1 év kvantumkereskedésben – 24 lecke, amit megtanultam

Lassan egy éve, hogy teljes munkaidőben belevetettem magam a kvantumkereskedésbe. Az üzletem egy évvel ezelőtt nem teljesített túl jól, és reméltem, hogy nagyobb kontrollt kapok a hozamok felett – különösen a kiszámíthatóbb megtérülés érdekében. Így kezdődött az egész.

Nem gondoltam volna, hogy ez az út ilyen kihívást jelent, mint amilyen volt – visszatekintve a sok tanulásra, újratanulásra, programozásra, újraprogramozásra, tesztelésre, újratesztelésre és a stratégiák elindítására egy bizonyos ponton, csak azért, hogy lássam őket elbukni. Van azonban néhány stratégia, amelyik átvészeli az összes folyamatot, és nyereségessé válik. Ezeknek a nyerő stratégiáknak van néhány közös mintájuk, amelyeket megpróbáltam összegyűjteni az alábbi leckékben, amelyeket az elmúlt év során tanultam.

Az egyes pontok nyilvánvalónak tűnhetnek Önnek, mint tapasztaltabb kereskedőnek. Számomra mindegyik egyes felismerés óriási felismerést jelentett, amit néha nagy váltás követett abban, ahogyan a piacokat megközelítem. Bárcsak előzetesen ismertem volna ezeket a pontokat, amivel számtalan órát spórolhattam volna meg. Az alábbi tanulságok nekem szólnak, és nem értelmes sorrendben.

Stratégiailag válassza ki a piacokat

Az amerikai részvényekkel, devizákkal és kötvényekkel való kereskedés valószínűleg rossz ötlet. Nem a legbölcsebb választás, a legnagyobb szereplőkkel való túl nagy verseny miatt. Találja meg a likviditási édes pontját úgy, hogy megnézi azokat a piacokat, amelyek támogatnák a likviditási igényeit; ezek azonban nem lehetnek nagyságrendekkel nagyobbak. Játsszon és nyerjen a réspiacokon, megtanulva azok szabályait, ahelyett, hogy ott kereskedne, ahol a nagy játékosok kereskednek, és ahol a játék sokkal nehezebb. A lényeg a következő: egy Fülöp-szigeteki részvényekre vonatkozó stratégia valószínűleg jövedelmezőbb lesz, mint ugyanez az amerikai részvényekre vonatkozó stratégia.

Tanulja meg a szabályokat és fogadja el őket

Egy pár különböző piacon kereskedtem (utólag belegondolva, egynél kellett volna maradnom). Mindegyiknek más szabályai vannak és a maga módján manipulált. Az árjegyzők (vagy egy piac legdominánsabb szereplői) mindent megtesznek a győzelemért. Tegyük fel, hogy a piacok manipuláltak, tanuljuk meg a szabályokat, és játsszunk azok szerint, de ne tagadjuk meg őket azzal, hogy azt gondoljuk, a piacok természetesen viselkednek. Ne próbáljon meg “túljárni” a piacok eszén; ez valószínűleg visszafelé sül el. Keresse a nyomokat (viselkedés, spoofing, elhelyezett megbízások és likviditásvadászat), amelyeket a nagy játékosok hagynak maguk után, és használja őket az Ön előnyére.

Tudja a prioritásait

A kvantumkereskedésben nagyon sok a tennivaló: stratégiafejlesztés, optimalizálás, backtesztelés, végrehajtás és kockázatkezelés. Ne koncentrálj az elején rossz dolgokra – például a paraméterek optimalizálására. Inkább építsen nagyon alapvető MVP-verziókat az egyenlet minden egyes részéből, és optimalizálja az iterálással a termelés során. Egy tökéletesen optimalizált stratégia sem segít, ha a végrehajtás része nem működik megfelelően.

Készülj arra, hogy az első évben veszíteni fogsz

Ne kezdj el skálázni, amint látsz némi kezdeti sikert, mert ez a portfóliód nagy részét (az én esetemben 40%-át) eltörölheti. Sokkal több erőfeszítésedbe fog kerülni, hogy visszaszerezd; ehelyett egyszerűbb, ha eleve megfelelő kockázati intézkedéseket alkalmazol. Azzal, hogy várhatóan veszíteni fogsz (legalábbis az első évben), nem fogsz kísértést érezni arra, hogy a szükségesnél több tőkét fektess a tesztelésbe és a tanulásba.

Ne siess a tőkével, siess a végrehajtással

Túl gyorsan növeltem a tőkét anélkül, hogy a kockázatra gondoltam volna. Ellenkezőleg, gyakran találtam magam elemzési bénultságban, és megígértem magamnak, hogy “csak még egy optimalizálás” után elindítok egy új stratégiát. Túl sokat optimalizáltam. Csak több stratégiát kellett volna elindítanom, hogy lássam, mi működik először, majd folyamatosan optimalizálnom. Az elméleten alapuló stratégiák építése és optimalizálása nem segít, ha nincs gyakorlati visszajelzés.”

Ne használjunk árstopokat

Az árstopokat kétféleképpen lehet használni: vagy egyáltalán nem, vagy a fekete hattyú események (a volatilitási eloszlás 99,9. percentilisének) elleni védelemre. Az árstopok helyett használj időstopokat és megfelelő pozícióméretezést. Az árstopok, ahogy a kutatások mutatják, tönkretesznek egy jó stratégiát, egyszerűen a volatilitás véletlenszerűsége miatt. Az idődimenzió sokkal jobban kezelhető és kiszámítható, mint a kereskedése által kifejezett hipotézis árdimenziója (mind a backtestben, mind az élő kereskedésben). Az időstopok használatával időbeli korlátot állít fel a tekintetben, hogy meddig érvényes a hipotézise, ami szinte mindig csökkenti a varianciát (és növeli a Sharpe-arányt).

Tudja a be- és kilépéseket

Minden egyes kereskedésnél tudja, hogy hol kell belépnie és hol kell kilépnie. Számomra ezeket két szabály alapján határozom meg – az egyik az Average True Range módosított képlete. Szinte követelmény, hogy előre meghatározott szabályokkal rendelkezzünk a belépésekre és kilépésekre vonatkozóan, hogy megfelelően tudjunk backtesztelni, és tudjuk, mire számíthatunk az éles kereskedés során.

Tudd a számokat

Minden stratégia esetében ismerned kell a várható értéket, a találati arányt, a várható lehívást, a leghosszabb lehívást, a várható volatilitást, a varianciát, a Sharpe-arányt, a hozamok standard eltérését, a hozamok ferdeségét és a kockáztatott értéket. Emellett a megfelelő tétméretet, a tönkremenetel kockázatát, a Kelly-frakciót és az optimális F-et stratégiailag kell kiválasztani annak alapján, hogy a stratégia hogyan teljesít a backteszt során.

Kockázatkezelést tekintse prioritásnak

A tőke 40%-ának eltüntetése egy nap alatt megtörténhet; azonban a visszanyerése sok hónapot – ha nem éveket – vehet igénybe. Használjon elsősorban megfelelő kockázatkezelést, és legyen tisztában a fekete hattyús események miatti esetleges tönkremenetel kockázatával. Mindig érdemes számolni a legrosszabb esettel. Stratégiáid számára nem jelenthet kihívást, ha egy nap -50%-os piacra ébredsz.”

Kevesebb paramétert használj, de tudd, mit csinálnak

A legjobban teljesítő stratégiám mindössze 3 paramétert használ. Ezeket könnyű optimalizálni és könnyű tesztelni a robusztusságot. Pontosan tudd, hogy mit csinálnak a paramétereid, és miért használod őket. A legnagyobb hiba valószínűleg az, ha hagyod, hogy egy optimalizáló szkript generáljon paraméterkombinációkat, pl. lassú/gyors időszakot több mozgóátlag kombinációhoz. Biztosan lesz valami, ami papíron/visszatesztben jól néz ki, de kétséges, hogy ugyanez a stratégia működni fog az éles kereskedésben.

Készítsen egy jó visszatesztet, és ismerje a dolgok csínját-bínját

Ne menjen valami létező megoldással (ez egyébként az optimalizálásra is vonatkozik) – legalábbis addig nem, amíg maga nem készített több visszatesztet. Meg kell értened a csúszás, a díjak, a végrehajtási események sorrendjének és a különböző megbízástípusoknak a hatását. Sok backtest szkriptet írtam, az első néhány nagyon bonyolult volt. A legfrissebb verzióm 12 sornyi kóddal fut (többnyire párhuzamos számítások), ami ismét bizonyítja, hogy az egyszerűség győz.

Keresd meg a jó értékelési metrikát

A stratégia teljesítményének tesztelése nem elég; tudnod kell, mit kell keresned. Természetesen a magas éves hozamot kezdtem el keresni. A Sharpe-arány optimalizálása jobb volt, de szintén nem az, amire szükségem volt (a mai napig csodálkozom, hogy a Sharpe-arányt miért tartják iparági szabványnak, hiszen vannak sokkal jobb mérőszámok is). A megfelelő optimalizálási és értékelési metrika megtalálása kulcsfontosságú, különben olyasmit építesz, ami teljesen célt téveszt.”

Tudd meg, mit keresel egy stratégiában

A jó értékelési metrika megtalálásához tudnod kell, hogy valójában mit keresel egy stratégiában, és ez sok személyes tényezőn alapul (portfólió mérete, elfogadott kockázat stb.). Ismerje a kívánt stratégia jellemzőit, mivel ez fogja meghatározni, hogy milyen értékelési metrikát válasszon. Én a konzisztens, negatívan ferde stratégiákat részesítem előnyben, és erre építek.

Fókuszálj a tulajdonságokra, ne az optimalizálásra

Az optimalizáláshoz rengeteg eszköz áll rendelkezésre, genetikai optimalizálás, nem konvex optimalizálás, főkomponens-elemzés, statisztikai/Bayes-i optimalizálás és ezernyi flancos könyvtár. Az én szemszögemből nézve az optimalizálás segít 10-20%-kal javítani egy stratégiát, azonban eleve nem vezet nyereséges stratégiához. Ha egy stratégia rossz, semmilyen optimalizálás nem segít. Koncentrálj a deduktív elemzésre és a feature engineeringre – egyszerűbben fogalmazva, a bemenetek és az adatok értelmes felhasználására.

A mélytanulás túlértékelt

Nem értem a hype-ot. A gépi tanulás nagyszerű, és a mélytanulás is nagyszerű (aka neurális hálózatok). A 10.000 paraméter optimalizálása valószínűleg csak túlillesztéshez vezet. Ha a stratégia nem működik teljesítménykönyvtárak nélkül, mint a Tensorflow, akkor valószínűleg nem fog működni a termelésben (még akkor sem, ha a backtest elképesztő). Röviden, a stratégiának már valami egyszerű, például lineáris regresszióval is nyereségesnek kell lennie.

Jobb adatok, jobb jellemzők

“Az adat a digitális világ olaja” – mondta valaki. Hallottam, hogy néhány fedezeti alap a parkolóhelyek műholdas képeit használja a részvényhozamok előrejelzésére. Bár az ilyen típusú adatok valószínűleg korlátozott információt tartalmaznak (szerintem csak annyit, mint az időjárás-előrejelzési adatok), mégis használható adatok, és semmiképpen sem rosszak. A lényeg: összpontosítson a jobb adatok megszerzésére, hogy aztán jobb funkciókat tudjon előállítani. Kombináljon több gyenge jellemzőt és stratégiát együtt, és ez valószínűleg javítani fogja a hozamokat.

Az akadémiai papírok nagyszerűek, de…

Az akadémiai papírok nagyszerűek, de általában elmaradnak a gyakorlatiasság szempontjából. Egyszerűen nincs összhang az ösztönzők között az akadémikusok és a kereskedők között. Az akadémikusok nem kereskedők, és a kereskedők nem publikálnak működő stratégiákat. Nézze a tudományos kutatásokat egy szemernyi sóval; azonban ne hanyagolja el teljesen. Megszámolni sem tudom, hányszor találtam egy-egy apró információt igazán értékesnek. Egyetlen tanulmány nem fog jó stratégiát eredményezni, de 20 tanulmány meglátásainak alkalmazása talán igen.

A gyors visszajelzés elengedhetetlen

A nagy játékosokkal való versenyzés, különösen a HFT területén, valószínűleg rossz ötlet (ahogy fentebb kifejtettem). Az ellenkezőjére menni – napokig, hónapokig és évekig tartani a kereskedéseket – szintén nem ideális. Számomra az édes pont az 5 és 60 perc közötti tartási idő. Ha nem tudok egy stratégiát 2 hét alatt statisztikai szignifikanciával tesztelni (ami több mint 100 kereskedést jelent), akkor nem fektetem bele az időmet. Egy többnapos (és hosszabb) tartási idővel rendelkező stratégia teszteléséhez hónapokra lenne szükségem a validáláshoz, és ez nem az, ami engem érdekel.

Ne kereskedj csak az ár és az árindikátorok alapján

Az ár a piacon történteket tükrözi. Kevés információval rendelkezik a szereplőkről és szándékaikról. Az indikátorok sem elég hasznosak, mivel csak az árból való levezetés, és a legtöbb indikátor elmarad. A piacok manapság sokkal ingadozóbbak és automatizáltabbak, és a lemaradó indikátorok nem olyan hasznosak, mint feltételezem, hogy a múltban voltak.

A levezetések levezetései hasznosak

Megtaláltam a módját annak, hogy az indikátorok hasznosak legyenek: úgy, hogy funkciókat építek rájuk. Úgy találtam, hogy a stratégiák sokkal jobban teljesítenének, ha az indikátorokat – mondjuk a mozgóátlagot – stratégiailag refaktorálnánk valami második levezetéssé, például az MA-értékek binsre osztásával és az elmúlt X órában binenként az előfordulások számolásával.

Dupla időkeret

A magasabb időkeret kiválasztása szinte mindig jobb eredményekhez vezet. Ez nem ismétlődhet a végtelenségig, mivel a kutatásod egy adott időkeretet szem előtt tartva történik. Ha azonban a stratégiája 15 percre van optimalizálva, a tartási időszak 30 percről 30 percre való növelése szinte mindig jobb hozamokat eredményez alacsonyabb kockázat mellett.

Kockázatosabb piacok, kisebb pozíciók

Kereskedjen olyan piacokon, amelyek volatilisebbek, mert a volatilitás jót tesz a lehetőségeknek. Csak legyen tisztában a kockázatokkal, és ennek megfelelően igazítsa a pozíció méretét. Sokkal jövedelmezőbb lehet olyan piacokkal kereskedni, amelyek 10x olyan volatilisek, miközben a pozíció 1/10-ed részével rendelkezünk. A kockázat és a jutalom görbéje nem olyan lineáris, mint gondoltam – rád nézek Bitcoin!

A kereskedési díjak óriási különbséget jelentenek

A tartási idő megduplázásával, ahogy említettem, máris csökken a díjak szerepe. A stratégiák optimalizálása kifejezetten a nagy díjak elkerülésére még okosabb. A stratégiától függően (különösen a magasabb frekvenciák esetében) a díjak a hozamok több mint 50 százalékát teszik ki. Ez azt jelenti, hogy a díjak optimalizálása az egyik legfőbb prioritás kell, hogy legyen, akár kevesebb piaci megbízást, jobb brókerek használatát, akár a meglévő brókerekkel való jobb alkuk kialkudását jelenti.

Tanulja meg a kereskedési környezetét

A fentebb egy réspiac megismerése alatt említett, ez még inkább vonatkozik a brókerekre, a tőzsdékre, azok API-jaira, az állásidőkre és a késleltetésekre. Az API-jukat kívül-belül ismerned kell, különösen azért, mert sok bróker bonyolult és rejtett funkciókkal rendelkezik, amelyek valóban segíthetik az ember teljesítményét (feltételes megbízások, jobb információ a megbízások kitöltéséről/státuszáról, tömeges műveletek stb.).

Afterthoughthats

Köszönöm az olvasást. Az a mennyiség, amit napról napra tanulok, nem lassul, annak ellenére, hogy közeledem a 2000 óra kvantumkereskedés határához. Azt hiszem, ez azon kevés iparágak egyike, ahol az idő múlásával a tanulási görbe egyre meredekebbé válik, ami valójában izgatottá tesz az elkövetkező hónapok/évek miatt. Végül, ha valamit kihagytam volna – vagy ha kapcsolatba akarsz lépni velem – kérlek, keress meg e-mailben.