Har du någonsin velat bli en algoritmisk näringsidkare med förmågan att koda din egen handelsrobot? Och ändå är du frustrerad med mängden oorganiserad, vilseledande information och falska löften om övernattningens välstånd? Jo, Lucas Liew, skapare av den online algoritmiska handelskursen AlgoTrading101, kan ha lösningen för dig. Efter att ha utmärkta recensioner och garnering över 8 000 studenter sedan lanseringen i oktober 2014 visade Liews kurs, som syftar till att presentera grunden för algoritmisk handel på ett organiserat sätt, att vara ganska populär. Han är fast över det faktum att algoritmisk handel är "inte ett snabbt rikssystem. "Med hjälp av insikter från Liew och hans kurs, beskrivs nedan är grunderna för vad som krävs för att designa, bygga och underhålla din egen algoritmiska handelsrobot.

Vad en algoritmisk handelsrobot är och gör

På en mycket grundläggande nivå är en algoritmisk handelsrobot en datorkod som har förmågan att generera och genomföra köp och sälja signaler på finansmarknaderna. Huvudkomponenterna hos en sådan robot inkluderar inmatningsregler som anger när man ska köpa eller sälja, lämna regler som anger när man ska stänga den nuvarande positionen och positioneringsregler som bestämmer kvantiteterna att köpa eller sälja. (För mer, se: Grunderna för algoritmisk handel: Begrepp och exempel .)

Huvudverktyg

Självklart behöver du en dator och en Internetanslutning. Därefter behövs ett Windows eller Mac-operativsystem för att köra MetaTrader 4 (MT4) - en elektronisk handelsplattform som använder MetaQuotes Language 4 (MQL4) för kodning av handelsstrategier. Även om MT4 inte är den enda mjukvaran man kan använda för att bygga en robot har den ett antal betydande fördelar.

Med MT4: s huvudsakliga tillgångsklass är valutamarknaden (FX) kan plattformen användas för att handla aktier, aktieindex, råvaror och bitcoins som använder CFD. Andra fördelar med att använda MT4 i motsats till andra plattformar är att vara lätt att lära, har många tillgängliga FX datakällor och det är gratis. Tyvärr tillåter MT4 inte direkt handel på aktie- och terminsmarknader, och det kan vara tungt att utföra statistisk analys. MS Excel kan dock användas som ett kompletterande statistiskt verktyg.

Algoritmiska handelsstrategier

Det är viktigt att börja med att reflektera över några kärnegenskaper som varje algoritmisk handelsstrategi borde ha. Strategin bör vara marknadskonsoliderad eftersom den är fundamentalt sund ur marknads- och ekonomisk synvinkel. Den matematiska modellen som används för att utveckla strategin bör också baseras på goda statistiska metoder.

Därefter är det viktigt att bestämma vilken information din robot syftar till att fånga. För att kunna ha en automatiserad strategi måste din robot kunna fånga identifierbara, bestående ineffektivitet på marknaden.Algoritmiska handelsstrategier följer en rigid uppsättning regler som utnyttjar marknadsbeteende och därmed är det inte tillräckligt med en engangsmarknadseffektivitet att bygga en strategi runt. Om orsaken till ineffektiviteten på marknaden inte är identifierbar kommer det inte att finnas något sätt att veta om strategins framgång eller misslyckande berodde på chans eller inte.

Med ovanstående är det ett antal strategityper att informera utformningen av din algoritmiska handelsrobot. Dessa inkluderar strategier som utnyttjar (i) makroekonomiska nyheter (t ex löneförändringar för icke-jordbruksföretag eller ränteförändringar). (ii) grundläggande analys (t.ex. användande av intäktsdata eller noteringsnoteringar) (iii) statistisk analys (t.ex. korrelation eller samordning); iv) teknisk analys (t.ex. glidande medelvärden) (v) Marknadsmikrostrukturen (t.ex. arbitrage eller handelsinfrastruktur); eller (vi) någon kombination av ovanstående. Utforma och testa din robot Det finns i huvudsak fyra steg som behövs för att bygga och hantera en handelsrobot:

Preliminär forskning < : Detta steg fokuserar på att utveckla en strategi som passar dina egna personliga egenskaper. Faktorer som personlig riskprofil, tidsinsats och handelskapital är alla viktiga att tänka på när man utvecklar en strategi. Du kan då börja identifiera de ihållande marknadseffektiviteterna som nämns ovan. Efter att ha identifierat en ineffektivitet på marknaden kan du börja koda en handelsrobot som passar dina egna personliga egenskaper.

Backtesting

: Detta steg fokuserar på att validera din handelsrobot. Detta inkluderar att kontrollera koden för att försäkra sig om att det gör vad du vill och förstå hur det fungerar över olika tidsramar, tillgångsklasser eller olika marknadsförhållanden, speciellt i händelser av svarta svanartyper som den globala finansiella krisen 2008. Optimering

: Så nu har du kodat en robot som fungerar och i detta skede vill du maximera prestanda samtidigt som du minimerar överfasningsförspänning. För att maximera prestanda måste du först välja en bra prestationsåtgärd som tar hänsyn till risker och belöningselement, liksom konsistens (t.ex. Sharpe-förhållandet). Överfitting bias uppstår när din robot är för nära baserad på tidigare data; En sådan robot kommer att ge illusionen av hög prestanda, men eftersom framtiden aldrig liknar det förflutna kan det faktiskt misslyckas. Live Execution

: Du är nu redo att börja använda riktiga pengar. Men förutom att du är beredd på de känslomässiga upp- och nedgångar som du kan uppleva, finns det några tekniska problem som behöver åtgärdas. Dessa problem inkluderar att välja en lämplig mäklare och implementera mekanismer för att hantera både marknadsrisker och operativa risker som potentiella hackare och teknikstopp. Det är också viktigt vid detta steg att verifiera att robotens prestanda liknar den som upplevdes i teststeget. Slutligen behövs kontinuerlig övervakning för att säkerställa att marknadseffektiviteten som roboten konstruerades fortfarande existerar.(För mer, se: Hur handelsalgoritmer skapas

.) Bottom Line Med tanke på att Richard Dennis, den legendariska handelsföretagen, lärde en grupp studenter sina personliga handelsstrategier som gick på att tjäna över 175 miljoner dollar på bara fem år är det helt möjligt för oerfarna handlare att lära sig en strikt uppsättning riktlinjer och bli framgångsrika näringsidkare. Detta är dock ett extraordinärt exempel och nybörjare bör definitivt komma ihåg att ha blygsamma förväntningar. För att lyckas är det viktigt att inte bara följa en uppsättning riktlinjer utan förstå hur dessa riktlinjer fungerar. Liew betonar att den viktigaste delen av algoritmisk handel är att "förstå under vilka typer av marknadsförhållanden din robot kommer att fungera och när det kommer att bryta ner" och "förstå när man ska ingripa. "Algoritmisk handel kan vara givande men nyckeln till framgång är förståelse. Varje kurs eller lärare som lovar höga belöningar med minimal förståelse bör vara ett viktigt varningsskylt.