Epchan Forex Trading

Esses caras pós uma tonelada de tempo baseado análise sobre mercados forex que eu encontrei esta semana passada e ainda estou navegando o material. O que eu realmente não sei é se as estratégias Momentum são tão atraentes como eles parecem ser. Se você fizer isso no muito A curto prazo e você usar uma parada seu corretor pode gun sua parada. Outra coisa a ter em conta é que, para saber quando uma estratégia Momentum parou de funcionar, você provavelmente precisará perder mais vezes do que quando você faz par trading. Anyway, a maioria Das estratégias que eu vi na net confiar em faixas de preço, breakouts Fibonacci níveis para prever o alcance máximo da dinâmica, eo uso de certas médias móveis como support. Other ppl alegação de ser realmente rentável negociação NFP e such. Do você Acredito que o Momentum negociação pode bater pair trading consistentemente. Meu palpite é que, este tipo de estratégias são realmente muito dependente do tempo, sendo, então, também mais difícil de prever. Hi Bernd, a maioria das estratégias de momentum têm menor Sharpe rácios do que mean reverting strategi Além disso, quando mais e mais pessoas pegar em uma tendência, vamos precisar entrar em uma posição anterior e anterior. Mas eu quero adicionar estratégias de impulso para o meu portfólio não porque eles São melhores do que as estratégias de reversão de média, mas porque seu perfil risco-retorno é bastante descorrelacionado, ou talvez até mesmo anti-correlacionado, com o de estratégias de reversão de média, daí a relação geral de Sharpe da carteira será maior. Age como um hedge. I tinha lido o papel de pesquisa de referência, ele menciona que seus dados de teste FX é do pool EBS, eu sabia que bloomberg tem EBS, mas é muito caro para o comerciante varejo para obter um terminal de Bloomberg profissional, você sabe onde eu Pode fonte os dados de EBS FX a custo razoável Obrigado. Paul, enquanto a pesquisa foi feita usando dados EBS, vale a pena testá-lo em outros dados Por exemplo, você pode obter metade de um ano de dados FX livre, mesmo para barras 1s, Interactive Brokers através da Ir API. Do deixe-nos saber se você achar que os resultados são diferentes em IB Ernie. I concordar 100 Ernie com o seu comentário sobre a carteira MR e MOM. This conceito está perdido em tantas pessoas A maioria das pessoas apenas um alvo ou o outro. É reconfortante saber que outros chegaram à mesma conclusão. Hi Ernest, blog muito agradável e livro de vocês, ele fala muito sobre o seu trabalho. Tenho uma pergunta sobre a estratégia UIP Estatística Arb descrito por Irene Aldridge em seu livro de alta freqüência Trading na página 191.Essencialmente eu não consigo descobrir o primeiro termo da equação 13 7 principalmente porque parece que é um preço que terá lugar no futuro, ou seja, St 1, CHF USD. In tal equação, não há confusão sobre os termos Que aparecem no lado direito da igualdade, já que eu poderia OLS os alfas e betas, mais eu poderia acrescentar a diferença entre as taxas de juros de cada país. Como uma questão de fato eu poderia até mesmo saber a taxa Spot que é o segundo termo Da esquerda para a direita da igualdade O primeiro à esquerda do sinal de igualdade Então eu estou preso tentando resolver para o desconhecido St 1, CHF USD Eu me pergunto se você tem alguma idéia de qual símbolo ou instrumento financeiro devo usar porque eu não entendo o que propagação eu compro Ou vender no lado esquerdo da equação. Hi Brian, Obrigado por seu comentário gentil no meu livro Eu realmente não tenho Aldridge s livro, então eu teria que comprar uma cópia antes que eu possa responder a sua pergunta Best, Ernie. Fx Os estudos de microestrutura mostram que há tempo claro de efeitos de dia As sessões de negociação de Londres e Tóquio são em forma de U quando se trata de negociação há muitos negócios para o primeiro par de horas, então as coisas morrem para baixo, então há muitos negócios feitos durante As últimas 2-3 horas. Não há efeito de segunda-feira de manhã - nada fora do comum acontece porque a negociação começa após o fim de semana No que diz respeito às moedas que são negociadas, as moedas de casa são sempre negociadas muito mais pesadamente do que outros ie USD pares de moedas são negociados Hevily durante A sessão US 7AM EST nos EUA até 5PM EST. Regarding moedas correntes depreciação, isso tem sido visto em um estudo ou dois, mas isso é tudo A maioria dos estudos não observam isso, eles simplesmente nota negociação pesada sobre eles. Tudo isso vem de Economia micromarket microestrutura studies. Quite material útil, muito obrigado para o pós. Quantitative Trading. One dos problemas perenes na construção de modelos de negociação é a escassez de dados eo perigo de sobrecapacitação Afortunadamente, existem métodos sistemáticos de lidar com ambas as extremidades Do problema Estes métodos são bem conhecidos na aprendizagem de máquina, embora a maioria de aplicações de aprendizagem tradicionais da máquina têm muito mais dados do que nós comerciantes estamos acostumados a usar 10 milhão vídeos de YouTube para treinar uma rede de aprendizagem profunda para reconhecer caras de gatos. Criar mais dados de treinamento fora do ar, podemos resample talvez mais vividamente, oversample nossos dados existentes Isso é chamado de ensaque Vamos ilustrar isso usando um modelo de fator fundamental desc Eu uso fatores de cross-sectional, ou seja, fatores que dependem de cada estoque, carga de fatores em vez de fatores por convenção Estas cargas fatoriais São coletadas das demonstrações financeiras trimestrais das empresas SP 500 e estão disponíveis no banco de dados Core Fundamentals da Sharadar s, bem como fontes mais caras como o Compustat O modelo de fator é muito simples é apenas um modelo de regressão linear múltipla com retorno do próximo trimestre s De um estoque como a variável-alvo dependente e as 27 cargas de fatores como as variáveis ​​preditoras independentes O treinamento consiste em encontrar os coeficientes de regressão desses 27 preditores A estratégia de negociação baseada neste modelo de fator preditivo é igualmente simples se o previsto no próximo trimestre É positivo, comprar o estoque e mantenha para um trimestre vice-versa para shorts. Note há já um passo dado na cura de dados sparseness nós não tr Y para construir um modelo separado com um conjunto diferente de coeficientes de regressão para cada ação. Nós limitamos o modelo de tal forma que os mesmos coeficientes de regressão se aplicam a todas as ações. Caso contrário, os dados de treinamento que usamos a partir de 200701-201112 terão apenas 1.260 linhas De 1.260 x 500 630.000 linhas. O resultado deste modelo de negociação de linha de base não é ruim tem um CAGR de 14 7 e Sharpe rácio de 1 8 no período fora da amostra 201201-201401 Cuidado esta carteira não é necessariamente mercado ou dólar Neutro Daí o retorno poderia ser devido a um viés longo apreciando o mercado de touro no período de teste Os leitores interessados ​​podem certamente testar uma versão neutra do mercado desta estratégia hedged com SPY I traçou a curva de equidade abaixo. A seguir, resample os dados aleatoriamente Escolhendo N 630.000 pontos de dados com substituição para formar um novo conjunto de formação um saco, e repetimos isso K 100 vezes para formar sacos K Para cada saco, treinamos um novo modelo de regressão No final, nós média sobre os retornos previstos destes K modelos para servir como o nosso oficial previsto retorna Isso resulta em melhoria marginal do CAGR para 15 1, sem alteração na relação Sharpe. Now, tentamos reduzir o conjunto de previsão Nós usamos um método chamado subespaço aleatório Nós escolhemos aleatoriamente metade do Os preditores originais para treinar um modelo, e repetir este K 100 vezes Mais uma vez, nós média sobre os retornos previstos de todos estes modelos Combinado com ensacamento, isso resulta em melhoria marginal adicional do CAGR para 15 1, novamente com pouca mudança na relação de Sharpe. As melhorias de qualquer método pode não parecer grande até agora, mas pelo menos ele mostra que o modelo original é robusto em relação à randomização. Mas há outro método para reduzir o número de preditores É chamado de regressão stepwise A idéia é simples nós Escolha um preditor do conjunto original de cada vez e adicione isso ao modelo somente se o BIC Bayesian Information Criterion diminui BIC é essencialmente a probabilidade log negativa dos dados de treinamento com base no r Ou seja, se dois modelos tiverem a mesma probabilidade logarítmica, aquele com o maior número de parâmetros terá um BIC maior e, portanto, penalizado Uma vez atingido o BIC mínimo, tentaremos Para remover um preditor do modelo de cada vez, até que o BIC não pudesse diminuir mais. Aplicando isto às nossas cargas de fator fundamentais, nós conseguimos uma melhoria bastante significativa do CAGR sobre o modelo de base 19 1 vs 14 7, com o mesmo Sharpe . Também é satisfatório que o modelo de regressão passo a passo escolheu apenas duas variáveis ​​fora do original 27 Vamos que afundar por um momento apenas duas variáveis ​​representam todo o poder preditivo de um relatório financeiro trimestral Como a que duas variáveis ​​são - Eu vou revelar isso na minha conversa no QuantCon 2017 em 29 de abril. Vou moderar este workshop on-line para o meu amigo Nick Kirk, que ensinou um curso semelhante no CQF em Londres para aclamação ampla. Eu vou discutir em detalhes AI Técnicas como as descritas acima, com outros exemplos e exercícios em sala de aula Como de costume, as nuances e armadilhas serão cobertos. Muitos foram escritos sobre a estratégia Post-Earnings Announcement Drift PEAD ver, por exemplo, o meu livro, mas menos foi escrito Sobre estratégias de anúncio pré-anúncio Isso mudou recentemente com a publicação de dois papéis Assim como com PEAD, essas estratégias de pré-anúncio não fazem uso de qualquer número de ganhos reais ou mesmo estimativas Eles são inteiramente baseados em datas anúncio esperado ou real e talvez recente O primeiro, por So e Wang 2014, sugere várias estratégias de reversão simples para os estoques dos EUA que entram em posições no mercado próximo antes de um anúncio esperado Aqui está minha paráfrase de uma dessas estratégias.1 Suponha que t é o esperado Ganhos para uma ação no índice Russell 3000 2 Calcule o retorno do pré-anúncio do dia t-4 para t-2 contando dias de negociação apenas 3 Subtraia um ma Retorno de índice de rket sobre o mesmo período de lookback do retorno de pré-anúncio, e chamar este retorno ajustado de mercado PAR 4 Escolher os 18 estoques com o melhor PAR e curto-los com dólares iguais no fechamento de mercado de t-1, liquidar em mercado Close of t 1 Escolha as 18 ações com o pior PAR, e faça o contrário Hedge qualquer exposição líquida com um ETF de mercado ou futuro. Eu backtested esta estratégia usando Wall Street Horizon WSH s dados de datas de ganhos esperados, aplicando-o às ações em O índice Russell 3000 e hedging com IWV Eu tenho um CAGR de 9 1 e uma relação de Sharpe de 1 de 2011 08 03-2016 09 30 A curva de equidade é exibida abaixo. Note que os dados do WSH foi usado em vez de Yahoo Finance, Compustat , Ou mesmo os dados de ganhos do IBES da Thomson Reuters, porque apenas os dados do WSH são WSH no momento em que capturaram a data esperada do anúncio de ganhos no dia anterior ao anúncio, assim como teríamos se estivéssemos em negociação em tempo real. Data de anúncio como capturado na maioria das outras d Ata fontes porque não poderíamos ter certeza se uma empresa mudou sua data de anúncio esperado na mesma data A data do anúncio real só pode ser conhecido com certeza após o fato e, portanto, não é ponto-in-time Se nós estivéssemos a correr O mesmo backtest usando os dados de ganhos históricos do Yahoo Finance, o CAGR teria caído para 6 8, ea relação de Sharpe caiu para 0 8. A noção de que as empresas mudam suas datas de anúncio esperadas nos leva à segunda estratégia, criada por Ekaterina Kramarenko Da Deltix s equipe de pesquisa quantitativa Em seu papel Uma estratégia de negociação automatizada Usando os movimentos de data de salários de Wall Street Horizon, ela descreve a estratégia a seguir que explícitamente faz uso de tais mudanças como um sinal de negociação.1 No fechamento do mercado antes do anúncio de ganhos esperado Entre o fechamento atual e o próximo dia s aberto, calcule deltaD que é a última mudança da data de anúncio esperada para o próximo anúncio, medido no calendário da Ys deltaD 0 se a empresa mudou a data do anúncio mais tarde e deltaD 0 se a empresa mudou a data de anúncio mais cedo 2 Além disso, no mesmo mercado fechar, deltaU de computação que é o número de dias de calendário desde a última alteração da data do anúncio esperado 3 Se deltaD 0 e deltaU 45, comprar o estoque no fechamento do mercado e liquidar no dia seguinte s mercado aberto Se deltaD 0 e deltaU 45, fazer o contrário. A intuição por trás desta estratégia é que se uma empresa move uma data esperada anúncio mais cedo , Especialmente se isso acontecer perto da data esperada, que é uma indicação de boas notícias, e vice-versa Kramarenko encontrou um CAGR de 14 95 e um índice de Sharpe de 2 08, aplicando esta estratégia para SPX estoques de 2006 1 3 - 2015 9 2.Para reproduzir este resultado, é preciso garantir que a alocação de capital se baseie na seguinte fórmula suponha que o poder de compra total é M eo número de sinais de negociação no fechamento de mercado é n, então o tamanho de negociação por Estoque é M 5 se n 5, e é M n se n 5.I backtested esta estratégia a partir de 2011 8 3-2016 9 30 em um universo fixo SPX em 2011 7 5, e obteve CAGR 17 6 ​​e Sharpe razão de 0 6.Backtesting isso em Russell 3000 índice de ações produziu melhores resultados, com CAGR 17 e Sharpe ratio 1 9 Aqui, eu ajustar o tamanho de negociação por ação para M 30 se n 30, e para M n se n 30, dado que o número total de ações em Russell 3000 é cerca de 6 vezes maior do que a SPX A curva de equidade é exibida abaixo. Interessantemente, uma versão neutra do mercado desta estratégia usando IWV para proteger qualquer exposição líquida não melhora a relação de Sharpe, mas deprimiu significativamente o CAGR. Acknowledgement I Agradeço a Michael Raines no Wall Street Horizon por fornecer o histórico ponto-em-tempo esperado ganhando datas dados para esta pesquisa Além disso, eu agradeço a Stuart Farr e Ekaterina Kramarenko em Deltix para me fornecer uma cópia de seu papel e explicando-me as nuances de Sua estratégia. Meu próximo Workshop. Janeiro 14 E 21 Algorithmic Options Strategies. This curso on-line é diferente da maioria das outras oficinas de opções oferecidas noutro lugar que abrangerá backtesting estratégias de opções intraday e carteira option strategies. I escreveu em um artigo anterior sobre por que devemos backtest até mesmo finais de dia diariamente estratégias com Intraday cotação de dados Caso contrário, o desempenho de tais estratégias pode ser inflacionado Aqui está outro exemplo brilhante que me deparei recentemente. Considere o futuro do petróleo ETF USO e seu gêmeo mal, o futuro inverso ETF DNO Teoria, se USO tem um retorno diário De x, DNO terá um retorno diário de - x Na prática, se traçarmos os retornos diários de DNO contra o de USO de 2010 9 27-2016 9 9, usando os dados de fim-de-dia consolidados habituais que você pode encontrar No Yahoo Finance ou qualquer outro fornecedor. vemos que embora a inclinação é realmente -1 para dentro de um erro padrão de 0 004, há muitos dias com desvio significativo da linha reta O comerciante em nós vai pensar imediatamente arbi Oportunidades de tragédia. De fato, se backtest uma estratégia de reversão simples sobre este par - basta comprar igual montante em dólar de USO e DNO quando a soma de seus retornos diários é inferior a 40 pb no fechamento do mercado, mantenha um dia e vice-versa - vamos encontrar uma estratégia com uma taxa de Sharpe decente de 1, mesmo depois de deduzir 5 bps por lado como custos de transação Aqui está a curva de equidade. Parece razoável, não é, no entanto, se backtest esta estratégia novamente com BBO dados no fechamento do mercado , Tendo o cuidado de subtrair metade do spread bid-ask como custo de transação, encontramos essa curva de equidade. Podemos ver que o problema não é apenas que perdemos dinheiro em praticamente todos os negócios, mas que raramente houve qualquer comércio ativado. EOD dados sugerem um comércio deve ser desencadeada, o bar de 1 minuto BBO dados nos diz que na verdade não houve desvio da média. By the way, os retornos acima foram calculados antes mesmo de deduzir os custos de empréstimos de ocasionalmente shorting estes ETFs A taxa de desconto para USO é cerca de 1 por ano em Interactive Brokers, mas um íngreme 5 6 para DNO. In caso você acha que este problema é Peculiar à USO vs DNO, você pode tentar TBT vs UBT também. Por outro lado, acabamos de verificar uma regra de ouro dos mercados financeiros desvio aparente de mercado eficiente é permitido quando ninguém pode rentável comércio sobre a oportunidade de arbitragem. Nota de acordo com O emitente da DNO suspendeu temporariamente as criações para este fundo a partir de 22 de março de 2016, aguardando a apresentação de nova papelada com a SEC Esta ação poderia criar prémios anormais ou excessivos um aumento do preço de mercado do fundo em relação à sua feira Valor Os resgates não são afetados Comércio com cuidado verificar iNAV vs preço Para uma explicação da criação de unidades ETF, consulte o meu artigo Coisas que você não quer saber sobre ETFs e ETNs. Atualização da Indústria. Apenas recentemente registrado como um CTA e opera um mercado para negociação algoritmos que qualquer pessoa pode contribuir Eles também publicaram um blog educacional para Python e Matlab backtesters. I será moderando um painel de discussão sobre Como os fundos podem alavancar fontes de dados não tradicionais para impulsionar o investimento Retorna no Quant World Canadá, em Toronto, 10 de novembro de 2016.Turbs Workshops. Outubro 22 e 29, Sábados, Quantitative Momentum Strategies online workshops. Momentum estratégias são para aqueles que querem se beneficiar de cauda eventos vou discutir as razões fundamentais para a existência De impulso em vários mercados, bem como estratégias de momento específicas que mantêm posições de horas para dias. Um diretor sênior em um grande banco me escreveu novamente obrigado para o curso Momentum Strategies esta semana Foi muito benéfico eu encontrei suas explicações do Conceitos muito claros e os exemplos bem desenvolvidos Eu gosto da abordagem rigorosa que você toma para a avaliação de estratégia. Friday, Ju Ne 17, 2016.Todo mundo adora trocar ou investir em ETPs ETP é o acrônimo de produtos negociados em bolsa, que incluem tanto os fundos negociados em bolsa ETF e notas negociadas em bolsa ETN Eles parecem simples, transparente, fácil de entender Mas existem alguns Sutilezas que você não pode saber about.1 O ETN o mais popular é VXX, o ETF do índice da volatilidade Ao contrário do ETF, o ETN é realmente um bond não seguro emitido pelo emitente Isto significa que o preço do ETN pode não apenas depender dos ativos subjacentes ou Index Poderia potencialmente depender da credibilidade do emitente Agora VXX é emitido pelo Barclays Você pode pensar que o Barclays é um grande banco, Too Big To Fail, e você pode estar certo No entanto, ninguém promete que sua classificação de crédito nunca será Downgraded A negociação do futuro VX, no entanto, não tem esse problema.2 O emitente ETP, juntamente com os Participantes Autorizados os criadores de mercado que podem pedir ao emissor para emitir mais ações do ETP ou resgatar essas ações para os ativos subjacentes ou ca Sh, devem manter o valor de mercado total das ações do ETP acompanhando de perto o VPL dos ativos subjacentes. Contudo, houve um exemplo notável quando o emissor deliberadamente não o fez, resultando em grandes perdas para alguns investidores. Do TVIX, o ETN alavancado que rastreia 2x os retornos diários do VXX, parou toda a criação de novas ações TVIX temporariamente em 22 de fevereiro de 2012 ver Esse emissor é Credit Suisse, que poderia ter encontrado que os custos de transação de reequilíbrio este ETN altamente volátil foram Tornando-se muito alto Devido a essa paralisação, TVIX se transformou em um fundo fechado temporariamente, e seu NAV divergiu significativamente de seu valor de mercado TVIX estava negociando a um prêmio de 90 em relação ao índice subjacente Em outras palavras, os investidores que compraram TVIX no Mercado de ações no final de março estavam pagando 90 mais do que eles teriam se fossem capazes de comprar o índice VIX em vez disso Direito depois disso, Credit Suisse anunciou que iria retomar a criação de TV IX O preço de mercado da TVIX caiu imediatamente para seu NAV por ação, causando enormes prejuízos para aqueles investidores que compraram antes da retomada.3 Você pode estar familiarizado com o fato de que um ETF com alavancagem deveria rastrear apenas vezes os retornos diários de O índice subjacente, não o seu retorno a longo prazo Mas você pode estar menos familiarizado com o fato de que ele também não é suposto para acompanhar vezes o retorno intraday desse índice, embora na maioria das vezes ele realmente faz, graças ao arbitrageurs. Case muitos em Muitos investidores pensaram que eles devem subir de preço e agir como hedge contra o mercado declina Por exemplo, esta carta de comentário Para a SEC apontou que DOG, o ETF inversa que rastreia -1x Dow 30 índice, desceu mais de 60 de seu valor no início 2 40 pm ET do Flash Crash Isto é porque vários fabricantes de mercado i Ncluding os Participantes Autorizados para DOG weren t fazer mercados naquele momento Mas um ponto igualmente importante a notar é que no final do dia de negociação, DOG fez retornar 3 2, quase exatamente -1x o retorno da DIA a ETF que rastreia o Dow 30 Portanto, funcionou conforme anunciado Lição aprendida Não é suposto usar ETFs inversos para coberturas intraday nem de longo prazo.4 O NAV não o NAV por ação de um ETF não precisa mudar no mesmo valor de mercado unitário do ativo subjacente Para Por exemplo, essa mesma carta de comentário que eu citei acima escreveu que GLD, o ETF ouro, declinou no preço em 24 de 1 de março a 31 de dezembro de 2013, seguindo a mesma queda de 24 no preço do ouro à vista. Resgatou muitas ações da GLD, fazendo com que as ações em circulação da GLD para diminuir de 416 milhões para 266 milhões Isso é um problema Não em tudo Um investidor naquele ETF só se preocupa que ela experimentou o mesmo retorno do ouro spot, e não quanta ativos da ETF Realizada a aut Hor de que a carta de comentário estranhamente escreveu que os investidores que desejam participar no mercado de ouro não iria comprar o GLD se soubessem que uma queda no preço do ouro poderia resultar em duas vezes mais declínio dos ativos subjacentes para o GLD Isso, creio, é um disparate. Atualização da Indústria Alex Boykov co-desenvolveu o WFAToolbox Walk-Forward Analysis Toolbox para MATLAB, que automatiza o processo de usar uma janela móvel para otimizar parâmetros e entrar comércios apenas no período fora da amostra Ele também compilou um aplicativo autônomo do MATLAB que Permite que qualquer usuário com MATLAB ou não carregar citações em formato csv do Google Finance para importação adicional para outros programas e para trabalhar em Excel Você pode baixá-lo here. AI técnicas de aprendizagem da máquina são mais úteis quando alguém nos dá newfangled indicadores técnicos ou fundamentais, E nós ainda não desenvolvemos a intuição de como usá-las. As técnicas de IA podem sugerir maneiras de incorporá-las em sua estratégia de negociação e acelerar sua unde Claro que, por vezes, essas técnicas também podem sugerir estratégias inesperadas em mercados familiares. Meu curso abrange as técnicas básicas de IA útil para um comerciante, com ênfase sobre as muitas maneiras de evitar excesso. Todo mundo sabe que a volatilidade depende da freqüência de medição O desvio padrão dos retornos de 5 minutos é diferente daquele dos retornos diários. Para ser preciso, se z é o preço do log, então a volatilidade, amostrada em intervalos de, é. Onde Var significa tomar a variância ao longo de muitos tempos de amostra Se os preços realmente Seguir uma caminhada aleatória geométrica, então Var Var zt - z t, e a volatilidade simplesmente escalar com a raiz quadrada do intervalo de amostragem. Por isso, se medimos os retornos diários, precisamos multiplicar a volatilidade diária em 252 para obter o valor anualizado Volatility. Traders também sabem que os preços não seguem realmente uma caminhada aleatória geométrica Se os preços são reverter média, vamos descobrir que eles não se afastar de seu valor inicial tão rápido quanto Uma caminhada aleatória Se os preços estão tendendo, eles vagueiam mais rápido Em geral, podemos escrever. Onde H é chamado o expoente de Hurst, e é igual a 0 5 para uma caminhada aleatória geométrica verdadeira, mas será menor que 0 5 para a média Reverting prices, e maior que 0 5 para tendências de preços. Se anualizarmos a volatilidade de uma série de preços de média revertida, ela acabará tendo uma volatilidade anualizada menor do que a de uma caminhada aleatória geométrica, mesmo se ambos tiverem exatamente a mesma volatilidade Medido em, digamos, barras de 5-min O oposto é verdadeiro para uma série de preços tendência Por exemplo, se tentarmos isso em AUDCAD, uma série de tempo, obviamente, reverter a média, vamos obter H 0 43.All do acima são bem - Conhecido por muitos comerciantes e, de fato, discutido em meu livro Mas o que é mais interessante é que o próprio expoente de Hurst pode mudar em alguma escala de tempo, e esta mudança às vezes sinaliza uma mudança de uma reversão média para um regime de momentum, ou vice-versa Para ver isso, vamos plotar a volatilidade ou, mais convenientemente, a variância Como uma função de Isto é muitas vezes chamado de estrutura de termo de volatilidade realizada. Comece com o familiar SPY podemos calcular os retornos intradiários usando midprices de 1 minutos para 2 10 minutos.17 horas, e traçar o log Var contra log O ajuste, mostrado Abaixo, é excelente Clique na figura para aumentar A inclinação, dividida por 2, é o expoente de Hurst, que se revela 0 494 0 003, o que é muito ligeiramente reverter. Mas se fizermos o mesmo para os retornos diários de SPY, Para intervalos de 1 dia até 2 8 256 dias, encontramos que H é agora 0 469 0 007, o que significa significativamente reverting. Conclusion significa estratégias de reversão em SPY deve funcionar melhor interday do que intraday. We pode fazer a mesma análise para USO O WTI futuros de petróleo bruto ETF O intradiário H é 0 515 0 001, indicando comportamento tendência significativo O diário H é 0 56 0 02, ainda mais significativamente tendência Estratégias de impulso deve trabalhar para futuros de petróleo bruto em qualquer tempo razoável scales. Let s turn Agora para GLD, o ouro ETF Intraday H 0 505 0 002, que é ligeiramente tendência Mas diariamente H 0 469 0 007 significa significativamente reverter Momentum estratégias sobre o ouro pode trabalhar intraday, mas as estratégias de reversão média certamente funcionam melhor ao longo de vários dias Onde é que a transição ocorre Podemos examinar a estrutura prazo estreita. Nós Pode ver que em torno de 16-32 dias, as volatilidades se afastam da linha recta extrapolada a partir de frequências intraday Que é onde devemos mudar de momento para as estratégias de reversão média. Uma nota lateral de interesse quando se calcula a variância de retornos durante períodos que se estendem dois Dias de negociação e traçá-los como função de log deve incluir as horas quando o mercado foi fechado Acontece que a resposta é sim, mas não completamente Para produzir o gráfico acima onde as variações diárias inicialmente caem na mesma linha reta como o Variações intraday, temos que contar 1 dia de negociação como equivalente a 10 horas de negociação Não 6 5 para os mercados de ETFs de ações dos EUA, e não 24 O número preciso de e Quivalente horas de negociação, é claro, varia de acordo com diferentes instrumentos. Nick sobre discute os novos bancos de dados intradiários em Quandl e Kerf. Euan Sinclair s criação começou um novo fórum Ele tem algumas discussões muito ativo e aprofundado de muitos negociação e investir topics. Prof Matthew Lyle na Kellogg School of Management tem um novo papel que relaciona fundamentos de prémios de risco variância. Há muito Mais para significar estratégias de reversão do que apenas pares de negociação Descubra como prosperar no atual ambiente de baixa volatilidade favorável a este tipo de estratégias. Previsão da volatilidade é um tópico muito antigo Cada estudante de finanças tem sido ensinado a usar o modelo GARCH para isso Mas como a maioria Coisas que aprendemos na escola, nós don t necessariamente esperar que eles sejam úteis na prática, ou para trabalhar bem fora da amostra Quando foi a última vez que você precisa usar o cálculo em seu trabalho Mas por curiosidade, eu fiz uma investigação rápida Do seu poder sobre a previsão da volatilidade do SPY diário close-to-close retornos Eu estimado os parâmetros de um modelo GARCH sobre dados de treinamento de 21 de dezembro de 2005 a 05 de dezembro de 2011 usando Matlab s Econometric toolbox, E testou a freqüência com que o sinal da variação predita de 1 dia de volatilidade concorda com a realidade no conjunto de testes de 6 de dezembro de 2011 a 25 de novembro de 2015 A variação de um dia na volatilidade realizada é definida como a mudança no valor absoluto da Retorno de 1 dia Uma surpresa agradável o acordo é 58 dos dias. Se esta era a exatidão para predizer o sinal do retorno do SPY próprio, nós devemos se preparar para aposentar-se no luxo A volatilidade é mais fácil prever do que retornos assinados, Também foi ensinado Mas o que é bom uma boa previsão de volatilidade Seria útil para os comerciantes de opções, que podem negociar volatilidades implícitas em vez de retornos direcionais A resposta é sim, a previsão de volatilidade realizada é útil para a previsão de volatilidade implícita, mas não da maneira que você Se GARCH nos diz que a volatilidade percebida vai aumentar amanhã, a maioria de nós instintivamente sair e comprar-nos algumas opções, ou seja, volatilidade implícita No caso de SPY, seria p Robably ir comprar alguns VXX Mas isso seria um terrível erro Lembre-se que a volatilidade que previu é um retorno unsigned uma previsão de maior volatilidade pode significar um dia muito bullish amanhã Um alto retorno positivo em SPY é geralmente acompanhada por uma queda acentuada em VXX In Em outras palavras, um aumento na volatilidade realizada é geralmente acompanhado por uma diminuição na volatilidade implícita neste caso. Mas o que é realmente estranho é que esta anti-correlação entre a mudança na volatilidade realizada e mudança na volatilidade implícita também se mantém quando o retorno é negativo 57 de Os dias com retornos negativos Um retorno muito negativo no SPY é, na verdade, geralmente acompanhado por um aumento na volatilidade implícita ou VXX, induzindo correlação positiva Mas em média, um aumento na volatilidade realizada devido a retornos negativos ainda é acompanhada por uma diminuição na volatilidade implícita. O resultado de tudo isso é que se você prever a volatilidade do SPY vai aumentar amanhã, você deve curto VXX vez. Acaba de lançar uma concorrência sistema de negociação com investimentos garantidos de 2 25M para os três melhores sistemas de negociação Quantiacs ajuda Quants obter investimentos para os seus algoritmos de negociação e ajuda os investidores a encontrar o sistema de negociação direita. Um novo livro chamado Momo Traders - Dicas, Truques e Estratégias de Ten Top Traders apresenta extensas entrevistas com dez melhores dia e swing comerciantes que encontram ações que se movem e capitalizar sobre esse momentum. Another novo livro chamado Algorithmic e High Frequency Trading por 3 professores de finanças matemáticas descreve as sofisticadas ferramentas matemáticas que estão sendo aplicadas a alta frequency trading and optimal execution Yes, calculus is required here. My Upcoming Workshop. January 27-28 Algorithmic Options Strategies. This is a new online course that is different from most other options workshops offered elsewhere It will cover how one can backtest intraday option strategies and portfolio option strategies. March 7-11 Statistical Arbitrage, Quantitative Momentu m, and Artificial Intelligence for Traders. These courses are highly intensive training sessions held in London for a full week I typically need to walk for an hour along the Thames to rejuvenate after each day s class. The AI course is new, and to my amazement, some of the improved techniques actually work. My Upcoming Talk. I will be speaking at QuantCon 2016 on April 9 in New York The topic will be The Peculiarities of Volatility I pointed out one peculiarity above, but there are others. QTS Partners, L P has a net return of 1 56 in October YTD 11 50 Details available to Qualified Eligible Persons as defined in CFTC Rule 4 7.By Lukasz Wojtow Mechanical traders never stop researching for the next market edge Not only to get better results but also to have more than one system The best trading results can be achieved with multiple non-correlated systems traded simultaneously Unfortunately, most traders use similar market inefficiency some traders specialize in trend following, some in mean reversion and so on That s because learning to exploit one kind of edge is hard enough, mastering all of them impossible It would be beneficial to have a software that creates many non-related systems. Recently I released Genotick - an open source software that can create and manage a group of trading systems At the Genotick s core lies an epiphany if it s possible to create any software with just a handful of assembler instructions, it should be possible to create any trading systems with a handful of similarly simple instructions These simple and meaningless-on-its-own instructions become extremely powerful when combined together Right instructions in the right order can create any type of mechanical system trend following, mean reverting or even based on fundamental data. The driving engine behind Genotick s power is a genetic algorithm Current implementation is quite basic, but with some extra quirks For example, if any of the systems is really bad it stays in the population but its predictions are reversed Another trick is used to help recognize biased trading systems a system can be removed if it doesn t give mirrored prediction on mirrored data So for example, position on GBP USD must be opposite to the one on USD GBP Genotick also supports optional elitism where the best systems always stay in the population, while others are retired due to old age , protection for new systems to avoid removing systems that didn t yet have a chance to prove themselves and inheriting initial system s weight from parents These options give users plenty of room for experimentation. When Genotick is run for the first time - there are no systems They are created at the start using randomly chosen instructions Then, a genetic algorithm takes over each system is executed to check its prediction on historical data Systems that predicted correctly gain weight for future predictions, systems that predicted incorrectly lose weight Gradually, day after day, population of systems grows Bad systems are removed and good systems breed Prediction for each day is calculated by adding predictions of all systems available at the time Genotick doesn t iterate over the same historical data more than once training process looks exactly as if it was executed in real life one day at a time In fact, there is no separate training phase, program learns a little bit as each day passes by. Interestingly, Genotick doesn t check for rationale behind created systems As each system is created out of random instructions, it s possible and actually very likely that some systems use ridiculous logic For example, it s possible that a system will give a Buy signal if Volume was positive 42 days ago Another system may want to go short each time the third digit in yesterday s High is the same as second digit in today s Open Of course, such systems would never survive in real world and also they wouldn t survive for long in Genotick s population Because each system s initial weight is zero, they nev er gain any significant weight and therefore don t spoil cumulative prediction given by the program It may seem a little silly to allow such systems in the first place, but it enables Genotick to test algorithms that are free from traders believes, misguided opinions and personal limitations The sad fact is, the market doesn t care about what system you use and how much sweat and tears you put into it Market is going to do what it wants to do no questions asked, not taking prisoners Market doesn t even care if you use any sort of intelligence, artificial or not And so, the only rationale behind every trading system should be very simple Does it work Nothing more, nothing less This is the only metric Genotick uses to gauge systems. Each program s run will be a little bit different Equity chart below shows one possible performance Years shown are 2007 until 2015 with actual training starting in 2000 There is nothing special about year 2007, remember Genotick learns as it goes along Howeve r, I felt it s important to look how it performed during financial crisis Markets traded were. USD CHF, USD JPY, 10 Year US Bond Yield, SPX, EUR USD, GBP USD and Gold. In some cases, I tested the system on a market index such as SPX instead of an instrument that tracks the index such as SPY, but the difference should be minor All markets were mirrored to allow removing biased systems Some vital numbers. CAGR 9 88 Maxim drawdown -21 6 Longest drawdown 287 trading days Profitable days 53 3 CALMAR ratio 0 644 Sharpe ratio 1 06 Mean annual gain 24 1 Losing year 2013 -12. Click the cumulative returns in chart below to enlarge. Cumulative Returns since 2007.These numbers represent only directional edge offered by the software There were no stop-losses, no leverage and no position sizing, which could greatly improve real life results The performance assumes that at the end of each day, the positions are rebalanced so that each instrument starts with equal dollar value I e this is a constant rebalanced portfolio. Artificial Intelligence is a hot topic Self driving cars that drive better than an average human and chess algorithms that beat an average player are facts The difference is that using AI for trading is perfectly legal and opponents may never know Unlike chess and driving, there is a lot of randomness in financial markets and it may take us longer to notice when AI starts winning Best hedge funds can be still run by humans but if any trading method is really superior, AI will figure it out as well. At the moment Genotick is more of a proof-of-concept rather than production-ready. It is very limited in usability, it doesn t forgive mistakes and it s best to ask before using it for real trading You will need Java 7 to run it It s tested on both Linux and Windows 10 Example historical data is included Any questions or comments are welcomed. I have been a big fan of options trader and author Euan Sinclair for a long time I have cited his highly readable and influential book Option Trading in my own work, and it is always within easy reach from my desk His more recent book Volatility Trading is another must-read I ran into him at the Chicago Trading Show a few months ago where he was a panelist on volatility trading, and he graciously agreed to be interviewed by me. What is your educational background, and how did you start your trading career. I got a Ph D in theoretical physics, studying the transition from quantum to classical mechanics I always had intended to become a professor but the idea became less appealing once I saw what they d id all day At this time Nick Leeson was making news by blowing up Barings Bank and I thought I could do that I mean trade derivatives not blowing up a bank although I could probably manage that as well. Do you recommend a new graduate with a similar educational background as yours to pursue finance or trading as a career today. I don t think I would for a few reasons. The world of derivatives and trading in general is now so much more visible than it was and there are now far better ways to prepare When I started, physics Ph D s were hired only because they were smart and numerate and could pick things up on their own My first trading firm had no training program You just had to figure stuff out on your own Now there are many good MFE courses or you could do a financial economics Ph D. Further, it would very much depend on exactly what kind of physics had been studied I did a lot of classical mechanics which is really geometry This kind of pure theory isn t nearly as useful as a background heavy with stats or simulation. I think I could still make the transition, but it is no longer close to the ideal background. You have been a well-known options trader with a long track record what do you think is the biggest obstacle to success for a retail options trader. Trading costs Most option trading ideas are still built on the Black-Scholes-Merton framework and the idea of dynamic hedging albeit heavily modified Most pro firms have stat arb like execution methods to reduce the effective bid-ask they pay in the underlying They also pay practically no ticket charges and probably get rebates Even then, their average profit per option trade is very small and has been steadily decreasing. Further, a lot of positional option trading relies on a large universe of possible trades to consider This means a trader needs good scanning software to find trades, and a decent risk system because she will tend to have hundreds of positions on at one time This is all expensive as well. Retail trade rs can t play this game at all They have to look for situations that require little or no rebalancing and that can be limited to a much smaller universe I would recommend the VIX complex or equity earnings events. As an options trader, do you tend to short or long volatility. I am short about 95 of the time, but about 35 of my profits come from the long trades. Do you find it possible to fully automate options trading in the same way as that stocks, futures, and FX trading have been automated. I see no reason why not. You have recently started a new website called Can you tell us about it What prompted the transition of your focus from options to stocks. FactorWave is a set of stock and portfolio tools that do analysis in terms of factors such as value, size, quality and momentum There is a lot of research by both academics and investors that shows that these and other factors can give market beating returns and lower volatility. I ve been interested in stocks for a long time Most of my optio n experience has been with stock options and some of my best research was on how these factors affected volatility trading equity markets are a great place to build wealth over the long term They are a far more suitable vehicle for retirement planning than options. I actually think the distinction between trading and investing is fairly meaningless The only difference seems to be the time scale and this is very dependent on the person involved as well, with long-term meaning anything form months to inter-generational All I ve ever done as a trader is to look for meaningful edges and I found a lot of these in options But I ve never found anything as persistent as the stock factors There is over a hundred years of statistical evidence, studies in many countries and economic and behavioral reasons for their existence They present some of the best edges I have ever found That should be appealing to any trader or investor. Thank you These are really valuable insights. Epchan Forex Exchange. The authors are irreproachable for their use of high quality price data provided by CRSP and monthly fund NAV data from Bloomberg for their backtest Indeed, here is the cumulative returns chart from my own backtest click to enlarge However, I also know that there is one detail that many traders and academic researchers neglect when they backtest daily strategies for stocks, ETFs, or CEFs Epchan Forex Exchange Forex Che Le Influenze Di Tasso Di Cambio A San Marino Economia CHAPTER 5 Mean Reversion of Currencies and Futures 107 Business Wiley and a popular financial blogger at They often use the consolidated closing price as the execution price, instead of the official also called auction or primary closing price However, what is lesser known is how perfectly accurate capture of historical prices, if done in a sub-optimal way, can still lead to dangerously inflated backtest results Transaction costs are ignored, but shouldn t be significant for a monthly rebalance strategy. CEF Premum Revers ion Patro et al published a paper on trading the mean reversion of closed-end funds CEF premium Based on rational analysis, the market value of a CEF should be the same as the net asset value NAV of its holdings Epchan Forex Exchange marketcetera back testing trading strategies RE Quantitative and Algorithmic Trading What Can Quant Traders Learn from Puzzle for someone coming from a background in equities or forex The idea is, simply, that one can improve one s trading performance through the David Stockman s Contra Corner EP Chan Quantitative Trading Quant On the other hand, the price that most free data service such as Yahoo Finance provides is the consolidated price, which is merely that of the last transaction received by the Securities Information Processor SIP from any one of these market centers on or before 4pm ET CHAPTER 5 Mean Reversion of Currencies and Futures 107 Business Wiley and a popular financial blogger at So I was quite confident that I can reproduce their results w ith the same data from CRSP, and with historical NAV data from Compustat instead. To understand the difference, one has to remember that the US stock market is a network of over 60 market centers see the teaching notes of Prof Epchan Forex Exchange There is no reason to believe that one s order will be routed to that particular market center and was executed at that price at Technique Forex Eur Usd RE Quantitative and Algorithmic Trading What Can Quant Traders Learn from A natural way to execute this CEF strategy is to send a market-on-close MOC or limit-on-close LOC order near the close, since this is the way we can participate in the closing auction and avoid paying the bid-ask spread Futures Trading System CHAPTER 5 Mean Reversion of Currencies and Futures 107 Business Wiley and a popular financial blogger at Such orders will be routed to the primary exchange for each stock, ETF, or CEF, and the price it is filled at will be the official auction primary price at that exchange. I will illustrate this with three simple strategies Based on rational analysis, the market value of a CEF should be the same as the net asset value NAV of its holdings Epchan Forex Exchange Technical Assessment In Binary Choices Trading So the strategy to exploit any differences is both reasonable and simple rank all the CEF s by their difference premium between market value and NAV, and short the quintile with the highest premium and buy the quintile with the lowest maybe negative premium You can try this on a daily basis too, since Bloomberg provides daily NAV data The Sharpe ratio of this strategy from 1998-2011 is 1 5 Epchan Forex Exchange Joel Hasbrouck for an excellent review of the US stock market structure He maintains a popular blog Quantitative Trading at epchan Prior to iRageCapital, Gaurav worked with Axis Bank as a Forex-Interest Rates A natural way to execute this CEF strategy is to send a market-on-close MOC or limit-on-close LOC order near the close, since this is the way we c an participate in the closing auction and avoid paying the bid-ask spread. A correct backtest of a trading strategy requires accurate historical data Historical data that is full of errors will generate fictitious profits for mean-reverting strategies, since noise in prices is mean-reverting Epchan Forex Exchange Unfortunately, the CEF strategy was tested on this consolidated How To Manage Risk In Binary Options Trading The exact price at which one s order will be executed is highly dependent on the exact market center to which it has been routed Global Forex Exchange Market So I decide to backtest it again with the official closing price. Epchan Forexworld. Of course, if you are an individual trader with fewer than a hundred positions, preservation of capital becomes a lot more important, and so does stop loss I certainly think that applies to trend-following strategies Epchan Forexworld Mines And Money Uk 2012-13 How to play forex trading Ema trading system afl Bd forex forum Whenever y ou incur a big loss when you have a trend-following position, it ususally means that the latest entry signal is opposite to your original entry signal In part 3 we ve discussed the ideal development process of a model-based system, and consequently we ll conclude the series with developing a data-mining system One of my former bosses didn t believe in stop loss his argument is that the market does not care about your personal entry price, so your stop price may be somebody else s entry point Since he is running a portfolio with hundreds of positions, he doesn t regard preserving capital in just one or a few specific positions to be important. For our short-term trading example we ll use a deep learning algorithm, a stacked autoencoder, but it will work the same way with other machine learning algorithms With today s software tools, only about 20 lines of code are needed for a machine learning strategy Epchan Forexworld Forex Stock Market Hours Epchan forexworld Forex trading platforms s ingapore pools Astolfo sulla luna metaforex Oanda forex history The Journey of My Gold Trading Pengertian Nilai Tukar How to be a profitable short-term trader in a high frequency world w Dennis Dick EP 076 EP 052 Ernie Chan How to use leverage in Forex markets for your As a concrete example, I will apply this model to the commodity ETF spreads I discussed before that I believe are mean-reverting XLE-CL, GDX-GLD, EEM-IGE, and EWC-IGE How to play forex trading Ema trading system afl Bd forex forum Even if you are highly diversified and preservation of capital in specific positions is not important, are there situations where stop loss is rational. In this case, better admit your mistake, close your position, and maybe even enter into the opposite side Epchan Forexworld It is a simple model that says the next change in the spread is opposite in sign to the deviation of the spread from its long-term mean, with a magnitude that is proportional to the Forex Brokers Epchan forexworld Forex tra ding platforms singapore pools Astolfo sulla luna metaforex Oanda forex history The Journey of My Gold Trading Pengertian Nilai Tukar Here I propose a stop loss criterion that looks at another dimension time Convertisseur De Devises Taux Burkina Faso How to play forex trading Ema trading system afl Bd forex forum The simplest model one can apply to a mean-reverting process is the Ornstein-Uhlenbeck formula. The principles of data mining and machine learning have been the topic of part 4 With today s software tools, only about 20 lines of code are needed for a machine learning strategy Epchan Forexworld Market Valutakurser Forex Sverige I am a big fan of setting stop loss, but there are certainly myriad views on this Epchan Forexworld Sometimes I wish our politicians think this way On the other hand, if you employ a mean-reverting strategy, and instead of reverting, the market sticks to its original direction and causes you to lose money, does it mean you are wrong Indeed, many traders i n this case will double up their position, since the latest entry signal in this case is in the same direction as the original one Uk The Register Sci Tech News for the World Finance Yahoo Forex Forex Trading hedge fund sharpe ratio typical ads Here I propose a stop loss criterion that looks at another dimension time. It s time for the 5th and final part of the Build Better Strategies series Epchan Forexworld In our case, this proportionality constant can be estimated from a linear regression of the daily change of the spread versus the spread minute binary options strategy This raises a question though if incurring a big loss is not a good enough reason to surrender to the market, how would you ever decide if your mean-reverting model is wrong March Boursier Nouvelles Maurice Most importantly for us, if we solve this equation, we will find that the deviation from the mean exhibits an exponential decay towards zero, with the half-life of the decay equals ln 2.Trading Strategy Buy on Gap EPChan. This post is going to investigate a strategy called Buy on Gap that was discussed by E P Chan in his blog post the life and death of a strategy The strategy is a mean reverting strategy that looks to buy the weakest stocks in the S P 500 at the open and liquidate the positions at the close The performance of the strategy is seen in the image below, Annualized Sharpe Ratio Rf 0 2 129124.From the post two trading criterion were mentioned. Buy the 100 stocks out of the S P 500 constituents that have the lowest previous days lows to the current days opening price. Provided that the above return is less than the 1 times the 90day standard deviation of Close to Close returns. The criterion are fairly specific however it is important to write flexible code where it is easy to change the main model parameters, below is a list of variable names that specify the parameters in the R script. nStocksBuy How many stocks to buy. stdLookback How many days to look back for the standard deviation calculation. stdMultiple Number to multiply the standard deviation by was 1 in criterion 2 , the larger this variable the more stocks that will satisfy criterion 2.The code is split into 5 distinct sections. Section 1 Loop through all the stocks loaded from the data file, for each stock calculate the previous day close to current days open lowOpenRet Calculate the Close Close return and calculate the standard deviation stdClClRet Also calculate the Open to Close return for every day dayClOpRet , if we decide to trade this day this would be the return of the strategy for the day. Section 2 This section combines columns from each of the individual stock data frames into large matrices that cover all the stocks retMat contains the lowOpenRet for each stock stdMat contains the stdClClRet for all stocks, dayretMat contains the dayClOpRet for all stocks. Essentially instead of having lots of variables, we combine them into a big matrix. Section 3 This will check if matrices in section 2 match the trade entry criterion This section produces two matrices conditionOne and conditionTwo The matrices contain a 1 for a passed entry criterion and a 0 for a failed entry criterion. Section 4 This multiples the conditionOne with conditionTwo to give conditionsMet, since those matricies are binary multiplying them together identifies the regions where both conditions passed 1 1 1 ie a pass This means enter a trade. conditionsMet is then used as a mask, it has 1 s when a trade should occur and 0 s when no trade should happen So multiplying this with dayClOpRet gives us the Open to Close daily returns for all days and stocks that a trade occurred on. The script assumes capital is split equally between all the stocks that are bought at the open, if less than 100 stocks meet the entry criteria then it is acceptable to buy less. Section 5 This section does simple performance analytics and plots the equity curve against the S P 500 index. Onto the code note the datafile is generated in Stock Data Do wnload Saving R. Possible Future Modifications. Add shorting the strongest stocks so that the strategy is market neutral. Vary how many stocks to hold. Vary the input variables discussed above. Try a different asset class, does this work for forex.4 thoughts on Trading Strategy Buy on Gap EPChan. In EPChans blog he talks about this strategy collapsing, the above code must be slightly different to his implementation since the performance still looks OK post 2008.Another plausible explanation might be survival bias, the list of S P constituents is from 2011 however EPChan went live in 2007 where the constituents are different For example we know that Lehman Brothers folded in this time but this isn t back tested. Great analysis This data has survivorship bias, but only back to 2005, I wonder how much that would really change the results. Hi GekkoQuant, It s really weird that your results are different of those of Chan s I commented out the line when you add the average to the standard deviation and the results don t change much. Then, I applied the same strategy to Bovespa BVSP stocks since I live in Brazil and work with that market It should yield similar results in comparison with S P, since this strategy exploits a particular inefficiency in the opening auction price of equities Chan s words. We don t have as many stocks that are conveniently liquid to safely trade, so I tested a maximum of 10 and 20 stocks being held during the day For the period of Jan 2007 up to today, I got a cumulative return of 7 7 and 4 6, respectively. Hi GekkoQuant I tried ur strategy for few bucket of stocks, it exhibits good performance But I got a bit confused while trying in the short side shorting the strongest stocks so that the strategy is market neutral Can you please detail a bit about strongest stocks Did you mean stocks having lowest previous days Hi to the current days Op, and the return is more than the 1 times the 90day standard deviation of Cl-Cl returns. Leave a Reply Cancel reply.