Kodning af din egen algo-handelsrobot

Mange forhandlere bevæger sig for at blive algoritmiske forhandlere, men kæmper med kodningen af ​​deres handelsrobotter. Disse forhandlere vil ofte finde onlinealgoritmisk kodningsinformation uorganiseret og vildledende samt tilbyde falske løfter om velstand natten over. En kilde til pålidelig information er fra Lucas Liew, skaberen af ​​det online algoritmiske kursus AlgoTrading101. Kurset har fremragende anmeldelser og indsamlet over 8.000 studerende siden første lancering i oktober 2014.

Programmet fokuserer på at præsentere de grundlæggende elementer i algoritmisk handel på en organiseret måde. Liew er fast ved det faktum, at algoritmisk handel er "ikke et hurtigt-ryk-hurtigt skema." Nedenfor er de grundlæggende detaljer om, hvad det kræver at designe, opbygge og vedligeholde din egen algoritmiske handelsrobot (tegnet fra Liew og hans kursus).

Robo-rådgiveres stigning

Hvad en handelsrobot gør

På det mest basale niveau er en algoritmisk handelsrobot en computerkode, der har evnen til at generere og udføre købs- og salgssignaler på finansielle markeder. Hovedkomponenterne i en sådan robot inkluderer indgangsregler, der signalerer, hvornår de skal købe eller sælge, exit-regler, der angiver, hvornår den aktuelle position skal lukkes og størrelsesbestemmelser, der definerer de mængder, der skal købes eller sælges.

De vigtigste værktøjer til algo-handel

Det er klart, at du har brug for en computer og en internetforbindelse. Derefter er et Windows- eller Mac-operativsystem nødvendigt for at køre MetaTrader 4 (MT4) - en elektronisk handelsplatform, der bruger MetaQuotes Language 4 (MQL4) til kodning af handelsstrategier. Selvom MT4 ikke er den eneste software, man kunne bruge til at opbygge en robot, har den en række betydelige fordele.

Mens MT4s største aktivklasse er valuta (FX), kan platformen bruges til at handle med aktier, aktieindeks, råvarer og Bitcoin ved hjælp af CFD'er. Andre fordele ved at bruge MT4 i modsætning til andre platforme inkluderer at være let at lære, har mange tilgængelige FX-datakilder og det er gratis.

Desværre tillader MT4 ikke direkte handel på aktie- og futuremarkeder, og udførelse af statistisk analyse kan være byrdefuldt; MS Excel kan dog bruges som et supplerende statistisk værktøj.

Algoritmiske handelsstrategier

Det er vigtigt at begynde med at reflektere over nogle kerneegenskaber, som enhver algoritmisk handelsstrategi skal have. Strategien bør være forsigtig på markedet, idet den er fundamentalt sund fra et markedsmæssigt og økonomisk synspunkt. Den matematiske model, der blev brugt i udviklingen af ​​strategien, skal også være baseret på sunde statistiske metoder.

Dernæst er det afgørende at afgøre, hvilke oplysninger din robot sigter mod at indhente. For at have en automatiseret strategi skal din robot være i stand til at fange identificerbare, vedvarende markedsineffektivitet. Algoritmiske handelsstrategier følger et stift sæt regler, der drager fordel af markedsadfærd, og forekomsten af ​​engangseffektivitet på markedet er således ikke nok til at opbygge en strategi omkring. Yderligere, hvis årsagen til markedsineffektiviteten ikke kan identificeres, vil der ikke være nogen måde at vide, om strategiens succes eller fiasko skyldtes tilfældighed eller ej.

Med det ovenstående i tankerne er der en række strategityper, der informerer designet om din algoritmiske handelsrobot. Disse inkluderer strategier, der drager fordel af følgende (eller en kombination deraf):

• Makroøkonomiske nyheder (f.eks. Ikke-gårdsløn eller renteændringer)
• Grundlæggende analyse (f.eks. Ved hjælp af indtægtsdata eller indtægtsmeddelelser)
• Statistisk analyse (f.eks. Korrelation eller co-integration)
• Teknisk analyse (f.eks. Glidende gennemsnit)
• Markedsmikrostruktur (f.eks. Arbitrage eller handelsinfrastruktur)

Design til foreløbig forskning

Dette trin fokuserer på at udvikle en strategi, der passer til dine egne personlige egenskaber. Faktorer som personlig risikoprofil, tidsforpligtelse og handelskapital er alle vigtige at tænke på, når man udvikler en strategi. Derefter kan du begynde at identificere de vedvarende markedsineffektiviteter, der er nævnt ovenfor. Når du har identificeret en markedsineffektivitet, kan du begynde at kode en handelsrobot, der passer til dine egne personlige egenskaber.

backtesting

Dette backtesting-trin fokuserer på validering af din handelsrobot. Dette inkluderer kontrol af koden for at sikre, at den gør, hvad du vil, og forstå, hvordan den klarer sig over forskellige tidsrammer, aktivklasser eller forskellige markedsforhold, især i begivenheder af sort svanertype, som f.eks. Den globale finansielle krise i 2008.

Optimering af algo-trading design

Nu hvor du har kodet en robot, der fungerer, og på dette tidspunkt, vil du maksimere dens ydeevne og samtidig minimere overfitting-bias. For at maksimere ydelsen skal du først vælge en god præstationsmål, der fanger risiko- og belønningselementer, såvel som konsistens (f.eks. Sharpe-forhold). En overfitting bias opstår, når din robot er for tæt baseret på tidligere data; en sådan robot vil give afkald på illusionen om høj ydeevne, men da fremtiden aldrig helt ligner fortiden, kan den faktisk mislykkes.

Live henrettelse

Du er nu klar til at begynde at bruge rigtige penge. Bortset fra at være forberedt på de følelsesmæssige op- og nedture, du måtte opleve, er der dog et par tekniske problemer, der skal løses. Disse spørgsmål inkluderer valg af en passende mægler og implementering af mekanismer til styring af både markedsrisici og operationelle risici såsom potentielle hackere og teknologi-downtime.

Det er også vigtigt på dette trin at kontrollere, at robotens ydelse svarer til den, der opleves i teststadiet. Endelig er der behov for kontinuerlig overvågning for at sikre, at den markedseffektivitet, som roboten blev designet til, stadig findes.

Bundlinjen

I betragtning af at Richard Dennis, den legendariske varehandler, lærte en gruppe studerende sine personlige handelsstrategier, som derefter fortsatte med at tjene over $ 175 millioner på bare fem år, er det fuldstændigt muligt for uerfarne handlende at blive undervist i et strengt sæt retningslinjer og blive succesrige forhandlere. Dette er dog et ekstraordinært eksempel, og begyndere skal bestemt huske at have beskedne forventninger.

For at få succes er det vigtigt ikke kun at følge et sæt retningslinjer, men at forstå, hvordan disse retningslinjer fungerer. Liew understreger, at den vigtigste del af algoritmisk handel er ”forståelse under hvilke typer markedsforhold din robot vil arbejde, og hvornår den går i stykker, ” og ”forstå, hvornår man skal gribe ind.” Algoritmisk handel kan være givende, men nøglen til succes er forståelse. Ethvert kursus eller lærer, der lover høje belønninger med minimal forståelse, bør være et vigtigt advarselsskilt.