Eine Einführung in die algorithmische Handel: Basic to Advanced Strategies (Wiley Trading) Autor. Datum: 04 Dec 2011, Ansichten: 2011 ISBN: 0470689544 538 Seiten PDF 1 MB Algorithmische Handel wird zur Industrie Lebensnerv - es ist billiger, schneller und einfacher zu kontrollieren als Standard-Handel und ermöglicht es Ihnen, den Markt vor - Mathe in Echtzeit. Wir sind nicht mehr durch menschliche Bandbreite begrenzt, aber die Industrie ist geheimnisvoll mit wenigen bereit, die Geheimnisse ihres Erfolges zu teilen. Eine Einführung in Algorithmic Trading ist eine einführende Anleitung zu diesem sehr beliebten Gebiet. Es beginnt mit demystifying dieses komplexe Thema und bietet Lesern mit spezifischen und nutzbaren algorithmischen Handel Wissen. Es skizziert die aktuellen Handelsalgorithmen, die Grundlagen ihres Designs, das, was sie sind, wie sie funktionieren, wie sie verwendet werden, ihre Stärken, ihre Schwächen, wo die Branche jetzt und wo sie hingeht. Das Buch enthält dann einen Abschnitt, der die Auswahl der Aktien beschreibt, die an der NASDAQ und der New York Stock Exchange gehandelt werden sollen, sowie Analysen und Metriken, die zur Optimierung der Handelsergebnisse verwendet werden - und für den abenteuerlustigeren Leser einen Abschnitt über die Gestaltung von Handelsalgorithmen. Schließlich zeigen die Autoren eine Auswahl von detaillierten proprietären und noch nie zuvor gesehenen Algorithmen, die ausschließlich für die Nutzung durch einzelne Trader bestimmt sind, um ihre eigenen Konten zu handeln. Diese Algorithmen wurden von den Autoren entwickelt und verwendet und werden hier zum ersten Mal veröffentlicht. Dies ist ein ideales Buch für die Leser, die an dem Verständnis und der Nutzung der Macht der algorithmischen Handelssysteme interessiert sind, und wird von einer CD-ROM begleitet, die eine schnelle Hand auf dem Weg zur Erforschung der Macht des algorithmischen Handels auf Handel NASDAQ und NYSE Aktien bietet. Copyright Disclaimer: Diese Seite speichert keine Dateien auf ihrem Server. Wir verweisen nur auf Inhalte, die von anderen Seiten bereitgestellt werden. Bitte setzen Sie sich mit den Inhaltsanbietern in Verbindung, um urheberrechtlich geschützte Inhalte zu löschen, wenn möglich, und senden Sie uns eine E-Mail, um relevante Links oder Inhalte sofort zu entfernen. Machine Learning angewendet auf Real World Quant Strategies Endlich. Implementieren fortgeschrittene Handelsstrategien mit Zeitreihenanalyse. Maschinelles Lernen und Bayes-Statistik mit den Open-Source-R - und Python-Programmiersprachen für direkte, umsetzbare Ergebnisse Ihrer Strategie-Rentabilität. Im sicheres youve beachtet die übersättigung der Anfänger-Python-Tutorials und statsmachine Lernenreferenzen, die auf dem Internet vorhanden sind. Nur wenige Tutorials tatsächlich Ihnen sagen, wie man sie auf Ihre algorithmischen Handelsstrategien in einer End-to-End-Mode anzuwenden. Es gibt Hunderte von Lehrbüchern, Forschungsarbeiten, Blogs und Forenbeiträgen zur Zeitreihenanalyse, Ökonometrie, maschinelles Lernen und Bayessche Statistik. Fast alle von ihnen konzentrieren sich auf die Theorie. Was ist mit der praktischen Umsetzung Wie verwenden Sie diese Methode für Ihre Strategie Wie programmieren Sie diese Formel in Software Ive geschrieben Advanced Algorithmic Trading, um diese Probleme zu lösen. Es bietet eine reale Anwendung der Zeitreihenanalyse, des statistischen maschinellen Lernens und der Bayes'schen Statistik, um direkt profitabel handelnde Strategien mit frei verfügbarer Open Source Software zu produzieren. Youre glücklich mit Basic-Programmierung, sondern wollen Ihre Fähigkeiten anwenden, um mehr Fortgeschrittene Quant Trading Wenn youve mein Buch lesen, erfolgreiche Algorithmic Trading. Haben Sie eine Chance gehabt, einige grundlegende Python-Fähigkeiten zu lernen und sie auf einfache Handelsstrategien anwenden. Allerdings haben Sie über einfache Strategien gewachsen und wollen beginnen, Ihre Rentabilität zu verbessern und einige robuste, professionelle Risikomanagement-Techniken, um Ihr Portfolio einzuführen. Im fortgeschrittenen algorithmischen Handel nehmen wir einen genaueren Blick auf einige der populärsten Quant-Finanzbibliotheken für Python und R, einschließlich Pandas. Scikit-lernen. Statsmodels Zeitfolgen . Rugarch und Prognose unter vielen anderen. Wir werden diese Bibliotheken nutzen, um eine Vielzahl von Methoden in den Bereichen Bayes'sche Statistik, Zeitreihenanalyse und maschinelles Lernen zu betrachten und diese Methoden direkt in der Strategieforschung zu verwenden. Wir wenden diese Bibliotheken in einem end-to-end vectorized Backtesting und Risikomanagement Szenario an. So dass Sie problemlos in Ihre aktuelle Handels-Infrastruktur. Keine Notwendigkeit für teure Off-The-Shelf Quant Software Sie können eine Menge Geld ausgegeben haben einige anspruchsvolle Backtesting-Tools in der Vergangenheit und letztlich fand sie schwer zu bedienen und nicht relevant für Ihren Stil der quant trading. Advanced Algorithmic Trading nutzt vollständig freie Open-Source-Software, einschließlich Python - und R-Bibliotheken, die sachkundige und freundliche Communities hinter sich haben. Noch wichtiger ist, dass wir diese Bibliotheken direkt auf echte Handelsprobleme wie Alpha-Generierung und Portfolio-Risikomanagement anwenden. Aber ich habe nicht ein PhD in den Statistiken. Während das maschinelle Lernen, die Zeitreihenanalyse und die Bayes'sche Statistik quantitative Themen sind, enthalten sie auch eine Fülle von intuitiven Methoden, von denen viele ohne Rückgriff auf fortgeschrittene Mathematik erklärt werden können. In Advanced Algorithmic Trading haben wir nicht nur die Theorie, um Ihnen zu verstehen, was youre Umsetzung (und verbessern Sie es selbst), sondern auch detaillierte Schritt-für-Schritt-Codierung Tutorials, die die Gleichungen zu nehmen und direkt anwenden, um echte Strategien. So, wenn youre viel bequemer Kodierung als mit Mathematik, können Sie leicht folgen Sie den Snippets und beginnen Sie arbeiten, um Ihre Strategie Rentabilität zu verbessern. Über den Autor Also, die hinter diesem Hallo Mein Name ist Mike Halls-Moore und Im der Kerl hinter QuantStart und die Advanced Algorithmic Trading-Paket. Seitdem ich als quantitativer Trading-Entwickler in einem Hedgefonds arbeite, bin ich begeistert von der quantitativen Handelsforschung und - umsetzung. Ich begann die QuantStart-Community und schrieb Advanced Algorithmic Trading, um praktizierende Retail-Quants den Methoden der quantitativen Hedgefonds und Asset Management-Firmen auszusetzen. Welche Themen sind im Buch enthalten Zeitreihenanalyse Youll erhalten eine komplette Anfänger-Anleitung zur Zeitreihenanalyse, einschließlich Asset Returns Eigenschaften, serielle Korrelation, die weißen Rauschen und zufällige Walk-Modelle. Zeitreihenmodelle Ill liefern eine gründliche Diskussion der Autoregressive Moving Average (ARMA) und Autoregressive Conditional Heteroskedastic (ARCH) Modelle unter Verwendung der R statistischen Umgebung. Cointegrierte Zeitreihen Wir werden die Diskussion über kointegrierte Zeitreihen von Successful Algorithmic Trading fortsetzen und den Johansen-Test betrachten und ihn auf ETFs Strategien anwenden. Youll finden Sie eine eingehende Diskussion über State-Space-Modelle wie die Kalman-Filter und die Hidden-Markov-Modell, wie auf den quantitativen Handel angewendet. High Frequency Data Youll eine Einführung in den Handel mit höheren Frequenzen und eine eingehende Blick auf Markt-Mikrostruktur in den Aktien-und Forex-Märkten. Nun entdecken Sie genau, was statistische Maschinelles Lernen ist, einschließlich überwachtes und unüberwachtes Lernen, und wie sie uns helfen können, profitable systematische Handelsstrategien zu produzieren. Der Bias-Variance Tradeoff Ich spreche von einem der wichtigsten Konzepte des Maschinellen Lernens, nämlich dem Bias-Varianz-Trade-Off, und wie wir seine Effekte durch Cross-Validierung minimieren können. Ich bespreche eines der vielseitigsten ML-Modellfamilien, nämlich die Entscheidungsbaum-, Random-Wald - und Boosted-Tree-Modelle, und wie wir sie anwenden können, um Asset-Returns vorherzusagen. Gut besprechen Sie die Familie der Support Vector Classifiers, einschließlich der Support Vector Machine, und wie können wir es auf finanzielle Daten-Serie. Natural Language Processing Gut besprechen Stimmung Analyse und wie können wir Trading-Strategien der natürlichen Sprache Daten mit Clustering und Cosinus Ähnlichkeit zu bauen. Ill erklären, wie Sie unüberwachten Lerntechniken wie PCA, K-Means Clustering und NMF auf große Datenmengen anwenden können, um sie leichter zu analysieren. Ill bieten eine vollständige Einführung in Bayesian Schlussfolgerung in der Wahrscheinlichkeit und warum es uns einen riesigen Vorteil, wenn die Umsetzung fortgeschrittener Modelle. Markov-Kette Monte Carlo Youll lernt mehr über MCMC, einschließlich Gibbs Sampling und Metropolis-Hastings, dem Hauptalgorithmus für die Probenahme in Bayes'schen Statistiken unter Verwendung der PyMC3-Software. Nun definieren und diskutieren Bayesian Networks, eine Art von grafischen Wahrscheinlichkeitsmodell. Wenden Sie Bayes Nets auf unser Portfolio an. Ill eine Einführung in diese neue, aber spannende, Bereich der Statistik und Handel, wo wir Bayes-Methoden, um Ökonometrie Daten. Welche technischen Fertigkeiten werden Sie lernen? R: Zeitreihenanalyse Sie werden in R eingeführt, einer der am häufigsten genutzten Forschungsumgebungen in quantitativen Hedgefonds und Vermögensverwaltern. Wir nutzen viele Bibliotheken einschließlich Zeitschriften. Rugarch und Prognose. Wir werden R und Python verwenden, um unsere Strategie-Performance im Laufe der Zeit abzuschätzen, so dass wir Strategieabklingkurven erzeugen können. Dies wird dazu beitragen, festzustellen, ob eine Strategie im Ruhestand oder noch lebensfähig und rentabel sein muss. Wir werden tiefer in die erweiterten Funktionen von scikit-lernen. Pythons ML-Bibliothek, einschließlich der Parameter-Optimierung, Cross-Validierung, Parallelisierung und produzieren anspruchsvolle Vorhersagemodelle. Erstellung effizienter vektorisierter Backtests für die Vorforschung mit realistischen Transaktionskostenannahmen. Mit R und Pandas, ohne die Notwendigkeit, ein volles ereignisgesteuertes System zu implementieren. Wir stellen PyMC3 vor. Das flexible Bayes'sche Modellierungswerkzeug und Markov Chain Monte Carlo Sampler, die uns helfen, eine effektive Bayessche Inferenz für unsere Risikomanagementinfrastruktur und Handelsstrategien durchzuführen. Wir werden unsere Risikomanagement-Diskussion aus früheren Büchern fortsetzen und auf Regime-Erkennung und stochastische Volatilität als ein Mittel zur Ermittlung unserer Risikostufe und Portfolioverteilung eingehen. Welche Trading - und Risk-Management-Strategien werden implementiert? Wir betrachten ein lineares Zeitreihenmodell auf Basis des ARIMAGARCH-Modells auf einer Reihe von Aktienindexindizes und sehen, wie sich die Performance der Strategie im Laufe der Zeit ändert. Kalman-Filter für Paare-Handel Wir wenden den Bayesschen Kalman-Filter auf kointegrierte Zeitreihen an, um das Hedging-Verhältnis zwischen zwei Paaren dynamisch zu schätzen, wodurch eine statische Schätzung eines traditionellen Hedge-Verhältnisses verbessert wird. HFT-Bid-Ask-Spread-Vorhersage Wir verwenden fortgeschrittene Zeitreihen und maschinelle Lernmethoden zur Prognose der Bid-Ask-Spread in Hochfrequenz-Forex-Daten, um die besten Perioden für die Ausführung von Trades zu bestimmen. Wir werden stochastische Volatilitätsmodelle verwenden, um die Volatilität zu prognostizieren, um ein Regime-Erkennungsmodell zu erstellen, das uns hilft, Zeiten mit höherem und niedrigerem Risiko zu identifizieren. Asset Returns Forecasting mit ML Wir verwenden zahlreiche maschinelle Lernmethoden, um die Vermögensrichtung und - niveau sowohl auf Aktien - als auch auf Forex-Märkten zu prognostizieren, indem wir uns gegen andere Faktoren zurückziehen. Wir verwenden SVMs und andere ML-Methoden, um einen Sentimentanalyse-Signalgenerator auf der Grundlage von Social-Media-Daten und Blog-Daten, die Anwendung auf flüssige Aktien und ETFs zu bauen. Das Buch ist zurzeit für Rough Cut verfügbar Pre-Order Release Was bedeutet Rohschnitt Pioneered von OReilly Media, das Konzept von Rough Cut bedeutet, dass Sie das Buch heute für 20 aus dem kompletten Release-Preis vorbestellen können und erhalten die aktuelle teilweise beendet Schnitt des Buches, wie es steht (430 Seiten). Darüber hinaus können Sie auf Updates für das Buch zugreifen, wie ich sie schreibe. Sobald das Buch fertig ist, erhalten Sie eine vollständige digitale Kopie. Wenn Sie für das Quellcode-Paket entscheiden, erhalten Sie neue R - und Python-Code, wie es auch geschrieben wird. Wann wird das Buch veröffentlicht werden Die endgültige Vollversion von Advanced Algorithmic Trading wird Anfang 2017 veröffentlicht werden. Im derzeit noch schriftlich einige der das Material, sowie die R-und Python-Code. Durch Vorbestellung der groben Schnitt youll gewinnen Zugang zu Updates, wie sie erscheinen und das vollständige Buch nach der Freigabe. Warum sind Sie freigeben einen groben Schnitt Ich benutzte die raue Schnitt Ansatz mit meinen anderen Büchern C Für quantitative Finanzen und erfolgreiche Algorithmic Trading. Es war sehr nützlich für mich und das Publikum des Buches. Viele Leute machten Vorschläge beim Lesen des groben Schnittes, der es in die abschließende Freigabe machte. Ive hatte eine riesige Anzahl von Ihnen E-Mail mich fragen, um Advanced Algorithmic Trading in eine grobe Schnittform, so dass Vorschläge für Material für die endgültige Version gemacht werden können. Müssen Sie ein Programmierer werden Das Buch geht davon aus, dass Sie grundlegende Programmierkenntnisse haben. Sie sollten Verzweigung, Looping und die Grundlagen der Objektorientierung verstehen. Allerdings ist die Mehrheit des Buches geschrieben, um so eigenständig wie möglich zu sein und der Code ist einfach zu folgen. Fragen Wo können Sie mehr über mich lernen Ich habe über einhundertfünfzig Stellen auf QuantStart für Quant-Trading, Quant-Karriere, Quant-Entwicklung, Datenwissenschaft und Maschinenlernen geschrieben. Sie können die Archive lesen, um mehr über meine Methoden und Strategien zu lernen. Was, wenn Sie nicht mit dem Buch glücklich sind Während ich denke, finden Sie Advanced Algorithmic Trading sehr nützlich in Ihrer quantitativen Handelsausbildung zu finden, glaube ich auch, dass, wenn Sie nicht 100 mit dem Buch aus irgendeinem Grund zufrieden sind, können Sie es zurückgeben keine Fragen für ein gefragt komplette Rückerstattung. Das Buch ist nur im Adobe PDF-Format verfügbar, während der Code selbst als Zip-Datei von voll funktionsfähigen R - und Python-Skripten zur Verfügung steht, wenn Sie die Option Book Software erwerben. Welches Paket sollten Sie kaufen Dies hängt meistens von Ihrem Budget. Das Buch mit vollem zusätzlichen Quellcode ist das Beste, wenn Sie in den Code sofort graben wollen, aber das Buch selbst enthält eine riesige Menge an Code-Snippets, die Ihren quantitativen Handel unterstützen wird. Kann ich kontaktiert werden Natürlich Wenn Sie nach dem Lesen dieser Seite noch Fragen haben, setzen Sie sich bitte mit mir in Verbindung und ich werde mein Bestes tun, um Ihnen eine Antwort zu geben. Bitte beachten Sie jedoch die Artikelliste. Die Ihnen auch helfen können. Brauchen Sie einen Abschluss in Mathematik Die Mehrheit des Buches erfordert ein Verständnis von Kalkül, lineare Algebra und Wahrscheinlichkeit. Allerdings sind viele der Methoden intuitiv und der Code kann ohne Rückgriff auf fortgeschrittene Mathematik verfolgt werden. Wählen Sie Ihre bevorzugte Vorbestellung Rough Cut-Paket Das Buch für 39 49 Das Buch im PDF-Format
No comments:
Post a Comment