Erfolgreiche Backtesting Of Algorithmische Handelsstrategien , Teil 2

Erfolgreiche Backtesting Of Algorithmische Handelsstrategien, Teil 2 28. Juli 2014 05.00 Uhr 3 Kommentare Ansichten: 994 Im ersten Artikel über erfolgreiche Backtesting diskutierten wir statistische und Verhaltensmuster, die unsere Backtest Leistung auswirken. Wir erörterten auch Software-Pakete für das Backtesting, einschließlich Excel, MATLAB, Python, R und C ++. In diesem Artikel werden wir prüfen, wie Transaktionskosten, sowie bestimmte Entscheidungen, die bei der Erstellung eines Backtest-Engine vorgenommen werden müssen, wie zum Beispiel Auftragsarten und die Häufigkeit der Daten übernehmen. Transaktionskosten Eine der am häufigsten Anfängerfehler bei der Umsetzung von Handelsmodellen ist zu vernachlässigen (oder grob unterschätzt) die Auswirkungen von Transaktionskosten zu einer Strategie. Obwohl es wird oft angenommen, dass die Transaktionskosten nur Maklerprovisionen zu reflektieren, es gibt in der Tat viele andere Möglichkeiten, die Kosten auf einem Handelsmodell abgegrenzt werden. Die drei wichtigsten Arten von Kosten, die berücksichtigt werden müssen, sind: Provisionen / Gebühren Der direkteste Form von einer algorithmischen Handelsstrategie angefallenen Transaktionskosten werden Provisionen und Gebühren. Alle Strategien erfordern eine Form der Zugang zu einem Austausch, entweder direkt oder über einen Vermittler Brokerage (der Vermittler). Diese Dienstleistungen unterliegen einem zusätzlichen Kosten mit jedem Handel, als Kommission bekannt. Makler in der Regel bieten viele Dienstleistungen zwar quantitativen Algorithmen nur dann wirklich Gebrauch der Exchange-Infrastruktur zu machen. Daher Maklerprovisionen sind oft klein auf pro Trade Basis. Brokers laden auch Gebühren, die anfallenden Kosten zu klären und beizulegen Trades sind. Im Anschluss an diese sind Steuern, die von regionalen oder nationalen Regierungen auferlegt. Zum Beispiel in Großbritannien gibt es eine Stempelsteuer auf Aktientransaktionen zu zahlen. Da Provisionen, Gebühren und Steuern sind in der Regel festgelegt ist, sind sie relativ einfach, in einem Backtest-Engine zu implementieren (siehe unten). Schlupf / Latency Schlupf ist die Differenz zwischen der Zeit, wenn ein Handelssystem entscheidet, abzuwickeln und dem Zeitpunkt, wenn eine Transaktion tatsächlich zu einem Wechselgeführt erreicht Preis. Schlupf ist ein erheblicher Bestandteil der Transaktionskosten und kann den Unterschied zwischen einem sehr profitablen Strategie und eine, die schlecht durchführt werden. Schlupf ist eine Funktion des Basiswerts Volatilität, wobei die Latenz zwischen dem Handelssystem und den Austausch und die Art der Strategie durchgeführt. Ein Instrument mit einer höheren Volatilität ist eher zu bewegen und so die Preise zwischen Signal und Ausführung wesentlich abweichen. Latenzzeit wird als Zeitdifferenz zwischen Signalerzeugung und Punkt der Ausführung definiert. Höhere Frequenz Strategien sind empfindlicher gegenüber Latenzprobleme und Verbesserungen der Millisekunden auf dieser Latenzzeit kann den Unterschied in Richtung Profitabilität zu machen. Die Art der Strategie ist ebenfalls wichtig. Momentum Systeme leiden mehr von Schlupf im Durchschnitt, weil sie versuchen, Instrumente, die bereits in der Prognose Richtung bewegt werden zu erwerben. Das Gegenteil gilt für die mittlere Rückgriff Strategien wie diese Strategien sind in einer Richtung entgegen der Handel bewegt. Market Impact / Liquiditäts Auswirkungen auf den Markt sind die Kosten für Händler entstehen aufgrund der Angebots - / Nachfragedynamik der Austausch (und Asset), durch die sie versuchen, den Handel. Ein Großauftrag auf einem relativ illiquide Vermögenswertes Wahrscheinlichkeit auf den Markt wesentlich zu bewegen, wie der Handel müssen einen großen Anteil des Stromversorgungs zuzugreifen. Um dem entgegenzuwirken, werden große Block Trades in kleinere Stücke, die periodisch abgewickelt werden, wie und wann neue Liquidität kommt zu dem Austausch gebrochen. Am entgegengesetzten Ende, für hochliquide Instrumente wie das SP500 E-Mini-Index-Futures-Kontrakt, sind geringer Lautstärke Trades unwahrscheinlich, um den aktuellen Preis in jeder großen Betrag an. Illiquider Vermögenswerte von einer größeren Ausbreitung gekennzeichnet. das ist die Differenz zwischen der aktuellen Geld - und Briefkurse am Limit Orderbuch. Dieser Spread ist eine zusätzliche Transaktionskosten mit jedem Handel verbunden. Spread ist ein sehr wichtiger Bestandteil des gesamten Transaktionskosten, die der Vielzahl von Großbritannien Spread-Wetten Unternehmen, deren Werbekampagnen drücken die Dichtheit ihrer Spreads für gehandelten Instrumenten belegt. Transaktionskostenmodelle Um die oben genannten Kosten in einer Rückvergleiche System erfolgreich Modell, verschiedene Grade der komplexen Transaktionsmodelle eingeführt. Sie reichen von einfachen Flach Modellierung bis hin zu einer nicht-linearen quadratische Näherung. Hier werden wir die Vor - und Nachteile der einzelnen Modelle zu skizzieren: Wohnung / Festtransaktionskostenmodelle Wohnung Transaktionskosten sind die einfachste Form von Transaktionskostenmodellierung. Sie übernehmen eine feste Kosten, die mit jedem Handel verbunden. Daher am besten repräsentieren sie das Konzept der Maklerprovisionen und Gebühren. Sie sind nicht sehr genau für die Modellierung komplexer Verhaltensweisen wie Rutschen oder Auswirkungen auf den Markt. In der Tat, sie nicht der Ansicht, Asset Volatilität oder Liquidität überhaupt. Ihr Hauptvorteil ist, dass sie rechnerisch einfach zu implementieren. Allerdings sind sie wahrscheinlich erheblich über oder unter Schätzung der Transaktionskosten in Abhängigkeit von der Strategie, die verwendet wird. So werden sie in der Praxis selten verwendet. Linear / stückweise lineare / quadratische Transaktionskostenmodelle Fortgeschrittenere Transaktionskostenmodellen beginnen mit lineare Modelle, fahren Sie mit stückweise lineare Modelle und schließen mit quadratischen Modellen. Sie liegen auf einem Spektrum von mindestens genauesten, wenn auch mindestens zum größten Implementierungsaufwand. Seit Schlupf und Auswirkungen auf den Markt sind von Natur aus nicht-lineare Phänomene quadratische Funktionen sind die genauesten am Modellierung dieser Dynamik. Quadratische Transaktionskostenmodelle sind viel schwieriger zu implementieren und kann weit länger dauern, um zu berechnen als für einfachere flach oder lineare Modelle, aber sie sind oft in der Praxis eingesetzt. Algorithmic Trader versuchen auch, nutzen tatsächlichen historischen Transaktionskosten für ihre Strategien als Eingänge zu ihrem aktuellen Transaktionsmodelle ihnen genauer zu machen. Das ist heikel und grenzt an den komplizierten Bereichen des Modellbaus Volatilität, Schlupf und Auswirkungen auf den Markt oft. Allerdings, wenn die Handelsstrategie ist die Abwicklung großer Volumina über kurze Zeiträume, dann genaue Schätzungen der angefallenen Transaktionskosten können einen erheblichen Einfluss auf die Strategie unter dem Strich haben und so ist es der Mühe wert, in der Erforschung dieser Modelle investieren. Implementierungsfragen Strategie Backtest Während die Transaktionskosten sind ein sehr wichtiger Aspekt der erfolgreichen Backtesting-Implementierungen, es gibt viele andere Fragen, die Strategie, die Leistung beeinträchtigen können. Handel Auftragsarten Eine Wahl, die eine algorithmische Händler muss machen, ist, wie und wann die Verwendung der verschiedenen Umtauschaufträge zur Verfügung zu stellen. Diese Wahl fällt in der Regel in den Bereich der Ablaufsystem, aber wir werden es prüfen, hier, da es stark Strategie Backtest Leistung auswirken. Es gibt zwei Arten der Ordnung, die durchgeführt werden können: Market Orders und Limit Orders. Eine Market Order führt eine Handels sofort unabhängig von verfügbaren Preisen. So große Geschäfte wie Market Orders ausgeführt werden oft eine Mischung aus Preise jede nachfolgende Limit Order auf der Gegenseite gefüllt ist. Market Orders werden als aggressive Bestellungen, da sie fast sicher gefüllt werden, wenn auch mit einer potentiell unbekannte Kosten. Limitierte Aufträge stellen einen Mechanismus für die Strategie, das Schlimmste zu Preis, zu dem der Handel ausgeführt werden sollen, mit dem Vorbehalt, dass der Handel möglicherweise nicht ganz oder teilweise gefüllt bekommen zu bestimmen. Limit-Orders werden als passive Aufträge da sie oft unbesetzt, aber wenn sie ein Preis ist garantiert. Eine individuelle Austausch Sammlung von Limit-Orders als Orderbuch bekannt. die im Wesentlichen eine Warteschlange von Kauf - und Verkaufsaufträge an bestimmten Größen und Preise. Beim Backtesting, gilt es, die Auswirkungen der Verwendung Markt oder Limit-Orders richtig zu modellieren. Für Hochfrequenz-Strategien kann insbesondere Backtests deutlich stärker als Live-Trading, wenn die Auswirkungen der Marktauswirkungen und dem Orderbuch sind nicht genau modelliert. OHLC Daten Idiosyncrasies Es gibt bestimmte Fragen zu Backtesting-Strategien im Zusammenhang, wenn die Nutzung von Tagesdaten in Form von Open-High-Low-Close (OHLC) Zahlen, vor allem für Aktien. Beachten Sie, dass dies genau die Form von Daten, die von Yahoo Finance, die eine sehr häufige Quelle von Daten für den Einzelhandel algorithmische Händler ist gegeben! Billige oder kostenlose Datenmengen, während die unter Survivor Bias (die wir bereits in Teil I beschrieben), sind oft auch Verbundpreis-Feeds aus mehreren Börsen. Dies bedeutet, dass die Extrempunkte (dh das Öffnen, Schließen, hoch und niedrig) der Daten sind sehr anfällig für Ausreißer aufgrund von kleinen Bestellungen bei Regionalbörsen. Weiterhin sind diese Werte auch manchmal eher zu werden tick-Fehler, die noch nicht aus dem Datensatz entfernt werden. Dies bedeutet, dass, wenn Ihr Trading-Strategie macht ausgiebig Gebrauch von einem der OHLC Punkten gesagt, kann Backtest Leistung von Live-Performance unterscheiden Aufträge möglicherweise verschiedenen Börsen in Abhängigkeit von Ihrem Broker und Ihre verfügbaren Zugang zu Liquidität geführt werden. Die einzige Möglichkeit, diese Probleme zu lösen, ist die Verwendung von höheren Frequenzdaten vornehmen oder Daten zu erhalten, direkt von einer einzelnen Wechsel selbst, anstatt einem günstigeren Verbund Feed. Wir werden in den nächsten Artikeln berücksichtigen Performance-Messung der Backtest sowie ein reales Beispiel eines Backtesting-Algorithmus, mit vielen der oben genannten Effekte enthalten. - Von Michael Hallen-Moore von QuantStart.