Как я научился Quant Trading

Обо мне

Я Quant с более чем 7-летним опытом торговли. За свою карьеру я торговал каждым активом, от Forex до опционов на акции и криптовалюты. Последние 4 года я увлекаюсь Алго. Трейдинг и добился в этом больших успехов. Теперь я больше сосредотачиваюсь на том, чтобы помогать трейдерам и объяснять им, как торговать, каковы рыночные ловушки и как управлять рисками.

Почему я хотел изучать Quant Trading

Причина, по которой я попал в Quant Trading, — мой наставник. Он также является трейдером Quant и торгует последние 20 лет. В то время, когда я заканчивал колледж, торгуя с использованием дискреционных методов, я был очень заинтригован концепцией алго-трейдинга и подходом, который использует Quant. По мере развития человека развивается и рынок, а рынок благоволит только тем, у кого есть преимущество на рынке. Количественная торговля дает вам преимущество, поскольку вы будете торговать по хорошо проверенной и не склонной к риску стратегии.

Как я подошел к изучению Quant Trading

Я большой поклонник питона. Мой путь в программировании начинается с C++, это отличный язык, который помогает вам изучать концепции лучше, чем любой другой язык, а также он очень быстрый. Я взломал глобальные конкурентные хакатоны, используя его. Но есть большая проблема с языком — время разработки. Python многофункционален, а время разработки кода стратегии очень мало по сравнению с C++.
Есть также много бесплатных библиотек Quant, доступных на python. Я разработал успешные стратегии для многих бирж, таких как Alpaca, Oanda, FXCM, Binance и Deribit …….

Проблемы, с которыми я столкнулся

Построение альф сложно. Я также использовал ML и DL в торговле и поверьте мне, что довольно легко перестроить вашу торговую стратегию, и когда вы применяете ее на реальном рынке, она проигрывает и проигрывает. Если у вас нет понимания рынка и стратегии, вполне нормально попасть в эти ловушки.
Чтобы преодолеть это, вы всегда должны разделить данные на две части. Первый предназначен для оптимизации, т. е. для выборочных данных, другой — для тестовых данных, т. е. для выборочных данных. Если стратегия работает хорошо в обоих случаях, то есть большая вероятность, что она продолжит хорошо работать в реальном окружении.

Основные выводы

Мне очень понравилась часть оптимизации стратегии и ее тестирование на реальном рынке. Иногда хорошая стратегия чувствует себя не так в реальной среде, и все, что вам нужно сделать, это добавить к ней логику. Рынки постоянно меняются, как и ваши методы.

Советы и советы

Я настоятельно рекомендую изучать Python, несмотря на то, что Matlab очень полезен и в Интернете есть отличные ресурсы. Я настоятельно рекомендую прочитать Intelligent Investor и другие книги по инвестированию.

Заключительные мысли и следующие шаги

По мере того, как я изучаю продвинутые концепции, меня больше интересует разработка моделей с использованием ИИ.