Estratégia de negociação r

Estratégia de negociação r
Sou muito novo em R e estou tentando fazer backtest de uma estratégia que já programei no WealthLab.
Várias coisas que eu não entendo (e isso não funciona, obviamente :)
Eu não obtenho os Preços Fechar bem em um vetor. ou algum tipo de vetor, mas começa com estrutura e eu realmente não entendo o que essa função faz. É por isso que a minha série [1] provavelmente não funciona.
n & lt; - nrow (série) também não funciona, mas eu preciso disso para o Loop.
Então eu acho que se eu obtiver essas 2 perguntas respondidas, minha estratégia deve funcionar. Eu sou muito grato por qualquer ajuda .. R parece bastante complicado, mesmo com a experiência de programação em outras línguas.
Começando com a segunda questão.
Então, se você quer trabalhar no objeto xts real, você precisa usar get.
Sobre sua primeira pergunta - eu não acho que você realmente precise puxar os dados como um vetor - o objeto xts é uma matriz indexada por data e é fácil trabalhar com ela. Se você ainda deseja obter os dados que você pode usar.
Agora, para começar com simples back testing de estratégias, sugiro trabalhar nas etapas a seguir.
defina sua estratégia. 2. crie uma matriz ou adicione uma coluna ao seu objeto xts que representará sua posição para cada dia. 1 para long, 0 para no position e -1 para short (mais tarde você pode jogar com o número de alavancagem). 3. multiplique cada dia de retorno com a posição e você obterá o seu vetor de retorno da estratégia. 4. examinar os resultados - minha recomendação é PerformanceAnalytics.
estratégia simples - compre quando estiver perto da SMA20, venda abaixo.

Negociação FOSS.
Negociação Algorítmica com Software Livre de Código Aberto.
Sábado, 26 de março de 2011.
Como backtest uma estratégia em R.
A função getSymbols no quantmod simplifica essa etapa se você puder usar dados diários do Yahoo Finance. Existem também "métodos" (não no sentido estrito) para extrair dados de outras fontes (FRED, Google, Oanda, R salvar arquivos, bancos de dados, etc.). Você também pode usá-los como um modelo para escrever uma função personalizada para um determinado fornecedor que você usa.
Etapa 2: crie seu indicador.
O pacote TTR contém uma infinidade de indicadores. Os indicadores são escritos para facilitar a sua combinação de maneiras criativas e não convencionais. Começando com a revisão 106 na R-forja, o TTR possui um indicador DVI.
Etapa 3: construa sua regra de negociação.
Como essa regra de negociação é simples - estamos 100% compridos, se o DVI estiver abaixo de 0,5 e 100% curto, caso contrário - pode ser escrito em uma única linha. Regras mais elaboradas e / ou tamanhos de posição também podem ser feitos, mas requerem mais código (RSI (2) com o dimensionamento de posição é um exemplo de regras de dimensionamento de posição mais complexas). Observe também que o vetor de sinal está defasado, o que evita o viés de antecipação.
Etapa 4: As regras de negociação / curva de capital.
Como no exemplo de Damian, o código abaixo é uma abordagem simplificada que é sem atrito e não leva em conta o deslizamento. O código abaixo recebe o retorno percentual de hoje e o multiplica pelo tamanho do sinal / posição de ontem (sempre +/- 100% neste exemplo). Eu também subconjunto o sistema retorna para coincidir com os resultados no arquivo do Excel.
Etapa 5: avaliar o desempenho da estratégia.
Damian mencionou a importância de avaliar sua estratégia. Felizmente para usuários de R, o pacote PerformanceAnalytics facilita isso. Com algumas linhas de código, podemos visualizar os levantamentos, os riscos negativos e um resumo de desempenho.
Isso é tudo o que há para fazer backtesting de uma estratégia simples em R. Não foi tão intimidante, foi? Por favor, deixe um feedback se você está movendo o seu backtesting do Excel para o R e há algo que você está pendurado ou você tem uma dica incrível que você gostaria de compartilhar.

Troca Algorítmica no R Tutorial.
Neste post, mostrarei como usar o R ​​para coletar as ações listadas no loyal3, obter dados históricos do Yahoo e, em seguida, executar uma estratégia de negociação algorítmica simples. Ao longo do caminho, você aprenderá alguns scraping da web, uma função atingindo uma API de finanças e uma htmlwidget para criar um gráfico interativo de séries temporais.
Para este post, um algoritmo de negociação é definido como um conjunto de regras que acionam um evento de compra ou venda, em vez de um modelo preditivo ou previsão de série temporal. Este é o tipo mais simples de algoritmo de negociação, mas se você estiver interessado em aprofundar as finanças com R, eu o encorajaria a seguir o curso da DataCamp na modelagem de uma estratégia de negociação quantitativa em R.
Fundo.
Em 2015, comecei a investir um pouco na leal3. Seu serviço é incomum e um ótimo lugar para começar sua jornada de investimento. Em vez de cobrar do investidor pelos negócios, o loyal3 cobra das empresas a lista em sua plataforma. A premissa é que as pessoas que gostam do serviço de uma empresa também compram a ação e, ao fazê-lo, tornam-se fortes defensores da marca. Tornar a plataforma mais atraente é que você pode comprar ações fracionárias. Então, você pode entrar nessa ação de US $ 800 por apenas US $ 10 e comprar outra fração de US $ 10 cada vez que tiver um pouco de dinheiro extra no final do mês. Claro que há custos de fricção, já que você tem que negociar no Windows e todo o seu portfólio está limitado a.
70 ações, mas loyal3 representa uma maneira divertida e de baixo custo de explorar o treinamento de capital. Você pode colocar pele real no jogo por tão pouco quanto $ 10!
Para ser claro, eu tenho as contas típicas de aposentadoria e investimento, mas gosto da interface limpa do loyal3 no aplicativo e da falta de taxas. Acabo verificando meu portfólio leal3 divertido com mais frequência do que meus fundos mútuos, simplesmente porque é fácil e divertido ver o desempenho das ações que escolhi diretamente.
As ações que estão disponíveis no loyal3.
Configurando seu espaço de trabalho.
Para começar, carregue as bibliotecas em seu ambiente. Eu quase sempre uso rvest para web scraping nos dias de hoje. Existem outros pacotes que funcionam, incluindo o RSelenium, mas eu gosto da facilidade com que a rvest pode ser executada.
O segundo pacote, pbapply, é opcional porque simplesmente adiciona uma barra de progresso às funções de aplicação. Como você pode estar raspando centenas de páginas da Web, uma barra de progresso pode ser útil para estimar o tempo.
Em seguida, o TTR é um pacote que comecei a explorar. A biblioteca é usada para construir “Regras de negociação técnica”. Embora você aprenda um simples algoritmo de negociação neste post, o pacote TTR pode realizar cálculos mais sofisticados e vale a pena aprender.
A biblioteca de gráficos é um wrapper para uma biblioteca de gráficos JavaScript de código-fonte aberto e rápida. É um dos htmlwidgets que torna o gráfico R mais dinâmico e parte de um arquivo html em vez de uma imagem estática. Por último, o pacote de lubridate é usado para fácil manipulação de data.
Coleção de dados.
Todas as ações loyal3 estão listadas em uma única página. Antes de poder consultar os preços das ações diárias individuais para construir o seu algoritmo de negociação, você precisa coletar todos os tickers de stockers disponíveis. A primeira coisa a fazer é declarar stock. list como uma string de URL. Em seguida, use read_html () para que sua sessão R crie uma sessão da Internet e colete todas as informações html na página como um conjunto de nós XML. A página CSS tem um ID chamado “pany-name”. Use isso como um parâmetro ao chamar html_nodes () para selecionar apenas os dados XML associados a esse nó. Por fim, use html_text () para que os valores de texto reais dos nomes das empresas sejam coletados.
Para examinar as ações disponíveis no loyal3, você pode imprimir o objeto stockss. names no seu console. Isso retorna o nome da empresa como um vetor de texto.
A fim de pesquisar os preços das ações, você precisa obter o primeiro símbolo. Quando você está no site loyal3, pode clicar no bloco da empresa para carregar uma página com um símbolo e outras informações da empresa.
Usando html_nodes () nos estoques, você puxa todos os nós marcados com um “a”. Em HTML, o & lt; a & gt; tag define um hiperlink que é usado para vincular o formulário de uma página a outra. Na tag de hiperlink, o "href" refere-se ao endereço exato da URL. Então html_attr () irá extrair o URL para TODOS os links da página se você passar em “href”.
Depois de fazer uma inspeção manual, descobri que os links 54 a 123 da página representam as páginas da empresa de que preciso para obter as informações do ticker. A última linha usa paste0 () para concatenar a sequência do URL base "loyal3" às páginas específicas da empresa, como "/ WALMART". Por exemplo, loyal3 / WALMART:
Em cada uma das páginas da empresa, há uma descrição, um preço de fechamento recente e o ticker. Todas as páginas da empresa são organizadas da mesma forma que a função personalizada get. ticker () pode ser usada para extrair o símbolo do ticker.
Dentro da página da empresa, há uma tabela chamada "ticker-price". A função irá navegar para uma página da empresa, identificar a tabela apropriada, extrair o texto com html_text (). Por fim, usando sub () junto com a expressão regular ^ ([[: alpha:]] *). * E \\ 1 manterá todos os caracteres alfabéticos. O resultado é que os caracteres especiais, como $ e qualquer caractere numérico, como o preço de fechamento, são removidos. Como a função lê cada uma das 70 páginas, ela coletará apenas o ticker de ações.
A página de estoque loyal3 para o Alibaba, onde você vê a tabela que contém o ticker do estoque, BABA, está abaixo do texto em negrito.
Armado com sua função personalizada, use o pblapply () para aplicá-la a cada um dos materiais. links que contêm a página de cada empresa. O objeto resultante, stock. tickers, é uma lista de códigos de ações individuais com cada elemento correspondente a uma empresa individual.
Uma maneira de alterar uma lista de elementos em um objeto simples é com do. call (). Aqui, você está aplicando o rbind para enfileirar cada elemento da lista em um único vetor. Por último, você cria um quadro de dados com as informações de símbolo e nome da empresa.
Para ser consistente em sua análise, você pode querer limitar a quantidade de informações históricas coletadas em cada ação. A função Sys. Data () armazenará um objeto de data como ano, mês e dia. Usar anos com um inteiro é uma maneira de subtrair uma quantidade específica de tempo do objeto start. date.
Para obter os dados de finanças do Yahoo, o objeto de data deve ser alterado para objetos de caractere simples sem traço. Usando a função de substituição global gsub () em start. date e end. date irá mudar a classe e simultaneamente remover traços. Dentro de gsub (), passe o padrão de caracteres para procurar e, em seguida, os caracteres de substituição. Nesse caso, o padrão substituto é um caractere vazio entre aspas. O último parâmetro é o objeto ao qual o gsub () será aplicado.
A função TTR () getYahooData () aceita um símbolo de ação e uma data inicial e final. A função retorna um quadro de dados que possui informações de série temporal. Cada linha é uma data e as colunas contêm informações como o preço “Aberto”, “Alto”, “Baixo” e “Fechamento” para um patrimônio. Como você está procurando várias empresas, pode usar o lapply () ou o pblapply (). Passe o vetor de símbolos da empresa e, em seguida, a função getYahooData () e, em seguida, a informação da data. Os objetos de data são reciclados a cada vez que getYahooData () é aplicado a um símbolo de ação.
Para fazer a seleção da lista retornada, stocks. ts, mais fácil de navegar, você pode adicionar nomes aos elementos da lista. Usando nomes com o objeto stocks. ts, declare os nomes como o vetor de símbolo $ original.
Ao trabalhar com listas grandes, gosto de examinar o objeto resultante para garantir que o resultado seja o esperado. Agora que os elementos têm nomes, você pode referenciá-los diretamente. Neste exemplo, você está examinando as 6 primeiras linhas da AMC Entertainment Holdings (AMC). Usar head () na lista enquanto faz referência a $ AMC retornará uma parte da série temporal para este estoque:
Examinando os dados de estoque.
Quando ouço comentaristas de notícias financeiras, muitas vezes se referem a gráficos. Apesar da negociação de alta frequência e gestão ativa realizada por outros, muitos pequenos investidores ainda se referem a gráficos para obter uma visão. O objeto da série temporal pode ser exibido rapidamente usando o gráfico. Passe na lista referente ao elemento nomeado, como $ AMC e, em seguida, à coluna que você deseja exibir, aqui $ Close.
O gráfico anterior é estático e não é muito interessante.
Vamos usar uma biblioteca JavaScript para criar um gráfico que você possa explorar. Neste trecho de código, você pode observar o operador "% & gt;%" ou pipe. O operador de pipe é uma boa maneira de escrever código conciso. Ele encaminha um objeto para a próxima função sem forçá-lo a reescrever um nome de objeto como você fez anteriormente neste post.
Neste exemplo, você cria um gráfico referente ao estoque do Twitter, $ TWTR e, em seguida, a coluna que deseja plotar, $ Close. Dentro do dygraph, main adiciona um título que é especificado entre as aspas. Usando o "% & gt;%" todo este objeto é encaminhado para a próxima função dyRangeSelector (). Você pode especificar um intervalo de datas padrão usando c () com uma cadeia de data inicial e final. O objeto HTML resultante é uma série temporal dinâmica para o estoque do Twitter com um controle deslizante de data na parte inferior.
Lembre-se, para alterar o patrimônio exibido, altere o símbolo do ticker na lista stocks. ts e, em seguida, o título do gráfico.
Este é um gráfico básico para o estoque do Twitter.
Uma estratégia de negociação simples: tendência seguinte.
Operadores de alta frequência e fundos de hedge usam modelos sofisticados e abordagens baseadas em regras para executar negociações. Se você quiser aprender mais, sugiro visitar o quantopian para abordagens avançadas. Para abordagens mais simples, comece com esta página na Investopedia.
No código abaixo, você visualizará uma estratégia de negociação de momentum simples. Basicamente, você desejaria calcular as médias móveis de 200 dias e 50 dias para um preço de ação. Em qualquer dia em que a média móvel de 50 dias estiver acima da média móvel de 200 dias, você compraria ou manteria sua posição. Nos dias em que a média de 200 dias é superior à média móvel de 50 dias, você venderia suas ações. Essa estratégia é chamada de estratégia de acompanhamento de tendências. A natureza positiva ou negativa entre as duas médias baseadas no tempo representa o momento do estoque.
O pacote TTR fornece SMA () para calcular a média móvel simples. Neste snippet de código, você está examinando os primeiros 6 valores das médias móveis de 200 e 50 dias do Twitter. SMA () funciona passando os dados da série temporal para um estoque e uma coluna específica, como Close. Este é um único vetor de preços de fechamento para o estoque de TWTR. O segundo parâmetro é um inteiro representando o número de observações para a média móvel. Sem usar head (), a função SMA () retornará todos os valores.
Agora que você examinou a função de média móvel em detalhes, é necessário aplicar a cada uma das 70 ações. stocks. ts é uma lista de 70 quadros de dados contendo dados de estoque individuais. A quarta coluna de cada quadro de dados contém o preço de fechamento que queremos usar para as médias móveis.
A função personalizada mov. avgs () aceita um único quadro de dados de estoque para calcular as médias móveis. A primeira linha seleciona os preços de fechamento porque indexa [, 4] para criar stock. close. Em seguida, a função usa ifelse para verificar o número de linhas no quadro de dados. Especificamente, se a nota no quadro de dados for menor que (2 * 260), a função criará um quadro de dados de médias móveis com “NA”.
Eu escolhi esse número porque há cerca de 250 dias de negociação por ano, então isso irá verificar se a série temporal tem cerca de 2 anos ou mais de duração. Às vezes, o Loyal3 pode ter acesso a IPOs e se o estoque for público recentemente, não haverá dados suficientes para uma média móvel de 200 dias. No entanto, se o valor nrow for maior que 2 * 260, a função criará um quadro de dados com os dados originais, juntamente com as médias móveis de 200 e 50 dias como novas colunas. Usando colnames, declaro os nomes das colunas. A última parte da função usa complete. cases para verificar os valores na coluna média móvel de 200 dias. Todas as linhas que não possuem um valor são descartadas no resultado final.
Armado com esta função mov. avgs (), você pode usar o pblapply () para adicionar os cálculos da média móvel a cada um dos 70 quadros de dados.
Use o código abaixo para visualizar as médias móveis de um estoque usando um gráfico. Mais uma vez, este código está usando o operador “% & gt;%” para encaminhar objetos. A função dygraph () aceita o quadro de dados stocks. ts $ FOX. Especificamente, o quadro de dados é indexado pelo nome da coluna com c ('sma_200', 'sma_50'). Este objeto é passado para dySeries () nas próximas 2 linhas. Você pode se referir a uma coluna pelo nome, para que dySeries () trace uma linha para os valores “sma_50” e “sma_200” nas linhas 2 e 3. Esse objeto é encaminhado novamente para o dyRangeSelector () para ajustar a altura do seletor. Por fim, adicionei alguns sombreados para definir os períodos em que você gostaria de comprar ou manter o patrimônio e um período em que deveria ter vendido suas ações ou ficado fora, dependendo de sua posição.
Aqui está o resultado final em uma série temporal interativa.
As médias móveis da FOX com regiões sombreadas para compra / manutenção versus venda.
Conclusão.
Como um operador algorítmico iniciante, você não precisa plotar todas as 70 ações. Em vez disso, você desejaria executar o código todos os dias e adicionar uma maneira programática de identificar ações que se ajustassem ao método baseado em regras, "compre se a média móvel de 50 dias estiver acima da média móvel de 200 dias". Ao revisar o gráfico anterior, a seção verde é uma ocasião em que você compraria o patrimônio da FOX. A seção vermelha representa a hora de vender suas ações e não entrar novamente.
Como o gráfico é interativo, você pode usar o controle deslizante para redimensionar o visual. Com base nessa abordagem de negociação de algo simples, agora pode ser um bom momento para comprar a FOX! 30 de dezembro de 2016 foi um dia de negociação em que a média móvel de 50 dias movimentou US $ 0,01 acima da média móvel de 200 dias!
A seção ampliada do capital da FOX.
Claro, lembre-se que todos os investimentos podem perder valor. Para saber mais sobre finanças e negociação de algoritmos, confira os cursos do DataCamp aqui.

Modelar uma estratégia de negociação quantitativa em R.
Curso interativo de 10 horas em ritmo individual em R para iniciantes!
R é amplamente utilizado por analistas e comerciantes em todo o mundo para desenvolver estratégias de negociação quantitativas que podem ser executadas manualmente ou através de negociação de programas. Este é um curso introdutório para iniciantes em R para se familiarizar com uma estratégia de negociação e experiência codificando um indicador técnico em R. Você aprenderá os termos técnicos associados a uma estratégia de negociação, trabalhará com data. tables em R e manipulará os dados de entrada para criar sinais de negociação e colunas de ganhos e perdas. Você também aprenderá sobre como otimizar os parâmetros para maximizar os lucros. Este curso é para todos que têm interesse em negociação algorítmica e querem começar! Nenhum conhecimento prévio é necessário!
Obtenha um vislumbre da estratégia - Vídeo de discussão de estratégia.
O que você aprenderá com este curso?
Este é um curso introdutório para iniciantes em R,
familiarize-se com uma experiência de estratégia de negociação codificando um indicador técnico em R aprenda termos técnicos associados a uma estratégia de negociação trabalhe com data. tables em R manipule os dados de entrada para criar sinais de negociação e as colunas de ganhos e perdas aprendam a otimizar parâmetros para poder para maximizar os lucros.
Atualize suas habilidades participando de um curso extenso.
Depois de concluírem este curso gratuito, os participantes alcançarão os conhecimentos e as habilidades acima mencionados, mas, para adquirir conhecimentos e insights práticos profundos, você poderá participar do nosso Programa Executivo em Comércio de Algoritmos (EPAT). É um programa de 4 meses (100 horas de contato). Também fornecemos aos nossos participantes acesso a várias ferramentas e testamos dados de mercado para fins de projeto.

QuantStrat TradeR.
Negociação, QuantStrat, R e mais.
A Nova Paisagem do Instrumento de Volatilidade Curta.
Este post irá discutir as conseqüências de ProShares & # 8217; decisão de alterar o objetivo de investimento do SVXY, e possíveis alternativas que vários investidores podem usar para tentar criar uma exposição idêntica se sua estratégia exigir tal instrumento.
Então, para começar, o Proshares decidiu recentemente fazer do SVXY proshares / notícias / proshare_capital_management_llc_plans_to_reduce_target_exposure_on_two_etfs. html metade do ETF que costumava ser e, do dia para a noite, nada menos. Enquanto eu mesmo não negocio opções, seguindo alguns comerciantes no twitter, alguns deles ficaram gravemente queimados. De qualquer forma, com o propósito de tomar posições curtas de curto prazo, isso torna a SVXY muito menos atraente no que diz respeito à minha estratégia de negociação proprietária, assim como outras semelhantes.
Essencialmente, enquanto isso transforma o SVXY em um & # 8220; mais seguro & # 8221; comprar e segurar instrumento, na minha opinião, ele se torna um instrumento pior. Considerando que a taxa anual da SVXY é de 139 bps, os traders agora pagam o Proshares de 139 bps apenas para manter metade do seu capital em dinheiro que poderia ter sido investido em outras estratégias, ou simplesmente mantido à margem. Essencialmente, esta é uma tentativa em Proshares & # 8217; parte para à prova de idiotas um produto que não deve ser usado por "idiotas" # 8221; em primeiro lugar. No entanto, na batalha entre entidades para idiotizar um produto e o universo para criar um idiota melhor, é uma aposta segura apostar no universo criando um idiota melhor.
Então, o que isso significa avançar em termos de alternativas para substituir XIV e SVXY? Bem, eu estou com um pouco de perda. Enquanto meu cliente institucional (cujo crowdfund eu faço parte) pode encurtar VXX (e reequilibrar diariamente) para outros indivíduos (como eu em meu próprio PA), eles podem não ser capazes de compartilhar ações da VXX, e pode tornar-se difícil de contrair empréstimos (embora uma posição curta de 66% TVIX também obtenha a mesma exposição, novamente, reequilibrada diariamente, mas vamos assumir restrições semelhantes), e o custo de empréstimo pode aumentar. Algumas alternativas são o XIVH e o novo VMIN, que não especificou sua nova formulação exata, mas, no meu entendimento, após uma longa conversa com Scott Acheychek da REXshares.
Em qualquer caso, vamos analisar algumas alternativas.
Como um dos meus inscritos na estratégia teve a gentileza de me enviar um histórico sintético do XIVH, eu o utilizarei (não há replicação disponível, a menos que o assinante deseje postar um link para download dos leitores. Se não, eu recomendo entrar em contato com o Vance Harwood para sua replicação).
Em todo caso, aqui está um post fantástico de Vance Harwood sobre como o XIVH funciona. Eu não vou tentar parafrasear esse post, porque eu acho que as explicações de Vance sobre os produtos no espaço vol são em uma classe própria, e alguém procurando por informações de segunda mão estaria fazendo um desserviço para não leia o trabalho de Vance no que diz respeito a aprender sobre as várias opções disponíveis no espaço vol.
Em qualquer caso, vamos comparar.
Para o registro, aqui está uma função atualizada para calcular o & ndash; o novo envelope VMIN & # 8221 ;, que funciona exatamente como ZIV, exceto com dr / dt no mês 2 e 1-dr / dt no mês 6, e 25% entre 2 + 6, depois 3, 4, 5 constante.
Vamos comparar os instrumentos agora. O arquivo vixTermStructure. R é aquele que eu mostrei anteriormente em um post separado. Além disso, um desses arquivos não estará acessível como foi fornecido a mim por um assinante, então deixarei isso a cargo deles se desejam compartilhar o arquivo ou não.
Neste caso, temos quatro instrumentos para testar em minha estratégia proprietária: o VXX curto (com um custo de empréstimo bastante conservador de 10%), o novo VMIN, o XIVH, o novo SVXY.
Mais uma vez, isso não é algo que os leitores possam replicar, mas esses são os resultados dos testes ao inserir esses novos instrumentos como substitutos do XIV em minha estratégia agressiva:
E aqui estão suas estatísticas de desempenho, da seguinte função:
Em outras palavras, o VXX curto (ou melhor, o novo SVXY, alavancado duas vezes de volta ao seu estado original), usando um custo mais conservador de empréstimo para curto prazo do que eu vi em outras instituições, ainda oferece resultados superiores para outros instrumentos. Além disso, o volume de XIVH, a partir de hoje, era inferior a 50.000 ações a um preço de US $ 14 (portanto, apenas cerca de US $ 700.000 em volume). O novo VMIN e o novo SVXY perdem muito retorno agregado, embora reduzam um pouco o rebaixamento no processo. Enquanto a estratégia é certamente ainda atraente de uma perspectiva de risco-recompensa ("apenas" 60% de retorno por ano), é no entanto frustrante não ser capaz de realizar todo o seu potencial devido à falta de instrumentos.
Pessoalmente, espero que possamos ver um retorno de -1X produtos VIX inversos até o final de 2018 ou antes. Para o meu próprio comércio pessoal, olhando para os resultados deste post, à primeira vista, minha inclinação parece ser a de que os indivíduos (ou seja, eu mesmo) estão interessados ​​em fazer uma curva de curto prazo sob as restrições de nenhuma margem. (nesse caso, a melhor alternativa seria alavancar o novo SVXY light de 50% duas vezes de volta às suas configurações originais), nem shorting (nesse caso, o VXX curto reequilibrado diariamente dá exposição equivalente), nem opções (vender VXX calls / buy VXX puts que XIVH é o melhor que pode ser feito a partir de uma visão de 10.000 pés. Dito isso, eu certamente espero que o XIVH aumente seu volume daqui para frente, já que ele parece ser o melhor produto para negociar, a fim de expressar uma aposta de curto prazo de quase um mês no mercado de negociação de volatilidade. No entanto, mais uma vez, estarei dando ao Vance Harwood uma revisão sobre o XIVH, e recomendo a qualquer indivíduo determinado a permanecer no complexo VIX depois de 5 de fevereiro para fazer o mesmo.
Dito isso, o XIVH tem suas próprias peculiaridades, pois pode levar uma posição longa e dinâmica de tempos em tempos. No entanto, devido à maneira como minha estratégia específica é configurada, suas entradas sobre volatilidade curta são o que eu chamo de cuidadoso, de modo a maximizar as chances de XIVH tomar uma posição de baixa volatilidade. No entanto, isso é de fato alguma notícia adversa para mim (eu não posso falar por outros indivíduos que podem ter restrições diferentes com suas corretoras). No entanto, embora eu não possa decidir pelos outros, continuarei a negociar minha estratégia, pois considero menos uma coisa boa ser melhor do que nada, e.
60% ao ano ainda é muito melhor do que se pode conseguir em praticamente qualquer outro mercado sem alavancagem ou outra execução sofisticada.
Em qualquer caso, essa é a atualização após o anúncio do Proshares. É uma pílula difícil de engolir, e espero que surjam no futuro opções melhores para aqueles indivíduos que respeitam a história dos produtos de baixa qualidade, pensem duas vezes antes de assumir posições e aceitem as perdas que vêm com o território como resultado. de usar tais produtos.
Obrigado pela leitura.
OBSERVAÇÃO: Estou procurando emprego em tempo integral, projetos de consultoria de longo prazo e trabalho em rede em relação ao meu conjunto de habilidades. Para aqueles que estão interessados ​​no meu conjunto de habilidades, sinta-se à vontade para entrar em contato e deixar uma nota para mim no meu perfil do LinkedIn.
Criando uma tabela de retornos mensais com R e uma entrevista de negociação de volatilidade.
Este post abrangerá dois aspectos: o primeiro será uma função para converter retornos diários em uma tabela de retornos mensais, completa com saques e retornos anuais. O segundo será uma entrevista que tive com David Lincoln (agora no youtube) para falar sobre os eventos de 5 de fevereiro de 2018, e minha filosofia sobre negociação de volatilidade.
Então, para começar, uma função que eu escrevi que supostamente imita a tabela PerforamnceAnalytics. O CalendarReturns está abaixo. Que tabela. CalendarReturns é suposto fazer é criar uma tabela de meses mensais X de retornos mensais com meses de diferença e anos para baixo. No entanto, nunca pareceu me dar a saída que eu esperava, então fui e escrevi outra função.
Aqui está o código para a função:
Veja como a saída se parece.
E com formatação percentual:
Isso cobre isso para a função. Agora, na negociação de volatilidade. Desviar-se do colapso da volatilidade de fevereiro foi, em minha opinião, um dos melhores validadores fora de amostra para minha pesquisa de negociação de volatilidade. Os números dos meus assinantes confirmam isso, pois eu recebi 12 novos assinantes este mês, já que os indivíduos interessados ​​no espaço de negociação de volatilidade ganharam um novo respeito pelo gerenciamento de risco que o meu sistema usa. Afinal, são os meses de baixa que justificam os operadores do sistema, como eu, que não empregam alavancagem nos tempos de aumento. Os interessados ​​em seguir meus negócios podem se inscrever aqui. Além disso, recentemente, pude ter uma chance de falar com David Lincoln sobre minha formação, filosofia sobre negociação em geral e volatilidade de negociações em particular. Os interessados ​​podem ver a entrevista aqui.
Obrigado pela leitura.
OBSERVAÇÃO: Estou atualmente interessado em contatos em rede, cargos em tempo integral relacionados ao meu conjunto de habilidades e projetos de consultoria de longo prazo. Os interessados ​​em discutir oportunidades profissionais podem me encontrar no LinkedIn depois de escrever uma nota expressando seu interesse.
Como fazer um personagem Chrono Trigger e sobreviver ao apocalipse.
Este post de improviso estará falando sobre os eventos de 5 de fevereiro de 2018 nos mercados de volatilidade.
Permita-me entrar em um pouco de nostalgia milenar. Para aqueles que jogaram Chrono Trigger, as probabilidades são, uma de suas experiências mais memoráveis ​​é experimentar pela primeira vez o Reino do Zelo - foi um reino flutuante acima das nuvens de uma era do gelo sem fim, completo com um cenário quente e música relaxante .
Para encurtar a história, foi alimentado pela colheita de magia de "essencialmente o monstro que era o inimigo final do jogo". Qual foi o meu cenário favorito no jogo, eventualmente, isso aconteceu.
Essencialmente, a lição tirada desse cenário é: tenha cuidado, em primeiro lugar, e não mexa com coisas que não se compreende. Depois do 2017 que o XIV teve, quando era aparentemente impossível fazer qualquer erro, muitos traders do sistema pareciam insensatos. Bem, parece que todas as coisas boas devem chegar ao fim, embora não seja frequente que elas o façam tão violentamente.
Para registro, minha estratégia de subscrição agressiva estava estável desde 31 de janeiro, enquanto minha estratégia conservadora permaneceu estável por muito mais tempo. Em suma, a discrição é, às vezes, a melhor parte da bravura, embora aqueles que estão interessados ​​no que realmente se constitui como valor e queiram ouvi-lo a partir de uma quantia, possam se dirigir ao Alpha Architect. Wes Gray e Jack Vogel vão te dizer muito mais sobre ser um durão do que eu jamais poderia.
No entanto, para colocar alguns números firmes na minha filosofia de negociação:
Faça 100% em um trade? Você é um herói por algum tempo finito.
Perde 100%? Você não é apenas um idiota. Você está pronto. Kaput. Acabado. Carreira acabou.
A maneira que eu vejo é a seguinte: na negociação, não há almoço grátis, e há muitas pessoas inteligentes na indústria.
A maneira que eu vejo é isso:
O risco nos mercados financeiros (especialmente os mercados de negociação de volatilidade) não é assim:
As caudas são muito longas. E nos mercados financeiros, eles não são tão fofos.
Para que conste, minha estratégia de assinatura, além de dar uma olhada no meu sinal VXX, não é afetada pela rescisão do XIV, já que o SVXY entrará no lugar certo para substituí-lo.
Obrigado pela leitura.
NOTA: Atualmente, estou procurando emprego em tempo integral, oportunidades de consultoria e oportunidades de networking em relação às habilidades que demonstrei. Entre em contato comigo no LinkedIn aqui.
Qual taxa de volatilidade implícita é melhor?
Este post será sobre a comparação de um sinal de volatilidade usando três variações diferentes de índices de volatilidade implícita para prever quando entrar em uma posição de volatilidade curta.
Na negociação de volatilidade, existem três índices de volatilidade implícita separados que têm um longo histórico de negociação - o VIX (todos conhecem esse), o VXV (mais recentemente alterado para ser chamado de VIX3M), que é como o VIX, exceto por um período de três meses), e o VXMT, que é o período implícito de volatilidade de seis meses.
Essa relação fornece a investigação de três taxas de volatilidade implícitas separadas: VIX / VIX3M (VXV), VIX / VXMT e VIX3M / VXMT, como preditores para inserir uma posição de volatilidade curta (ou longa).
Então, vamos pegar os dados.
Uma estratégia rápida para investigar é simples - a ideia de que a relação deve ser inferior a 1 (I. E. contango na estrutura de termo de volatilidade implícita) e decrescente (abaixo de uma média móvel). Portanto, quando o índice for inferior a 1 (ou seja, com volatilidade implícita de prazo mais longo maior do que a curto prazo), e a proporção ficar abaixo da média móvel de 60 dias, a estratégia assumirá uma posição no XIV.
Aqui está o código para fazer isso.
Com o seguinte desempenho:
Em outras palavras, o VIX3M / VXMT ostenta os menores drawdowns (por uma grande margem) com retornos mais altos.
Então, quando as pessoas falam sobre qual relação de volatilidade implícita usar, eu acho que isso oferece algumas fortes evidências para o horizonte de longo prazo como um preditor para o qual a estrutura implícita de termos de uso deve ser usada. É também por isso que constitui a base da minha estratégia de subscrição.
Obrigado pela leitura.
OBSERVAÇÃO: No momento, estou procurando uma posição de período integral (remota ou no nordeste dos EUA) relacionada ao meu conjunto de habilidades demonstradas neste blog. Envie uma mensagem para mim no LinkedIn se você souber de alguma oportunidade que possa se beneficiar do meu conjunto de habilidades.
Replicando a volatilidade ETN retorna do CBOE Futures.
Este post demonstrará como replicar os ETNs de volatilidade (XIV, VXX, ZIV, VXZ) dos futuros do CBOE, permitindo assim que qualquer indivíduo crie retornos sintéticos do ETF antes de seu lançamento, sem custo.
Então, antes de chegar ao algoritmo atual, isso depende de uma atualização do algoritmo de estrutura a termo que compartilhei alguns meses atrás.
Nesse algoritmo, por engano (ou com o propósito de simplicidade), usei dias de calendário como o tempo para expirar, quando deveria ter sido dias úteis, o que também explica fins de semana e feriados, que são um artefato irritante para acompanhar .
Então, aqui está a mudança saliente, no loop que calcula os tempos para expirar:
A linha saliente em particular, é esta:
O que é essa função de bizards? Ele vem do pacote bizdays em R.
Há também o script tradingHolidays. R, que faz uso adicional do pacote bizdays. Aqui está o que acontece sob o capô em tradingHolidays. R, para aqueles que desejam replicar o código:
Existem dois CSVs que eu compilei manualmente, mas compartilharei screenshots de & quot; eles são os feriados de Páscoa (porque eles têm que ser ajustados para virar de domingo a sexta-feira por causa das sextas-feiras de Páscoa) e o resto dos feriados nacionais.
Aqui está o que o easters CSV parece:
E o nonEasterHolidays, que contém o Dia de Ano Novo, o MLK Jr., o Dia dos Presidentes, o Memorial Day, o Dia da Independência, o Dia do Trabalho, o Dia de Ação de Graças e o Dia de Natal (juntamente com suas datas observadas) CSV:
Além disso, precisamos ajustar para os dois dias que as ações não foram negociadas devido ao furacão Sandy.
Então, a lista de feriados é assim:
Portanto, uma vez que tenhamos uma lista de feriados, usamos o pacote bizdays para definir os feriados e finais de semana (sábado e domingo) como nossos dias não úteis e usamos essa função para calcular os tempos corretos para expirar.
Então, agora que temos a estrutura de expiração atualizada, podemos escrever uma função que irá replicar corretamente os quatro principais ETNs de volatilidade: XIV, VXX, ZIV e VXZ.
Aqui está a explicação em inglês:
A VXX é composta de dois contratos - o mês da frente e o mês anterior - e tem um certo número de dias de negociação (AKA) que negocia até o vencimento, digamos, 17. Durante esse período, o mês da frente ( vamos chamá-lo M1) vai de toda a alocação de fundos, para não ser nenhum dos alocação de fundos, como o contrato do mês da frente se aproxima da expiração. Ou seja, à medida que o contrato se aproxima da expiração, o segundo contrato recebe cada vez mais peso, até que, no vencimento do contrato do mês anterior, o contrato do segundo mês contenha todos os fundos - assim como ele se torna o mês da frente. contrato. Então, digamos que você tenha 17 dias para expirar no mês da frente. No termo do contrato anterior, o segundo mês terá um peso de 17/17 & # 8211; 100%, como se torna o mês da frente. Então, no dia seguinte, esse contrato, agora o mês da frente, terá um peso de 16/17 no acordo, depois 15/17, e assim por diante. Esse numerador é chamado dr e o denominador é chamado dt.
No entanto, além disso, há um segundo mecanismo que é responsável pela VXX, como acontece em comparação a um contrato básico de futuros (ou seja, a decadência responsável pelos lucros de volatilidade curta), e isto é o & # 8220; instantâneo & # 8221; reequilíbrio. Ou seja, os retornos para um determinado dia são os acordos de hoje multiplicados pelos pesos de ontem, sobre as liquidações de ontem multiplicadas pelos pesos de ontem, menos um. Ou seja, (S_1_t * dr / dt_t-1 + S_2_t * 1-dr / dt_t-1) / (S_1_t-1 * dr / dt_t-1 + S_2_t-1 * 1-dr / dt_t-1) & # 8211; 1 (eu poderia usar um tutorial no LaTeX). Então, quando você avança um dia, bem, amanhã, os pesos de hoje se tornam t-1. No entanto, quando os ativos poderiam ser reequilibrados? Bem, nos ETNs como o VXX e o VXZ, o ponteiro de mão & # 8221; é que isso acontece instantaneamente. Ou seja, o peso para o mês da frente foi de 93%, o retorno foi realizado no momento da liquidação (ou seja, da liquidação até a liquidação) e, imediatamente após esse retorno, o peso do mês anterior passou de 93%. para, digamos, 88%. Então, digamos que o Credit Suisse (que emite esses ETNs) tem US $ 10.000 (apenas para manter a aritmética e o número de zeros toleráveis, obviamente existem muito mais na realidade) no valor de XIV em circulação depois de realizar imediatamente os retornos, ele venderá US $ 500 de seu $ 9300 no mês da frente, e imediatamente movê-los para o segundo mês, então ele irá imediatamente de $ 9300 em M1 e $ 700 em M2 para $ 8800 em M1 e $ 1200 em M2. Quando esses 500 dólares mudaram? Imediatamente, instantaneamente, e se você quiser, você pode aplicar a Terceira Lei de Clarke e chamá-la de "magicamente".
A única exceção é o dia após o dia de lançamento, no qual o segundo mês simplesmente se torna o mês da frente quando o mês anterior vence, então o que era um peso de 100% no segundo mês agora será um peso de 100% no mês anterior então, há algum código extra que precisa ser escrito para fazer essa distinção.
É assim que funciona para VXX e XIV. Qual é a diferença para VXZ e ZIV? É realmente simples - em vez de M1 e M2, o VXZ usa exatamente as mesmas ponderações (ou seja, o tempo restante no mês anterior versus quantos dias existem para que o contrato seja o mês da frente), usa M4 , M5, M6 e M7, com M4 tomando dr / dt, M5 e M6 sempre sendo 1 e M7 sendo 1-dr / dt.
Em todo caso, aqui está o código.
Então, um grande agradecimento vai para Michael Kapler da Systematic Investor Toolbox por originalmente fazer a replicação e fornecer seu código. Meu código essencialmente faz a mesma coisa, espero que de uma maneira mais comentada.
Então, finalmente, funciona? Bem, usando meu código de estrutura de prazo atualizado, posso testar isso.
Embora eu não cole todo o código da estrutura do termo (mais uma vez, disponível aqui, apenas atualize o script com minhas atualizações deste post), aqui está como você executou a nova função:
E como ele retorna os retornos vxx e o vxz retorna, podemos comparar os dois.
Com o resultado:
Basicamente, um par perfeito.
Vamos fazer o mesmo, com ZIV.
Assim, a reconstrução do futuro é um pouquinho melhor que o ETN. Mas a trajetória é em grande parte idêntica.
Isso conclui este post. Espero que tenha lançado alguma luz sobre como esses ETNs de volatilidade funcionam, e como obtê-los diretamente dos dados futuros publicados pelo CBOE, que são as entradas para o meu algoritmo de estrutura a termo.
Isso também significa que, para instituições interessadas em negociar minha estratégia, elas podem obter alavancagem para negociar as variantes replicadas de futuros compostos desses ETNs, em maior volume.
Obrigado pela leitura.
OBSERVAÇÕES: Para aqueles interessados ​​em uma estratégia de assinatura de varejo para a volatilidade das negociações, não hesite em assinar minha estratégia de negociação de volatilidade. Para os interessados ​​em me empregar em tempo integral ou para projetos de consultoria de longo prazo, posso ser contatado no meu LinkedIn ou no meu e-mail: ilya. kipnis@gmail.
(Não fique) Enroscado no ruído.
Este post será sobre a investigação da eficácia do contango como um sinal de negociação de volatilidade.
Para aqueles que negociam volatilidade (como eu), um termo que você pode ver que é um pouco onipresente é o termo "contango & # 8221 ;. O que este termo significa?
Bem, simples: significa apenas a relação do segundo mês dos futuros VIX em relação ao primeiro. A ideia é que, quando o segundo mês de futuros é mais do que o primeiro, a perspectiva das pessoas para a volatilidade é maior no futuro do que é para o presente, e, portanto, os futuros estão no contango & # 8221 ;, que é na maioria das vezes.
Além disso, aqueles que tentam encontrar idéias de negociação de volatilidade decentes podem ter visto muitas vezes que os futuros no contango implicam que manter uma posição de volatilidade curta será lucrativa.
É este o caso?
Bem, há uma maneira fácil de responder isso.
Usando esses dados, podemos obter nosso sinal (ou seja, para executar o código neste post, execute o código nesse post).
Agora, vamos obter nossos dados XIV (mais uma vez, muito obrigado ao Sr. Helmuth Vollmeier por gentilmente fornecê-lo.
Agora, aqui está como isso funciona: como o CBOE não atualiza seus acordos até por volta das 9:45 da manhã do dia seguinte (por exemplo, os dados de uma terça-feira não serão liberados até Quarta-feira às 9:45 AM EST), temos que entrar no final do dia após o sinal ser acionado. (Para os que estão se perguntando, minha estratégia de assinatura usa esse mecanismo, dando aos assinantes tempo suficiente para executar durante todo o dia.)
Então, vamos calcular nossos retornos de backtest. Aqui está uma função stratStats para calcular algumas estatísticas de resumo.
Com os seguintes resultados:
Então, isso é obviamente um desastre. A inspeção visual mostrará perdas devastadoras de vários anos. Usando o comando table. Drawdowns, podemos visualizar os piores.
Então, os 3 primeiros são horríveis, e então qualquer coisa acima de 30% ainda é horrível. Alguns desses levantamentos duraram vários anos também, com um enorme comprimento no vale. 458 dias de negociação são quase dois anos e 364 é de cerca de um ano e meio. Imagine que uma estratégia esteja constantemente do lado errado do negócio por quase dois anos, e quando tudo estiver dito e feito, você perdeu três quartos de tudo nessa estratégia.
Não há revestimento de açúcar: essa estratégia só pode ser chamada de lixo total.
Vamos tentar uma modificação: exigiremos tanto o contango (C2 & C1) como o contango acima de sua média móvel simples de 60 dias, semelhante à minha estratégia VXV / VXMT.
Com os resultados:
Assim, um Calmar ainda com segurança abaixo de 1, um Índice de Desempenho de Úlcera ainda no porão, um rebaixamento máximo que já passou do ponto em que as pessoas abandonaram a estratégia, e assim por diante.
Então, embora tenha sido melhorado, ainda é seguro dizer que essa estratégia não funciona muito bem. Mesmo depois da grande retirada de 2007-2008, ainda há algumas coisas muito erradas, como estar exposto a todo o mês de agosto de 2017.
Embora eu acredite que há aplicações para contornar o investimento em volatilidade, não acredito que seu uso esteja gerando o sinal de volatilidade longo / curto por conta própria. Em vez disso, acho que outros índices e fontes de dados fazem um trabalho melhor. Como o VXV / VXMT, que já foi repetido para formar minha estratégia de assinatura.
Obrigado pela leitura.
OBSERVAÇÃO: Atualmente, estou procurando oportunidades de networking, projetos de longo prazo e cargos em tempo integral relacionados ao meu conjunto de habilidades. Meu perfil vinculado pode ser encontrado aqui.
Comparando algumas estratégias de investimento de volatilidade fácil e o comando Table. Drawdowns.
Este post será sobre a comparação de estratégias do paper & # 8220; Easy Volatility Investing & # 8221 ;, juntamente com uma demonstração do comando table. Drawdowns do R & D.
Primeiro, antes de ir mais longe, enquanto eu acho que as suposições de execução encontradas no EVI não emprestam as estratégias bem para a negociação real ao vivo (embora suas compensações risco / recompensa também deixem muito espaço para melhorias), eu acho que essas estratégias são ótimos como benchmarks.
Então, há algum tempo, fiz um teste fora da amostra para uma das estratégias encontradas no EVI, que pode ser encontrado aqui.
Usando a mesma fonte de dados, também obtive dados para o SPY (embora, novamente, o AlphaVantage também possa fornecer esse serviço gratuitamente para aqueles que não usam o Quandl).
Aqui está o novo código.
Portanto, uma explicação: há quatro fluxos de retorno aqui: compre e mantenha XIV, o momentum do DDN de um post anterior e duas outras estratégias.
O mais simples, chamado VRatio, é simplesmente a relação entre o VIX e o VXV. Perto do fechamento, verifique essa quantidade. Se isso for menor que um, compre XIV, caso contrário, compre o VXX.
O outro, chamado de estratégia Volatility Risk Premium (ou VRP, abreviado), compara a volatilidade histórica de 10 dias (ou seja, o desvio padrão de dez dias anualizado) do S & amp; P 500, subtrai-o do VIX e leva uma média móvel de 5 dias disso. Perto do fim, quando isso é acima de zero (isto é, o VIX é maior do que a volatilidade histórica), vá muito além do XIV, caso contrário, vá muito além do VXX.
Mais uma vez, todas essas estratégias são efetivamente observadas perto / no final, compre no próximo, portanto, são úteis para fins de demonstração, embora não para fins de implementação em qualquer conta grande, sem incorrer em impacto no mercado.
Aqui estão os resultados, desde 2011 (isto é, na época do início real do XIV):
Vale ressaltar que tanto o momento quanto a estratégia de VRP têm desempenho inferior à compra e à manutenção do XIV desde 2011. A estratégia da VRatio, por outro lado, supera o desempenho.
Aqui está uma função de estatísticas de resumo que compila algumas métricas de desempenho de alto nível.
Para notar, todas as estratégias de benchmark sofreram quedas muito grandes desde o início de XIV, que podemos examinar usando o comando table. Drawdowns, como visto abaixo:
Observe que o comando table. Drawdowns examina apenas um fluxo de retorno de cada vez. Além disso, o argumento top especifica quantos drawdowns para olhar, classificados pelo maior drawdown primeiro.
Uma razão pela qual eu acho que essas estratégias parecem sofrer os rebaixamentos que elas fazem é que elas estão todas em um ativo, ou seu exato oposto, sem espaço para erro.
Uma última coisa, para os curiosos, aqui está a comparação com a minha estratégia desde 2011 (essencialmente XIV início) comparada com as estratégias no EVI (que eu tenho negociado com capital vivo desde setembro, e abrimos recentemente um serviço de assinatura para):
Obrigado pela leitura.
OBSERVAÇÃO: Atualmente, estou procurando oportunidades de rede e de tempo integral relacionadas ao meu conjunto de habilidades. Meu perfil no LinkedIn pode ser encontrado aqui.
Lançamento do meu serviço de assinatura.
Depois de avaliar o interesse de meus leitores, decidi abrir um serviço de assinatura. Vou copiar e colar as perguntas frequentes ou a minha melhor tentativa de tentar responder ao maior número possível de perguntas com antecedência, e posso responder mais no futuro.
Estou optando por usar o Patreon apenas para terceirizar todos os detalhes técnicos de como lidar com assinaturas e criar uma fonte centralizada para postar conteúdo baseado em assinatura.
FAQs (copiados da página de inscrição):
Obrigado pela visita. Depois de avaliar o interesse de meus leitores em meu site principal (quantstrattrader. wordpress), criei isso como uma página de assinatura para estratégias quantitativas de investimento, com o objetivo de fazer com que os assinantes transformassem seu dinheiro em mais dinheiro, líquido de taxas de assinatura (esperançosamente). Os sistemas que desenvolvo vêm de um histórico de aprendizado de profissionais de trading quantitativos experientes e de pesquisadores seniores de grandes empresas. O sistema atual eu inicialmente publiquei um protótipo por vários anos atrás e observei ele sendo rastreado, antes de finalmente começar a implantar meu próprio capital no início deste ano, e fazer as modificações mais recentes ainda mais recentemente.
E embora o desempenho passado não garanta resultados futuros e o passado não se repita, ele rima com frequência, portanto, vamos transformar o dinheiro em mais dinheiro.
Algumas perguntas frequentes sobre a estratégia:
Qual é o preço da assinatura para essa estratégia?
Atualmente, depois de avaliar o interesse dos leitores e fazer pesquisas com base em outros sites, o preço de tentativa é de US $ 50 / mês. Como esta estratégia constrói um histórico, que pode estar sujeito a alterações no futuro, e as notificações serão feitas em tal evento.
Qual é a descrição da estratégia?
A estratégia é principalmente um sistema de volatilidade curto que negocia XIV, ZIV e VXX. No que diz respeito às estratégias de volatilidade, é bastante conservador, pois utiliza várias verificações diferentes para garantir uma posição.
Qual é a vantagem da estratégia?
Em duas palavras: gerenciamento de risco. Essencialmente, existem alguns critérios separados para selecionar um investimento, e o sistema gasta um tempo não insignificante sem exposição quando alguns desses critérios fornecem sinais contraditórios. Além disso, o sistema utiliza metodologias disciplinadas em sua construção para evitar parâmetros livres desnecessários e manter a estratégia o mais parcimoniosa possível.
Você negocia seu próprio capital com essa estratégia?
Quando foi o período de treinamento dentro da amostra para este sistema?
Um site que não atualiza mais o seu blog (volatilidade simplificada) uma vez rastreou uma estratégia mais rudimentar que escrevi há vários anos. Fiquei particularmente satisfeito com os resultados desse exame e, recentemente, recebi contribuições para melhorar meu sistema em um grau muito maior, assim como ganhei a confiança para investir capital vivo nele.
Quantos negócios por ano o sistema faz?
No backtest de 20 de abril de 2008 até o final de 2016, o sistema fez 187 transações no XIV (compra e venda), 160 na ZIV e 52 na VXX. Significando ao longo de aproximadamente 9 anos, houve em média 43 transações por ano. Em alguns casos, isso pode simplesmente estar mudando de XIV para ZIV ou vice-versa. Em outras palavras, os negócios duram aproximadamente uma semana (alguns podem ser mais longos, alguns mais curtos).
Quando os sinais serão postados?
Os sinais serão postados em algum momento entre as 12h e o fechamento do mercado (4h da tarde). No backtesting, eles são testados como mercado em ordens fechadas, de modo que os indivíduos assumem qualquer risco / recompensa executando anteriormente.
Com que frequência este sistema está no mercado?
Cerca de 56%. No entanto, ao longo do período de backtesting (e negociação ao vivo), apenas cerca de 9% dos meses têm retorno zero.
Quais são as distribuições dos meses vencedores, perdedores e com zero retorno?
As of late October 2017, there have been about 65% winning months (with an average gain of 12.8%), 26% losing months (with an average loss of 4.9%), and 9% zero months.
What are some other statistics about the strategy?
Since 2011 (around the time that XIV officially came into inception as opposed to using synthetic data), the strategy has boasted an 82% annualized return, with a 24.8% maximum drawdown and an annualized standard deviation of 35%. This means a Sharpe ratio (return to standard deviation) higher than 2, and a Calmar ratio higher than 3. It also has an Ulcer Performance Index of 10.
What are the strategy’s worst drawdowns?
Since 2011 (again, around the time of XIV’s inception), the largest drawdown was 24.8%, starting on October 31, 2011, and making a new equity high on January 12, 2012. The longest drawdown started on August 21, 2014 and recovered on April 10, 2015, and lasted for 160 trading days.
Will the subscription price change in the future?
If the strategy continues to deliver strong returns, then there may be reason to increase the price so long as the returns bear it out.
Can a conservative risk signal be provided for those who might not be able to tolerate a 25% drawdown?
A variant of the strategy that targets about half of the annualized standard deviation of the strategy boasts a 40% annualized return for about 12% drawdown since 2011. Overall, this has slightly higher reward to risk statistics, but at the cost of cutting aggregate returns in half.
Can’t XIV have a termination event?
This refers to the idea of the XIV ETN terminating if it loses 80% of its value in a single day. To give an idea of the likelihood of this event, using synthetic data, the XIV ETN had a massive drawdown of 92% over the course of the 2008 financial crisis. For the history of that synthetic (pre-inception) and realized (post-inception) data, the absolute worst day was a down day of 26.8%. To note, the strategy was not in XIV during that day.
What was the strategy’s worst day?
On September 16, 2016, the strategy lost 16% in one day. This was at the tail end of a stretch of positive days that made about 40%.
What are the strategy’s risks?
The first risk is that given that this strategy is naturally biased towards short volatility, that it can have potential for some sharp drawdowns due to the nature of volatility spikes. The other risk is that given that this strategy sometimes spends its time in ZIV, that it will underperform XIV on some good days. This second risk is a consequence of additional layers of risk management in the strategy.
How complex is this strategy?
Not overly. It’s only slightly more complex than a basic momentum strategy when counting free parameters, and can be explained in a couple of minutes.
Does this strategy use any complex machine learning methodologies?
No. The data requirements for such algorithms and the noise in the financial world make it very risky to apply these methodologies, and research as of yet did not bear fruit to justify incorporating them.
Will instrument volume ever be a concern (particularly ZIV)?
According to one individual who worked on the creation of the original VXX ETN (and by extension, its inverse, XIV), new shares of ETNs can be created by the issuer (in ZIV’s case, Credit Suisse) on demand. In short, the concern of volume is more of a concern of the reputability of the person making the request. In other words, it depends on how well the strategy does.
Can the strategy be held liable/accountable/responsible for a subscriber’s loss/drawdown?
​Let this serve as a disclaimer: by subscribing, you agree to waive any legal claim against the strategy, or its creator(s) in the event of drawdowns, losses, etc. The subscription is for viewing the output of a program, and this service does not actively manage a penny of subscribers’ actual assets. Subscribers can choose to ignore the strategy’s signals at a moment’s notice at their discretion. The program’s output should not be thought of as the investment advice coming from a CFP, CFA, RIA, etc.
Why should these signals be trusted?
Because my work on other topics has been on full, public display for several years. Unlike other websites, I have shown “bad backtests”, thus breaking the adage of “you’ll never see a bad backtest”. I have shown thoroughness in my research, and the same thoroughness has been applied towards this system as well. Until there is a longer track record such that the system can stand on its own, the trust in the system is the trust in the system’s creator.
Who is the intended audience for these signals?
The intended audience is individual, retail investors with a certain risk tolerance, and is priced accordingly.
​Isn’t volatility investing very risky?
​It’s risky from the perspective of the underlying instrument having the capacity to realize very large drawdowns (greater than 60%, and even greater than 90%). However, from a purely numerical standpoint, the company taking over so much of shopping, Amazon, since inception has had a 37.1% annualized rate of return, a standard deviation of 61.5%, a worst drawdown of 94%, and an Ulcer Performance Index of 0.9. By comparison, XIV, from 2008 (using synthetic data), has had a 35.5% annualized rate of return, a standard deviation of 57.7%, a worst drawdown of 92%, and an Ulcer Performance Index of 0.6. If Amazon is considered a top-notch asset, then from a quantitative comparison, a system looking to capitalize on volatility bets should be viewed from a similar perspective. To be sure, the strategy’s performance vastly outperforms that of buying and holding XIV (which nobody should do). However, the philosophy of volatility products being much riskier than household tech names just does not hold true unless the future wildly differs from the past.
​Is there a possibility for collaborating with other strategy creators?
​Feel free to contact me at my email ilya. kipnis@gmail to discuss that possibility. I request a daily stream of returns before starting any discussion.
Because past all the artsy-craftsy window dressing and interesting choice of vocabulary, Patreon is simply a platform that processes payments and creates a centralized platform from which to post subscription-based content, as opposed to maintaining mailing lists and other technical headaches. Essentially, it’s simply a way to outsource the technical end of running a business, even if the window dressing is a bit unorthodox.
Obrigado pela leitura.
NOTE: I am currently interested in networking and full-time roles based on my skills. My LinkedIn profile can be found here.
The Return of Free Data and Possible Volatility Trading Subscription.
This post will be about pulling free data from AlphaVantage, and gauging interest for a volatility trading subscription service.
So first off, ever since the yahoos at Yahoo decided to turn off their free data, the world of free daily data has been in somewhat of a dark age. Well, thanks to blog. fosstrading/2017/10/getsymbols-and-alpha-vantage. html#gpluscommentsJosh Ulrich, Paul Teetor, and other R/Finance individuals, the latest edition of quantmod (which can be installed from CRAN) now contains a way to get free financial data from AlphaVantage since the year 2000, which is usually enough for most backtests, as that date predates the inception of most ETFs.
Here’s how to do it.
Once you do that, downloading data is simple, if not slightly slow. Here’s how to do it.
And the results:
Which means if any one of my old posts on asset allocation has been somewhat defunct thanks to bad yahoo data, it will now work again with a slight modification to the data input algorithms.
Beyond demonstrating this routine, one other thing I’d like to do is to gauge interest for a volatility signal subscription service, for a system I have personally started trading a couple of months ago.
Simply, I have seen other websites with subscription services with worse risk/reward than the strategy I currently trade, which switches between XIV, ZIV, and VXX. Currently, the equity curve, in log 10, looks like this:
That is, $1000 in 2008 would have become approximately $1,000,000 today, if one was able to trade this strategy since then.
Since 2011 (around the time of inception for XIV), the performance has been:
Considering that some websites out there charge upwards of $50 a month for either a single tactical asset rotation strategy (and a lot more for a combination) with inferior risk/return profiles, or a volatility strategy that may have had a massive and historically record-breaking drawdown, I was hoping to gauge a price point for what readers would consider paying for signals from a better strategy than those.
Obrigado pela leitura.
NOTE: I am currently interested in networking and am seeking full-time opportunities related to my skill set. My LinkedIn profile can be found here.
The Kelly Criterion — Funciona?
This post will be about implementing and investigating the running Kelly Criterion — that is, a constantly adjusted Kelly Criterion that changes as a strategy realizes returns.
For those not familiar with the Kelly Criterion, it’s the idea of adjusting a bet size to maximize a strategy’s long term growth rate. Both en. wikipedia/wiki/Kelly_criterionWikipedia and Investopedia have entries on the Kelly Criterion. Essentially, it’s about maximizing your long-run expectation of a betting system, by sizing bets higher when the edge is higher, and vice versa.
There are two formulations for the Kelly criterion: the Wikipedia result presents it as mean over sigma squared. The Investopedia definition is P-[(1-P)/winLossRatio], where P is the probability of a winning bet, and the winLossRatio is the average win over the average loss.
In any case, here are the two implementations.
Let’s try this with some data. At this point in time, I’m going to show a non-replicable volatility strategy that I currently trade.
For the record, here are its statistics:
Now, let’s see what the Wikipedia version does:
The results are simply ridiculous. And here would be why: say you have a mean return of .0005 per day (5 bps/day), and a standard deviation equal to that (that is, a Sharpe ratio of 1). You would have 1/.0005 = 2000. In other words, a leverage of 2000 times. This clearly makes no sense.
The other variant is the more particular Investopedia definition.
Looks a bit more reasonable. However, how does it stack up against not using it at all?
Turns out, the fabled Kelly Criterion doesn’t really change things all that much.
For the record, here are the statistical comparisons:
Obrigado pela leitura.
NOTE: I am currently looking for my next full-time opportunity, preferably in New York City or Philadelphia relating to the skills I have demonstrated on this blog. My LinkedIn profile can be found here. If you know of such opportunities, do not hesitate to reach out to me.