Koding av din egen algo-handelsrobot

Mange handelsmenn beveger seg for å bli algoritmiske handelsmenn, men sliter med kodingen av handelsrobotene sine. Ofte vil disse handelsmennene finne algoritmisk kodingsinformasjon uorganisert og misvisende, i tillegg til å tilby falske løfter om velstand over natten. En kilde til pålitelig informasjon er fra Lucas Liew, skaper av det elektroniske algoritmiske handelskurset AlgoTrading101. Kurset har gode anmeldelser og samlet over 8000 studenter siden første lansering i oktober 2014.

Programmet fokuserer på å presentere grunnleggende om algoritmisk handel på en organisert måte. Liew er fast på det faktum at algoritmisk handel er "ikke et raskt-raskt-ordningsskjema." Nedenfor er det grunnleggende om hva som skal til for å designe, bygge og vedlikeholde din egen algoritmiske handelsrobot (trukket fra Liew og hans kurs).

Rise of the Robo Advisors

Hva en handelsrobot gjør

På det mest grunnleggende nivået er en algoritmisk handelsrobot en datakode som har muligheten til å generere og utføre kjøp og salg av signaler i finansmarkeder. Hovedkomponentene i en slik robot inkluderer oppføringsregler som signaliserer når de skal kjøpe eller selge, avkjøringsregler som indikerer når de skal stenge gjeldende posisjon og størrelsesregler for posisjonering som definerer mengden som skal kjøpes eller selges.

De viktigste verktøyene for algohandel

Det er klart at du trenger en datamaskin og en Internett-tilkobling. Etter det vil det være nødvendig med et Windows- eller Mac-operativsystem for å kjøre MetaTrader 4 (MT4) - en elektronisk handelsplattform som bruker MetaQuotes Language 4 (MQL4) for koding av handelsstrategier. Selv om MT4 ikke er den eneste programvaren man kan bruke for å bygge en robot, har den en rekke betydelige fordeler.

Mens MT4s viktigste aktivaklasse er valuta (FX), kan plattformen brukes til å handle aksjer, aksjeindekser, råvarer og Bitcoin ved å bruke CFD-er. Andre fordeler ved å bruke MT4 i motsetning til andre plattformer inkluderer å være enkle å lære, har mange tilgjengelige FX-datakilder og det er gratis.

Dessverre tillater ikke MT4 direkte handel i aksje- og futuresmarkeder og gjennomføring av statistisk analyse kan være tyngende; MS Excel kan imidlertid brukes som et tilleggsstatistisk verktøy.

Algoritmiske handelsstrategier

Det er viktig å begynne med å reflektere over noen kjernetrekk som alle algoritmiske handelsstrategier bør ha. Strategien bør være forsvarlig ved at den er grunnleggende sunn fra et markedsmessig og økonomisk synspunkt. Den matematiske modellen som ble brukt i utviklingen av strategien, bør også være basert på gode statistiske metoder.

Dernest er det avgjørende å bestemme hvilken informasjon roboten din tar sikte på å fange. For å ha en automatisert strategi, trenger roboten din å være i stand til å fange opp identifiserbare, vedvarende ineffektivitet i markedet. Algoritmiske handelsstrategier følger et stivt regelverk som drar nytte av markedsatferd, og forekomsten av engangseffektivitet i markedet er dermed ikke nok til å bygge en strategi rundt. Hvis årsaken til markedseffektiviteten er uidentifiserbar, vil det ikke være noen måte å vite om suksessen eller fiaskoen til strategien skyldtes tilfeldigheter eller ikke.

Med det ovenstående i bakhodet, er det en rekke strategityper for å informere designet om din algoritmiske handelsrobot. Disse inkluderer strategier som drar nytte av følgende (eller en kombinasjon derav):

• Makroøkonomiske nyheter (f.eks. Lønnsutbetaling som ikke er gårdsbruk eller renten endringer)
• Grunnleggende analyse (f.eks. Ved bruk av inntektsdata eller inntektsoppslag)
• Statistisk analyse (f.eks. Korrelasjon eller samintegrasjon)
• Teknisk analyse (f.eks. Glidende gjennomsnitt)
• Markedsmikrostruktur (f.eks. Arbitrage eller handelsinfrastruktur)

Designe for foreløpig forskning

Dette trinnet fokuserer på å utvikle en strategi som passer dine egne personlige egenskaper. Faktorer som personlig risikoprofil, tidsforpliktelse og handelskapital er alle viktige å tenke på når du utvikler en strategi. Du kan deretter begynne å identifisere de vedvarende ineffektivitetene i markedet som er nevnt ovenfor. Når du har identifisert en ineffektivitet i markedet, kan du begynne å kode en handelsrobot som passer til dine egne personlige egenskaper.

Backtesting

Dette backtesting-trinnet fokuserer på validering av handelsroboten din. Dette inkluderer å sjekke koden for å forsikre deg om at den gjør det du vil og forstå hvordan den presterer over forskjellige tidsrammer, aktivaklasser eller forskjellige markedsforhold, spesielt i hendelser med svart svanertype som den globale finanskrisen i 2008.

Optimalisering av algo-trading design

Nå som du har kodet en robot som fungerer og på dette stadiet, ønsker du å maksimere ytelsen mens du minimerer overpassningsforspenningen. For å maksimere ytelsen må du først velge et godt ytelsestiltak som fanger opp risiko- og belønningselementer, samt konsistens (f.eks. Sharpe ratio). En overfitting skjevhet oppstår når roboten din er for tett basert på tidligere data; en slik robot vil gi fra seg illusjonen om høy ytelse, men siden fremtiden aldri helt ligner fortiden, kan den faktisk mislykkes.

Live henrettelse

Du er nå klar til å begynne å bruke ekte penger. Bortsett fra å være forberedt på følelsesmessige oppturer og nedturer som du kan oppleve, er det imidlertid noen få tekniske problemer som må løses. Disse problemene inkluderer valg av en passende megler og implementering av mekanismer for å håndtere både markedsrisiko og operasjonelle risikoer som potensielle hackere og teknologi-nedetid.

Det er også viktig på dette trinnet å bekrefte at robotens ytelse er lik den man opplever i teststadiet. Til slutt er kontinuerlig overvåking nødvendig for å sikre at markedseffektiviteten som roboten ble designet for fortsatt eksisterer.

Bunnlinjen

Tatt i betraktning at Richard Dennis, den legendariske handelshandleren, lærte en gruppe studenter sine personlige handelsstrategier som deretter fortsatte å tjene over 175 millioner dollar på bare fem år, er det fullstendig mulig for uerfarne handelsmenn å bli lært et strengt sett med retningslinjer og bli vellykkede handelsmenn. Imidlertid er dette et ekstraordinært eksempel, og nybegynnere bør absolutt huske å ha beskjedne forventninger.

For å lykkes, er det viktig å ikke bare følge et sett med retningslinjer, men å forstå hvordan disse retningslinjene fungerer. Liew understreker at den viktigste delen av algoritmisk handel er "forståelse under hvilke typer markedsforhold din robot vil fungere og når den vil bryte sammen, " og "forstå når han skal gripe inn." Algoritmisk handel kan være givende, men nøkkelen til suksess er forståelse. Ethvert kurs eller lærer som lover høye belønninger med minimal forståelse, bør være et viktig advarselstegn.