Quantitative Options Strategies

Les stratégies quantitatives - sont-elles pour vous Les stratégies d'investissement quantitatives ont évolué en outils très complexes avec l'avènement des ordinateurs modernes, mais les racines des stratégies remontent à plus de 70 ans. Ils sont généralement gérés par des équipes hautement qualifiées et utilisent des modèles exclusifs pour augmenter leur capacité à battre le marché. Il ya même des programmes prêts à l'emploi qui sont plug-and-play pour ceux qui recherchent la simplicité. Les modèles Quant fonctionnent toujours bien lorsqu'ils sont testés à nouveau, mais leurs applications réelles et leur taux de réussite sont discutables. Alors qu'ils semblent bien fonctionner sur les marchés haussiers. Quand les marchés ne se déroulent pas, les stratégies quanti sont soumises aux mêmes risques que toute autre stratégie. L'histoire L'un des pères fondateurs de l'étude de la théorie quantitative appliquée à la finance était Robert Merton. Vous pouvez seulement imaginer combien le processus était difficile et fastidieux avant l'utilisation des ordinateurs. D'autres théories de la finance ont également évolué à partir de certaines des premières études quantitatives, y compris la base de la diversification du portefeuille basée sur la théorie du portefeuille moderne. L'utilisation de la finance quantitative et calcul a conduit à de nombreux autres outils communs, y compris l'un des plus célèbres, la formule de Black-Scholes option prix, qui non seulement aide les investisseurs prix options et développer des stratégies, mais aide à garder les marchés en échec avec la liquidité. Lorsqu'il est appliqué directement à la gestion de portefeuille. L'objectif est comme toute autre stratégie d'investissement. Pour ajouter de la valeur, alpha ou des rendements excédentaires. Quants, comme les développeurs sont appelés, composent des modèles mathématiques complexes pour détecter les opportunités d'investissement. Il ya autant de modèles là-bas que les quants qui les développent, et tous prétendent être les meilleurs. L'une des stratégies de placement quantitatives best-sellers points est que le modèle, et finalement l'ordinateur, rend la décision buysell réelle, et non pas un humain. Cela tend à éliminer toute réaction émotionnelle qu'une personne peut éprouver lors de l'achat ou la vente d'investissements. Quant, les stratégies sont maintenant acceptées dans la communauté des investisseurs et gérées par des fonds communs de placement, des hedge funds et des investisseurs institutionnels. Ils vont généralement par le nom des générateurs alpha. Ou alpha gens. Derrière le rideau Tout comme dans le magicien d'Oz, quelqu'un est derrière le rideau conduisant le processus. Comme avec n'importe quel modèle, son seulement aussi bon que l'humain qui développe le programme. Bien qu'il n'y ait aucune exigence spécifique pour devenir un quant, la plupart des entreprises qui exécutent des modèles quantitatifs combinent les compétences des analystes d'investissement, des statisticiens et des programmeurs qui codent le processus dans les ordinateurs. En raison de la nature complexe des modèles mathématiques et statistiques, il est commun de voir les diplômes comme les diplômes d'études supérieures et les doctorats en finance, en économie, en mathématiques et en génie. Historiquement, ces membres de l'équipe ont travaillé dans les back offices. Mais comme les modèles quantiques sont devenus plus courants, le back office se déplace vers le front office. Avantages de la stratégie Quant Alors que le taux de réussite global est discutable, la raison pour laquelle certaines stratégies quantitatives de travail est qu'ils sont basés sur la discipline. Si le modèle est juste, la discipline maintient la stratégie de travail avec des ordinateurs à vitesse de foudre pour exploiter les inefficiences sur les marchés basés sur des données quantitatives. Les modèles eux-mêmes peuvent être basés sur aussi peu que quelques rapports comme PE. La dette par rapport aux capitaux propres et la croissance des bénéfices, ou utiliser des milliers d'entrées travaillant ensemble en même temps. Stratégies réussies peuvent ramasser sur les tendances à leurs stades précoces que les ordinateurs constamment exécuter des scénarios pour localiser les inefficiences avant que les autres ne. Les modèles sont capables d'analyser un très grand groupe d'investissements simultanément, où l'analyste traditionnel peut ne regarder que quelques-uns à la fois. Le processus de dépistage peut évaluer l'univers selon les niveaux de grade comme 1-5 ou A-F selon le modèle. Cela rend le processus de négociation réelle très simple en investissant dans les investissements hautement cotés et de vendre les moins notés. Quant modèles aussi ouvrir des variations de stratégies comme long, court et longshort. Les fonds quantitatifs réussis gardent un œil attentif sur le contrôle du risque en raison de la nature de leurs modèles. La plupart des stratégies commencent par un univers ou une référence et utilisent des pondérations sectorielles et industrielles dans leurs modèles. Cela permet aux fonds de contrôler la diversification dans une certaine mesure sans compromettre le modèle lui-même. Les fonds Quant fonctionnent généralement à moindre coût car ils ne nécessitent pas autant d'analystes traditionnels et de gestionnaires de portefeuille pour les exécuter. Inconvénients des stratégies Quant Il existe des raisons pour lesquelles tant d'investisseurs n'acceptent pas complètement le concept de laisser une boîte noire exécuter leurs investissements. Pour tous les fonds quantitatifs réussis là-bas, tout comme beaucoup semblent être infructueuses. Malheureusement pour la réputation quants, quand ils échouent, ils échouent grand temps. Long-Term Capital Management a été l'un des plus célèbres hedge funds, car il a été dirigé par certains des leaders académiques les plus respectés et deux économistes Myron S. Scholes et Robert C. Merton, lauréats du prix Nobel. Au cours des années 1990, leur équipe a généré des rendements supérieurs à la moyenne et attiré des capitaux de tous les types d'investisseurs. Ils étaient célèbres pour non seulement exploiter les inefficacités, mais en utilisant un accès facile au capital pour créer d'énormes paris à effet de levier sur les directions du marché. La nature disciplinée de leur stratégie a effectivement créé la faiblesse qui a conduit à leur effondrement. La gestion du capital à long terme a été liquidée et dissoute au début de l'an 2000. Ses modèles n'incluent pas la possibilité que le gouvernement russe ne puisse pas rembourser une partie de sa propre dette. Cet événement a déclenché des événements et une réaction en chaîne amplifiée par les dégâts causés par le levier. LTCM a été si fortement impliqué dans d'autres opérations d'investissement que son effondrement a affecté les marchés mondiaux, déclenchant des événements dramatiques. À long terme, la Réserve fédérale est intervenue pour aider, et d'autres banques et fonds d'investissement ont soutenu LTCM pour éviter tout autre dommage. C'est l'une des raisons pour lesquelles les fonds quantiques peuvent échouer, car ils sont basés sur des événements historiques qui peuvent ne pas inclure les événements futurs. Tandis qu'une équipe forte de quant sera constamment ajoutant de nouveaux aspects aux modèles pour prédire des événements futurs, son impossible de prédire l'avenir à chaque fois. Quant, les fonds peuvent également être dépassés lorsque l'économie et les marchés connaissent une volatilité supérieure à la moyenne. Les signaux d'achat et de vente peuvent venir si rapidement que le chiffre d'affaires élevé peut créer des commissions élevées et des événements imposables. Les fonds Quant peuvent aussi représenter un danger lorsqu'ils sont commercialisés à l'épreuve des ours ou sont basés sur des stratégies courtes. Prévision des ralentissements. L'utilisation de dérivés et la combinaison de levier peut être dangereux. Un mauvais tournant peut conduire à des implosions, qui font souvent les nouvelles. Le fond Les stratégies d'investissement quantitatives ont évolué des boîtes noires du back office aux outils d'investissement courants. Ils sont conçus pour utiliser les meilleurs esprits de l'entreprise et les ordinateurs les plus rapides à la fois à exploiter les inefficiences et à utiliser le levier pour faire des paris sur le marché. Ils peuvent être très réussis si les modèles ont inclus toutes les bonnes entrées et sont assez agiles pour prédire les événements anormaux du marché. D'un autre côté, alors que les fonds quantiques sont rigoureusement testés jusqu'à ce qu'ils fonctionnent, leur faiblesse est qu'ils s'appuient sur des données historiques pour leur succès. Alors que l'investissement de type quantique a sa place sur le marché, il est important d'être conscient de ses lacunes et de ses risques. Être cohérent avec les stratégies de diversification. C'est une bonne idée de traiter les stratégies quanti comme un style d'investissement et de le combiner avec des stratégies traditionnelles pour atteindre une diversification appropriée. Archives de catégorie: Stratégie de négociation Je suis tombé sur cette série vidéo au cours du week-end, Pour la réversion moyenne). La plupart d'entre vous seront familiers avec les bandes de bollinger comme une stratégie de réversion moyenne commune, essentiellement vous prenez la moyenne mobile et l'écart-type mobile du stock. Vous tracez ensuite sur votre graphique la moyenne mobile et une bande supérieure et inférieure (moyenne mobile - écarts normaux). Il est supposé que le prix va revenir à la moyenne mobile, par conséquent, tout déplacement de prix vers les bandes est un bon point d'entrée. Un problème commun avec cette stratégie est que la moyenne mobile est un indicateur LAGGING et est souvent très lent pour suivre les mouvements de prix si une longue période de réflexion est utilisée. La vidéo 1 présente une technique appelée 8220 courbes de régression linéaire8221 environ 10 minutes. Les courbes de régression linéaire visent à résoudre le problème de la moyenne mobile étant lent à suivre le prix. Courbe de régression linéaire vs Moyenne mobile simple Voyez comment étroitement la courbe de régression linéaire bleue suit le prix de clôture, it8217s beaucoup plus rapide pour identifier les virages sur le marché où la moyenne mobile simple a une erreur de suivi considérable. Le MSE pourrait être utilisé pour quantifier l'étanchéité. Comment calculer la courbe de régression linéaire: Dans cet exemple, vous disposez de 100 cours de clôture pour votre stock donné. Bar 1 est le prix le plus ancien, bar 100 est le prix le plus récent. Nous utiliserons une régression de 20 jours. 1. Prenez les prix 1-20 et tracez la ligne de meilleur ajustement à travers eux 2. À la fin de votre meilleure ligne d'ajustement (si bar 20), dessinez un petit cercle 3. Prenez les prix 2-21 et tracez la ligne du meilleur ajustement À travers eux 4. À la fin de votre meilleure ligne d'ajustement (si bar 21) dessiner un petit cercle 5. Répétez jusqu'à la barre 100 6. Rejoignez tous vos petits cercles, c'est votre 8216 courbe de régression linéaire8217 Donc, en un mot vous venez de rejoindre Fin d'une régression linéaire en roulis. Ce poste cherche à examiner si la phrase bien connue 8220 le plus élevé le risque plus la récompense8221 s'applique aux constituants FTSE 100. De nombreux modèles ont essayé de capturer des mesures de récompense de risque, le plus connu étant le modèle d'allocation de capital (CAPM). Le CAPM essaie de quantifier le rendement d'un investissement qu'un investisseur doit recevoir afin d'être adéquatement compensé pour le risque qu'il a pris. Le code ci-dessous calcule l'écart-type de roulement des rendements, 8216 le risque 8217, pour les constituants FTSE 100. Il classe ensuite les stocks en quartiles selon cette métrique de risque, les groupes sont mis à jour quotidiennement. Le quartile 1 est le plus faible stock de volatilité, le quartile 2 le plus élevé. Un indice pondéré (amt) est créé pour chaque quartile. Selon la théorie ci-dessus Q4 (haut vol) devrait produire les rendements cumulatifs les plus élevés. Lors de l'utilisation d'un lookback de 1 mois pour le calcul stdev il ya un indice gagnant clair, l'indice vol le plus bas (noir). Fait intéressant, le deuxième meilleur indice est le plus haut indice vol (bleu). Le graphique ci-dessus est calculé en utilisant des rendements arithmétiques. Lorsqu'on utilise un lookback plus long de 250 jours, une année de négociation, l'indice vol le plus élevé est le meilleur et le plus faible indice vol le plus mauvais. Pour un lookback court (30 jours), l'indice à faible vol a été le meilleur. Pour un lookback long (250 jours), l'indice vol élevé était le plus performant. Une explication possible (non testée) Et par conséquent sur un bénéfice d'annonce de nouvelles le stock a une probabilité plus élevée de passer de l'indice courant it8217s dans un indice plus vol. Peut-être n'est-il pas déraisonnable de supposer que l'indice à haut vol ne contient que les actions qui ont eu une annonce récente de volatilité temporaire et qui sont dans une période de consolidation ou de réversion moyenne. Ou pour le dire d'une autre façon pour les retours à court retour l'indice de vol élevé doesn8217t contiennent les stocks qui sont en permanence très vol, tandis que pour les retours de retour longs tous les écarts de vol temporaires sont lissés. Ci-dessous les mêmes graphiques que ci-dessus, mais pour les rendements géométriques.