“Comercio algorítmico” es un término muy amplio y he visto muchas definiciones diferentes. De ninguna manera soy un comerciante profesional, pero lo mejor que puedo ofrecer es lo que he leído al respecto en Internet. Si las técnicas que menciono están desactualizadas, me encantaría ser educado en esto.
Algunas personas definen el comercio algorítmico como “cualquier estrategia comercial que utiliza algoritmos (es decir, un conjunto de reglas de decisión lógicas y matemáticas) para decidir qué comprar / vender, cuánto comprar / vender, etc.”. Esto no necesariamente tiene que estar codificado en una computadora: un comerciante puede usar una hoja de cálculo de Excel para calcular sus retornos y basar sus decisiones de manera semiautomatizada. Hablando estrictamente, uno podría llamar a eso comercio “algorítmico”.
Sin embargo, eso haría que prácticamente todos sean un operador algorítmico (menos los no informados), por lo que la definición no es particularmente útil. En cambio, me gusta pensar en el comercio algorítmico como escribir programas de computadora para automatizar la ejecución de órdenes. La autonomía de estos programas puede variar. En un extremo, tiene un programa que detecta oportunidades comerciales y el operador realiza el pedido final, y en el otro extremo de la escala, los programas se ejecutan tan rápido que toman una decisión en milisegundos o incluso microsegundos al recibir datos de tick (alto frecuencia). Obviamente, un comerciante humano no tiene tiempo para involucrarse aquí.
- ¿Qué técnicas de software se utilizan para reducir la latencia y sus efectos, en juegos como shooters en primera persona y MMO?
- ¿Cómo funciona una aplicación de traducción de idiomas?
- ¿Cuál es una buena introducción a las bases de datos?
- ¿Cuáles son algunos buenos ejemplos de problemas computacionales que naturalmente caen en NPSPACE?
- ¿Dónde está el aprendizaje automático o la inteligencia artificial agregando valor a su empresa?
Aquí hay algunas cosas populares (no una lista exhaustiva):
Feeds de datos de baja latencia y ejecuciones de órdenes: si puede recibir datos de tick antes que nadie y decide comerciar lo suficientemente rápido (microsegundos), puede detectar ineficiencias del mercado (arbitraje) y obtener ganancias sin riesgo utilizando estrategias muy simples. Las grandes empresas en Wall Street en estos días están contratando a muchos desarrolladores de FPGA e invirtiendo en plataformas tecnológicas novedosas para reducir los microsegundos de esta tubería. Si observa algunos bots comerciales de código abierto en Github, notará que muchas personas escriben bots comerciales usando Node.JS, que es razonablemente rápido para matemáticas simples y REALMENTE rápido para E / S (el último factor limitante).
Predecir los precios de las acciones en función de los rumores de Internet: existen estrategias bien conocidas para obtener buenos resultados en los mercados de reversión a la media o de tendencia, pero la gran pregunta es: ¿en qué régimen se encuentra actualmente el mercado? En el momento en que surgieron Facebook y Twitter, la gente se dio cuenta de que Internet podía proporcionar información muy detallada sobre el sentimiento de los inversores. Aquí hay un ejemplo de una estrategia algorítmica que usa las tendencias de Google para predecir los movimientos del mercado (en este caso, el ejemplo es bastante simple, pero también se podrían usar las tendencias de Google para cambiar de régimen, por ejemplo).
Quantopian: los términos de búsqueda de Google predicen los movimientos del mercado
El procesamiento de noticias + procesamiento del lenguaje natural también puede ser útil para evaluar el sentimiento, pero con herramientas como Twitter y Google Trends, no estoy seguro de si eso sigue siendo popular.
El comercio de opciones sigue siendo bastante popular, que yo sepa. Las estrategias algorítmicas para las opciones generalmente involucran modelos mucho más complicados (PDEs estocásticos y movimiento browniano multidimensional, modelos de difusión de calor) para predecir cuál es el beneficio esperado de una opción. Wall Street también recluta a muchos físicos para este tipo de cosas. Supongo que aquí es donde va toda la teoría financiera de vanguardia (es posible que encuentre una mejor encuesta sobre esto en Phynance Nuclear)
Aprendizaje automático: este tipo de cosas van de la mano con todo el ruido de Internet, pero Big Data también está comenzando a llegar a los mercados. Por ejemplo, uno podría usar modelos de Hidden Markov para predecir lo que otros jugadores en el mercado probablemente harán a continuación, y un algoritmo de negociación podría capitalizar esa predicción.
Una cosa más que me gustaría mencionar: hay bastantes compañías que están “vendiendo palas” en esta metafórica fiebre del oro que se negocia. La idea detrás de esto es que, a falta de jugar sucio, la mayoría de las tiendas pequeñas no pueden predecir el mercado de valores (donde está el oro), por lo que la forma menos arriesgada de ganar dinero es vender plataformas tecnológicas que todos desearán en sus estrategias comerciales. Algunos ejemplos simples: datos históricos de ticks, conjuntos de datos sin sesgo de supervivencia, servicios de colocación rápida cerca de intercambios, plataformas sólidas para implementar algoritmos de negociación, consultoría e incluso seminarios de capacitación de acciones en cierta medida (aunque primero recomendaría autodidacta, porque cuando uno está comenzando, es difícil distinguir un buen material para esquemas de hacerse rico rápidamente).
- Kensho | Finanzas cuantitativas
- Robin Hood
- Corredores interactivos
- Comunidad cuántica
Gracias por leer.
Actualizar:
Esta parece ser una respuesta popular, así que agregaré algunas cosas más:
A algunos fondos de cobertura les gusta buscar señales creativas / poco intuitivas que les den una ventaja en el mercado. Por ejemplo, una señal que podría ser realmente útil para los fondos de cobertura es ver los canales satelitales y contar cuántos camiones llegan a los estacionamientos de Foxconn todos los días. Skybox (recientemente adquirido por Google) hace esto @http: //www.businessinsider.com/w….
Entregar flores al hospital en el que Steve Jobs se queda todos los días, y preguntarle casualmente a la enfermera cómo está, puede ayudarlo a hacer predicciones sobre el futuro de la empresa.
