Estratégia de comércio Var

Obter através da App Store Leia esta publicação em nosso aplicativo!

R: Backtesting uma estratégia de negociação. Iniciantes para quantmod e R.

Eu sou muito novo para a R e tentando testar uma estratégia que já programei no WealthLab.

Várias coisas que eu não entendo (e isso não funciona obviamente :)

Eu não consigo os Close Prices muito bem em um vetor. ou algum tipo de vetor, mas ele começa com a estrutura e eu realmente não entendo o que essa função faz. É por isso que a minha série [, 1] provavelmente não funciona.

n & lt; - nrow (series) também não funciona, mas eu preciso disso para o Loop.

Então, acho que se eu receber essas 2 perguntas respondidas, minha estratégia deveria funcionar. Estou muito agradecido por qualquer ajuda ... R parece bastante complicado mesmo com a experiência de programação em outras línguas.

Começando com a segunda pergunta.

Então, se você quiser trabalhar no objeto xts real, você precisa usar get.

Sobre sua primeira pergunta - eu não acho que você realmente precisa puxar os dados como um vetor - o objeto xts é uma matriz indexada por data e é fácil de trabalhar. Se você ainda deseja obter os dados que você pode usar.

Agora, para que você comece com um simples teste de respostas de estratégias, sugerirei trabalhar nas seguintes etapas.

defina sua estratégia. 2. Crie uma matriz ou adicione uma coluna ao seu objeto xts que representará sua posição para cada dia. 1 por muito tempo, 0 para nenhuma posição e -1 para breve (mais tarde você pode jogar com o número de alavancagem). 3. multiplique cada dia retorna com a posição e você obterá seu vetor de retorno de estratégia. 4. examine os resultados - minha recomendação é PerformanceAnalytics.

Estratégia simples - compre quando estiver perto da SMA20, venda abaixo.

Valor em risco - VaR.

O que é 'Value At Risk - VaR'

O valor em risco (VaR) é uma técnica estatística utilizada para medir e quantificar o nível de risco financeiro dentro de uma empresa ou carteira de investimentos ao longo de um período de tempo específico. Esta métrica é mais comumente usada pelos bancos de investimento e comercial para determinar a extensão e relação de ocorrências de perdas potenciais em suas carteiras institucionais. Os cálculos VaR podem ser aplicados em posições ou carteiras específicas como um todo ou para medir a exposição ao risco em toda a empresa.

BREAKING Down 'Valor em risco - VaR'

Aplicando VaR.

Os bancos de investimento geralmente aplicam modelos de VaR para risco de toda a empresa devido ao potencial de mesas de negociação independente para expor a empresa a ativos altamente correlacionados sem intenção. O uso de uma avaliação de VaR em toda a empresa permite a determinação dos riscos acumulados de posições agregadas ocupadas por diferentes mesas de negociação e departamentos dentro da instituição. Com base nos dados fornecidos pela modelagem de VaR, as instituições financeiras podem determinar se eles possuem reservas de capital suficientes para cobrir perdas ou se os riscos maiores do que aceitáveis ​​exigem que as explorações concentradas sejam reduzidas.

Problemas com Cálculos VaR.

Não existe um protocolo padrão para as estatísticas utilizadas para determinar o risco de ativos, portfólio ou em toda a empresa. Por exemplo, as estatísticas tiradas arbitrariamente de um período de baixa volatilidade podem subestimar o potencial de ocorrência de eventos de risco, bem como a magnitude potencial. O risco pode ser ainda mais discreto usando probabilidades de distribuição normais, que geralmente não são responsáveis ​​por eventos de cisnes extremos ou negros.

A avaliação da perda potencial representa a menor quantidade de risco em uma série de resultados. Por exemplo, uma determinação de VaR de 95% com 20% de risco de ativos representa uma expectativa de perda de pelo menos 20% em média cada 20 dias. Neste cálculo, uma perda de 50% ainda valida a avaliação de risco.

Esses problemas foram expostos na crise financeira de 2008, já que cálculos VaR relativamente benignos subestimaram a ocorrência potencial de eventos de risco colocados por carteiras de hipotecas de alto risco. A magnitude do risco também foi subestimada, o que resultou em índices extremos de alavancagem dentro das carteiras subprime. Como resultado, as subestimações da ocorrência e da magnitude do risco deixaram as instituições incapazes de cobrir bilhões de dólares em perdas à medida que os valores das hipotecas subprime colapsaram.

QuantStart.

Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo bem informado de mentalistas quant pronto para responder suas perguntas comerciais mais importantes.

Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.

Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.

Por Michael Halls-Moore em 7 de julho de 2014.

A estimativa do risco de perda para uma estratégia de negociação algorítmica ou portfólio de estratégias é de extrema importância para o crescimento do capital a longo prazo. Muitas técnicas de gerenciamento de riscos foram desenvolvidas para uso em configurações institucionais. Uma técnica em particular, conhecida como Value at Risk ou VaR, será o tema deste artigo.

Vamos aplicar o conceito de VaR a uma única estratégia ou a um conjunto de estratégias para nos ajudar a quantificar o risco em nossa carteira comercial. A definição de VaR é a seguinte:

O VaR fornece uma estimativa, sob um determinado grau de confiança, do tamanho de uma perda de um portfólio ao longo de um determinado período de tempo.

Neste caso, o "portfólio" pode se referir a uma estratégia única, a um grupo de estratégias, a um livro de comerciante, a uma mesa de apoio, a um fundo de hedge ou a todo um banco de investimento. O "dado grau de confiança" será um valor de, digamos, 95% ou 99%. O "período de tempo dado" será escolhido para refletir um que levaria a um impacto mínimo no mercado se uma carteira fosse liquidada.

Por exemplo, um VaR igual a 500,000 USD a um nível de confiança de 95% para um período de tempo de um dia, simplesmente declararia que existe uma probabilidade de 95% de perder mais de 500,000 USD no dia seguinte. Matematicamente, isso é declarado como:

\ begin P (L \ leq -5.0 \ times 10 ^ 5) = 0.05 \ end.

Ou, mais geralmente, por perda $ L $ que exceda um valor $ VaR $ com um nível de confiança $ c $ nós temos:

\ begin P (L \ leq - VaR) = 1-c \ end.

O cálculo "padrão" do VaR faz os seguintes pressupostos:

Condições Padrão do Mercado - O VaR não deve considerar eventos extremos ou "risco de cauda", mas é suposto fornecer a expectativa de perda na operação normal do "dia-a-dia". Volatilidades e Correlações - O VaR requer a volatilidade dos ativos considerados, bem como suas respectivas correlações. Essas duas quantidades são difíceis de estimar e estão sujeitas a mudanças contínuas. Normalidade de Retornos - VaR, em sua forma padrão, assume que os retornos do ativo ou portfólio são normalmente distribuídos. Isso leva a um cálculo analítico mais direto, mas é bastante irreal para a maioria dos ativos.

Vantagens e desvantagens.

O VaR é generalizado no setor financeiro, portanto você deve estar familiarizado com os benefícios e desvantagens da técnica. Algumas das vantagens do VaR são as seguintes:

O VaR é muito fácil de calcular para ativos individuais, estratégias, carteiras quantitativas, hedge funds ou até mesmo escritórios bancários. O período de tempo associado ao VaR pode ser modificado para múltiplas estratégias de negociação que tenham diferentes horizontes temporais. Valores diferentes de VaR podem ser associados a diferentes formas de risco, por exemplo, discriminados por classe de ativos ou tipo de instrumento. Isso facilita a interpretação de onde a maioria do risco de portfólio pode ser agrupada, por exemplo. As estratégias individuais podem ser restringidas, assim como toda a carteira baseada em seu VaR individual. O VaR é direto para interpretar (potencialmente) investidores externos não-técnicos e gestores de fundos.

No entanto, o VaR não está sem suas desvantagens:

O VaR não discute a magnitude da perda esperada além do valor do VaR, ou seja, nos informará que é provável que vejamos uma perda que exceda um valor, mas não quanto isso excede. Não leva em consideração eventos extremos, mas apenas condições típicas do mercado. Uma vez que usa dados históricos (é para trás), não levará em conta as mudanças futuras do regime de mercado que podem mudar as volatilidades e as correlações dos ativos.

O VaR não deve ser usado isoladamente. Ele sempre deve ser usado com um conjunto de técnicas de gerenciamento de risco, como diversificação, alocação ótima de portfólio e uso prudente de alavancagem.

Métodos de cálculo.

Ainda não discutimos o cálculo real do VaR, nem no caso geral nem em um exemplo comercial concreto. Existem três técnicas que nos interessarão. O primeiro é o método de variância-covariância (usando pressupostos de normalidade), o segundo é um método de Monte Carlo (baseado em uma distribuição subjacente, potencialmente não normal) e o terceiro é conhecido como bootstrapping histórico, que usa informações históricas de retorno para os ativos considerados.

Neste artigo, nos concentraremos no método Variance-Covariance e, em artigos posteriores, consideramos os métodos Monte Carlo e Historical Bootstrap.

Método de variância-covariância.

Considere uma carteira de $ P $ dolares, com um nível de confiança $ c $. Estamos considerando retornos diários, com desvio padrão histórico de ativos (ou estratégia) $ \ sigma $ e significa $ \ mu $. Em seguida, o VaR diário, sob o método variância-covariância para um único ativo (ou estratégia), é calculado como:

\ begin P - \ left (P (\ alpha (1-c) + 1) \ right) \ end.

Onde $ \ alpha $ é o inverso da função de distribuição cumulativa de uma distribuição normal com média $ \ mu $ e desvio padrão $ \ sigma $.

Podemos usar as bibliotecas SciPy e pandas da Python para calcular esses valores. Se definimos $ P = 10 ^ 6 $ e $ c = 0,99 $, podemos usar o método ppP de SciPy para gerar os valores da função de distribuição cumulativa inversa para uma distribuição normal com $ \ mu $ e $ \ sigma $ obtidos de alguns dados financeiros reais, neste caso os retornos diários históricos do CitiGroup (podemos substituir facilmente os retornos de uma estratégia algorítmica aqui):

O valor calculado do VaR é dado por:

O VaR é uma técnica extremamente útil e generalizada em todas as áreas de gestão financeira, mas não é sem suas falhas. Nós ainda não discutimos o valor real do que poderia ser perdido em um portfólio, e sim que ele pode exceder uma certa quantidade um pouco do tempo.

Em artigos de acompanhamento, não só discutiremos cálculos alternativos para VaR, mas também descrevemos o conceito de déficit previsto (também conhecido como Valor condicional em risco), que fornece uma resposta para o quanto é provável que seja perdido.

Apenas iniciando o comércio quantitativo?

3 razões para se inscrever na QuantStart List:

1. Quant Trading Lessons.

Você terá acesso instantâneo a um curso gratuito de 10 partes, com sugestões e dicas para ajudá-lo a começar a negociação quantitativa!

2. Todo o conteúdo mais recente.

Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.

Real, dicas de negociação viáveis, sem tonturas.

Backtesting uma Estratégia de Negociação.

Eu pedi Análise da Série de Tempo e suas Aplicações: Com Exemplos R (Springer Texts in Statistics) para me ajudar na série temporal na curva de aprendizado de R. Até agora, o que eu vi parece bom. O autor tem uma boa página com os problemas em R e séries temporais. O livro deve chegar até o final da semana.

Entretanto, encontrei uma estratégia comercial ao ler um artigo no serviço "Over My Shoulder" de John Mauldin (que eu recomendo). O ponto crucial disso foi que, no mercado-negro que começou com o choque da tecnologia, uma estratégia de apostar na reversão média do S & P500 gerou retornos significativos. Naturalmente, queria testar.

Por favor, note que não estou recomendando nada a seguir. Faça sua lição de casa e fale com um profissional de investimento se tiver dúvidas.

A estratégia é passar o S & P500 quando o mercado se fechar no máximo nos últimos 3 dias. Inverta o comércio e vá muito tempo quando o mercado fecha ao mínimo durante os 3 dias anteriores. Os ETFs tornam essa estratégia relativamente fácil de negociar. SPY será o nosso veículo para ser longo o S & P500 e SH será o nosso veículo para ficar curto.

A SH começou a negociar em 21/06/2006. Concentramos nosso backtesting nesse ponto até agora.

Usando a função importSeries () que criamos anteriormente, obtenha todos os valores para SPY e SH.

Precisamos criar algumas horas adicionais para segurar.

Bandeira longa / curta - nos informa sobre o status atual de nossas explorações. Trade Flag - indica que nós instituímos uma negociação nesta data. Strat. Returns - retorno nominal para o dia com a estratégia. Montante em dólar - um valor em dólar bruto da carteira, assumindo um valor de $ 10.000 em dólares em 21/06/2006 e uma taxa de transação de US $ 2 quando negociamos.

Deve-se notar que esta estratégia NÃO é eficiente em impostos - quaisquer ganhos serão tributados na taxa de ganhos de capital de curto prazo. Havia 411 comércios. Um comércio envolve compra e venda, então 822 vezes você seria cobrado uma taxa de corretagem. Eu assumi 1 dólar por compra / venda - o que é cobrado pela Interactive Brokers. Usar alguém como o TD Ameritrade custaria muito mais. Isso também pressupõe que você pode comprar e vender no preço de fechamento do mercado. Algo que é possível, mas o deslizamento ocorrerá.

Comentários estão fechados.

Posts populares recentes.

Artigos mais visitados da semana.

Empregos para usuários R.

É alimentado pelo WordPress usando um design bavotasan.

Direitos autorais e cópia; 2017 R-bloggers. Todos os direitos reservados. Termos e Condições para este site.