GERENTES DE FX.
Entrevista com Matthew Harper.
Chief Investment Officer na Excalibur Funds Management.
Excalibur foi o primeiro fundo de Forex a ser lançado na Austrália. A empresa é regulamentada pela Comissão Australiana de Valores Mobiliários e Investimentos. Matthew Harper nos conta como 50 anos de experiência os ajudaram a criar uma estratégia de forex, que combina entradas discricionárias e sistemáticas e mantém a gestão de risco como uma prioridade.
Chief Investment Officer na Excalibur Funds Management.
Excalibur Global Macro.
Activos sob gestão.
Há quanto tempo você está negociando divisas estrangeiras e o que primeiro atraiu você para essa indústria? Conte-nos sobre sua evolução na carreira?
Eu comecei no FX logo após o float do AUD em 1984, chegando a 30 anos. Quando comecei, era o novo departamento do banco de investimentos e parecia empolgante e rápido.
Trabalhei para bancos de investimento ingleses, franceses, japoneses e norte-americanos administrando salas de negociação de mais de 25 operadores de câmbio e saí no início de 2000 para montar um fundo de câmbio com meu atual parceiro de negócios James Wallace, que trabalhava no Citibank.
O que você mais gosta no seu trabalho?
Em FX o mercado está aberto 24/5 e não fecha assim há sempre algo acontecendo no mundo que move a moeda e é um desafio para tentar ficar em cima de como e porque as moedas estão se movendo.
De que forma a negociação de moedas é diferente da negociação de outros instrumentos financeiros?
O mercado de câmbio é um grupo diversificado de participantes, incluindo governos, empresas, bancos, especuladores e viajantes, negociando moedas por diferentes razões e nem sempre com fins lucrativos.
Esse é um mercado único!
Quando e como nasceu a empresa?
Excalibur Funds Management nasceu em 2006 com James Wallace e eu semeando o fundo, e a ideia era trazer um fundo de FX discricionário para o mercado. O Excalibur foi o primeiro fundo somente a ser lançado na Austrália.
Como a empresa é estruturada hoje em termos de headcounts e escritórios?
A Excalibur Funds Management está localizada em Sydney, na Austrália, onde a função de investimento é baseada. Temos 4 proprietários iguais do negócio dois do lado do investimento e dois do lado do desenvolvimento do negócio. Atualmente, temos 7 pessoas em Sydney e temos um escritório de desenvolvimento de pequenas empresas em Nova York que se expandirá com o tempo.
O que você considera como sendo as principais posições em uma empresa de gestão de FX?
Obviamente, as funções C. I.O e C. O.O basicamente impulsionam os negócios, no entanto, entendemos que o universo de investimentos está exigindo que os gerentes se tornem mais complacentes e agora temos um chefe de compliance / assessoria jurídica em tempo integral.
Quais autoridades regulam a empresa?
ASIC-Australian Securities and Investments Commission.
Temos uma licença AFS no 299633.
Estamos registrados na CFTC e na NFA nos EUA.
Você está no comando do programa de moeda. Como você descreve sua estratégia de investimento?
Expressamos nossa visão macro global através do FX e combinamos o fundamental, o técnico e o mercado.
análise a curto prazo e negocie apenas em temas de média e alta convicção.
Como você criou e desenvolveu sua atual estratégia de gerenciamento de FX? Mudou ao longo do tempo e, em caso afirmativo, por que razões decidiu alterá-lo?
Criamos a estratégia para refletir o que percebíamos ser uma necessidade de produtos somente de FX que proporcionassem bons retornos, mantendo um perfil de risco rigoroso. O gerenciamento de riscos era uma prioridade.
Incorporamos insumos discricionários, pois temos mais de 50 anos de experiência combinada no mercado de câmbio, além de contribuições sistemáticas para o gerenciamento de riscos. Nós sentimos que a combinação é perfeita para o apetite atual do investidor.
Nós não tivemos nenhuma mudança importante na estratégia.
Como você gerencia o risco na empresa?
Nós não executamos portfólios como tal, mas sim de 1 a 3 posições de câmbio simultaneamente. Isso nos permite manter um perfil de gerenciamento de risco muito rígido.
Podemos alocar até 1% de AUM por posição e nosso limite de risco mensal é de 2,5% de AUM, se acionado retornamos ao caixa pelo resto do mês e deixamos de negociar.
Em 7 anos de negociação dessa estratégia, o rebaixamento mensal de 2,5% nunca aconteceu.
Você poderia nos dar um exemplo de um negócio que você poderia ter implementado no passado, mas que você não repetiria hoje? Qual é a lição mais importante que você aprendeu com as decisões de negociação anteriores?
Algumas negociações com GBP que fizemos no passado foram difíceis e definitivamente aprendemos a nos concentrar em nossa principal competência, que é o AUD, onde sentimos que temos uma vantagem. Isso representa entre 50 e 75% de nossos negócios.
Você usa uma mistura de estratégias ou apenas uma?
Apenas uma macro global discricionária.
Quais são as condições de mercado que você considera ideais e quais são as mais desafiadoras para o desempenho de sua estratégia?
Nos últimos 7 anos de negociação no mercado de FX, vimos uma enorme gama de volatilidade. Nossa estratégia abrange a volatilidade, pois somos adeptos de ajustar nossos níveis de alavancagem de acordo.
Para a nossa estratégia, um mercado de moagem lenta como o que vivemos no AUD em 2009 é difícil.
Você pode nos dar um exemplo de uma memorável decisão comercial vencedora?
Ver os fundamentos fica muito negativo para o AUD em março de 2013 e posicionamento para isso. Mantemos nosso viés de venda no AUD e estamos muito confiantes de que a moeda se moverá sub 80c vs. USD no próximo ano. Atualmente está em 91c.
Você usa moedas de mercados emergentes? E você acha que os operadores individuais devem usá-los, considerando que eles não precisam se preocupar tanto com problemas de liquidez?
Negociamos apenas o G10 e nos concentramos em nossa principal competência - o AUD e sua cruz.
Nossa filosofia é especializar-se e acreditamos que temos uma vantagem em negociar o AUD. Se você é um especialista em EM e acredita que tem vantagem em negociar essas moedas, você deve capitalizar sobre isso.
Ao desenvolver uma estratégia, você prioriza a construção de sinais de entrada, sinais de saída ou regras de gerenciamento de dinheiro?
Construímos a estratégia da Excalibur com o gerenciamento de riscos como nossa prioridade número 1. Quando você quiser administrar o dinheiro de outras pessoas, você deve demonstrar que pode aderir ao seu perfil de risco. Nós comercializamos nossa estratégia como sendo um retorno ajustado ao risco superior e isso porque temos um histórico de 7 anos de retorno composto de 10% com uma taxa de Sortino de 3,85.
Você acha que toda estratégia perde sua precisão mais cedo ou mais tarde, ou acredita em regras de mercado duradouras? Você já encontrou uma estratégia que se tornou lucrativa novamente após uma longa fase negativa?
O mercado está mudando o tempo todo e sua estratégia precisa se adaptar a essas mudanças. Isso não significa nenhuma mudança fundamental no seu processo de investimento, mas isso significa que você pode ter que ajustar algumas dessas entradas. Por exemplo, descobrimos que mudamos nosso horizonte de tempo para nossos insumos técnicos após nosso ano fixo em 2009 para dividendos pagos de prazo mais curto e contribuímos para nosso retorno de + 10% em 2010. Ainda estamos usando insumos técnicos de prazo mais curto.
Você usa alguma forma de otimização? Se sim, como você se certifica de que não cria um ajuste de curva e confirma a robustez do modelo?
Não, nós não usamos qualquer forma de otimização.
Você favorece algum prazo específico em suas estratégias? Qual é a sua duração média de negociação e frequência de negociação?
A nossa estratégia é de curto prazo, uma vez que o nosso mandato comercial é de 3 a 4 dias. Negociamos apenas negociações de média e alta convicção e desconsideramos qualquer idéia de mercado que seja considerada um negócio de baixa convicção, portanto, normalmente, temos apenas 10 a 15 negócios básicos por mês.
O que um comerciante inexperiente deve prestar atenção ao escolher um período de tempo?
O gerenciamento de riscos, não necessariamente o prazo, é a chave real. Eu sugeriria estabelecer os parâmetros de risco e perfil com os quais você deseja negociar, e então decidir qual é o período de tempo mais adequado.
Qual é a alavancagem média que você normalmente usa? E o máximo de alavancagem?
Nós normalmente não usamos alavancagem. Acreditamos que geralmente podemos alcançar o perfil de risco / retorno desejado sem a necessidade de alavancagem.
Quantos corretores de execução você usa? Como você divide a execução entre eletrônica e voz?
Temos 5 relações de execução de corretor. Nós só usamos a execução de pessoa para pessoa, pois descobrimos que o fluxo de informações que recebemos de falar com nossos corretores é inestimável. Além disso, queremos apenas um corretor de execução, e não uma máquina, observando uma ordem de stop loss que colocamos.
Qual software você usa nas funções de pesquisa, risco e reconciliação?
Toda a nossa pesquisa é livre de nossos bancos locais e de investimento. Nós assinamos um serviço econômico fora dos EUA.
Estamos no processo de engajar a Paladyne para fornecer, entre outras coisas, um sistema de gerenciamento de portfólio para nós.
Quais oportunidades e riscos você vê na negociação de alta frequência para gerentes de FX?
Pessoalmente acredito que é apenas um fenômeno passageiro e sinto que o mercado está ficando cada vez mais lotado. O comércio / mercado lotado é a antítese do que estamos tentando alcançar na Excalibur.
Como a liquidez afeta a eficiência de suas estratégias? Você já explorou a que limite AUM as estratégias permitiriam que você crescesse?
A liquidez não é um problema para nós, pois negociamos apenas as moedas do G10 - o mercado mais líquido e transparente do mundo.
Acreditamos que nosso perfil de estratégia pode ser sustentado em mais de 1B USD AUM.
Qual é a maior força do seu time?
Nossa equipe de investimento é provavelmente a combinação de FX antípodas mais experiente do mundo.
Você pode nos dar a sua opinião sobre a mudança do EurUsd nos próximos 6/12 meses?
Acreditamos que a ampla força do USD será uma grande jogada macro em 2014 e verá o EUR quebrando as baixas de 2010 de 1,1880.
Qual é o melhor conselho que você daria para os comerciantes que querem entrar no setor de gestão de fundos FX?
Estabeleça sua estratégia e desenvolva você mesmo por 12 meses para obter um histórico.
Configure a infraestrutura certa para suas metas de captação de recursos.
Para sustentar um sólido negócio de gestão de fundos a longo prazo, é essencial manter seu perfil de risco.
Backtesting Systematic Trading Strategies em Python: Considerações e Open Source Frameworks.
Backtesting Systematic Trading Strategies em Python: Considerações e Open Source Frameworks.
Neste artigo, Frank Smietana, um dos colaboradores convidados especializados da QuantStart, descreve o cenário de software de backtesting de código aberto Python e fornece conselhos sobre qual framework de backtesting é adequado para as necessidades de seu próprio projeto.
O backtesting é sem dúvida a parte mais crítica do processo de produção da SST (Estratégia de Negociação Sistemática), situada entre o desenvolvimento e a implementação da estratégia (negociação ao vivo). Se uma estratégia é falha, espera-se que um backtesting rigoroso exponha isso, impedindo que uma estratégia deficitária seja implantada.
Vários recursos relacionados se sobrepõem ao backtesting, incluindo simulação comercial e negociação ao vivo. O backtesting usa dados históricos para quantificar o desempenho do STS. Os simuladores de negociação levam o backtesting um passo adiante, visualizando o desencadeamento de negociações e o desempenho de preços em uma base barra a barra. A negociação simulada / ao vivo implanta um STS testado em tempo real: sinalizando negociações, gerando ordens, roteando ordens para corretoras e mantendo posições conforme as ordens são executadas.
A maioria dos frameworks vai além do backtesting para incluir alguns recursos de negociação ao vivo. Isso é conveniente se você quiser implantar a partir de sua estrutura de backtesting, que também funciona com seu corretor e fontes de dados preferidos. O Quantopian / Zipline dá um passo adiante, fornecendo uma solução totalmente integrada de desenvolvimento, backtesting e implementação.
A comunidade Python está bem atendida, com pelo menos seis estruturas de backtesting de código aberto disponíveis. Eles estão, no entanto, em vários estágios de desenvolvimento e documentação. Se você gosta de trabalhar em uma equipe criando uma estrutura de backtesting de código aberto, confira os repositórios do Github.
Antes de avaliar as estruturas de backtesting, vale a pena definir os requisitos do seu STS.
Qual (is) classe (s) de ativos você está negociando? Enquanto a maioria das estruturas suporta dados de Ações dos EUA via YahooFinance, se uma estratégia incorpora derivativos, ETFs ou títulos de EM, os dados precisam ser importados ou fornecidos pela estrutura. As coberturas de classes de ativos vão além dos dados. O framework pode lidar com futuros e opções de tamanho finito e gerar transações roll-over automaticamente? E quanto aos mercados sem liquidez, quão realista uma suposição deve ser feita ao executar grandes pedidos?
Qual freqüência de dados e detalhes seu STS é construído? Um sistema de negociação que exige cada tick ou lance / pedido tem um conjunto muito diferente de problemas de gerenciamento de dados que um intervalo de 5 minutos ou de hora em hora. Os fundos de hedge e as lojas HFT investiram significativamente na criação de estruturas de backtesting robustas e escalonáveis para lidar com esse volume e frequência de dados. Algumas plataformas fornecem um conjunto rico e profundo de dados para várias classes de ativos, como ações da S & P, com resolução de um minuto.
Que tipo (s) de pedido exige o seu STS? No mínimo, limite, paradas e OCO devem ser suportados pelo framework.
Nível de suporte & amp; documentação necessária. Os frameworks de estágio inicial têm escassa documentação, poucos têm suporte além de conselhos comunitários.
Os componentes de um framework de backtesting.
Aquisição de dados e STS: Os componentes de aquisição consomem o arquivo de script / definição STS e fornecem os dados necessários para o teste. Se a estrutura exigir que qualquer STS seja recodificado antes do backtesting, a estrutura deverá suportar funções enlatadas para os indicadores técnicos mais populares para acelerar o teste de STS. Os usuários determinam quanto tempo um período histórico será backtest com base no que o framework fornece ou no que eles são capazes de importar.
O teste de desempenho aplica a lógica STS à janela de dados históricos solicitada e calcula uma ampla gama de riscos & amp; métricas de desempenho, incluindo redução máxima, taxas de Sharpe e Sortino. A maioria das estruturas suporta um número decente de recursos de visualização, incluindo curvas de equidade e estatísticas decifradas.
A otimização tende a exigir a maior parte dos recursos de computação no processo STS. Se o seu STS exigir otimização, concentre-se em uma estrutura que suporte o processamento distribuído / paralelo escalável.
No contexto de estratégias desenvolvidas usando indicadores técnicos, os desenvolvedores de sistemas tentam encontrar um conjunto ideal de parâmetros para cada indicador. Mais simplesmente, a otimização pode achar que um STS crossover médio de 6 e 10 dias acumulou mais lucro sobre os dados de teste históricos do que qualquer outra combinação de períodos de tempo entre 1 e 20. Já com este exemplo trivial, 20 * 20 = 400 combinações de parâmetros ser calculado & amp; classificado.
Em um contexto de portfólio, a otimização busca encontrar a ponderação ideal de todos os ativos do portfólio, incluindo instrumentos em curto e alavancados. Em uma base periódica, a carteira é reequilibrada, resultando na compra e venda de participações de carteira conforme necessário para alinhar com os pesos otimizados.
O dimensionamento de posição é um uso adicional de otimização, ajudando os desenvolvedores de sistemas a simular e analisar o impacto da alavancagem e o dimensionamento dinâmico da posição no STS e no desempenho do portfólio.
Seis Quadros de Backtesting para Python.
Os recursos padrão das plataformas de backtesting de Python de código aberto parecem incluir:
Evento orientado Licenciamento muito flexível e irrestrito Coleção decente de indicadores técnicos predefinidos Capacidades de cálculo / visualização / relatório de métricas de desempenho padrão.
PyAlgoTrade.
O PyAlgoTrade é uma estrutura de backtesting mutuamente documentada, juntamente com recursos de negociação em papel e ao vivo. O suporte de dados inclui o Yahoo! Finanças, Google Finance, NinjaTrader e qualquer tipo de série temporal baseada em CSV, como o Quandl. Tipos de pedidos suportados incluem Market, Limit, Stop e StopLimit.
O PyAlgoTrade suporta negociação Bitcoin via Bitstamp, e manipulação de eventos do Twitter em tempo real.
bt - Backtesting para Python.
bt “visa fomentar a criação de blocos facilmente testáveis, reutilizáveis e flexíveis de lógica estratégica para facilitar o rápido desenvolvimento de estratégias de negociação complexas”.
A estrutura é particularmente adequada para testar o STS baseado em portfólio, com algos para ponderação de ativos e reequilíbrio de portfólio. Modificar uma estratégia para executar diferentes frequências de tempo ou pesos de ativos alternativos envolve um ajuste de código mínimo. bt é construído sobre o ffn - uma biblioteca de funções financeiras para Python.
Backtrader.
Essa plataforma é excepcionalmente bem documentada, com um blog de acompanhamento e uma comunidade on-line ativa para postar perguntas e solicitações de recursos. Backtrader suporta vários formatos de dados, incluindo arquivos CSV, Pandas DataFrames, iteradores de blaze e feeds de dados em tempo real de três corretores. Esses feeds de dados podem ser acessados simultaneamente e podem até representar diferentes períodos de tempo. Corretores suportados incluem Oanda para negociação de FX e negociação de classe de múltiplos ativos via Interactive Brokers e Visual Chart.
pysystemtrade.
Rob Carver, desenvolvedor do pysystemtrade, tem um ótimo post discutindo por que ele se propôs a criar outro framework de backtesting em Python e os argumentos a favor e contra o desenvolvimento de frameworks. O framework de backtesting para o pysystemtrade é discutido no livro de Rob, "Systematic Trading".
O pysystemtrade lista vários recursos de roteiro, incluindo um testador completo completo que inclui técnicas de otimização e calibração e negociação de futuros totalmente automatizada com a Interactive Brokers. Contribuidores de código aberto são bem-vindos.
Zipline é um simulador de negociação algorítmica com capacidades de negociação em papel e ao vivo. Acessível através da interface IPython Notebook baseada em navegador, o Zipline fornece uma alternativa fácil de usar às ferramentas de linha de comando. Suportado e desenvolvido pela Quantopian, o Zipline pode ser usado como uma estrutura de backtesting autônoma ou como parte de um ambiente de desenvolvimento, teste e implementação de STS completo da Quantipian / Zipline. O Zipline fornece 10 anos de dados de estoque históricos americanos com resolução de minutos e várias opções de importação de dados.
O QSTrader é um framework de backtesting com recursos de negociação ao vivo. O Fundador da QuantStart, Michael Halls-Moore, lançou o QSTrader com o intuito de construir uma plataforma robusta e escalável o suficiente para atender às necessidades dos fundos institucionais de hedge, bem como aos traders quantificados de varejo. O QSTrader atualmente suporta dados de resolução "bar" do OHLCV em várias escalas de tempo, mas permite que dados de ticks sejam usados.
Ambos backtesting e live trading são completamente orientados a eventos, simplificando a transição de estratégias de pesquisa para testes e, finalmente, negociação ao vivo. A estratégia principal / código do portfólio é geralmente idêntica em ambas as implantações.
O principal benefício do QSTrader é a sua modularidade, permitindo uma ampla personalização de código para aqueles que possuem requisitos específicos de gerenciamento de risco ou portfólio.
Abraçando o Backtest.
É da natureza humana concentrar-se na recompensa de desenvolver um (esperançosamente lucrativo) STS, depois se apressar em implantar uma conta financiada (porque estamos esperançosos), sem gastar tempo e recursos suficientes para fazer um backtesting completo da estratégia. Mas o backtesting não é apenas um gatekeeper para nos impedir de implementar estratégias falhas e perder capital de negociação, ele também fornece uma série de diagnósticos que podem informar o processo de desenvolvimento do STS. Por exemplo, testar um STS idêntico em dois períodos de tempo diferentes, compreender o empate máximo de uma estratégia no contexto de correlações de ativos e criar portfólios mais inteligentes ao realizar backtesting de alocações de ativos em várias regiões geográficas.
Em posts futuros, cobriremos backtesting frameworks para ambientes não-Python, e o uso de várias técnicas de sampling como bootstrapping e jackknife para backtesting de modelos preditivos de trading.
A Quantcademy.
Participe do portal de associação da Quantcademy que atende à crescente comunidade de traders de quantificação de varejo e aprenda como aumentar a lucratividade de sua estratégia.
Negociação Algorítmica Bem Sucedida.
Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para o seu portfólio usando um mecanismo de backtesting personalizado no Python.
Comércio Algorítmico Avançado.
Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas Bayesianas com R e Python.
No comments:
Post a Comment