1 año en Quant Trading – 24 lecciones que he aprendido

Me estoy acercando a un año desde que me sumergí a tiempo completo en quant trading. Mi negocio hace un año no estaba funcionando demasiado bien, y esperaba tener más control sobre los retornos – especialmente para un ROI más predecible. Así es como empezó todo.

No esperaba que este viaje fuera tan desafiante como lo ha sido – mirando hacia atrás a todo el aprendizaje, reaprendizaje, programación, reprogramación, pruebas, re-pruebas, y el lanzamiento de estrategias en algún momento, sólo para verlas fallar. Sin embargo, hay algunas estrategias que logran pasar por todos los procesos y se vuelven rentables. Estas estrategias ganadoras tienen algunos patrones comunes, que traté de compilar en las siguientes lecciones que he aprendido en el último año.

Algunos de los puntos pueden parecer obvios para usted, como un operador más experimentado. Para mí, cada uno de ellos supuso una enorme visión, a veces seguida de un gran cambio en mi forma de abordar los mercados. Ojalá hubiera conocido estos puntos de antemano, ya que podrían haberme ahorrado innumerables horas. Las siguientes lecciones están dirigidas a mí y no tienen un orden significativo.

Escoge estratégicamente tus mercados

Comerciar con acciones, divisas y bonos estadounidenses es probablemente una mala idea. No es la opción más sabia, debido a la excesiva competencia con los actores más grandes. Encuentre su punto dulce de liquidez echando un vistazo a los mercados que soportarían sus necesidades de liquidez; sin embargo, no deberían ser magnitudes mayores. Juegue y gane en mercados de nicho aprendiendo sus reglas, en lugar de operar donde operan los grandes jugadores y donde el juego es mucho más difícil. Lo que quiero decir es lo siguiente: una estrategia en acciones filipinas probablemente será más rentable que la misma en acciones estadounidenses.

Aprende las reglas y acéptalas

Yo operé en varios mercados diferentes (en retrospectiva, debería haberme quedado con uno). Cada uno tiene reglas diferentes y está amañado a su manera. Los creadores de mercado (o los actores más dominantes en un mercado) hacen todo lo posible para ganar. Asuma que los mercados están amañados, aprenda las reglas y juegue con ellas, pero no las niegue pensando que los mercados actúan de forma natural. No intente «ser más astuto» que los mercados; esto probablemente sea contraproducente. Busque los rastros (comportamiento, suplantación de identidad, órdenes colocadas y búsqueda de liquidez) que dejan los grandes operadores y utilícelos en su beneficio.

Conozca sus prioridades

Hay mucho que hacer en el trading cuántico: desarrollo de estrategias, optimización, backtesting, ejecución y gestión del riesgo. No te centres en las cosas equivocadas al principio, como la optimización de los parámetros. Más bien, construya versiones MVP muy básicas de cada parte de la ecuación y optimice iterando mientras está en producción. Una estrategia perfectamente optimizada no servirá de nada si la parte de ejecución no funciona correctamente.

Espera perder en tu primer año

No empieces a escalar en cuanto veas algún éxito inicial, ya que puede acabar con grandes partes (40% en mi caso) de tu cartera. Te costará mucho más esfuerzo recuperarlo; en cambio, es más fácil adaptar medidas de riesgo adecuadas desde el principio. Al tener una expectativa de perder (el primer año al menos), no tendrás la tentación de poner más capital del necesario para probar y aprender.

No te apresures con el capital, apresúrate con la ejecución

Me apresuré demasiado en aumentar el capital sin pensar en el riesgo. Por el contrario, a menudo me encontraba en la parálisis del análisis, prometiéndome a mí mismo lanzar una nueva estrategia después de «sólo una optimización más». Estaba sobreoptimizando demasiado. Debería haberme limitado a lanzar varias estrategias para ver qué funcionaba primero, y luego optimizar de forma continuada. Construir y optimizar estrategias basadas en la teoría no sirve de nada, si no hay una retroalimentación práctica.

No utilice paradas de precio

Encontré que hay dos maneras de utilizar las paradas de precio: o no utilizarlas en absoluto o protegerlas contra eventos de cisne negro (99,9 percentil de la distribución de volatilidad). En lugar de paradas de precio, utilice paradas de tiempo y un tamaño de posición adecuado. Las paradas por precio, como demuestran las investigaciones, destruirán una buena estrategia, simplemente debido a la aleatoriedad de la volatilidad. La dimensión temporal es mucho más manejable y predecible que la dimensión del precio de una hipótesis expresada por su operación (tanto en el backtest como en la negociación en vivo). Al utilizar paradas de tiempo, usted está estableciendo una restricción de tiempo en términos de cuánto tiempo su hipótesis es válida, que casi siempre reduce la varianza (y aumenta la relación de Sharpe).

Conocer las entradas y salidas

Para cada comercio, saber dónde entrar y dónde salir. Para mí, estos se establecen sobre la base de dos reglas – una es una fórmula modificada de Average True Range. Es casi un requisito tener reglas predefinidas para las entradas y salidas, con el fin de backtestar adecuadamente y saber qué esperar en el comercio en vivo.

Conozca sus números

Para cada estrategia, debe conocer el valor esperado, la tasa de éxito, la reducción esperada, la reducción más larga, la volatilidad esperada, la varianza, la relación de Sharpe, la desviación estándar de los rendimientos, la asimetría de los rendimientos, y el valor en riesgo. Además, el tamaño adecuado de la apuesta, el riesgo de ruina, la fracción de Kelly y la F óptima deben elegirse estratégicamente en función del rendimiento de la estrategia durante la prueba retrospectiva.

Haga de la gestión del riesgo una prioridad

La pérdida del 40% del capital puede producirse en un día; sin embargo, recuperarlo puede llevar muchos meses, si no años. Utilice una gestión de riesgos adecuada en primer lugar, y sea consciente del riesgo potencial de ruina debido a eventos de cisne negro. Siempre es una buena idea esperar el peor de los casos. No debería ser un reto para sus estrategias despertarse un día con un mercado del -50%.

Use menos parámetros pero sepa lo que hacen

Mi estrategia de mejor rendimiento utiliza sólo 3 parámetros. Estos son fáciles de optimizar y fáciles de probar para la robustez. Conozca exactamente lo que hacen sus parámetros y por qué se utilizan. El peor error probablemente es dejar que un script de optimización genere combinaciones de parámetros, por ejemplo, período lento/rápido para múltiples combinaciones de medias móviles. Seguramente habrá algo que se vea bien en el papel/en el backtest, pero es dudoso que la misma estrategia funcione en el comercio en vivo.

Cree un buen backtest y conozca los entresijos

No vaya con alguna solución existente (se aplica a la optimización, también, por cierto) – al menos no antes de haber construido múltiples backtests usted mismo. Usted debe entender el efecto del deslizamiento, las tasas, la secuencia de eventos de ejecución, y los diferentes tipos de orden. Escribí muchos scripts de backtest, siendo los primeros muy intrincados. Mi versión más reciente se ejecuta en 12 líneas de código (en su mayoría cálculos paralelos), lo que demuestra, una vez más, que la simplicidad gana.

Encuentra una buena métrica de evaluación

Probar cómo funciona la estrategia no es suficiente; debes saber qué buscar. Por supuesto, empecé buscando una alta rentabilidad anual. La optimización de Sharpe era mejor, pero tampoco era lo que necesitaba (todavía me pregunto a día de hoy por qué el ratio de Sharpe se considera el estándar de la industria, ya que hay métricas mucho mejores). Encontrar la métrica de optimización y evaluación adecuada es la clave; de lo contrario, construirá algo que no cumpla el objetivo por completo.

Saber qué buscar en una estrategia

Para encontrar una buena métrica de evaluación, necesita saber qué es lo que realmente busca en una estrategia, y se basa en muchos factores personales (tamaño de la cartera, riesgo aceptado, etc.). Conozca las características de su estrategia deseada, ya que esto definirá qué métrica de evaluación elegir. Yo prefiero estrategias consistentes y con sesgo negativo, y para eso construyo.

Enfócate en las características, no en la optimización

Hay un gran abanico de herramientas para la optimización, optimizaciones genéticas, optimizaciones no convexas, análisis de componentes principales, optimización estadística/bayesiana, y mil librerías de lujo. Desde mi punto de vista, la optimización ayudará a mejorar una estrategia en un 10-20%; sin embargo, no conducirá a una estrategia rentable en primer lugar. Si una estrategia es mala, ninguna optimización ayudará. Céntrate en el análisis deductivo y en la ingeniería de características: en términos sencillos, dar sentido a las entradas y a los datos.

El aprendizaje profundo está sobrevalorado

No entiendo el bombo. El aprendizaje automático es genial, y el aprendizaje profundo también (también conocido como redes neuronales). Optimizar 10.000 parámetros probablemente sólo conduzca a un sobreajuste. Si la estrategia no funciona sin librerías de potencia como Tensorflow, probablemente no funcionará en producción (aunque el backtest sea increíble). En definitiva, la estrategia debería ser rentable ya con algo sencillo como una regresión lineal.

Mejores datos, mejores características

«Los datos son el petróleo del mundo digital», dijo alguien. He oído que algunos fondos de cobertura están utilizando imágenes de satélite de plazas de aparcamiento para predecir el rendimiento de las acciones. Aunque ese tipo de datos probablemente contenga información limitada (supongo que tan buena como los datos de la previsión meteorológica), siguen siendo datos utilizables y no son malos ni mucho menos. Lo que quiero decir es que hay que centrarse en conseguir mejores datos para luego producir mejores características. Combinar múltiples características y estrategias débiles juntos, y esto probablemente mejorará los rendimientos.

Los documentos académicos son grandes, pero…

Los documentos académicos son grandes, pero por lo general se quedan cortos en términos de practicidad. Simplemente hay un desajuste en los incentivos entre los académicos y los comerciantes. Los académicos no son comerciantes, y los comerciantes no publican estrategias de trabajo. Mire la investigación académica con un grano de sal; sin embargo, no la descuide por completo. No puedo contar cuántas veces he encontrado una pequeña información realmente valiosa. Un artículo no dará lugar a una buena estrategia, pero la aplicación de las ideas de 20 artículos podría.

La retroalimentación rápida es una necesidad

Competir con los grandes jugadores, especialmente en el ámbito HFT, es probablemente una mala idea (como he explicado anteriormente). Ir al contrario – mantener las operaciones durante días, meses y años – tampoco es ideal. Para mí, el punto óptimo es un tiempo de espera de 5 a 60 minutos. Si no puedo probar una estrategia en 2 semanas con significación estadística (es decir, más de 100 operaciones), no voy a invertir mi tiempo en ella. Para probar una estrategia con un periodo de tenencia de varios días (y más), necesitaría meses para validar, y esto no es lo que me interesa.

No opere sólo en base al precio y a los indicadores de precio

El precio es un reflejo de lo ocurrido en el mercado. Tiene poca información sobre los actores y sus intenciones. Los indicadores tampoco son lo suficientemente útiles, ya que son sólo una derivación del precio, y la mayoría de los indicadores se quedan atrás. Los mercados son más agitados y automatizados hoy en día, y los indicadores rezagados no son tan útiles como supongo que fueron en el pasado.

Las derivaciones de las derivaciones son útiles

He encontrado una manera de hacer que los indicadores sean útiles: construyendo características a partir de ellos. He encontrado que las estrategias se desempeñan mucho mejor si los indicadores – digamos la media móvil – son estratégicamente refacturados en algo así como una segunda derivación, por ejemplo, dividiendo los valores de MA en bins y contando las ocurrencias por bin durante las últimas X horas.

Doblar su marco de tiempo

Elegir un marco de tiempo más alto casi siempre conduce a mejores resultados. Esto no puede repetirse indefinidamente, ya que su investigación se hace con un marco de tiempo específico en mente. Sin embargo, si su estrategia está optimizada para 15 minutos, aumentar el período de retención de a 30 minutos casi siempre produce mejores rendimientos con menor riesgo.

Mercados más arriesgados, posiciones más pequeñas

Comercie en mercados que son más volátiles, porque la volatilidad es buena para la oportunidad. Sólo hay que ser consciente de los riesgos y ajustar el tamaño de la posición en consecuencia. Puede ser mucho más rentable operar en mercados que son 10 veces más volátiles teniendo una décima parte de la posición. La curva riesgo-recompensa no es tan lineal como pensaba – ¡mirando al Bitcoin!

Las comisiones de trading marcan una gran diferencia

Doblando el tiempo de permanencia como se ha mencionado, el papel de las comisiones ya se reduce. Optimizar las estrategias específicamente para evitar grandes comisiones es aún más inteligente. Dependiendo de la estrategia (especialmente para las frecuencias más altas), las comisiones suponen más del 50% de la rentabilidad. Esto significa que la optimización de las comisiones debe ser una de las principales prioridades, ya sea utilizando menos órdenes de mercado, utilizando mejores corredores o negociando mejores acuerdos con los corredores existentes.

Familiarícese con su entorno de negociación

Mencionado anteriormente bajo familiarizarse con un nicho de mercado, esto se aplica aún más a los corredores, bolsas, sus APIs, tiempos de inactividad y latencias. Usted debe conocer sus APIs dentro y fuera, sobre todo porque muchos corredores tienen funcionalidades intrincadas y ocultas que realmente puede ayudar a uno de rendimiento (órdenes condicionales, mejor llenado / información de estado de las órdenes, las operaciones a granel, etc.).

Afterthoughts

Gracias por leer. La cantidad de cosas que estoy aprendiendo día a día no disminuye, a pesar de que me estoy acercando a las 2000 horas de quant trading. Creo que este es uno de los pocos sectores en los que, con el paso del tiempo, la curva de aprendizaje se hace más pronunciada, lo que realmente me entusiasma de cara a los próximos meses/años. Por último, en caso de que me haya perdido algo – o si quieres ponerte en contacto – por favor, ponte en contacto conmigo a través del correo electrónico.