Академический Документы
Профессиональный Документы
Культура Документы
Dokumenpub Finding Alphas A Quantitative Approach To Building Trading
Dokumenpub Finding Alphas A Quantitative Approach To Building Trading
ПОИСК АЛЬФ
Количественный подход к
построению торговых стратегий
ВТОРОЕ ИЗДАНИЕ
Под редакцией
Юридический адрес
John Wiley & Sons Ltd, The Atrium, Southern Gate, Чичестер, Западный Суссекс, PO19 8SQ,
Великобритания
Для получения подробной информации о наших редакциях по всему миру, для
обслуживания клиентов и для получения информации о том, как
подать заявку на получение разрешения на повторное использование материалов,
защищенных авторским правом, в этой книге, пожалуйста, посетите наш веб-сайт по
Все права защищены. Никакая часть этой публикации не может быть воспроизведена,
адресу www.
сохранена в поисковой системе
wiley.com.
или передана в любой форме или любыми средствами, электронными, механическими,
копировальными, записывающими или
иным образом, за исключением случаев, разрешенных Законом Великобритании об
Wiley публикует в различных печатных и электронных форматах, а также по запросу.
авторском праве, конструкциях и патентах 1988 года, без
Некоторые
предварительного разрешения издателя.
материалы, включенные в стандартные печатные версии этой книги, могут не быть
включены в электронные книги или в
print-on-demand. Если эта книга относится к таким носителям, как CD или DVD, которых
нет в
Обозначения, используемые компаниями для отличия своей продукции, часто заявляются
приобретенной вами версии, вы можете загрузить этот материал по адресу
как товарные знаки.
http://booksupport.wiley.com. Для
Все торговые
получения дополнительной
марки и названия
информации
продуктов,о продукции
используемые
Wiley
в этой
посетите
книге,
www.wiley.com.
являются
торговыми наименованиями, знаками обслуживания, товарными знаками
или зарегистрированными
Предел ответственности / Отказ
товарными
от гарантий:
знакамиХотя
их соответствующих
издатель и автор приложили
владельцев. все
Издатель
не связан
усилия приниподготовке
с каким этой книги, они не делают никаких заявлений или гарантий в
продуктом или поставщиком, упомянутым в этой книге.
отношении
точности или полноты содержания этой книги и, в частности, отказываются от любых
подразумеваемых
гарантий товарной пригодности или пригодности для определенной цели. Она продается
при том понимании,
что издатель не занимается оказанием профессиональных услуг и ни издатель, ни
Каталогизация данных Библиотеки Конгресса при публикации
автор не несут ответственности за ущерб, возникший в связи с этим. Если требуется
профессиональная
Имена: Тульчинский,консультация
Игорь, 1966или- редактор.
другая экспертная
помощь, следует
Название: Поиск обратиться
альф: количественный
к услугам компетентного
подход к построению
специалиста.
торговли
стратегии / под редакцией Игоря Тульчинского и др., WorldQuant Virtual
Исследовательский центр.
Описание: Второе издание. | Чичестер, Западный Сассекс : Wiley, 2020. |
Предыдущее издание опубликовано под редакцией Игоря Тульчинского | Включает
библиографические ссылки и указатель.
Идентификаторы: LCCN 2019021400 (печатный) | LCCN 2019981056 (электронная книга) |
9781119571216 (твердый переплет) | ISBN 9781119571261 (epub) | ISBN
ISBN
9781119571254 (epdf)
Предметы: LCSH: Финансы—математические модели. | Финансы—принятие решений.
Классификация: LCC HG4515.5 .T85 2020 (печатный) | LCC HG4515.5 (электронная книга) |
DDC 332.6401/51—dc23
Запись LC доступна по адресу https://lccn.loc.gov/2019021400
Запись LC в электронной книге доступна по адресу https://lccn.loc.gov/2019981056
Дизайн обложки: Wiley
Изображение на обложке: © agsandrew/Shutterstock
Предисловие xi
Предисловие (к оригинальному изданию) xiii
Благодарности xv
о веб-сайте WebSim xvii
ЧАСТЬ I ВВЕДЕНИЕ 1
1 Введение в альфа-дизайн 3
Автор Игорь Тульчинский
2 Перспективы альфа-исследований 7
Джеффри Лотете
3 Сокращение потерь 17
Автор Игорь Тульчинский
viii Содержание
Содержание ix
Ссылок 273
Индекс 291
Предисловие
Предисловие (к
оригинальному
изданию)
xvi Благодарности
О веб-сайте WebSim
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
1
Введение в альфа-дизайн
Автор: Игорь Тульчинский
Введение в альфа-дизайн 5
ЗАКЛЮЧЕНИЕ
6 Поиск альф
8 Поиск букв
СТАТИСТИЧЕСКИЙ АРБИТРАЖ
Перспективы альфа-исследований 11
12 Поиск Альф
14 Поиск Альф
18 Поиск Альф
Сокращение потерь 19
20 Поиск Альф
сведения
Сокращение потерь 21
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
4
Альфа-дизайн
Скотт Бендер и Юнфэн Хэ
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
26 Поиск Альф
АЛЬФА ВСЕЛЕННАЯ
Альфа-дизайн 27
ЦЕННОСТЬ АЛЬФЫ
Все это говорит о том, что мы все еще можем делать полезные
прогнозы о том, добавит ли
альфа ценность в стратегии, и мы можем предоставить разумную
оценку того,
насколько альфа способствовала эффективности стратегии.
28 Поиск Альф
ПРАКТИЧЕСКАЯ АЛЬФА-ОЦЕНКА
30 Поиск альфа-версий
5
Как развить альфу:
тематическое
исследование
Автор: Панкадж Бакливал и Хунчжи Чен
32 Поиск Альф
Понашу
ходу первую
дела мыальфу.
представим больше концепций. Прежде всего,
нам нужно
1
Примеры альфа-показателей и возвратов, описанные в этой главе,
приведены только в
иллюстративных целях и не предназначены для обозначения какой-
либо стратегии,
используемой WorldQuant или ее филиалами.
15 долларов
ММ
10 долларов
ММ
5 долларов
ММ
0долларов
2 2 4
01/10 07/10 10/10 01/11 04/11 07/11
04/12
10/11
07/12
01/110/1
01/13 04/13 07/13 10/13
04/14
01/107/14 10/14 01/15
Годовой доход
определяется как:
36 Поиск Альф
Совокупная прибыль
$6ММ
5 долларов
ММ
$4ММ
$3ММ
$2ММ
$1ММ
0долларов
1 2 2 3 4 4 4
01/1007/10 10/10 01/11 04/11 07/11
01/12 10/1
04/1
07/12 10/1
01/13 04/1
07/13 10/13 01/1
04/107/1 10/14 01/15
Совокупная прибыль
$5ММ
$4ММ
$3ММ
$2ММ
$1ММ
0долларов
2 4 4
04/10 07/10 10/10 01/11 04/11 07/11 10/11 01/1201/13
04/1204/13
07/1207/13
10/1 10/13 01/14
07/104/1
10/14 01/15
5долларов
ММ
$4ММ
$3ММ
$2ММ
$1ММ
0 долларов
0 2 3 4 4
04/10 07/10 10/1
01/11 04/11 07/11 10/11
04/12
01/107/12 10/12 01/13 04/13 07/13
01/14 10/1
04/1
07/14 10/1
01/15
Статистика
R
АЛЬФА-ЛОГИКА s
ev
ise
5. Производительность
Анализировать 4. PnL
(IR, tvr, ret...)
Данные и альфа-дизайн 47
Оборот 51
52 Нахождение альфа-
спредов
Оборот 53
Оборот 55
* сведения
Т 1
* сведения
Т 1 Н
* сведения
тн
6.0e+08
Top3000
Top3000Cost
4.0e+08 Top1000
Top1000Cost
2.0e+08
0.0e+00
-2,0e+08
-4,0e+08
-6,0e+08
-8.0e+08
-1.0e+09
-1.2e+09
1 1
/01 /01 /01 5/0 /01
10/01 14 16/01 17 18/01
20 2011 2012 2013/0 20 201 20 20 20
Топ3000
дата длинный короткий pnl возврат tvr шарп[ ик] объем дд 3,92 млн. левов
20090102-20180413 500.36 -499,64 576.24 12,33% 63,01% 1.26[ 0,08] 9,82% -13,50%
Стоимость top3000
дата длинный короткий pnl ret tvr шарп[ ir] объем дд mgn
20090102-20180413 500.36 -499,64 -1061.69 -22,69% 63,01% –2.33[ –0.15] 9,74% -212,02% -7,22
Топ1000
дата длинный короткий pnl возврат tvr шарп[ ir] объем дд
20090102-20180413 500.01 -499,99 512.45 10,97% 62,98% 1.02[ 0.06] 10,73% -13,19% 3,48
топ1000 по стоимости
дата длинный короткий pnl ret tvr шарп[ ir] объем дд mgn
20090102-20180413 500.01 -499,99 –82.38 -1,75% 62,98% -0,16[ –0.01] 10,69% -37,68% -0,56
Оборот 57
6.0e+08
Top3000
Top3000Cost
4.0e+08 Top3000Decay
Top3000DecayCost
2.0e+08
0.0e+00
-2.0e+08
-4,0e+08
-6,0e+08
-8,0e+08
-1.0e+09
-1.2e+09
1 01 1 1 1 1
16/01
2010/01 2011/01 2012/0 2013/ 2014/0 2015/0 20 2017/0 2018/0
Топ3000
дата длинный короткий pnl ret tvr шарп[ ir] объем dd mgn
20090102-20180413 500.36 -499,64 576.24 12,33% 63,01% 1.26[ 0.08] 9,82% -13,50% 3,92
Топ3000дешево
дата длинный короткий фнл ret tvr шарп[ ir] объем dd mgn
20090102-20180413 500.14 -499,86 396,93 8,50% 18,84% 0.86[ 0.05] 9,83% -14,33% 9.02
Стоимость top3000decay
дата длинный короткий pnl ret tvr шарп[ ir] объем dd mgn
20090102-20180413 500.14 -499,86 -105,42 -2,22% 18,84% –0.23[ –0.01] 9,81% -33,04% -2.40
4.0e+08
День заработка
3.5e+08
3.0e+08
2.5e+08
2.0e+08
1.5e+08
1.0e+08
5.0e+07
0.0e+00
/01 /01 1
16/01 17 18/0
2010/01 2011/01 2012/01 2013/01 2014/01 2015 20 20 20
Оборот 59
160.0%
Зарабатывайсмом
5 дней
140.0%
120.0%
100.0%
80.0%
60.0%
40.0%
20.0%
0.0%
60 Поиск альф
8
Альфа-корреляция
Автор : Чин Данг и Криспин Буи
62 Нахождение букв
где cov Pi ,P j E Pi Pi Pj Pj
является ковариацией
P
и i
и iи P соответственно.
P являются стандартными отклонениями
j j P Для двух
векторов PNL коэффициент вычисляется с использованием
выборочной ковариации
и дисперсий. В частности,
Н
Т 1
Пэто Пя П П
ДжейТиДж
Р . (3)
Н 2 Н 2
Т1
Пэто Пя Т 1
ПДжейТи
ПДж
Альфа-корреляция 63
0.25
0.2
0.15
0.1
0.05
MaxCorr
Максимальная корреляция
0
10 100
1,000 10,000 100,000
1,000,00010,000,000
Количество торговых сигналов
Временная корреляция
Точечное (внутреннее) произведение определяется как сумма
произведений соответствующих
элементов, отвечающих двум последовательностям чисел.
Pi .Pj Pi P i потому что (4)
Тульчинский571216_c08.индекс 63 07/8/2019
7.08.2019
7:52:39
вечера
64 Поиск Альф
Естественно, более высокие веса присваиваются последним t wt 1,
t
t значениям
1,..., ). PnL (ww
n Например, t
1 , что обратно пропорционально
n
временному индексу t. Формула преобразует входные пары i
, )j
векторов
в (P P
масштабированные по времени векторы, а затем вычисляет угол
между двумя
масштабированными векторами:
T
P'i = ш1 Пя1, ш2 Пя2 , … , шn вП ∈
n
T (7)
P' j = w1 Pj 1 , ∈ n
w2 Pj 2 , … , wn Pджн
.
Альфа-корреляция 65
1 n
где m i ,i 15
* t
i 1, и t 1, 5 и все остальные элементы
5 5
равны нулю. Недельная корреляция обычно выше дневных
значений, но
это другой способ понять альфа-значения. Ежемесячная
корреляция
Корреляция, PnLоснованная на времени, является другой формой
вычисляетсякорреляции,
обобщенной с использованием аналогичного
соответствующей подхода.
квадратно-
диагональной матрице преобразования:
........ . . .:
kn
.. .... . . . . .: M mi,j n n (10)
mi,j wi если
i j
где . При этом преобразовании входной PnL
mi ,j 0 впротивномслучае
векторы преобразуются в масштабированные по времени векторы,
как в уравнении
Знаковая 7.
корреляция PnL - это другая форма векторной
корреляции PnL, в
которой корреляция вычисляется по знакам значений PnL вместо
самих значений. Матрица преобразования теперь является
диагональной матрицей, зависящей от данных, и значения ее
i , ) j преобразуются в следующий вид:
элементов зависят от входных PnL-векторов. В
результате = sgn(Pпары
Q'явходные ) ( )P
(P ( ) Т ∈ н
я1 , sgn Pя2 , ... , sgn в
(11)
()() ()
Т
Q'j = sgn Pj 1 , sgn Pj 2 , ... , sgn Pjn ∈ н
66 Поиск альф
-го
Обозначим вектор положения альфа
день
на за
t днем
T
αя(t ) = αя1(t ), αя2 (t ), ... , αим(t ) ∈ м
(12)
t
где m - количество приборов, k m равно (или ik
пропорционально
m t -й
относительно) суммы денег, вложенной
инструмент,
вk и k 1 ik
равна (или пропорциональна) общей сумме денег, вложенных в
порт-
фолио. Иногда полезно рассматривать векторы альфа-позиции так
же
, как и векторы PnL. В частности, портфельные менеджеры часто
рассматривают
два показателяпозиций
Корреляция корреляции, между основанные
двумя альфамина позициях: корреляцию
за период в d дней
позиций
вычисляется путем формирования следующих двух векторов:
и торговую корреляцию.
T
αя = αя(1), я(2) , … , αя(d) ∈ (m*d )
T (13)
α j = α j (1), α j (2) , … , α j (d) ∈ (m*d )
.
T
α я = αя(1) − я
(2) (2)
, αя −α я(3) , … , αя(d) −αТ(d)+1 ∈
(m*d )
d α........................
α j = α j (1) −α j (2) , α j (2) −α j (3) , … , αя(d) −α j (d)+1 ∈ (m*d )
. (14)
68 Поиск Альф
ЗАКЛЮЧЕНИЕ
9
Обратное тестирование –
сигнал или
переоснащение?
Автор: Чжуанси Фанг и Пэн Янь
ВВЕДЕНИЕ
70 Поиск буквенных
обозначений
72 Поиск альф
ПЕРЕОБУЧЕНИЕ
74 Поиск Альф
10
Контроль предубеждений
Авторы: Ананд Айер и Адитья Пракаш
Введение
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
78 Поиск Альф
Предвзятость прогноза
При моделировании или обратном тестировании, когда сигнал или
инвестиционная стратегия в данный
момент времени использует данные из будущего, которые не были
бы известны
или доступны, это приводит к предвзятости прогноза. Из-за этого
результаты моделирования часто кажутся лучше, чем они есть на
самом деле.
Предвзятость во это
Несмотря на то, что временных метках
хорошо понимается
Одной из ключевых причин предвзятости в прогнозе
, предвзятость к прогнозированию на удивление является
распространена в
неправильная
количественной временная
сфере. метка данных.
Каждое базовое значение должно иметь двойную временную
метку с указанием даты-времени возникновения
и даты-времени прибытия. Дата-время возникновения определяет,
когда произошло
Аналитик
событие, XYZ повысил
связанное PQR акций
с данными. до уровня покупки в 2017/1017
Например:
году в 10:00:00 по восточному времени
Дата-время прибытия - это когда исследователь получил
информацию
об вышеупомянутом событии от распространителя данных или
поставщика.
Например:
Поставщик ABC предоставил информацию о вышеупомянутом
обновлении analyst в
20171018 15:00:00 по восточному времени
Любой сигнал, отключенный от даты возникновения вместо
даты-времени прибытия, будет игнорировать реальные задержки,
связанные с получением
данных, что может привести
На количественном к нереалистичному
языке данные моделированию.
с двойной временной меткой
также называются данными на момент
времени. Многие временные ряды, такие как оценки ВВП, часто
пересматриваются экономистами, собирающими и
анализирующими данные.
Поставщики
Другой формой
данныхнеправильной
также могутвременной
исправлять маркировки,
ошибки в данных
имеющей
в
течение определенного
отношение к глобальным периода
стратегиям,
времени.
является
Во всех таких
случаях двойнаязаписи
невозможность временная
часового
метка
пояса,
восстанавливает
в котором проставлены
данные,
доступные вметки
временные определенный
данных. момент времени
, чтобы
Это особенно
для этого
актуально
момента
для
времени
стратегий,
можно
которые
было провести
одновременно
точное
моделирование.
торгуют в разных часовых поясах
– например, в Лондоне и Нью-Йорке. Моделирование
сигналов, которые торгуются одновременно в разных часовых
поясах, может быть
точно восстановлено путем приведения дат данных по часовым
поясам к единому часовому поясу.
Контроль предубеждений 79
80 Поиск Альф
Контроль предубеждений 81
82 Поиск Альф
11
План с тремя осями
Автор Нитиш Майни
84 Поиск альф
Производительность
Параметры
Идеи и
КОСНИТЕСЬ
Наборы данных
Регионы и
Вселенные
наборов данныхВселенные
• основных • могут быть определены с использованием профиля ликвидности
• аналитика , например, TOP50, TOP100,
• настроения TOP200, TOP1500
• социальные медиа
• любой конкретный сектор или отрасль
• вариантов • любой выбранный инструмент или группу
инструментов
88 Поиск Альф
Введение
90 Поиск Альф
f (x| , ) e 2
2
2
σ- стандартное отклонение, и
где μ - среднее значение распределения,
σ2- это отклонение. Нормальное распределение имеет особое
значение в
статистике из-за так называемой центральной предельной
теоремы, которая гласит, что
приМыопределенных условиях
проиллюстрируем сумма многих
несколько методовслучайных величин
преобразования
будет иметь функции распределения
произвольной
приблизительно
в приблизительно нормальное
нормальную распределение.
функцию распределения. Когда
базовое распределение примерно нормальное, но загрязнено
выбросами и большими хвостами, следующие надежные методы
могут помочь поддерживать
стабильную производительность
Формула преобразования даже вПредполагая,
Фишера: экстремальных
чторыночных
условиях.
случайная величина
ограничена x
1, преобразование Фишера может быть определено
следующим образом:
1 1 x
Fx ln arcth x
2 1 x
медиана 7
αс обоих
c. k-урезанное среднее значение: урезать заданную
концовпропорцию
набора данных, а затем возьмите среднее значение.
точка
ЗАКЛЮЧЕНИЕ
96 Поиск альф
98 Поиск Альф
300%
250%
200%
150%
100%
50%
0%
1950
1952
1954
1956
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
2014
2016
0%
1 5 1 3 7 1 7
200801 20080520080720080920081120090120090320090520090720090920091120100
−10% 200803 20100320100
20100720100920101120110
20110
20110520110
201109201111
20120
201203201205
20120
201209201211
−20%
−30%
−40%
−50%
−60%
2%
0%
−2%
02-0709-07
апреля
16-07
апреля
23-07
апреля
30-07
апреля
апреля 04-Июнь-07
11-Июнь-07 02-Июль-07
18-Июнь-07 09-0716-07
25-Июнь-07 июля
23-07
июля
30июля
июля-07
−4% 07-Май-07
14-Май-07
21-май-07
28-Май-07 06 августа-07
13 августа-07
20 августа-07
27 августа-07
−6%
−8%
−10%
−12%
−14%
−16%
14
Риски и просадки
Хаммад Кхан и Ребекка Леман
Поиск альф - это прежде всего отдача, а не риск. Все знают, что
такое
отдача, но что такое риск? Исследователи часто объединяют
различные типы
риска, которые требуют различных форм измерения и контроля.
По
правде говоря, набор потенциальных типов риска не ограничен.
На дальнем конце находятся
найтовская неопределенность и черные лебеди – риски, которые
априори неизвестны
, но могут быть рационализированы и переосмыслены постфактум.
Единственное конструктивное, что можно
сказать об этих рисках, - это то, что они существуют, и любая
попытка рационализировать их после того, как они произошли,
является
тщетным занятием. Чрезмерно сложные модели риска могут
содержать эпициклы за эпициклами-
Многие альфа-компании подвержены воздействию внешних
периоды, которые предназначены для смягчения последствий
факторов, которые не
последнего события "черного лебедя", но
связаны с их источником прибыли, таких как поведение данной
ничего не сделают для следующего, кроме как сделают модели
отрасли
более хрупкими. Немного
или рынка в целом. Другие факторы риска включают альфа–
ближе к дому находятся специфические для активов и
стратегии, которые
операционные риски, которые практикующий
в значительной степени были отменены арбитражем, но по-
специалист может и должен принимать во внимание, но не
прежнему высоко котируются и подвержены
поддаются широкому
периодам импульса и ликвидации, таким как факторы Fama-
рассмотрению. В этой главе основное внимание будет уделено
French
ближнему концу спектра рисков –
и Barra. Эти факторы представляют собой внешний риск для
наиболее четко определенным и часто рассматриваемым типам,
alpha,
которые могут быть
который может быть частично или полностью нейтрализован без
в широком смысле классифицированы как внешние и внутренние
ущерба для
риски.
производительности. Одним из особых типов внешней опасности
является событийный риск, когда
Поиск альф: количественный подход к построению торговых стратегий, второе издание. Под
редакциейобычные факторы,
Игоря Тульчинского и др.влияющие
и на работу альфы, временно
перевешиваются
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
каким-либо внешним фактором, таким как внезапное объявление
году издательством John Wiley & Sons, Ltd.
новостей, которое
можно предвидеть, а можно и не предвидеть. Но даже после
нейтрализации всех известных
102
внешних факторов альфа-банк по-прежнему содержит Поиск Альф
свой
собственный внутренний риск, и это
то, что в конечном
внутренний итоге устранить,
риск нельзя определяетего егоможно
доходность,
и нужно предполагая
оценивать
ограничения
и на арбитраж. Хотя
контролировать. Различные показатели внутреннего риска, такие
как волатильность, стоимость,
подверженная риску, и ожидаемые остаточные убытки, могут
быть использованы для выбора соответствующего
уровня кредитного плеча или распределения капитала для
каждой альфы. Одним из видов внутреннего риска, который
особенно сложно оценить, является риск просадки.
Для
многих инвесторов просадки являются критическими – возможно,
даже более важными
, чем историческая волатильность, – поскольку чрезмерные
просадки представляют риск для
ОЦЕНКА
продолжения РИСКОВ
деятельности их фирм. Просадки особенно трудно
оценить эмпирически, поскольку они нелинейны и с большей
Позиционные
вероятностью будут показатели
Самые простые
превышены в выборке, и, возможно, наиболее
чем другие надежные
показатели оценки
риска, риска
такие как
для альфа-банка
волатильность и стоимость,
основаны
подверженная на его текущих
риску. позициях.
Однако Ихпрактической
из-за их легко вычислить, и они не
важности
основаны
стоит обсудить на каких-либо предположениях о будущем поведении
альфы,
некоторые но они, как их
методы правило,
прогнозирования и контроля.
хрупки и измеряют только экстремальный риск. Внешние риски,
связанные
с концентрацией в конкретной ценной бумаге, группе
коррелированных
ценных бумаг или факторных квантилях, могут быть измерены
Риск, связанный
концентрациями с фактором, заданным в форме альфа-вектора
позиций
,. может
Чрезмерная быть оценен по ортогональной
концентрация проекции
- это риск, так альфа-вектора
как альфа может на
этот
ожидать серьезных
вектор.
потерь, Если ожидается,
если ее что новостноедоходности
прогноз относительно событие повлияет на
определенный набор инструментов,
высококонцентрированной позиции окажется неверным.
риск события может быть измерен как подверженность этим
...........
инструментам.
Другой основанный на позициях подход к факторному риску
заключается
Внутренняяв стоимость
проведении регрессии
риска для данного набора позицийp - это
исторической
просто
потеря доходности
процентиля данных позиций
в распределении по сравнению
доходности с
для данного
исторической
набора p позиций доходностью
5% или 10%), и ожидаемая потеря хвоста является
факторов.
(обычно
при условии,Бета-коэффициенты,
средней
что онапотерей, или факторные
нижеpпроцентиля. Можнонагрузки,
рассчитать
определяют риск,
величину риска для каждой отдельной позиции (без каких-либо
связанный
предположений с этими позициями.
программы
не
0.2
делать этого. Если природа данных или идеи такова, что
3 этого
можно ожидать 2
0.1
1
0
0
−0.1
−1
−0.2 −2
Телекоммуникации
программы
0.18 3
0.16 Средняя доходность в годовомКоэффициент
исчислении Шарпа
0.14 2.5
0.12 2
0.1
1.5
0.08
0.06 1
0.04
0.02 0.5
0 0
y
Телекоммуникационные
0,4 5
Среднюю доходность в годовом
Коэффициент
исчисленииШарпа
4
0,3 3
0,2 2
0,1 1
0
Q4 Q5
0 −1
Q1 Q2 Q3
−0.1 −2
−3
−0.2
−4
−0.3 −5
0.1 1
0
0 Q5
−1
Q1 Q2 Q3
−0.1 Q4 −2
−3
−0.2
−4
−0.3 −5
0.4 5
0.2 3
0.1 2
Q4 Q5 1
0
Q2 0
−0.1
Q1 Q3 −1
−0.2
−2
−0.3
−3
−0.4 −4
−0.5 −5
ЗАКЛЮЧЕНИЕ
Алгоритм поиска
118 Нахождение
буквенных
обозначений
считается выборкой. Чтобы устранить это смещение, рассмотрите
статистическую
значимость средней производительности всех альфа-тестов в
пакете
и решите, принять .или
0. 15 отклонить весь
Альфа-сигналы пакет. Например,
протестированы и
предположим,
среднее чтоустановлено,
значение партия
IR из стандартным
100
вне. выборки
, со альфа-сигналов
что0они
01 имеют производится
отклонением . .IR 0 12 с
предельным
Шестьдесят альф имеют значение IR вне выборки 0, а остальные <
коэффициентом
0. В этом случае заполнения информации в образце IR
среднее значение IR вне выборки слишком низкое, поэтому все
100 альфа-сигналов
Изучение пакетной должны быть может помочь выявить ошибки в
статистики
отклонены,
системе, включая
которые 60 с положительными
в противном случае может показателями вне
быть очень трудно
выборки.
идентифицировать.
Например, система настроена на
поиск альфа-пакетов с низким оборотом, используя данные,
которые обновляются ежеквартально, но
оборот выходной альфа-партии необычно высок. Это может
указывать на
возможную ошибку при подгонке параметров. Пакетная
Другим применением
статистика также можетальфа-пакетной
давать полезнуюстатистики является
метод, называемый
информацию о входных данных и пробных функциях; например,
тестом
данныевыхода. Если исследователь
или функции, использует
которые появляются пространство
много раз в альфа-
поиска
пакете, (ввод
могутданных и Функ-
обладать
ций), что способностью
большей делает экономическом или финансовом
к прогнозированию. Такаясмысле, она
информация
может рассчитывать на пит-
может быть использована для дальнейшей оптимизации
бер Альф нашли
пространства в этом
поиска дляпространстве
последующихбудет выше, чем из
запусков.
набора зашумленных входных данных или функций, то есть
хороший поиск места должны
иметь более высокую доходность, чем шумные пространства
поиска. Таким образом, исследователь
может попробовать ввести входные данные о шуме в
автоматизированную поисковую систему и сравнить
выход и качество альфа-партии. Пакет, основанный на
входных шумовых данных, должен быть хуже, чем пакет из
предположительно хорошего
ДИВЕРСИФИЦИРУЙТЕ АЛЬФА-ПАКЕТ
пространства поиска. Если количество и качество альфа-сигналов
не сильно отличаются
Диверсифицированный портфель имеет меньший риск. Этот
независимо от того, используется хороший ввод или шумный, это
принцип также может быть применен
может указывать на
к пакетам альфа-символов из разных автоматических поисковых
плохой общий процесс, предполагая, что результирующие альфа-
систем. Каждый альфа-
пакеты, даже
пакет уже обладает некоторой диверсификацией, поскольку
те, что получены из чистого пространства, скорее всего, будут
содержит много
шумными.
одиночных альфа-символов. Тем не менее, исследователь может
повысить диверсификацию на
уровне пакета, изменяя набор входных данных (например, основы,
16
Машинное обучение в
Alpha Research
Михаил Козлов
Введение
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
Машинное
обучение
Неконтролируемые Контролируемые
методы методы
AdaBoost
Статистические модели
Такие модели, как наивный байесовский анализ, линейный
дискриминантный анализ, скрытая
марковская модель и логистическая регрессия, хороши для
решения относительно
простых задач, которые не требуют высокой точности
классификации или
прогнозирования. Эти методы просты в реализации и не слишком
Анализ тенденций - это пример применения статистических
чувствительны
моделей в
к отсутствующим данным. Недостатком является то, что каждый
альфа-исследованиях.
из этих подходов В частности, для этой цели часто
используется скрытая
предполагает некоторую марковская модельмодель данных.
специфическую
, основанная на убеждении, что ценовые движения на фондовом
рынке
не являются полностью случайными. В рамках статистики
скрытая марковская
модель представляет собой совокупность двух или более
случайных процессов: скрытой
цепи Маркова, которая учитывает временную изменчивость, и
наблюдаемого
процесса,
Машины который
опорныхучитывает
векторовспектральную изменчивость. При
таком подходе
Машина опорных векторов - это алгоритм машинного обучения с
модель
прочнойповедения фондового рынка определяется на основе этих
значений вероятности
теоретической основой. Он очень надежен и имеет несколько
в конкретный для
модификаций момент времени. Цель состоит в том, чтобы
различных
вычислить
типов задач, но обычно требует много времени на обучение и
последовательность
является скрытых состояний, учитывая
последовательность наблюдений, извлечь долгосрочное
распределение вероятности
и определить текущую тенденцию относительно этого
распределения.
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
18
Цена и объем акций
Авторы Конг Ли и Хуайю Чжоу
Введение
Частоты торговли
Альфы Цена–объем могут получать прибыль от торговли с
разными частотами перебалансировки
. В отличие от некоторых долгосрочных инвесторов, которые
балансируют
свои позиции раз в квартал, активные портфельные менеджеры
обычно
торгуют чаще. Они могут ежедневно перебалансировать свои
портфели –
а иногда и несколько раз в день. Чем чаще они торгуют, тем
более вероятно, что их результаты будут статистически
значимыми.
Среднее из N случайных величин, полученных из независимых и
идентичных
гауссовских, или нормальных, распределений, имеет то же
среднее значение, но 1 / sqrt (N)
стандартного отклонения исходного распределения. Учитывая тот
же
коэффициент информативности, которым торгуют в четыре раза
чаще, мы можем ожидать, что
коэффициент
Однако, какинформативности
только затраты принимаются
(IR) будет в два
во внимание,
раза лучше. Кроме
того, более частая
потенциальная прибыль от
торговля
таких аномалий
позволяет
уменьшается,
активным портфельным
и многие из нихменеджерам
становятся
ориентироваться на Торговые
несуществующими. краткосрочные торговые
возможности,
затраты тесно которые
связаны исчезнут,
с частотойесли
торгов.
портфель
Согласно
будет
исследованию
,сбалансирован
проведенному только исследователями из Университета Рочестера
ежемесячноand
(Novy-Marx илиVelikov
ежеквартально. В некоторых случаях
определенное
2015), стратегии,
событие
которые
приведет
меняютк аномально
свои портфели
высоким
болееили
пяти
низким
раз в
значениям
год, могут терять более 1% в месяц на торговых издержках. Как
Моментум-разворот
цены и объема,
правило,
Трейдеры существует
могутвызывая
компромисс
получатьаномалии
прибыль,между
соотношения
более высокими
по-разному цены и цену и
оценивая
объема.
налоговыми
объем. Только сборами
быстрои более
движущихся
низкими трейдеры
торговыми
могут
издержками.
реагировать
на
...........
такие Аном-
Вместо того чтобы рассматривать только отдельные инструменты,
Алеся, торговля, соответственно, и стремятся получить прибыль,
можно
когда цена возвращается
рассматривать к
весь пул торгуемых активов в целом. Рассматривая
своему
отдельный обычному уровню.
инструмент, мы можем видеть технические индикаторы, такие как
скользящая средняя
конвергенция-дивергенция (MACD), которая измеряет импульс
путем
вычитания долгосрочной скользящей средней цен из
краткосрочной
, или средний истинный диапазон (ATR),
показатель волатильности, основанный на скользящей средней
(обычно за 14-дневный период). Когда мы смотрим
на портфолио, мы видим разные вещи, такие как взаимосвязь
Целочисленный эффект
Психологические факторы также могут быть источниками альфа–
значений цены и объема.
Когда трейдеры-люди (в отличие от компьютеров) планируют
купить акции Apple
(AAPL), они, как правило, отдают приказы типа “КУПИТЬ N акций
по предельной
цене 100 долларов США”. Люди с меньшей вероятностью будут
вводить приказы типа “ПРОДАТЬ
акции AAPL по предельной цене 155,29 долларов США”. Круглые
числа (целые числа, десятки
или сотни) привлекают гораздо больше внимания трейдеров-
людей, и на это
можно ориентироваться при разработке буквенных обозначений.
Другим примером является то, что люди
Соотношение цены и
смотрят на движение объема
цен с другими
асимметрично: типами данных
большинство людей
Данные о соотношении цены и объема обладают большой
меньше заботит
прогностической силойна
увеличение их активов в сочетании с
1%, чем соответствующий убыток на
другими
1%. Болеетипами
того, данных, особенно событиями в масштабах всей
компании.
люди склонныОсобенно
слишкомзначительное движение
долго удерживать цены
свои или объема
убыточные
часто является
позиции отражением
и слишком известного
рано продавать своиили
выигрышные
неизвестного
позиции. Изучаярыночного события, которое,
такие психологические вероятно,
факторы, со временем
исследователи
окажет
quant дальнейшее влияние на
настроения на рынке..........."
могут находить ценовые торговые сигналы.
Например, эмпирическое исследование показывает, что заранее
обусловленное увеличение объема приводит к предсказуемому
росту цен, когда
ежеквартальные объявления о доходах вызывают существенные
шоки объема,
что приводит к предсказуемым последующим доходам (Frazzini
and Lamont
2007). Стратегия покупки акций каждой компании, которая, как
ожидается,
ЗАКЛЮЧЕНИЕ
объявит о прибыли в течение следующего месяца, и продажи
акций, по которым не ожидается, что
Простые примеры,
будет сделано рассмотренные
объявление, в этой
генерирует приглаве, показывают, что
тестировании
стратегии "цена–объем"
сверхнормативную среднегодовую
могут быть жизнеспособными.
доходность в размере 7-18%. ЭффектМногие другие типы
особенно силенсигналов
для
могут быть сизвлечены
секьюрити большим колпачком
. Исследование
из данных о соотношении
проводилосьцены
в течение
и объема,
относительно
таких как рыночные
длительного
выборочногоипериода,
настроения средняя цена
с 1927-2004
покупкигодов,
что показывает,
различных инвесторов.
что результат
Технические
устойчив
индикаторы
при различных
предназначены
рыночных
режимах.
для описания
такого рода информации и могут помочь инвесторам лучше
понимать и
прогнозировать движение цен на акции.
БУХГАЛТЕРСКИЙ БАЛАНС
Покупки Е
Налоги Е
РОСТ
Расходы на НИОКР D1
Капитальные затраты D2
Расходы на рекламу D3
Прочие операционные расходы D4
1 D2 D3 D4
Операционные расходы DD
КОРПОРАТИВНОЕ УПРАВЛЕНИЕ
НЕГАТИВНЫЕ ФАКТОРЫ
148 Нахождение
буквенных
обозначений
ПРЕОБРАЗОВАНИЕ КОЭФФИЦИЕНТОВ В БУКВЫ
22
Влияние новостей и
социальных сетей на
доходность
Ваньчэн Чжан акций
Введение
Цены на акции естественным образом реагируют на новости. Но в
последние годы новости и
настроения, появляющиеся в социальных сетях, приобретают все
большее значение как
потенциальные предикторы цен на акции. Однако создавать
альфа-версии с использованием новостей непросто. Поскольку
неструктурированные данные, которые часто включают текст и
мультимедийный контент, не могут быть поняты компьютером
напрямую.
Мы можем использовать обработку естественного языка (NLP) и
методы машинного обучения
для классификации и оценки исходного новостного контента, а
также мы можем измерить
дополнительные свойства новостей, такие как новизна,
релевантность и
актуальность, чтобы лучше описать настроение новостей.
НОВОСТИ В АЛФАВИТНОМ ПОРЯДКЕ
Аналогичные методы
могут быть применены к данным социальных сетей для создания
Машинам нелегко точно анализировать и интерпретировать
альфа-символов, хотя мы должны
значение
иметь в виду, что социальные сети имеют гораздо больший объем
новостей. Как и в других областях статистического арбитража,
и гораздо
алгоритм обладает
более шумные, чем обычные новостные СМИ. В этой главе дается
преимуществами быстрого отклика и широкого охвата, но за счет
обзор
меньшей точности, чем аналитик-человек. В настоящее время
способов поиска альф с помощью новостей и социальных сетей.
торговые фирмы могут
анализировать новости в течение 1 миллисекунды и мгновенно
принимать торговые решения.
Важные новости обычно мгновенно вызывают значительные
ценовые
Поиск альф: движения,
количественный подход кчасто с
построению торговых стратегий, Второе издание. Под
редакциейпоследующим превышением
Игоря Тульчинского и др. и и разворотом.
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
НОВИЗНА
Пример
Мы могли бы улучшить предыдущую простую альфа-версию,
используя новизну:
70 альфа
Оцените новизну от 0 доновизна
1. ;
если
Если настроение
30 альфа новизна
настроение пожалуйста;
используйте для нейтрализации акции, не содержащие
новостей в той же отрасли.
Актуальность
-версия
КАТЕГОРИИ НОВОСТЕЙ
Пример
При чрезмерном количестве новостей для компании, сократите
компанию.
НОВОСТНОЙ ИМПУЛЬС
Социальные сети
ЗАКЛЮЧЕНИЕ
Введение
3.9 4.6 4.0 4.1 4.2 20 15.5 18.1 16.0 16.3 16.9
5
3 12
2 8
1 4
0.4 9.85% 1.7 9.85%
0 0
10 11 12 13 14 10 11 12 13 14
Справедливость
Фьючерсы на индексы не показаны
на графиках
50 1,750
40 1,400
33.5
30 1,050 1,057.2
20 700
13.6
10 350
199.3
0 0
10 11 12 13 14 10 11 12 13 14
Справедливость
Фьючерсы на индексы не показаны
на графиках
1
Лицензирован у Опционной клиринговой корпорации. Все права
защищены. OCC
или ее аффилированные лица не несут ответственности за содержание,
содержащееся в этой книге, или
за другие материалы, не предоставленные OCC. OCC не гарантирует
точность,
адекватность, полноту или доступность информации и не несет
ответственности за
ошибки или упущения или за результаты, полученные в результате
использования такой информации.
375 279.5 305.1 263.5 275.5 295.1 750 531.8 556.1 562.2 458.9 449.1
300 600
273.1 92.54%
225 450 423.3 94.24%
150 300
75 150
22.0 7.46% 25.8 5.76%
0 0
10 11 12 13 14 10 11 12 13 14
Справедливость
Фьючерсы на индексы не показаны
на графиках
ПЕРЕКОС ВОЛАТИЛЬНОСТИ
Перекос волатильности
30
28
26
24
22
Подразумеваемая волатильность
20
18
80 90 100 110 120 130 140 150 160 170 180 190 200 210 220 230 240 250
Цена исполнения
4М
3М
2М
1М
0М
–1 М
РАЗБРОС ВОЛАТИЛЬНОСТИ
4500к
4000 к
3500к
3000к
2500к
2000к
1500 к
1000 тыс.
500 тыс.
0 тыс.
–500 тыс.
2010 2011 2012 2013 2014 2015 2016
Рисунок 23.6 Результаты альфа-тестирования во вселенной акций
Russell 3000 с использованием3 спреда волатильности
капитала
5М
Альфа.
4М
3М
2М
1М
0М
–1М
2011 2012 2013 2014 2015 2016 2017
3000к
2500к
2000 к
1500к
1000к
500 к
0k
–500k
2010 2011 2012 2013 2014 2015 2016
ЗАКЛЮЧЕНИЕ
5
Альфа = открытый интерес к опционам "колл" / открытый интерес к опционам
"пут".
24
Институциональное
исследование 101:
Отчеты
Авторы: аналитиков
Бенджамин Ии, Хардик Агарвал,
Шубхам
Гоял, Абхишек Паниграхи и Анант Пушкар
Примечание
: Во многих местах наш список совпадает с рейтингом, составленным журналом Time.
- этоURL-адрес
http://content.time.com/time/specials/packages/completelist/0,29569,2057116,00.html.
5e6
4e6
3e6
2e6
1e6
0
01/07 01/08 01/09 01/10 01/11 01/12 01/13 01/14 01/15 01/16 01/17
по покупке и продаже
2. Целевые цены
Аналитики рассчитывают прогнозируемые уровни цен на акции.
На рисунке 24.4
показаны результаты альфа-тестирования с использованием
вселенной Russell 3000
, которая сравнивает целевую цену аналитика с текущей ценой
акций.
3. Идея
Оценки состоит в том, чтобы купить акцию, если прогнозируемая
доходов
целевая цена
Аналитики выше
предоставляют оценки для различных
текущей цены акции,
фундаментальных и продатькомпании,
показателей ее без покрытия, если целевая
цена
такихнижекак прибыль, дивиденды и денежный поток. Рисунок 24.5
-текущей цены.
это мгновенный
снимок
Рисунокобобщенной статистики
На рис. 24.6 показаныдля оценки доходов
результаты альфа- AAPL от
Yahoo Finance.на основе набора акций Rus-
тестирования
sell 3000 с использованием оценок роста прибыли.
Альфа-банк покупает акции с положительным ростом и продает
короткие акции
с отрицательным ростом.
1
Альфа = средняя рекомендация на покупку − средняя рекомендация на продажу.
12 М
10 М
8М
6М
4М
2М
0М
–2 М
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Количество аналитиков 34 33 40 34
4500 к
4000к
3500к
3000 к
2500к
2000к
1500к
1000 к
500 к
0k
–500k
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
11 М
10 М
9М
8М
7М
6М
5М
4М
3М
2М
1М
0М
–1 М
2006 2008 2010 2012 2014 2016
7M
6M
5М
4М
3М
2М
1М
0М
–1 М
2011 2012 2013 2014 2015 2016
6 МИЛЛИОНОВ
5М
4М
3М
2М
1М
0М
–1 М
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
3500к
3000к
2500к
2000к
1500к
1000к
500 к
0k
–500k
2010 2011 2012 2013 2014 2015 2016
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
154.25 154.25
154.2 154.2
154.15 154.15
154.1 154.1
154.05 154.05
цена
154 154
153.95 153.95
153.9 153.9
предельная цена исполнения
153.85 153.85
153.8 153.8
–1,500 –1,000 –500 0 500 1,000 1,500 –1.5 –1 –0.5 0 0.5 1 1.5
4
заказы на покупку
заказы на спрос размер ордера x10
1,800
154.3
154.25 1,600
154.2 1,400
154.15 1,200
154.1
1,000
154.05
800
154
600
153.95
общая стоимость транзакции
400
средняя
153.9 цена исполнения
153.85 200
153.8 0
–1.5 –1 –0.5 0 0.5 1 1.5 –1 –0.5 0 0,5 1
4 4
размер заказа x10 размер заказа x10
7.0%
6.0%
5.0%
4.0%
3.0%
2.0%
1.0%
0.0%
1950
1952
1954
1956
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
1 vH vL
S . (3)
0. 5 1 1 0. 5 1
εs + µ продаж:
Скорость поступления
α
Происходит информационное событие
εb+ µ покупок:
Скорость поступления
δ) сигнала (1 –
Высокий уровень
εs
Коэффициент поступления продаж:
α)
Информационное событие Не происходит (1 –
Скорость поступления
εb покупок:
27
Внутридневная торговля
Автор : Рохит Кумар Джа
0.00% 0.00%
–1.00% –0.05%
–2.00% –0.10%
–3.00% –0.15%
–4.00% –0.20%
–5.00% –0.25%
–6.00% –0.30%
n 5 d d
Отступление День 10
по сей день
Rec Разведка до
Разведка до
Разведка
июля до августа
программы
5
0
s y
Энергетика Служебные
Диск с минусами Финансовые, медицинские, промышленные материалы
Минусы основные продукты Технология
Коммуникации
R2 P/E Не R2 P / E Превышение (de cit) индекса P/E над неиндексным P/E
–1
–3
–5
Превышение (дефицит) медианного P/E
–7
200520062007200820092010201120122013201420152016
содержащиеся в этомServices
и Dow Jones Financial
®
является сообщении.
LLC,Никакое дальнейшее
зарегистрированным распространение
товарным знаком данных
Dow Jones Trademark
Группы
2019 S&PLSE
DowHoldings LLC. ©
Jones Indexes LLC, ее филиалов и /или ее лицензиаров. Все права
не допускается без явно выраженного письменного согласия соответствующей
защищены.
компании Группы LSE. Группа LSE
не продвигает, не спонсирует и не одобряет содержание данного сообщения. S&P
29
ETFS и Alpha Research
Марк Йикчун Чан
5,000
4,000
# ETFS
4,000
3,000
3,000
1,000 1,000
0 0
15 17
2008 2009 2010 2011 2012 2013 2014 20 2016 20
t-2018
Активы ETF # ETFS Oc
180 ТЫСЯЧ
130 ТЫСЯЧ
80 тыс.
60 тыс.
40 Тыс.
30 Тыс.
20 Тыс.
$
ETF и Alpha Research 237
Совокупный PnL
4,000,000
3,500,000
3,000,000
2,500,000
2,000,000
US
1,500,000
1,000,000
500,000
−500,000
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Совокупный PnL
35
30
25
20
15
10
–5
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Совокупный PnL
140
120
100
)
80
60
Долл. США (в миллионах
40
20
0
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
За
последние несколько лет биржевые фонды претерпели быстрое
развитие, и все более новые ETF вошли во вселенную торгуемых
ликвидных продуктов,
способных к использованию. Эти инструменты могут существовать
только в более поздней части
периода обратного тестирования и, следовательно, отрицательно
влияют на надежность
смоделированной в выборке производительности. Это не
ЗАКЛЮЧЕНИЕ
уникальная проблема для ETF,
но
ETFона существенна
- это в этой стремительно
быстро развивающийся растущейинструмент,
инвестиционный
инвестиционной сфере.
растущая популярность которого была обусловлена множеством
преимуществ, которые он предлагает инвесторам.
..........
Однако профиль риска стратегий и портфелей, торгующих ETF,
может
сильно отличаться от профиля риска других классов активов,
особенно чистых акций
. Широкий спектр инструментов ETF делает поиск альфа-активов
сложной, но привлекательной задачей.
Учитывая множество возможностей, нужно
проявлять творческий подход к генерированию торговых идей,
соблюдая при этом осторожность на каждом
этапе процесса альфа-исследования. Однако многие успешные
портфельные
менеджеры показали, что стратегии, построенные на альфа-
фондах ETF, обладают
потенциалом генерирования PNL с хорошими коэффициентами
Шарпа и очень низкой
корреляцией с другими стратегиями и, таким образом, могут
повысить ценность
портфелей в целом.
30
Нахождение Альф на
фьючерсах
и форвардах
Авторы: Рохит Агарвал, Ребекка
Леман и Ричард Уильямс
800
400
0
16 октября
17 января17 апреля17 июля 17 октября
18 января18 апреля18 июля 18 октября
5-летний максимально–минимальный диапазон
Ниже 48
средний показатель за 5 лет
1.2
Рисковать Без риска Рисковать Диапазон рынка
0.8
0.6
AUD/USD
0.4
0.2
0.0 2007/10/12 2009/03/05 2010/07/26 2011/12/12
2006/05/24
2,300
2,250
2,200
2,150
2012/06/07
2012/06/01
2,100
2,050
2,000
1950
31
Введение
Джеффри Скотт в WebSim
Введение
СОЗДАНИЕ АЛЬФЫ
• Данные
• Математические операторы
• Константы
2500к
2000к
PNL
1500к
Коэффициент Шарпа
1000 к
500 тыс.
–500 тыс.
2013-07 2014–01 2014–07 2015–01 2015–07 2016–01 2016–07 2017–01 2017–07 2018-01
АЛЬФА-ПРИМЕР
32
Семь привычек высоко
успешных людей
Ричард Ху и Чали Асаватиратам
Риск
Первый
Низкий Разнообразьте
приоритет
Низкий Кайф
Награда
274 Ссылки
276 Ссылок
278 Ссылок
Юнг М., Вонг М. и Чжан Ф. (2015) “Интерес аналитиков как
ранний
индикатор 90,фундаментальных
№ 3: 1049-1078. изменений фирмы и доходности
акций”. Обзор
бухгалтерского
Козак С., Нагельучета
С. и Сантош С. (2018) “Интерпретация
факторных моделей”.
els. Финансовый журнал 73, № 3: 1183-1223.
Куремото Т., Кимура С., Кобаяси К. и Обаяси М. (2014)
“Прогнозирование временных рядов с использованием сети
глубоких убеждений с ограниченными
машинами Больцмана”. Нейрокомпьютинг 137: 47-56.
Лекун Ю., Кавуккуоглу К. и Фарабет С. (2010) “Сверточные
сети и приложения в Vision”. Материалы Международного
национального симпозиума IEEE по схемам и системам 2010 года
: 253–256.
280 Ссылок
282 Ссылки
Книги
286 Ссылок
ВЕБ-сайты
Bloomberg. www.bloomberg.com
288 Ссылок
Morningstar. www.morningstar.com
http://content.time.com/time/specials/packages/completelist/0,29569,
2057116,00
ПУБЛИЧНЫЕ ОТЧЕТЫ
Индекс
формула “3964” 72 статистический арбитраж 10-11
пошаговое построение 5, 41
академические круги, новостные эффекты
Отклонение
160 17-18, 20-21
аномалия начисления 96 значение 27-30
приобретения 196-199 пакетная статистика 117-118
AdaBoost 125 из факторов 148
адаптивный рынок WebSim 255-256, 260-261
гипотеза (AMH) 97 смотрите
дизайн;
также
оценка
ADV смотрите среднесуточныйальфа-пространства 83-88
объем торгов корреляция альфа-стоимости 66
алгоритмы AMH см. гипотезу адаптивного рынка
тестирование 69-76
создание 12-13 Анализ
сокращение потерь 17-21 финансовые отчеты 141-154
источники данных 25-26 полный текст 164
оценка 20-21, 28-29 частота фундаментальные 149-154
прогнозирования 27 новости 159-167
размышления в 127-132 новизна 161-162
альфа-горизонты 49-50 актуальность 162
корреляция альфа-пула 66 настроения 160-161
альф WebSim 258-260
основные принципы аналитические отчеты 179-193
основные концепции 3-6 доступ к 180-182
сокращение потерь 17-21 смещениям 190-191,
проектирование на основе данных
снижение
5 охвата 191-192,
определение 3 звонки о доходах 181, 187-188,
оценка 13, 20-21 оценки доходов 184-185,
наличие 11-12 сюрпризы по доходам 185-186,
выражений 4 связанные с
реализация 12-13 отраслью
знания 188-190
оценка качества 5 в средствах массовой информации
181-182, 192
Поиск альф: количественный подход к построению торговых стратегий, Второе издание. Под
редакцией Игоря Тульчинского и др. и
Виртуального исследовательского центра WorldQuant.
© 2020 Тульчинский и др., Виртуальный исследовательский центр WorldQuant. Опубликовано в 2020
году издательством John Wiley & Sons, Ltd.
бета-версии
292 Индекс
снижение покрытия
Индекс 293
294 Индекс
Индекс 295
296 Указатель
условия пункт об
Индекс 297
в нейронных сетях
298 Индекс
модели взаимоотношений с
Индекс 299
PH смотрите
вероятность эвристическойсоотношение
торговли паритета "пут-колл" 174
управляемая торговля Python 12
ЗАКРЕПИТЬ
вероятность
см.
информированной торговли качество 5 аппроксимация
PnL см. пулы квантилями 91
прибылей и убытков см. портфеликвинтильные распределения 104-105
Поппер, Карл 17 рынки, управляемые котировками 208
популярность опционов 170
портфелей алгоритм случайного леса 124-125
корреляция 61-62, 66 случайных блужданий 11
диверсификация 83-88, 108 ранжирование 90
риск, основанный на позиции RBM см. ограниченно
меры 102-103 Машина Больцмана
положительное смещение 190 инвестиционные фонды недвижимости
прогнозов 4 (REITs) 227
частота 27 рекомендации
горизонты 49-50 аналитиков 182-183
смотри прогнозирование
также рекуррентные нейронные сети
изменения цен (RNNs) 125
отчеты аналитиков 190 уменьшение
поведенческая экономика 11-12 размерности 130-131
гипотеза эффективных рынков 11 шума 26
выражения 4 переоснащения 74-75, 269-270
изменения индексов 225-228 риска 108-109
новостные эффекты 159-167 Reg FD см. Справедливое
относительные 12-13, 26 регулирование
ценовые цели 184 Регион раскрытия информации,
стратегии соотношения цены и объема
WebSim135-139
256
гордость 19 регионов 85-86
анализ основных компонентов регрессионные модели 10-11
(PCA) 130-131 проблемы регрессии 121
вероятность эвристической торговли
регуляризация 129
(PH) 214 Регулирование
(Reg FD) 192
Честное раскрытие
вероятность осознанной торговлиинформации
REITs смотрите недвижимость
(PIN) 213-215 инвестиционными трастами
прибыль и убыток (PnL) 26
корреляция 61-62 относительные цены 12-13, 26
просадки 106-107 актуальность новостей 162
смотри убытки
также Технологии Ренессанса 8
прибыль на доллар, проданный наисследования
35 7-15
языках программирования 12 аналитические отчеты 179-193
психологических факторов см. автоматизированный поиск 111-120
поведенческая экономика обратное тестирование 13-14
Индекс 301
Индекс 302