Estratégias De Opções Quantitativas

Estratégias quantias - são para você As estratégias quantitativas de investimento evoluíram para ferramentas muito complexas com o advento dos computadores modernos, mas as raízes das estratégias remontam aos 70 anos. Geralmente são executados por equipes altamente educadas e usam modelos proprietários para aumentar sua capacidade de vencer o mercado. Há até programas disponíveis que são plug-and-play para quem procura simplicidade. Quant modelos sempre funcionam bem quando testados, mas suas aplicações reais e taxa de sucesso são discutíveis. Enquanto eles parecem funcionar bem em mercados de touro. Quando os mercados se afastam, as estratégias de quant estão sujeitas aos mesmos riscos que qualquer outra estratégia. A História Um dos pais fundadores do estudo da teoria quantitativa aplicada ao financiamento foi Robert Merton. Você só pode imaginar o quão difícil e demorado o processo foi antes do uso de computadores. Outras teorias em finanças também evoluíram a partir de alguns dos primeiros estudos quantitativos, incluindo a base da diversificação do portfólio com base na moderna teoria da carteira. O uso de financiamento e cálculo quantitativo levou a muitas outras ferramentas comuns, incluindo uma das mais famosas, a fórmula de preços de opções Black-Scholes, que não só ajuda as opções de preços dos investidores e desenvolve estratégias, mas também ajuda a manter os mercados em risco com liquidez. Quando aplicado diretamente ao gerenciamento de portfólio. O objetivo é como qualquer outra estratégia de investimento. Para adicionar valor, alfa ou excesso de retorno. Quants, como os desenvolvedores são chamados, compor modelos matemáticos complexos para detectar oportunidades de investimento. Existem quantos modelos lá fora, como quants que os desenvolvem, e todos afirmam ser os melhores. Uma das estratégias de investimento de quantos pontos mais vendidos é que o modelo e, finalmente, o computador, fazem a decisão real de compra, não um humano. Isso tende a remover qualquer resposta emocional que uma pessoa possa experimentar ao comprar ou vender investimentos. As estratégias Quant são agora aceitas na comunidade de investimentos e administradas por fundos mútuos, hedge funds e investidores institucionais. Eles geralmente passam pelo nome de geradores alfa. Ou alfa gens. Atrás da cortina Assim como no The Wizard of Oz, alguém está atrás da cortina que conduz o processo. Tal como acontece com qualquer modelo, é tão bom quanto o humano que desenvolve o programa. Embora não exista um requisito específico para se tornar um quant, a maioria das empresas que executam modelos quant combinam as habilidades de analistas de investimentos, estatísticos e programadores que codificam o processo nos computadores. Devido à natureza complexa dos modelos matemáticos e estatísticos, é comum ver credenciais como diplomas de pós-graduação e doutorado em finanças, economia, matemática e engenharia. Historicamente, esses membros da equipe trabalharam nos back offices. Mas, à medida que os modelos quant tornam-se mais comuns, o back office está se movendo para o front office. Benefícios de Quant Strategies Embora a taxa de sucesso global seja discutível, o motivo de algumas estratégias de quant é funcionar é que elas são baseadas em disciplina. Se o modelo for certo, a disciplina mantém a estratégia trabalhando com computadores com velocidade relâmpada para explorar ineficiências nos mercados com base em dados quantitativos. Os próprios modelos podem basear-se em apenas algumas proporções, como PE. Dívida para patrimônio e crescimento de lucros, ou use milhares de insumos trabalhando juntos ao mesmo tempo. Estratégias bem-sucedidas podem retomar as tendências em seus estágios iniciais, pois os computadores constantemente correm cenários para localizar ineficiências antes que outros o façam. Os modelos são capazes de analisar simultaneamente um grande grupo de investimentos, onde o analista tradicional pode estar olhando apenas alguns por vez. O processo de triagem pode avaliar o universo por níveis de classificação como 1-5 ou A-F, dependendo do modelo. Isso torna o processo de negociação real muito direto, investindo nos investimentos altamente cotados e vendendo os mais baixos. Os modelos Quant também abrem variações de estratégias como longas, curtas e longshort. Os fundos cuidadosos bem sucedidos mantêm um olho no controle de risco devido à natureza de seus modelos. A maioria das estratégias começa com um universo ou benchmark e usa ponderações setoriais e industriais em seus modelos. Isso permite que os fundos controlem a diversificação até certo ponto sem comprometer o próprio modelo. Os fundos Quant normalmente funcionam com base em custos mais baixos porque não precisam de tantos analistas tradicionais e gerentes de portfólio para executá-los. Desvantagens de Quant Strategies Existem razões pelas quais tantos investidores não aceitam completamente o conceito de deixar uma caixa preta executar seus investimentos. Para todos os fundos de quantos bem sucedidos lá fora, apenas muitos parecem ser infrutíferos. Infelizmente para a reputação de quants, quando eles falham, eles falham grande momento. O Gerenciamento de Capital de Longo Prazo foi um dos mais famosos fundos hedge de quant, já que foi dirigido por alguns dos líderes acadêmicos mais respeitados e dois economistas vencedores do Prêmio Nobel, Myron S. Scholes e Robert C. Merton. Na década de 1990, sua equipe gerou retornos acima da média e atraiu capital de todos os tipos de investidores. Eles eram famosos por não só explorarem ineficiências, mas usando fácil acesso ao capital para criar grandes apostas alavancadas nas direções do mercado. A natureza disciplinada de sua estratégia realmente criou a fraqueza que levou ao seu colapso. A Administração de Capital de Longo Prazo foi liquidada e dissolvida no início de 2000. Os modelos não incluíam a possibilidade de o governo russo estar inadimplente em algumas das suas próprias dívidas. Este evento desencadeou eventos e uma reação em cadeia ampliada por estragos criados por alavancagem. LTCM estava tão fortemente envolvido com outras operações de investimento que seu colapso afetou os mercados mundiais, provocando eventos dramáticos. A longo prazo, a Reserva Federal entrou para ajudar, e outros bancos e fundos de investimento apoiaram o LTCM para evitar mais danos. Esta é uma das razões pelas quais os fundos quantitativos podem falhar, pois eles são baseados em eventos históricos que podem não incluir eventos futuros. Enquanto uma equipe de quantos fortes estará constantemente adicionando novos aspectos aos modelos para prever eventos futuros, é impossível prever o futuro sempre. Os fundos Quant também podem ficar sobrecarregados quando a economia e os mercados experimentam uma volatilidade maior do que a média. Os sinais de compra e venda podem chegar tão rapidamente que o alto volume de negócios pode gerar altas comissões e eventos tributáveis. Os fundos quantitos também podem representar um perigo quando são comercializados como resistentes ao incômodo ou baseados em estratégias curtas. Previsão de recessões. O uso de derivados e a alavancagem combinada podem ser perigosos. Uma vez errada pode levar a implosões, que muitas vezes fazem as novidades. The Bottom Line As estratégias quantitativas de investimento evoluíram de caixas pretas do back office para as principais ferramentas de investimento. Eles são projetados para utilizar as melhores mentes no negócio e os computadores mais rápidos, tanto para explorar ineficiências quanto usar a alavancagem para fazer apostas no mercado. Eles podem ser muito bem sucedidos se os modelos incluíram todas as entradas certas e são ágeis o suficiente para prever eventos de mercado anormais. Por outro lado, enquanto os fundos quantitativos são rigorosamente testados até que eles funcionam, sua fraqueza é que eles dependem de dados históricos para seu sucesso. Embora o investimento em estilo quantitativo tenha seu lugar no mercado, é importante estar atento às suas deficiências e riscos. Para ser consistente com as estratégias de diversificação. É uma boa idéia tratar as estratégias quantitativas como um estilo de investimento e combiná-lo com estratégias tradicionais para alcançar uma diversificação adequada. A negociação quantitativa de teoria dos jogos de decisão na negociação das operações da SIGs se estende por mercados na América do Norte, Europa e Ásia, onde negociamos essencialmente todos Produtos financeiros listados e classes de ativos. A experiência da SIG na negociação, combinada com pesquisa quantitativa, tecnologia inovadora e pesquisa fundamental, nos posiciona como líderes no mercado global. Derivativos O SIG é reconhecido globalmente como um participante líder no mercado de derivativos, com experiência comprovada em preços de opções, dinâmicas de negociação, estrutura de mercado e gerenciamento de riscos. Nós comprometemos o capital e fornecemos liquidez em quase todos os mercados de opções cotadas em bolsa, incluindo mercados de commodities, energia, patrimônio, bolsa negociada (ETF), índice e futuros. Nossos comerciantes, quentes e desenvolvedores trabalham como equipes para desenvolver estratégias de negociação algorítmicas que nos proporcionam uma vantagem competitiva. Commodities O SIG é um participante ativo nos mercados de opções e futuros em todas as principais commodities, incluindo metais, petróleo e produtos relacionados, gás natural e produtos agrícolas. Energia Nossa equipe de energia participa ativamente de uma ampla gama de produtos, com foco primário em eletricidade, gás natural, clima e opções de energia. Uma sólida compreensão fundamental da previsão do tempo e das características da oferta e da demanda nos proporcionam uma vantagem competitiva no mercado. Equities SIG é um participante ativo em mercados de ações e ETF em todo o mundo. Trocamos ações individuais através do uso de nossas estratégias de negociação algorítmicas proprietárias e fornecemos ampla cobertura de todos os principais ETFs. Obrigações A SIG mantém uma carteira diversificada de produtos de renda fixa ativamente negociados, incluindo obrigações corporativas e conversíveis, swaps de inadimplência de crédito e ETFs de renda fixa. Esses negócios são combinados com outras coberturas de taxas de juros para manter uma carteira de baixo risco que capta ineficiências do mercado. Câmbio Como participante do mercado nos mercados de câmbio, a SIG negocia ativamente opções em pontos, futuros e ETFs. Arquivos de categoria: Estratégia de negociação Eu encontrei essa série de vídeos durante o fim de semana, um negociante de opções discute como ele troca spreads de crédito (principalmente Procura reversão média). A maioria de vocês estará familiarizado com as bandas bollinger como uma estratégia comum de reversão média, essencialmente você toma a média móvel e o desvio padrão móvel do estoque. Você, em seguida, traça em seu gráfico a média móvel e uma banda superior e inferior (média móvel - desvios normais). Supõe-se que o preço reverte para a média móvel, portanto, qualquer movimento de preço para as bandas é um bom ponto de entrada. Um problema comum com esta estratégia é que a média móvel é um indicador LAGGING e muitas vezes é muito lento para rastrear os movimentos de preços se um longo período de lookback for usado. O Vídeo 1 apresenta uma técnica chamada 8220 curvas de regressão lineares8221 cerca de 10mins. As curvas de regressão linear visam resolver o problema de que a média móvel seja lenta para rastrear o preço. Curva de Regressão Linear versus Média de Movimento Simples Veja quão rigorosamente a curva de regressão linear azul segue o preço de fechamento, it8217s significativamente mais rápido para identificar voltas no mercado onde, como a média móvel simples, tem um erro de rastreamento considerável. O MSE poderia ser tomado para quantificar o aperto. Como calcular a curva de regressão linear: neste exemplo, você possui 100 preços de fechamento para seu estoque dado. Bar 1 é o preço mais antigo, o bar 100 é o preço mais recente. Usaremos uma regressão de 20 dias. 1. Pegue os preços 1-20 e desenhe a linha de melhor ajuste através deles 2. No final da sua linha de melhor ajuste (então barra 20), desenhe um pequeno círculo 3. Tome os preços 2-21 e desenhe a linha de melhor ajuste Através deles 4. No final da sua linha de melhor ajuste (para a barra 21) desenhe um pequeno círculo 5. Repita até a barra 100 6. Junte todos os seus pequenos círculos, esta é a sua curva de regressão linear 82168217 Então, em poucas palavras, você apenas junta o Extremidades de uma regressão linear rolante. Esta publicação procura examinar se a frase bem conhecida, quanto maior for o risco, maior será a recompensa8221 para os constituintes FTSE 100. Numerosos modelos tentaram capturar métricas de recompensa de risco, o mais conhecido é o Modelo de Preços de Alocação de Capital (CAPM). O CAPM tenta quantificar o retorno de um investimento que um investidor deve receber para ser adequadamente compensado pelo risco que eles tomaram. O código abaixo calcula o desvio padrão de rotação dos retornos, 8216 o risco8217, para os constituintes FTSE 100. Em seguida, agrupa os estoques em quartis por essa métrica de risco, os grupos são atualizados diariamente. Quartil 1 é o menor estoque de volatilidade, o quartil 2 é o mais alto. Um índice igualmente amputado (amt) é criado para cada quartil. De acordo com a teoria acima, Q4 (alto vol) deve produzir os maiores retornos acumulados. Ao usar um lookback de 1 mês para o cálculo stdev, existe um índice vencedor claro, o índice vol mais baixo (preto). Curiosamente, o 2º melhor índice é o índice vol mais alto (azul). O gráfico acima é calculado usando retornos aritméticos. Ao usar um lookback mais longo de 250 dias, um ano comercial, o índice vol mais alto é o melhor desempenho e o índice vol mais baixo, o pior desempenho. Para um lookback curto (30 dias), o índice de baixa voltagem foi o melhor desempenho. Para uma pesquisa longa (250 dias), o índice de alta voltagem foi o melhor desempenho. Uma explicação possível (não testada) é que, para um lookback curto, a métrica de risco de volatilidade é mais sensível às movimentações no estoque E, portanto, em um anúncio de notícias, o estoque tem maior probabilidade de se deslocar do índice atual do índice8217 para um índice vol mais elevado. Talvez não seja razoável supor que o índice de alta voltagem contenha apenas os estoques que tiveram uma recente volatilidade temporária do anúncio recente e estão em um período de consolidação ou reversão média. Ou, por outras palavras, para os lookbacks curtos, o índice de alto índice de voltagem não contém os estoques que são permanentemente altamente vol, enquanto que para longos lookbacks, todos os desvios de volumes temporários são suavizados. Abaixo estão os mesmos gráficos acima, mas para retornos geométricos.