Estratégias de comércio acadêmico
- ações, opções, futuros, moedas, cestas e instrumentos sintéticos personalizados são suportados.
- múltiplos feeds de dados de baixa latência suportados (velocidade de processamento em milhões de mensagens por segundo em terabytes de dados)
- C # e estratégia baseada em backtesting e otimização.
- Execução de vários corretores suportada, sinais comerciais convertidos em pedidos FIX.
- QuantDEVELOPER - framework e IDE para estratégias de negociação desenvolvimento, depuração, backtesting e otimização, disponível como um plug-in do Visual Studio.
- QuantDATACENTER - permite gerenciar um data warehouse histórico e capturar dados de mercado em tempo real ou de baixa latência de provedores e trocas.
- QuantENGINE - permite implantar e executar estratégias pré-compiladas.
- multi-ativos, dados de latência de vários períodos, múltiplos corretores suportados.
- OpenQuant - C # e VisualBasic sistema de nível de backtesting e negociação, multi-ativos, testes de nível intradiário, otimização, WFA etc., vários corretores e feeds de dados suportados.
- QuantTrader - ambiente de comércio de produção.
- QuantBase - gerenciamento centralizado de dados.
- QuantRouter - roteamento de dados e pedidos.
- solução multi-ativos, múltiplos feeds de dados suportados, banco de dados suporta qualquer tipo de RDBMS fornecendo uma interface JDBC, e. Oracle, Microsoft SQL Server, Sybase, MySQL etc.
- os clientes podem usar o IDE para rotear sua estratégia em Java, Ruby ou Python, ou podem usar sua própria estratégia IDE.
- Execução de vários corretores suportada, sinais comerciais convertidos em pedidos FIX.
- solução multi-ativos (forex, opções, futuros, ações, ETFs, commodities, instrumentos sintéticos e spreads de derivativos personalizados, etc.), vários feeds de dados são suportados.
- estrutura para desenvolvimento de estratégias de negociação, depuração, backtesting e otimização.
- Execução de vários corretores suportados, sinais comerciais convertidos em pedidos FIX (IB, JPMorgan, FXCM etc.)
- dados diários e intradiários (estoques de nós por 43 + anos, futuros por mais de 61 anos)
- Prático para sinais baseados em preços de backtesting (análise técnica), suporte para a linguagem de programação EasyLanguage.
- apoiando ações e ETFs dos EUA, futuros, índices dos EUA, ações alemãs, índices alemães, forex.
- US $ 249,95 mensalmente para não profissionais (plataforma de software Tradestation somente, sem corretagem)
- $ 299,95 mensalmente para profissionais (apenas plataforma de software de tradestation, sem corretagem)
- suporte a estratégias diárias / intradias, testes e otimização de nível de portfólio, gráficos, visualização, relatórios personalizados, análise multi-threaded, gráficos 3D, análise WFA etc.
- melhor para sinais baseados em preços de backtesting (análise técnica)
- link direto para eSignal, Interactive Brokers, IQFeed, myTrack, FastTrack, QP2, TC2000, qualquer feed compatível com DDE, MS, txtfiles e mais (Yahoo Finance.)
- backtesting e trading do sistema de nível de portfólio, multi-ativos, teste de nível intradiário, otimização, visualização, etc.
- permite a integração R, negociação automática na linguagem de script Perl com todas as funções subjacentes escritas em C nativo, preparadas para co-localização do servidor.
- Suporte nativo FXCM e Interactive Brokers.
- Suporte de estratégias diárias / intradiárias, teste de nível de portfólio e otimização - melhor para testes baseados em preços de backtesting (análise técnica), C # scripting - extensões de software suportadas - manipulação de feeds de dados, execução de estratégia, etc.
- Dados de Axioma ou de terceiros.
- análise fatorial, modelagem de risco, análise do ciclo do mercado.
- melhor para testes de backtesting baseados em preços (análise técnica), suporte a estratégias diárias / intradiárias, teste de nível de portfólio e otimização.
- Turtle Edition - motor de backtesting, gráficos, relatórios, testes EoD.
- Professional Edition - editor de sistema mais, análise progressiva, estratégias intradiárias, testes multi-threaded etc.
- Pro Plus Edition - mais gráficos de superfície 3D, scripts etc.
- Builder Edition - IB API, depurador etc.
- Edição profissional $ 1.990.
- Pro Plus Edition $ 2.990.
- Builder Edition $ 3.990.
- suportando estratégias diárias / intradiárias, testes e otimização de nível de portfólio, gráficos, visualização, relatórios personalizados etc.
- melhor para sinais baseados em preços de backtesting (análise técnica)
- link direto para Interactive Brokers, MB Trading, TD Ameritrade, FXCM e outros.
- dados de arquivos de texto, eSignal, Google Finance, Yahoo finance, IQFeed e outros.
- funcionalidade avançada - arrendamento de US $ 50 / mês ou licença de vida de US $ 995.
- melhor para sinais baseados em preços de backtesting (análise técnica), suporte a estratégias diárias / intradias, testes e otimização de nível de portfólio, gráficos, visualização, relatórios personalizados.
- Suporta C # e Visual Basic.
- link direto para Interactive Brokers, IQFeed, txtfiles e muito mais (Yahoo Finance.)
- alugar $ 50 por mês.
- suporte a estratégias diárias / intradias, teste de nível de portfólio e otimização, gráficos, visualização, relatórios personalizados.
- sinais técnicos e também fundamentais, suporte multi-ativos.
- $ 595 para a versão premium (suporte a vários provedores de dados e corretores)
- suporte a estratégias diárias / intradiárias, testes de nível de portfólio e otimização.
- melhor para sinais baseados em preços de backtesting (análise técnica)
- dados de compilação de ações, futuros e divisas (ações diárias dos EUA a partir de 1990, futuros diários de 31 anos, forex a partir de 1983 etc.)
- usa o idioma MQL4, usado principalmente para negociar o mercado forex.
- Suporta vários corretores de Forex e feeds de dados.
- suporta o gerenciamento de várias contas.
- suporte a estratégias diárias / intradiárias, testes de nível de portfólio e otimização.
- melhor para sinais baseados em preços de backtesting (análise técnica), suporte para a linguagem de programação EasyLanguage.
- Suporta múltiplos feeds de dados (Bloomberg, Thomson Reuters, CSI, CQG, eSignal, etc.), suporte direto para vários corretores (Interactive Brokers etc.)
- Vida útil multidatos $ 1.497.
- Multicharts Pro $ 9,900 (Bloomberg & Thomson Reuters, alimentação de dados, etc.)
- estoques e ETFs dos EUA (diariamente)
- dados fundamentais pontuais desde 1999.
- estratégias longas / curtas, sinais orientados por preços / fundamentais.
- "Gerente" - $ 199 / mês - completa a funcionalidade.
- Este produto é para uso de comerciantes / pesquisadores de baixa, média e alta freqüência. Todos os cálculos são feitos usando dados de mercado de alta freqüência que beneficiam comerciantes / pesquisadores de baixa e alta freqüência.
- backtesting intradía, gerenciamento de risco de portfólio, previsão e otimização a cada preço segundo, minutos, horas, fim de dia. Entradas do modelo totalmente controláveis.
- Fontes de dados de marca de mercado de 8k + desde 2018 (ações, índices e ETFs negociados no NASDAQ). Os clientes também podem carregar seus próprios dados de mercado (por exemplo, ações chinesas).
- 40 + métricas do portfólio (VaR, ETL, alfa, beta, razão de Sharpe, razão Omega, etc.)
- suporta R, Matlab, Java e Python.
- 10 + otimizações de portfólio.
- Preços de ações dos EUA (diariamente / intradía), desde 1998, dados da QuantQuote.
- dados forex da FXCM.
- apoiando Trader & Interactive Brokers para negociação ao vivo.
- Preços de ações e ETF dos EUA (diariamente / intradiário), desde 2002.
- dados fundamentais da Morningstar (mais de 600 métricas)
- apoiando Interactive Brokers para negociação ao vivo.
- simples de usar, estratégias de alocação de ativos, dados desde 1992.
- Momento de série temporal e estratégias de média móvel em ETFs.
- Estratégias simples de escolha de estoque de Momentum e Simple Value.
- dados de até 25 anos para 49 ações Futures e S & P500.
- caixa de ferramentas em Python e Matlab.
- Quantiacs hospeda competições de negociação algorítmica com investimentos variando de 500k a 1 milhão de dólares
- Backtest em dois cliques.
- Navegue na biblioteca de estratégias, ou crie e otimize sua estratégia.
- Comércio de papel, negociação automatizada e e-mails em tempo real.
- Dados FX (Forex / Moeda) em pares principais, voltando para 2007.
- negociação ao vivo compatível com qualquer corretor que esteja usando o Metatrader 4 como seu backend.
- fatores de equidade múltipla com valores de referência alfa sobre bench-cap, múltiplos universos de investimento e filtros de gerenciamento de risco.
- estratégias de alocação de ativos backtests, mistura de alocação de ativos e seleção de fator em um portfólio.
- US $ 50 / mês ou US $ 480 / ano - universidades de investimento mais amplas dos EUA, ações do Reino Unido e da UE, estratégias de alocação de ativos.
- mais de 10 000 estoques dos EUA, dados até 20 anos de história.
- critérios técnicos fundamentais +.
- US $ 50 por mês - funcionalidade completa.
- instalações eficazes de armazenamento e armazenamento de dados, instalações gráficas para análise de dados, facilmente estendidas através de pacotes.
- extensões recomendadas - quantstrat, Rmetrics, quantmod, quantlib, PerformanceAnalytics, TTR, portfólio, portfolioSim, backtest, etc.
- computação paralela e GPU, backtesting e otimização, amplas possibilidades de integração, etc.
- os usuários podem usar o VBA para criar estratégias para o BacktestingXL Pro, o conhecimento do VBA é opcional, os usuários podem construir regras de negociação em uma planilha usando códigos de teste de teste padrão pré-fabricados.
- suporta piramide, limitação de posição curta / longa, cálculo de comissão, rastreamento de patrimônio, controle extra-monetário, customização de preço de compra / venda.
- relatórios múltiplos de desempenho / risco.
- extensões recomendadas - pandas (Python Data Analysis Library), pyalgotrade (Python Algorithmic Trading Library), Zipline, ultrafinanças, etc.
- permite que o usuário misture vários ETF / opções / futuros / fatores de equidade com alfa comprovada sobre benchmarks de mercado.
- $ 149 / mo - opção livre + opções de seleção, estratégias de futuros, estratégias vix.
- ferramenta de backtesting baseada em nível básico de nível básico para testar a força relativa e estratégias de média móvel em ETFs.
- estoques dos EUA, dados da ValueLine de 1986-2018.
- preço e dados fundamentais, 1700 ações, teste mensal de granularidade.
Como fazemos isso.
Usamos um grande número de recursos de pesquisa financeira em todo o mundo, incluindo portais de pesquisa, revistas financeiras, universidades e conferências. Examinamos essas fontes todos os dias e procuramos novos artigos e artigos interessantes.
Até o final de cada ano, milhares de documentos financeiros foram investigados dessa maneira.
A Quantpedia possui regras de seleção rigorosas.
Cada artigo é avaliado com base na implementação da estratégia, no período de duração do backtest e na solidez geral. Verificamos quão bem a estratégia é explicada (automaticamente removemos caixas pretas) e se ela possui uma característica de desempenho claramente indicada. Preferimos trabalhos de pesquisa que também contenham algum tipo de características de risco (redução máxima, volatilidade, etc.). Apenas uma pequena porcentagem de estratégias passa todos esses critérios de seleção.
Nós extraímos regras comerciais em linguagem simples.
As estratégias selecionadas são então adicionadas à estrutura existente da Quantpedia. Nós extraímos regras de negociação em linguagem simples, desempenho e características de risco e várias características descritivas (os instrumentos utilizados para negociação, os mercados negociados, o período do período posterior). Cada estratégia é categorizada por várias palavras-chave e as conexões de banco de dados para estratégias similares são criadas.
Visite nosso blog.
Uma nova postagem no blog na seção "Somente para membros" é criada quando uma nova estratégia é adicionada à Quantpedia. Os membros podem ver todas as características de uma estratégia e usar o criador e as ferramentas de visualização para compará-lo com outras estratégias da Quantpedia. Todos os novos trabalhos de pesquisa acadêmica relacionados às estratégias já existentes do Quantpedia Premium também são publicados no nosso blog "Somente para membros". Ocasionalmente, encontramos documentos acadêmicos relacionados a estratégias de negociação quantitativas comuns. Esses papéis são geralmente descritos em nosso blog gratuito.
Estratégias de comércio acadêmico
Obter através da App Store Leia esta publicação em nosso aplicativo!
Os investidores mais bem sucedidos que utilizam o quadro acadêmico?
Quais são os fundos de retorno absoluto mais famosos / de melhor desempenho que empregam abordagens baseadas na teoria das finanças públicas (ou seja, a teoria apresentada no Journal of Finance, AER, Econometrica, usando tipicamente modelos de fatores)? Estou perguntando porque conheço gerentes certificados certificados usando análise fundamental (por exemplo, Buffett, Robertson, Cohen) e abordagens algorítmicas ascendentes (por exemplo, Simons, Thorpe, Malyshev). No entanto, os gestores de ativos típicos que utilizam algum tipo de modelo de fator são investidores institucionais com desempenho medíocre (e geralmente gerenciados ativamente com um benchmark), ou gerentes de fundos de retorno absolutos com desempenho terrível (GSAM, LTCM) ou não lucrativos. Em suma, alguém tem um exemplo desse fundo com retornos médios superiores a 15-20% / ano durante um longo período de tempo?
Pode-se provavelmente mencionar a Fundação Yale sob David Swensen, que gerou retornos de 13% ao ano nas duas últimas décadas (em comparação com o retorno médio de 8 ou 9% de doações da faculdade e da universidade).
Agora, eu não iria rotular a abordagem de Swensen para o gerenciamento de portfólio com uma etiqueta de estratégia de retorno absoluto puro, mas ele definitivamente usa algumas idéias da teoria das finanças acadêmicas. Swensen fala sobre sua filosofia de investimento nesta palestra (que faz parte do curso de Robert Shiller sobre Mercados Financeiros).
Essa é uma pergunta difícil de responder. O "negócio de quant" é um negócio. Alguns quants vendem resultados de baixa qualidade / baixa volatilidade, alguns vendem resultados rápidos / imprevisíveis, alguns vendem resultados direcionados da indústria, etc. Depende do que o comprador deseja comprar. Existe um mercado para tudo. Nem todos conhecemos pessoas que pensam que vão ganhar a Loteria? . venceu Vegas? . Prever o preço do ouro? É o dinheiro deles. Se eles querem desperdiçá-lo, sempre há alguém disposto a chegar do outro lado.
Depois, há uma parte do mercado quântico que é real. Eles passam muito tempo tentando não perder dinheiro e ganhar dinheiro de forma menos volátil. Eu não tenho dinheiro com os seguintes tipos, mas aqui é uma organização grande, média e pequena:
Eu acredito que o motivo por que ninguém conseguiu apresentar um exemplo de um fundo de quantia empregando a abordagem baseada em fatores acadêmicos com desempenho estelar é porque não há nenhum (pelo menos, nenhum com AUM de tamanho decente). Por um tempo, agora, tem havido um debate entre investidores institucionais e profissionais quantitativos sobre se o quant está morto. A abordagem do fator alfa definitivamente não é o tipo de bala mágica que muitas pessoas pensavam que seria. Em parte, acredito que o motivo do seu fracasso percebido é que as expectativas eram muito altas para começar. Mesmo a pergunta da @ gappy, que pergunta cerca de 15-20% / ano durante um período prolongado, mostra isso. Esses retornos simplesmente não são possíveis em uma grande base de ativos.
Ao longo do tempo, os fatores alfa se transformaram em fatores de risco. A última moda agora parece ser um fator de tempo (veja EDHEC, Deutsche Bank, JPMorgan, Bernstein, Macquarie e outros). No entanto, os profissionais reconhecem que o cronograma do fator é muito mais difícil do que parece. Também parece haver alguma ênfase na busca de fontes de dados novas e originais, mas depois de um tempo, mesmo essas "novas" fontes de dados ficarão velhas. O próprio paradigma está sendo questionado. Na verdade, grande parte do debate agora é sobre se alguma vez foi realmente uma vantagem nesses fatores, ou talvez o GSAM, o AQR e as outras principais empresas de equidade quantitativas estavam apenas se beneficiando dos grandes influxos no espaço, impulsionando as avaliações em sua direção .
Em uma nota final, nunca ouvi falar de Malyshev, mas não está claro que Simons e Thorp não utilizaram abundantemente a pesquisa de finanças acadêmicas em geral. Simplesmente que eles não empregam o paradigma do fator como um princípio organizador por trás de suas estratégias primárias. Mesmo Simons, btw, tem sua própria incursão em equidade quantitativa baseada em fator tradicional sob a forma de RIEF. Alegadamente, isso não funcionou tão bem, com o fundo vendo grandes perdas em 2007, 2008 e 2009.
Esta é a pergunta que eu estava esperando! Eu trabalho em uma grande loja de CIO terceirizada e gasto muito tempo avaliando diferentes gerentes e as estratégias com as quais eles nos trazem. Eu também conheço várias pessoas às quais eu fui à escola e agora estão em fundos quantitativos. Há alguns pontos importantes a ter em mente:
Todo gerente quantitativo respeitável possui uma estratégia emblemática que nunca aceita capital de investidores externos. A maioria dos que eu vi tende a ter cerca de US $ 1 bilhão de capacidade e nunca abrir para ninguém que não esteja empregado pela empresa. Os retornos que eu vi por esses fundos são todos incríveis (mais de 20% de CAGRs, com índices de Sharpe superiores a 5), mas se você não faz o que faço ou trabalho para uma loja de quant, nunca vai saber sobre esses fundos. O ciclo de vida dos fundos quantitativos tende a ser diferente dos outros fundos. Se você é Julian Robertson, Chase Coleman ou John Griffin, você tem uma perspicácia ou uma vantagem de investimento que levaria alguns anos para imitar, assumindo que eles podem chegar perto. Quantos fundos são tão bons quanto as anomalias de investimento não publicadas que analisaram. À medida que as pesquisas publicadas atinjam suas pesquisas, seu desempenho se deteriorará. Então, você tende a ver menos empresas de quant que tenham registros de longa e impressionante. Por último, porque eles dependem de anomalias de investimento para ganhar o seu pão, a maioria dos fundos quantitativos se concentram na coleta de ativos e não na superação direta. Um excelente exemplo disso seria a multiplicidade de estratégias de baixa voltagem que chegam ao mercado. Esses fundos ficam ótimos nos backtests porque todos eles exploram a baixa anomalia de vol, e eles têm uma capacidade ridiculamente alta porque a maioria dos estoques de baixa voltagem tendem a ter grandes limites de mercado. Se você tem a opção mutuamente exclusiva de gerar maior desempenho, fazendo alguns ajustes para uma estratégia de baixa vol ou sacrificando algum desempenho para que você possa receber outros cinco bilhões, você vai buscar a opção que coloca mais dinheiro no seu bolso .
Espero que ajude a responder a sua pergunta.
Se fosse possível simplesmente pegar alguns papéis e adaptá-los e produzir retornos, o comércio desapareceria rapidamente, pois seria uma maneira barata de as empresas produzir rendimentos excedentes. Se você tem um fator que produz alfa, você não deve publicá-lo ou todos os retornos associados a ele desaparecerão.
Eu encontrei o maior valor na literatura acadêmica desbloqueada por nosso grupo para ter vindo de outras disciplinas quantitativas com problemas de processamento de sinal. Geralmente, a maior parte da literatura acadêmica em finanças está atrasada ou não é possível implementar de forma rentável.
Joel Greenblatt (Columbia Business School) tem alguns retornos extraordinários. No entanto, ele não usa uma estrutura modelo de fator de equilíbrio. Eu o consideraria um praticante que fez bem e, portanto, ensina.
Estratégias de comércio acadêmico
Eu notei que de vez em quando, as pessoas que publicam algoritmos se referem a documentos acadêmicos como fontes de inspiração para seu algoritmo. Qual é a melhor maneira de encontrar literatura acadêmica sobre algoritmos de negociação?
Desculpe, algo deu errado. Tente novamente ou contate-nos enviando comentários.
Você enviou um ticket de suporte com sucesso.
Nossa equipe de suporte estará em contato em breve.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta de prestação de serviços de consultoria de investimento pela Quantopian.
Além disso, o material não oferece nenhuma opinião em relação à adequação de qualquer segurança ou investimento específico. Nenhuma informação contida neste documento deve ser considerada como uma sugestão para se envolver ou abster-se de qualquer curso de ação relacionado ao investimento, já que nenhuma das empresas atacadas ou nenhuma das suas afiliadas está a comprometer-se a fornecer conselhos de investimento, atuar como conselheiro de qualquer plano ou entidade sujeito a A Lei de Segurança de Renda de Aposentadoria do Empregado de 1974, conforme alterada, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em capacidade fiduciária em relação aos materiais aqui apresentados. Se você é um aposentadorio individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado a Quantopian sobre se qualquer idéia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não oferece garantias sobre a precisão ou integridade das opiniões expressas no site. Os pontos de vista estão sujeitos a alterações e podem ter se tornado pouco confiáveis por vários motivos, incluindo mudanças nas condições do mercado ou nas circunstâncias econômicas.
Classificação de Estratégias de Negociação Quantitativas.
Milhares de trabalhos de pesquisa acadêmica financeira são publicados todos os anos. Pessoas em universidades e centros de pesquisa tentam esclarecer o funcionamento do sistema financeiro global. E alguns deles (por curiosidade ou simplesmente por causa do dinheiro) tentam entender apenas um subconjunto do sistema financeiro global & # 8211; mercados financeiros.
Eles estão procurando maneiras de vencê-lo.
Eles são bem sucedidos em sua busca? Eles descobriram algo que podemos usar no mundo comercial real?
Estas são as perguntas às quais estamos tentando encontrar respostas.
Nossa missão na Quantpedia é ajudar os comerciantes a romper pesquisas financeiras científicas e encontrar novas idéias para estratégias de negociação quantitativas. Utilizamos um grande número de recursos de pesquisa financeira de todo o mundo. Passamos por essas fontes e procuramos novos artigos e artigos interessantes. Cada artigo é avaliado com base na implementação da estratégia, no período de tempo de teste e na solidez geral. Se a estratégia passar pelos critérios de seleção, ela é categorizada e incluída em nosso banco de dados.
Mas é realmente possível encontrar estratégias em documentos acadêmicos com um valor agregado?
Há muitos equívocos flutuando na internet sobre pesquisa acadêmica financeira, tais como:
Um equívoco popular diz que os acadêmicos são arrancados da realidade e estudam apenas problemas teóricos. Outro popular faz a pergunta de que se os acadêmicos são tão inteligentes, então por que eles trabalham na academia e não gerem dinheiro.
A verdade é muitas vezes longe desses preconceitos.
Os acadêmicos são geralmente pessoas muito curiosas e inteligentes. Às vezes, eles podem examinar problemas apenas por pura curiosidade. Ou examine problemas que não têm aplicações práticas. Mas muitas vezes são muito bem motivados para estudar problemas práticos. Sua motivação pode ser simples: orgulho profissional, avanço na carreira ou possibilidade de uma oferta de grandes players na indústria de gerenciamento de ativos para começar a gerir dinheiro externo com base em um único alfa / fator / estratégia que eles encontraram.
Existe também muitos profissionais da indústria de hedge / fundo mútuo que são bem conhecidos pelo seu trabalho acadêmico. Após 2008, muitos hedge funds tornaram-se muito mais transparentes e começaram a mostrar como eles gerenciam o dinheiro do cliente. A pesquisa publicada por essas empresas demonstra sua competência no mundo externo e ajuda a atrair novos clientes. E podemos nos inspirar pelo seu trabalho e usá-lo também no nosso comércio.
As estratégias publicadas já não funcionam por causa do & # 8230; ?!
Uma crítica comum da pesquisa acadêmica financeira é que os fatores / estratégias que são encontrados e publicados já não funcionam. À medida que outros jogadores aprendem sobre eles, eles arbitraram todos os alfa que estavam disponíveis antes que as estratégias fossem publicadas.
A pesquisa mostra que isso não é inteiramente verdade.
Existe realmente uma deterioração do desempenho após a publicação de uma nova estratégia de negociação. No entanto, estatisticamente falando, alfa anormal ainda permanece mesmo vários anos depois que uma estratégia se torna pública.
Existem vários motivos para isso:
Limites para a arbitragem Jogadores relutantes nos mercados financeiros (o dinheiro penetra em uma nova estratégia mais lenta do que o normalmente esperado) Mal momento da nova estratégia / fator (um monte de dinheiro novo pode começar a negociar qualquer estratégia específica e pode causar uma queda na rentabilidade da estratégia e maior se espalha depois para os jogadores que continuam comprometidos).
Pontos cegos.
A pesquisa acadêmica geralmente examina principalmente as classes de ativos mais populares e os tipos de estratégias. Portanto, há uma quantidade acima da média de artigos relacionados às estratégias de escolha de estoque. O conhecimento do espaço de pesquisa quantitativo pode ajudar a encontrar fontes de estratégias alfa únicas em classes de ativos que são menos conhecidas e, portanto, podem ser menos lotadas e mais rentáveis no futuro.
Uma Estratégia de Negociação Quantitativa é um termo muito vago. Historicamente, abrangeu todas as estratégias # 8211; das estratégias rápidas de HFT intradía até uma estratégia de investimento sistemática de longo prazo, como o valor sistemático. No nosso webinar hospedado pela Quantpedia e pela QuantInsti, exploramos o universo das estratégias quantitativas de investimento. Nós demonstramos como a Quantpedia classifica estratégias quantitativas e tentou encontrar pontos cegos - tipos de estratégias que não estão muito bem cobertas pela pesquisa acadêmica e, portanto, podem oferecer um melhor desempenho. Também destacamos alguns exemplos de estratégias menos conhecidas derivadas dos documentos acadêmicos. Nós também examinamos algumas das questões comuns relacionadas à implementação dessas estratégias e ilustramos maneiras de evitá-las.
Obter através da App Store Leia esta publicação em nosso aplicativo!
Os investidores mais bem sucedidos que utilizam o quadro acadêmico?
Quais são os fundos de retorno absoluto mais famosos / de melhor desempenho que empregam abordagens baseadas na teoria das finanças públicas (ou seja, a teoria apresentada no Journal of Finance, AER, Econometrica, usando tipicamente modelos de fatores)? Estou perguntando porque conheço gerentes certificados certificados usando análise fundamental (por exemplo, Buffett, Robertson, Cohen) e abordagens algorítmicas ascendentes (por exemplo, Simons, Thorpe, Malyshev). No entanto, os gestores de ativos típicos que utilizam algum tipo de modelo de fator são investidores institucionais com desempenho medíocre (e geralmente gerenciados ativamente com um benchmark), ou gerentes de fundos de retorno absolutos com desempenho terrível (GSAM, LTCM) ou não lucrativos. Em suma, alguém tem um exemplo desse fundo com retornos médios superiores a 15-20% / ano durante um longo período de tempo?
Pode-se provavelmente mencionar a Fundação Yale sob David Swensen, que gerou retornos de 13% ao ano nas duas últimas décadas (em comparação com o retorno médio de 8 ou 9% de doações da faculdade e da universidade).
Agora, eu não iria rotular a abordagem de Swensen para o gerenciamento de portfólio com uma etiqueta de estratégia de retorno absoluto puro, mas ele definitivamente usa algumas idéias da teoria das finanças acadêmicas. Swensen fala sobre sua filosofia de investimento nesta palestra (que faz parte do curso de Robert Shiller sobre Mercados Financeiros).
Essa é uma pergunta difícil de responder. O "negócio de quant" é um negócio. Alguns quants vendem resultados de baixa qualidade / baixa volatilidade, alguns vendem resultados rápidos / imprevisíveis, alguns vendem resultados direcionados da indústria, etc. Depende do que o comprador deseja comprar. Existe um mercado para tudo. Nem todos conhecemos pessoas que pensam que vão ganhar a Loteria? . venceu Vegas? . Prever o preço do ouro? É o dinheiro deles. Se eles querem desperdiçá-lo, sempre há alguém disposto a chegar do outro lado.
Depois, há uma parte do mercado quântico que é real. Eles passam muito tempo tentando não perder dinheiro e ganhar dinheiro de forma menos volátil. Eu não tenho dinheiro com os seguintes tipos, mas aqui é uma organização grande, média e pequena:
Eu acredito que o motivo por que ninguém conseguiu apresentar um exemplo de um fundo de quantia empregando a abordagem baseada em fatores acadêmicos com desempenho estelar é porque não há nenhum (pelo menos, nenhum com AUM de tamanho decente). Por um tempo, agora, tem havido um debate entre investidores institucionais e profissionais quantitativos sobre se o quant está morto. A abordagem do fator alfa definitivamente não é o tipo de bala mágica que muitas pessoas pensavam que seria. Em parte, acredito que o motivo do seu fracasso percebido é que as expectativas eram muito altas para começar. Mesmo a pergunta da @ gappy, que pergunta cerca de 15-20% / ano durante um período prolongado, mostra isso. Esses retornos simplesmente não são possíveis em uma grande base de ativos.
Ao longo do tempo, os fatores alfa se transformaram em fatores de risco. A última moda agora parece ser um fator de tempo (veja EDHEC, Deutsche Bank, JPMorgan, Bernstein, Macquarie e outros). No entanto, os profissionais reconhecem que o cronograma do fator é muito mais difícil do que parece. Também parece haver alguma ênfase na busca de fontes de dados novas e originais, mas depois de um tempo, mesmo essas "novas" fontes de dados ficarão velhas. O próprio paradigma está sendo questionado. Na verdade, grande parte do debate agora é sobre se alguma vez foi realmente uma vantagem nesses fatores, ou talvez o GSAM, o AQR e as outras principais empresas de equidade quantitativas estavam apenas se beneficiando dos grandes influxos no espaço, impulsionando as avaliações em sua direção .
Em uma nota final, nunca ouvi falar de Malyshev, mas não está claro que Simons e Thorp não utilizaram abundantemente a pesquisa de finanças acadêmicas em geral. Simplesmente que eles não empregam o paradigma do fator como um princípio organizador por trás de suas estratégias primárias. Mesmo Simons, btw, tem sua própria incursão em equidade quantitativa baseada em fator tradicional sob a forma de RIEF. Alegadamente, isso não funcionou tão bem, com o fundo vendo grandes perdas em 2007, 2008 e 2009.
Esta é a pergunta que eu estava esperando! Eu trabalho em uma grande loja de CIO terceirizada e gasto muito tempo avaliando diferentes gerentes e as estratégias com as quais eles nos trazem. Eu também conheço várias pessoas às quais eu fui à escola e agora estão em fundos quantitativos. Há alguns pontos importantes a ter em mente:
Todo gerente quantitativo respeitável possui uma estratégia emblemática que nunca aceita capital de investidores externos. A maioria dos que eu vi tende a ter cerca de US $ 1 bilhão de capacidade e nunca abrir para ninguém que não esteja empregado pela empresa. Os retornos que eu vi por esses fundos são todos incríveis (mais de 20% de CAGRs, com índices de Sharpe superiores a 5), mas se você não faz o que faço ou trabalho para uma loja de quant, nunca vai saber sobre esses fundos. O ciclo de vida dos fundos quantitativos tende a ser diferente dos outros fundos. Se você é Julian Robertson, Chase Coleman ou John Griffin, você tem uma perspicácia ou uma vantagem de investimento que levaria alguns anos para imitar, assumindo que eles podem chegar perto. Quantos fundos são tão bons quanto as anomalias de investimento não publicadas que analisaram. À medida que as pesquisas publicadas atinjam suas pesquisas, seu desempenho se deteriorará. Então, você tende a ver menos empresas de quant que tenham registros de longa e impressionante. Por último, porque eles dependem de anomalias de investimento para ganhar o seu pão, a maioria dos fundos quantitativos se concentram na coleta de ativos e não na superação direta. Um excelente exemplo disso seria a multiplicidade de estratégias de baixa voltagem que chegam ao mercado. Esses fundos ficam ótimos nos backtests porque todos eles exploram a baixa anomalia de vol, e eles têm uma capacidade ridiculamente alta porque a maioria dos estoques de baixa voltagem tendem a ter grandes limites de mercado. Se você tem a opção mutuamente exclusiva de gerar maior desempenho, fazendo alguns ajustes para uma estratégia de baixa vol ou sacrificando algum desempenho para que você possa receber outros cinco bilhões, você vai buscar a opção que coloca mais dinheiro no seu bolso .
Espero que ajude a responder a sua pergunta.
Se fosse possível simplesmente pegar alguns papéis e adaptá-los e produzir retornos, o comércio desapareceria rapidamente, pois seria uma maneira barata de as empresas produzir rendimentos excedentes. Se você tem um fator que produz alfa, você não deve publicá-lo ou todos os retornos associados a ele desaparecerão.
Eu encontrei o maior valor na literatura acadêmica desbloqueada por nosso grupo para ter vindo de outras disciplinas quantitativas com problemas de processamento de sinal. Geralmente, a maior parte da literatura acadêmica em finanças está atrasada ou não é possível implementar de forma rentável.
Joel Greenblatt (Columbia Business School) tem alguns retornos extraordinários. No entanto, ele não usa uma estrutura modelo de fator de equilíbrio. Eu o consideraria um praticante que fez bem e, portanto, ensina.
Комментариев нет:
Отправить комментарий