Estratégias de execução negociação de alta freqüência

Estratégias para negociação algorítmica Forex Como resultado da recente controvérsia, o mercado forex tem sido submetido a um maior escrutínio. Quatro grandes bancos foram considerados culpados de conspirar para manipular as taxas de câmbio, o que prometeu aos comerciantes receitas substanciais com risco relativamente baixo. Em particular, os maiores bancos do mundo concordaram em manipular o preço do dólar americano e do euro de 2007 até 2017. O mercado cambial é notavelmente desregulador, apesar de enfrentar 5 trilhões de reais de transações por dia. Como resultado, os reguladores pediram a adoção de negociação algorítmica. Um sistema que usa modelos matemáticos em uma plataforma eletrônica para executar negócios no mercado financeiro. Devido ao alto volume de transações diárias, o comércio algorítmico forex cria maior transparência, eficiência e elimina o viés humano. Uma série de estratégias diferentes podem ser buscadas por comerciantes ou empresas no mercado cambial. Por exemplo, a cobertura automática refere-se ao uso de algoritmos para proteger o risco do portfólio ou para limpar as posições de forma eficiente. Além de cobertura automática, as estratégias algorítmicas incluem negociação estatística, execução algorítmica, acesso direto ao mercado e negociação de alta freqüência, tudo isso pode ser aplicado às transações forex. Auto Hedging Ao investir, hedging é uma maneira simples de proteger seus ativos de perdas significativas, reduzindo o valor que você pode perder se ocorrer algo inesperado. Na negociação algorítmica, a cobertura pode ser automatizada para reduzir a exposição de um comerciante ao risco. Essas ordens de hedge geradas automaticamente seguem modelos especificados para gerenciar e monitorar o nível de risco de um portfólio. Dentro do mercado forex, os principais métodos de negociação de hedge são através de contratos à vista e opções de moeda. Contratos pontuais são a compra ou venda de uma moeda estrangeira com entrega imediata. O mercado spot fprex cresceu significativamente desde o início dos anos 2000 devido ao influxo de plataformas algorítmicas. Em particular, a rápida proliferação de informações, refletida nos preços de mercado, permite que surjam oportunidades de arbitragem. As oportunidades de arbitragem ocorrem quando os preços cambiais ficam desalinhados. Arbitragem triangular. Como é conhecido no mercado cambial, é o processo de converter uma moeda de volta em si mesmo através de múltiplas moedas diferentes. Os comerciantes algorítmicos e de alta freqüência só podem identificar essas oportunidades por meio de programas automatizados. Como derivado. As opções de divisas operam de forma semelhante a uma opção em outros tipos de valores mobiliários. As opções de moeda estrangeira dão ao comprador o direito de comprar ou vender o par de moedas em uma taxa de câmbio particular em algum momento no futuro. Os programas de computador têm opções binárias automatizadas como uma forma alternativa de proteger os negócios em moeda estrangeira. As opções binárias são um tipo de opção em que os pagamentos obtêm um dos dois resultados: quer o comércio se ajuste a zero ou a um preço de exercício pré-determinado. Análise estatística No setor financeiro, a análise estatística continua sendo uma ferramenta importante na mensuração dos movimentos de preços de uma segurança ao longo do tempo. No mercado forex, os indicadores técnicos são usados ​​para identificar padrões que podem ajudar a prever futuros movimentos de preços. O princípio que a história se repete é fundamental para a análise técnica. Uma vez que os mercados FX operam 24 horas por dia, a quantidade robusta de informações aumenta a significância estatística das previsões. Devido à crescente sofisticação dos programas de computador, os algoritmos foram gerados de acordo com indicadores técnicos, incluindo divergência de convergência média móvel (MACD) e índice de força relativa (RSI). Programas algorítmicos sugerem momentos particulares em que as moedas devem ser compradas ou vendidas. Execução Algorítmica A negociação algorítmica exige uma estratégia executável que os gestores de fundos podem usar para comprar ou vender grandes quantidades de ativos. Os sistemas de negociação seguem um conjunto pré-especificado de regras e estão programados para executar um pedido sob certos preços, riscos e horizontes de investimento. No mercado cambial, o acesso direto ao mercado permite que os comerciantes do lado da compra executem ordens forex diretamente no mercado. O acesso direto ao mercado ocorre através de plataformas eletrônicas, que muitas vezes reduz os custos e os erros comerciais. Normalmente, a negociação no mercado é restrita aos corretores e aos fabricantes de mercado, no entanto, o acesso direto ao mercado fornece às empresas compradoras acesso a infra-estrutura do lado da venda, garantindo aos clientes um maior controle sobre os negócios. Devido à natureza da negociação algorítmica e dos mercados FX, a execução da ordem é extremamente rápida, permitindo que os comerciantes aproveitem as oportunidades comerciais de curta duração. Negociação de alta freqüência Como o subconjunto mais comum de negociação algorítmica, a negociação de alta freqüência tornou-se cada vez mais popular no mercado cambial. Com base em algoritmos complexos, a negociação de alta freqüência é a execução de um grande número de transações em velocidades muito rápidas. À medida que o mercado financeiro continua a evoluir, as velocidades de execução mais rápidas permitem que os comerciantes aproveitem oportunidades lucrativas no mercado cambial, uma série de estratégias de negociação de alta freqüência destinam-se a reconhecer situações lucrativas de arbitragem e liquidez. As ordens fornecidas são executadas rapidamente, os comerciantes podem alavancar arbitragem para bloquear lucros livres de risco. Devido à velocidade da negociação de alta freqüência, a arbitragem também pode ser feita nos preços spot e futuros dos mesmos pares de moedas. Advogados de negociação de alta freqüência no mercado de câmbio destacam seu papel na criação de alto grau de liquidez e transparência em negócios e preços. A liquidez tende a ser contínua e concentrada, pois há uma quantidade limitada de produtos em comparação com as ações. No mercado cambial, as estratégias de liquidez visam detectar desequilíbrios de ordem e diferenças de preços entre um par de divisas específico. Um desequilíbrio de ordem ocorre quando há um número excessivo de ordens de compra ou venda de um ativo ou moeda específica. Neste caso, os comerciantes de alta freqüência atuam como fornecedores de liquidez, ganhando o spread, arbitrando a diferença entre o preço de compra e venda. The Bottom Line Muitos estão pedindo maior regulamentação e transparência no mercado cambial à luz dos recentes escândalos. A crescente adoção de sistemas de negociação algorítmica forex pode efetivamente aumentar a transparência no mercado cambial. Além da transparência, é importante que o mercado forex permaneça líquido com baixa volatilidade de preços. As estratégias de negociação algorítmica, como o hedging automático, a análise estatística, a execução algorítmica, o acesso direto ao mercado e a negociação de alta freqüência, podem expor as inconsistências de preços, que representam oportunidades lucrativas para os comerciantes. Básicos da negociação algorítmica: conceitos e exemplos Um algoritmo é um conjunto específico de Instruções claramente definidas destinadas a realizar uma tarefa ou processo. A negociação algorítmica (negociação automatizada, negociação em caixa preta ou simplesmente algo-trading) é o processo de usar computadores programados para seguir um conjunto definido de instruções para colocar um comércio para gerar lucros a uma velocidade e freqüência impossíveis para um Comerciante humano. Os conjuntos definidos de regras são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Além das oportunidades de lucro para o comerciante, o algo-trading torna os mercados mais líquidos e torna a negociação mais sistemática descartando impactos emocionais humanos nas atividades comerciais. Suponha que um comerciante siga esses critérios de comércio simples: Compre 50 ações de uma ação quando sua média móvel de 50 dias exceda a média móvel de 200 dias. Vende ações da ação quando sua média móvel de 50 dias está abaixo da média móvel de 200 dias Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitorará automaticamente o preço das ações (e os indicadores de média móvel) e colocará as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais manter um relógio para preços e gráficos ao vivo, ou colocar as ordens manualmente. O sistema de comércio algorítmico automaticamente faz isso para ele, identificando corretamente a oportunidade comercial. (Para obter mais informações sobre as médias móveis, consulte: Médias móveis simples, faça as Tendências se destacarem.) A Algo-trading oferece os seguintes benefícios: Negociações executadas com os melhores preços. Posicionamento de pedidos comerciais instantâneo e preciso (com altas chances de execução nos níveis desejados) Cronometrado corretamente e instantaneamente, para evitar mudanças de preços significativas Custos de transação reduzidos (veja o exemplo de falta de implementação abaixo) Verificações automatizadas simultâneas em múltiplas condições de mercado Redução do risco de erros manuais na colocação dos negócios Backtest o algoritmo, com base nos dados históricos e em tempo real disponíveis Reduzida Possibilidade de erros cometidos por comerciantes humanos com base em fatores emocionais e psicológicos. A maior parte do dia-a-dia é a negociação de alta freqüência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em múltiplos mercados e decisões múltiplas Parâmetros, com base em instruções pré-programadas. (Para mais informações sobre negociação de alta frequência, consulte: Estratégias e Segredos de Empresas de Negociação de Alta Frequência (HFT)) A Algo-trading é utilizada em muitas formas de atividades de negociação e investimento, incluindo: investidores de médio a longo prazo ou empresas de compra (fundos de pensão , Fundos de investimento, companhias de seguros) que compram em ações em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e em grande volume. Os comerciantes de curto prazo e os participantes do lado da venda (fabricantes de mercado, especuladores e arbitragistas) também se beneficiam da execução automatizada do comércio, auxiliando algo-trading na criação de liquidez suficiente para os vendedores no mercado. Os comerciantes sistemáticos (seguidores de tendências, comerciantes de pares, hedge funds, etc.) acham muito mais eficiente programar suas regras de negociação e permitir que o programa seja comercializado automaticamente. O comércio algorítmico proporciona uma abordagem mais sistemática ao comércio ativo do que os métodos baseados em intuição ou instinto de comerciantes humanos. Estratégias de negociação algorítmica Qualquer estratégia para negociação algorítmica exige uma oportunidade identificada que seja rentável em termos de melhoria de ganhos ou redução de custos. As seguintes são estratégias de negociação comuns usadas em algo-trading: as estratégias de negociação algorítmicas mais comuns seguem as tendências nas médias móveis. Fugas de canal. Movimentos de níveis de preços e indicadores técnicos relacionados. Estas são as estratégias mais fáceis e simples de implementar através de negociação algorítmica porque essas estratégias não envolvem fazer previsões ou previsões de preços. As negociações são iniciadas com base na ocorrência de tendências desejáveis. Que são fáceis e direitas de implementar através de algoritmos sem entrar na complexidade da análise preditiva. O exemplo acima mencionado de média móvel de 50 e 200 dias é uma tendência popular seguindo a estratégia. (Para mais informações sobre as estratégias de negociação de tendências, veja: Estratégias simples para capitalizar as tendências.) Comprar uma ação dupla cotada a um preço mais baixo em um mercado e simultaneamente vendê-lo a um preço mais alto em outro mercado oferece o diferencial de preço como lucro livre de risco Ou arbitragem. A mesma operação pode ser replicada para ações versus instrumentos de futuros, pois os diferenciais de preços existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preços e colocar as ordens permite oportunidades lucrativas de forma eficiente. Os fundos do índice definiram períodos de reequilíbrio para que suas participações fossem compatíveis com seus respectivos índices de referência. Isso cria oportunidades rentáveis ​​para comerciantes algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos base, dependendo do número de ações no fundo do índice, apenas antes do reequilíbrio do fundo do índice. Essas negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços. Muitos modelos matemáticos comprovados, como a estratégia de negociação neutra dota, que permitem a negociação em combinação de opções e sua segurança subjacente. Onde os negócios são colocados para compensar deltas positivos e negativos para que o portfólio delta seja mantido em zero. A estratégia de reversão média baseia-se na idéia de que os preços altos e baixos de um bem são um fenômeno temporário que retorna periodicamente ao seu valor médio. Identificar e definir uma faixa de preço e implementar algoritmos com base em isso permite que os negócios sejam colocados automaticamente quando o preço do recurso entra e sai do seu alcance definido. A estratégia de preços médios ponderados por volume quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando perfis de volume histórico específicos de estoque. O objetivo é executar a ordem próxima ao preço médio ponderado por volume (VWAP), beneficiando assim o preço médio. A estratégia de preço médio ponderado no tempo quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando intervalos de tempo uniformemente divididos entre uma hora de início e fim. O objetivo é executar a ordem perto do preço médio entre os horários de início e término, minimizando assim o impacto no mercado. Até que a ordem comercial seja totalmente preenchida, esse algoritmo continua enviando ordens parciais, de acordo com o índice de participação definido e de acordo com o volume negociado nos mercados. A estratégia de etapas relacionadas envia ordens a uma porcentagem definida pelo usuário de volumes do mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge os níveis definidos pelo usuário. A estratégia de falta de implementação visa minimizar o custo de execução de uma ordem através da negociação do mercado em tempo real, economizando assim o custo da ordem e beneficiando do custo de oportunidade da execução atrasada. A estratégia aumentará a taxa de participação direcionada quando o preço das ações se mover de forma favorável e diminuí-lo quando o preço das ações se mover de forma adversa. Existem algumas classes especiais de algoritmos que tentam identificar acontecimentos do outro lado. Esses algoritmos de sniffing, usados, por exemplo, por um fabricante de mercado de venda têm a inteligência interna para identificar a existência de qualquer algoritmo no lado da compra de uma grande ordem. Essa detecção através de algoritmos ajudará o fabricante de mercado a identificar grandes oportunidades de ordem e permitir que ele se beneficie ao preencher as ordens a um preço mais elevado. Isso às vezes é identificado como front-running de alta tecnologia. (Para obter mais informações sobre negociação de alta freqüência e práticas fraudulentas, consulte: Se você comprar ações on-line, você está envolvido em HFTs.) Requisitos técnicos para negociação algorítmica Implementar o algoritmo usando um programa de computador é a última parte, batida com backtesting. O desafio é transformar a estratégia identificada em um processo informatizado integrado que tenha acesso a uma conta de negociação para fazer pedidos. São necessários os seguintes conhecimentos: conhecimento de programação de computador para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricado. Conectividade de rede e acesso a plataformas de negociação para colocar os pedidos. Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de colocação Ordens A capacidade e a infra-estrutura para testar o sistema uma vez construído, antes de entrar em operação em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo. Aqui está um exemplo abrangente: o Royal Dutch Shell (RDS) está listado em Amsterdã Stock Exchange (AEX) e London Stock Exchange (LSE). Vamos criar um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes: as negociações da AEX em euros, enquanto a LSE é negociada em libras esterlinas. Por causa da diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguido de ambas as trocas comerciais simultaneamente durante as próximas horas e depois da negociação somente na LSE durante A última hora com o fechamento da AEX Podemos explorar a possibilidade de negociação de arbitragem nas ações do Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes. Um programa de computador que pode ler os preços atuais do mercado. Os preços dos feeds da LSE e AEX A forex para Taxa de câmbio GBP-EUR Capacidade de colocação de pedidos que pode rotear a ordem para a troca correta. Capacidade de teste de back-up em feeds de preços históricos. O programa de computador deve executar o seguinte: Leia o preço de entrada do estoque RDS de ambas as bolsas Usando as taxas de câmbio disponíveis . Converte o preço de uma moeda para outra. Se houver uma discrepância de preços suficientemente grande (descontando os custos de corretagem), levando a uma oportunidade rentável, então coloque o pedido de compra em troca de preços mais baixos e venda em câmbio com preços mais altos Se as ordens forem executadas como Desejado, o lucro da arbitragem seguirá Simples e Fácil No entanto, a prática de negociação algorítmica não é tão simples de manter e executar. Lembre-se, se você pode colocar um comércio gerado por algo, os outros participantes do mercado podem também. Conseqüentemente, os preços flutuam em milissegundos e até mesmo em microssegundos. No exemplo acima, o que acontece se o seu comércio de compras for executado, mas vender o comércio não, à medida que os preços de venda mudam quando o seu pedido atingir o mercado Você vai acabar sentado com uma posição aberta. Tornando sua estratégia de arbitragem inútil. Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos de tempo entre ordens comerciais e execução e, o mais importante, algoritmos imperfeitos. O algoritmo mais complexo, o backtesting mais rigoroso é necessário antes de ser posto em ação. A análise quantitativa de um algoritmo de desempenho desempenha um papel importante e deve ser examinada criticamente. É emocionante ir pela automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso certificar-se de que o sistema está completamente testado e os limites exigidos são definidos. Os comerciantes analíticos devem considerar aprender programação e construir sistemas por conta própria, ter confiança em implementar as estratégias certas de forma infalível. O uso cauteloso e os testes completos de algo-trading podem criar oportunidades rentáveis. Estratégias de escalação de alta freqüência As estratégias de escalação de HFT gozam de várias características altamente desejáveis, em comparação com estratégias de baixa freqüência. Um exemplo disso é a nossa estratégia de scalping nos futuros VIX, atualmente em execução no site do Collective2: a estratégia é altamente rentável, com um Ratio Sharpe superior a 9 (líquido dos custos de transação de 14 prt). O desempenho é consistente e confiável, sendo Com base em um grande número de negociações (10-20 por dia). A estratégia tem uma correlação baixa ou negativa com os índices subjacentes de equidade e volatilidade. Não há risco overnight. Antecedentes das estratégias HFT Scalping. A atratividade de tais estratégias é inegável. Então, como é que se trata de desenvolvê-los? É importante que o leitor se familiarize com alguns dos antecedentes da negociação de alta freqüência em geral e estratagema em particular. Especificamente, eu recomendaria ler as seguintes postagens de blog: Execução vs Alpha Geração em estratégias HFT A chave para entender as estratégias HFT é que a execução é tudo. Com as estratégias de baixa frequência, uma grande quantidade de trabalho é investigar fontes de alfa, muitas vezes usando técnicas matemáticas e estatísticas altamente sofisticadas para identificar e separar o sinal alfa do ruído de fundo. A estratégia alfa responde por até 80 do retorno total em uma estratégia de baixa freqüência, com execução compostendo o restante 20. Não é que a execução não é importante, mas há apenas tantos pontos base que pode ganhar (ou salvar) Em uma estratégia com volume de negócios mensal. Em contrapartida, uma estratégia de alta freqüência é altamente dependente da execução comercial, que pode representar 80 ou mais do retorno total. Os algoritmos que geram a estratégia alfa são muitas vezes muito simples e podem fornecer apenas as bordas mais pequenas. No entanto, essa vantagem muito pequena, ampliada em milhares de negócios, é suficiente para produzir um retorno significativo. E uma vez que o risco se espalhou por um grande número de incrementos de tempo muito pequenos, a taxa de retorno pode tornar-se arduamente elevada em uma base ajustada pelo risco: Razões Sharpe de 10, ou mais, são geralmente alcançadas com estratégias HFT. Em muitos casos, um algoritmo HFT procura estimar a probabilidade condicional de uma subida ou queda no subjacente, apoiando-se na oferta ou no preço da oferta de acordo. As ordens fornecidas podem ser posicionadas para a frente da fila para garantir uma taxa de preenchimento adequada, as leis de probabilidade farão o resto. Assim, no contexto da HFT, muito esforço é gasto na mitigação da latência e no desenvolvimento de técnicas para estabelecer e manter a prioridade no livro de pedidos limite. Outra preocupação importante é monitorar a dinâmica do livro de pedidos para que as pressões de livros possam estar se movendo em relação a qualquer ordem aberta, para que possam ser canceladas em tempo útil, evitando a seleção adversa por comerciantes informados ou um inventário indesejável. Em uma estratégia de escalação de alta frequência, normalmente se procura capturar uma média entre 12 a 1 tique por comércio. Por exemplo, a estratégia de escalação VIX ilustrada aqui é em média de cerca de 23 por contrato por comércio, ou seja, apenas com menos de 12 anos no contrato de futuros. A entrada e a saída do comércio são efetuadas usando ordens limitadas, uma vez que não há espaço para acomodar o deslizamento em um sistema de negociação que gere menos de um único tic por comércio, em média. Tal como acontece com a maioria das estratégias de HFT, os algoritmos alfa são apenas moderadamente sofisticados e a estratégia é altamente dependente da obtenção de uma taxa de preenchimento aceitável (a proporção de ordens limitadas que são executadas). A importância de alcançar uma taxa de preenchimento suficientemente alta é claramente ilustrada na primeira das duas postagens mencionadas acima. Então, o que é uma taxa de preenchimento aceitável para uma estratégia de HFT. Taxas de preenchimento I8217m vai abordar a questão das taxas de preenchimento focando em um subconjunto crítico do problema: preenchimentos que ocorrem no extremo da barra, também conhecido como 8220extreme hits8221. Estas são ordens limitadas cujos preços coincidem com o preço mais alto (no caso de uma ordem de venda) ou o mais baixo (no caso de um pedido de compra) em qualquer barra da série de preços. As encomendas limitadas a preços no interior da barra são necessariamente preenchidas e, portanto, não são controversas. Mas as ordens limitadas nas extremidades do bar podem ou não ser preenchidas e, portanto, são essas ordens que são foco de atenção. Por padrão, a maioria dos simuladores de backtest da plataforma de varejo assumem que todas as ordens de limite, incluindo hits extremos, são preenchidas se as negociações subjacentes lá. Em outras palavras, esses sistemas normalmente assumem uma taxa de preenchimento de 100 em hits extremos. Isso é altamente irreal: em muitos casos, o alto ou o baixo de um baralho forma um ponto de viragem, que a série de preços só é efetuada antes de reverter sua tendência recente e não revisitar por um tempo considerável. Os primeiros pedidos na frente da fila serão preenchidos, mas muitos, talvez a maioria, ordene mais abaixo a ordem de prioridade ficará desapontado. Se o comerciante estiver usando um sistema de comércio varejista, em vez de uma plataforma HFT para executar seus negócios, suas ordens limitadas quase sempre são garantidas para o resto da fila, devido à latência relativamente alta de seu sistema. Como resultado, um grande número de suas ordens limite 8211 em particular, os hits extremos 8211 não serão preenchidos. As conseqüências de perder um grande número de negócios devido a ordens de limite não preenchidas provavelmente serão catastróficas para qualquer estratégia de HFT. Um teste simples que está prontamente disponível na maioria dos sistemas de backtest é mudar o pressuposto subjacente em relação à taxa de preenchimento em hits extremos 8211 em vez de assumir que 100 dessas ordens são preenchidas, o sistema pode testar o resultado se as ordens de limite forem Preenchido apenas se a série de preços exceder posteriormente o preço limite. O resultado produzido sob este cenário alternativo geralmente é extremamente adverso, conforme ilustrado na primeira postagem do blog mencionada anteriormente. Na realidade, é claro, nenhuma das hipóteses é razoável: é improvável que 100 ou 0 dos hits extremos da estratégia 8217 sejam preenchidos 8211, a taxa de preenchimento real provavelmente estará em algum lugar entre esses dois resultados. E esta é a questão crítica: em algum nível de taxa de preenchimento, a estratégia passará da rentabilidade para a não lucratividade. A chave para implementar uma estratégia HFT scalping com sucesso é garantir que a execução caia no lado direito dessa linha divisória. Implementando estratégias HFT Scalping na prática Uma solução para o problema da taxa de preenchimento é gastar milhões de dólares construindo infra-estrutura HFT. Mas, para os propósitos desta postagem, let8217s assumem que o comerciante se limita a usar uma plataforma de negociação de varejo, como Tradestation ou Interactive Brokers. Os sistemas de escalação de HFT ainda são viáveis ​​em um ambiente como esse. A resposta, surpreendentemente, é um apontar 8211, usando uma técnica que me levou muitos anos para descobrir. Para ilustrar o método, utilizarei o seguinte sistema HFT scalping no contrato de futuros E-Mini SampP500. O sistema comercializa os futuros E-Mini em barras de 3 minutos, com um tempo de espera médio de 15 minutos. O comércio médio é muito baixo 8211 em torno de 6, líquido de comissões de 8 prt. Mas a estratégia parece ser altamente rentável, devido ao grande número de negócios de 8211 em torno de 50 a 60 por dia, em média. Por enquanto, tudo bem. Mas a questão crítica é o número muito grande de hits extremos produzidos pela estratégia. Pegue a atividade de negociação em 1018 como um exemplo (veja abaixo). De 53 negociações naquele dia, 25 (47) foram extremas, ocorrendo no preço alto ou baixo do bar de 3 minutos em que ocorreu o comércio. No geral, a taxa de sucesso extrema da estratégia é de 34, o que é extremamente elevado. Na realidade, talvez apenas 14 ou 13 dessas ordens realmente executem 8211, o que significa que o restante, que equivale a cerca de 20 do número total de pedidos, falhará. Uma estratégia de escalação de HFT não pode esperar sobreviver a tal resultado. A rentabilidade da estratégia será dizimada por uma combinação de negócios perdidos e rentáveis ​​e perdas em negócios que escalam depois que uma ordem de saída falha em executar. Então, o que pode ser feito em tal situação. Substituição manual, MIT e outras intervenções. Uma abordagem que não funcionará é assumir ingenuamente que algum tipo de supervisão manual será suficiente para corrigir o problema. Let8217s dizem que o comerciante executa duas versões do sistema lado a lado, uma na simulação e a outra na produção. Quando uma ordem limite é executada no sistema de simulação, mas não executa na produção, o comerciante pode intervir, substituir manualmente o sistema e executar o comércio atravessando o spread. Ao fazê-lo, o comerciante pode evitar perdas que teria ocorrido se o comércio não tivesse sido executado, ou forçasse a entrada em um comércio que mais tarde seja lucrativo. Da mesma forma, no entanto, o comerciante pode forçar a saída de um comércio que mais tarde se volta e se move de perda em lucro, ou entrar em um comércio que acaba por ser um perdedor. Não há nenhuma maneira para o comerciante saber, ex-ante, qual dos cenários poderia surgir. E o comerciante terá que enfrentar a mesma decisão talvez até vinte vezes por dia. Se o comerciante é realmente tão bom em escolher vencedores e derrotar os perdedores, ele deve acabar com seu sistema comercial e negociar manualmente. Uma abordagem alternativa seria ter o sistema de negociação lidar com o problema. Por exemplo, um poderia programar o sistema para converter ordens limite para o mercado Ordena se uma transação ocorre no preço limite (MIT), ou após x segundos após o preço limite ser tocado. Novamente, no entanto, não há como saber antecipadamente se essa ação produzirá um resultado positivo, ou um resultado ainda pior em comparação com deixar a ordem limite no lugar. Na realidade, é pouco provável que a intervenção, seja manual ou automatizada, melhore o desempenho comercial do sistema. O que é certo, no entanto, é que, forçando a entrada e a saída de negócios que ocorrem em torno do extremo de uma barra de preços, o comerciante terá custos adicionais ao atravessar o spread. Incorrer desse custo para talvez até 13 de todas as negociações, em um sistema que está produzindo, em média, menos de meio tique por comércio, certamente destruirá sua rentabilidade. Implementando com sucesso estratégias de HFT em uma plataforma de varejo Durante muitos anos, assumi que a única solução para o problema de taxa de preenchimento era implementar estratégias de escalação na infra-estrutura HFT. Um dia, eu me encontrei fazendo a pergunta: o que aconteceria se diminuíssemos a estratégia. Especificamente, suponha que tomamos a estratégia de E-Mini de 3 minutos e executá-la em barras de 5 minutos. Minha primeira realização foi que a relativa simplicidade de alfa Os algoritmos de geração em estratégias HFT são uma vantagem aqui. Em um contexto de baixa freqüência, a complexidade do processo de extração alfa mitiga sua capacidade de generalizar para outros recursos ou cronogramas. Mas os algoritmos HFT são, em geral, simples e genéricos: o que funciona em barras de 3 minutos para os futuros E-Mini pode funcionar em barras de 5 minutos em E-Minis, ou mesmo em SPY. Por exemplo, se a essência do algoritmo for algo tão simples como: 8220 compre quando o preço cair em mais de x abaixo da média móvel y-bar8221, essa abordagem pode funcionar em 3 minutos, 5 minutos, 60 minutos ou Até mesmo bares diários. Então, o que acontece se executarmos o sistema E-mini Scalping em barras de 5 minutos em vez de barras de 3 minutos. Obviamente, a rentabilidade global da estratégia é reduzida, de acordo com o menor número de negócios nesta escala de tempo mais lento. Mas observe que o comércio médio aumentou e a estratégia permanece globalmente lucrativa. Mais importante ainda, a taxa média de sucesso extremo caiu de 34 para 22. Portanto, não só recebemos menos negócios, mas um pouco mais rentáveis, mas uma proporção muito menor deles ocorre no extremo dos bares de 5 minutos. Conseqüentemente, o problema da taxa de preenchimento é menos crítico neste período de tempo. Claro, pode-se continuar esse processo. O que é de cerca de barras de 10 minutos ou barras de 30 minutos O que se costuma encontrar em tais experimentos é que há um período de tempo que otimiza o trade-off entre a rentabilidade da estratégia e a dependência da taxa de preenchimento. No entanto, há outro fator importante que precisamos esclarecer. Se você examinar o registro de negociação do sistema, verá uma variação substancial na taxa de sucesso extrema do dia a dia (por exemplo, é tão alta quanto 46 em 1018, em comparação com a média geral de 22). Na verdade, há variações significativas na taxa de sucesso extremo durante o curso de cada dia de negociação, com taxas aumentando durante intervalos de mercado mais lentos, como de 12 a 2pm. A importante realização que eventualmente me ocorreu é que, é claro, o que importa não é o horário do relógio (ou o tempo de parede 8220 na linguagem HFT), mas o tempo de troca: isto é, a taxa na qual os negócios ocorrem. Wall Time vs Trade Time O que precisamos fazer é reconfigurar nosso gráfico para mostrar barras que compreendem um número específico de negócios, em vez de um número específico de minutos. In this scheme, we do not care whether the elapsed time in a given bar is 3-minutes, 5-minutes or any other time interval: all we require is that the bar comprises the same amount of trading activity as any other bar. During high volume periods, such as around market open or close, trade time bars will be shorter, comprising perhaps just a few seconds. During slower periods in the middle of the day, it will take much longer for the same number of trades to execute. But each bar represents the same level of trading activity, regardless of how long a period it may encompass. How do you decide how may trades per bar you want in the chart As a rule of thumb, a strategy will tolerate an extreme hit rate of between 15 and 25, depending on the daily trade rate. Suppose that in its original implementation the strategy has an unacceptably high hit rate of 50. And let8217s say for illustrative purposes that each time-bar produces an average of 1, 000 contracts. Since volatility scales approximately with the square root of time, if we want to reduce the extreme hit rate by a factor of 2, i. e. from 50 to 25, we need to increase the average number of trades per bar by a factor of 22, i. e. 4. So in this illustration we would need volume bars comprising 4,000 contracts per bar. Of course, this is just a rule of thumb 8211 in practice one would want to implement the strategy of a variety of volume bar sizes in a range from perhaps 3,000 to 6,000 contracts per bar, and evaluate the trade-off between performance and fill rate in each case. Using this approach, we arrive at a volume bar configuration for the E-Mini scalping strategy of 20,000 contracts per bar. On this 8220time8221-frame, trading activity is reduced to around 20-25 trades per day, but with higher win rate and average trade size. More importantly, the extreme hit rate runs at a much lower average of 22, which means that the trader has to worry about maybe only 4 or 5 trades per day that occur at the extreme of the volume bar. In this scenario manual intervention is likely to have a much less deleterious effect on trading performance and the strategy is probably viable, even on a retail trading platform. (Note: the results below summarize the strategy performance only over the last six months, the time period for which volume bars are available). Concluding Remarks We have seen that is it feasible in principle to implement a HFT scalping strategy on a retail platform by slowing it down, i. e. by implementing the strategy on bars of lower frequency. The simplicity of many HFT alpha generation algorithms often makes them robust to generalization across time frames (and sometimes even across assets). An even better approach is to use volume bars, or trade-time, to implement the strategy. You can estimate the appropriate bar size using the square root of time rule to adjust the bar volume to produce the requisite fill rate. An extreme hit rate if up to 25 may be acceptable, depending on the daily trade rate, although a hit rate in the range of 10 to 15 would typically be ideal. Finally, a word about data. While necessary compromises can be made with regard to the trading platform and connectivity, the same is not true for market data, which must be of the highest quality, both in terms of timeliness and completeness. The reason is self evident, especially if one is attempting to implement a strategy in trade time, where the integrity and latency of market data is crucial. In this context, using the data feed from, say, Interactive Brokers, for example, simply will not do 8211 data delivered in 500ms packets in entirely unsuited to the task. The trader must seek to use the highest available market data feed that he can reasonably afford. That caveat aside, one can conclude that it is certainly feasible to implement high volume scalping strategies, even on a retail trading platform, providing sufficient care is taken with the modeling and implementation of the system.