Estratégias de negociação de alta freqüência.
A maioria dos investidores provavelmente nunca viu a P & amp; L de uma estratégia de negociação de alta freqüência. Há uma razão para isso, é claro: dado as características de desempenho típicas de uma estratégia de HFT, uma empresa de comércio tem pouca necessidade de capital externo. Além disso, as estratégias de HFT podem ser limitadas de capacidade, uma grande consideração para os investidores institucionais. Por isso, é divertido ver a reação de um investidor ao encontrar o histórico de uma estratégia HFT pela primeira vez. Acostumados quanto a ver os índices de Sharpe no intervalo de 0,5-1,5, ou talvez até 1,8, se tiverem sorte, os retornos assustadores ajustados ao risco de uma estratégia de HFT, que muitas vezes têm razões de Sharpe de dois dígitos, são verdadeiramente Incompreensível.
A título de ilustração, anexei abaixo o registro de desempenho de uma dessas estratégias HFT, que negocia cerca de 100 vezes ao dia no contrato eMini S & amp; P 500 (incluindo a sessão noturna). Observe que a borda não é ótima. com média de 55% de negócios lucrativos e lucro por contrato de cerca de metade do tiquete # 8211; Estas são algumas das características definidoras das estratégias de negociação HFT. Mas, devido ao grande número de negócios, resulta em lucros muito substanciais. A esta frequência, as comissões de negociação são muito baixas, geralmente abaixo de US $ 0,1 por contrato, em comparação com US $ 1 e 8211; $ 2 por contrato para um comerciante de varejo (na verdade, uma empresa de HFT tipicamente possui ou arrenda assentos de câmbio para minimizar tais custos).
Ocultos a partir da análise acima são os custos indiretos associados à implementação dessa estratégia: o feed de dados do mercado, a plataforma de execução e a conectividade capazes de lidar com enormes volumes de mensagens, bem como a lógica de algo para monitorar os sinais da microestrutura e gerenciar a prioridade do livro de pedidos. . Sem isso, a estratégia seria impossível de implementar de forma rentável.
Escalando as coisas de volta um pouco, vamos dar uma olhada em uma estratégia de troca de dias que negocia apenas cerca de 10 vezes ao dia, em barras de 15 minutos. Embora não ultra-alta freqüência, a estratégia, no entanto, é de alta freqüência para ser sensível à latência. Em outras palavras, você não gostaria de tentar implementar essa estratégia sem uma alimentação de dados de mercado de alta qualidade e plataforma de negociação de baixa latência capaz de executar no nível de 1 milésimo de segundo. Pode ser possível implementar uma estratégia desse tipo usando a plataforma ADL da TT & # 8217; s, por exemplo.
Enquanto a taxa de vitórias e o fator de lucro são semelhantes à primeira estratégia, a menor freqüência de comércio permite um maior PL de comércio de pouco mais de 1 tiquetaque, enquanto a curva de equidade é muito menos lisa, refletindo uma relação Sharpe que é & # 8220; apenas & # 8221; em torno de 2.7.
O pressuposto crítico em qualquer estratégia HFT é a taxa de preenchimento. As estratégias HFT executam usando ordens limitadas ou IOC e somente uma certa porcentagem delas será preenchida. Supondo que há alfa no sinal, a P & amp; L cresce em proporção direta ao número de negócios, o que, por sua vez, depende da taxa de preenchimento. Uma taxa de preenchimento de 10% a 20% geralmente é suficiente para garantir a rentabilidade (dependendo da qualidade do sinal). Uma baixa taxa de preenchimento, como seria tipicamente observada se uma tentasse trocar em uma plataforma de comércio varejista, destruiria a rentabilidade de qualquer estratégia HFT.
Para ilustrar este ponto, podemos dar uma olhada no resultado se a estratégia acima foi implementada em uma plataforma de negociação que resultou em pedidos sendo preenchidos somente quando o mercado se processa através do preço limite. Não é uma visão bonita.
A moral da história é: desenvolver um algoritmo de negociação HFT que contém um sinal alfa viável é apenas metade da imagem. A infra-estrutura comercial utilizada para implementar essa estratégia não é menos crítica. É por isso que as empresas HFT gastam dezenas, ou centenas de milhões de dólares, desenvolvendo a melhor infra-estrutura possível.
Estratégias de negociação de alta freqüência.
A maioria dos investidores provavelmente nunca viu a P & amp; L de uma estratégia de negociação de alta freqüência. Há uma razão para isso, é claro: dado as características de desempenho típicas de uma estratégia de HFT, uma empresa de comércio tem pouca necessidade de capital externo. Além disso, as estratégias de HFT podem ser limitadas de capacidade, uma grande consideração para os investidores institucionais. Por isso, é divertido ver a reação de um investidor ao encontrar o histórico de uma estratégia HFT pela primeira vez. Acostumados quanto a ver os índices de Sharpe no intervalo de 0,5-1,5, ou talvez até 1,8, se tiverem sorte, os retornos assustadores ajustados ao risco de uma estratégia de HFT, que muitas vezes têm razões de Sharpe de dois dígitos, são verdadeiramente Incompreensível.
A título de ilustração, anexei abaixo o registro de desempenho de uma dessas estratégias HFT, que negocia cerca de 100 vezes ao dia no contrato eMini S & amp; P 500 (incluindo a sessão noturna). Observe que a borda não é ótima. com média de 55% de negócios lucrativos e lucro por contrato de cerca de metade do tiquete # 8211; Estas são algumas das características definidoras das estratégias de negociação HFT. Mas, devido ao grande número de negócios, resulta em lucros muito substanciais. A esta frequência, as comissões de negociação são muito baixas, geralmente abaixo de US $ 0,1 por contrato, em comparação com US $ 1 e 8211; $ 2 por contrato para um comerciante de varejo (na verdade, uma empresa de HFT tipicamente possui ou arrenda assentos de câmbio para minimizar tais custos).
Ocultos a partir da análise acima são os custos indiretos associados à implementação dessa estratégia: o feed de dados do mercado, a plataforma de execução e a conectividade capazes de lidar com enormes volumes de mensagens, bem como a lógica de algo para monitorar os sinais da microestrutura e gerenciar a prioridade do livro de pedidos. . Sem isso, a estratégia seria impossível de implementar de forma rentável.
Escalando as coisas de volta um pouco, vamos dar uma olhada em uma estratégia de troca de dias que negocia apenas cerca de 10 vezes ao dia, em barras de 15 minutos. Embora não ultra-alta freqüência, a estratégia, no entanto, é de alta freqüência para ser sensível à latência. Em outras palavras, você não gostaria de tentar implementar essa estratégia sem uma alimentação de dados de mercado de alta qualidade e plataforma de negociação de baixa latência capaz de executar no nível de 1 milésimo de segundo. Pode ser possível implementar uma estratégia desse tipo usando a plataforma ADL da TT & # 8217; s, por exemplo.
Enquanto a taxa de vitórias e o fator de lucro são semelhantes à primeira estratégia, a menor freqüência de comércio permite um maior PL de comércio de pouco mais de 1 tiquetaque, enquanto a curva de equidade é muito menos lisa, refletindo uma relação Sharpe que é & # 8220; apenas & # 8221; em torno de 2.7.
O pressuposto crítico em qualquer estratégia HFT é a taxa de preenchimento. As estratégias HFT executam usando ordens limitadas ou IOC e somente uma certa porcentagem delas será preenchida. Supondo que há alfa no sinal, a P & amp; L cresce em proporção direta ao número de negócios, o que, por sua vez, depende da taxa de preenchimento. Uma taxa de preenchimento de 10% a 20% geralmente é suficiente para garantir a rentabilidade (dependendo da qualidade do sinal). Uma baixa taxa de preenchimento, como seria tipicamente observada se uma tentasse trocar em uma plataforma de comércio varejista, destruiria a rentabilidade de qualquer estratégia HFT.
Para ilustrar este ponto, podemos dar uma olhada no resultado se a estratégia acima foi implementada em uma plataforma de negociação que resultou em pedidos sendo preenchidos somente quando o mercado se processa através do preço limite. Não é uma visão bonita.
A moral da história é: desenvolver um algoritmo de negociação HFT que contém um sinal alfa viável é apenas metade da imagem. A infra-estrutura comercial utilizada para implementar essa estratégia não é menos crítica. É por isso que as empresas HFT gastam dezenas, ou centenas de milhões de dólares, desenvolvendo a melhor infra-estrutura possível.
Modelagem Estatística de Dados Financeiros de Alta Freqüência: Fatos, Modelos e Desafios.
12 Páginas Publicado: 26 Jan 2011 Última revisão: 15 de março de 2011.
Colégio Imperial de Londres; CNRS; Norges Bank Research.
Data escrita: 1 de março de 2011.
A disponibilidade de dados de alta freqüência em transações, cotações e fluxo de pedidos em mercados eletrônicos orientados por ordens revolucionou o processamento de dados e técnicas de modelagem estatística em finanças e criou novos desafios teóricos e computacionais. A dinâmica do mercado no nível de transação não pode ser caracterizada unicamente em termos de dinâmica de um único preço e também deve levar em consideração a interação entre comprar e vender ordens de diferentes tipos, modelando o fluxo de pedidos ao preço da oferta, solicitando preço e possivelmente outros níveis do livro de pedidos limite.
Palavras-chave: dados de alta freqüência, caderno de pedidos, microestrutura de mercado, sistemas de enfileiramento, mercados de pedidos limitados, dados de transações, trades e cotações, limite de tráfego pesado, difusão, impacto de preços, TAQ.
Rama Cont (Autor do Contato)
Imperial College London (email)
CNRS (email)
Laboratório de Probabilidade e Modeles aleatórios.
Universite Pierre & Marie Curie (Paris VI)
Norges Bank Research (email)
Estatísticas de papel.
Jornais relacionados.
EJournal de gerenciamento de riscos.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Mercado de capitais: eJournal da microstrutura do mercado.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Econometria: Métodos econométricos e estatísticos - EJournal geral.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Econometria: métodos matemáticos e programação eJournal.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Econometria: Métodos econométricos e estatísticos - Special Topics eJournal.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Papéis recomendados.
Links rápidos SSRN.
Rankings SSRN.
Sobre SSRN.
Os cookies são usados por este site. Para recusar ou aprender mais, visite nossa página Cookies. Esta página foi processada por apollo2 em 0.219 segundos.
Comércio de alta freqüência em um modelo de renovação de Markov.
26 páginas postadas: 1 de outubro de 2013 Última revisão: 2 de outubro de 2013.
Pietro Fodra.
Université Paris VII Denis Diderot.
Huyên Pham.
Université Paris VII Denis Diderot.
Data escrita: 27 de setembro de 2013.
Estudamos um ótimo problema de negociação de alta freqüência dentro de um modelo de microestrutura de mercado visando um bom compromisso entre precisão e capacidade de tração. O preço das ações é modelado por um Processo de Renovação de Markov (MRP), enquanto as ordens de mercado chegam no livro de pedidos de limite através de um processo pontual em correlação com o preço da ação e levando em consideração o risco de seleção adversa. Aplicamos métodos de controle estocástico neste quadro de semi-Markov e mostramos como reduzir notavelmente a complexidade da equação Hamilton-Jacobi-Bellman associada por mudanças adequadas de variáveis que exploram a simetria específica do problema. Em seguida, manipulamos numericamente a parte restante da equação HJB, simplificada em uma equação diferencial integro-ordinária, por um esquema bidimensional de Euler. Procedimentos estatísticos e testes numéricos para calcular as estratégias de ordem limite ideal ilustram nossos resultados.
Palavras-chave: comércio de alta freqüência - processo de renovação de Markov, processo Marcado Cox, seleção adversa, equação diferencial integro-ordinária.
Classificação JEL: G10, C51.
Pietro Fodra.
Université Paris VII Denis Diderot (email)
2, coloque Jussieu.
Huyen Pham (Autor do Contato)
Université Paris VII Denis Diderot (email)
Batiment Sophie Germain 5 rue Thomas Mann.
Estatísticas de papel.
Jornais relacionados.
Mercado de capitais: eJournal da microstrutura do mercado.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Microeconomia: eJournal assimétrico e de informação privada.
Assine este boletim de taxas para mais artigos com curadoria sobre este tópico.
Papéis recomendados.
Links rápidos SSRN.
Rankings SSRN.
Sobre SSRN.
Os cookies são usados por este site. Para recusar ou aprender mais, visite nossa página Cookies. Esta página foi processada por apollo3 em 0.187 segundos.
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.
Rock on-line: um modelo baseado em agentes de negociação de baixa e alta freqüência.
Sandrine Jacob Leal Email autor Mauro Napoletano Andrea Roventini Giorgio Fagiolo.
Nós construímos um modelo baseado em agente para estudar como a interação entre operações de baixa e alta freqüência afeta a dinâmica dos preços dos ativos. Nosso objetivo principal é investigar se o comércio de alta freqüência exacerba a volatilidade do mercado e gera falhas instantâneas. No modelo, os agentes de baixa frequência adotam regras de negociação com base no tempo cronológico e podem alternar entre estratégias fundamentalistas e cartistas. Em contrapartida, a ativação dos comerciantes de alta freqüência é conduzida por eventos e depende das flutuações dos preços. Os comerciantes de alta freqüência usam estratégias direcionais para explorar informações de mercado produzidas por comerciantes de baixa freqüência. As simulações de Monte Carlo revelam que o modelo replica os principais fatos estilizados dos mercados financeiros. Além disso, achamos que a presença de comerciantes de alta freqüência aumenta a volatilidade do mercado e desempenha um papel fundamental na geração de falhas instantâneas. O surgimento de falhas instantâneas é explicado por duas características salientes de comerciantes de alta freqüência, ou seja, sua capacidade de i. gerar spreads de lance de alta oferta e ii. sincronize no lado da venda do livro de pedidos limite. Finalmente, achamos que taxas mais altas de cancelamento de pedidos por comerciantes de alta freqüência aumentam a incidência de falhas instantâneas, mas reduzem sua duração.
Classificação JEL.
Agradecimentos.
Agradecemos a Sylvain Barde, Francesca Chiaromonte, Jean-Luc Gaffard, Nobi Hanaki, Alan Kirman, Fabrizio Lillo, Frank Westerhoff e dois árbitros anônimos para estimular comentários e discussões frutíferas. Agradecemos também aos participantes do Workshop sobre Heterogeneidade e Redes em Mercados Financeiros em Marselha, março de 2013, da conferência EMAEE em Sophia Antipolis, maio de 2013, da conferência WEHIA em Reykiavik, junho 2013, da conferência 2013 CEF em Vancouver, julho de 2013 e do workshop da SFC em Limerick, agosto de 2013, onde foram apresentadas versões anteriores deste artigo. Todas as isenções habituais são aplicáveis. Os autores reconhecem com gratidão o apoio financeiro do Instituto para o Novo Pensamento Econômico (INET) concede # 220, "Os Caminhos Evolutivos Rumo ao Abismo Financeiro e a Distribuição Endógena de Choques Financeiros na Real Economia".
Apêndice 1: Parâmetros.
Valores de parâmetros no cenário de linha de base.
Replicações de Monte Carlo.
Número de sessões de negociação.
Número de comerciantes de baixa frequência.
Número de comerciantes de alta freqüência.
A frequência de negociação dos comerciantes da LF significa.
Frequência de negociação mínima e máxima dos comerciantes da LF.
Parâmetro do tamanho da ordem dos cartistas.
Desvio padrão de choque dos cartistas.
Parâmetro do tamanho da ordem dos fundamentalistas.
Desvio-padrão de choque dos fundamentalistas.
Desvio padrão de choque de valor fundamental.
Parâmetro de deriva de preço de valor fundamental.
Desvio padrão do preço do comerciante da LF.
A intensidade de troca dos comerciantes da LF.
Períodos de ordem de descanso dos comerciantes da LF.
Períodos de pedidos de repouso dos comerciantes da HF.
O suporte de distribuição de limiar de ativação dos comerciantes da HF.
Peso do volume do mercado na ordem dos comerciantes da HF.
O suporte de distribuição de preços de pedidos dos comerciantes da HF.
Apêndice 2: Resultados do modelo sob prioridade alternativa de ordem do tempo.
Cenário de linha de base com prioridade de ordem de tempo dada às ordens HF. Preço-retorna a função de autocorrelação de amostra (linha contínua) juntamente com 95% de faixas de confiança (linhas tracejadas). Os valores são médias em 50 execuções independentes de Monte-Carlo.
Cenário de linha de base com prioridade de ordem de tempo dada às ordens HF. As funções de autocorrelação de amostra de retornos de preço absolutos (linha contínua) juntam 95% de faixas de confiança (linhas tracejadas). Os valores são médias em 50 execuções independentes de Monte-Carlo.
Estatísticas de mercado para cenário de linha de base com prioridade de ordem de tempo dada a ordens de HF.
Negociando para reservar.
Avg. duração de.
Nota: Os valores são médias em 50 execuções independentes de Monte-Carlo. Erros padrão de Monte-Carlo entre parênteses. (σ P): volatilidade dos retornos de preços.
Razões de agressividade das ordens para diferentes categorias de comerciantes e diferentes fases do mercado.
Nota: cenário de linha de base com prioridade de ordem horária atribuída a ordens HF. Os valores são médias em 50 corridas independentes de Monte-carlo. Erros padrão de Monte-carlo entre parênteses.
Referências.
Informações sobre direitos autorais.
Autores e afiliações.
Sandrine Jacob Leal 1 Email autor Mauro Napoletano 2 3 Andrea Roventini 3 4 Giorgio Fagiolo 3 1. CEREFIGE - ICN Business School Nancy França 2. OFCE, SKEMA Business School Sophia Antipolis Cedex França 3. Istituto di Economia Scuola Superiore Sant'Anna Pisa Itália 4 OFCE Sophia-Antipolis França.
Sobre este artigo.
Recomendações personalizadas.
Cite o artigo.
.RIS Papers Reference Manager RefWorks Zotero.
.BIB BibTeX JabRef Mendeley.
Acesso ilimitado ao artigo completo Download instantâneo Inclua o imposto de vendas local, se aplicável.
Cite o artigo.
.RIS Papers Reference Manager RefWorks Zotero.
.BIB BibTeX JabRef Mendeley.
Mais de 10 milhões de documentos científicos ao seu alcance.
Switch Edition.
&cópia de; 2017 Springer International Publishing AG. Parte de Springer Nature.
Комментариев нет:
Отправить комментарий