Quantitative Trading Strategies Blog

Guia do novato para a negociação quantitativa Por Michael Halls-Moore em 26 de março de 2013 Neste artigo vou apresentar-lhe alguns dos conceitos básicos que acompanham um sistema de comércio quantitativo de ponta a ponta. Este post esperamos servir duas audiências. O primeiro será indivíduos que tentam obter um emprego em um fundo como um comerciante quantitativo. O segundo serão os indivíduos que desejam tentar criar seu próprio negócio de negociação algorítmica de varejo. A negociação quantitativa é uma área extremamente sofisticada de finanças quantitativas. Pode levar uma quantidade significativa de tempo para obter o conhecimento necessário para passar uma entrevista ou construir suas próprias estratégias de negociação. Não só isso, mas requer uma extensa experiência em programação, pelo menos em uma linguagem como MATLAB, R ou Python. Contudo, à medida que a frequência de negociação da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Assim, estar familiarizado com C / C será de suma importância. Um sistema de comércio quantitativo consiste em quatro componentes principais: Identificação da estratégia - Encontrar uma estratégia, explorando uma borda e decidindo na freqüência negociando Backtesting da estratégia - obtendo dados, analisando o desempenho da estratégia e removendo preconceitos Execution System - ligando a uma corretora, automatizando a troca e minimizando Custos de transação Gerenciamento de Riscos - alocação de capital otimizada, o tamanho da aposta / critério de Kelly e psicologia de negociação Vamos começar por dar uma olhada em como identificar uma estratégia de negociação. Identificação da estratégia Todos os processos de negociação quantitativa começam com um período inicial de pesquisa. Este processo de pesquisa envolve encontrar uma estratégia, ver se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, obtendo todos os dados necessários para testar a estratégia e tentar otimizar a estratégia para maiores retornos e / ou menor risco. Você precisará considerar seus próprios requisitos de capital se estiver executando a estratégia como um comerciante varejista e como quaisquer custos de transação afetarão a estratégia. Contrariamente à crença popular é realmente bastante simples de encontrar estratégias rentáveis ​​através de várias fontes públicas. Os acadêmicos publicam regularmente resultados de negociação teóricos (embora na maior parte brutos dos custos de transação). Os blogs quantitativos das finanças discutirão estratégias detalhadamente. Os diários de comércio descreverão algumas das estratégias empregadas pelos fundos. Você pôde questionar porque os indivíduos e as empresas são afiados discutir suas estratégias rentáveis, especial quando sabem que outros que aglomeram o comércio podem parar a estratégia do trabalho no prazo. A razão reside no fato de que eles não costumam discutir os parâmetros exatos e métodos de ajuste que eles têm realizado. Estas otimizações são a chave para transformar uma estratégia relativamente medíocre em uma altamente rentável. Na verdade, uma das melhores maneiras de criar suas próprias estratégias únicas é encontrar métodos semelhantes e, em seguida, realizar o seu próprio procedimento de otimização. Aqui está uma pequena lista de lugares para começar a procurar idéias de estratégia: Muitas das estratégias que você vai olhar para cair nas categorias de média-reversão e tendência-seguinte / momento. Uma estratégia de reversão de média é aquela que tenta explorar o fato de que existe uma média de longo prazo em uma série de preços (como o spread entre dois ativos correlatos) e que os desvios a curto prazo dessa média reverterão. Uma estratégia de dinamismo tenta explorar tanto a psicologia dos investidores como a estrutura de grandes fundos ao encurralar uma tendência de mercado, que pode ganhar impulso em uma direção e seguir a tendência até que ela reverta. Outro aspecto extremamente importante do comércio quantitativo é a freqüência da estratégia de negociação. Negociação de baixa freqüência (LFT) geralmente se refere a qualquer estratégia que detém ativos mais do que um dia de negociação. Correspondentemente, a negociação de alta freqüência (HFT) geralmente se refere a uma estratégia que detém ativos intraday. A negociação de freqüência ultra-alta (UHFT) refere-se a estratégias que mantêm ativos na ordem de segundos e milissegundos. Como um praticante de varejo HFT e UHFT são certamente possível, mas apenas com conhecimento detalhado da pilha de tecnologia de negociação e dinâmica livro de pedidos. Não discutiremos esses aspectos em grande parte neste artigo introdutório. Uma vez que uma estratégia, ou um conjunto de estratégias, foi identificado, agora precisa ser testado quanto à lucratividade em dados históricos. Esse é o domínio do backtesting. Backtesting da estratégia O objetivo do backtesting é fornecer evidências de que a estratégia identificada através do processo acima é rentável quando aplicada a dados históricos e fora da amostra. Isso define a expectativa de como a estratégia irá realizar no mundo real. No entanto, backtesting não é uma garantia de sucesso, por várias razões. É talvez a área mais sutil de negociação quantitativa, uma vez que implica vieses numerosos, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível. Discutiremos os tipos comuns de viés, incluindo o viés prospectivo. Viés de sobrevivência e viés de otimização (também conhecido como viés de snooping de dados). Outras áreas de importância dentro de backtesting incluem disponibilidade e limpeza de dados históricos, factoring em custos de transação realistas e decidir sobre uma robusta plataforma de backtesting. Iremos discutir os custos de transação mais adiante na seção Sistemas de Execução abaixo. Uma vez que uma estratégia foi identificada, é necessário obter os dados históricos através dos quais para realizar testes e, talvez, refinamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Os seus custos geralmente variam em função da qualidade, profundidade e actualidade dos dados. O ponto de partida tradicional para começar comerciantes quant (pelo menos no nível de varejo) é usar o conjunto de dados livre do Yahoo Finance. Eu não vou me debruçar sobre os provedores demais aqui, mas eu gostaria de me concentrar nas questões gerais ao lidar com conjuntos de dados históricos. As principais preocupações com dados históricos incluem precisão / limpeza, viés de sobrevivência e ajuste para ações corporativas, tais como dividendos e divisão de ações: A exatidão pertence à qualidade geral dos dados - se contém algum erro. Erros às vezes podem ser fáceis de identificar, como com um filtro de pico. Que selecionará pontos incorretos em dados de séries de tempo e corrigirá para eles. Em outros momentos, eles podem ser muito difíceis de detectar. Muitas vezes é necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. O viés de sobrevivência é muitas vezes uma característica de conjuntos de dados gratuitos ou baratos. Um conjunto de dados com viés de sobrevivência significa que ele não contém ativos que não são mais comerciais. No caso das acções, isto significa stocks de acções deletadas / falidas. Esse viés significa que qualquer estratégia de negociação de ações testada em um desses conjuntos de dados provavelmente funcionará melhor do que no mundo real, já que os vencedores históricos já foram pré-selecionados. Ações corporativas incluem atividades logísticas realizadas pela empresa que geralmente causam uma mudança de função passo no preço bruto, que não deve ser incluído no cálculo de retornos do preço. Os ajustes para dividendos e divisões de ações são os culpados comuns. Um processo conhecido como ajuste posterior é necessário para ser realizado em cada uma dessas ações. Deve-se ter muito cuidado para não confundir um grupamento de ações com um verdadeiro ajuste de retorno. Muitos comerciantes foram pegos por uma ação corporativa Para realizar um backtest, é necessário usar uma plataforma de software. Você tem a escolha entre software de backtest dedicado, como Tradestation, uma plataforma numérica como o Excel ou MATLAB ou uma implementação personalizada completa em uma linguagem de programação como Python ou C. Eu não vou morar demais no Tradestation (ou similar), Excel ou MATLAB, como eu acredito em criar uma pilha de tecnologia interna completa (pelas razões descritas abaixo). Um dos benefícios de fazer isso é que o software de backtest e o sistema de execução podem ser bem integrados, mesmo com estratégias estatísticas extremamente avançadas. Para estratégias HFT, em particular, é essencial usar uma implementação personalizada. Quando backtesting um sistema um deve ser capaz de quantificar o quão bem ele está realizando. As métricas padrão da indústria para estratégias quantitativas são a redução máxima ea Taxa de Sharpe. A redução máxima caracteriza a maior queda pico-a-minucioso na curva de equidade da conta durante um determinado período de tempo (geralmente anual). Isso é mais freqüentemente citado como uma porcentagem. As estratégias LFT tendem a ter maiores abaixamentos do que as estratégias HFT, devido a uma série de fatores estatísticos. Um backtest histórico mostrará o drawdown passado máximo, que é um bom guia para o futuro desempenho drawdown da estratégia. A segunda medição é o Índice de Sharpe, que é definido heuristicamente como a média dos retornos excedentes divididos pelo desvio padrão desses retornos excedentes. Aqui, os retornos excedentes referem-se ao retorno da estratégia acima de um ponto de referência pré-determinado. Como o S P500 ou um Tesouro de 3 meses. Observe que o retorno anualizado não é uma medida normalmente utilizada, pois não leva em conta a volatilidade da estratégia (ao contrário do Índice de Sharpe). Uma vez que uma estratégia foi testada e é considerada livre de preconceitos (na medida em que isso é possível), com um bom Sharpe e reduções minimizadas, é hora de construir um sistema de execução. Sistemas de Execução Um sistema de execução é o meio pelo qual a lista de negócios gerados pela estratégia são enviados e executados pelo corretor. Apesar do fato de que a geração comercial pode ser semi - ou mesmo totalmente automatizada, o mecanismo de execução pode ser manual, semi-manual (ou seja, um clique) ou totalmente automatizado. Para estratégias LFT, técnicas manuais e semi-manuais são comuns. Para as estratégias de HFT é necessário criar um mecanismo de execução totalmente automatizado, que muitas vezes será fortemente associado com o gerador de comércio (devido à interdependência de estratégia e tecnologia). As principais considerações ao criar um sistema de execução são a interface para a corretora. Minimização dos custos de transação (incluindo comissão, deslizamento e spread) e divergência de desempenho do sistema ao vivo de desempenho backtestado. Há muitas maneiras de interagir com uma corretora. Eles variam de chamar o seu corretor no telefone através de um totalmente automatizado de alto desempenho Application Programming Interface (API). Idealmente, você deseja automatizar a execução de seus negócios, tanto quanto possível. Isso libera você para se concentrar em mais pesquisas, bem como permitem que você execute várias estratégias ou mesmo estratégias de maior freqüência (na verdade, HFT é essencialmente impossível sem a execução automatizada). O software de backtesting comum descrito acima, como MATLAB, Excel e Tradestation são bons para a freqüência mais baixa, estratégias mais simples. No entanto, será necessário construir um sistema de execução interno escrito em uma linguagem de alto desempenho, como C, a fim de fazer qualquer HFT real. Como uma anedota, no fundo que eu costumava ser empregado em, tivemos um loop de negociação de 10 minutos, onde iria baixar novos dados de mercado a cada 10 minutos e, em seguida, executar comércios com base nessa informação no mesmo período de tempo. Isso estava usando um script Python otimizado. Para qualquer coisa que se aproxima de minutos ou de dados de segunda freqüência, eu acredito que C / C seria mais ideal. Em um fundo maior, muitas vezes não é o domínio do comerciante quant para otimizar a execução. No entanto, em pequenas lojas ou empresas HFT, os comerciantes são os executores e, portanto, um conjunto de habilidades muito mais amplo é muitas vezes desejável. Tenha isso em mente se você deseja ser empregado por um fundo. Suas habilidades de programação serão tão importantes, se não mais, do que suas estatísticas e talentos econométricos Outra grande questão que cai sob a bandeira de execução é a de minimização de custos de transação. Geralmente, há três componentes para os custos de transação: Comissões (ou impostos), que são as taxas cobradas pela corretora, pela bolsa e pela derrogação da SEC (ou órgão regulador governamental semelhante), que é a diferença entre o que você pretendia que sua ordem fosse Preenchido em relação ao que foi realmente preenchido no spread, que é a diferença entre o preço de compra / venda do título negociado. Observe que o spread não é constante e depende da liquidez atual (ou seja, disponibilidade de ordens de compra / venda) no mercado. Os custos de transação podem fazer a diferença entre uma estratégia extremamente lucrativa com uma boa relação de Sharpe e uma estratégia extremamente desprotegida com uma proporção de Sharpe terrível. Pode ser um desafio para prever corretamente os custos de transação a partir de um backtest. Dependendo da freqüência da estratégia, você precisará acessar dados históricos de troca, que incluirão dados de carrapatos para preços de oferta / solicitação. Equipes inteiras de quants são dedicadas à otimização da execução nos fundos maiores, por estas razões. Considere o cenário em que um fundo precisa descarregar uma quantidade substancial de negócios (dos quais as razões para fazê-lo são muitas e variadas). Ao lançar tantas ações para o mercado, elas rapidamente diminuirão o preço e poderão não obter uma execução ótima. Daí os algoritmos que gotejam ordens de alimentação para o mercado existem, embora então o fundo corre o risco de derrapagem. Além disso, outras estratégias atacam essas necessidades e podem explorar as ineficiências. Este é o domínio da arbitragem de estrutura de fundo. A grande questão final para os sistemas de execução diz respeito à divergência do desempenho da estratégia com o desempenho testado. Isso pode acontecer por várias razões. Nós já discutimos o viés prospectivo eo viés de otimização em profundidade, ao considerar backtests. No entanto, algumas estratégias não tornam mais fácil testar esses vieses antes da implantação. Isso ocorre em HFT mais predominantemente. Pode haver bugs no sistema de execução, bem como a própria estratégia de negociação que não aparecem em um backtest, mas mostrar-se na negociação ao vivo. O mercado pode ter sido sujeito a uma mudança de regime subseqüente à implantação de sua estratégia. Novos ambientes regulatórios, a mudança do sentimento dos investidores e os fenômenos macroeconômicos podem levar a divergências na forma como o mercado se comporta e, portanto, a rentabilidade de sua estratégia. Gestão de Risco A peça final para o quebra-cabeça negociação quantitativa é o processo de gestão de risco. Risco inclui todos os preconceitos anteriores que discutimos. Ele inclui o risco de tecnologia, tais como servidores co-localizado na troca de repente desenvolvendo um mau funcionamento do disco rígido. Ele inclui risco de corretagem, como o corretor se tornando falido (não tão louco quanto parece, dado o susto recente com MF Global). Em suma, abrange quase tudo o que poderia interferir com a execução de negociação, de que há muitas fontes. Livros inteiros são dedicados à gestão de risco para estratégias quantitativas assim que eu não vou tentar elucidar sobre todas as possíveis fontes de risco aqui. A gestão de riscos também engloba o que é conhecido como alocação de capital ótima. Que é um ramo da teoria da carteira. Este é o meio pelo qual o capital é alocado para um conjunto de diferentes estratégias e para os negócios dentro dessas estratégias. É uma área complexa e depende de algumas matemáticas não-triviais. O padrão da indústria, através do qual a otimização da alocação de capital e alavancagem das estratégias estão relacionadas, é chamado de critério de Kelly. Uma vez que este é um artigo introdutório, eu não vou parar no seu cálculo. O critério de Kelly faz algumas suposições sobre a natureza estatística dos retornos, que muitas vezes não são verdadeiras nos mercados financeiros, de modo que os comerciantes são frequentemente conservadores quando se trata da implementação. Outro componente-chave da gestão de risco é lidar com o próprio perfil psicológico. Existem muitos preconceitos cognitivos que podem fluir para a negociação. Embora isso seja reconhecidamente menos problemático com negociação algorítmica se a estratégia é deixada sozinho Um preconceito comum é que a aversão perda, onde uma posição perdedora não será encerrado devido à dor de ter que perceber uma perda. Similarmente, os lucros podem ser tomados demasiado cedo porque o medo de perder um lucro já ganhado pode ser demasiado grande. Outro viés comum é conhecido como viés de recência. Isso se manifesta quando os comerciantes enfatizam demais os acontecimentos recentes e não a longo prazo. Então, claro, há o par clássico de preconceitos emocionais - medo e ganância. Estes podem muitas vezes levar a sub ou sobre alavancagem, o que pode causar blow-up (ou seja, o título da conta de equidade para zero ou pior) ou lucros reduzidos. Resumo Como pode ser visto, o comércio quantitativo é uma área de finanças quantitativas extremamente complexa, embora muito interessante. Eu literalmente arranhado a superfície do tópico neste artigo e já está ficando bastante longa livros inteiros e artigos foram escritos sobre questões que eu só deu uma frase ou duas para. Por essa razão, antes de aplicar para empregos quantitativos de negociação de fundos, é necessário realizar uma quantidade significativa de estudo de base. No mínimo, você precisará de uma ampla experiência em estatística e econometria, com muita experiência na implementação, através de uma linguagem de programação como MATLAB, Python ou R. Para estratégias mais sofisticadas no final de freqüência mais alta, seu conjunto de habilidades é provável Para incluir modificação do kernel do Linux, C / C, programação de montagem e otimização de latência de rede. Se você estiver interessado em tentar criar suas próprias estratégias de negociação algorítmica, minha primeira sugestão seria ficar bom em programação. Minha preferência é construir o máximo de dados grabber, backtester estratégia e sistema de execução por si mesmo como possível. Se seu próprio capital está na linha, wouldn t você dorme melhor à noite sabendo que você testou inteiramente seu sistema e está ciente de suas armadilhas e de edições particulares Outsourcing este a um vendedor, ao potencial conservar o tempo no curto prazo, poderia ser Extremamente caros a longo prazo. Michael Halls-Moore Mike é o fundador da QuantStart e tem estado envolvido na indústria de finanças quantitativas nos últimos cinco anos, principalmente como desenvolvedor quantitativo e, mais tarde, como consultor de comerciante de quant para hedge funds. Quant S avv y Algorithmic Trading Blogroll Arquivado em: Blog. MERCADO DE MERCADO CHINÊS Desde 1992, o Índice Composto de Xangai fechou o seu mais íngreme mergulho de 3 semanas, enquanto os passos para reforçar as ações chinesas falharam na tentativa de parar os comerciantes de margem de desenrolar posições a um preço mais alto. Taxa de registro. DAYTRADING FULL TIME Dia negociação para uma vida pode ser uma das coisas mais cumprindo uma pessoa pode fazer. No entanto, também pode ser um dos mais difíceis. Conselho para as perspectivas de negociação do dia. Arquivado em: Blog. Quant Trading Tags: Full Time Daytrading, Conselho de negociação Algotrading Serenity Bot Futurestrading AlgorithmicTrading Daytrader Daytrading Arquivado em: Blog. Quant Trading Todos os comerciantes de dia ouviram falar das extensões de Fibonacci ou ciclos de tempo de Fibonacci. Fibonacci Trading, Guia de Conhecimento Algotrading Serenity Bot Futurestrading AlgorithmicTrading Daytrader Daytrading FIBONACCI DAYTRADING Quase todos os comerciantes de dia ouviram falar das extensões Fibonacci ou ciclos de tempo fib. Neste artigo descreveremos os métodos corretos para usar as Extensões Fibonacci para encontrar os níveis de preços de inversão de tendência. Arquivado em: Blog. Quant Trading Tags: Algorithmic Trading, Guia de Conhecimento Algotrading Serenity Bot Futurestrading AlogrithmicTrading Daytrader Daytrading SEGUNDO DIA GAP DAYTRADING ESTRATÉGIA Se você está tendo dificuldade em encontrar uma borda ou precisa de um pouco de orientação onde começar, em seguida, ler o seguinte post. Aqui nós lhe damos um exemplo de borda de negociação de futuros: APRENDA ALGORITHMIC TRADING negociação Algo pode ser parte de negociação de máquinas ao lado de intervenção humana, ou pode ser totalmente automatizado software de negociação que exige apenas ser ligado e leva todos os comércios de forma autônoma. Arquivado em: Blog. O que é negociação algorítmica À medida que os títulos financeiros se tornam cada vez mais complexos, a nova geração de cientistas de foguetes cresceu ao preço desses complexos modelos matemáticos. Estes especialistas são conhecidos como analistas quantitativos: Arquivado em: Blog. Quant Trading Tags: Algorithmic Trading, Guia de Conhecimento Algotrading Serenity Bot Futurestrading AlogrithmicTrading Daytrader Daytrading Arquivado em: Blog. Quant Trading Tags: Consistência Profitability, Desenvolvimento Guias Edge Serenity Bot Futurestrading AlogrithmicTrading Daytrader Daytrading Consistentemente Rentável Daytrading Mais de X Tempo Os comerciantes são responsáveis ​​por lucros minimizando drawdowns. Sendo consistentes, determinamos o prazo que desejamos negociar. Arquivado em: Destaque, Edge Development Tags: Trading Edge. Desenvolvimento Guias Edge Serenidade Bot Futurestrading Daytrading Algorithmictrading Algotrading Encontrar uma Daytrading Edge Demonstramos o que é uma borda de negociação algorítmica eo processo de encontrar uma vantagem. Arquivado em: Destaque, Design de Software Tags: Quant estratégias. Desenvolvimento Quanttrading Algorithmictrading Futurestrading Desenvolvimento do sistema Daytrader Daytrading Quantificar a ineficiência do mercado ou comportamento além do aleatório Esboce o que seguimos ao desenvolver nossos sistemas vencedores. Aprender Algorithmic Trading O que é Algorithmic Trading Consistently Rentável em X Timeframe Quantificar a ineficiência do mercado ou comportamento além de aleatoriedade Segundo Dia Gap Estratégia Encontrar um Trading Edge Quant Savvy Algorítmica Trading Quant Savvy Algorítmica Trading - Day Trading Futures Smart nvestment Oportunidade Futuros Trading com Quant Savvy Serenity Robot Oferta Especial - Teste Gratuito Serenity Bot Trading Resultados Suas estratégias de negociação algorítmica proporcionar diversificação entre muitos futuros e mercados de commodities. O Bot Serenity ganhar dinheiro em todas as condições do mercado. Se o mercado está tendendo, consolidando ou altamente volátil o Bot Serenity ainda fará ganhos consistentes. O Serenity Bot tem mais de 4000 comércios e max 3,45 rebaixamento. Podemos garantir que isso coloca-lo no top 0,01 dos sistemas de negociação no mundo. Resultados de Comércio Serenity Bot Bot atingiu-nos um fator de lucro de 2,08 - excepcional Outras coisas a notar são: Somente gasto 13,01 de tempo no mercado, a exposição limitada significa menos risco de movimentos adversos Em uma conta de 100.000 temos max perto de fechar rebaixamento de - 3.06. Poucos fundos de hedge podem combinar com isso Estamos muito iguais com nossos resultados curtos e longos. Isso significa que, ao contrário de outros investidores ou seguidores de tendências, estamos ganhando dinheiro nos mercados de touro e urso. O lucro não é composto e todos os custos de transação são incluídos. Ganhou dinheiro todos os anos. Estamos fazendo ganhos consistentes quase todas as semanas, independentemente do ambiente de mercado Serenity Bot Results Este é bot que usamos em uma base dia a dia. Este é um sistema de investimento de capital totalmente automatizado que opera em todos os ambientes de mercado. Realiza nos mercados de touro e urso para dar-lhe curva de investimento suave. Os dados do sistema e os back-tests incluem os seguintes: Os resultados não são compostos. Lucro elevado, drawdown extremamente pequeno. Ganhou dinheiro todos os anos. Os custos das transações são superestimados (derrapagens e comissões). O bot comércios em Emini Dow Jones, S p, Nasdaq, Russel 2000, Ouro e Petróleo Bruto. Os sistemas não utilizam indicadores de atraso ou otimização de parâmetros. Serenity bot funciona em todas as condições de mercado, é igualmente ponderado longo e curto, por isso não importa se estamos no mercado de baixa ou mercado de touro. Esta é a estratégia de investimento mais eficiente e de baixo risco. Executa múltiplos negócios em tempo real simultaneamente. Fácil de configurar PASSO 1 PASSO 2 PASSO 3 Vantagens da negociação algorítmica Últimos negócios Quant Savvy Testemunhos Nick Davis. 34, London Experiente comerciante de futuros que quer diversificar portfólio com estratégias automatizadas Mike Jury. 35, Leamington Spa Procurando oportunidades de investimento de baixo risco - mas quer controlar seus próprios fundos Torne-se nosso próximo cliente bem sucedido hoje Look and Compare OFERECEM OS MELHORES SISTEMAS DE NEGOCIAÇÃO DE FUTUROS Não caia na armadilha de negociação de um sistema que tem dados de negociação apenas por um ano. Sistema deve ser testado por mais de 5 anos em todos os ambientes de mercado Eles vendem curva inútil equipado indicador estratégias de negociação algo. Ou eles têm sistemas com fator de lucro inferior a 1,6. Eles querem controlar seus sistemas e permitir negociações somente através de seu corretor - enquanto nós fornecemos software, mas você tem controle completo e escolher seu próprio corretor Suas estratégias daytrading têm curvas de equidade suave e muito poucos outliers. Don t sistemas comerciais com um punhado de grandes vencedores apenas QUANT TRADING DADOS Nosso Serenity Bot tem mais de 4000 trades significando que tem uma vantagem estatística garantida Nós don t usar otimização de indicador para criar sistemas tendenciosa. Todos os sistemas são únicos e projetados de baixo para baixo Oferta Especial - Versão Grátis - Preços Mais Baixos Entradas de Blog Recentes Trading Algorítmico Quant Savvy Copyright 2015 - Quant Savvy - Sistema de Negociação Algorítmico Automatizado CFTC REGRA 4.41 - OS RESULTADOS HIPOTÉTICOS OU SIMULADOS DO DESEMPENHO TÊM CERTAS LIMITAÇÕES. DESCONHECIDO UM REGISTO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, DESDE QUE OS COMÉRCIOS NÃO FORAM EXECUTADOS, OS RESULTADOS PODERÃO TER OUTROS COMPENSADOS PELO IMPACTO, SE HOUVER, DE CERTOS FATORES DE MERCADO, COMO A FALTA DE LIQUIDEZ. OS PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL SÃO TAMBÉM SUJEITOS AO FATO QUE SÃO PROJETADOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ SENDO SENDO QUE QUALQUER CONTA PODERÁ OU É POSSÍVEL CONSEGUIR LUCROS OU PERDAS SEMELHANTES AOS MOSTRADOS. Nenhuma representação está sendo feita nem implica que o uso do sistema de negociação algorítmica irá gerar renda ou garantir um lucro. Há um risco substancial de perda associado com futuros de negociação e troca de valores negociados em bolsa. A negociação de futuros ea negociação de valores negociados em bolsa envolvem um risco substancial de perda e não é apropriado para todos. Estes resultados são baseados em resultados de desempenho simulados ou hipotéticos que têm certas limitações inerentes. Ao contrário dos resultados mostrados em um registro de desempenho real, esses resultados não representam a negociação real. Além disso, uma vez que estas transacções não foram efectivamente executadas, estes resultados podem ter sub-ou sobre-compensado o impacto, se for o caso, de determinados factores de mercado, tais como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de que eles são projetados com o benefício de retrospectiva. Nenhuma representação está sendo feita que qualquer conta vai ou é susceptível de alcançar lucros ou perdas semelhantes aos apresentados.