móvel e uma banda superior e inferior (média móvel +/- n * desvios padrão).
Supõe-se que o preço irá reverter para a média móvel, portanto, qualquer movimento de preço para as bandas é um bom ponto de entrada. Um problema comum com essa estratégia é que a média móvel é um indicador de LAGGING e geralmente é muito lenta para rastrear o preço se um longo período de lookback é usado.
O Vídeo 1 apresenta uma técnica chamada Curvas de regressão linear # 8220; # 8221; cerca de 10 minutos. As curvas de regressão linear visam resolver o problema de que a média móvel seja lenta para rastrear o preço.
Curva de Regressão Linear vs Média Móvel Simples.
Veja quão firmemente a curva de regressão linear azul segue o preço de fechamento, é significativamente mais rápido identificar voltas no mercado onde a média móvel simples tem um erro de rastreamento considerável. O MSE poderia ser usado para quantificar o aperto.
Como calcular a curva de regressão linear:
Neste exemplo você tem 100 preços de fechamento para seu estoque dado. A barra 1 é o preço mais antigo, a barra 100 é o preço mais recente. Nós usaremos uma regressão de 20 dias.
1. Tome os preços 1-20 e desenhe a linha de melhor ajuste através deles.
2. No final da sua melhor linha de ajuste (então barra 20), desenhe um pequeno círculo.
3. Pegue os preços 2-21 e desenhe a linha de melhor ajuste através deles.
4. No final da sua linha de melhor ajuste (assim barra 21) desenhe um pequeno círculo.
5. Repetir até o bar 100.
6. Junte todos os seus círculos pequenos, esta é a sua curva de regressão linear & # 8217;
Então, em poucas palavras, você acaba de juntar as extremidades de uma regressão linear rolante.
É & # 8216; risco & # 8217; recompensado nos mercados de ações?
Esta publicação procura examinar se a frase bem conhecida & # 8220; quanto maior o risco, maior a recompensa & # 8221; aplica-se aos constituintes do FTSE 100. Numerosos modelos tentaram capturar métricas de recompensa de risco, o mais conhecido é o Modelo de Preços de Alocação de Capital (CAPM). O CAPM tenta quantificar o retorno de um investimento que um investidor deve receber para ser adequadamente compensado pelo risco que assumiu.
O código abaixo calcula o desvio padrão de rolamento dos retornos, & # 8216; o risco & # 8217 ;, para os constituintes FTSE 100. Em seguida, agrupa os estoques em quartis por essa métrica de risco, os grupos são atualizados diariamente. Quartil 1 é o menor estoque de volatilidade, o quartil 2 é o mais alto. Um índice igualmente ponderado ($ amt) é criado para cada quartil. De acordo com a teoria acima, Q4 (high vol) deve produzir os maiores retornos cumulativos.
Ao usar um lookback de 1 mês para o cálculo stdev, há um índice vencedor claro, o menor índice vol (preto). Curiosamente o segundo melhor índice é o maior índice vol (azul). O gráfico acima é calculado usando os retornos aritméticos.
Ao usar um lookback mais longo de 250 dias, um ano comercial, o índice vol mais alto é o melhor desempenho e o menor índice vol, o pior desempenho.
Para o lookback curto (30 dias), o índice de baixa voltagem foi o melhor desempenho.
Para um longo lookback (250 dias), o índice de alta voltagem foi o melhor desempenho.
Uma possível explicação (não testada) é que, para um curto lookback, a métrica de risco de volatilidade é mais sensível às movimentações no estoque e, portanto, em um anúncio de notícias / ganhos, o estoque tem maior probabilidade de se deslocar do índice atual de ele em um índice vol maior. Talvez não seja razoável supor que o índice vol elevado contenha apenas as ações que tiveram um anúncio recente / volatilidade temporária e estão em um período de consolidação ou reversão à média. Ou, para colocar de outra forma, para visões curtas, o índice de vol alto não contém os estoques que são permanentemente altamente vol, enquanto que, para os longos retrocessos, quaisquer desvios vol temporários são suavizados.
Abaixo estão os mesmos gráficos acima, mas para retornos geométricos.
Otimização de Parâmetro & # 038; Backtesting & # 8211; Parte 2.
O código apresentado aqui terá como objetivo otimizar uma estratégia com base no indicador de média móvel simples. A estratégia será longa quando a média móvel A & gt; média móvel B. A otimização é determinar o período para fazer cada uma das médias móveis A & amp; B.
Por favor, note que esta não pretende ser uma boa estratégia, é meramente aqui dar um exemplo de como otimizar um parâmetro.
TradingStrategy esta função implementa a lógica de negociação e calcula os retornos RunIterativeStrategy esta função itera através de possíveis combinações de parâmetros e chamadas TradingStrategy para cada novo conjunto de parâmetros CalculatePerformanceMetric leva uma tabela de retornos (de RunIterativeStrategy) e executa uma função / métrica em cada conjunto de retornos. PerformanceTable chama CalculatePerformanceMetric para muita métrica diferente e compila os resultados em uma tabela OrderPerformanceTable nos permite solicitar a tabela de desempenho por uma determinada métrica, ou seja, ordem pela maior razão de sharpe SelectTopNStrategies seleciona as melhores N estratégias para uma métrica de desempenho especificada (charts. PerformanceSummary só pode enredo.
20 estratégias, portanto, essa função para selecionar uma amostra) FindOptimumStrategy faz o que diz na lata.
Estratégia de Negociação & # 8211; VWAP Mean Reversion.
Esta estratégia vai usar o preço médio ponderado do volume (VWAP) como um indicador para a versão média comercial de volta ao VWAP. Razão Annual Sharpe (Rf = 0%) é 0.9016936.
Esta publicação é uma resposta para o gekkoquant / 2012/07/29 / trading-strategy-sp-vwap-trend-follow / onde houve um erro no código indicando que o VWAP não foi revertido (este didn & # 8217; t sentar bem comigo, ou algumas das pessoas que comentaram). Como sempre, não tome a minha palavra para nada, teste a estratégia sozinha. Um dos perigos de usar R ou Matlab é que é fácil para viés direto encaixar no seu código. Existem bibliotecas, como Quantstrat for R, que protegem contra isso, mas eu encontrei-os terrivelmente lento para correr.
Todas as condições são verificadas no fechamento, e a negociação é mantida por um dia a partir do fechamento Se o preço / vwap & gt; uLim ir curto Se o preço / vwap & lt; Passei muito tempo.
Estratégia de Negociação & # 8211; S & # 038; P VWAP Tendência Siga (BUGGY)
ACTUALIZAÇÃO: Os retornos excepcionais vistos nessa estratégia foram devidos a 2 dias de avanço no sinal (e depois à direção comercial subsequente), ou seja, quando os retornos foram calculados para o dia T, o sinal de troca utilizado foi no dia T + 2.
Esse viés ocorreu nas linhas:
Tanto o quadro de dados de sinal quanto o comércio tiveram as datas corretas para cada sinal / transações no entanto, quando o comércio de índice * ocorreu, o comércio foi tratado como vetores não datados (que é 2 elementos mais curtos que o índice ret), portanto, o deslocamento de 2 dias. A moral dessa história é fundir os quadros de dados antes de se multiplicar!
Obrigado por todos que comentaram sobre isso, um post corrigido é seguir!
Essa estratégia usará o preço médio ponderado por volume (VWAP) como um indicador para determinar a direção da tendência atual e negociar na mesma direção da tendência. Razão Annual Sharpe (Rf = 0%) é 8.510472.
Todas as condições são verificadas no fechamento, e a negociação é mantida por um dia a partir do fechamento Se o preço / vwap & gt; uLim ir longo Se o preço / vwap & lt; lLim vai curto.
Inicialmente eu pensei que o preço seria médio revertendo para VWAP (isso pode ser visto em dados de alta frequência), no entanto, isso não parece ser o caso com dados EOD. Para uma estratégia tão simples, estou espantado que a proporção de Sharpe seja tão alta (suspeitamente alta). O código foi verificado por dupla e tripple para ver se algum viés de redirecionamento ocorreu, no entanto, eu não vi nada.