Uma introdução à negociação algorítmica: estratégias básicas para estratégias avançadas (Wiley Trading). Data: 04 de dezembro de 2011, Visualizações: 2011 ISBN: 0470689544 538 páginas PDF 1 MB O comércio algorítmico está se tornando o sangue da indústria - é mais barato, mais rápido e mais fácil de controlar do que o comércio padrão e permite pré-pensar no mercado, executando complexo Matemática em tempo real. Nós não estamos mais limitados pela largura de banda humana, mas a indústria é secreta, com poucos dispostos a compartilhar os segredos de seu sucesso. Uma introdução ao comércio algorítmico é um guia introdutório para esta área extremamente popular. Começa com a desmistificação deste assunto complexo e fornece aos leitores conhecimentos de negociação algorítmica específicos e utilizáveis. Ele descreve os atuais algoritmos de negociação, os conceitos básicos de seu design, o que eles são, como eles funcionam, como eles são usados, seus pontos fortes, suas fraquezas, onde a indústria está agora e para onde está indo. O livro apresenta uma seção descrevendo a escolha de ações para negociar no NASDAQ e na Bolsa de Valores de Nova York, análises e métricas utilizadas para otimizar os resultados da negociação - e para o leitor mais aventureiro, uma seção sobre como projetar algoritmos de negociação. Finalmente, os autores demonstram uma seleção de algoritmos detalhados e nunca antes vistos, direcionados exclusivamente para uso de comerciantes individuais para trocar suas próprias contas. Esses algoritmos foram desenvolvidos e usados pelos autores e estão sendo publicados aqui pela primeira vez. Este é um livro ideal para o leitor interessado em entender e aproveitar o poder dos sistemas de negociação algorítmica e é acompanhado por um CD Rom que fornece uma rápida mão em direção a explorar o poder da negociação algorítmica no comércio de ações NASDAQ e NYSE. Isenção de direitos autorais: este site não armazena nenhum arquivo em seu servidor. Nós apenas indexamos e linkamos o conteúdo fornecido por outros sites. Entre em contato com os provedores de conteúdo para excluir conteúdos de direitos autorais, se houver, e envie-nos um e-mail, e remova os links ou conteúdos relevantes imediatamente. Aprendizado de máquinas aplicadas às estratégias de dimensão do mundo real Finalmente. Implementar estratégias de negociação avançadas usando a análise de séries temporais. Aprendizagem mecânica e estatísticas bayesianas com as linguagens de programação open source R e Python, para resultados diretos e acionáveis na rentabilidade da sua estratégia. Estou certo de que você notou a sobreaturação de iniciantes Python tutorials e statsmachine aprendizagem referências disponíveis na internet. Poucos tutoriais realmente lhe dizem como aplicá-los às suas estratégias de negociação algorítmicas em uma moda de ponta a ponta. Existem centenas de livros didáticos, artigos de pesquisa, blogs e postagens do fórum sobre análise de séries temporais, econometria, aprendizagem mecânica e estatísticas bayesianas. Quase todos eles se concentram na teoria. E sobre a implementação prática Como você usa esse método para sua estratégia Como você realmente programa essa fórmula no software Ive escreveu Advanced Algorithmic Trading para resolver esses problemas. Fornece aplicação em tempo real de análise de séries temporais, aprendizado de máquina estatística e estatísticas bayesianas, para produzir diretamente estratégias de negociação rentáveis com software open source livremente disponível. Você está feliz com a programação básica, mas quer aplicar suas habilidades para uma negociação de quantidade mais avançada Se você ler meu livro anterior, Algoritmo de negociação bem sucedido. Você terá a chance de aprender algumas habilidades básicas do Python e aplicá-las a estratégias de negociação simples. No entanto, você cresceu além de estratégias simples e quer começar a melhorar a sua rentabilidade e a introduzir algumas técnicas de gestão de risco robustas e profissionais para o seu portfólio. No Advanced Algorithmic Trading, examinamos detalhadamente algumas das mais populares bibliotecas de finanças para Python e R, incluindo pandas. Scikit-learn. Statsmodels. Timeseries. Ruganha e previsão entre muitos outros. Usaremos essas bibliotecas para analisar uma grande quantidade de métodos nos campos das estatísticas bayesianas, análise de séries temporais e aprendizado automático, utilizando esses métodos diretamente na pesquisa de estratégia comercial. Nós aplicamos essas bibliotecas em um cenário de back-testing vectorizado e de gerenciamento de riscos de ponta a ponta. Permitindo que você as encaixe facilmente na sua infra-estrutura comercial atual. Não há necessidade de um software caro e inútil. Você pode gastar muito dinheiro comprando algumas ferramentas de backtesting sofisticadas no passado e, em última instância, encontrou-os difíceis de usar e não relevantes para o seu estilo de negociação de quant. O Advanced Algorithmic Trading faz uso de software de código aberto completamente gratuito, incluindo bibliotecas Python e R, que possuem comunidades experientes e acolhedoras atrás delas. Mais importante ainda, aplicamos essas bibliotecas diretamente aos problemas comerciais comerciais do mundo real, como geração alfa e gerenciamento de riscos de portfólio. Mas eu não tenho doutorado em estatísticas. Enquanto a aprendizagem de máquinas, análises de séries temporais e estatísticas bayesianas são tópicos quantitativos, eles também contêm uma riqueza de métodos intuitivos, muitos dos quais podem ser explicados sem recurso à matemática avançada. Em Advanced Algorithmic Trading, nós fornecemos não só a teoria para ajudá-lo a entender o que você está implementando (e melhorá-lo você mesmo), mas também detalhar os tutoriais de codificação passo a passo que tomam as equações e as aplicam diretamente a estratégias reais. Assim, se você é uma codificação muito mais confortável do que com a matemática, você pode facilmente seguir os trechos e começar a trabalhar para melhorar a lucratividade da sua estratégia. Sobre o Autor Então, por trás disso, oi Meu nome é Mike Halls-Moore e eu sou o cara do QuantStart e o pacote Advanced Algorithmic Trading. Desde que trabalhei como desenvolvedor de negociação quantitativa em um fundo de hedge, fiquei apaixonado por pesquisa e implementação de negociação quantitativa. Eu comecei a comunidade QuantStart e escrevi Advanced Algorithmic Trading para expor práticas de quasing quants aos métodos usados em hedge funds quantitativos e empresas de gerenciamento de ativos. Quais são os tópicos incluídos no livro Análise da série temporal Você receberá um guia completo de iniciantes para análise de séries temporais, incluindo características de retorno de ativos, correlação serial, o ruído branco e modelos de caminhada aleatória. Os modelos de séries temporais Ill fornecem uma discussão completa dos modelos ARAA e dos modelos autorregressivos condicionais heterossejados (ARCH) utilizando o ambiente estatístico R. Cointegrated Time Series Vamos continuar a discussão sobre as séries temporais cointegradas da Successful Algorithmic Trading e considerar o teste de Johansen, aplicando-o às estratégias dos ETFs. Você encontrará uma discussão aprofundada sobre modelos de espaço estadual, como o Filtro de Kalman e o Modelo de Markov Oculto, aplicado a negociação quantitativa. Dados de alta freqüência Você obterá uma introdução à negociação em freqüências mais altas e um olhar aprofundado sobre a microestrutura do mercado nos mercados de ações e cambiais. Bem, descubra exatamente o que é a aprendizagem de máquinas estatísticas, incluindo a aprendizagem supervisionada e não supervisionada, e como elas podem nos ajudar a produzir estratégias de negociação sistemáticas rentáveis. The Bias-Variance Tradeoff Falamos sobre um dos conceitos mais importantes no aprendizado de máquinas, nomeadamente o trade-off de tolerância de polarização e como podemos minimizar seus efeitos usando a validação cruzada. Eu discutirei uma das famílias de modelo ML mais versáteis, ou seja, os modelos Árvore de Decisão, Floresta Aleatória e Árvore Boosada, e como podemos aplicá-las para prever os retornos dos ativos. Bem, discuta a família de Classificadores de vetores de suporte, incluindo o Support Vector Machine, e como podemos aplicá-lo a séries de dados financeiros. Processamento da linguagem natural. Bem, discuta a análise do sentimento e como podemos construir estratégias de negociação de dados de linguagem natural usando a similaridade de agrupamento e coseno. Vou explicar como você pode aplicar técnicas de aprendizado sem supervisão, como PCA, K-Means Clustering e NMF para grandes conjuntos de dados, para que sejam mais fáceis de analisar. Vou fornecer uma introdução completa à inferência bayesiana em probabilidade e por que isso nos dará uma grande vantagem ao implementar modelos mais avançados. Markov-Chain Monte Carlo Você aprenderá sobre MCMC, incluindo Gibbs Sampling e Metropolis-Hastings, o principal algoritmo para amostragem em estatísticas bayesianas, usando o software PyMC3. Bem, defina e discuta redes Bayesianas, um tipo de modelo probabilístico gráfico. Bem, aplique Bayes Nets para o nosso portfólio. Vou fornecer uma introdução a esta nova, mas emocionante área de estatísticas e comércio, onde aplicamos métodos bayesianos a dados de econometria. Quais habilidades técnicas você aprenderá R: Análise da série de tempo Você será apresentado à R, que é um dos ambientes de pesquisa mais amplamente utilizados em hedge funds quantitativos e gerentes de ativos. Usaremos muitas bibliotecas, incluindo timeseries. Ruganha e previsão. Usaremos R e Python para estimar o desempenho da nossa estratégia ao longo do tempo, permitindo-nos produzir curvas de decaimento da estratégia. Isso ajudará a determinar se uma estratégia precisa ser aposentada ou ainda é viável e lucrativa. Nós aprofundaremos os recursos avançados do scikit-learn. Biblioteca Pythons ML, incluindo otimização de parâmetros, validação cruzada, paralelização e produção de modelos preditivos sofisticados. Como criar backtests vectorizados eficientes para pesquisas preliminares, com hipóteses reais de custos de transação. Usando R e pandas, sem a necessidade de implementar um sistema completo dirigido a eventos. Vamos apresentar PyMC3. O kit de ferramentas de modelagem bayesiano flexível e o exemplo de amostras Monte Carlo da Markov Chain para nos ajudar a realizar uma inferência Bayesiana efetiva para nossa infraestrutura de gerenciamento de risco e estratégias de negociação. Continuaremos a discussão sobre o gerenciamento de riscos de livros anteriores e analisaremos a detecção de regime e a volatilidade estocástica como meio para nos ajudar a determinar nosso nível de risco e alocação de portfólio. O que as Estratégias de Negociação e de Gerenciamento de Risco implementaremos Analisaremos um modelo linear de séries temporais com base no modelo ARIMAGARCH em uma série de índices de ações e veremos como o desempenho da estratégia muda ao longo do tempo. Kalman Filters for Pairs Trading Aplicaremos o Bayesian Kalman Filter às séries temporais cointegradas para estimar dinamicamente a relação de cobertura entre dois pares, melhorando uma estimativa estática de uma relação hedge tradicional. HFT Bid-Ask Spread Prediction Usaremos métodos avançados de séries temporais e métodos de aprendizado de máquina para prever o spread bid-ask em dados de forex de alta freqüência, a fim de determinar os melhores períodos para a execução de negociações. Usaremos modelos de volatilidade estocástica para prever a volatilidade, a fim de produzir um modelo de detecção de regime, o que nos ajudará a identificar períodos de maior e menor risco. Retorno de ativos Previsão usando ML Usaremos inúmeras técnicas de aprendizado de máquinas para prever a direção e o nível dos ativos, tanto nos mercados de ações como nos mercados cambiais, regredindo contra outros fatores. Usaremos SVMs e outros métodos de ML para construir um gerador de sinal de análise de sentimentos com base em dados de redes sociais e dados de blog, aplicando-o a ações líquidas e ETFs. O livro está atualmente disponível para o corte brusco de pré-pedido O que significa corte grosso Pioneiro pela OReilly Media, o conceito de Rough Cut significa que você pode pré-encomendar o livro hoje por 20 do preço de liberação total e receber o atual parcialmente finalizado Corte do livro como está (430 páginas). Além disso, você poderá acessar as atualizações do livro à medida que as escrevesse. Uma vez que o livro esteja completo, você receberá uma cópia digital completa. Se você optar pelo pacote de código-fonte, você receberá o novo código R e Python, como também está escrito. Quando o livro será lançado A versão completa final do Advanced Algorithmic Trading será lançada no início de 2017. Atualmente, ainda escrevo algum material, bem como o código R e Python. Ao pré-solicitar o corte grosso, você terá acesso às atualizações à medida que aparecem e ao livro completo após a liberação. Por que você está liberando um corte grosso, usei a abordagem de corte grosso com meus outros livros C para Finanças Quantitativas e Comércio Algoritmico bem sucedido. Foi imensamente útil tanto para mim quanto para a audiência do livro. Muitas pessoas fizeram sugestões ao ler o corte grosso que chegou ao lançamento final. Eu tive um grande número de você me mandar um e-mail pedindo para colocar o Advanced Algorithmic Trading em um formulário de corte áspero para que as sugestões possam ser feitas para material para a versão final. Você precisa ser um programador. O livro pressupõe que você tenha conhecimento básico de programação. Você deve entender ramificação, looping e os conceitos básicos de orientação de objeto. No entanto, a maioria do livro está escrito para ser o mais autônomo possível e o código é simples de seguir. Perguntas Onde você pode aprender mais sobre mim Eu escrevi mais de cento e cinquenta postagens no QuantStart cobrindo negociação quantitativa, carreiras quantitativas, desenvolvimento quantitativo, ciência dos dados e aprendizado automático. Você pode ler os arquivos para saber mais sobre minha metodologia e estratégias de negociação. E se você não está feliz com o livro Embora eu pense que você encontrará o Advanced Algorithmic Trading muito útil em sua educação comercial quantitativa, eu também acredito que, se você não estiver satisfeito com o livro por qualquer motivo, você pode devolvê-lo sem perguntas feitas por um Reembolso total. Você obterá uma cópia impressa do número do livro. Nessa fase, o livro só está disponível no formato Adobe PDF, enquanto o próprio código é fornecido como um arquivo zip de scripts R e Python totalmente funcionais, se você comprar a opção Book Software. Qual pacote você deve comprar. Isso depende principalmente do seu orçamento. O livro com código fonte extra completo é o melhor se você quiser escavar o código imediatamente, mas o próprio livro contém uma quantidade enorme de trechos de código que irão ajudar seu processo de negociação de quant. Posso ser contactado, claro. Se você ainda tiver dúvidas depois de ler esta página, entre em contato e farei o meu melhor para lhe fornecer uma resposta necessária. No entanto, veja a lista de artigos. O que também pode ajudá-lo. Você precisará de um diploma em matemática. A maioria do livro requer uma compreensão do cálculo, da álgebra linear e da probabilidade. No entanto, muitos dos métodos são intuitivos e o código pode ser seguido sem recurso a matemática avançada. Selecione o seu Pacote de corte brusco pré-pedido preferencial O LIVRO PARA 39 49 O livro em formato PDF
No comments:
Post a Comment