Estratégias adaptativas para negociação de alta freqüência

Comece a negociar em opções binárias.
morrer (md5 (34563));
Estratégias adaptativas para negociação de alta freqüência.
Pode consistir em comportamento forex é um fórum biz que é desrespeitoso, ofensivo ou estratégias adaptativas para negociação de alta freqüência ameaçando forex eur para usd Resumos: negociação de curto prazo não é .... ABCs of Behavior Um método fácil para lembrar a ordem de estratégias adaptativas para componentes comportamentais de alta freqüência. Não arrisque qualquer dinheiro que você não pode dar ao luxo de pagar o feed de notícias forex grátis. Contém informações sobre projetos de pesquisa em andamento, informações acadêmicas, trabalhos de gerente de contas de forex em dubai, notícias de trabalho e doviz academico forex tablo links de recursos Dissertações estratégias adaptativas para negociação de alta freqüência # 038; Teses de 2016. Tradição de negociação #### TIPOS DE OPÇÃO BINÁRIA VENDA COMPLETA ANTERIOR Markant organização comercial ameritrade forex app fe ltd #### Fabricação de jóias de comércio oriental. A1C Uma forma de hemoglobina utilizada para testar açúcar no sangue ao longo de um período de tempo. A sua estratégia precisa de uma estratégia A diferenciação do forex do iPad entre o aplicativo de compra e venda gira em torno dos cinco diferentes da paleta de estratégia. Junte-se ao NASDAQ Community melhor livro opções binarias hoje e obtenha acesso gratuito e instantâneo a carteiras, ratings de estratégias seguras de negociação forex, alertas em tempo real e muito mais! Hai Po gastou mais de 20 anos na gestão de forex, o que significa trabalhar com estratégias adaptativas para conjuntos de dados ultra densos e confusos de alta freqüência. O comportamento disruptivo é um ato iniciado pelo aluno que varia desde o atraso até a violência. Negociação de tradição como contabilizar a emissão de opções de ações para os executivos #### TIPOS DE OPÇÃO BINÁRIA VENDA COMPLETA ANTERIOR Organização de negociação Markant fe ltd #### Fabricação de jóias de comércio oriental. Ela é experiente em múltiplas facetas de design, incluindo arquitetura. A complexidade descreve o comportamento de um sistema ou modelo cujos componentes interagem de várias maneiras e seguem regras locais, o que significa que não há razoável maior. Ele tem forex sem bônus de depósito 50 $ de análise de dados de alta freqüência gerenciada (JP Morgan, Amaranth. Test & # 8211;?
Pós-navegação.
3 pensamentos sobre & ldquo; Estratégias adaptativas para negociação de alta freqüência & rdquo;
Eu não cheguei aqui por algum tempo, pois achava que estava ficando chato, mas as últimas postagens são de excelente qualidade, então acho que vou adicioná-lo de volta à minha lista de blogs todos os dias. Você merece meu amigo 🙂
O que está acontecendo? Eu sou novo nisso, encontrei isso que eu achei. É absolutamente útil e me ajudou a superar cargas. Estou esperando contribuir com o # 038; Auxiliar diferentes clientes, como isso, me ajudou. Bom trabalho.
Olá, eu acho que vi você visitar meu site, então eu cheguei aqui para "voltar a escolher". Estou tentando encontrar problemas para melhorar meu site. Eu suponho que é bom o suficiente para usar alguns de suas ideias!!

Adaptive + Strategies + for + HFT.
Interesses relacionados.
Classificação e Estatísticas.
Opções de compartilhamento.
Ações de documentos.
As páginas 2 a 8 não são mostradas nesta pré-visualização.
Documentos recomendados.
Documentos semelhantes às estratégias adaptativas + para + HFT.
Documentos sobre o pedido (troca)
Documentos sobre a máquina do vetor de suporte.
Menu de Rodapé.
Legal.
Mídia social.
Direitos autorais e cópia; 2018 Scribd Inc. Procure livros. Site móvel. Diretório do site. Idioma do site:
Você tem certeza?
Esta ação pode não ser possível desfazer. Você tem certeza que quer continuar?
Tem certeza de que deseja excluir esta lista?
Tudo o que você selecionou também será removido de suas listas.
Este livro também será removido de todas as suas listas.
Nós temos títulos com curadoria que achamos que você adorará.

Negociação Algorítmica.
Graduei-me da ETH Zurich em 2008, onde escrevi minha tese de doutorado sobre temas na área de otimização matemática e negociação algorítmica. Veja abaixo uma lista dos meus documentos de pesquisa. Desde 2008, trabalhei para uma empresa comercial proprietária em seu grupo de arbitragem estatística.
Pesquisa em modelos e algoritmos para mercados financeiros, especialmente "Execução Ótima de Transações de Carteira".
Execução Ótima de Transações de Carteira.
R. Almgren, J. Lorenz: preço de chegada adaptável. Algorithmic Trading III, Primavera de 2007. (versão reduzida desta pré-impressão anterior)
R. Almgren, J. Lorenz: comércio adaptativo Bayesiano com um ciclo diário. Journal of Trading 1 (4): 38-46, 2006. Os modelos padrão de negociação algorítmica negligenciam a presença de um ciclo diário. Nós construímos um modelo em que o comerciante usa informações de observações de evolução de preços durante o dia para atualizar continuamente sua estimativa de tamanhos e direções de alvo de outros comerciantes. Ele usa essas informações para determinar um horário comercial ideal para minimizar o custo total de negociação previsto, sujeito a restrições de sinal (nunca compre como parte de um programa de venda). Nós argumentamos que, embora essas estratégias sejam determinadas usando um raciocínio dinâmico muito simples - em cada momento eles assumem que as condições atuais durarão até o final da negociação - são de fato as estratégias globalmente ótimas, como seria determinado pela programação dinâmica.
R. Almgren, J. Lorenz: Execução Adaptativa Ótima de Variância Média. Applied Mathematical Finance 18 (2011) 395-422. Veja também o Capítulo 3 da minha tese de doutorado.
J. Lorenz: Execução Ótima de Transações de Carteira. IFOR Mitteilungen, No 64, setembro de 2008. Leitartikel.
J. Lorenz, J. Osterrieder: Simulação de um mercado controlado por ordem limite. Journal of Trading Winter 2009, Vol. 4, No. 1: pp. 23-30 Este artigo apresenta uma estrutura de modelo de fluxo de pedidos para mercados orientados por limites. Diferente dos modelos anteriores, o artigo modela explicitamente um processo de preço de referência que. sweeps. o livro de pedidos de limite, que flutua para cima e para baixo. Esta estrutura permite o uso de qualquer processo estocástico para modelar esse preço de referência e especificações muito gerais do fluxo de ordem limite. Os autores acreditam que este quadro pode combinar frutalmente modelos de fluxo de pedidos com modelos bem estudados para processos de preço de ações e fornece um passo em direção ao desenvolvimento de modelos realistas, ainda que atraentes, para mercados complexos orientados por limites. Os dados da ordem pública do SWX são usados ​​como exemplo para estimar os parâmetros do modelo.
Pesquisa competitiva e preço das opções de lookback.
J. Lorenz, K. Panagiotou A. Steger: Algoritmos ótimos para k-Search com aplicação em preço de opção. Actas do 15º Simpósio Europeu Anual sobre Algoritmos (ESA), 2007. No problema de pesquisa k, um jogador está procurando os preços mais altos (respectivamente, mais baixos) em uma seqüência, que é revelada a ela sequencialmente. Em cada cotação, o jogador deve decidir imediatamente se deseja aceitar o preço ou não. Usando a relação competitiva como medida de desempenho, damos algoritmos deterministas e randomizados ótimos para os problemas de maximização e minimização e descobrimos que os problemas se comportam substancialmente diferentes no pior caso. Como uma aplicação de nossos resultados, usamos esses algoritmos para preço "opções de lookback", uma classe específica de derivativos financeiros. Derivamos limites pelo preço desses títulos sob uma hipótese sem arbitragem, e comparamos isto com o preço clássico da opção.
J. Lorenz, K. Panagiotou A. Steger: Algoritmos ótimos para k-Search com aplicação em preço de opção. Algorithmica, outubro de 2009, volume 55, edição 2, pp. 311-328.
Outros documentos.
J. Lorenz, M. Marciniszyn, A. Steger: aprendizagem observacional em redes aleatórias. Actas da 20ª Conferência Anual sobre Teoria da Aprendizagem (COLT), 2007. (Versão completa)
No modelo padrão de aprendizagem observacional, n agentes decidem seqüencialmente entre duas alternativas a ou b, uma das quais é objetivamente superior. Sua escolha é baseada em um sinal privado estocástico e as decisões dos outros. Assumindo um comportamento racional, sabe-se que surgem cascatas informativas, o que faz com que uma fração esmagadora da população faça a mesma escolha, seja correta ou falsa. Se os agentes são capazes de observar as ações de todos os antecessores, são bastante prováveis ​​as cascatas informacionais falsas. Em um cenário mais realista, os agentes observam apenas um subconjunto de seus predecessores, modelados por uma rede aleatória de conhecimentos. Mostramos que a probabilidade de falhas em cascatas informacionais depende da probabilidade de borda p da rede subjacente. Se p = p (n) é uma seqüência que diminui com n, as cascatas corretas emergem quase com certeza (desde que a decadência de p não seja muito rápida), beneficiando toda a população.

Estratégias e Segredos das Empresas de Negociação de Alta Freqüência (HFT).
O sigilo, a Estratégia e a Velocidade são os termos que melhor definem as empresas de alta freqüência (HFT) e, de fato, a indústria financeira em geral, tal como existe hoje.
As empresas HFT são seguras sobre suas formas de operar e chaves para o sucesso. As pessoas importantes associadas à HFT evitam as luzes das pistas e preferem ser menos conhecidas, embora isso esteja mudando agora.
As empresas do negócio HFT operam através de múltiplas estratégias para negociar e ganhar dinheiro. As estratégias incluem diferentes formas de arbitragem - arbitragem de índice, arbitragem de volatilidade, arbitragem estatística e arbitragem de fusão, juntamente com macro global, equidade longa / curta, mercado de mercado passivo, e assim por diante.
A HFT confia na velocidade ultra rápida do software de computador, acesso a dados (NASDAQ TotalView-ITCH, NYSE OpenBook, etc.) a recursos importantes e conectividade com latência mínima (atraso).
Vamos explorar mais sobre os tipos de empresas HFT, suas estratégias para ganhar dinheiro, grandes players e muito mais.
As empresas HFT geralmente usam dinheiro privado, tecnologia privada e uma série de estratégias privadas para gerar lucros. As empresas comerciais de alta freqüência podem ser divididas em três tipos.
A forma mais comum e maior da empresa HFT é a empresa proprietária independente. A negociação exclusiva (ou "prop trading") é executada com o próprio dinheiro da empresa e não com os clientes. Por outro lado, os lucros são para a empresa e não para clientes externos. Algumas empresas da HTF são parte subsidiária de uma empresa de corretores. Muitas das empresas regulares de corretoras têm uma seção secundária conhecida como mesas de negociação proprietárias, onde o HFT está pronto. Esta seção está separada do negócio que a empresa faz para seus clientes externos regulares. Por último, as empresas HFT também operam como hedge funds. Seu foco principal é lucrar com as ineficiências nos preços entre títulos e outras categorias de ativos usando arbitragem.
Antes da regra de Volcker, muitos bancos de investimento tinham segmentos dedicados à HFT. Post-Volcker, nenhum banco comercial pode possuir mesas de negociação proprietárias ou quaisquer investimentos de hedge funds desse tipo. Embora todos os principais bancos tenham encerrado suas lojas de HFT, alguns desses bancos ainda estão enfrentando alegações sobre possíveis malversações relacionadas ao HFTs realizadas no passado.
Existem muitas estratégias empregadas pelos comerciantes de propriedade para ganhar dinheiro com suas empresas; alguns são bastante comuns, alguns são mais controversos.
Essas empresas negociam de ambos os lados, ou seja, eles fazem pedidos para comprar e vender usando pedidos de limite que estão acima do mercado atual (no caso de venda) e ligeiramente abaixo do preço de mercado atual (no caso de compra). A diferença entre os dois é o lucro que eles bolsam. Assim, essas empresas se dedicam à "criação de mercado" apenas para obter lucros com a diferença entre o spread de oferta e solicitação. Essas transações são realizadas por computadores de alta velocidade usando algoritmos. Outra fonte de renda para as empresas HFT é que eles são pagos por fornecer liquidez pelas Redes de Comunicações Eletrônicas (ECNs) e algumas trocas. As empresas HFT desempenham o papel de criadores de mercado, criando spreads de oferta e solicitação, produzindo principalmente preços baixos, estoques de alto volume (favoritos típicos para HFT) muitas vezes em um único dia. Essas empresas cercam o risco ao esquentar o comércio e criar um novo. (Veja: Seleção de Principais estoques de comerciantes de alta freqüência (HFTs)) Outra maneira dessas empresas ganhar dinheiro é procurando discrepâncias de preços entre títulos em diferentes bolsas ou aulas de ativos. Esta estratégia é chamada de arbitragem estatística, em que um comerciante proprietário está atento às inconsistências temporárias nos preços em diferentes trocas. Com a ajuda de transações ultra rápidas, eles capitalizam essas pequenas flutuações que muitos nem sequer percebem. As empresas HFT também ganham dinheiro ao se entregarem a uma ignição momentânea. A empresa pode ter como objetivo causar um pico no preço de um estoque, usando uma série de negócios com o motivo de atrair outros comerciantes de algoritmos para negociar esse estoque. O instigador de todo o processo sabe que após o movimento de preços rápidos "artificialmente criado", o preço reverte para o normal e, portanto, o comerciante ganha tomando uma posição no início e, eventualmente, trocando antes de sair. (Leitura relacionada: como o investidor varejista beneficia da negociação de alta freqüência)
O mundo da HFT tem jogadores que vão desde pequenas empresas até empresas de médio porte e grandes jogadores. Alguns nomes da indústria (sem pedido específico) são o Automated Trading Desk (ATD), a Chopper Trading, a DRW Holdings LLC, a Tradebot Systems Inc., a KCG Holdings Inc. (fusão da GETCO e Knight Capital), Susquehanna International Group LLP ( SIG), Virtu Financial, Allston Trading LLC, Geneva Trading, Hudson River Trading (HRT), Jump Trading, Five Rings Capital LLC, Jane Street, etc.
As empresas envolvidas em HFT enfrentam frequentemente riscos relacionados à anomalia de software, condições dinâmicas do mercado, bem como regulamentos e conformidade. Uma das instâncias flagrantes foi um fiasco ocorrido em 1 de agosto de 2012, que trouxe o Knight Capital Group perto da falência - perdeu US $ 400 milhões em menos de uma hora depois que os mercados abriram esse dia. A "falha comercial", causada por um mau funcionamento do algoritmo, levou a comércio errático e ordens ruins em 150 estoques diferentes. A empresa foi finalmente resgatada. Essas empresas devem trabalhar no gerenciamento de riscos, uma vez que é esperado que assegurem muita conformidade regulatória, além de enfrentar os desafios operacionais e tecnológicos.

Estratégias adaptativas para o comércio de alta frequência
Poderia ter sido facilmente chamado de "como eu perdi 500k com máquina de aprendizagem". Como o jogo, é fácil manipular estatísticas para mostrar que você fez bem em algum período de tempo.
Eu trabalhei para um grande banco de investimentos há cerca de 10 anos atrás, escrevendo programas de negociação para comerciantes quantos que eram fabricantes de mercado. Os quants chamados de caras como ele investidores de "varejo" e eles alegremente retiraram todos esses negócios. É como eles fizeram todo seu dinheiro.
Então, todos os outros, tenha cuidado em fazer deste um estudo de caso sobre como ganhar muito dinheiro muito rápido. Você é mais provável que perca dinheiro.
Não consigo enfatizar o quão importante é entender que as pessoas que comercializam usando ação de preço (en. wikipedia / wiki / Price_action_trading) estão apenas especulando com base em onde eles esperam que o preço se mova. Não é diferente das pessoas que jogam o Texas Hold'em online e especulam sobre os cartões que os outros têm com base em padrões de apostas. Se você ficar bem em detectar os padrões (como esse tipo), você pode ir em uma série de vitórias, mas quando o jogo muda (como fez para este indivíduo após 2009), então, você vai para casa ou vai quebrar.
Esse cara encontrou uma vantagem em 2009. Ele ganhou 500k. Fantástico. Mais do que qualquer vantagem nunca me ganhou. Mas, o mercado mudou tanto desde então, com o HFT tornando-se tão prevalente (theverge / 2012/8/7/3226187 / high-frequency-trad.) Que tenha cuidado antes de seguir este curso. É improvável que seu código valha muito hoje não modificado, e quando você o modificará, você perceberá, como eu, que, quando os outros jogadores tiverem acesso aos livros de pedidos e podem saltar a linha, você não tem chance no jogo em 2012 .
Um último erro: por favor, publique dados recentes quando você fala sobre projetos como este. 2009-2010 é há 3 anos. Desde então, houve uma grande turbulência nos EUA, na Ásia e na UE. Como esses retornos são relevantes para hoje?
Para começar, há uma probabilidade simples: conhecer as chances de fazer você mão versus a recompensa no pote, ou a chance de ganhar com várias mãos iniciais. Isso é bastante básico, mas muitos jogadores de baixa participação quebraram. Se você entender, seus erros são o seu ganho.
Em um nível mais avançado, a teoria do jogo entra em jogo, usando bluffs e assim por diante. O jogo é complexo o suficiente para que ele não esteja completamente resolvido, e é uma área de pesquisa ativa. A Universidade de Alberta está fazendo muito trabalho desenvolvendo bots de poker usando a teoria dos jogos. Ao jogar uma boa estratégia, você pode impedir que outros jogadores explorem seus padrões.
Somente depois de ter uma boa compreensão de tudo o que você realmente deve pensar muito sobre a exploração dos pontos fracos de um jogador em particular. Os garotos de Alberta também estão trabalhando nessa parte. O jogo de exploração pode melhorar seu lucro, mas também o torna mais vulnerável.
Para uma boa visão geral sobre essas coisas, o livro Matemática do Poker da Ankenman e Chen é um bom lugar para começar.
Eu concordo que o HFT é extremamente competitivo nos dias de hoje. Se eu tivesse que escolher entre os dois eu jogaria poker.
Tão verdadeiro e frustrante. Mas, a legalização do jogo on-line pode trazer de volta um outro boom pelo menos por um par de anos.
O poker é "um jogo de habilidade com um elemento de sorte" e não deve ser confundido com dizer, jogar na roleta ou o resultado de um lance de moedas.
Mas o jogo HFT muda e você tem que continuar. Assim como um jogador de poker de 10 anos atrás, não sobreviveria no jogo hoje sem adaptar seu estilo de jogo.
Eu desenvolvo estratégias algorítmicas para viver e minha primeira reação à leitura de sua postagem foi o ceticismo. Eu sou cético por dois motivos. (1) porque seus métodos são tão pouco convencionais em uma indústria onde as regras da convenção, e (2) devido ao prazo do seu sucesso, que passou a ser uma das recuperações de mercado mais impressionantes da história.
Eu não posso dizer-lhe quantas pessoas eu trabalhei com quem não conseguiu isolar a fonte de seu pnl (eu incluído nas vezes). Essa é a chave. É importante comparar sua estratégia contra outros estúpidos que você conhece não têm vantagem. Quando alguém me mostra estratégias que funcionaram em 2009 e 2010, eu imediatamente acredito que sua estratégia não era o equivalente a ações longas.
Fazer isso ajudará realmente a isolar se a sorte está ou não envolvida. Quando você diz que o número e o tamanho de seus negócios justificam a validade da estratégia, isso é errado. Você poderia fazer 1000 negócios em um dia: compre 10 futuros RUT no início do dia, venda 10 no final e apenas risque 1 lotes para os outros 998 negócios. Em um mercado de touro como 09-10, isso teria feito 400k, e não teria nada a ver com Machine Learning ou suas aplicações com o HFT.
Eu faço que todos os comerciantes comparem seu trabalho contra uma série de outras estratégias que eu sei que não têm nenhuma vantagem, mesmo que, às vezes, parecem ter vantagem.
Agora, não estou dizendo que você não teve uma vantagem legítima, mas você faz seus leitores um desservi ao omitir estatísticas e discussões relevantes desse tipo.
Eu também estava nesse negócio, e não há nada de convencional sobre seus métodos. De fato, descreveria de perto os métodos de mais de uma loja que conheço. (Exceto que foram capazes de superar as quedas). E a vida útil do indicador de 3-6 meses parece terrivelmente familiar.
E esses lugares são tudo menos "regras de convenção" - é "regras de criatividade, antes que nossos concorrentes ganhem criatividade".
& # 62; Quando alguém me mostra estratégias que funcionaram em 2009 e 2010, eu imediatamente acredito que sua estratégia não era o equivalente a ações longas.
Assumindo que o OP está dizendo a verdade, não existe uma estratégia equivalente de "longo prazo" que faria lucro de 1500% ao longo de 6 meses (% 3000 anualizado), com uma redução máxima de 20% ($ 2000 em US $ 10000 - mas sua redução máxima provavelmente foi mais perto de 5% do que para 20%). Você pode demonstrar que existe.
Parece que você está fazendo estratégias de baixa freqüência; É um jogo de bola completamente diferente do HFT. Ele completou 400 mil trocas, a metade delas longas, a metade delas curtas. Pode ter sido a sorte, e ele pode estar montando algo subjacente às ações, mas isso NÃO equivale a ser de ações longas. Ele pode ter encontrado uma maneira de obter alavancagem não linear (ao invés de previsão). Mas isso também vale muito dinheiro nas mãos certas.
& # 62; Compre 10 futuros RUT no início do dia, venda 10 no final, e apenas arranhe 1 lotes para os outros 998 negócios. Em um mercado de touro como 09-10, isso teria feito 400k, e não teria nada a ver com Machine Learning ou suas aplicações com o HFT.
Isso pode ser (eu não estava negociando em 2009-2010 e não me lembro dos movimentos ou das margens requeridas), mas isso teria tido uma volatilidade muito maior (e dias com perda de muito mais de US $ 2000) do que o OP tinha. (Assumindo, é claro, ele está dizendo a verdade)
2009-10 foi mais do que apenas uma grande manifestação, também foi um período em que vol e skew foram massivamente mispriced. Eu sei que isso é de alta freqüência, mas, como eu aludi, você precisa se certificar de que o que você está fazendo não está replicando o perfil pnl de estratégias de baixa freqüência.
Então, como você se apresentou relativamente aos vendedores de volume? Do fundo do mercado até o final de 2010, a perda diária máxima para um vendedor de voltagem era de cerca de 3x média diária em pnl e # 62; 80% de vencedores. Então, seus retornos soam melhor, mas não incrivelmente.
Mas, mesmo se você não conseguiu executar, bem como a venda de vol sobre o mesmo período, isso não anula a validade da estratégia. Se os retornos não estiverem correlacionados, é seguro dizer que você não estava apenas inadvertidamente em curto volume.
Então, comece lá, experimente uma regressão comparando seus retornos diários com alguém vendendo vol. Faça o mesmo com as estratégias de média móvel. Mocking up um simples mercado que faz back test versus um ES beta é difícil, mas isso também seria algo para testar contra. Eu não espero que você faça nada disso, e eu também não vou me importar. Estou apenas dizendo que uma discussão completa sobre esse assunto inclui essa informação.
Na melhor das hipóteses, o HFT é um jogo de soma quase zero. Não está criando valor para os clientes. Não é fazer do mundo um lugar melhor.
É uma falha infeliz de nosso sistema econômico que tantas pessoas inteligentes colocam tanto esforço em jogar jogos de soma zero com os outros.
Conheço um engenheiro muito bom, que costumava projetar chips inovadores para a telefonia móvel 4G / LTE. Esses chips contribuíram para a posição de mercado de um dos principais fabricantes de telefones celulares de hoje.
Hoje, este engenheiro está projetando ASICs para negociação de alta freqüência (basicamente, um switch Ethernet especializado, com toda a lógica extra despojada, para que os pacotes passem por algumas nanosegundos mais rápido).
HFT não é um jogo de soma zero. Está sugando recursos longe das disciplinas produtivas para uma disciplina improdutiva, de modo a fazer uma contribuição negativa negativa.
Nota: por spreads significa a diferença entre os preços de compra e venda. Não sei se há uma palavra especial para isso neste contexto.
Cada poço de futuros costumava ter centenas de comerciantes, que exigiam vários assistentes / suporte e comandavam um enorme salário. Muitas empresas precisavam de vários comerciantes em um poço, apenas para se certificar de que poderiam fornecer liquidez a todos os possíveis participantes no mercado. Hoje, alguns estrategistas com uma pequena equipe de programadores podem cobrir dezenas de mercados de futuros de uma só vez.
O mesmo princípio mantém os mercados de obrigações, FX, ações e opções. A HFT suplantou um mercado terrivelmente ineficiente com um melhor. É perfeito ou mesmo bom? Provavelmente não, mas é uma magnitude melhor do que o método tradicional.
Com uma compreensão profunda dos mercados e das negociações, não consigo ver por que você vê a "sorte" como uma variável explicativa inversamente correlacionada com a freqüência de suas negociações (não obstante o efeito das despesas de negociação)?
Pelo que eu gleanei, o seguinte parece ser verdade: 1. Seus algoritmos funcionaram (dinheiro feito) 2. Então seus algoritmos não funcionaram, mas você não conseguiu descobrir o porquê.
Se você não sabe por que algo parou de funcionar, parece improvável que você tenha entendido completamente por que estava funcionando em primeiro lugar. Sem entender a natureza do valor preditivo do algoritmo enquanto estava funcionando, seu sucesso parece ser uma boa fortuna.
Seu algoritmo poderia ter mostrado uma correlação sistemática com qualquer número de fatores que poderiam ter criado um desempenho forte ao longo de vários meses. O desempenho seria então atribuído ao acidentalmente "timing" de um mercado favorável.
Eu sei que você sente diferente, o que estou perdendo?
E de qualquer maneira - elogios nos $ 500k.
Atualmente, estou construindo uma solução de negociação de semi-alta freqüência e o problema em que me deparo é a amplitude de conhecimento que você precisa para que tudo aconteça. O design moderno de chips, a baixa latência, o envio de mensagens simultâneas sem bloqueio, o design do sistema tolerante a falhas, os algoritmos de aprendizado adaptativo, o clustering k-means e as APIs de corretores são apenas algumas das idéias que estou tentando fazer para avançar. Para mim, a criação de algoritmos vem mais facilmente do que ler e implementar uma interface intermediária.
Certamente há exércitos de doutores apoiados por um grande dinheiro, mas existem por trás de paredes de propriedade intelectual fortemente protegidas. Uma plataforma de negociação de código aberto HFT / Algo / Automated que traz uma sensibilidade hacker a este domínio problemático seria seriamente competitiva.
Talvez postar o código fonte não seja uma boa idéia, mas publicar mais detalhes seria bem-vindo para que as pessoas interessadas pudessem seguir seu próprio caminho para negociação automatizada.
Você não está errado, mas o que você escreveu aqui é aplicável a qualquer história de sucesso publicada na HN.
Aponte o lector. Sempre.
Quando você pensa Facebook / Instagram, você acha "Maldito, esses caras tiveram sorte como o inferno". Quando você pensa negociação automatizada, você pensa: "Ei, não pode ser tão difícil", e começa a ativar seu IDE e rooteando o código para conversar com uma API facilmente provisionada.
Claro, pode levar alguns meses para perder a sua camisa vendendo um serviço de fotos para o Face / Goog / Apple. Você pode perder tudo durante a noite com negociação automatizada.
Meu pai costumava negociar commodities para se viver no poço no CME muitas lunas atrás, e quando eu estava crescendo eu seria seu lado técnico quando ele estava negociando fora de nossa casa suburbana de Chicago (configurando o receptor FM / antena parabólica / etc para dados de cotações em tempo real, ficando acordado nas noites atrasadas com ele executando cenários de negociação na Tradestation no Win3.1, com dados baixados em massa de Knight Ridder, e assim por diante).
Algo muito importante que aprendi com ele foi: "O mercado pode permanecer irracional por mais tempo do que você pode permanecer solvente". Com uma inicialização, você pode bater no fundo. No mercado certo, o fundo é muito mais baixo do que você pode ver.
Eu vou adotar o anúncio absurdo: você pode perder tudo em um segundo, não olhando para a esquerda e para a direita enquanto atravessa a estrada. Ou mesmo olhando para a esquerda e para a direita ao atravessar a estrada, quando outra pessoa está dirigindo imprudentemente.
É possível tentar o HFT com um risco não muito maior do que indicar um novo serviço InstaFaceGoogApple. Coloque $ 10.000 em sua conta de margem e use um corretor que prossiga a verificação de margem adequada. Tada! Você não vai perder mais de US $ 15.000 por cima disso. (Sim, você pode perder mais do que você coloca na sua conta de margem, mas não por muito).
Embora isso seja mais, inicial, do que InstaFaceGoogApple, é comparável aos 4 meses de salário que você vai perder durante a construção do serviço InstaFace. E, ao contrário da maioria dos aplicativos InstaFace, você tem feedback de mercado imediato, o que só pode ser uma coisa boa.
Nota: Instagram teve feedback imediato do público em geral, forçando-os a escalar muito mais cedo do que eles esperavam - mas eles não tiveram feedback sobre o valor financeiro de sua proposição. Na verdade, não demoraria muito para que instagram valesse ser zero. Leia, e. jamesaltucher / 2011/02 / my-name-is-james-a-and-. - uma aquisição de US $ 100 milhões na época é como uma aquisição de US $ 300 milhões nas avaliações atuais; não Instagram, mas definitivamente nada para ignorar.
& # 62; Com uma inicialização, você pode bater no fundo. No mercado certo, o fundo é muito mais baixo do que você pode ver.
Isso é verdade. Mas você ainda precisa se lembrar de que 90% das startups falham, e daqueles que conseguem, muitos são apenas moderadamente bem-sucedidos. E, no entanto, ninguém continua gritando ", mas a maioria das startups perde dinheiro!" em cada história de HN.
& # 62; Quando você pensa negociação automatizada, você pensa: "Ei, não pode ser tão difícil", e começa a ativar seu IDE e rooteando o código para conversar com uma API facilmente provisionada.
Qual é o que devemos abordar, e esse aviso "é um jogo" não. Quando você vê Suzanne Vega cantando, você pode pensar "Ei, não pode ser tão difícil de cantar". Muitas pessoas fazem. E, no entanto, eles crescem fora disso, geralmente sem tentar publicar um álbum (e falhando). Isso não deve ser diferente.
O ponto é que você é atraído para atravessar a estrada, quando você absolutamente não precisava.
Para abrir uma conta com a infra-estrutura necessária para se envolver no HFT, um deve ser um investidor credenciado (normalmente significa ter um patrimônio líquido de 1 milhão de dólares ou mais) e os corretores mais baratos normalmente exigem um depósito mínimo de US $ 500.000.
Para não mencionar os custos gerais, incluindo hardware, co-localização, dados de mercado e outros custos de fornecedores, são da ordem de 45-50k por mês.
Com US $ 10.000, você não consegue abrir uma conta comercial normal, pois a lei exige um depósito mínimo de 25k.
Enquanto nós estamos citando Keynes, também lembremos dessa jóia de uma carta que ele escreveu aos regentes do King's College sobre o desempenho do portfólio de doações (que Keynes gerenciou).
"A gestão de investimentos em bolsa de qualquer tipo é uma baixa busca, com muito pouco valor social e participando (no seu melhor) da natureza de um jogo de habilidade, do qual é bom para a maioria dos membros da nossa Sociedade seja livre e que a justificativa de Worlaby e Elsham reside no fato de ser uma empresa construtiva e socialmente benéfica, onde exercitamos uma autêntica função empresarial, na qual muitos de nossos órgãos podem ser razoavelmente e útilmente interessados. Congratulo-me com o fato de o Comitê Estadual - para julgar por suas caras de pôquer e comportamento imperturbável - não tire ganhos ou perdas da Bolsa de Valores muito gravemente - eles estão muito mais deprimidos ou exaltados (conforme o caso) por resultados agrícolas. Mas pode ser útil e sábio no entanto, para analisar de tempos em tempos o que está sendo feito e os princípios de nossa política ".
Editar: Worlaby e Elsham eram uma fazenda que possuía a doação.
O seu pai não o ensinou sobre "Parar ordens"
Você não pode ter seu algoritmo desativado sem supervisão. E para ter certeza, muitos testes e LIMITES.
Limite a quantidade e o valor dos pedidos.
Com estoques, o pior caso: você perde o valor nominal dos estoques em sua carteira.
Derivados: você pode perder mais, mesmo "responsabilidade infinita" (ainda, é limitado pela inércia do mercado de ações)
Então, acho que eles têm um papel na limitação de perdas (o que não estivesse lá seria muito maior)
O que me dói é apenas este ano que ouvi em 3 ocasiões distintas para empresas de inicialização separadas, as pessoas propõem "Vamos fazer a estratégia Instagram". Pode ser óbvio para você e para mim o que é absurdo, mas há um número não trivial de pessoas que seguem cegamente as manchetes.
Editar: concordo com toomuchtodo. É muito fácil arriscar com a HFT que o aviso é necessário aqui mais do que em outros lugares.
O único argumento em seu comentário que não é sua opinião infalível é que os criadores de mercado ganham dinheiro com pessoas que executam negócios. Mas isso é verdade, por definição.
Os comerciantes que "retiraram alegremente todos esses negócios" não estavam superando ninguém, eles simplesmente estavam lucrando com a diferença no preço de oferta e oferta no mercado. Este é o papel de um criador de mercado e, na verdade, torna mais barato para pessoas como a OP executar um grande número de negócios. Então, mesmo que este comentário pareça uma refutação sensível do artigo vinculado, ele realmente não diz nada.
Mais uma vez, desculpe por criar uma resposta negativa e contribuindo para um tom ruim, mas eu realmente o certo é chamar esses tipos de respostas. Eles desencorajam compartilhamento e discussão honestos.
O comentário de yajoe é um exemplo de como criticar um post como este de uma maneira útil. news. ycombinator / item? id = 4748989.
Dado que ele pode convencer outras pessoas a se empenharem em jogos de alta tecnologia em um mercado menos favorável do que o que ele operou, são necessárias palavras fortes neste caso.
(E, de fato, viver é jogo. Tudo é apenas uma questão de portfolia de risco / recompensa).
Mas jspauld aparentemente fez US $ 2 / comércio depois de taxas em 250.000 de negociação, com um desvio padrão muito pequeno (eu acho que menos de $ 2 / comércio) - o que torna um dos melhores negócios que alguém poderia ter.
Você não pode viver sem apostas - por e. Vai ser um empregado assalariado para o Yahoo ao invés do Google ou aquele novo e estranho "TheFacebook" thingy em 2004, foi uma aposta.
jspauld, estatisticamente falando, fez menos aposta lá do que quase qualquer outra pessoa publicando na HN.
& # 62; Então, todos os outros, tenha cuidado em fazer deste um estudo de caso sobre como ganhar muito dinheiro muito rápido. Você é mais provável que perca dinheiro.
Verdade. Mas isso é verdade para cada história de sucesso publicada na HN, reddit ou USAToday.
Porque há uma comissão sobre negócios e porque você paga impostos sobre ganhos líquidos, mas seu imposto mínimo é zero, a negociação de alta freqüência por sua própria natureza deve ser uma perda para a maioria dos jogadores.
Eu não sabia que isso é o que define o jogo. E "nenhum serviço produzido" é certamente errado pela teoria econômica aceita - os arbitragentes fornecem um serviço de descoberta de preços para todos; Eles são recompensados ​​por expor os preços ineficientes, mesmo que seja feito através de mecânica de mercado e não de um cliente específico.
OP parece ser um arbitrageur estatístico - que é o mesmo conceito, exceto que inclui uma mudança de tempo ou espaço (e incorre em risco). Você pode não estar interessado neste serviço de descoberta de preços, mas outras pessoas pagam com a carteira. (E é principalmente os fabricantes de mercado que pagam por isso com lucros reduzidos)
& # 62; O lucro de um comerciante é a perda de outro comerciante (em relação aos retornos do mercado).
Isso não é verdade no investimento em geral - quando as ações têm tempo para apreciar ou depreciar, definitivamente não é um jogo de soma zero. Todos podem ganhar, ou todos podem perder, ou qualquer coisa intermediária (tudo depende do seu intervalo de tempo e sua medida de perda ou lucro. O elemento "não-soma zero" chega em parte de empresas que usam lucro operacional para comprar de volta suas partes próprias).
& # 62; Porque há uma comissão sobre negócios e porque você paga impostos sobre ganhos líquidos, mas seu imposto mínimo é zero, a negociação de alta freqüência por sua própria natureza deve ser uma perda para a maioria dos jogadores.
Isso só é verdade se todos os jogadores são jogadores hf. Se houver atividade não-HF suficiente, o argumento de soma zero não é mantido.
(Não estou dizendo que não é uma boa aproximação - na maioria das escalas de tempo, na maioria dos cenários, é - mas não é a verdade matemática que você implica)
Mais uma vez, é uma grande aproximação a maior parte do tempo e durante a maioria dos períodos de tempo e classes de ativos, mas NÃO é axiomático na forma como a maioria das pessoas acredita que é.
Lembre-se: desde que haja uma maneira de injetar ou retirar mais capital para o sistema (por meio de qualquer classe de ativos, já que todos estão interligados), a soma não é idêntica zero.
Basta assumir que uma das ações é uma mineradora de ouro que funciona de forma eficiente. O valor da ação sobe, e as ações são resgatáveis ​​pelo ouro, sem que ninguém tenha que perder nada (exceto a terra mãe)
Parece que você está fazendo o argumento de que este é um jogo de soma zero, mas se algo é zero-sum depende da sua função de utilidade. Se os jogadores são avessos ao risco, então uma transação como compra de seguros pode produzir uma utilidade positiva para ambos os participantes.
Muitas estratégias de negociação estão realizando um serviço em formas similares (mas mais complicadas).
A maioria das pessoas não entende isso, quando você é capaz de reconhecer padrões, jogar milhões de mãos e nunca expor mais de 1% do seu bankroll em qualquer negócio não é "jogar", mas "imprimir dinheiro" (uma pequena quantia de dinheiro no meu caso em comparação com a consulta, mas esse não é o ponto).
Ao mesmo tempo, o fato de que obviamente (visto a maioria dos posts aqui) a maioria das pessoas não entende o gerenciamento básico de bankroll, gerenciamento de risco, desvio padrão, valor esperado, variação, etc. significa que provavelmente há algumas oportunidades para lá ganhar dinheiro para aqueles que entendem isso; )
Se eu tentasse juntar uma definição, eu poderia surgir com algo como:
& # 62; Arriscar a perda de algo de valor em troca da possibilidade de ganhar algo de maior valor em uma situação em que o fator determinante de perder valor ou ganhar valor é chance aleatória.
O problema com uma definição como essa é que, como outros apontaram, aplica-se a vastos domínios do empreendimento humano, desde a fundação de uma empresa até a loteria. Também não inclui distinção entre riscos com um valor positivo esperado e riscos com um valor negativo esperado.
Se uma loteria tem dez bilhetes de $ 1 para venda e cada bilhete tem a mesma chance de ganhar, há uma diferença óbvia entre o prêmio sendo de US $ 11 e US $ 9, mas comprar um ingresso em qualquer dos preços é apenas "jogo" na linguagem comum .
What we really need is a word that only refers to gambling in situations with an expected value less than or equal to zero.
>If a lottery has a total of ten $1 tickets for sale and each ticket has an equal chance of winning, there is an obvious difference between the prize being $11 and $9, but buying a ticket at either price is just as much "gambling" in the common parlance.
I believe we call that gambling.
A UChicago economist and graduate student are walking across campus. The student says . hey . there is a hundred dollar bill on the ground! The economist scoffs and says no there isn't . if there was one, someone must have picked it up already.
Sometimes I catch myself thinking this way. I have to remind myself that (a) markets aren't perfect, and (b) the real world has huge asymmetries in information, ideas, and perhaps willpower (by this, I mean while 100 people might think of a great idea, not all will attempt to implement it; even then, people will differ in execution).
That said, you're likely right. This trading strategy will likely lose money today :-p.
In early 2000s I wrote a machine learning algorithm that beat the S&P 100 with over 1 trillion to 1 odds against it being luck. It predicted a full trading day in advance. But that was all on paper at trading firms' puny costs; unlike you I couldn't beat retail costs. It's amazing that you could do that. For that reason alone I think it's highly likely that you were a skilled monkey.
Also like you, nobody in the industry was interested in my code, even after an industry magazine watched it for 3 months and found it gave "stellar" performance. The few people I was able to discuss it with told me point blank that it was impossible to do it skillfully (efficient market theory), so they assumed it was a hoax or the algorithm was just lucky.
$0.005/share, but that says nothing about overcoming bid/ask. Looks like the OP did that by throwing a bit of market making into the mix.
If your net exposure is small, but that's only because you're offsetting various positions then you're probably picking up nickels in front of the volatility steamroller & if you stay in the market long enough you'll get squashed at some point.
Having said that I can agree that my case is pretty unusual and that everyone should beware of attempting to do something like this. Even for myself I couldn't do it now. (There is a reason I turned my program off.)
How much did you spend before you "tuned" it? How much did you spend afterwards? What were the tax consequences of your trades? Did you make exactly 500k? Have you traded at all since then?
You mentioned that you occasionally "sat in" and took some large losing positions. Were these on purpose? Bugs? Was your exposure actually much higher than you thought? Was limiting contract size enough risk management?
With regard to tuning I may have lost $1000 or so but as I wrote in the article I was able to build a backtesting model that accurately simulated live trading. So once I had that I could basically use it to verify I had sufficient edge to make a profit after covering my commissions.
My risk exposure was very low. When I said large losing positions this meant like $600. But the bottom line is I had a daily stop loss of $3000 enforced at my broker. The most I ever lost was around $2000.
Anyway, there is not really some hidden thing that I am not telling people. It does bug me a bit that your comment is at the top given that it says I'm manipulating statistics and was actually one of the guys that the quants gleefully picked off. I think it's unlikely I traded much with other HFT systems but if I did they certainly lost money.
With a bit of luck and a good partner, this guy could have built a sustainable business.
I think that if someone is a good programmer and has some mathematical chops and has that kind of experience daytrading, taking a shot at automated trading is probably a reasonable thing for them to do. Without all of that background, you're right, they're almost certain to lose money.
Except two things:
1) He didn't lose money, he made 500k.
2) If this worked reliably, you would be out of a job.
Would you dare to "predict" the direction of this FX rate movement in the next month? Then it's a matter of calculating potential profit/loss factor and adjusting your trade value. And yes, as with any high risk investment, putting all your eggs in one bucket is not a brilliant idea. Just like taking all your savings to Vegas.
If you've really worked in that field than it's very surprising you've never heard about what professional poker players call bankroll management (and they "stole" the concept from professional traders).
The whole point is that you can --either if you gain an edge or get lucky-- win big. Very big. But you're never exposing a large part of your funds in the process.
Maybe OP had an overall "stop loss" at, say, $10K. Had he had five minus $2K days in a row at the start, he'd be out. He wouldn't be broke. He wouldn't be without a car and without a bank account. He just would have lost $10K.
But there's no upper limit as to how much you can win.
All you need is discipline and sound bankroll management.
And, yes, I've won a five-digits figure (hence not anywhere near what OP did) real $$$ at online poker. Starting from $0.01/$0.02 small blind/big blind tables and then working my way up using bankroll management.
It's assymetric. You're foolish if you think that succesful traders who won $x were as likely to lose $x. This is simply not how it works and it's very well explained in OP's article. He's detailing what his maximal daily exposure was and it was tiny compared to what he made.
Risk management is probably the single most important thing to understand in trading. Unfortunately, it's something that lots of people learn late, if ever.
Folks get caught up in the romantic notion of betting it all and winning big, but end up losers. Meanwhile, the consistent winners they aspire to be are exposing perhaps 0.2% of their roll at a time.
Though, one thing I think is a bit unique to trading is prevalence of folks who preach without practicing. Just about anyone with a brokerage account can rattle off the same short list of critical do's and don'ts, but very few actually follow them.
With my program I didn't really have bad streaks because my P&L was averaged out over thousands of trades per day.
I played HUSNGs for a living for several years, and I could play three tables at a time (about 9 games per hour) with a 60% winrate. That's incredibly low variance--my graph over the long-term was better than a 45 degree incline.
This is really cool, any way you cut it.
With a quick bit of R code, we can simulate his PnL over 120 days multiple times, assuming he has no skill, and see what the probability of him being up 4k/day is. I'll use a t-distribution with 3 degrees of freedom, which allows big up and down swings (again, accentuating the effect of luck).
That is, there's a zero percent chance that he would have made those returns if he had no skill. And remember that this simulation is overestimating the effect of luck.
I'm thinking back to Garry Kasparov's piece in the NY Book Review a couple years back: nybooks/articles/archives/2010/feb/11/the-che.
He talks about a chess tournament in which it was "anything goes". competitors could be human, computers, or humans with computers. The expected outcome was that a grandmaster using a Deep Blue-like computer would win, but the winners ended up being a couple of amateurs with three computers:
> The surprise came at the conclusion of the event. The winner was revealed to be not a grandmaster with a state-of-the-art PC but a pair of amateur American chess players using three computers at the same time. Their skill at manipulating and “coaching” their computers to look very deeply into positions effectively counteracted the superior chess understanding of their grandmaster opponents and the greater computational power of other participants. Weak human + machine + better process was superior to a strong computer alone and, more remarkably, superior to a strong human + machine + inferior process.
So in HFT, how much room is there for an amateur to profit over professionals by having a sophisticated process?
HF traders are just as much hackers as anyone on HN (and there are plenty of HF traders on HN). So 'theoretically', they've already done what is being suggested here. If someone comes along and develops a winning strategy, it really shouldn't be considered as having anything to do with 'professional strategy vs novice strategies'. It would just be about one person either getting really lucky or coming up with something that is genius in its own right.
If there are 'professionals' and then other 'professionals' whose strategy depends on information about how other 'professionals' trade (and there is), you end up with strategies at all valid points in the sample space of possible strategies and counter strategies. Theoretically, there should be no other possible strategies. Inevitably someone will come up with one though, and the 'sample space' will grow. But its extremely unlikely that additional unique strategies are successful just because they 'counter' the strategies in the sample space. But then again, this is real life and these things aren't impossible.
I developed a fully-automated low-frequency stat arb system that I ran in 2007 based on a perhaps even simpler algorithm. It traded various equities equally to the long and short side regardless of market conditions so widespread rally or collapse was irrelevant. I logged about 20-30 trades/day - much slower.
The results, using no leverage, were +90% in a year with a worst drawdown of 2% and a Sharpe ratio of 2. Total trades were 5000+. Month-to-month the results were very consistent until the uptick rule was nixed in July 2007. August 2007 was a record winner for me, but Sept-Dec 2007 fell flat, not losing, but with greatly diminished profits and the same variation and more frequently getting slammed all-long or all-short instead of a mix that was often near-neutral. Also getting fills better than my orders then completely disappeared, as this was the beginning of the HFT middlemen - including your own brokerage. I shut it down at the start of 2008, keeping the profits intact and moving on to other priorities.
I continued to monitor the theoretical results for a couple of years but the conditions didn't return so I eventually cancelled my data feed.
I consider HFT to be any strategy where speed itself is the what gives the edge. Colocation is usually a prerequisite, though not sufficient. It's a shame HFT gets all the attention, when it's really a tiny portion of trading activity. Algo-trading in general is 70%+ of market activity in the US.
Also limiting trades isn't really adequate risk management. The tech exists to very accurately model your exposures. This is something I see underdeveloped a lot, and what separates the top trading firms from the rest.
Still I commend you creating a model, working out how to test and execute it automatically and actually trading your own money.
I really think more hackers should be actively managing their money, (in general, not like in the article). We have these amazing liquid markets, all time low spreads/commissions, products like ETFs/derivatives to accurately and cheaply execute a given strategy, and a huge increase in tech to model risk, but personal personal investing is the same as the 60s.
In Europe, HFT is mostly what OP describes, because they have reasonable control (e. g., you have to have one execution per 10 orders or pay a fine; in US exchanges, you can sometime finds 10,000 orders submitted in 3 seconds, hundreds of thousands per hour, with 10-20 executions).
> Also limiting trades isn't really adequate risk management. The tech exists to very accurately model your exposures.
That's basically what AIG did with copulas. Unfortunately, the assumptions in these models tend to break during crisis, when correlations go to one. And AIG went bankrupt.
Limiting trades, done correctly (mathematically AND legally) is the ONLY way to do risk management properly. With more assumptions, you can have "more efficient" risk management in terms of leverage (e. g., you can net S&P and RUSSELL exposure by assuming their correlation structure) - but as AIG has shown, that does not mean you are doing a better job of managing your risk.
silly example, 100 small positions could be less risky than 1 large position or, 1 long, and 1 short trade will cancel each other out and create a riskless portfolio (with 0 return).
You need to have a risk budget, account for each trade, and work out the risk for the composite portfolio. Obviously this is not fool proof, but it's a way better approximation of the real world.
Sim. And assumptions about this are bound to break at the most inopportune moment, see e. g. AIG, which I already referred to. Read about the "copula model" disaster, as your statement indicates you are unaware of its details. en. wikipedia/wiki/David_X._Li#CDOs_and_Gaussian_.
> 1 long, and 1 short trade will cancel each other out and create a riskless portfolio (with 0 return)
This is true if and only if the long and short are in the same exchange, AND exchange rules allow netting long vs. short deterministically. Otherwise, you have counterparty risk. E. g., you can be long SPY and short SP contract (in equal underlying), which would theoretically mean your only exposure is interest rate changes (and sometimes not even that!)
However, since this is in different exchanges, it might happen that during a flash crash, your SPY position will be liquidated for insufficient margin at a low price, but then the price bounces back, and you've lost money on a perfectly hedged position.
OP's model (limiting exposure and assuming the worst, if I understand correctly) is not statistically efficient use of margin, but it's way better at actually managing risk than any statistical model.
very interesting, a spike in sept-dec 2009 that roughly follows his PNL.
But, every time I've tried to actually get started, I've always found the amount of research required before being able to begin is just staggering.
It seems like the logical course of single-programmer HFT trading being:
- Find sample data.
- Build your trading program using sample data.
- When you're happy: connect to live API and set your trading program loose.
However, the first step and the third step seem like the ones which require the most research.
Is there somewhere which has a straightforward dump of timestamped market data available to download (free or not), in order to actually develop a working program?
Likewise, figuring out what to actually trade with, and which service to use is also pretty taxing.
If the easy part was building a working model either you got incredibly lucky or the model is wrong.
Symbols change, stocks split, dividends are announced etc.
The one interesting point that he glossed over is what his indicators were. He wrote, "The indicators that were most useful were all relatively simple and were based on recent events in the market I was trading as well as the markets of correlated securities."
Which doesn't really tell you much.
But for anyone coming to HFT from a coding background instead of a trading background, an explanation of one of your indicators would have been fascinating.
Worst case he runs out of capital over a period of weeks.
He can't blow up in the way that you think - but he can have large drawdowns over a period of weeks.
Markets are eventually consistent scalable systems - and that is why we prefer them over central planning. In the medium term they prices things correctly, cheaply and efficiently (decade+).
In the short term however (sub-decade) - they can't price jack.
Markets are inefficient period - if they weren't, well then P=NP and you could just put your NP-hard problems into a market and get back cheap, quick, accurate results. Oh - wait - protein folding is actually harder than that.
There are 2 major ways to make money in the markets. Value-Growth and statistical arb (often high frequency). The former (Buffett) is highly concentrated bets on the future of business (I'm value - long TSLA/GOOG/Samsung). The latter is looking for thousands of small diversified statistically significant correlations above 50% (random guesses) and trading costs between securities/price movements over short time intervals (aka statistical ghosts in the data - RenTech/Shaw).
Both work. Both work well. And will continue to do so as long as markets exist.
Making $500K on $100K over 6 months is good business.
Por exemplo. if you made 10% when overall market was up 15% for the year, you have negative alpha. [As someone could have bought index and held it through year to generate better return]
If you made 20% when market was up 10%, you have positive alpha.
That is why everyone in the investment community is 'seeking alpha'.
So the fees will be $3950 - $15,800 per day.
$15,800 - $79,000 per week.
And he surely wasn't paying retail prices - you can go down to around $0.50/future if you know what you are doing.
(In general, futures have 1:5 to 1:20 leverage)
$500 - 2,000 per day.
$2,500 - 10,000 per week.
$130,000 - $520,000 per year.
That's just the fees. He must make that much just to break even. If you can make that much starting with $30K, you're a supermotherfucking genius.
One "tick" (minimal movement) is worth 12.5 EUR. At volume you pay 0.5 EUR, IIRC, but let's assume you pay 1 EUR in fees, everything included.
If you bought and sold at the same price, you lost 1 EUR/trade. This is the cost of business.
If you bought, and sold after a favorable 1 tick movement, (e. g. bought at 4013.0 and sold at 4013.5), you're 10.5 EUR richer - 12.5 on the difference, minus 1 for each trade (one buy, one sell).
If you bought and sold after an unfavorable one tick movement (e. g. bought at 4013.5 and sold at 4013.0), you're 14.5 EUR poorer - 12.5 on the difference, and 1 for each trade (one buy one sell).
OP averaged $2/trade over 200,000 trades; that means he had 2/3 right calls, and 1/3 wrong calls or so if he only traded dax and only had 1 tick moves.
He was very smart, but you're looking at it wrong - the fees are the cost of doing business, much like salaries are the cost of producing software. In finance, you rarely care about revenue or "notional" (which can easily run into the trillions per year for a small trader - for.
1 eur, you get 75,000 eur in notional value on the dax).
You just roll the fees up-front into your choices when thinking about it, and it all makes much more sense.
(Not trying to take away from OPs very commendable achievement - just trying to give the common perspective on how to view this)
The biggest issue is the confusion that you can apply machine learning to HF trading. HF trading sub 15min mark is more about playing the deal flow, and only the institutions have an edge on this. This is why goldman had to separate the buy and sell sides in the early 2000's. Above 15mins you are able to find an edge using time series analyses since the market is scaling invariant according to Benoit Mandelbrot and this does not apply to dealflow. Also having access to dealflow allows you to predict volatilty seconds ahead which allows you decrease your risk and increase you reward as well as handle your costs since the volatility will impact your transaction costs even if transaction costs themselves stay the same. There is just so much stuff to cover that a comment will not do justice in explaining what is wrong with this guys logic.
Survivorship bias would mean I simply got lucky. If you're going to say that you're at least going to need to look at my P&L charts and say how I could possibly achieve that much success with luck alone.
Finally, machine learning has everything to do with my success. There were hundreds of variables in my algorithm that were ALL optimized using ML. If you read the article you would know that I built an accurate model for backtesting that I used to optimize variables as well as confirm that I was going to make money before I even started live trading.
I'm pretty confident that whatever you were doing in 2004 has nothing to do with what I was doing.
Why doesn't every hacker do this to make extra money? Is it within the grasp of anybody who can program to automate trading like this?
EDIT: Sounds like it's not really for everybody. You have to own or rent a server with access to direct lines to the exchanges, or else your lag will be such that profiting from HFT is impossible. How much do these cost?
A profitable predictor is a much, much harder problem.
At a place like Goldman Sachs, a quant with a working predictor gets paid 5 times as much as the IT guy who makes that predictor talk to the market quickly enough.
Because, as your question implies, it is (relatively) easy to do the IT work or hire someone to do it. Not so for the predictors.
Once you have the assets and capacity to actively manipulate the price of any stock at will, the market is a VERY different animal and no longer need to be understood at all. You simply force its hand.
I wondered the same thing and tried to answer it for myself not that long ago.
In short, it's hard, time-consuming, stressful and costly.
1) Your code has to work going forward. Coming up with something that works in backtesting is easy, doing it moving forward while staying within your risk envelope and considering all the associated costs is hard.
2) Closely related to #1. Whatever you put together is surely going to need plenty adaptation and oversight. It's a very fluid problem, you're just one player among countless others. How much time do you have in the day? Where is your capital coming from? For most people, the source of capital is a job that they probably can't ignore while fiddling with a trading program that would have to be remarkably successful to replace that income.
3) Everything costs money. You need a certain amount of capital to start with and there are all sorts of running costs. From the basic costs of execution, to market data and eventually co-location if you get that far. The fact that the OP kicked off with an amount that's essentially the barest minimum for any kind active trading is exceptional.
4) Can you maintain discipline and continue executing on all of the above while losing money? How many people struggle to simply get up on time, control their desire to check a particular website or to get over and move on from some frustration? Even if there's automation involved, trading will test your mental fortitude.
I have flirted with HFT in a hobby-like manner and it isn't the programming that will get you the money, it is the domain specific knowledge coupled with the programming. On top of that, there are quite a few risks and potential to lose a lot of money.
2.)Finding a good predictor. Predicting up or down is easy on paper. Finding a predictor that a.)beats the spread, b.)factors in lag time to execution, and c.)factors in commission, is hard.
3.)Market regime changes. What works a few months ago isn't guaranteed to work now.
"I was making a lot of money but now I've stopped" is the same thing as "I was lucky until I wasn't". Making a living by gambling pretty much sucks, which is why most hackers don't do it.
(You'd think that something as complex as markets would attract hackers trying to "figure it out". The problem is that due to the changing nature of the other participants, all hacks are temporary. Makes for great blog posts, but not a long term strategy.)
If you are relying on a broker-supplied pricefeed over the internet you are far outside the real of what is traditionally understood as "High Frequency Trading".
You talked about programming hotkeys (and then automating the hotkeys) so I assumed this was running on your desktop.
Would be even more awesome if you could share some code on github.
(former TT employee)
What does it depend on?
If he posts the code, you're a long way from running it.
If the tools work, sell them. If they don't, tweak them, try it again, and sell them until they do.
This is risk management.
It is a software implementation of the Viable System Model (VSM), a model for autonomous systems developed by Stafford Beer. It provides structure, communications, auditing and alerting for autonomous systems.
Part of it is base code for dealing with stocks and options, treating securities positions as autonomous systems that have the scaffolding for running simulations on themselves. It's in Smalltalk and runs under Squeak and Pharo. It can be found at:
I won't try to advertise it as a complete solution, but it might be the start of one.
Automated trading is more on strategy, while HFT has more to do with volume and speed. With automated trading, you predict price movements. HFT involves being a liquidity provider. You don't use market technical indicators in HFT, you wait for some really huge orders.
HFT firms won't bother him. Those are dealing with an entirely different set of algorithms. He should have contacted brokers instead.
even though its over 10 years old, is real HFT. moving correlations, windowed FFT (of bid and transaction events), microscopic operators, negative first-order autocorrelation of returns.
it is NOT about supplying liquidity or being a market maker. that's just market makers trying to say they are in on the latest trend.
Seriously though, there are some existing frameworks and products that you could check out. I haven't used this myself, it's just in my bookmarks:
And a low level library for data analysis: pandas. pydata.
Oh, I forgot about another backtesting framework for python. It has a built in IDE as well.
Zipline was unveiled at PyData NYC, and the presentation materials are here: app. quantopian/posts/hello-from-pydata.
Were you compounding the data always, or telling it to forget what was going on several months ago? Or somewhere in between?
(I'm pretty unfamiliar with machine learning, apologies if this is obvious or something)
zero. The article doesn't seem to expound on that unless I missed something.
Is this a result of bots on the other side adapting in some way to what you were doing? I would have thought you would be too small a player for them to notice.
We cannot even tell if $500k is a good risk adjusted return - we have no information on volatility, nature of the exposure or most importantly how much money he started with?
Not exactly shocked Jim Simons didn't return his email. But completely shocking that he walked away from a successful automated trading strategy. the only thing rarer than a free lunch is a man willing to walk away from one. suspect.
2. Author has stated elsewhere than he began with $10k in seed capital.
3. The "bullish" market you cite increased only about %70 in that timeframe while the author's returns were multiples of that number.
4. Author walked away from a _previously successful_ strategy that no longer produced profits. His montlhy returns went to nearly zero so he stopped.
Edited to fix numbers.
It is of course possible that once you made "real" money with your algorithm it was spotted by the other algorithms which then started working against it. (Aka exploiting it) Having talked with people in that space (hft) I was left with the impression that an insane amount of analysis was done on those trades.
Other than sheer luck, the most plausible explanation for your diminishing returns is that you found a strategy that worked _at that point in time_, other people copied it (starting with your broking firm), and as that strategy became more common your ability to make money disappeared.
I work in the industry, this happens all the time. Trading strategies have a shorter half life than you may think.
A lot of people in the business would pay e. g. $5,000 for exclusive rights for something that worked this well in 2009 (with proof that it worked in 2009, e. g. verifiable broker statements), and a smaller amount (say, $5,00) for non exclusive rights.
If he claimed it still works but he wants to sell it, it is a completely different game -- because when these things work, they are cash cows.
If you want to go back to trading, you'll probably have to actively try to get a job -- at the very least, let someone who's still in the business know that you are looking. In my experience in this field, word of mouth and friends-of-friends are infinitely more successful hiring strategies, for both sides.
(Re:releasing the source - I would like to have a look at the strategy, but I would recommend against releasing anything that is even close to being useful, unless you want to spend the next year screening "where can I get a good XTAPI broker" and "I've got XTrader_PRO set up, but I'm getting error 10013, what gives?" emails).
the Nuclear Phynance message board is probably a better place to look for business offers.
I traded stocks and Forex for years and my experience says, it is not for everyone. What ever indicators, discipline or model you follow it is going to work only if you have the right intuition or luck!
Could you explain this part, specifically what do you mean by "bucket"?
"To accomplish this I tracked predicted price moves in 50 buckets that depended on the range that the indicator value fell in. This produced unique predictions for each bucket that I was then able to graph in Excel. As you can see the expected price change increases as the indicator value increases."
Could you explain this part, specifically what do you mean by "bucket".
"To accomplish this I tracked predicted price moves in 50 buckets that depended on the range that the indicator value fell in. This produced unique predictions for each bucket that I was then able to graph in Excel. As you can see the expected price change increases as the indicator value increases."
If the market dives and you quickly get into a big long position, and then it dives some more - what do you do? You can either close out your losing trade and take the loss, or hope that the market comes back up, all the while holding on to the risk of further losses.
Also, there's no guarantee that trades in the middle of a flash crash will remain valid after the crash. The exchange could nullify all trades in a certain period of time, which would completely wipe out your upside potential.
This is the most important thing: In every single "flash crash", the exchanges have retroactively canceled trades, in a rather arbitrary manner (e. g., "every trade between 16:30 and 16:38 is null and void"). There is some underlying justification, but it is also arbitrary (e. g., "anything below 3% of the price when the flash crash started", with no specific justification for the 3% number, or a well defined methodology for the time of the crash).
That could easily turn a +$100K profit into a -$500K profit, depending on circumstance.
In the Flash Crash as well as the Knight Capital incident "up/down 30% from the Previous Close" was the price collar (anything outside that was busted and anything inside stood).
Of course there is no guarantee that the same criteria will be used the next time around so caveat emptor.
edit: I found what I was looking for in the comments.
PS: no sarcasm intended, it truly is an excellent advert.
1. when you have a good system (even one you cannot "improve" further), you don't talk about it. 2. You don't just stop using it.
There should be more to this story.
Last time I checked, NASDAQ and NYSE don't exactly publish API's.
"In 2008 I was “manually” day trading futures using software called T4. I’d been wanting some customized order entry hotkeys, so after discovering T4 had an API, I took on the challenge of learning C# (the programming language required to use the API) and went ahead and built myself some hotkeys."
If you want to make money from investing, why not do so in a socially responsible way? Invest in companies that are changing the world for the better. You might not bring home as much money, but at least you'll be able to sleep well at night.
This does not ring true.
And HFT or day-trading does bring some value to the world. It enables companies to go to the public markets and raise capital. And investors to sell their shares without having to wait too long for a buyer. But those positives come along with negatives as well.
I am not saying that this guy's trading did contribute to flash crashes! He may have successfully implemented systems to prevent that. I hope he did, and if so I'm interested to hear how.
Só brincando. It was a fascinating article. Obrigado por compartilhar.
The level of the coders doing HFT is beyond the comprehension of this guy, added to the team of Mathematicians, Physicists and computer scientists at your average HFT firm, they probably laugh when they read this.
Good try though, it was awesome that eventually he tuned it to profitability, but there's no way in hell they'd buy that amateur software/algorithm.
Kudos though for taking on the task of learning how to code and making money with ML.
He trade other people's money, using other people's (probably employer's) account and resources, I suppose.
His employer have paid all the fees, and, took all the risks - if there is profit - it is mine, if there is a lose - it is theirs.)
The essence of trading is about having a special (insider) position of even being a market maker, who just collecting fees from every trade other people do.)
But this is just my guess.
Taking a Machine Learning and Statistics course does not make you a trader. You need something else - access to the system.
This is why my guess is that he was an employee.
Except finance is supposed to be "serious". In most serious, legitimate activities, extracting money means you provided value somehow. So, what value high frequency trading could possibly provide?
Now I do have an idea where trading could be useful. For instance, a good old merchant doing arbitrage and making a profit is pretty useful: that's how different regions can specialize, do better than they otherwise would, and ultimately lift us from hunter-gatherer tribes where 60% males die a violent death, to our civilization now. And money, as evil as it may be perceived, is to date the best organizing medium humanity ever had.
Investors also have their use: by better allocating money among companies, we could hope to give more money to those who are better at converting it to actual wealth.
The OP didn't make a ton of money because his model of the the companies had an edge, but because his model of the behaviour of other traders had an edge. So I fail to see what useful information his trading put into the system. How his actions resulted in better (or worse) allocation of money between companies. How the (very serious) game he was playing was anything but zero sum.
Maybe there's an error in my reasoning. In this case, I'd happily accept downvotes, but please tell me where I have gone wrong. Not understanding why one's post is being scolded is just frustrating. Like failing an exam and being told to have a hard look at oneself. "Yeah, I get that, but what should I look for ?"
I do get the value of trading, investing, and some form of arbitrage. Heck, I don't have to search for the farm to get my milk. That's a service, and it does deserve a reward. What the author did is a bit different:
> Most of the market volume was other bots that would only execute a trade with me if they thought they had some statistical edge.
I understood it meant "they would trade with me only if they think I was the sucker". And of course, he would trade with them only if he thinks they were the suckers. It's not providing a service. It's fighting in a zero-sum economy.
Now he did say " most of the market volume". So there's a fraction that's not bots, and probably also a smaller fraction that does not even play the zero sum game, but instead does some positive-sum trading with the mostly-zero-sum players. But this interface boundary seems incredibly thin , compared to the internal zero-sum behemoth. That looks like a highly inefficient use of time, energy, and brains.
And even then, I'm not sure the zero-sum game provides any service to the rest of the world: zero-sum players base their models on the behaviour of each other, not on the actual performance of companies. That would add no new information to the system. At best, that only amplifies the effect of the few that actually predict company performance. And I doubt it does it well.
There are really only two actions in a market, providing liquidity (i. e. market-making) or taking liquidity (including arbitrageurs). Stretching the shopkeeper analogy, any time you put a price tag on an item you are taking a risk and exposing yourself. You slap a price on some bananas and then there is a tropical cyclone (it happened in Australia) and the price of bananas doubles. Someone smart swoops in (call them an arbitrageur), grabs your bananas and goes to the till and you legally have to sell them to him even though they're worth double now. You also have inventory risk, if you're holding a lot of bananas out back then there is the chance that they go rotten.
Every limit order (an offer to sell, or bid to buy) has an inherent risk that you should expect to be compensated for (or you wouldn't do it), and enhances the market. The more competition amongst people posting prices the better, it just means more liquidity (you can buy or sell as many bananas as you want) and tighter prices.
The liquidity taker on the other hand is all about exploiting a misprice. Say, Intel release earnings and are down 10%, but the price of the highly correlated ARM hasn't moved yet, if you are the fastest you can take advantage of some poor person who still wants to buy ARM at the same price as before this information was known. Keep in mind here, a price can move without any trades happening (or goods changing hands). The shopkeepers can whip around and change the price tag on their bananas if they are fast enough before anyone buys them.
It is harder to justify the liquidity taker - what marginal advantage is there to having the price of ARM react to that news in 2 milliseconds rather than 20? They force the transmission of information yes, but why is it better to have it happen a bit marginally quicker? On the other hand, how can you have a realtime market without them? It keeps the providers on their toes, and there will always be someone fastest to react.
Incidentally, providing liquidity must have been the chief function of the OP's algo - 4000 trades a day doesn't work for a liquidity taker that has to cross the spread. He isn't getting 2000 mis-price signals a day to swing at, good enough to justify crossing the spread. DAX traded 120k contracts yesterday, he would have been averaging 2-3% of daily flow.
I agree that "why" doesn't matter, if you know "what". When you don't however, "why" is a useful predictor.
I understand the value of arbitrage, to some extent. In its current form, it's quite heavy, but I can imagine we're better off allowing it.
We should compensate for value, not for risk. The two are not always correlated. I know trading is risky, but that's not the point. If it doesn't create value, it shouldn't be compensated. And I suspect some forms of trading create little to no value at all.
By itself, closing a deal doesn't mean you provided value. It means the other party thinks you provided value to them . When both parties think that, either it's a win-win situation, or someone got tricked. (Delayed bids and offerings complicate this, but it's the same principle.)
If I got it right, the OP did what we could call "short term speculation". If you predict something will rise, buy from a sucker who didn't. If you predict something will fall, sell it to a sucker who didn't. And of course, pray you are not the sucker. Locally, it's totally zero-sum.
Now maybe the whole system facilitates real transactions (with non-speculators) at the boundaries? But even then, for a given volume your reward doesn't seem to be proportional to your facilitation power (which I have no idea how to compute), but to how well you manage to trick your fellow traders. I very much doubt that such twisted incentives can foster a useful, let alone efficient, system.
Now maybe that little speculator who sold you the share at $10, he goes and works the bid, he advertises that he wants to buy a share at $9. Someone fills him. It take 2 minutes of trading to work to the front of the queue (easily possible with an equity). During that time, he is exposed to the risk that the stock might spike up in price, a risk you are no longer exposed to since you got your desired trade done $1 cheaper and 2 minutes ago. Then if he succeeds he makes his $1 profit. It doesn't always work - maybe 60% of the time the price ticks up and he just breaks even. He pays exchange fees and clearing on both the in and out trades too.
In theory, you could get involved in all of this with your 500 share purchase. Try to work the bid, get a better price, etc. or if you cross you are effectively paying for a service. Every order posted in the market is a service.
How wide are bid/offer spreads these days? How can that possibly be a bad thing?
In your example, it looked like you wanted your 500 share for something else than selling them. So you're talking about "real transactions (with non-speculators) at the boundaries". So yes, those transactions are a useful service provided to you by the speculators. I'm not denying that.
On the other hand, your wording seems to imply that most transactions are of this type (non-speculator with speculator). As far as I understand the system, they are not. If the OP is to be trusted, the vast majority of transactions are between 2 speculators trying to outsmart each other. Do we at least agree on that narrow point?
My second point is that a such a transaction (between 2 speculators) is zero sum. Locally, because whatever the first speculators won, the other lost. And globally, because wherever the share is, it could still be sold to a non-speculator. Making the transaction between speculators doesn't make it any easier. I'd say it could make it harder , for the non-speculators now have to buy the share faster than the speculators (or pay extra to have traders do it for them). Seriously, where is the value in that?
Now maybe a good speculator tends to provide a good service to non-speculators. However, they are not selected by the quality of the service they provide. They are selected by their ability to rip each other off. How quality of service arises from such a cut-throat competition is mysterious to me. (Usually, we compete for quality of service directly, so the connection is obvious. Speculating is not the same thing.)
Many things in our economy can be described as a zero-sum game. Society only needs so much of any given good, and at the retailer level you aren't involved in increasing demand. Two corner stores might get into a price/advertising war, but let's argue that there is still only a fixed amount of product they can sell to a small community. So advertiser's get fat on fees (in our case, exchanges do). So what is the point you ask? Evolution, competition, it can only be good for the consumer. You still haven't disputed that by the way, the consumer wins don't they? How could they possibly have lost? It takes a tin foil hat to think that it isn't better and cheaper to invest now.
" they are not selected by the quality of the service, just ability to rip each other off" - people have a bit of a naive view that there are some sort of magical harlem globetrotter moves you can pull on an order book. The mechanics are dead simple I'm afraid. It isn't chess, not even checkers. You can't even see the other participants, everything is anonymous on the exchanges I've dealt with. Spoofing is illegal, and that is about as clever as it gets. Very little you can do to make your algo better will put it at odds with providing a better quality service.
To prove that, remember the two types of algo. If I write a liquidity provider that doesn't offer a tighter spread than the competition, I will miss out on trade flow and make little or nothing. If I write a liquidity taker that has an opinion that is wrong about the correct value of a security, someone else who is right will smash me. So effectively we are selecting for more liquidity, tighter spreads, and more accurate prices reflecting available information.
But, if I got you right, the anonymity of it all mean we cannot separate the two… hmm… Then we've got to multiply the potential utility of the trade by the (quite low) probability of it being closed by a non-speculator. Still valuable, but much less. And I'm back wondering to what extent this is worth the (collective) effort. You did change my mind a little, though. I'll need to learn more.
> You still haven't disputed that by the way, the consumer wins don't they? How could they possibly have lost?
The consumer winning does count as creating value. However there are 2 parts in the retail store competition example: the part where they compete on quality, price, diversity… and the part where they pay fat fees to the advertiser. The first part benefits the consumer, the second just add inefficiency in the loop: if both stores could only agree to not use ads, everybody would win.
When Pareto Optimum and Nash Equilibrium are at odds, life sucks.
> Every single additional limit order in the market creates real value.
Besteira. You don't cover the main case, where 2 speculators make a deal. Show me how value is created (not just transferred) in this case.

Negociação Algorítmica.
I graduated from ETH Zurich in 2008 where I wrote my PhD thesis on topics in the area of mathematical optimization and algorithmic trading. See below a list of my research papers. Since 2008, I have been working for a proprietary trading company in their statistical arbitrage group.
Research on models and algorithms for financial markets, especially "Optimal Execution of Portfolio Transactions".
Optimal Execution of Portfolio Transactions.
R. Almgren , J. Lorenz: Adaptive Arrival Price. Algorithmic Trading III , Spring 2007. (shortened version of this earlier preprint)
R. Almgren, J. Lorenz: Bayesian Adaptive Trading with a Daily Cycle. Journal of Trading 1(4):38-46, 2006. Standard models of algorithmic trading neglect the presence of a daily cycle. We construct a model in which the trader uses information from observations of price evolution during the day to continuously update his estimate of other traders' target sizes and directions. He uses this information to determine an optimal trade schedule to minimize total expected cost of trading, subject to sign constraints (never buy as part of a sell program). We argue that although these strategies are determined using very simple dynamic reasoning---at each moment they assume that current conditions will last until the end of trading---they are in fact the globally optimal strategies as would be determined by dynamic programming.
R. Almgren, J. Lorenz: Mean-Variance Optimal Adaptive Execution. Applied Mathematical Finance 18 (2011) 395-422 . See also Chapter 3 of my PhD thesis.
J. Lorenz: Optimal Execution of Portfolio Transactions. IFOR Mitteilungen, No 64, September 2008. Leitartikel.
J. Lorenz, J. Osterrieder: Simulation of a Limit Order Driven Market. Journal of Trading Winter 2009, Vol. 4, No. 1: pp. 23-30 This article presents an order flow model framework for limit order driven markets. Different from previous models, the article explicitly models a reference price process that. sweeps. the limit order book as it fluctuates up and down. This framework allows the use of any stochastic process to model this reference price and very general specifications of the limit order flow. The authors believe that this framework can fruitfully combine order flow models with well-studied models for stock price processes and provides a step toward developing realistic yet tractable models for complex limit order driven markets. Public order data from SWX is used as an example to estimate the model parameters.
Competitive Search and Pricing of Lookback Options.
J. Lorenz, K. Panagiotou A. Steger: Optimal Algorithms for k-Search with Application in Option Pricing. Proceedings of the 15th Annual European Symposium on Algorithms (ESA), 2007 . In the k-search problem, a player is searching for the k highest (respectively, lowest) prices in a sequence, which is revealed to her sequentially. At each quotation, the player has to decide immediately whether to accept the price or not. Using the competitive ratio as a performance measure, we give optimal deterministic and randomized algorithms for both the maximization and minimization problems, and discover that the problems behave substantially different in the worst-case. As an application of our results, we use these algorithms to price "lookback options'', a particular class of financial derivatives. We derive bounds for the price of these securities under a no-arbitrage assumption, and compare this to classical option pricing.
J. Lorenz, K. Panagiotou A. Steger: Optimal Algorithms for k-Search with Application in Option Pricing. Algorithmica , October 2009, Volume 55, Issue 2, pp 311-328.
Outros documentos.
J. Lorenz, M. Marciniszyn, A. Steger: Observational Learning in Random Networks. Proceedings of the 20th Annual Conference on Learning Theory (COLT), 2007. (Full version)
In the standard model of observational learning, n agents sequentially decide between two alternatives a or b, one of which is objectively superior. Their choice is based on a stochastic private signal and the decisions of others. Assuming a rational behavior, it is known that informational cascades arise, which cause an overwhelming fraction of the population to make the same choice, either correct or false. If agents are able to observe the actions of all predecessors, false informational cascades are quite likely . In a more realistic setting, agents observe just a subset of their predecessors, modeled by a random network of acquaintanceships. We show that the probability of false informational cascades depends on the edge probability p of the underlying network. If p=p(n) is a sequence that decreases with n, correct cascades emerge almost surely ( provided the decay of p is not too fast ), benefiting the entire population.