Estratégias de Negociação de Arbitragem Estatística e Negociação de Alta Frequência.
36 páginas postadas: 16 de setembro de 2012 Última revisão: 19 de fevereiro de 2013.
Thomas A. Hanson.
Kent State University - Departamento de Finanças.
Joshua Hall.
Kent State University - Faculdade de Administração de Empresas.
Data de Escrita: 12 de setembro de 2012.
A arbitragem estatística é uma estratégia de negociação popular empregada por fundos de hedge e agências de negociação proprietárias, construída com base na noção estatística de cointegração para identificar oportunidades de negociação lucrativas. Dada a mudança revolucionária nos mercados representados pela negociação de alta freqüência (HFT), não é surpreendente que os riscos e as recompensas tenham mudado. Este artigo explora o efeito do volume HFT sobre a rentabilidade da arbitragem estatística e relata três tendências nos dados. Em primeiro lugar, os níveis mais elevados de movimentação devido a HFT causam a co-integração de mais pares de ações. Em segundo lugar, a rentabilidade da arbitragem estatística permanece constante entre os deciles com a maior quantidade de HFT. Em terceiro lugar, a gama de rentabilidade é maior nos últimos anos. Essas descobertas sugerem que o HFT aumenta a correlação e a volatilidade e tem um impacto direto nas estratégias de negociação de arbitragem estatística.
Palavras-chave: arbitragem estatística, troca de pares, cointegração, negociação de alta freqüência.
Thomas A. Hanson (Autor do Contato)
Kent State University - Departamento de Finanças (email)
Faculdade de Administração de Empresas.
Kent, OH 44242-0001.
Joshua Hall.
Kent State University - Faculdade de Administração de Empresas (e-mail)
Kent, OH 44242-0001.
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.
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 pela apollo6 em 0,250 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 ignoraram a publicidade e preferiram 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 um pouco mais sobre os tipos de empresas de HFT, suas estratégias para ganhar dinheiro, grandes players e muito mais.
As empresas de HFT geralmente usam dinheiro privado, tecnologia privada e várias 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 HTF são uma parte subsidiária de uma corretora. Muitas das empresas regulares de corretoras têm uma seção secundária conhecida como mesas de negociação proprietárias, onde o HFT está pronto. Esta seção é 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 na precificação de títulos e outras categorias de ativos usando arbitragem.
Antes da regra de Volcker, muitos bancos de investimento tinham segmentos dedicados à HFT. Pós-Volcker, nenhum banco comercial pode ter agências negociadoras proprietárias ou quaisquer investimentos em fundos de hedge. 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 firmas se entregam ao "mercado" apenas para lucrar com a diferença entre o spread de compra e venda. 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. Essa estratégia é chamada de arbitragem estatística, na qual um trader proprietário está à procura de inconsistências temporárias nos preços em diferentes bolsas. 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 firmas envolvidas em HFTs frequentemente enfrentam riscos relacionados a anomalias de software, condições dinâmicas de 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 têm que trabalhar em sua gestão de riscos, uma vez que se espera que elas garantam muita conformidade regulatória, além de enfrentar desafios operacionais e tecnológicos.
Estratégias para negociação algorítmica Forex.
Como resultado da recente controvérsia, o mercado cambial tem estado sob maior escrutínio. Quatro grandes bancos foram considerados culpados de conspirar para manipular as taxas de câmbio, o que prometeu aos comerciantes receitas substanciais com risco relativamente baixo. Em particular, os maiores bancos do mundo concordaram em manipular o preço do dólar americano e do euro de 2007 até 2013.
O mercado forex está notavelmente desregulamentado apesar de negociar transações de US $ 5 trilhões por dia. Como resultado, os reguladores pediram a adoção do trading algorítmico, um sistema que usa modelos matemáticos em uma plataforma eletrônica para executar negociações no mercado financeiro. Devido ao alto volume de transações diárias, o comércio algorítmico forex cria maior transparência, eficiência e elimina o viés humano.
Uma série de estratégias diferentes podem ser buscadas por comerciantes ou empresas no mercado cambial. Por exemplo, o hedging automático refere-se ao uso de algoritmos para proteger o risco do portfólio ou para limpar as posições de forma eficiente. Além de cobertura automática, as estratégias algorítmicas incluem comércio estatístico, execução algorítmica, acesso direto ao mercado e negociação de alta freqüência, tudo isso pode ser aplicado às transações forex.
Auto Hedging.
Ao investir, a cobertura é uma maneira simples de proteger seus ativos de perdas significativas, reduzindo o valor que você pode perder se ocorrer algo inesperado. Na negociação algorítmica, a cobertura pode ser automatizada para reduzir a exposição do profissional a risco. Esses pedidos de hedge gerados automaticamente seguem modelos específicos para gerenciar e monitorar o nível de risco de um portfólio.
No mercado cambial, os principais métodos de negociação de hedge são através de contratos à vista e opções de moeda. Contratos à vista são a compra ou venda de uma moeda estrangeira com entrega imediata. O mercado spot do fprex cresceu significativamente desde o início dos anos 2000, devido ao influxo de plataformas algorítmicas. Em particular, a rápida proliferação de informações, conforme refletida nos preços de mercado, permite que surjam oportunidades de arbitragem. As oportunidades de arbitragem ocorrem quando os preços cambiais ficam desalinhados. A arbitragem triangular, como é conhecida no mercado cambial, é o processo de converter uma moeda de volta em si mesmo através de múltiplas moedas diferentes. Os comerciantes algorítmicos e de alta freqüência só podem identificar essas oportunidades por meio de programas automatizados.
Como derivado, as opções forex operam de forma semelhante a uma opção em outros tipos de valores mobiliários. As opções de moeda estrangeira dão ao comprador o direito de comprar ou vender o par de moedas a uma determinada taxa de câmbio em algum momento no futuro. Os programas de computador têm opções binárias automatizadas como uma forma alternativa de proteger transações em moeda estrangeira. As opções binárias são um tipo de opção em que os desembolsos recebem um dos dois resultados: quer o comércio se ajuste a zero ou a um preço de exercício pré-determinado.
Análise estatística.
No setor financeiro, a análise estatística continua sendo uma ferramenta significativa na mensuração dos movimentos de preços de uma segurança ao longo do tempo. No mercado forex, os indicadores técnicos são usados para identificar padrões que podem ajudar a prever futuros movimentos de preços. O princípio que a história se repete é fundamental para a análise técnica. Uma vez que os mercados FX operam 24 horas por dia, a quantidade robusta de informações aumenta a significância estatística das previsões. Devido à crescente sofisticação dos programas informáticos, os algoritmos foram gerados de acordo com indicadores técnicos, incluindo divergência de convergência média móvel (MACD) e índice de força relativa (RSI). Programas algorítmicos sugerem momentos particulares em que as moedas devem ser compradas ou vendidas.
Execução Algorítmica.
A negociação algorítmica exige uma estratégia executável que os gestores de fundos podem usar para comprar ou vender grandes quantidades de ativos. Os sistemas de negociação seguem um conjunto de regras pré-especificado e estão programados para executar um pedido sob certos preços, riscos e horizontes de investimento. No mercado forex, o acesso direto ao mercado permite que os comerciantes do buy-side executem ordens forex diretamente no mercado. O acesso direto ao mercado ocorre através de plataformas eletrônicas, que muitas vezes reduz os custos e os erros comerciais. Normalmente, a negociação no mercado é restrita a corretores e criadores de mercado; No entanto, o acesso direto ao mercado fornece às empresas compradoras acesso à infra-estrutura do lado da venda, garantindo aos clientes um maior controle sobre os negócios. Devido à natureza da negociação algorítmica e dos mercados FX, a execução da ordem é extremamente rápida, permitindo que os comerciantes aproveitem as oportunidades comerciais de curta duração.
Comércio de alta freqüência.
Como o subconjunto mais comum de negociação algorítmica, a negociação de alta freqüência tornou-se cada vez mais popular no mercado cambial. Com base em algoritmos complexos, a negociação de alta freqüência é a execução de um grande número de transações em velocidades muito rápidas. À medida que o mercado financeiro continua a evoluir, velocidades de execução mais rápidas permitem que os comerciantes aproveitem oportunidades lucrativas; No mercado cambial, uma série de estratégias de negociação de alta freqüência destinam-se a reconhecer situações de arbitragem e liquidez lucrativas. As ordens fornecidas são executadas rapidamente, os comerciantes podem alavancar arbitragem para bloquear lucros livres de risco. Devido à velocidade da negociação de alta freqüência, a arbitragem também pode ser feita nos preços spot e futuros dos mesmos pares de moedas.
Os defensores da negociação de alta frequência no mercado de câmbio destacam seu papel na criação de alto grau de liquidez e transparência nas negociações e nos preços. A liquidez tende a ser contínua e concentrada, pois há uma quantidade limitada de produtos em comparação com as ações. No mercado cambial, as estratégias de liquidez visam detectar desequilíbrios de ordem e diferenças de preços entre um par de divisas específico. Um desequilíbrio de pedidos ocorre quando há um número excessivo de ordens de compra ou venda para um ativo ou moeda específicos. Neste caso, os comerciantes de alta freqüência atuam como fornecedores de liquidez, ganhando o spread, arbitrando a diferença entre o preço de compra e venda.
The Bottom Line.
Muitos estão pedindo maior regulamentação e transparência no mercado cambial à luz dos recentes escândalos. A crescente adoção de sistemas de negociação algorítmica forex pode efetivamente aumentar a transparência no mercado forex. Além da transparência, é importante que o mercado forex permaneça líquido com baixa volatilidade de preços. As estratégias de negociação algorítmica, como cobertura automática, análise estatística, execução algorítmica, acesso direto ao mercado e comércio de alta freqüência, podem expor as inconsistências de preços, que representam oportunidades lucrativas para os comerciantes.
Arbitragem estatística usando o filtro Kalman.
Um dos desafios com a abordagem de cointegração à arbitragem estatística que eu discuti na minha publicação anterior é que as relações de cointegração raramente são estáticas: elas mudam com bastante freqüência e muitas vezes se quebram completamente. Em 2009, comecei a experimentar uma abordagem mais dinâmica para a troca de pares, baseada no Filtro de Kalman.
Na sua forma mais simples, modelamos a relação entre um par de títulos da seguinte maneira:
beta (t) = beta (t-1) + w beta (t), a variável de estado não observada, que segue uma caminhada aleatória.
Y (t) = beta (t) X (t) + v Os processos observados dos preços das ações Y (t) e X (t)
N (0, Q) significando w é um ruído gaussiano com média zero e variância Q.
N (0, R) significando v é um ruído gaussiano com variância R.
Então, é como o relacionamento de pares usual Y = beta * X + v, onde a abordagem típica é estimar o beta usando a regressão de mínimos quadrados, ou algum tipo de regressão rolante (para tentar levar em conta o fato de que o beta pode mudar Tempo). Nessa estrutura tradicional, o beta é estático ou está mudando lentamente.
No framework de Kalman, o beta é um processo aleatório que evolui continuamente ao longo do tempo, como um passeio aleatório. Como é aleatório e contaminado pelo ruído, não podemos observar o beta diretamente, mas devemos inferir seu valor (variável) a partir dos preços observáveis das ações X e Y. (Nota: a seguir, utilizarei X e Y para nos referirmos aos preços das ações. Você também pode usar preços de log, ou retorna).
Desconhecido para mim naquela época, vários outros pesquisadores estavam pensando nas mesmas linhas e depois publicaram suas pesquisas. Um desses exemplos é o Arbitragem Estatística e os Dados de Alta Frequência com um Aplicativo para Eurostoxx 50 Equities, Rudy, Dunis, Giorgioni e Leis, 2010. Outro estudo estreitamente relacionado é Análise de Desempenho da Estratégia de Negociação de Pares Usando Dados de Alta Freqüência com um Aplicativo para KOSPI 100 Equities, Kim, 2011. Ambos os estudos de pesquisa seguem um caminho muito similar, rejeitando a estimativa beta usando regressão de rolamento ou alisamento exponencial a favor da abordagem de Kalman e aplicando um modelo de Ornstein-Uhlenbeck para estimar a meia-vida da reversão média das carteiras de pares . Os estudos relatam taxas de informação muito fora da amostra que, em alguns casos, excedem 3.
Eu já fiz o ponto de que esse desempenho excepcionalmente alto é tipicamente o resultado de ignorar o fato de que o PnL líquido por ação pode estar dentro da região do spread médio de ofertas de oferta, tornando a implementação altamente problemática. Neste post, quero me debruçar sobre outra questão crítica que é particular à abordagem de Kalman: a relação sinal / ruído, Q / R, que expressa a razão entre a variância do processo beta e a do processo de preço. (Curiosamente, ambos os papéis fazem o mesmo erro de rotular Q e R como desvios padrão. Na verdade, são variações).
Beta, sendo um processo aleatório, obviamente contém algum ruído: mas a esperança é que seja menos ruim do que o processo de preços. A idéia é que a relação entre dois estoques é mais estável e # 8211; menos volátil & # 8211; do que os próprios processos de estoque. Em sua face, essa suposição parece razoável, do ponto de vista empírico. A questão é: quão estável é o processo beta, em relação ao processo de preços? Se a variância no processo beta for baixa em relação ao processo de preço, podemos determinar o beta com bastante precisão ao longo do tempo e assim obter estimativas precisas do preço verdadeiro Y (t), com base em X (t). Então, se observarmos uma partida suficientemente grande no preço cotado Y (t) do preço verdadeiro no tempo t, temos um comércio potencial.
Em outras palavras, estamos interessados em:
onde Y (t) e X (t) são os preços de estoque observados e beta (t) é o valor estimado de beta no tempo t.
Como de costume, nós padronizaríamos o alfa usando uma estimativa do desvio padrão alfa, que é sqrt (R). (Alternativamente, você pode estimar o desvio padrão do alfa diretamente, usando um período de retrospectiva baseado na meia-vida alfa).
Se o alpha padronizado for grande o suficiente, o modelo sugere que o preço Y (t) é cotado significativamente acima do valor real. Assim, teríamos estoque a descoberto Y e compraria ações X. (Nesse contexto, onde X e Y representam preços brutos, você teria um número igual e oposto de ações em Y e X. Se X e Y representassem devoluções, você teria o mesmo e valor de mercado oposto em cada ação).
O sucesso de tal estratégia depende criticamente da qualidade de nossas estimativas de alfa, que, por sua vez, dependem da precisão de nossas estimativas de beta. Isso depende do barulho do processo beta, ou seja, sua variância, Q. Se o processo beta é muito ruidoso, ou seja, se Q é grande, nossas estimativas de alfa serão muito barulhentas para serem úteis como base para uma estratégia de reversão .
Então, a questão-chave que quero abordar nesta publicação é: para que a abordagem de Kalman seja efetiva na modelagem de um relacionamento de pares, qual seria um intervalo aceitável para a variância Q do processo beta? (Costuma-se dizer que o que importa na estrutura de Kalman não é a variância Q, em si, mas sim a relação sinal / ruído Q / R. Acontece que isso não é estritamente verdadeiro, como veremos).
Para entender o problema, tomei a seguinte abordagem:
(i) Simule um processo de estoque X (t) como um processo de movimento browniano geométrico com deriva e volatilidade especificadas (usei 0%, 5% e 10% para a deriva anual e 10%, 30% e 60% para o correspondente volatilidade anual).
(ii) simule um processo beta (t) como uma caminhada aleatória com variância Q no intervalo de 1E-10 a 1E-1.
(iii) Gerar o processo de preço real Y (t) = beta (t) * X (t)
(iv) Simule um processo de preço observado Yobs (t), adicionando ruído aleatório com variância R para Y (t), com R na faixa de 1E-6 a 1,0.
(v) Calcule o verdadeiro, conhecido alfa (t) = Y (t) & # 8211; Yobs (t)
(vi) Ajustar o modelo de filtro de Kalman aos processos simulados e estimar beta (t) e Yest (t). Daí produzir estimativas kfalpha (t) = Yobs (t) & # 8211; Yest (t) e compare estes com o alfa (t) conhecido, verdadeiro.
Os gráficos da Fig. 1 abaixo ilustram o procedimento para um processo de estoque X (t) com deriva anual de 10%, volatilidade anual de 40%, variância do processo beta Q de 8,65 E-9 e variância do processo de preço R de 5,62E-2 ( Rácio Q / R de 1,54 E-7).
Fig. 1 Verdadeiro e Estimado Beta e Alpha Usando o Filtro Kalman.
Como você pode ver, o Filtro de Kalman faz um ótimo trabalho ao atualizar sua estimativa beta para rastrear a verdadeira beta subjacente (que, neste experimento, é conhecida). Como a relação de ruído Q / R é pequena, as estimativas de filtro de Kalman do processo alfa, kfalpha (t), correspondem estreitamente ao verdadeiro alfa (t), o que de novo é conhecido por essa configuração experimental. Você pode examinar a relação entre as estimativas verdadeiras do alfa (t) e do filtro de Kalman kfalpha (t) é o gráfico no quadrante esquerdo mais alto da figura. A correlação entre os dois é de cerca de 89%. Com um nível de precisão, isso é bom para nossas estimativas alfa, o par de ações simuladas seria um candidato ideal para uma estratégia de negociação de pares.
Claro, o resultado é altamente dependente dos valores que assumimos para Q e R (e também, em certa medida, sobre os pressupostos feitos sobre a deriva e a volatilidade do processo de preços X (t)).
A próxima etapa da análise é, portanto, gerar um grande número de observações simuladas de preço e beta e examinar o impacto de diferentes níveis de Q e R, as variâncias do processo beta e preço. Os resultados estão resumidos na tabela na Fig. 2 abaixo.
Figura 2. Correlação entre alfa verdadeiro (t) e kfalpha (t) para valores de Q e R.
Como antecipado, a correlação entre o alfa verdadeiro (t) e as estimativas produzidas pelo Filtro de Kalman é muito alta quando a relação sinal: ruído é pequena, isto é, da ordem de 1E-6, ou menos. As correlações médias começam a diminuir muito rapidamente quando Q / R excede esse nível, caindo para tão baixo quanto 30% quando a taxa de ruído excede 1E-3. Com uma relação Q / R de 1E-2 ou superior, as estimativas alfa tornam-se demasiado barulhentas para serem úteis.
Eu acho mais fortuito, mesmo implausível, que em seu estudo, Rudy, et al, se sentem capazes de assumir uma relação de ruído de 3E-7 para todos os pares de ações em seu estudo, o que simplesmente acontece no ponto ideal para alfa estimativa. Da minha própria pesquisa, um valor muito maior na região de 1E-3 a 1E-5 é mais típico. Além disso, a taxa de ruído varia significativamente de par para par e ao longo do tempo. De fato, eu iria tão longe a ponto de recomendar a aplicação de um filtro de taxa de ruído à estratégia, o que significa que os sinais de negociação são ignorados quando a taxa de ruído excede algum nível especificado.
O take-away é o seguinte: a abordagem do Filtro de Kalman pode ser aplicada com muito sucesso no desenvolvimento de estratégias de arbitragem estatística, mas apenas para processos em que a taxa de ruído não é muito grande. Uma sugestão é usar uma regra de filtro para suprimir sinais de comércio gerados em momentos em que a relação de ruído é muito grande e / ou para aumentar as alocações para pares em que a relação de ruído é relativamente baixa.
Negociação de alta freqüência: um guia prático de estratégias algorítmicas e sistemas de negociação.
Direitos autorais e cópia; 2013 por Irene Aldridge. Todos os direitos reservados.
Editor (es): Irene Aldridge.
Publicado Online: 19 SEP 2015 01:17 AM EST.
Imprimir ISBN: 9781118343500.
ISBN online: 9781119203803.
Sobre este livro.
Uma segunda edição totalmente revisada do melhor guia para negociação de alta freqüência.
O comércio de alta frequência é um esforço difícil, mas lucrativo, que pode gerar lucros estáveis em várias condições de mercado. Mas uma base sólida, tanto na teoria como na prática desta disciplina, é essencial para o sucesso. Se você é um investidor institucional que procura uma melhor compreensão das operações de alta freqüência ou de um investidor individual procurando uma nova maneira de negociar, este livro tem o que você precisa para aproveitar ao máximo seu tempo nos mercados dinâmicos atuais.
Com base no sucesso da edição original, a Segunda Edição de Negociação de Alta Frequência incorpora as últimas pesquisas e questões que surgiram desde a publicação da primeira edição. Ele aborda habilmente tudo, desde novas técnicas de gerenciamento de portfólio para negociação de alta freqüência e os mais recentes desenvolvimentos tecnológicos, permitindo que o HFT atualize as estratégias de gerenciamento de riscos e como proteger a informação eo fluxo de pedidos em mercados escuros e leves.
Inclui inúmeras estratégias de negociação quantitativas e ferramentas para a construção de um sistema de negociação de alta freqüência. Dirija os aspectos mais essenciais do comércio de alta freqüência, desde a formulação de idéias até a avaliação de desempenho. O livro também inclui um site complementar onde as estratégias selecionadas de troca de amostras podem ser baixadas e testadas Escrito pela respeitada perita da indústria, Irene Aldridge.
Embora o interesse na negociação de alta freqüência continue a crescer, pouco foi publicado para ajudar os investidores a entender e implementar essa abordagem - até agora. Este livro tem tudo o que você precisa para obter um aperto firme sobre o funcionamento da alta freqüência e o que é preciso para aplicá-lo aos seus esforços comerciais diários.
No comments:
Post a Comment