Lista De Estrategias Comerciales Cuantitativas

Menú principal Principales fondos de cobertura cuantitativos Resumen Los nuevos fondos de cobertura se están estableciendo diariamente (ya menudo, al parecer, se cierran con la misma rapidez). Sin embargo, existen varios Fondos de Hedge cuantiosos prominentes que han tenido un historial significativo, y aunque la longevidad no es garantía de poder permanecer en el futuro, estas empresas se consideran líderes en el espacio Quant Hedge Fund: DE Shaw Cuantitativa Management Associates Two Renaissance Sigma Renaissance Technologies AlphaSimplex Grupo Capula AQR Capital PanAgora Acadian Gestión de Activos Esta lista no es exhaustiva. Por ejemplo, muchos fondos de cobertura multi-estrategia, aunque no suelen denominarse Quant Hedge Funds, tienen estrategias cuantitativas significativas que ejecutan como parte de su plataforma. Considere a Highbridge Capital Management, una plataforma de inversión diversificada 29B que comprende fondos de cobertura, productos tradicionales de administración de inversiones e inversiones de crédito y capital con períodos de tenencia a largo plazo. Entre otras estrategias, Highbridge ofrece fondos de Arbitraje de Convertibles y Fondos de Arbitraje Estadístico, que normalmente se consideran estrategias más cuantitativas que algunas de sus otras ofertas de productos, que incluyen el crédito y las inversiones macro globales. Además, tenga en cuenta que las empresas que no sean Hedge Funds ejecutar estrategias de negociación cuantitativa. Muchos bancos grandes lo hacen, a través de las divisiones comerciales propietarias. Sin embargo, con la aplicación de la Regla de Volcker. Los bancos están limitados en los tipos de actividades de inversión en las que pueden participar. Como resultado, muchas estrategias de negociación cuantitativas se han estado moviendo y probablemente seguirán moviéndose desde las mesas de operaciones internas de los bancos hacia los brazos de gestión de activos de los bancos. (NOTA: Toda la información se toma de los Web site de la compañía a menos que indicado de otra manera.) Fundado: 1988 Basado: Ciudad de Nueva York Empleados / tamaño: 1.100 / aproximadamente 26 mil millones en capital de inversión (a partir del 1 de marzo de 2012) Presencia en muchos de los mercados de capitales del mundo, invirtiendo en una amplia gama de compañías e instrumentos financieros tanto dentro de las principales naciones industrializadas como en una serie de mercados emergentes. Sus actividades abarcan desde el despliegue de estrategias de inversión basadas en modelos matemáticos o en experiencia humana hasta la adquisición de empresas existentes y el financiamiento o desarrollo de nuevas. Estrategias: Las estrategias cuantitativas de la firma se basan en gran parte en: el uso de técnicas matemáticas para identificar las oportunidades de beneficios derivadas de sutiles anomalías que afectan los precios de diversos valores la aplicación de modelos patentados diseñados para medir y controlar diversas formas de riesgo el uso de Técnicas cuantitativas para minimizar los costos de transacción asociados con la compra y venta de valores y la utilización de tecnología de optimización propietaria para construir carteras de inversión dinámicamente evolutivas basadas en estas oportunidades de beneficios, factores de riesgo y costos de transacción. En el curso de la identificación de oportunidades de beneficios, el grupo de D. E. Shaw analiza una enorme cantidad de datos asociados con decenas de miles de instrumentos financieros, junto con varios factores no asociados con ninguno de esos instrumentos. Los datos se obtienen de muchos países en todo el mundo, y abarca una amplia gama de clases de activos. Cuando este proceso analítico genera un nuevo modelo que la firma cree ser de valor predictivo, se convierte en elegible para el despliegue dentro de una o más estrategias de negociación, en algunos casos junto con una docena o más de otros modelos que implican algunos de los mismos instrumentos financieros, De diferentes anomalías del mercado. La tecnología de optimización propietaria de firm8217s fue diseñada con el objetivo de maximizar el rendimiento esperado y controlar el riesgo agregado asociado a una cartera que en algunos casos puede incluir posiciones simultáneas en varios miles de valores. En lugar de considerar cada transacción de forma aislada, el software de optimización de cartera firm8217s está diseñado para dar cuenta de complejas interrelaciones entre un gran conjunto de instrumentos financieros que pueden abarcar varias clases de activos diferentes. En muchos casos, los algoritmos de optimización de la firma son capaces de mejorar los rendimientos ajustados por riesgo no sólo a través de la diversificación convencional, sino estableciendo exposiciones compensatorias a diversos factores de riesgo a nivel de cartera. Las carteras a menudo se reoptimizan sobre una base más o menos continua, con un flujo constante de operaciones ejecutadas para aprovechar las nuevas oportunidades de beneficios potenciales emergentes y / o para gestionar diversas formas de riesgo que varían dinámicamente. Las decisiones comerciales sensibles al tiempo se hacen a menudo muy rápidamente usando datos en tiempo real obtenidos de diversas fuentes a través de los mercados financieros mundiales. La empresa opera en casi 24 horas, y normalmente ejecuta decenas de miles de transacciones por día. Fundado: 1975 Base: Newark, NJ Empleados / Tamaño: 36 profesionales de inversión (más personal de oficina adicional) / aproximadamente 83 mil millones en activos bajo administración (AUM) al 1 de marzo de 2012 Descripción: Vemos potencial de inversión en mispricings pequeños pero extendidos de valores. Las estrategias activas pueden desempeñar un papel clave en la consecución de los objetivos de inversión. Los precios de los activos de vez en cuando se desvían de los valores implicados por los fundamentos subyacentes, y la gestión activa puede mejorar los rendimientos al posicionar una cartera para beneficiarse de un eventual retorno a los fundamentos. Estas desviaciones de los valores justos crean oportunidades que nuestros procesos están diseñados para identificar y explotar. Debido a que estos son patrones que persisten en el tiempo, en lugar de fugaces tendencias, estamos seguros de que nuestros procesos pueden seguir superando a largo plazo. Nuestro enfoque de abajo hacia arriba combina los principios de la teoría de la valoración y la financiación del comportamiento con la habilidad y el juicio de nuestros profesionales de la inversión. Los miembros del equipo, con un promedio de 20 años de experiencia en inversiones y trayendo diversas perspectivas, incluyendo profesores universitarios, ingenieros, físicos y economistas, han trabajado sin problemas a través de una amplia gama de condiciones de mercado. Nuestro proceso de optimización patentado genera carteras diversificadas a través de un gran número de acciones. Y al limitar los riesgos como el tamaño, el sector o la industria y la desviación del índice de referencia, al mismo tiempo que nos centramos en la liquidez y los costos de transacción, creemos que podemos apuntar a la generación alfa más eficazmente. El enfoque de inversión de QMA8217s es razonable y sólido, pero no estático. A través de la investigación en curso, seguimos encontrando maneras de mejorar la naturaleza adaptativa de nuestros procesos de inversión. Estrategias: Cuantitativo Equidad de Capital Equidad de Valores Equidad de Indización Asignación de Activos Equidad Estructurada Fundada: 2001 Basado en: Nueva York (Hong Kong, Houston y oficinas satélites de Londres) Empleados / Tamaño: Cerca de 300 (estimado) / varios millones de dólares Han estado aplicando con éxito nuestras estrategias de negociación de inversiones disciplinadas y orientadas a procesos desde 2001. Estas estrategias, que se expresan en varios mercados y clases de activos, se basan en modelos estadísticos desarrollados utilizando un riguroso análisis matemático y la visión de la industria de un equipo grande y experimentado de Two Sigma8217s . El desarrollo de estas estrategias requiere vastos recursos computacionales para identificar, cuantificar y actuar con éxito en las oportunidades de mercado, mientras que monitorea de cerca la exposición al riesgo. La tecnología es una parte integral de las estrategias comerciales, las funciones corporativas y la vida en general en Two Sigma. Para nosotros, la tecnología es un centro de beneficio, no sólo un elemento de costo, y sigue siendo una fuerza impulsora detrás de la estructura de nuestra empresa. Cada día trabajamos en pequeños equipos para desarrollar y mejorar herramientas analíticas y de medición para los mercados financieros, y alentamos la colaboración en una estructura que parece rara en el campo financiero. De hecho, muchos han observado que nos miramos y sentimos mucho como una empresa de software. Renaissance Technologies LLC es una compañía de gestión de inversiones dedicada a producir rendimientos superiores para sus clientes y empleados mediante la adhesión a los métodos matemáticos y estadísticos. Establecido: na Base: Cambridge, MA Empleados / Tamaño: 28 / na Descripción: AlphaSimplex se especializa en estrategias de inversión de retorno absoluto que se implementan principalmente con futuros y contratos a plazo. Utilizando técnicas cuantitativas de vanguardia, nuestro enfoque único de la inversión proporciona la adaptabilidad y la toma de decisiones contextuales asociadas con los gestores fundamentales, pero dentro de un marco puramente cuantitativo y controlado por el riesgo. Cada una de las estrategias de inversión de las empresas se basa en un enfoque multi-modelo de gestión de cartera que busca generar alfa con mayor consistencia y que facilita la adición regular de modelos recién desarrollados. Estrategias: Macro Global cuantitativa es una estrategia macro global cuantitativa multi-modelo que se basa en un conjunto diversificado de factores en muchos mercados diferentes. Los modelos de componentes que componen el producto se han desarrollado a lo largo de varios años y un conjunto diverso de entornos de mercado. Para cualquier entorno de mercado dado, existen al menos uno o dos modelos de componentes diseñados para generar alfa para ese entorno específico. El gerente utiliza técnicas estadísticas avanzadas para pesar dinámicamente los modelos de componentes para aprovechar al máximo las condiciones actuales del mercado. Global Tactical Asset Allocation es una estrategia de superposición de capital extremadamente eficiente o estrategia de alpha 8222 que tiene como objetivo agregar un incremento de 1 o 2 puntos porcentuales de rendimiento a una cartera existente sin aumentar la volatilidad de las carteras existentes en más de 1 o 2 puntos porcentuales anualmente. La estrategia también se puede gestionar a niveles de riesgo más altos para generar mayores retornos. LASER y GLOBAL ALTERNATIVES usan futuros y forwards para replicar las exposiciones a un conjunto diversificado de las primas de riesgo líquido más comunes que conducen las rentabilidades de los fondos de cobertura. Esta estrategia proporciona beneficios similares de diversificación como un fondo de fondos de cobertura, y es adecuada para los grandes inversores institucionales que de otro modo no pueden encontrar capacidad adecuada entre los gestores de fondos de cobertura, como tampón de liquidez con una cartera menos líquida, No tendrían acceso a los beneficios de diversificación de los fondos de cobertura debido a requisitos mínimos de inversión. Fundada: 2005 Basado en: Londres (Greenwich, CT y Tokio) Empleados / Tamaño: Menos de 50 / 9B (2011) Descripción: Capula Investment Management LLP es una firma global especializada en renta fija. La firma gestiona las estrategias de negociación de renta fija en rentabilidad absoluta y productos de renta fija mejorada, junto con un producto de cobertura de riesgo de cola. Capula Investment Management LLP se centra en el desarrollo de estrategias de inversión innovadoras que muestran una baja correlación con los mercados tradicionales de renta variable y de renta fija. Lo que diferencia Capula es su enfoque macro, disciplina comercial fuerte y orientación a corto plazo en lugar de un estilo de inversión a mediano plazo. La comprensión de las empresas de los riesgos de liquidez y los riesgos de cola le ha ayudado a prosperar a través de todas las etapas del ciclo de inversión, incluyendo períodos de extrema interrupción del mercado. El fondo Capula GRV se centra en las tasas de interés y el macro-trading. El fondo participa en estrategias de valor relativo y convergencia que buscan explotar anomalías de precios en los mercados de bonos gubernamentales, swaps de tasas de interés y mercados de derivados negociados en bolsa, y emplea una superposición macro defensiva. Los temas de inversión son impulsados ​​principalmente por la generación alfa y están destinados a mantenerse neutrales a los movimientos direccionales en los principales mercados de capitales. El Fondo Capula Tail Risk invierte en una gama de instrumentos principalmente en los mercados del G7. Apunta a rendimientos superiores en tiempos de liquidez y crisis sistémicas, minimizando al mismo tiempo la desventaja en condiciones normales de mercado. Ambos fondos se gestionan activamente en el estilo de negociación propietario. Fundada en: 1998 Base: Greenwich, CT Empleados / Tamaño: 190 / 44B (finales de 2011) Descripción: AQR Capital Management es una firma de gestión de inversiones que emplea un proceso de investigación global multi-activo disciplinado. Los productos de inversión AQR se proporcionan a través de un conjunto limitado de vehículos de inversión colectiva y cuentas separadas que utilizan todo o un subconjunto de estrategias de inversión de AQR8217. Estos productos de inversión abarcan desde los hedge funds agresivos de alta volatilidad, neutrales al mercado, hasta los productos tradicionales basados ​​en la referencia de baja volatilidad. Las decisiones de inversión se toman utilizando una serie de modelos globales de asignación de activos, arbitraje y selección de valores, y se implementan utilizando sistemas patentados de negociación y gestión de riesgos. AQR cree que un proceso sistemático y disciplinado es esencial para lograr el éxito a largo plazo en la inversión y la gestión de riesgos. Además, los modelos deben basarse en principios económicos sólidos, no simplemente construidos para ajustarse al pasado, y deben contener tanto sentido común como lo hacen la potencia de fuego estadística. Fundada: 1989 Basado en: Boston, MA Empleados / Tamaño: 50-200 / 22.3B (finales de 2011) Descripción: PanAgora es una institución financiera cuantitativa basada en la gestión de inversiones que utiliza estrategias de selección de acciones bottom-up, Alpha de arriba a abajo. Buscamos ofrecer soluciones de inversión utilizando sofisticadas técnicas cuantitativas que incorporen ideas fundamentales y grandes cantidades de información de mercado. Mientras que las estrategias de inversión de PanAgoras son de naturaleza altamente sistemática, los procesos implementados dentro de estas estrategias son construidos y supervisados ​​por profesionales con talento con una experiencia de inversión significativa y diversa. La investigación innovadora desempeña un papel central en nuestra filosofía y proceso de inversión y es un componente esencial de la capacidad de nuestras empresas para ofrecer soluciones de inversión atractivas. Los equipos de inversión están organizados en un grupo de Estrategias de Acciones y en un grupo de Estrategias de Activos Múltiples. La mayoría de los miembros del equipo de inversión se dedican a la investigación original utilizando intuición fundamental, inteligencia de mercado, finanzas modernas y métodos científicos. Las estrategias de inversión de PanAgoras se basan en estos principios rectores: Los mercados de capitales no son perfectamente eficientes y por lo tanto presentan oportunidades de inversión atractivas para los inversionistas disciplinados. La investigación innovadora que combina la creatividad con la teoría financiera moderna y las técnicas estadísticas (arte y ciencia) es la base de un proceso de inversión exitoso. Un enfoque sistemático de la inversión que combina el pensamiento intuitivo y fundamental con técnicas cuantitativas es probable que genere retornos persistentes y atractivos ajustados al riesgo. La atención al riesgo y la implementación eficiente pueden preservar ya menudo mejorar los resultados de desempeño. Los objetivos claramente definidos, la transparencia y el acceso a profesionales talentosos de inversión ayudan a lograr la satisfacción del cliente. Fundado: 1987 Basado en: Boston (Singapur y Londres) Empleados / Tamaño: 200-500 / 48B (31/03/12) Descripción: Acadian tiene un proceso de inversión riguroso y estructurado. Cuantificamos la mayoría de los aspectos de nuestro proceso de inversión, incluyendo el exceso de retorno que creemos que cada uno de los valores de nuestro universo de inversión generará en un horizonte determinado y el riesgo que esperamos que una cartera particular experimente en relación con su índice de referencia. El objetivo de esta nota es explicar por qué creemos que un enfoque cuantitativo tiene sentido y qué ventajas e inconvenientes tiene un enfoque de este tipo con respecto a enfoques más tradicionales. Creemos que las técnicas cuantitativas son herramientas. Son maneras de aplicar enfoques tradicionales para tomar decisiones de inversión de una manera disciplinada y sistemática. Por lo tanto, nuestro enfoque de la inversión no está en desacuerdo con un enfoque tradicional. Utilizamos las mismas herramientas que utilizan muchos gestores de carteras tradicionales, pero tratamos de aplicarlas de manera muy sistemática y disciplinada, evitando emociones y deslizamientos en la implementación. Acadian se especializa en estrategias activas globales e internacionales de equidad, empleando sofisticados modelos analíticos para la selección activa de valores, así como la valoración de grupos de pares (país, región e industria). También ofrecemos estrategias de renta fija en los mercados emergentes. Nuestra base de datos patentada cubre más de 40.000 valores en más de 60 mercados en todo el mundo. Las extensas capacidades de investigación de Acadian8217s se utilizan para desarrollar estrategias de gestión de inversiones personalizadas para nuestros clientes. Negociación cuantitativa Qué es el comercio cuantitativo El comercio cuantitativo consiste en estrategias de negociación basadas en análisis cuantitativos. Que se basan en cálculos matemáticos y crujidos numéricos para identificar oportunidades comerciales. Como el comercio cuantitativo es generalmente utilizado por las instituciones financieras y los fondos de cobertura. Las transacciones suelen ser grandes en tamaño y puede implicar la compra y venta de cientos de miles de acciones y otros valores. Sin embargo, el comercio cuantitativo es cada vez más comúnmente utilizado por los inversores individuales. DESCANSO Cuantitativo El precio y el volumen son dos de los insumos de datos más comunes utilizados en el análisis cuantitativo como los principales insumos de los modelos matemáticos. Las técnicas de comercio cuantitativas incluyen el comercio de alta frecuencia. Trading algorítmico y arbitraje estadístico. Estas técnicas son rápidas y típicamente tienen horizontes de inversión a corto plazo. Muchos comerciantes cuantitativos están más familiarizados con las herramientas cuantitativas, como los promedios móviles y los osciladores. Comprensión del comercio cuantitativo Los comerciantes cuantitativos aprovechan la tecnología moderna, las matemáticas y la disponibilidad de bases de datos completas para tomar decisiones comerciales racionales. Los comerciantes cuantitativos toman una técnica comercial y crean un modelo de la misma utilizando matemáticas, y luego desarrollan un programa informático que aplica el modelo a los datos históricos del mercado. A continuación, el modelo se prueba de nuevo y se optimiza. Si se logran resultados favorables, el sistema se implementa en mercados en tiempo real con capital real. La forma en que la función de los modelos de comercio cuantitativos puede describirse mejor utilizando una analogía. Considere un informe meteorológico en el que el meteorólogo pronostica una probabilidad de 90 de lluvia mientras el sol brilla. El meteorólogo obtiene esta conclusión contraintuitiva recolectando y analizando los datos climáticos de los sensores en toda la zona. Un análisis cuantitativo computarizado revela patrones específicos en los datos. Cuando estos patrones se comparan con los mismos patrones revelados en los datos climáticos históricos (backtesting), y 90 de cada 100 veces el resultado es lluvia, entonces el meteorólogo puede sacar la conclusión con confianza, de ahí el pronóstico 90. Los comerciantes cuantitativos aplican este mismo proceso al mercado financiero para tomar decisiones comerciales. Ventajas y desventajas de la negociación cuantitativa El objetivo de la negociación es calcular la probabilidad óptima de ejecutar un comercio rentable. Un comerciante típico puede efectivamente monitorear, analizar y tomar decisiones comerciales sobre un número limitado de valores antes de que la cantidad de datos entrantes sobrecoge el proceso de toma de decisiones. El uso de técnicas comerciales cuantitativas ilumina este límite utilizando computadoras para automatizar las decisiones de monitoreo, análisis y negociación. Superar la emoción es uno de los problemas más generalizados con el comercio. Sea el miedo o la avaricia, cuando el comercio, la emoción sirve sólo para ahogar el pensamiento racional, que por lo general conduce a las pérdidas. Las computadoras y las matemáticas no poseen emociones, por lo que el comercio cuantitativo elimina este problema. El comercio cuantitativo tiene sus problemas. Los mercados financieros son algunas de las entidades más dinámicas que existen. Por lo tanto, los modelos comerciales cuantitativos deben ser tan dinámicos para tener éxito consistente. Muchos comerciantes cuantitativos desarrollan modelos que son temporalmente rentables para la condición de mercado para la cual fueron desarrollados, pero finalmente fallan cuando cambian las condiciones del mercado. Comencemos con lo básico y luego entraremos en las estrategias: La inversión cuantitativa es un enfoque para implementar estrategias de inversión en Una manera automatizada (o semiautomática). Este enfoque se presta bien a (1) usar conjuntos de datos grandes o únicos. (2) refinarlos en información explicativa, y (3) desplegarlos como oficios a través de la tecnología. En su núcleo, cada inversor cuantitativo está buscando una ventaja, por lo que explicaremos cómo cada elemento se utiliza para capturar el borde. Los mejores cuantos emplean el método científico que proponen una hipótesis basada en una observación del mundo real, luego la prueban. La mayoría de la gente iguala la inversión cuantitativa con los doctorados avanzados y las matemáticas de vanguardia de alto nivel. Matemáticas avanzadas a menudo no es el conductor principal de borde muchas de las estrategias más rentables cuán en realidad son muy fáciles de entender. La clave para llegar a una hipótesis ganadora es entender los temas más rentables en las finanzas, a continuación, para llegar a un proceso de obtención y expresión de esos temas. Algunos ejemplos de temas altamente rentables: Los gobiernos crean una multitud de oportunidades para la gamificación pura. Están motivados por la política más que por el lucro, y hay numerosas agencias y regímenes nacionales que crean reglas desordenadas y contradictorias. Los Quants buscan invertir el ingeniería de estas estructuras de reglas y señalar las ineficiencias dentro de un sistema ya través de los sistemas para que puedan aprovecharlos. Los gobiernos tienden a ser más lentos a responder que los actores motivados por el beneficio, por lo que las ineficiencias que crean pueden persistir durante mucho tiempo (a menudo indefinidamente). Por estas razones son una fuente provechosa de frutos bajos para los cuantos: (a) Arbitraje R egulatorio Clásico. Los actores financieros a menudo recorren los sistemas de reglas de los reguladores en un esfuerzo por encontrar ineficiencias. Un ejemplo: los reguladores de la electricidad tienen fama de ser tan incompetentes que sus complejas reglas y regulaciones ofrecen a los comerciantes de electricidad innumerables oportunidades. Como dijo Bloomberg, quercFERC (el regulador de electricidad) construye mercados con tantas campanas y silbatos y botones y válvulas que algunos de los botones terminan sin tener más función que dispensar dinero. Si puedes encontrar esos botones, lo que haces es seguir presionándolos hasta que la FERC se fije y se enoje con usted. 1 b) Arbitraje Regulatorio Transfronterizo. Ejemplo: los reguladores estadounidenses exigen que las compañías informen sobre las finanzas trimestrales. Las empresas que cotizan en el intercambio taiwanés deben reportar ventas mensuales. Quants puede tomar las ventas mensuales de las empresas de semiconductores que figuran en Taiwan2 y utilizar desplegar esas señales antes de los inversores que esperan en la información trimestral en los EE. UU. También pueden utilizar la información para crear mejores estimaciones de rendimiento del índice y opciones de comercio o ETFs más eficazmente . C) Arbitraje reglamentario interinstitucional. Esto es cuando los quantes usan el hecho de que las reglas tienen una tendencia al conflicto entre los diferentes reguladores dentro del mismo sistema. Ejemplo: La implementación de la nueva legislación de Dodd-Frank (que el fondo de cobertura John Paulson, artísticamente conocido como quotgobbledygook3 quot) ha sido un día de campo para los inversores que están descifrando las reglas. Un aspecto de la ley establece que los bancos y las instituciones de ahorro que están asegurados por la FDIC deben informar 039Call Data039, que requiere revelaciones de ganancias, entre otras cosas. Muchos de estos bancos ahora están reportando ganancias sin querer por medio de reportes de FDIC antes de sus reportes trimestrales de 10-Q, brindando una oportunidad de aprovechar esta discrepancia de tiempo. Reglas de intercambio. Algo así como los gobiernos, los intercambios vienen con reglas comerciales específicas que pueden ser jugadas: (a) Arbitraje de Zona Horaria. 4 Existe un arbitraje (ahora ilegal) por el cual algunos fondos mutuos internacionales podrían ser jugados debido a las diferencias en las zonas horarias. De acuerdo con las reglas, todos los fondos de inversión tenían sus precios fijados al final del día a las 4 pm EST, cuando los intercambios estadounidenses cerraron. El problema era que para algunos fondos mutuos internacionales, sus mercados ya habían cerrado antes de las 4 pm EST, lo que significaba que los inversionistas podían ver los precios de cierre antes del cierre real. Entonces, simplemente comprarían algorítmicamente los fondos que sabían que serían precios más altos que el precio que se pagaba. (B) Precios Flash. Varios enfoques cuantitativos a menudo citados en las discusiones de comercio de alta frecuencia se basan en la explotación de las reglas de cambio. Quants utiliza quotflash pricing5 quot para obtener un vistazo furtivo en el flujo de pedidos grandes y luego el comercio de microsegundos por delante de otros participantes a paso en el medio. (C) Arbitraje de Reembolso. Esta es una táctica que utiliza una regla de cambio que busca recompensar a los participantes del mercado que proporcionan liquidez al cambio frente a aquellos que eliminan la liquidez. Varios enfoques de alta frecuencia buscan sacar provecho de este 039 dinero botón039 mediante la colocación de operaciones que neutralizar el impacto en el mercado de sus apuestas, mientras que la maximización de sus descuentos gratuitos. Reglas de participantes en el mercado. Además de las ineficiencias creadas por los gobiernos y los intercambios, los participantes en el mercado tienen sus propias reglas para negociar, ya sean instituciones con sus propios protocolos únicos o individuos con sesgos de comportamiento. Ejemplos: (a) Reconocimiento de patrones algorítmicos. Un área significativa de innovación de mercado ha sido últimamente en el reconocimiento de patrones. De vuelta en los días más simples, si un gran orden institucional entró en una casa de corretaje, el corredor probablemente necesitaría comprar la orden alrededor de varios otros corredores para llenar el gran comercio. Si el corredor Mike en Morgan Stanley llamó al corredor George en Goldman Sachs, George podría ser capaz de intuir que una gran orden estaba sucediendo y mantener algunas acciones para sí mismo mientras vendía algunos de los otros a Mike para llenar su pedido. Los corredores rastrear los movimientos de volumen y la información a mano para quot para tratar de tomar ventaja de grandes movimientos direccionales en una acción debido a estas compras de bloque. Hoy en día, todo el comercio institucional se realiza a través de un algoritmo electrónico, donde los pedidos se encaminan en patrones escalonados a múltiples intercambios, así como a diferentes corredores, piscinas oscuras y redes de cruce en un esfuerzo para llenarlos de la manera más efectiva y secreta posible. En vez de leer la cinta, los fondos cuantitativos modernos ahora trabajan en el otro lado y tratan de quotbreak el código. En otras palabras, tratan de reconocer y aislar los patrones de ejecución del comercio personalizado en un esfuerzo por comerciar contra ellos. (B) Comercio de Reglas de ETF. Cuando una acción se agrega a un índice, los ETF que representan ese índice a menudo DEBE comprar ese stock también. Al entender las reglas de las adiciones / sustracciones de índices, los fondos de cobertura pueden negociar antes de las compras forzadas y capitalizar esas reglas. (C) Prospecto A rbitrage. Muchos fondos de inversión y hedge funds tienen sus propias reglas de inversión. Por ejemplo, muchos fondos mutuos arbitrariamente establecen reglas para sí mismos que no pueden poseer un stock en virtud de 5. Otros sólo deben invertir en acciones que cumplan sus características específicas de quotgrowth o quotvaluequot. Para un comprador experto, pueden utilizar el análisis textual para escanear este tipo de reglas a través de los prospectos, obtener la información disponible públicamente sobre las tenencias de fondos mutuos (a través de las presentaciones 13F), determinar qué fondos tienen activos cercanos a sus umbrales declarados y negociar contra Esas restricciones. D) Sesgos de comportamiento. Muchos inversores minoristas tienen sesgos psicológicos bien establecidos. Por ejemplo, los inversores minoristas tienen una tendencia a cortar las posiciones ganadoras que se suman a las posiciones perdedoras debido a un sesgo de aversión a la pérdida. Los Quants pueden identificar sesgos de comportamiento generales entre ciertas clases de inversionistas, aislar qué acciones expresan esos sesgos y son favorecidos por la clase de inversionistas, luego negocian contra el comportamiento irracional como fuente de retorno. Otras Ventajas Informativas Puras. Algunos fondos se concentran en encontrar fuentes de datos únicas para extraer una ventaja. Un artículo muy interesante del WSJ7 compartió que: Algunos fondos utilizan imágenes satelitales para determinar si los cultivos están creciendo a la tasa esperada para estimar los precios de los productos básicos. Otros usan imágenes satelitales para medir si los estacionamientos están llenos o vacíos en minoristas específicos como una manera de anticipar las ventas. Otros miden las sombras proyectadas de los edificios para estimar la tasa de nueva construcción en las principales ciudades. La lista continua. Hay un número innumerable de maneras inteligentes de encontrar información mejor y más rápida en lugar de esperar a que los informes anuales del amplificador trimestral salgan. 2. Refinación de datos. Todo lo anterior hasta ahora describe diferentes tipos de operaciones y conjuntos de datos que se pueden utilizar para extraer una arista. A menudo la singularidad de los datos por sí solo es suficiente para conferir una ventaja obvia, pero borde adicional se puede extraer utilizando las mejores técnicas para scrub amp refinar la información. Esto es a menudo donde la matemática de nivel de doctorado puede proporcionar una ventaja. La simulación de Monte Carlo, los algoritmos de aprendizaje mecánico, los refinamientos del análisis de regresión tradicional u otros medios pueden contribuir a valores predictivos más altos para un conjunto de fechas determinado. Aplicaciones profundas de matemáticas. Los conjuntos de datos de amplificación de ineficiencias anteriores son intuitivos para entender y no requieren fundamentalmente aplicaciones matemáticas avanzadas. Dicho esto, hay estrategias que sólo se explican con matemáticas avanzadas. Emc2 no es un concepto fundamentalmente intuitivo, pero se ha utilizado para explicar una amplia gama de conocimientos que no existían antes de su descubrimiento. Los mismos descubrimientos pueden ser descubiertos en finanzas (aunque nadie los difundiría ampliamente mientras fueran efectivos). Un ejemplo de un campo financiero donde las matemáticas avanzadas son casi obligatorias son las o pciones. Las opciones (y los valores derivados en general) tienen bases matemáticas más complejas que las existencias tradicionales. A diferencia de las existencias que se mueven principalmente en relación con la salud de la empresa y la economía en general, el valor de las opciones también se ven afectados por (i) el paso del tiempo, (ii) la volatilidad del valor subyacente, (iii) Los movimientos del mercado más amplio, (iv) la volatilidad del mercado más amplio, y otros factores clave. Todos los factores cambian de forma no lineal con el movimiento de los otros, por lo que los momentos de orden superior de cada variable pueden tener un impacto significativo en el valor de la opción. Añada estas complicaciones al hecho de que el mercado de opciones tiene sus propias oportunidades únicas para negociar gamification de la regla del amplificador y usted tiene repentinamente un problema muy intenso de la matemáticas. A veces no hay una base simple para resolver estas ineficiencias y se reduce a la construcción de la mejor ratonera matemática para evaluar las diferencias en el precio frente al valor. 3. Métodos de implementación La última categoría principal de borde se puede encontrar a través de métodos de implementación. Si un fondo puede encontrar los datos de refinamiento de amplificador a la par con otros fondos de Quant, todavía pueden perder si son más lentos para implementar sus algoritmos y operaciones. Además, hay información valiosa publicada todos los días que puede mover los mercados (de la información específica de la empresa a los indicadores económicos), y los que pueden procesar esa información y el comercio en él más rápido puede ganar. La realidad aquí es que existe tal diversidad de estrategias rentables que el despliegue es uno de los bordes más difíciles de mantener. El comercio de alta frecuencia (HFT) se ha convertido en una verdadera carrera armamentista a cero latencia (es decir, a velocidades cercanas a cero microsegundos.) Dicho esto, puede haber ganadores en una carrera armamentista y ha habido empresas que se han beneficiado de Avances muy rentables: Microondas. Para las empresas de HFT, las fibras ópticas son una manera dolorosamente lenta de comunicarse. El problema es que la velocidad de la luz es algo obstaculizada por todo lo que rebotan en el interior del cable óptico, y disminuye la información. Para resolver esto, las empresas ahora utilizan transmisores de microondas8. Que pueden comunicarse directamente desde el punto A al punto B a través de una ruta menos complicada. El resultado es un tiempo de transmisión que es hasta 50 más rápido, lo que ahorra preciosos microsegundos. Otra manera de comerciar más rápido con un intercambio es 039co-locate039 o comprar un servidor directamente en el sitio con un intercambio. Las empresas de HFT pagan mucho dinero no sólo para co-localizar servidores, sino también para los asientos de primera fila que reducen la distancia física en varios centímetros (o tal vez incluso en metros). Mejores algoritmos. Más allá de las consideraciones de hardware, las empresas de HFT están constantemente buscando formas más rápidas de procesar sus algoritmos y reducir el tiempo de procesamiento. Esto se hace a través de una combinación de avances de software (y hardware) que eliminan cada microsegundo posible. Espero que haya sido útil Esperando cualquier comentario o siéntase libre de correo electrónico: nathan (at) clarityspring No hay datos para responder a esta pregunta. Aquí están las estrategias cuantitativas y algorítmicas que había oído hablar o visto en uso. Kalman filtros modelos de markov ocultos topología múltiple técnicas de regresión de núcleos no lineales tipo de APT modelos de factores monte carlo opciones técnicas de precios tiempo continuo modelos de factores APT con variables latentes técnicas espectrales para hacer bolsa de palabras extracción de factores de lenguaje natural corpus para generar forzamientos para estocástico Modelos de diferenciales parciales de pares de dinámica de activos negociación / regla media estrategias de arbitraje estadístico construcción gráfica automática de modelos (inferencia estructural sobre redes bayesianas dinámicas) estrategias de intercambio de pares de aprendizaje de refuerzo jair. org/media/1336/l. Estrategias de inversión basadas en la teoría de la información ver en. wikipedia. org/w iki / Gam. J. L. Kelly, Jr., Nueva Interpretación de la Tasa de Información, Bell System Technical Journal. Vol. Un campo en la frontera entre la teoría de la información, la teoría de la probabilidad y la geometría diferencial, sigue siendo algo muy nuevo que puede usarse para modelar o extraer características de Una serie de tiempo La mayoría de los retornos no se generan mediante la creación de algoritmos fundamentalmente nuevos, sino mediante la aplicación de los algoritmos existentes en formas novedosas para nuevos conjuntos de datos. Por ejemplo, el mercado podría ser eficiente con respecto a la mayoría de los algoritmos con respecto al precio. Yo diría que el mercado es eficiente con respecto a un algoritmo dado y la propiedad del mercado si usted no puede utilizar el conocimiento sobre las relaciones estadísticas extraídas con un algoritmo dado para generar retornos que exceden el costo del capital, después de los costos de transacción. be unable to predict price movements with the above strategies, because there are so many firms already doing that. However the market might be inefficient with respect to a given algorithm and say volatility instead of price. How do you make money on thatquot If you are clever you can profit from statistical predictability in nearly any property of the market. For instance, if I take an RSS feed of news reports about stocks and use bag of words techniques for factor extractions and use these factors to predict the price volatility of a stock. Say I knew that there are an abnormally high volume of news reports about a company. This may indicate that the volitility (variance) of the security039s price will be abnormally high for a few days (you would back test to determine a relationship). You know the security price is likely to move, but you do not know what direction it will move in. So you buy a butterfly option. See: en. wikipedia. org/w iki/But. Long 1 call with a strike price of (X a) Short 2 calls with a strike price of X Long 1 call with a strike price of (X a) Using novel combinations of derivatives you can take advantage of your ability to forecast even extremely esoteric statistical properties of the market. More complex and profitable trading strategies use relationships between multiple assets. Novel (and preferably non-public) data is also important. The best returns will be generated by strategies that use data which no one else has. For instance, there was a group of people that took public data from NASA039s Landsat satellite and used it to predict US corn and soy bean production. During the cold war mathematical models were developed that allowed the US to predict Soviet crop yields using satellite data better than the Soviets could predict crop yield from the ground. These models were used to predict soy bean and corn production in the US by this company. Using this public data and algorithms the company was able to predict aggregate US crop production more accurately than the USDA. This data was used to front run price movements from USDA crop yield reports. The company was purchased by a hedge fund that specialized in trading soy bean and corn futures. They can generate high rates of return on their capital, because they have information no one else has. Quantitative methods in investment can be used to 1gt Give a model which enables you to better estimate latent variables from data 2gt Give a model which allows predictions of how the market will respond to changes in underlying variables (such as interest rate or change in oil prices) 3gt Create a model about how prices and volatility responds to events/news reports Quantative methods generally fall into 3 categories: 1gt Decision making (ex. order generation) 2gt Modeling (predictive, generative) 3gt Asset Allocation (allocating capital between investment strategies or assets) 4gt improving estimates of latent variables used in other models, by incorporating new sources of data or extracting information from existing sources in an improved manner Kelly Criterion and Mean Variance Portfolio Theory fall into category 3 Neural networks, rule based trading strategies, decision trees, adaptive learning, SVMs for signal generation fall into category 1 CAPM/APT, Black Scholes fall into category 2 An example of category 4, which be using implied volatility, historical volatility and extracted corporate events to estimate volatility of an assets price over a given time horizon. Historical volatility will lag actual volatility, so incorporating multiple sources of data (or higher frequency data) can yield improvements over using historical volatility. Traditionally, a quotquantquot uses methods from statistics, Ito calculus, monte carlo methods and partial differential equations. These methods from applied mathematics are limited and and largely have become commoditized. quotQuantitativequot strategies in the past 10 years have moved away from these methods and now incorporate a wider range of academic disciplines, especially machine learning. 20.6k Views middot View Upvotes middot Not for Reproduction There is no specific strategy that has generated such wealth. But mostly all Trend following systems are capable of it. The success rate of these systems is around 40 but the risk reward ratio is pretty good. The concept behind Trend following systems is very simple and does not require any complex mathematical and statistical calculations, but they are very powerful. See below an example of a Trending chart. The most important thing to identify is the time when Trend starts and stops. There are many indicators capable of identifying this. Check out below links for some of the Trend following systems written by me: 766 Views middot View Upvotes middot Not for Reproduction It039s pretty much impossible to be specific, as many have noted, but since by far the most AUM is deployed what are essentially momentum / trend-following strategies (e. g. CTAs), I think it039s safe to say that momentum-based approaches will have generated the most PampL. Managed futures strategies alone are well over 300B and they are overwhelmingly trend driven. And it039s a safe assumption that momentum approaches are used by basically all quant shops in at least part of their book. There are lots of strategies that would be more profitable on a per dollar basis, so using AUM as a proxy isn039t a perfect way to think about this, but the dollars involved I think are big enough that it039s not unreasonable to view momentum as the biggest category. (Then again, if you look at the number of individual investors and other net losers who use technical or momentum strategies maybe it wipes out the gain, whereas by contrast there are a lot fewer losers mucking around with stat arb.) 2.9k Views middot View Upvotes middot Not for Reproduction Why has Eastman Kodak performed so poorly over the past 10 years How can you develop sophisticated quantitative trading strategies Is Trade Mogul hosted around the year or is there a specific period What are some of the best known quantitative trading strategy researchers Do simple quantitative finance strategy work better or complex strategy How has the relationship between General Partners and Limited Partners evolved over the past Does quantitative trading really work What are the best blogs about quantitative trading How much has Vanguard index fund returned annually over the past 30 years Quantitative Finance: If one has an algorithmic trading strategy that is successful in backtesting on Quantopian, what are the next steps How can you determine optimal order sizes for quantitative trading strategies What are the most popular purely functional programming languages used in algorithmic trading and quantitative finance firms Where do quantitative trading firms recruit from Which machine learning model has been proved most successful (or is the most widely used) in quantitative trading/finance What are the most simple alpha generating strategies in investing