ปริมาณ ซื้อขาย กลยุทธ์ รูปแบบไฟล์ pdf

การซื้อขายเชิงปริมาณการซื้อขายเชิงปริมาณการซื้อขายเชิงปริมาณประกอบด้วยกลยุทธ์การซื้อขายตามการวิเคราะห์เชิงปริมาณ ซึ่งขึ้นอยู่กับการคำนวณทางคณิตศาสตร์และการกระทืบตัวเลขเพื่อระบุโอกาสทางการค้า เนื่องจากสถาบันการเงินและกองทุนเฮดจ์ฟันด์มักใช้การซื้อขายเชิงปริมาณ การทำธุรกรรมมักมีขนาดใหญ่และอาจเกี่ยวข้องกับการซื้อและขายหุ้นและหลักทรัพย์อื่น ๆ นับแสนหุ้น อย่างไรก็ตามการซื้อขายเชิงปริมาณมีการใช้กันโดยทั่วไปมากขึ้นโดยนักลงทุนรายย่อย การลดราคาและปริมาณการซื้อขายเป็นสองปัจจัยที่ใช้กันทั่วไปในการวิเคราะห์เชิงปริมาณเป็นปัจจัยหลักในการสร้างแบบจำลองทางคณิตศาสตร์ เทคนิคการซื้อขายเชิงปริมาณ ได้แก่ การซื้อขายด้วยความถี่สูง การค้าอัลกอริทึมและการเก็งกำไรเชิงสถิติ เทคนิคเหล่านี้ลุกลามอย่างรวดเร็วและโดยปกติจะมีระยะเวลาการลงทุนระยะสั้น ผู้ค้าเชิงปริมาณจำนวนมากคุ้นเคยกับเครื่องมือเชิงปริมาณเช่นค่าเฉลี่ยเคลื่อนที่และออสซิลเลเตอร์ การทำความเข้าใจเกี่ยวกับการซื้อขายเชิงปริมาณผู้ค้าเชิงปริมาณใช้ประโยชน์จากเทคโนโลยีสมัยใหม่คณิตศาสตร์และความพร้อมใช้งานของฐานข้อมูลที่ครอบคลุมสำหรับการตัดสินใจทางการค้าที่มีเหตุผล ผู้ค้าเชิงปริมาณใช้เทคนิคการซื้อขายและสร้างแบบจำลองโดยใช้คณิตศาสตร์และพัฒนาโปรแกรมคอมพิวเตอร์ที่ใช้โมเดลกับข้อมูลการตลาดที่ผ่านมา แบบจำลองนี้ได้รับการตรวจสอบและปรับแต่งแล้ว ถ้าผลดีจะประสบความสำเร็จระบบจะดำเนินการแล้วในตลาดเรียลไทม์ที่มีเงินจริง วิธีการทำงานของรูปแบบการซื้อขายเชิงปริมาณสามารถอธิบายได้ดีที่สุดโดยใช้การเปรียบเทียบ พิจารณารายงานสภาพอากาศซึ่งนักอุตุนิยมวิทยาคาดการณ์ว่าโอกาสเกิดฝนจะตก 90 ดวงในขณะที่ดวงอาทิตย์กำลังส่องแสง นักอุตุนิยมวิทยาได้ข้อสรุป counterintuitive นี้โดยรวบรวมและวิเคราะห์ข้อมูลสภาพอากาศจากเซ็นเซอร์ทั่วทั้งบริเวณ การวิเคราะห์เชิงปริมาณด้วยคอมพิวเตอร์จะแสดงรูปแบบเฉพาะในข้อมูล เมื่อเปรียบเทียบรูปแบบเหล่านี้กับรูปแบบเดียวกันที่เปิดเผยในข้อมูลสภาพภูมิอากาศในอดีต (ผลการทดสอบย้อนหลัง) และ 90 ครั้งจาก 100 ครั้งผลที่ได้คือฝนจะทำให้นักอุตุนิยมวิทยาสามารถสรุปข้อสรุปด้วยความมั่นใจ ผู้ค้าเชิงปริมาณใช้กระบวนการเดียวกันนี้กับตลาดการเงินเพื่อทำการตัดสินใจซื้อขาย ข้อดีและข้อเสียของการซื้อขายหลักทรัพย์เชิงปริมาณวัตถุประสงค์ของการซื้อขายคือการคำนวณความน่าจะเป็นที่ดีที่สุดในการดำเนินการค้าที่มีกำไร ผู้ประกอบการทั่วไปสามารถตรวจสอบวิเคราะห์และตัดสินใจเกี่ยวกับการซื้อขายหลักทรัพย์ในจำนวนที่ จำกัด ก่อนที่ปริมาณข้อมูลที่จะเข้ามาจะครอบงำกระบวนการตัดสินใจ การใช้เทคนิคการซื้อขายเชิงปริมาณจะช่วยเพิ่มขีด จำกัด นี้โดยใช้คอมพิวเตอร์ในการตรวจสอบการวิเคราะห์และการตัดสินใจทางการค้าโดยอัตโนมัติ เอาชนะความรู้สึกเป็นปัญหาที่แพร่หลายมากที่สุดกับการซื้อขาย ไม่ว่าจะเป็นความกลัวหรือความโลภในการซื้อขายความรู้สึกทำหน้าที่เพียงเพื่อยับยั้งความคิดที่มีเหตุผลซึ่งมักจะนำไปสู่ความสูญเสีย คอมพิวเตอร์และคณิตศาสตร์ไม่มีอารมณ์ดังนั้นการค้าเชิงปริมาณช่วยขจัดปัญหานี้ การค้าเชิงปริมาณมีปัญหา ตลาดการเงินเป็นหน่วยงานแบบไดนามิกที่มีอยู่มากที่สุด ดังนั้นรูปแบบการซื้อขายเชิงปริมาณจะต้องเป็นแบบไดนามิกที่จะประสบความสำเร็จอย่างสม่ำเสมอ ผู้ค้าเชิงปริมาณจำนวนมากพัฒนาโมเดลที่ทำกำไรได้ชั่วคราวสำหรับสภาวะตลาดที่พวกเขาพัฒนาขึ้น แต่จะล้มเหลวที่สุดเมื่อสภาวะตลาดเปลี่ยนแปลงไปกลยุทธ์ Quant - เป็นกลยุทธ์สำหรับการลงทุนเชิงปริมาณของคุณซึ่งได้พัฒนาไปสู่เครื่องมือที่ซับซ้อนมาก ๆ แต่รากฐานของกลยุทธ์จะย้อนกลับไปกว่า 70 ปี พวกเขามักจะดำเนินการโดยทีมที่มีการศึกษาสูงและใช้โมเดลที่เป็นกรรมสิทธิ์เพื่อเพิ่มความสามารถในการเอาชนะตลาด มีแม้กระทั่งโปรแกรมแบบออฟไลนที่เป็น plug-and-play สำหรับผู้ที่ต้องการความเรียบง่าย โมเดล Quant ทำงานได้ดีเมื่อทดสอบกลับ แต่การใช้งานจริงและอัตราความสำเร็จของพวกเขาเป็นที่ถกเถียงกันอยู่ ขณะที่พวกเขาดูเหมือนจะทำงานได้ดีในตลาดวัว เมื่อตลาดไปยุ่งเหยิงกลยุทธ์เชิงปริมาณจะขึ้นอยู่กับความเสี่ยงเช่นเดียวกับกลยุทธ์อื่น ๆ ประวัติความเป็นมาหนึ่งในบรรดาบรรพบุรุษผู้ก่อตั้งของการศึกษาทฤษฎีเชิงปริมาณที่นำมาประยุกต์ใช้ในด้านการเงินคือโรเบิร์ตเมอร์ตัน คุณสามารถจินตนาการว่ากระบวนการนี้ยากและใช้เวลานานแค่ไหนก่อนที่จะใช้คอมพิวเตอร์ ทฤษฎีทางการเงินอื่น ๆ ก็มีวิวัฒนาการมาจากการศึกษาเชิงปริมาณครั้งแรกซึ่งรวมถึงพื้นฐานของการกระจายการลงทุนตามทฤษฎีพอร์ตการลงทุนสมัยใหม่ การใช้ทั้งทางการเงินเชิงปริมาณและแคลคูลัสนำไปสู่เครื่องมือทั่วไปอื่น ๆ อีกมากมายรวมถึงสูตรการกำหนดราคาแบบ Black-Scholes ที่มีชื่อเสียงมากที่สุดซึ่งไม่เพียงช่วยให้นักลงทุนสามารถเลือกราคาและพัฒนากลยุทธ์ได้ แต่ยังช่วยให้ตลาดมีสภาพคล่องอยู่เสมอ เมื่อใช้กับการจัดการพอร์ตโฟลิคโดยตรง เป้าหมายก็เหมือนกับกลยุทธ์การลงทุนอื่น ๆ เพื่อเพิ่มมูลค่าอัลฟาหรือผลตอบแทนส่วนเกิน Quants ขณะที่นักพัฒนาซอฟต์แวร์เรียกว่าสร้างแบบจำลองทางคณิตศาสตร์ที่ซับซ้อนเพื่อตรวจหาโอกาสในการลงทุน มีหลายรุ่นออกมีเป็น quants ที่พัฒนาพวกเขาและทั้งหมดอ้างว่าเป็นที่ดีที่สุด หนึ่งในกลยุทธ์การลงทุนที่ดีที่สุดจุดขายที่ดีที่สุดคือรูปแบบและในที่สุดคอมพิวเตอร์ทำให้การตัดสินใจ buysell จริงไม่ใช่มนุษย์ สิ่งนี้มีแนวโน้มที่จะลบการตอบสนองทางอารมณ์ใด ๆ ที่บุคคลอาจได้รับเมื่อซื้อหรือขายเงินลงทุน กลยุทธ์ Quant ได้รับการยอมรับในชุมชนการลงทุนและดำเนินการโดยกองทุนรวมกองทุนป้องกันความเสี่ยงและนักลงทุนสถาบัน พวกเขามักจะไปโดยกำเนิด alpha ชื่อ หรือ alpha gens หลังผ้าม่านเช่นเดียวกับใน Wizard of Oz มีใครบางคนอยู่ข้างหลังม่านที่ขับขี่กระบวนการ เช่นเดียวกับรูปแบบใด ๆ เพียงเท่าที่เป็นมนุษย์ที่พัฒนาโปรแกรม ในขณะที่ไม่มีข้อกำหนดเฉพาะสำหรับการเป็น Quant บริษัท ที่ทำงานแบบจำลองเชิงตัวเลขส่วนใหญ่จะรวมทักษะของนักวิเคราะห์การลงทุนสถิติและโปรแกรมเมอร์ที่ทำรหัสกระบวนการนี้ลงในคอมพิวเตอร์ เนื่องจากลักษณะที่ซับซ้อนของแบบจำลองทางคณิตศาสตร์และสถิติจึงเป็นเรื่องปกติที่จะเห็นข้อมูลประจำตัวเช่นปริญญาโทและปริญญาเอกด้านการเงินเศรษฐศาสตร์คณิตศาสตร์และวิศวกรรม ในอดีตสมาชิกในทีมเหล่านี้ทำงานในสำนักงานด้านหลัง แต่เป็นแบบจำลองควอนตัมได้กลายเป็นเรื่องธรรมดามากขึ้นสำนักงานกลับถูกย้ายไปที่สำนักงานด้านหน้า ประโยชน์ของกลยุทธ์ควอนท์แม้ว่าอัตราความสำเร็จโดยรวมจะเป็นที่ถกเถียงกัน แต่เหตุผลที่กลยุทธ์เชิงปริมาณบางอย่างใช้งานได้ก็คือพวกเขาอยู่บนพื้นฐานของระเบียบวินัย ถ้าแบบจำลองถูกต้องระเบียบวินัยจะช่วยให้ยุทธศาสตร์การทำงานกับเครื่องคอมพิวเตอร์ที่มีค่าความเร็วสูงเพื่อใช้ประโยชน์จากความไร้ประสิทธิภาพในตลาดโดยอาศัยข้อมูลเชิงปริมาณ โมเดลตัวเองสามารถขึ้นอยู่กับเพียงไม่กี่อัตราส่วนเช่น PE การเติบโตของตราสารทุนและตราสารหนี้หรือใช้ปัจจัยการผลิตหลายพันรายการที่ทำงานร่วมกันในเวลาเดียวกัน กลยุทธ์ที่ประสบความสำเร็จสามารถรับแนวโน้มในช่วงเริ่มต้นของพวกเขาเป็นคอมพิวเตอร์อย่างต่อเนื่องเรียกใช้สถานการณ์เพื่อหาประสิทธิภาพไร้ความสามารถก่อนที่คนอื่นจะทำ โมเดลมีความสามารถในการวิเคราะห์กลุ่มการลงทุนจำนวนมากพร้อม ๆ กันซึ่งนักวิเคราะห์แบบเดิมอาจมองเพียงไม่กี่ครั้งเท่านั้น กระบวนการคัดกรองสามารถให้คะแนนเอกภพได้ตามระดับชั้นเช่น 1-5 หรือ A-F ขึ้นอยู่กับรุ่น ทำให้กระบวนการซื้อขายที่เกิดขึ้นจริงง่ายมากโดยการลงทุนในการลงทุนที่ได้รับการจัดอันดับและขายสินค้าที่มีคะแนนต่ำ โมเดล Quant ยังเปิดรูปแบบต่างๆของกลยุทธ์เช่นยาวสั้นและยาวนาน กองทุนเงินทุนที่ประสบความสำเร็จให้ความสำคัญกับการควบคุมความเสี่ยงเนื่องจากลักษณะของโมเดลของพวกเขา กลยุทธ์ส่วนใหญ่เริ่มต้นด้วยจักรวาลหรือเกณฑ์มาตรฐานและใช้ภาคอุตสาหกรรมและการถ่วงน้ำหนักอุตสาหกรรมในรูปแบบของพวกเขา ซึ่งจะช่วยให้เงินทุนสามารถควบคุมการกระจายการลงทุนได้ในระดับหนึ่งโดยไม่ส่งผลต่อรูปแบบของตัวเอง กองทุน Quant มักจะทำงานโดยใช้ต้นทุนต่ำกว่าเพราะพวกเขาไม่จำเป็นต้องเป็นนักวิเคราะห์แบบดั้งเดิมและผู้จัดการพอร์ตโฟลิโอหลายรายเพื่อใช้งาน ข้อเสียของ Quant Strategies มีหลายเหตุผลที่ทำให้นักลงทุนจำนวนมากไม่ยอมรับแนวคิดเรื่องการปล่อยให้กล่องดำดำเนินการลงทุนอย่างเต็มที่ สำหรับทุกกองทุนที่ประสบความสำเร็จเงินออกมีเช่นเดียวกับหลายคนดูเหมือนจะไม่ประสบความสำเร็จ น่าเสียดายสำหรับชื่อเสียง quants เมื่อพวกเขาล้มเหลวพวกเขาล้มเหลวครั้งใหญ่ การบริหารจัดการเงินทุนระยะยาวเป็นหนึ่งในกองทุนเฮดจ์ฟันด์ที่มีชื่อเสียงมากที่สุดเนื่องจากได้รับการสนับสนุนจากผู้นำด้านการศึกษาที่ได้รับความเคารพนับถือมากที่สุดและนักเศรษฐศาสตร์ชื่อ Myron S. Scholes และ Robert C. Merton สองคนที่ได้รับรางวัลโนเบลเมโมเรียล ในช่วงปี 1990 ทีมของพวกเขาสร้างผลตอบแทนสูงกว่าค่าเฉลี่ยและดึงดูดทุนจากนักลงทุนทุกประเภท พวกเขามีชื่อเสียงไม่เพียง แต่ใช้ประโยชน์จากความไร้ประสิทธิภาพ แต่ใช้การเข้าถึงแหล่งเงินทุนได้อย่างง่ายดายเพื่อสร้างการเดิมพันแบบ leveraged มหาศาลในทิศทางตลาด ธรรมชาติที่มีระเบียบวินัยในยุทธศาสตร์ของพวกเขาสร้างความอ่อนแอที่นำไปสู่การล่มสลายของพวกเขา การบริหารจัดการทุนระยะยาวได้รับการชำระบัญชีและเลิกกิจการในช่วงต้นปี พ. ศ. 2543 โดยนางแบบไม่ได้รวมถึงความเป็นไปได้ที่รัฐบาลรัสเซียอาจผิดนัดชำระหนี้บางส่วนได้ เหตุการณ์นี้ทำให้เกิดเหตุการณ์และปฏิกิริยาลูกโซ่ที่ขยายขึ้นโดยความหายนะที่สร้างขึ้นโดยใช้แรงจูงใจ LTCM มีส่วนเกี่ยวข้องอย่างมากกับการดำเนินการด้านการลงทุนอื่น ๆ ที่การล่มสลายของ บริษัท ส่งผลกระทบต่อตลาดโลกทำให้เกิดเหตุการณ์ที่น่าทึ่ง ในระยะยาว Federal Reserve ได้เข้ามาช่วยเหลือและธนาคารอื่น ๆ และกองทุนรวมเพื่อการลงทุนก็ได้สนับสนุน LTCM เพื่อป้องกันความเสียหายเพิ่มเติม นี่เป็นหนึ่งในเหตุผลที่เงินทุนจำนวนมากอาจล้มเหลวเนื่องจากเป็นไปตามเหตุการณ์ในอดีตที่อาจไม่รวมถึงเหตุการณ์ในอนาคต ในขณะที่ทีมควอนตัมที่แข็งแกร่งจะเพิ่มประเด็นใหม่ ๆ ต่อโมเดลต่อไปเพื่อคาดการณ์เหตุการณ์ในอนาคตซึ่งเป็นไปไม่ได้ที่จะคาดเดาอนาคตได้ทุกครั้ง เงินทุนของ Quant อาจสับสนเมื่อเศรษฐกิจและตลาดมีความผันผวนสูงกว่าค่าเฉลี่ย สัญญาณซื้อและขายสามารถเกิดขึ้นได้อย่างรวดเร็วว่าการหมุนเวียนสูงสามารถสร้างคอมมิชชั่นและกิจกรรมที่ต้องเสียภาษีได้สูง กองทุน Quant อาจก่อให้เกิดอันตรายเมื่อมีการวางตลาดเป็นหลักฐานหรือมีพื้นฐานอยู่บนกลยุทธ์สั้น ๆ การคาดการณ์การชะลอตัว การใช้ตราสารอนุพันธ์และการรวมพลังอำนาจอาจเป็นอันตรายได้ การเลี้ยวผิดอาจนำไปสู่การระเบิดซึ่งมักจะทำให้ข่าว ยุทธศาสตร์ด้านการลงทุนเชิงปริมาณได้พัฒนาจากกล่องดำกลับไปเป็นเครื่องมือการลงทุนหลัก พวกเขาได้รับการออกแบบมาเพื่อใช้ความคิดที่ดีที่สุดในธุรกิจและคอมพิวเตอร์ที่เร็วที่สุดในการใช้ประโยชน์จากความไร้ประสิทธิผลและใช้ประโยชน์ในการวางเดิมพันทางการตลาด พวกเขาสามารถประสบความสำเร็จอย่างมากถ้าแบบจำลองมีข้อมูลปัจจัยการผลิตที่ถูกต้องทั้งหมดและมีความว่องไวเพียงพอที่จะคาดการณ์เหตุการณ์ในตลาดที่ผิดปกติ ในทางตรงกันข้ามในขณะที่เงินจำนวนมากได้รับการทดสอบอย่างเข้มงวดกลับจนกว่าพวกเขาจะทำงานจุดอ่อนของพวกเขาคือพวกเขาพึ่งพาข้อมูลทางประวัติศาสตร์สำหรับความสำเร็จของพวกเขา ในขณะที่การลงทุนเชิงปริมาณมีอยู่ในตลาดสิ่งสำคัญคือต้องตระหนักถึงความบกพร่องและความเสี่ยง เพื่อให้สอดคล้องกับกลยุทธ์การกระจายความเสี่ยง ความคิดที่ดีในการรักษากลยุทธ์เชิงปริมาณเป็นรูปแบบการลงทุนและรวมเอากลยุทธ์แบบดั้งเดิมเพื่อให้เกิดการกระจายความเสี่ยงที่เหมาะสม ทฤษฎีเศรษฐศาสตร์ของการใช้จ่ายทั้งหมดในระบบเศรษฐกิจและผลกระทบต่อผลผลิตและอัตราเงินเฟ้อ เศรษฐศาสตร์ของเคนส์ได้รับการพัฒนา การถือครองสินทรัพย์ในพอร์ตลงทุน การลงทุนในพอร์ทจะทำโดยคาดหวังว่าจะได้รับผลตอบแทนจากการลงทุน นี้. อัตราส่วนที่พัฒนาขึ้นโดย Jack Treynor ว่ามาตรการผลตอบแทนที่ได้รับเกินกว่าที่อาจได้รับในความเสี่ยง การซื้อหุ้นคืน (Repurchase) ของ บริษัท เพื่อลดจำนวนหุ้นในตลาด บริษัท การคืนเงินภาษีคือการคืนเงินภาษีที่จ่ายให้กับบุคคลหรือครัวเรือนเมื่อหนี้สินภาษีที่เกิดขึ้นจริงน้อยกว่าจำนวนเงิน มูลค่าทางการเงินของสินค้าสำเร็จรูปและบริการที่ผลิตภายในพรมแดนของประเทศในช่วงเวลาที่กำหนดคู่มือการทำธุรกิจการค้าเชิงปริมาณในบทความนี้ Im จะแนะนำคุณเกี่ยวกับแนวคิดพื้นฐานบางอย่างที่มาพร้อมกับการซื้อขายเชิงปริมาณแบบ end-to-end ระบบ โพสต์นี้หวังว่าจะให้บริการแก่ผู้ชมสองคน คนแรกจะเป็นบุคคลที่พยายามหางานทำที่กองทุนรวมในฐานะพ่อค้าเชิงปริมาณ ประการที่สองคือบุคคลที่ต้องการจะลองจัดตั้งธุรกิจการค้าปลีกของตนเองขึ้น การค้าเชิงปริมาณเป็นพื้นที่ที่มีความซับซ้อนมากของการเงินในเชิงปริมาณ อาจใช้เวลาเป็นจำนวนมากเพื่อให้ได้ความรู้ที่จำเป็นในการสัมภาษณ์หรือสร้างกลยุทธ์การซื้อขายของคุณเอง ไม่เพียง แต่ต้องใช้ความชำนาญด้านการเขียนโปรแกรมมากมายอย่างน้อยที่สุดในภาษาเช่น MATLAB, R หรือ Python อย่างไรก็ตามเมื่ออัตราการค้าของกลยุทธ์เพิ่มขึ้นด้านเทคโนโลยีกลายเป็นสิ่งที่เกี่ยวข้องมากขึ้น ดังนั้นการทำความคุ้นเคยกับ CC จะมีความสำคัญยิ่ง ระบบการซื้อขายเชิงปริมาณประกอบด้วยองค์ประกอบหลัก 4 ส่วน ได้แก่ การระบุกลยุทธ์การหากลยุทธ์การใช้ประโยชน์จากขอบและการตัดสินใจเกี่ยวกับความถี่ของการซื้อขายกลยุทธ์การทำย้อนหลังการได้รับข้อมูลการวิเคราะห์ประสิทธิภาพของกลยุทธ์และการลบความลำเอียงระบบการดำเนินการการเชื่อมโยงกับนายหน้าการซื้อขายอัตโนมัติและการลดราคา ค่าใช้จ่ายในการทำธุรกรรมการจัดการความเสี่ยง - การจัดสรรเงินทุนที่เหมาะสม, เกณฑ์การเดิมพันขนาดและจิตวิทยาการซื้อขายเริ่มต้นด้วยการดูวิธีการระบุกลยุทธ์การซื้อขาย การระบุกระบวนการเชิงกลยุทธ์กระบวนการซื้อขายเชิงปริมาณทั้งหมดเริ่มตั้งแต่ช่วงเริ่มต้นของการวิจัย กระบวนการวิจัยนี้ครอบคลุมถึงการค้นหากลยุทธ์โดยคำนึงถึงว่ากลยุทธ์นี้เหมาะสมกับกลยุทธ์อื่น ๆ ที่คุณอาจใช้หรือไม่ได้รับข้อมูลใด ๆ ที่จำเป็นในการทดสอบกลยุทธ์และพยายามเพิ่มประสิทธิภาพกลยุทธ์เพื่อสร้างผลตอบแทนที่สูงขึ้นและหรือลดความเสี่ยง คุณจำเป็นต้องคำนึงถึงความต้องการด้านเงินทุนของคุณเองหากใช้กลยุทธ์เป็นผู้ประกอบการค้าปลีกและค่าใช้จ่ายในการทำธุรกรรมจะส่งผลต่อกลยุทธ์อย่างไร ตรงกันข้ามกับความเชื่อที่เป็นที่นิยมนั้นเป็นเรื่องที่ค่อนข้างตรงไปตรงมาในการหากลยุทธ์ที่ทำกำไรได้จากแหล่งสาธารณะต่างๆ นักวิชาการมักเผยแพร่ผลการค้าเชิงทฤษฎี (แม้ว่าจะเป็นส่วนใหญ่ของค่าใช้จ่ายในการทำธุรกรรม) บล็อกการเงินเชิงปริมาณจะกล่าวถึงกลยุทธ์ในรายละเอียด วารสารการค้าจะร่างบางส่วนของกลยุทธ์ที่ใช้โดยกองทุน คุณอาจตั้งคำถามว่าเหตุใดบุคคลและ บริษัท จึงกระตือรือร้นที่จะหารือเกี่ยวกับกลยุทธ์ที่ทำกำไรได้โดยเฉพาะอย่างยิ่งเมื่อพวกเขารู้ว่าคนอื่น ๆ กำลังค้าขายอาจหยุดกลยุทธ์จากการทำงานในระยะยาว เหตุผลอยู่ในข้อเท็จจริงที่ว่าพวกเขาจะไม่ค่อยพูดถึงพารามิเตอร์ที่แน่นอนและวิธีการปรับแต่งที่พวกเขาได้ดำเนินการ การเพิ่มประสิทธิภาพเหล่านี้เป็นกุญแจสำคัญในการเปลี่ยนกลยุทธ์ที่ค่อนข้างปานกลางให้กลายเป็นกลยุทธ์ที่ทำกำไรได้มาก ในความเป็นจริงหนึ่งในวิธีที่ดีที่สุดในการสร้างกลยุทธ์เฉพาะของคุณเองคือการหาวิธีการที่คล้ายคลึงกันและดำเนินการตามขั้นตอนการเพิ่มประสิทธิภาพของคุณเอง นี่คือรายชื่อเล็ก ๆ ของสถานที่ที่จะเริ่มมองหาแนวคิดเชิงกลยุทธ์: หลายยุทธศาสตร์ที่คุณจะดูจะตกอยู่ในประเภทของการพลิกกลับหมายถึงและแนวโน้มต่อไปเรื่อย ๆ กลยุทธ์การคืนค่าเฉลี่ยคือการใช้ประโยชน์จากข้อเท็จจริงที่ว่าค่าเฉลี่ยระยะยาวในชุดราคา (เช่นการแพร่กระจายระหว่างสองสินทรัพย์ที่มีความสัมพันธ์) มีอยู่และความเบี่ยงเบนระยะสั้น ๆ จากค่าเฉลี่ยนี้จะเปลี่ยนกลับคืนมา กลยุทธ์ด้านโมเมนตัมพยายามใช้ประโยชน์จากทั้งด้านจิตวิทยาของนักลงทุนและโครงสร้างเงินทุนที่มีขนาดใหญ่โดยยึดตามแนวโน้มตลาดซึ่งสามารถรวบรวมแรงผลักดันไปในทิศทางเดียวและปฏิบัติตามแนวโน้มจนกว่าจะกลับรายการ อีกด้านที่สำคัญอย่างหนึ่งของการซื้อขายเชิงปริมาณคือความถี่ของกลยุทธ์การซื้อขาย การซื้อขายคลื่นความถี่ต่ำ (LFT) โดยทั่วไปหมายถึงกลยุทธ์ใด ๆ ที่มีทรัพย์สินเกินกว่าวันซื้อขาย ตามลําดับการซื้อขายความถี่สูง (HFT) โดยทั่วไปหมายถึงกลยุทธที่มีสินทรัพยระหวางวัน การค้าขายความถี่สูง (UHFT) หมายถึงกลยุทธ์ที่มีสินทรัพย์ตามลำดับวินาทีและมิลลิวินาที ในฐานะที่เป็นผู้ประกอบการค้าปลีก HFT และ UHFT เป็นไปได้อย่างแน่นอน แต่มีเฉพาะความรู้ด้านเทคโนโลยีการซื้อขายและการเปลี่ยนแปลงหนังสือสั่งซื้อเท่านั้น เราจะไม่พูดถึงประเด็นเหล่านี้ในบทความที่แนะนำในบทความนี้ เมื่อกลยุทธ์หรือชุดของกลยุทธ์ได้รับการระบุแล้วตอนนี้จำเป็นต้องได้รับการทดสอบเพื่อหาผลกำไรจากข้อมูลทางประวัติศาสตร์ นั่นคือโดเมนของ backtesting เป้าหมายของการทำ backtesting คือการแสดงหลักฐานว่ากลยุทธ์ที่ระบุผ่านกระบวนการข้างต้นเป็นประโยชน์เมื่อนำมาใช้กับข้อมูลทั้งในอดีตและนอกกลุ่มตัวอย่าง สิ่งนี้กำหนดความคาดหวังว่ายุทธศาสตร์จะดำเนินการอย่างไรในโลกแห่งความเป็นจริง อย่างไรก็ตามการทำ backtesting ไม่ใช่การรับประกันความสำเร็จด้วยเหตุผลหลายประการ อาจเป็นพื้นที่ที่ละเอียดที่สุดในการซื้อขายเชิงปริมาณเนื่องจากมีความลำเอียงจำนวนมากซึ่งต้องพิจารณาอย่างรอบคอบและกำจัดให้มากที่สุดเท่าที่จะเป็นไปได้ เราจะหารือเกี่ยวกับประเภททั่วไปของอคติรวมทั้งมองไปข้างหน้าอคติ (หรือที่เรียกว่า data-snooping bias) พื้นที่อื่น ๆ ที่มีความสำคัญภายใน backtesting รวมถึงความพร้อมใช้งานและความสะอาดของข้อมูลในอดีตรวมถึงค่าใช้จ่ายในการทำธุรกรรมจริงและการตัดสินใจบนแพลตฟอร์ม backtesting ที่มีประสิทธิภาพ ปรึกษาเรื่องต้นทุนการทำธุรกรรมในส่วนระบบการดำเนินการด้านล่างนี้ เมื่อมีการระบุกลยุทธ์แล้วจำเป็นต้องได้รับข้อมูลทางประวัติศาสตร์ที่จะทำการทดสอบและอาจปรับแต่ง มีผู้จัดจำหน่ายข้อมูลจำนวนมากในทุกหมวดสินทรัพย์ ค่าใช้จ่ายของพวกเขาโดยทั่วไปมีขนาดตามคุณภาพความลึกและตรงเวลาของข้อมูล จุดเริ่มต้นแบบดั้งเดิมสำหรับผู้ค้าปลีกรายเริ่มต้น (อย่างน้อยในระดับค้าปลีก) คือการใช้ชุดข้อมูลฟรีจาก Yahoo Finance ฉันจะไม่ค่อยอาศัยผู้ให้บริการมากเกินไปในที่นี้ แต่ฉันต้องการเน้นปัญหาทั่วไปเมื่อเกี่ยวข้องกับชุดข้อมูลทางประวัติศาสตร์ ความกังวลหลักเกี่ยวกับข้อมูลทางประวัติศาสตร์ ได้แก่ ความถูกต้องความถูกต้องความลำเอียงการรอดชีวิตและการปรับตัวสำหรับการกระทำขององค์กรเช่นการจ่ายเงินปันผลและการแบ่งหุ้น: ความถูกต้องเกี่ยวข้องกับคุณภาพโดยรวมของข้อมูล - ไม่ว่าจะมีข้อผิดพลาดใด ๆ ข้อผิดพลาดบางครั้งสามารถระบุได้ง่ายเช่นด้วยตัวกรองขัดขวาง ซึ่งจะคัดลอกข้อมูลที่ไม่ถูกต้องในข้อมูลชุดเวลาและแก้ไขให้ถูกต้อง ในเวลาอื่น ๆ พวกเขาอาจเป็นเรื่องยากที่จะจุด บ่อยครั้งที่จำเป็นต้องมีผู้ให้บริการตั้งแต่สองรายขึ้นไปและตรวจสอบข้อมูลทั้งหมดของตนต่อกันและกัน อคติการรอดชีวิตมักเป็นคุณลักษณะของชุดข้อมูลฟรีหรือราคาถูก ชุดข้อมูลที่มีความลำเอียงรอดชีวิตหมายความว่าไม่มีข้อมูลที่ไม่มีการซื้อขายอีกต่อไป ในกรณีของหุ้นหมายถึงหุ้นที่ถูกเพิกถอนจากการเป็นหลักทรัพย์จดทะเบียน ความลำเอียงนี้หมายความว่ากลยุทธ์การซื้อขายหุ้นใด ๆ ที่ทดสอบบนชุดข้อมูลดังกล่าวน่าจะมีผลดีกว่าในโลกจริงเนื่องจากผู้ชนะในอดีตได้รับการคัดเลือกมาแล้ว การดำเนินธุรกิจของ บริษัท รวมถึงกิจกรรมด้านโลจิสติกส์ซึ่งดำเนินการโดย บริษัท ซึ่งมักจะทำให้เกิดการเปลี่ยนแปลงขั้นตอนในราคาวัตถุดิบซึ่งไม่ควรรวมอยู่ในการคำนวณผลตอบแทนของราคา การปรับเงินปันผลและการแยกสต็อกเป็นข้ออ้างที่พบบ่อย กระบวนการที่เรียกว่าการปรับหลังเป็นสิ่งจำเป็นที่จะต้องดำเนินการในแต่ละการกระทำเหล่านี้ เราต้องระมัดระวังอย่างมากที่จะไม่สับสนในการแยกหุ้นด้วยการปรับผลตอบแทนที่แท้จริง นักลงทุนจำนวนมากได้รับความสนใจจากการดำเนินการขององค์กรเพื่อที่จะปฏิบัติตามขั้นตอนการทำข้อสอบ backtest จำเป็นต้องใช้แพลตฟอร์มซอฟต์แวร์ คุณมีทางเลือกระหว่างซอฟต์แวร์ backtest โดยเฉพาะเช่น Tradestation, แพลตฟอร์มตัวเลขเช่น Excel หรือ MATLAB หรือการติดตั้งแบบกำหนดเองทั้งหมดในภาษาเขียนโปรแกรมเช่น Python หรือ C. ฉันจะไม่ค่อยมีที่อยู่ใน Tradestation (หรือคล้ายกัน), Excel หรือ MATLAB เนื่องจากฉันเชื่อมั่นในการสร้างสแต็คเทคโนโลยีภายในองค์กรแบบเต็มรูปแบบ (สำหรับเหตุผลด้านล่าง) หนึ่งในประโยชน์ของการทำเช่นนั้นก็คือซอฟต์แวร์ backtest และระบบการปฏิบัติงานสามารถผนวกรวมได้แม้จะมีกลยุทธ์ทางสถิติขั้นสูงมาก สำหรับกลยุทธ์ HFT โดยเฉพาะคุณจำเป็นต้องใช้การติดตั้งแบบกำหนดเอง เมื่อ backtesting ระบบหนึ่งจะต้องสามารถปริมาณวิธีการที่ดีที่มีประสิทธิภาพ เมตริกมาตรฐานอุตสาหกรรมสำหรับกลยุทธ์เชิงปริมาณคือการเบิกใช้สูงสุดและอัตราส่วน Sharpe การเบิกจ่ายสูงสุดจะทำให้เกิดการลดลงสูงสุดในช่วงเส้นโค้งของบัญชีในช่วงเวลาหนึ่ง ๆ (โดยปกติเป็นประจำทุกปี) ค่านี้มักถูกอ้างถึงเป็นเปอร์เซ็นต์ กลยุทธ์ LFT มีแนวโน้มที่จะมีการเบี่ยงเบนมากกว่ากลยุทธ์ HFT เนื่องจากปัจจัยทางสถิติจำนวนมาก ผลการทดสอบย้อนหลังในอดีตจะแสดงการเบิกใช้สูงสุดที่ผ่านมาซึ่งเป็นแนวทางที่ดีสำหรับการลดประสิทธิภาพในอนาคตของกลยุทธ์ การวัดที่สองคืออัตราส่วน Sharpe ซึ่งเป็นค่าเฉลี่ยของผลตอบแทนส่วนเกินที่หารด้วยส่วนเบี่ยงเบนมาตรฐานของผลตอบแทนส่วนเกินเหล่านั้น ที่นี่ผลตอบแทนส่วนเกินหมายถึงการกลับมาของกลยุทธ์เหนือเกณฑ์ที่กำหนดไว้ล่วงหน้า เช่น SP500 หรือตั๋วเงินคลัง 3 เดือน โปรดทราบว่าผลตอบแทนรายปีไม่ใช่มาตรการที่มักใช้เนื่องจากไม่คำนึงถึงความผันผวนของกลยุทธ์ (ซึ่งแตกต่างจากอัตราส่วน Sharpe) เมื่อกลยุทธ์ได้รับการ backtested และถือว่าเป็นอิสระจากความลำเอียง (ในเท่าที่เป็นไปได้) กับชาร์ปที่ดีและ drawdowns ลดลงก็เป็นเวลาที่จะสร้างระบบการดำเนินการ ระบบการดำเนินการ (Execution Systems) ระบบการดำเนินงานคือวิธีการที่รายการซื้อขายที่เกิดจากกลยุทธ์จะถูกส่งและดำเนินการโดยโบรกเกอร์ แม้จะมีการสร้างการค้าแบบกึ่งอัตโนมัติหรือแม้แต่แบบอัตโนมัติก็ตามกลไกการเรียกใช้งานอาจเป็นแบบคู่มือกึ่งมือ (เช่นคลิกเดียว) หรือแบบอัตโนมัติทั้งหมด สำหรับกลยุทธ์ LFT เทคนิคคู่มือและกึ่งคู่มือเป็นเรื่องปกติ สำหรับกลยุทธ์ HFT มีความจำเป็นต้องสร้างกลไกการดำเนินการโดยอัตโนมัติแบบเต็มรูปแบบซึ่งมักจะเป็นคู่ขนานกับเครื่องกำเนิดการค้า (เนื่องจากการพึ่งพาซึ่งกันและกันของกลยุทธ์และเทคโนโลยี) ข้อควรพิจารณาที่สำคัญในการสร้างระบบการดำเนินการคือส่วนติดต่อกับนายหน้าซื้อขายหลักทรัพย์ การลดค่าใช้จ่ายในการทำธุรกรรม (รวมถึงค่าคอมมิชชั่นการลื่นไถลและการแพร่กระจาย) และความแตกต่างของประสิทธิภาพของระบบออนไลน์จากผลการดำเนินงานที่ได้รับการสนับสนุน มีหลายวิธีในการติดต่อกับนายหน้าซื้อขายหลักทรัพย์ ตั้งแต่การโทรหาโบรกเกอร์ของคุณทางโทรศัพท์ไปจนถึง Application Programming Interface (API) ที่มีประสิทธิภาพสูงโดยอัตโนมัติ คุณต้องการทำให้ธุรกรรมการค้าของคุณดำเนินไปโดยเร็วที่สุดเท่าที่จะเป็นไปได้ ช่วยให้คุณสามารถเรียกใช้กลยุทธ์หรือแม้แต่กลยุทธ์ของความถี่สูง (ในความเป็นจริง HFT เป็นไปไม่ได้อย่างยิ่งโดยไม่ต้องดำเนินการโดยอัตโนมัติ) ซอฟต์แวร์ backtesting ที่กล่าวถึงข้างต้นเช่น MATLAB, Excel และ Tradestation เหมาะสำหรับการใช้ความถี่ต่ำและกลยุทธ์ที่ง่ายกว่า อย่างไรก็ตามจำเป็นที่จะต้องสร้างระบบการดำเนินการภายในที่เขียนด้วยภาษาที่มีประสิทธิภาพสูงเช่น C เพื่อทำ HFT จริง เป็นเรื่องเล็ก ๆ น้อย ๆ ในกองทุนที่ผมเคยทำงานมาเรามีวงเงินการซื้อขาย 10 นาทีโดยที่เราจะดาวน์โหลดข้อมูลตลาดใหม่ ๆ ทุกๆ 10 นาทีจากนั้นจะดำเนินการซื้อขายตามข้อมูลดังกล่าวในกรอบเวลาเดียวกัน นี่เป็นการใช้สคริปต์ Python ที่เพิ่มประสิทธิภาพ สำหรับข้อมูลที่มีข้อมูลใกล้เคียงกับนาทีหรือสองความถี่ฉันเชื่อว่า CC น่าจะเหมาะกว่ามาก ในกองทุนที่มีขนาดใหญ่มักไม่ใช่โดเมนของผู้ประกอบการระบบควอนตัมเพื่อเพิ่มประสิทธิภาพการดำเนินงาน อย่างไรก็ตามในร้านค้าขนาดเล็กหรือ บริษัท HFT พ่อค้าเป็นผู้บริหารและดังนั้นทักษะที่กว้างมากมักเป็นที่น่าพอใจ จำไว้ว่าถ้าคุณต้องการที่จะจ้างโดยกองทุน ทักษะการเขียนโปรแกรมของคุณจะมีความสำคัญถ้าไม่มากไปกว่าสถิติและความสามารถทางเศรษฐมิติของคุณอีกประเด็นสำคัญที่อยู่ภายใต้แบนเนอร์ของการดำเนินการคือการลดต้นทุนการทำธุรกรรม ค่าคอมมิชชั่น (หรือภาษี) โดยทั่วไปมีอยู่ 3 ส่วนคือค่าธรรมเนียมที่เรียกเก็บจากนายหน้าซื้อขายหลักทรัพย์อัตราแลกเปลี่ยนและหน่วยงานกำกับดูแลของ SEC (หรือหน่วยงานกำกับดูแลของรัฐบาลที่คล้ายคลึงกัน) ซึ่งเป็นความแตกต่างระหว่างสิ่งที่คุณต้องการให้เป็น เต็มไปด้วยสิ่งที่มันเป็นจริงเต็มไปด้วยการแพร่กระจายซึ่งเป็นความแตกต่างระหว่างราคา bidask ของการรักษาความปลอดภัยที่มีการซื้อขาย โปรดทราบว่าการแพร่กระจายจะไม่คงที่และขึ้นอยู่กับสภาพคล่องในปัจจุบัน (เช่นความพร้อมในการสั่งซื้อ buysell) ในตลาด ค่าใช้จ่ายในการทำธุรกรรมสามารถสร้างความแตกต่างระหว่างกลยุทธ์ที่ทำกำไรได้มากกับอัตราส่วน Sharpe ที่ดีและเป็นกลยุทธ์ที่ไม่หวังผลกำไรมากด้วยอัตราส่วน Sharpe ที่แย่มาก อาจเป็นความท้าทายในการทำนายค่าใช้จ่ายในการทำธุรกรรมได้อย่างถูกต้องจากแบบทดสอบหลังการขาย ทั้งนี้ขึ้นอยู่กับความถี่ของกลยุทธ์คุณจะต้องเข้าถึงข้อมูลการแลกเปลี่ยนข้อมูลซึ่งจะรวมถึงข้อมูลการติเตียนสำหรับราคา bidask ทีมทั้งหมดของ quants จะทุ่มเทเพื่อเพิ่มประสิทธิภาพของการดำเนินการในกองทุนขนาดใหญ่ด้วยเหตุผลเหล่านี้ พิจารณาสถานการณ์ที่กองทุนต้องระงับการค้าจำนวนมาก (ซึ่งเหตุผลที่ต้องทำเช่นนั้นมีมากมายและแตกต่างกันไป) การทุ่มตลาดหุ้นจำนวนมากเข้าสู่ตลาดจะเป็นการกดดันราคาอย่างรวดเร็วและอาจไม่ได้รับการดำเนินการที่ดีที่สุด ดังนั้นขั้นตอนวิธีที่หยดฟีดคำสั่งเข้าสู่ตลาดอยู่แม้ว่ากองทุนจะเสี่ยงต่อการลื่นไถล นอกจากนั้นกลยุทธ์อื่น ๆ ยังเป็นประโยชน์ต่อความจำเป็นเหล่านี้และสามารถใช้ประโยชน์จากความไร้ประสิทธิภาพ นี่คือโดเมนของ arbitrage โครงสร้างของโครงสร้าง ประเด็นสำคัญที่สำคัญที่สุดสำหรับระบบการดำเนินการคือความแตกต่างของประสิทธิภาพของกลยุทธ์จากผลการดำเนินงานที่ได้รับการสนับสนุน นี้สามารถเกิดขึ้นได้จากหลายสาเหตุ ใดก็ตามเราได้กล่าวถึงอคติดูล่วงหน้าและการเพิ่มประสิทธิภาพอคติในเชิงลึกเมื่อพิจารณา backtests อย่างไรก็ตามกลยุทธ์บางอย่างไม่ได้ทำให้ง่ายต่อการทดสอบอคติเหล่านี้ก่อนที่จะมีการใช้งาน นี้เกิดขึ้นใน HFT ส่วนใหญ่ อาจมีข้อผิดพลาดในระบบการดำเนินการรวมถึงกลยุทธ์การซื้อขายที่ไม่ปรากฏในแบบทดสอบหลังการขาย แต่แสดงในการซื้อขายสด ตลาดอาจได้รับการเปลี่ยนแปลงระบอบการปกครองหลังจากการปรับใช้กลยุทธ์ของคุณ สภาพแวดล้อมด้านการกำกับดูแลใหม่การเปลี่ยนแปลงความเชื่อมั่นของนักลงทุนและปรากฏการณ์ทางเศรษฐกิจมหภาคอาจนำไปสู่ความแตกต่างในด้านการตลาดและความสามารถในการทำกำไรของกลยุทธ์ของคุณ การจัดการความเสี่ยงชิ้นสุดท้ายของปริศนาการค้าเชิงปริมาณคือกระบวนการบริหารความเสี่ยง ความเสี่ยงรวมถึงอคติทั้งหมดที่กล่าวมาก่อนหน้านี้ ซึ่งจะรวมถึงความเสี่ยงด้านเทคโนโลยีเช่นเซิร์ฟเวอร์ที่อยู่ในที่ทำการแลกเปลี่ยนอย่างฉับพลันทำให้เกิดความผิดปกติของฮาร์ดดิสก์ ซึ่งรวมถึงความเสี่ยงในการเป็นนายหน้าซื้อขายหลักทรัพย์เช่นนายหน้าล้มละลาย (ไม่ใช่เรื่องที่บ้าคลั่งเนื่องจากเป็นเรื่องที่ทำให้กลัวกับ MF Global) ในระยะสั้นมันครอบคลุมเกือบทุกอย่างที่อาจจะรบกวนการดำเนินงานการค้าซึ่งมีหลายแหล่ง หนังสือทั้งเล่มมีไว้สำหรับการจัดการความเสี่ยงสำหรับกลยุทธ์เชิงปริมาณดังนั้นฉันจึงไม่พยายามทำความเข้าใจกับแหล่งความเสี่ยงที่เป็นไปได้ทั้งหมดที่นี่ การบริหารความเสี่ยงยังครอบคลุมถึงสิ่งที่เรียกว่าการจัดสรรทุนที่เหมาะสม ซึ่งเป็นสาขาของทฤษฎีพอร์ตโฟลิโอ นี่คือวิธีการจัดสรรทุนให้กับชุดของกลยุทธ์ที่แตกต่างกันและการค้าภายในกลยุทธ์เหล่านั้น เป็นพื้นที่ที่ซับซ้อนและใช้คณิตศาสตร์บางอย่างที่ไม่ใช่คณิตศาสตร์เล็กน้อย มาตรฐานอุตสาหกรรมที่การจัดสรรเงินทุนและการใช้ประโยชน์จากกลยุทธ์ที่เหมาะสมเกี่ยวข้องกับการนี้เรียกว่าเกณฑ์ Kelly ตั้งแต่นี้เป็นบทความเบื้องต้นผมไม่ได้อยู่ในการคำนวณของ เกณฑ์ของเคลลี่ทำให้สมมติฐานเกี่ยวกับลักษณะทางสถิติของผลตอบแทนซึ่งมักไม่ค่อยถือเป็นจริงในตลาดการเงินดังนั้นนักค้ามักจะระมัดระวังในการดำเนินการ อีกหนึ่งองค์ประกอบสำคัญของการบริหารความเสี่ยงคือการจัดการกับรายละเอียดทางจิตใจของตัวเอง มีอคติทางความคิดหลายอย่างที่สามารถเล็ดลอดเข้าสู่การซื้อขายได้ แม้ว่าจะเป็นปัญหาที่เกิดขึ้นกับการซื้อขายแบบอัลกอริทึมหากกลยุทธ์เหลือเพียงอย่างเดียวความอคติแบบทั่วไปคือการสูญเสียการสูญเสียที่ตำแหน่งที่สูญเสียจะไม่ถูกปิดออกเนื่องจากความเจ็บปวดที่ต้องตระหนักถึงความสูญเสีย ในทำนองเดียวกันผลกำไรสามารถทำได้เร็วเกินไปเพราะความกลัวในการสูญเสียกำไรที่ได้รับแล้วอาจจะมากเกินไป อีกประการหนึ่งที่เป็นที่รู้จักกันทั่วไปว่าเป็นความอคติใหม่ เรื่องนี้แสดงออกเมื่อผู้ค้าใส่ใจมากเกินไปในเหตุการณ์ล่าสุดและไม่ได้อยู่ในระยะยาว แล้วแน่นอนว่ามีคู่แบบคลาสสิกของอารมณ์อคติ - ความกลัวและความโลภ สิ่งเหล่านี้มักจะนำไปสู่การใช้ประโยชน์หรือทำให้เกิดการใช้ประโยชน์ได้มากเกินไปซึ่งอาจทำให้เกิดการระเบิด (ซึ่งเป็นส่วนของบัญชีที่มุ่งไปที่ศูนย์หรือแย่ลง) หรือลดผลกำไร ที่สามารถมองเห็นได้การซื้อขายเชิงปริมาณเป็นเรื่องที่ซับซ้อนมากและน่าสนใจมากในด้านการเงินเชิงปริมาณ ฉันมีรอยขีดข่วนแท้จริงของพื้นผิวของหัวข้อในบทความนี้และได้รับแล้วค่อนข้างยาวหนังสือและเอกสารทั้งหมดได้รับการเขียนเกี่ยวกับปัญหาที่ฉันได้รับเฉพาะประโยคหรือสองต่อ ด้วยเหตุผลดังกล่าวก่อนที่จะสมัครงานการจัดหาเงินทุนเป็นจำนวนมากจึงจำเป็นต้องมีการศึกษาขั้นพื้นฐานเป็นจำนวนมาก อย่างน้อยที่สุดคุณจะต้องมีภูมิหลังที่กว้างขวางในสถิติและเศรษฐมิติที่มีประสบการณ์มากในการใช้งานผ่านทางภาษาโปรแกรมเช่น MATLAB, Python หรือ R. สำหรับกลยุทธ์ที่ซับซ้อนมากขึ้นในตอนท้ายของความถี่ที่สูงขึ้นชุดทักษะของคุณอาจเป็นไปได้ รวมถึงการแก้ไขเคอร์เนลลินุกซ์, CC, การเขียนโปรแกรมประกอบและการเพิ่มประสิทธิภาพแฝงของเครือข่าย หากคุณสนใจในการพยายามสร้างกลยุทธ์การซื้อขายแบบอัลกอรึทึมของตัวเองข้อเสนอแนะแรกของฉันก็คือการทำให้การเขียนโปรแกรมเป็นไปอย่างดี การตั้งค่าของฉันคือการสร้างข้อมูล grabber, backtester กลยุทธ์และระบบการทำงานให้มากที่สุดเท่าที่จะเป็นไปได้ หากเงินทุนของคุณอยู่ในสายคุณจะไม่นอนหลับดีขึ้นในเวลากลางคืนโดยรู้ว่าคุณได้ทดสอบระบบของคุณอย่างครบถ้วนและตระหนักถึงข้อผิดพลาดและปัญหาเฉพาะของ Outsourcing นี้ไปยังผู้ขายในขณะที่อาจช่วยประหยัดเวลาในระยะสั้นอาจเป็นอย่างมาก แพงในระยะยาว เพียงเริ่มต้นด้วยกลยุทธ์การซื้อขายเชิงปริมาณในเชิงปริมาณ Trading การค้าขายโดยอิงจากกิจกรรมขององค์กรที่คาดการณ์ไว้เช่นการควบรวมกิจการหรือการควบรวมกิจการที่คาดว่าจะเกิดขึ้นหรือการยื่นล้มละลาย เรียกอีกอย่างว่าการเก็งกำไรความเสี่ยง การซื้อขายเทรดดิ้งแบบสัมพัทธ์กับการซื้อขายแบบทิศทางธุรกิจการลงทุนเพื่อการลงทุนในกองทุนเฮดจ์ฟันด์เชิงปริมาณมากที่สุดแบ่งออกเป็น 2 ประเภทคือกลุ่มที่ใช้กลยุทธ์ค่าสัมพัทธ์และกลยุทธ์ที่จะใช้เป็นแนวทาง กลยุทธ์ทั้งสองใช้รูปแบบคอมพิวเตอร์และซอฟต์แวร์ทางสถิติอย่างมาก กลยุทธ์ค่าสัมพัทธ์พยายามใช้ประโยชน์จากความสัมพันธ์ที่เกี่ยวกับการกำหนดราคาที่สามารถคาดเดาได้ (ความสัมพันธ์ระหว่างความสัมพันธ์ระหว่างค่าเฉลี่ย) ระหว่างสินทรัพย์หลายรายการ (ตัวอย่างเช่นความสัมพันธ์ระหว่างผลตอบแทนจากตั๋วเงินคลังของสหรัฐอเมริกากับวันที่มีอัตราดอกเบี้ยพันธบัตรรัฐบาลสหรัฐฯที่ยาวขึ้นหรือความสัมพันธ์ในนัย ความผันผวนของสัญญาซื้อขายล่วงหน้า 2 สัญญา) กลยุทธ์ทิศทางในขณะที่มักจะสร้างบนแนวโน้มตามหรือรูปแบบอื่น ๆ ตามเส้นทางการแนะนำของโมเมนตัมขึ้นหรือลงสำหรับการรักษาความปลอดภัยหรือชุดของหลักทรัพย์ (ตัวอย่างเช่นการพนันว่าวันที่ยาวนานพันธบัตรรัฐบาลสหรัฐจะเพิ่มขึ้นหรือความผันผวนโดยนัยที่จะ ลดลง) (เช่นการซื้อสินทรัพย์หนึ่งและการขายสินทรัพย์อื่น) เกี่ยวกับสินทรัพย์ที่มีราคาใกล้เคียงกัน: หลักทรัพย์ของรัฐบาลของสองประเทศที่แตกต่างกันตราสารหนี้ภาครัฐที่มีระยะเวลายาวนานถึงสองเท่าตราสารอนุพันธ์ของ บริษัท และตราสารหนี้จำนอง ความแตกต่างของความผันผวนโดยนัยระหว่างตราสารอนุพันธ์ทั้งสองประเภทราคาหุ้นเทียบกับราคาพันธบัตรสำหรับผู้ออกพันธบัตรองค์กรอัตราผลตอบแทนพันธบัตรของ บริษัท เทียบกับสแตนด์บายของ Credit Default Swap (CDS) รายการของกลยุทธ์ Value Relative Value ที่มีความยาวมากเป็นเพียงตัวอย่างบางส่วนเท่านั้น กลยุทธ์ค่าสัมพัทธ์ที่สำคัญมากและใช้กันอย่างแพร่หลายสามข้อควรระวังคือ: Arbitrage ทางสถิติ: การซื้อขายเทรนด์ค่าเฉลี่ยของมูลค่าของตะกร้าที่คล้ายกันของสินทรัพย์ตามความสัมพันธ์ทางการค้าในอดีต หนึ่งรูปแบบทั่วไปของการจัดอันดับสถิติหรือ Stat Arb การซื้อขายเรียกว่าการซื้อขายตราสารทุนเป็นกลางซื้อขาย ในกลยุทธ์นี้จะมีการเลือกตะกร้าสองแห่ง (ตะกร้ายาวหนึ่งอันและตะกร้าสั้น ๆ หนึ่งอัน) โดยมีเป้าหมายว่าน้ำหนักสัมพัทธ์ของตะกร้าทั้งสองจะออกจากกองทุนโดยไม่มีการเปิดเผยสุทธิสุทธิกับปัจจัยเสี่ยงต่างๆเช่นอุตสาหกรรมภูมิศาสตร์ภาค ฯลฯ ) Stat Arb อาจเกี่ยวข้องกับการซื้อขายดัชนีเทียบกับ ETF ที่ได้รับการจับคู่กันหรือดัชนีเทียบกับหุ้นของ บริษัท เดียว การแปลงหนี้หุ้นกู้แปลงสภาพ: การซื้อหุ้นกู้แปลงสภาพโดย บริษัท และการขายหุ้นสามัญของ บริษัท เดียวกันโดยคำนึงถึงว่าหุ้นของ บริษัท ดังกล่าวจะลดลงกำไรจากการขายในระยะสั้นจะมากกว่าผลขาดทุนจากหุ้นกู้แปลงสภาพ ให้มูลค่าหุ้นกู้แปลงสภาพเป็นตราสารหนี้คงที่ ในทำนองเดียวกันในการเคลื่อนไหวราคาสูงขึ้นของหุ้นสามัญกองทุนสามารถมีกำไรจากการแปลงสภาพของหุ้นกู้แปลงสภาพเป็นหุ้นขายหุ้นที่ราคาตลาดโดยจำนวนเงินที่เกินกว่าความสูญเสียในฐานะสั้น ๆ ตราสารอนุพันธ์: การซื้อขายหลักทรัพย์ตราสารหนี้ในตลาดตราสารหนี้ที่พัฒนาแล้วเพื่อใช้ประโยชน์จากความผิดปกติของอัตราดอกเบี้ยสัมพัทธ์ ฐานะที่เป็นตราสารหนี้อาจใช้พันธบัตรรัฐบาลสัญญาอัตราดอกเบี้ยและสัญญาฟิวเจอร์สอัตราดอกเบี้ย ตัวอย่างหนึ่งที่เป็นที่นิยมในรูปแบบของการซื้อขายตราสารหนี้รายได้คงที่คือการค้าพื้นฐานซึ่งในการซื้อ (ซื้อ) ตั๋วเงินคลังล่วงหน้าและซื้อ (ขาย) จำนวนเงินที่เกี่ยวข้องกับพันธบัตรที่สามารถส่งมอบได้ ที่นี่หนึ่งจะรับมุมมองเกี่ยวกับความแตกต่างระหว่างราคา spot ของพันธบัตรและราคาฟิวเจอร์สฟิวเจอร์ส (Futures Price Conversion Factor) และทำการซื้อขายคู่สินทรัพย์ กลยุทธ์การค้าทิศทางกลยุทธ์การซื้อขายทางตรงในขณะที่มักจะสร้างตามแนวโน้มหรือรูปแบบอื่น ๆ ตามเส้นทางที่แนะนำของโมเมนตัมขึ้นหรือลงสำหรับราคารักษาความปลอดภัย การซื้อขายแบบทิศทางมักจะใช้เทคนิคการวิเคราะห์หรือการสร้างแผนภูมิ ซึ่งเป็นการคาดการณ์ทิศทางของราคาโดยการศึกษาข้อมูลราคาและปริมาณตลาดในอดีต ทิศทางการซื้อขายอาจเป็นของตัวสินทรัพย์ (โมเมนตัมในราคาหุ้นเช่นหรืออัตราแลกเปลี่ยนเงินสกุลดอลลาร์สหรัฐฯ) หรือปัจจัยที่มีผลโดยตรงต่อราคาสินทรัพย์ของตัวเอง (ตัวอย่างเช่นความผันผวนโดยนัยสำหรับตัวเลือกหรือดอกเบี้ย อัตราสำหรับพันธบัตรรัฐบาล) การซื้อขายทางเทคนิคอาจรวมถึงการใช้ค่าเฉลี่ยเคลื่อนที่ค่าเฉลี่ยส่วนเบี่ยงเบนมาตรฐานของราคาการสนับสนุนและระดับความต้านทานและอัตราการเปลี่ยนแปลง โดยปกติตัวชี้วัดทางเทคนิคจะไม่เป็นพื้นฐานเพียงอย่างเดียวสำหรับ Quantitative Hedge Funds กลยุทธ์การลงทุน Quant Hedge Funds ใช้ปัจจัยเพิ่มเติมหลายอย่างเกินกว่าข้อมูลราคาและปริมาณข้อมูลในอดีต กล่าวอีกนัยหนึ่ง Quantitative Hedge Funds ที่ใช้กลยุทธ์การซื้อขายแบบ Directional โดยทั่วไปมีกลยุทธ์เชิงปริมาณโดยรวมซึ่งมีความซับซ้อนมากกว่าการวิเคราะห์ทางเทคนิคโดยทั่วไป นี่ไม่ใช่การแนะนำว่าผู้ค้ารายวันอาจไม่ได้รับผลกำไรจาก Technical Analysison ตรงกันข้ามกลยุทธ์การซื้อขายแบบโมเมนตัมจำนวนมากอาจทำกำไรได้ ดังนั้นสำหรับวัตถุประสงค์ของโมดูลการฝึกอบรมนี้การอ้างอิงถึง Quant Hedge Fund Trading strategies จะไม่รวมถึงกลยุทธ์การวิเคราะห์ทางเทคนิคเท่านั้น กลยุทธ์เชิงปริมาณอื่น ๆ วิธีการซื้อขายเชิงปริมาณอื่น ๆ ที่ไม่สามารถจัดแบ่งได้ง่ายเป็นกลยุทธ์ Value Relative Value หรือ Directional Strategic ได้แก่ การค้า High-Frequency Trading ที่ผู้ค้าพยายามที่จะใช้ประโยชน์จากความแตกต่างของราคาระหว่างหลายแพลตฟอร์มกับธุรกิจการค้าจำนวนมากตลอดทั้งวันกลยุทธ์ความผันผวนที่มีการจัดการใช้ฟิวเจอร์สและสัญญาซื้อขายล่วงหน้าเพื่อมุ่งเน้นการสร้างผลตอบแทนที่แน่นอนต่ำ แต่มีเสถียรภาพ LIBOR บวกเพิ่มหรือลดจำนวนของสัญญาแบบไดนามิก ความผันผวนของหุ้นพันธบัตรและตลาดอื่น ๆ กลยุทธ์ความผันผวนที่มีการจัดการได้รับความนิยมในช่วงไม่กี่ปีที่ผ่านมาเนื่องจากความไม่แน่นอนของตลาดหุ้นและพันธบัตร กองทุนคุ้มครองความเสี่ยงคืออะไร Quantitative Hedge Fundsrarr