1 Ano em negociação quântica – 24 Lições que aprendi

Aproximo-me de um ano desde que mergulhei a tempo inteiro em negociação quântica. O meu negócio há um ano atrás não estava a correr muito bem e eu esperava ter mais controlo sobre os retornos – especialmente para um ROI mais previsível. Foi assim que tudo começou.

Não esperava que esta jornada fosse tão desafiadora como tem sido – olhando para trás em toda a aprendizagem, reaprendizagem, programação, reprogramação, testes, re-testes e estratégias de lançamento em algum momento, apenas para vê-las falhar. No entanto, há algumas estratégias que conseguem passar por todos os processos e se tornam rentáveis. Estas estratégias vencedoras têm alguns padrões comuns, que tentei compilar nas seguintes lições que aprendi no último ano.

alguns dos pontos podem parecer óbvios para si, como um trader mais experiente. Para mim, cada um deles foi um enorme insight, às vezes seguido por uma grande mudança na forma como eu me aproximo dos mercados. Eu gostaria de ter conhecido estes pontos de antemão, o que poderia ter me poupado inúmeras horas. As seguintes lições são dirigidas a mim e em nenhuma ordem significativa.

Estratégicamente escolha seus mercados

Comercializar ações americanas, forex e títulos provavelmente é uma má idéia. Não é a escolha mais sábia, devido à demasiada competição com os maiores jogadores. Encontre seu ponto doce de liquidez dando uma olhada nos mercados que suportariam suas necessidades de liquidez; no entanto, eles não devem ser magnitudes maiores. Jogue e ganhe em nichos de mercado aprendendo as suas regras, em vez de negociar onde os grandes jogadores negociam e onde o jogo é muito mais difícil. Meu ponto é este: uma estratégia nas ações das Filipinas provavelmente será mais lucrativa do que a mesma nas ações dos EUA.

Aprenda as regras e aceite-as

Eu negociei em alguns mercados diferentes (em retrospectiva, eu deveria ter ficado com um). Cada um tem regras diferentes e é manipulado à sua própria maneira. Os criadores de mercado (ou os jogadores mais dominantes de um mercado) fazem tudo para ganhar. Assuma que os mercados estão armadilhados, aprenda as regras e jogue por elas, mas não as negue pensando que os mercados agem naturalmente. Não tente “enganar” os mercados; é provável que isso seja um tiro pela culatra. Procure por traços (comportamento, falsificações, ordens colocadas e caçadas de liquidez) que os grandes jogadores deixam, e use-os para seu benefício.

Saber suas prioridades

Há tanto a fazer em negociação quântica: desenvolvimento de estratégias, otimização, backtesting, execução e gerenciamento de risco. Não se concentre nas coisas erradas no início – como a otimização de parâmetros. Ao invés disso, construa versões muito básicas do MVP de cada parte da equação e otimize através da iteração enquanto estiver em produção. Uma estratégia perfeitamente otimizada não ajudará se a parte de execução não funcionar corretamente.

Espere perder no seu primeiro ano

Não comece a escalar tão logo você veja algum sucesso inicial, pois pode acabar com grandes partes (40% no meu caso) do seu portfólio. Será necessário muito mais esforço para voltar; em vez disso, é mais fácil adaptar as medidas de risco adequadas em primeiro lugar. Ao ter a expectativa de perder (pelo menos no primeiro ano), você não será tentado a colocar mais capital do que o necessário para testar e aprender.

Não se apresse com capital, apresse-se com execução

Eu fui muito rápido em aumentar o capital sem pensar em risco. Pelo contrário, muitas vezes me encontrei em paralisia de análise, prometendo-me lançar uma nova estratégia após “apenas mais uma otimização”. Eu estava otimizando demais. Eu deveria ter acabado de lançar várias estratégias para ver o que funciona primeiro, e depois otimizar de forma contínua. Construir e otimizar estratégias baseadas na teoria não ajuda, se não houver feedback prático.

Não usar paradas de preços

Descobri que há duas maneiras de usar paradas de preços: ou não usar ou proteger contra eventos do cisne negro (percentil 99,9 da distribuição da volatilidade). Ao invés de paradas de preço, use paradas de tempo e dimensionamento de posição apropriados. Os paragens de preços irão, como a pesquisa mostra, destruir uma boa estratégia, simplesmente devido à aleatoriedade na volatilidade. A dimensão de tempo é muito mais controlável e previsível do que a dimensão de preço de uma hipótese expressa pela sua negociação (tanto no backtest como na negociação ao vivo). Ao usar paradas de tempo, você está definindo uma restrição de tempo em termos de quanto tempo sua hipótese é válida, o que quase sempre reduz a variância (e aumenta a razão Sharpe).

Principais entradas e saídas

Para cada negociação, saiba onde entrar e onde sair. Para mim, estas são definidas com base em duas regras – sendo uma delas uma fórmula modificada de Average True Range. É quase um requisito ter regras pré-definidas para entradas e saídas, a fim de fazer um backtest adequado e saber o que esperar em negociações ao vivo.

Saber seus números

Para cada estratégia, você deve saber o valor esperado, taxa de acerto, drawdown esperado, drawdown mais longo, volatilidade esperada, variância, Sharpe ratio, desvio padrão de retornos, skewness de retornos, e valor em risco. Além disso, o dimensionamento adequado das apostas, risco de ruína, fração Kelly e F ótimo devem ser estrategicamente escolhidos com base no desempenho da estratégia durante o backtest.

Fazer do gerenciamento de risco uma prioridade

Massar 40% do capital pode acontecer em um dia; no entanto, torná-lo de volta pode levar muitos meses – se não anos. Use a gestão de risco adequada em primeiro lugar, e esteja ciente do risco potencial de ruína devido a eventos de cisne negro. É sempre uma boa idéia esperar o pior caso. Não deve ser um desafio para suas estratégias acordar um dia para um mercado de -50%.

Use menos parâmetros mas saiba o que eles fazem

Minha estratégia de melhor desempenho usa apenas 3 parâmetros. Estes são fáceis de otimizar e fáceis de testar para a robustez. Saiba exatamente o que seus parâmetros fazem e porque eles são usados. O pior erro provavelmente é deixar um script de otimização gerar combinações de parâmetros, por exemplo, período lento/rápido para múltiplas combinações de médias móveis. Certamente haverá algo que pareça bom no papel/no backtest, mas é duvidoso que a mesma estratégia funcione na negociação ao vivo.

Criar um bom backtest e conhecer os ins e outs

Não vá com alguma solução existente (aplica-se à otimização, também, por sinal) – pelo menos não antes de você mesmo ter construído múltiplos backtests. Você deve entender o efeito do deslizamento, taxas, seqüência de eventos de execução e diferentes tipos de ordem. Eu escrevi muitos scripts de backtest, sendo os primeiros muito complicados. Minha versão mais recente roda em 12 linhas de código (na maioria cálculos paralelos), o que prova, mais uma vez, que a simplicidade ganha.

Encontrar uma boa métrica de avaliação

Testar como a estratégia executa não é suficiente; você deve saber o que procurar. Claro, comecei a procurar por um alto retorno anual. Otimizar o Sharpe foi melhor, mas também não o que eu precisava (ainda me pergunto até hoje porque o Sharpe ratio é considerado o padrão da indústria, uma vez que existem métricas muito melhores). Encontrar a métrica certa de otimização e avaliação é fundamental; caso contrário, você vai construir algo que falha completamente o objetivo.

Saber o que procurar em uma estratégia

Para encontrar uma boa métrica de avaliação, você precisa saber o que você realmente está procurando em uma estratégia, e é baseado em muitos fatores pessoais (tamanho do portfólio, risco aceito, etc.). Conheça as características da sua estratégia desejada, pois isso definirá qual a métrica de avaliação a escolher. Prefiro estratégias consistentes e negativamente enviesadas, e é para isso que construo.

Focus em características, não em otimização

Existe uma grande variedade de ferramentas para otimização, otimizações genéticas, otimizações não convexas, análise de componentes principais, otimização estatística/Bayesiana, e mil bibliotecas chiques. Do meu ponto de vista, a otimização ajudará a melhorar uma estratégia em 10-20%; no entanto, ela não levará a uma estratégia lucrativa em primeiro lugar. Se uma estratégia é ruim, nenhuma otimização ajudará. Foco na análise dedutiva e engenharia de recursos – em termos simples, fazendo sentido a partir das entradas e dados.

Aprendizagem profunda é superestimada

Não recebo o hype. O aprendizado de máquinas é ótimo, e o aprendizado profundo também é ótimo (também conhecido como redes neurais). Otimizar 10.000 parâmetros provavelmente só levará a um superajuste. Se a estratégia não estiver funcionando sem bibliotecas de energia como Tensorflow, provavelmente não funcionará em produção (mesmo que o backtest seja incrível). Em resumo, a estratégia deve ser lucrativa já com algo simples como uma regressão linear.

Dados melhores, melhores características

“Os dados são o óleo do mundo digital”, disse alguém. Ouvi dizer que alguns fundos de hedge estão usando imagens de satélite de vagas de estacionamento para prever o retorno das ações. Embora tais tipos de dados provavelmente contenham informações limitadas (eu adivinharia tão boas quanto os dados de previsão do tempo), ainda são dados utilizáveis e não são ruins de forma alguma. O meu ponto é: concentre-se em obter melhores dados para depois produzir melhores características. Combine múltiplas características fracas e estratégias em conjunto, e isso provavelmente melhorará os retornos.

Os papéis acadêmicos são ótimos, mas…

Os papéis acadêmicos são ótimos, mas geralmente ficam aquém do esperado em termos de praticidade. Há simplesmente um descompasso nos incentivos entre académicos e comerciantes. Os académicos não são traders, e os traders não publicam estratégias de trabalho. Veja a pesquisa académica com um grão de sal; no entanto, não a negligencie completamente. Não posso contar quantas vezes encontrei um pequeno pedaço de informação realmente valiosa. Um artigo não resultará em uma boa estratégia, mas a aplicação de insights de 20 artigos pode.

O feedback rápido é um must

Competir com grandes jogadores, especialmente no domínio HFT, é provavelmente uma má ideia (como eu expliquei acima). Fazer o oposto – realizar trocas por dias, meses e anos – também não é o ideal. Para mim, o ponto doce é um tempo de espera de 5 a 60 minutos. Se eu não puder testar uma estratégia em 2 semanas com significado estatístico (significando mais de 100 negociações), eu não estou investindo meu tempo nisso. Para testar uma estratégia com um período de retenção de vários dias (e mais longo), eu precisaria de meses para validar, e não é isso que me interessa.

Não negoceie apenas em preço e indicadores de preço

Preço é um reflexo do que aconteceu no mercado. Ele tem pouca informação sobre os atores e suas intenções. Os indicadores também não são úteis o suficiente, pois são apenas uma derivação do preço, e a maioria dos indicadores fica para trás. Os mercados estão mais agitados e automatizados hoje em dia, e os indicadores atrasados não são tão úteis como no passado.

Derivações de derivações são úteis

Encontrei uma forma de tornar os indicadores úteis: construindo características a partir deles. Descobri que as estratégias teriam um desempenho muito melhor se os indicadores – digamos a média móvel – fossem refacturados estrategicamente em algo como uma segunda derivação, por exemplo, dividindo os valores de MA em caixas e contando as ocorrências por caixa nas últimas X horas.

Dobrar o seu período de tempo

Picking a higher timeeframe almost always leads to better results. Isto não pode se repetir indefinidamente, pois sua pesquisa é feita com um período de tempo específico em mente. Entretanto, se sua estratégia for otimizada por 15 minutos, aumentar o período de manutenção de 30 minutos quase sempre produz melhores retornos com menor risco.

Mais mercados de risco, posições menores

Comércio em mercados que são mais voláteis, pois a volatilidade é boa para oportunidades. Basta estar atento aos riscos e ajustar o tamanho das posições de acordo. Pode ser muito mais rentável negociar em mercados que são 10x mais voláteis, enquanto tem 1/10º da posição. O risco da curva de recompensa não é tão linear como eu pensava – olhando para você Bitcoin!

As taxas de negociação fazem uma enorme diferença

Dobrando o tempo de retenção como mencionado, o papel das taxas já é reduzido. Otimizar estratégias especificamente para evitar grandes taxas é ainda mais inteligente. Dependendo da estratégia (especialmente para frequências mais altas), as taxas perfazem mais de 50% dos retornos. Isto significa que a otimização das taxas deve ser uma das maiores prioridades, quer isso signifique usar menos ordens de mercado, usar melhores corretores, ou negociar melhores negócios com corretores existentes.

Familiarize-se com seu ambiente de negociação

Mencionado acima ao se familiarizar mais com um nicho de mercado, isto se aplica ainda mais a corretores, bolsas, seus APIs, tempos de inatividade e latências. Você deve conhecer suas APIs de entrada e saída, especialmente porque muitas corretoras têm funcionalidades intrincadas e ocultas que podem realmente ajudar na performance (ordens condicionais, melhores informações de preenchimento/status de ordens, operações em massa, etc.).

Após pensar

Bancos de leitura. A quantidade de coisas que estou aprendendo dia a dia não está diminuindo, embora eu esteja me aproximando da marca das 2000 horas para negociação quant. Acho que esta é uma das poucas indústrias onde, com o passar do tempo, a curva de aprendizagem se torna mais íngreme, o que na verdade me deixa excitado com os próximos meses/anos. Finalmente, no caso de eu ter perdido algo – ou se você quiser entrar em contato – por favor entre em contato comigo via e-mail.