Codeer uw eigen Algo-Trading-robot - KamilTaylan.blog
24 juni 2021 15:54

Codeer uw eigen Algo-Trading-robot

Veel handelaren streven ernaar algoritmische handelaars te worden, maar hebben moeite om hun handelsrobots correct te coderen. Deze handelaren zullen vaak ongeorganiseerde en misleidende algoritmische coderingsinformatie online vinden, evenals valse beloften van welvaart van de ene op de andere dag. Een potentiële bron van betrouwbare informatie is echter van Lucas Liew, de maker van de online algoritmische handelscursus AlgoTrading101. Sinds augustus 2020 heeft de cursus meer dan 33.000 studenten verzameld sinds de lancering in oktober 2014.

Het programma van Liew richt zich op het op een georganiseerde manier presenteren van de grondbeginselen van algoritmische handel. Hij is onvermurwbaar over het feit dat algoritmische handel ‘geen plan is om snel rijk te worden’. Hieronder worden de basisprincipes beschreven van wat er nodig is om uw eigen algoritmische handelsrobot  te ontwerpen, bouwen en onderhouden (ontleend aan Liew en zijn cursus).

Wat is een handelsrobot?

Op het meest basale niveau is een algoritmische handelsrobot een computercode die koop- en verkoopsignalen op financiële markten kan genereren en uitvoeren. De belangrijkste componenten van een dergelijke robot zijn onder meer toegangsregels die aangeven wanneer te kopen of verkopen, exitregels die aangeven wanneer de huidige positie moet worden gesloten en regels voor positiebepaling die de te kopen of verkopen hoeveelheden bepalen.

Belangrijkste leerpunten

  • Veel aspirant-algo-handelaren hebben moeite om de juiste opleiding of begeleiding te vinden om hun handelsrobots correct te coderen.
  • AlgoTrading101 is een potentiële bron van betrouwbare instructie en heeft tussen de lancering in 2014 en augustus 2020 meer dan 33.000 verzameld.
  • Een handelsalgo of robot is een computercode die koop- en verkoopkansen identificeert, met de mogelijkheid om de entry- en exitorders uit te voeren.
  • Om winstgevend te zijn, moet de robot regelmatige en aanhoudende marktefficiënties identificeren.
  • Hoewel voorbeelden van snel-rijk-schema’s in overvloed aanwezig zijn, zijn aspirant-algo-handelaren beter gediend om bescheiden verwachtingen te hebben.

Het is duidelijk dat je een computer en een internetverbinding nodig hebt om een ​​algoritmische handelaar te worden. Daarna is een Microsoft Windows- of Mac-besturingssysteem nodig om MetaTrader 4 (MT4) uit te voeren, een elektronisch handelsplatform dat de MetaQuotes Language 4 (MQL4) gebruikt voor het coderen van handelsstrategieën. Hoewel MT4 niet de enige software is die je kunt gebruiken om een ​​robot te bouwen, heeft het een aantal belangrijke voordelen.

Een voordeel is dat, hoewel de belangrijkste activaklasse van MT4 deviezen (FX) is, het platform ook kan worden gebruikt om aandelen, aandelenindexen, grondstoffen en bitcoin te verhandelen met gebruikmaking van contract voor verschillen ( CFD’s ). Andere voordelen van het gebruik van MT4 (in tegenstelling tot andere platforms) zijn dat het gemakkelijk te leren is, talloze beschikbare FX-gegevensbronnen heeft en gratis is.

Algoritmische handelsstrategieën

Een van de eerste stappen bij het ontwikkelen van een algo-strategie is nadenken over enkele van de kernkenmerken die elke algoritmische handelsstrategie zou moeten hebben. De strategie moet marktvoorzichtig zijn in die zin dat ze fundamenteel gezond is vanuit een markt- en economisch standpunt. Ook moet het wiskundige model dat wordt gebruikt bij het ontwikkelen van de strategie gebaseerd zijn op degelijke statistische methoden.

Bepaal vervolgens welke informatie uw robot wil vastleggen. Om een ​​geautomatiseerde strategie te hebben, moet uw robot in staat zijn om identificeerbare, aanhoudende marktinefficiënties vast te leggen. Algoritmische handelsstrategieën volgen een rigide reeks regels die profiteren van marktgedrag, en het optreden van eenmalige marktinefficiëntie is niet voldoende om een ​​strategie rond te bouwen. Verder, als de oorzaak van de marktinefficiëntie niet identificeerbaar is, dan zal er geen manier zijn om te weten of het succes of falen van de strategie te wijten was aan toeval of niet.

Met het bovenstaande in gedachten, zijn er een aantal strategietypen om het ontwerp van uw algoritmische handelsrobot te informeren. Deze omvatten strategieën die profiteren van het volgende (of een combinatie daarvan):

  • Macro-economisch nieuws (bijv. Salarisadministratie buiten de boerderij of wijzigingen in rentetarieven)
  • Fundamentele analyse (bijv. Gebruik van omzetgegevens of release-opmerkingen over inkomsten)
  • Statistische analyse (bijv. Correlatie of co-integratie)
  • Technische analyse (bijv. Voortschrijdende gemiddelden)
  • De microstructuur van de markt (bijv. Arbitrage of handelsinfrastructuur)

Vooronderzoek richt zich op het ontwikkelen van een strategie die past bij uw eigen persoonlijke kenmerken. Factoren zoals persoonlijk risicoprofiel, tijdsbesteding en handelskapitaal zijn allemaal belangrijk om over na te denken bij het ontwikkelen van een strategie. U kunt dan beginnen met het identificeren van de aanhoudende marktinefficiënties die hierboven zijn genoemd. Nadat u een marktinefficiëntie heeft vastgesteld, kunt u beginnen met het coderen van een handelsrobot die geschikt is voor uw eigen persoonlijke kenmerken.

Backtesting en optimalisatie

Backtesting richt zich op het valideren van uw handelsrobot, waaronder het controleren van de code om er zeker van te zijn dat deze doet wat u wilt en om te begrijpen hoe de strategie presteert over verschillende tijdsbestekken, activaklassen of verschillende marktomstandigheden, vooral bij  evenementen van het type zwarte zwaan, zoals de 2007-2008 financiële crisis.

Nu u een robot hebt gecodeerd die werkt, maximaliseert u de prestaties en minimaliseert u de  overfitting. Om de prestaties te maximaliseren, moet u eerst een goede prestatiemaatstaf selecteren die zowel risico- en beloningselementen als consistentie (bijv. Sharpe-ratio ) weergeeft. Ondertussen treedt een overfitting bias op wanneer uw robot te nauw is gebaseerd op gegevens uit het verleden; Zo’n robot zal de illusie wekken van hoge prestaties, maar aangezien de toekomst nooit helemaal op het verleden lijkt, kan het zelfs mislukken.

Live uitvoering

U bent nu klaar om echt geld te gaan gebruiken. Afgezien van de voorbereiding op de emotionele ups en downs die u kunt ervaren, zijn er echter enkele technische problemen die moeten worden aangepakt. Deze problemen omvatten het selecteren van een geschikte makelaar en het implementeren van mechanismen om zowel marktrisico’s als operationele risico ‘s te beheren, zoals potentiële hackers en technologie-downtime.

Belangrijkste leerpunten

Voordat ze live gaan, kunnen traders veel leren door gesimuleerde handel, wat het proces is van het oefenen van een strategie met behulp van live marktgegevens, maar niet met echt geld.

Het is bij deze stap ook belangrijk om te controleren of de prestaties van de robot vergelijkbaar zijn met die in de testfase. Ten slotte is monitoring nodig om ervoor te zorgen dat de marktefficiëntie waarvoor de robot is ontworpen, nog steeds bestaat. 

Het komt neer op

Gezien het feit dat Richard Dennis, delegendarische handelaar in grondstoffen, een groep studenten zijn persoonlijke handelsstrategieën leerde die vervolgens in slechts vijf jaar tijd meer dan $ 175 miljoen verdienden, is het aannemelijk dat onervaren handelaren een strikte reeks richtlijnen leren ensuccesvol worden.  Hoewel er buitengewone voorbeelden bestaan, moeten aspirant-handelaren er zeker aan denken dat ze bescheiden verwachtingen hebben.

Liew benadrukt dat het belangrijkste onderdeel van algoritmische handel is “begrijpen onder welke soorten marktomstandigheden uw robot zal werken en wanneer hij kapot zal gaan” en “begrijpen wanneer hij moet ingrijpen.” Algoritmische handel kan lonend zijn, maar de sleutel tot succes is begrip; elke cursus of leraar die hoge beloningen belooft zonder voldoende begrip, zou een belangrijk waarschuwingssignaal moeten zijn om weg te blijven.

Related Posts