Kodning av din egen algo-handel robot

Många handlare flyttar för att bli algoritmiska handlare men kämpar med kodningen av sina handelsroboter. Ofta kommer dessa handlare att hitta information om algoritmisk kodning oorganiserad och vilseledande samt erbjuda falska löften om välstånd över natten. En källa till pålitlig information är från Lucas Liew, skapare av online-algoritmisk handelskurs AlgoTrading101. Kursen har utmärkta recensioner och samlade över 8 000 studenter sedan första lanseringen i oktober 2014.

Programmet fokuserar på att presentera grunderna för algoritmisk handel på ett organiserat sätt. Liew håller fast vid det faktum att algoritmisk handel är "inte ett bli-snabb-snabbt schema." Nedan beskrivs grunderna i vad som krävs för att designa, bygga och underhålla din egen algoritmiska handelsrobot (hämtad från Liew och hans kurs).

Robo Advisors höjning

Vad en handelsrobot gör

På den mest grundläggande nivån är en algoritmisk handelsrobot en datorkod som har förmågan att generera och utföra köp- och säljsignaler på finansmarknader. Huvudkomponenterna i en sådan robot inkluderar anmälningsregler som signalerar när man ska köpa eller sälja, avslutningsregler som indikerar när man ska stänga den aktuella positionen och reglerna för storleksstorlek som definierar mängderna att köpa eller sälja.

De viktigaste verktygen för algohandel

Uppenbarligen kommer du att behöva en dator och en internetanslutning. Efter det kommer ett Windows- eller Mac-operativsystem att behövas för att köra MetaTrader 4 (MT4) - en elektronisk handelsplattform som använder MetaQuotes Language 4 (MQL4) för kodning av handelsstrategier. Även om MT4 inte är den enda mjukvaran man kan använda för att bygga en robot har den ett antal betydande fördelar.

Medan MT4: s huvudsakliga tillgångsklass är valutakurs (FX), kan plattformen användas för att handla aktier, aktieindex, råvaror och Bitcoin med hjälp av CFD: er. Andra fördelar med att använda MT4 i motsats till andra plattformar är att det är lätt att lära sig, har många tillgängliga FX-datakällor och det är gratis.

Tyvärr tillåter MT4 inte direkt handel på aktiemarknader och futuresmarknader och att utföra statistisk analys kan vara betungande. MS Excel kan dock användas som ett kompletterande statistiskt verktyg.

Algoritmiska handelsstrategier

Det är viktigt att börja med att reflektera över några grundläggande egenskaper som varje algoritmisk handelsstrategi bör ha. Strategin bör vara marknadsförsiktig eftersom den är grundläggande sund ur marknads- och ekonomisk synvinkel. Den matematiska modellen som används för att utveckla strategin bör också baseras på sunda statistiska metoder.

Därefter är det avgörande att avgöra vilken information din robot syftar till att fånga. För att ha en automatiserad strategi måste din robot kunna fånga identifierbara, ihållande marknadseffektivitet. Algoritmiska handelsstrategier följer en rigid uppsättning regler som drar nytta av marknadens beteende och därmed är förekomsten av engångsmarknadseffektivitet inte tillräckligt för att bygga en strategi runt. Om orsaken till marknadseffektiviteten inte kan identifieras, kommer det inte att finnas något sätt att veta om framgången eller misslyckandet med strategin berodde på tillfällighet eller inte.

Med tanke på ovanstående finns det ett antal strategityper för att informera om din algoritmiska handelsrobot. Dessa inkluderar strategier som utnyttjar följande (eller någon kombination därav):

• Makroekonomiska nyheter (t.ex. lön utanför gården eller ränteförändringar)
• Grundläggande analys (t.ex. med hjälp av intäktsdata eller intäktsreleaser)
• Statistisk analys (t.ex. korrelation eller samintegration)
• Teknisk analys (t.ex. rörliga medelvärden)
• Marknadsmikrostrukturen (t.ex. arbitrage eller handelsinfrastruktur)

Designa för preliminär forskning

Detta steg fokuserar på att utveckla en strategi som passar dina egna personliga egenskaper. Faktorer som personlig riskprofil, tidsåtagande och handelskapital är alla viktiga att tänka på när man utvecklar en strategi. Du kan sedan börja identifiera de ihållande marknadseffektiviteten som nämns ovan. Efter att ha identifierat en marknadseffektivitet kan du börja koda en handelsrobot som passar dina egna personliga egenskaper.

backtesting

Detta backtestningssteg fokuserar på validering av din handelsrobot. Detta inkluderar att kontrollera koden för att se till att den gör vad du vill och förstå hur den presterar över olika tidsramar, tillgångsslag eller olika marknadsförhållanden, särskilt i händelser av svart svanstyp som till exempel den globala finansiella krisen 2008.

Optimering av algo-trading design

Nu när du har kodat en robot som fungerar och i detta skede vill du maximera dess prestanda och samtidigt minimera överpassningsförspänningen. För att maximera prestanda måste du först välja ett bra prestandamått som fångar upp risk- och belöningselement, samt konsistens (t.ex. Sharpe-förhållande). En övermonterad förspänning uppstår när din robot är för nära baserad på tidigare data; en sådan robot kommer att ge av sig illusionen av hög prestanda, men eftersom framtiden aldrig helt liknar det förflutna kan det faktiskt misslyckas.

Live Utförande

Du är nu redo att börja använda riktiga pengar. Men bortsett från att vara beredd på de känslomässiga upp- och nedgångar som du kan uppleva finns det några tekniska problem som måste tas upp. Dessa frågor inkluderar att välja en lämplig mäklare och implementera mekanismer för att hantera både marknadsrisker och operativa risker som potentiella hackare och teknikstopptid.

Det är också viktigt i detta steg att kontrollera att robotens prestanda liknar den som upplevdes i teststadiet. Slutligen behövs kontinuerlig övervakning för att säkerställa att den marknadseffektivitet som roboten designades för fortfarande finns.

Poängen

Med tanke på att Richard Dennis, den legendariska handelsvaruhandlaren, lärde en grupp studenter sina personliga handelsstrategier som sedan fortsatte att tjäna över 175 miljoner dollar på bara fem år, är det fullt möjligt för oerfarna handlare att lära sig en strikt uppsättning riktlinjer och bli framgångsrika handlare. Detta är dock ett ovanligt exempel och nybörjare bör definitivt komma ihåg att ha blygsamma förväntningar.

För att lyckas är det viktigt att inte bara följa en uppsättning riktlinjer utan att förstå hur dessa riktlinjer fungerar. Liew betonar att den viktigaste delen av algoritmisk handel är "förståelse under vilka typer av marknadsförhållanden din robot kommer att fungera och när den kommer att gå sönder", och "förstå när man ska ingripa." Algoritmisk handel kan vara givande men nyckeln till framgång är förståelse. Varje kurs eller lärare som lovar höga belöningar med minimal förståelse bör vara ett viktigt varningstecken.