Análise de Cluster para Avaliar Estratégias de Negociação 1.1 CONTRIBUIÇÃO Jeff Bacidore Diretor Gerente de Negociação Algorítmica ITG Inc Kathryn Berkow Analista Quantitativo Algorithmic Trading ITG Inc Ben Polidore Diretor de Algorithmic Trading ITG Inc Nigam Saraiya Vice-Presidente de Algorithmic Trading, RESUMO Neste artigo, apresentamos uma nova metodologia para identificar empiricamente as estratégias primárias utilizadas por um profissional que utiliza apenas dados de preenchimento pós-negociação. Para isso, aplicamos Uma técnica de agrupamento estatístico bem estabelecida, chamada k-means, para uma amostra de gráficos de progresso, representando a porção da ordem completada por cada ponto do dia como uma medida de agressividade de um comércio. Nossa metodologia identifica as principais estratégias usadas por um trader e Determina qual estratégia o comerciante utilizou para cada encomenda na amostra Tendo identificado a estratégia utilizada para cada encomenda, tr A análise do desempenho do comerciante é um desafio porque os comerciantes muitas vezes variam as suas estratégias, dependendo do tipo de negócio, Os objetivos de cada comércio Por exemplo, quando as ordens são avaliadas para o aberto, os comerciantes podem front-load seus comércios, talvez executando uma grande parte do comércio no leilão de abertura Para encomendas maiores, mais impactantes, os comerciantes podem optar por negociar mais passivamente , Estendendo a ordem durante um período de tempo mais longo Idealmente, análise de custo de negociação TCA deve levar em conta a estratégia subjacente do comerciante Na realidade, fazê-lo é desafiador porque 1 é muitas vezes claro como caracterizar as estratégias subjacentes utilizadas pelo comerciante e 2 Mesmo que as estratégias fossem conhecidas, determinando que ordens se aplicam a qual estratégia pode ser difícil se i À luz destes desafios, uma abordagem comum para avaliar o desempenho do comerciante é agrupar negócios por algoritmo como um proxy para a estratégia subjacente do comerciante Se os comerciantes usam algoritmos específicos para atingir seus objetivos, por exemplo, usando Algoritmos Close Para os comércios benchmarked ao fim, algoritmos de VWAP para os negócios benched a VWAP, etc., esta aproximação faz o sentido porque o algoritmo é a estratégia. Entretanto, os comerciantes high-touch usam frequentemente algoritmos como táticas melhor que estratégias, alternando entre algoritmos diferentes dentro de uma ordem dada Como resultado, o algoritmo TCA por algoritmo 1, é a versão apresentada do seguinte artigo Análise de Cluster para Avaliar Estratégias de Negociação, Jeff Bacidore, Kathryn Berkow, Ben Polidore e Nigam Saraiya, The Journal of Trading Vol 7 No 3, 2012, Investor, Inc, que foi publicado na forma final em abs jot.2 2 não fornecer informações sobre a eficácia da estratégia híbrido do comerciante Egy Outra abordagem comumente usada para avaliar o desempenho do comerciante é avaliar seu desempenho no contexto da agressividade média. Por exemplo, pode-se olhar para o gráfico de progresso médio de um comerciante para ver como passiva ou agressivamente o comerciante tende a trabalhar ordens e avaliar o desempenho Por exemplo, a Figura 1 mostra o gráfico de progresso de preenchimento agregado para um único comerciante. Do gráfico, parece que a estratégia subjacente deste comerciante é VWAP No entanto, Na realidade, este comerciante pode ter usado estratégias múltiplas que se assemelham a VWAP no agregado, mesmo se o comerciante nunca alvejou realmente VWAP de dia cheio em uma única ordem Figura 1 Este é um exemplo do gráfico de progresso de preenchimento agregado para todas as ordens em um dataset de amostra O eixo horizontal representa o tempo de 9 30 AM 9 45 AM bin 1 a 3 45 PM 4 00 PM bin 26 o eixo vertical representa a percentagem da ordem concluída Anal Neste trabalho, apresentamos uma nova metodologia que nos permite identificar as principais estratégias de negociação usadas por um profissional e classificar cada uma das estratégias de negociação. Para fazer isso, primeiro criamos um gráfico de progresso para cada ordem e, em seguida, aplicamos uma metodologia de agrupamento estatístico bem estabelecida chamada k-means para identificar as estratégias primárias usadas para A metodologia k-means classifica cada ordem dentro de uma das estratégias, permitindo a análise por estratégia. Esta nova abordagem para identificar estratégias de negociação pode ser muito útil ao fazer TCA, especialmente para negociação com alto toque. Primeiro, nossa metodologia pode identificar o subjacente Estratégias utilizadas por cada comerciante Devido à sua natureza dinâmica, quaisquer novas estratégias utilizadas serão unco Em segundo lugar, para mesas com vários comerciantes, a nossa abordagem pode ser usado para relatar quais estratégias são usadas pela mesa como um todo e dividir a utilização da estratégia por trader Em terceiro lugar, este tipo de análise granular comerciante nível permite Em particular, esta análise não só identifica quais os comerciantes superaram, mas também ajuda a explicar por que eles superaram. Finalmente, uma vez que essas estratégias podem ser representadas graficamente , Podemos inferir o que o benchmark do trader pode ter sido para um determinado tipo de negociação. Por exemplo, para operações altamente carregadas frontalmente, o open pode ser o benchmark mais relevante, enquanto que para operações com back-load o preço de fechamento pode ser mais Como já foi referido, tudo isto pode ser feito empiricamente numa base pós-negociação, pelo que a nossa abordagem não exige que os operadores introduzam dados adicionais ou que os sistemas sejam adaptados Se uma nova estratégia de pós-negociação.3 3 METODOLOGIA Nossa metodologia utiliza a intuição de um gráfico de progresso ao caracterizar uma estratégia de negociação, mas aplica uma técnica de agrupamento comum chamada k-means para dividir a estratégia agregada em suas estratégias componentes da mesma forma que uma O prisma divide a luz em suas cores componentes como mostrado na Figura 2 O processo começa criando um gráfico de progresso para cada ordem Especificamente, para cada período de 15 minutos no dia de negociação 26 no total, ele calcula a fração cumulativa da ordem que foi concluída No final desse período, ou seja, o progresso da ordem naquele ponto A estratégia de negociação em si é representada pela coleção desses 26 pontos de progresso, um exemplo do qual é dado na Figura 1 Estes gráficos sempre começarão em 0 e terminam em 100, e irá aumentar à medida que nos movemos da esquerda para a direita ao longo do eixo x para representar o progresso de preenchimento cumulativo da ordem s ao longo do dia Então, aplicamos k-means para agrupá-los em k tradi Para entender como o k-means funciona intuitivamente, suponha que quebramos o dia de negociação em 3 caixas em vez de 26 bins Para cada ordem, determinamos a porcentagem Da ordem que estava completa no final de cada bin Por exemplo, suponha que o comerciante executou uma ordem de 10.000 partes executando 2000 ações em bin 1, 1000 ações em bin 2 e 7000 partes em bin 3 Nossa metodologia seria caracterizar esta ordem Como um gráfico de progresso com os valores 20, 30 e 100, para representar a porcentagem completa no final de cada bin Uma vez que todas as ordens são concluídas até o final do último compartimento, todas as ordens terão um valor de 100 no compartimento 3 Para Por isso, só precisamos olhar para o progresso no final dos dois primeiros compartimentos quando se tenta distinguir entre as estratégias. 2 Na Figura 3, traçamos uma amostra de ordens, onde cada ponto preto no gráfico representa uma ordem. Eixo representa t O percentual da ordem completada pelo final do escaninho 1 eo eixo y representa a porcentagem concluída pelo final do escaninho 2 No 2 Adicionando o terceiro compartimento onde todas as ordens assumem um valor de 100 para a metodologia k-means Não fornece qualquer informação útil para nos ajudar a diferenciar entre como as diferentes ordens foram negociadas. Assim, pode-se excluir o terceiro bin da metodologia k-means sem influenciar os resultados.4 4 exemplo da ordem de 10.000 ações acima, a ordem pode ser Representada graficamente como o ponto rotulado X na Figura 3A Uma vez que esta ordem foi completada na extremidade do compartimento 1 e 30 completada pelo final do compartimento 2, o ponto é representado com um valor de eixo x de 20 e um valor de eixo y Figura 3 Ilustração do algoritmo k-means Na Figura 3A, os pontos pretos são as observações existentes e classificadas. O triângulo da Figura 3B representa uma nova ordem que deve ser classificada, e os quadrados representam os centros dos dois clusters existentes. Setas mostram o distan Ce entre o novo ponto e os centros de clusters existentes O algoritmo classifica o novo ponto com o cluster cujo centro é a distância mais curta a partir dele Os quadrados pretos na Figura 3C representam os centros de cluster original O quadrado cinza é o centro atualizado do cluster com o Ordem adicional Olhando para a Figura 3A, há claramente dois grupos distintos de pontos um cluster no quadrante inferior esquerdo e outro no quadrante superior direito Intuitivamente, esses clusters representam as duas estratégias distintas que o comerciante utilizado O ex representa ordens que estão executando lentamente , Ou seja, aqueles que fizeram relativamente pouco progresso depois de bin 1 x eixo e bin 2 y axis Este último representa ordens que estão sendo executadas mais rapidamente, onde o progresso em ambos bin 1 e bin2 é significativamente maior Em duas dimensões com uma pequena quantidade De dados, pode-se fazer análise de cluster visualmente, como na Figura 3A Quando o conjunto de dados é grande ou o número de dimensões é maior, como é o caso Caso aqui onde poderíamos ter milhares de ordens cada dividido em 26 bins distintos, um deve confiar em técnicas estatísticas para gerenciar o clustering Isto é onde a metodologia k-means entra em jogo O algoritmo k-means começa por atribuir k centros de cluster inicial, que Pode ser especificado pelo usuário ou selecionado aleatoriamente pelo algoritmo Iterativamente, o algoritmo trabalha através da amostra, usando uma métrica de distância para atribuir cada observação para o mais próximo de cluster Figura 3B fornece um exemplo de uma iteração de k-meios Suponha que foram para adicionar Uma nova observação, representada pelo triângulo na Figura 3B K-means calcula a distância entre esse ponto e os dois centros de cluster existentes, representados pelos quadrados na Figura 3B, para determinar o cluster mais próximo. Uma vez que o triângulo está mais próximo do cluster esquerdo, K-means atribui-lo ao cluster esquerdo Com a adição de um novo ponto de dados, no entanto, k-means deve agora calcular um novo centro de cluster Figura 3C mostra o novo centro de cluster, represe O algoritmo pára Neste ponto, a saída contém informações sobre os k centros de cluster, que podem ser usados para caracterizar O grupo em si, bem como a atribuição de cada observação em um cluster 3 Em nossa aplicação específica, o ponto central de um grupo caracteriza o gráfico de progresso médio dessa estratégia e as atribuições indicam a estratégia que cada ordem mais se assemelha 3 Veja Johnson Wichern 2007 e MacQueen 1967 para uma discussão detalhada de k-means.5 EXEMPLO Para demonstrar a eficácia da metodologia, aplicamo-la a uma amostra de ordens enviadas a dois algoritmos diferentes em dois horizontes de negociação diferentes para determinar se pode identificar esses quatro diferentes Algoritmo-horizonte de negociação Combinações Especificamente, a amostra inclui tanto meio-dia e dia inteiro 4 ordens de mercado não-mantidas enviadas para Um VWAP ou falha de implementação IS algoritmo 5 entre 01 de janeiro de 2011 e 31 de setembro, limitamos nossa amostra para ordens superiores a quinhentas partes, garantindo ordens foram trabalhadas ao longo do tempo e não executado em uma fatia pelo algoritmo Sem contexto de estratégia, K-means identificou as quatro estratégias de negociação e ordens classificadas dentro deles com um alto grau de precisão Os resultados na Figura 4 mostram as estratégias de negociação identificadas na amostra que compõem o gráfico de progresso agregado semelhante a VWAP mostrado na Figura 1 A Figura 4A representa a meia - Figura 4B representa ordens de VWAP de dia inteiro, Figura 4C representa ordens de algo de SI começando antes de 9 40 AM e Figura 4D representa ordens de algo de meio-dia IS K-means foi capaz de classificar mais de 98 ordens corretamente Como mostrado Na Tabela 1, as ordens VWAP foram corretamente identificadas mais de 99 5 do tempo as ordens IS foram identificadas corretamente mais de 98 do tempo Portanto, k-means foi capaz de identificar corretamente o fo Figura 4 Estilos de negociação identificados a partir de dados de pós-negociação Exemplo de resultados para amostras de VWAP completo e de meio dia e ordens do tipo AI Tipo de ordem Accurary Meio-dia VWAP 99 73 Dia inteiro VWAP 99 54 Dia Inteiro IS 98 58 Meio Dia IS 98 19 Tabela 1 Precisão de k-meios na atribuição de ordens a estratégias APLICAÇÕES Esta metodologia pode ser usada para avaliar o desempenho do comerciante de várias maneiras Primeiro, k-means pode ser usado para identificar subjacentes Para este cliente, vemos três trajectórias de preenchimento distintas negociando na estratégia de fechamento A, estratégia de negociação com carga frontal B e negociação baseada em participação ao longo da estratégia do dia. C Outro Benefício de k-meios é a capacidade de descobrir estratégias menos dominantes utilizadas por um comerciante 4 Ordens consideradas dia cheio chegou antes de 9 40 ordens AM consideradas meio dia chegou entre 12 00 e 12 50 PM Todos VWAP o Especificamente, incluímos ordens enviadas ao Algoritmo Ativo ITG, um único algoritmo de déficit de implementação de estoque.6 Isso é evidenciado na Tabela 2, que mostra que apenas 5 De valor foi executado via estratégia C Aqui, k-meios descoberto uma estratégia de minoria que pode ter sido negligenciado em uma análise tradicional Em efeito, a nossa metodologia dá aos comerciantes a capacidade de experimentar com estratégias de negociação em tempo real sem ter que mudar seu fluxo de trabalho para Capturar qualquer informação de nível de estratégia 6 Figura 5 Operações de cliente hipotético agregadas ao longo do dia e agrupadas por estilo através de k-means Três estratégias de negociação distintas emergem dos dados Segundo, para mesas com múltiplos comerciantes, k-means podem ser usados para ajudar a caracterizar estratégias Por trader Os diagramas na Figura 6 mostram o uso de comerciantes das estratégias identificadas por k-means Por exemplo, podemos ver que Trader 1 é o usuário dominante da estratégia C, mas C compõe Usando os resultados de k-means, podemos relatar quantas vezes cada estratégia foi usada e entender os negócios que compõem cada estratégia por trader, fundo, tamanho de ordem, capitalização de mercado, período de tempo, condições de mercado ou qualquer combinação A Figura 5A Além dos padrões de uso, a saída de k-means permite avaliar os negócios de acordo com os padrões de referência apropriados, Identificar quais estratégias são mais bem-sucedidas Por que comparar todas as execuções com o benchmark próximo se 10 das ordens foram realmente carregadas pela frente e 5 negociadas em um algoritmo VWAP Os resultados k-means implicitamente fornecem sugestões sobre o benchmark que um determinado operador pode ter sido segmentado, Pode ajudar a avaliar melhor o desempenho Por exemplo, Trader 1 pode usar a estratégia A quando benchmarked para fechar, B quando benched para o aberto e C w A Tabela 2 indica que a estratégia A está funcionando bem em relação ao benchmark próximo, a estratégia B está funcionando bem em relação à chegada e está aberta ea estratégia C está se comportando bem com os benchmarks VWAP Estes resultados são intuitivos desde que os traders.7 7 provavelmente visam diferentes benchmarks Com diferentes estratégias A capacidade de inferir benchmarks é especialmente útil para os comerciantes cujos sistemas não permitem que as informações de referência fluam para as suas bases de dados pós-negociação Estratégia Opções Valor Chegada Fechar a Fechar Funcionalidades bps Anterior Fechar Dia VWAP A 10,334 46 B 17,957 49 C 3,940 5 Tabela Por fim, a nossa metodologia pode ajudar a avaliar o desempenho do comerciante no contexto das estratégias de negociação subjacentes Se um determinado operador é inferior ou superior ao dos seus pares, a nossa metodologia pode Ajudar a identificar as estratégias de condução seu desempenho relativo Por exemplo, se Trader 1 fortemente un Derperforms seus pares, pode ser devido a seu overuse da estratégia C, que a tabela 2 mostra é a estratégia a mais má do que a referência do custo pre-trade Mais geralmente, a tabela 2 mostra que estratégias fazem melhor de encontro a cada benchmark, implicitamente fazendo sugestões Para como executar negócios futuros CONCLUSÃO Neste artigo, fornecemos uma nova metodologia para identificar estratégias de negociação usando apenas dados pós-negociação Especificamente, aplicamos uma técnica estatística bem estabelecida chamada k-means para identificar as estratégias primárias usadas por um trader E classificar cada ordem em uma dessas estratégias Esta abordagem é particularmente útil, uma vez que não requer mudanças nos fluxos de trabalho ou nos sistemas de pós-negociação para capturar estratégias ou informações de referência. Uma vez que as estratégias subjacentes foram identificadas e as ordens classificadas, o TCA pode ser feito por Estratégia Análise por estratégia é crucial porque a escolha da estratégia pode muitas vezes ser o principal determinante do desempenho de um comerciante Visu As representações das estratégias subjacentes sugerem naturalmente o benchmark do trader, produzindo uma análise relevante e útil. Os resultados podem ser comunicados visual e numericamente, tornando-se uma ferramenta prática para qualquer trader.8 8 REFERÊNCIAS Johnson, RA e DW Wichern Applied Multivariate Statistical Analysis, Alguns Métodos para Classificação e Análise de Observações Multivariadas Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability, 1, Berkeley, CA Universidade da Califórnia Press 1967, Investment Technology Group, Inc Todos os direitos reservados Não devem ser reproduzidos ou retransmitidos sem permissão Produtos e serviços do corretor oferecidos pelo membro da ITG Inc FINRA, SIPC Estes materiais são apenas para fins informativos e não se destinam a serem usados para fins comerciais ou de investimento ou como oferta Vender ou a solicitação de uma oferta de compra de qualquer L produto As informações aqui contidas foram extraídas de serviços comerciais e estatísticos e de outras fontes que julgamos confiáveis, mas não acreditamos que tais informações sejam precisas ou completas e não devam ser consideradas como tais. Razoabilidade dos pressupostos ou da exactidão dos modelos ou dados de mercado utilizados pela ITG ou os resultados reais que podem ser alcançados Estes materiais não fornecem qualquer forma de aconselhamento de investimento, fiscal ou legal ITG Inc não é um conselheiro de investimento registrado e não fornece Aconselhamento de investimento ou recomendações para comprar ou vender valores mobiliários, contratar qualquer consultor de investimento ou prosseguir qualquer estratégia de investimento ou negociação As posições tomadas neste documento refletem o julgamento dos autores individuais e não são necessariamente as de ITG. forex rc group. jp Morgan forex probe. ex opções de dividendos trading. forex blog diretório. modeling sistema de negociação desempenho bandy pdf. forex em saket. forex notícias usd cad. xo tradin G system. sweden forex brokers. forex alta probabilidade setup. robot forex 2015 professional setting. best forex educação books. neuronales sistema de negociação erfahrungsberichte. pip definição forex. webinar forex indonesia. trading sinais options. diablo iii série de assinatura estratégia guia console version. cambio Euro dollaro forexpros. mb opções trading. binary opção trader jobs. momentum scalping trading strategy. fundamental análise forex books. forex negociação educação singapore.10 chaves para forex bem sucedido negociação forex trading. Um tempo real de clusterização e SVM previsão de precificação de preços para o comércio ideal Estratégia. Copyright 2013 Elsevier BV todos os direitos reservados. Subhabrata Choudhury está atualmente prosseguindo o seu Bacharelado de Tecnologia em Metalúrgica e Engenharia de Materiais no Instituto Indiano de Tecnologia Kharagpur, Índia e está no último ano Seu interesse atual investigação inclui Mineração de Dados, Investigação Operacional, Máquina Aprendizagem e suas aplicações em Finanças e Indústria Siderúrgica. Subhaj Yoti Ghosh é um estudante de terceiro ano de graduação no Instituto de Tecnologia indiana de Kharagpur, Índia matriculados no programa de dois anos de grau duplo B Tech e M Tech em Ocean Engenharia e Arquitetura Naval Sua pesquisa atual se concentra em Pesquisa Operacional, Mercados Financeiros e Scheduling. Arnab Bhattacharya é atualmente um candidato de PhD em Pesquisa de Operações na Universidade de Pittsburgh, EUA Ele completou o programa de dupla graduação de cinco anos B Tech e M Tech em Engenharia e Gestão Industrial no Instituto Indiano de Tecnologia Kharagpur, Índia em 2011 Suas áreas de pesquisa incluem Pesquisa de Operações e Mineração de Dados. Kiran Jude Fernandes é o Diretor de Pesquisa e Chefe do Grupo de Gerenciamento de Operações na Escola de Gestão de York, Reino Unido. Ele também é um dos Investigadores Principais do Centro de Análise de Sistemas Complexos York YCCSA interdisciplinar. Sistemas da Universidade de Warwick um mestrado MS do James Worth Bagley College De Engenharia na Mississippi State University MSU e um Bacharelado em Engenharia Hons grau em Produção da Waltech Sua investigação centra-se na modelagem de complexo social e negócios domínios usando um sistema complexo perspective. Manoj Kumar Tiwari é um professor no Departamento de Engenharia Industrial e Gestão em Instituto Indiano de Tecnologia Kharagpur, Índia Ele é um editor associado de revistas que incluem IEEE Transactions em SMC Parte A Sistemas e Humanos, International Journal of System Science Jornal de Decision Support System Ele tem mais de 200 publicações em várias revistas e conferências internacionais Sua pesquisa Os interesses são modelos de suporte à decisão, planejamento, programação e problemas de controle do sistema de fabricação, rede de cadeia de suprimentos.
No comments:
Post a Comment