Lista definitiva de estrategias comerciales automatizadas que debe conocer – Parte 2

Esta es la parte 2 de una serie “Lista definitiva de tipos de estrategias comerciales automatizadas”. Consulte la parte 1 para (1) Momento de serie temporal / Reversión media, (2) Momento transversal / Reversión media, (3) Promedio del costo en dólares, ( 4) Creación de mercado y (5) Automatización de transacciones diarias.

(6) Negociación basada en noticias / eventos

Antecedentes

Trump dice algo sobre Amazon y el precio de las acciones de la empresa cae. La FDA publica una aprobación para una aplicación genérica excepcional, y el precio de las acciones de una empresa de biotecnología se dispara. Elon Musk tuitea sobre la privatización de Tesla y las acciones de Tesla cotizan rápidamente al alza.

Las noticias pueden provocar cambios significativos en el precio de las acciones, pero es un desafío (a) identificar dichos eventos y (b) tomar las medidas adecuadas tan pronto como sucedan.

Posible enfoque

Para (a), es la era de los datos, y puede obtener noticias históricas y tweets de varias fuentes e identificar palabras clave o eventos particulares que pueden haber llevado a un movimiento de precios material. El aprendizaje automático, o más específicamente el procesamiento del lenguaje natural, también podría resolver algunos de los problemas aquí.

Para (b), nuevamente, puede que no tenga sentido que sigas monitoreando Twitter, StockTwits, Bloomberg o Y! Financia y reacciona a las noticias con un intercambio manual. Más bien, con Alpaca Trading API, puede automatizar este proceso si-entonces-ese en algo que busque continuamente noticias o eventos y reaccione en consecuencia.

Para implementación

Todo lo que necesita aquí es un feed de noticias y / o Twitter, que puede monitorear constantemente en busca de nuevos eventos procesables. Twitter y StockTwits también proporcionan API para uso personal. Algunos entornos de nube como Amazon Lambda también pueden ser una buena solución para esto.

Trigger Trigger de Trigger Finance (ahora parte de Circle):

(7) Uso del aprendizaje automático

Antecedentes

La evolución de la inteligencia artificial y la tecnología de aprendizaje automático también está cambiando el panorama del comercio de algoritmos.

Si bien las instituciones han realizado experimentos masivos utilizando terabytes de datos y grupos de GPU, debido a la naturaleza del secreto en la industria, la discusión pública y la investigación a menudo se han limitado a simples predicciones de precios con modelos mínimos de LSTM o ARIMA. p>

Casos de uso

Pero el poder del ML permite al médico encontrar la señal óptima entre un conjunto de reglas con parámetros variables. Sin ML, un comerciante podría desarrollar un sistema basado en reglas que sea demasiado inflexible para las condiciones cambiantes del mercado. O el sistema mecánico de un comerciante puede tener parámetros de características subóptimos que no capturan de manera efectiva el valor predictivo de la característica.

Por ejemplo, ML se puede utilizar para elegir los parámetros dinámicos de indicadores como MACD para desarrollar una estrategia de salida basada en el contexto y otros factores.

La aplicación del aprendizaje automático en el comercio no es solo para analizar datos de precios. Muchos fondos de cobertura nuevos están utilizando imágenes de satélite para agregar información fundamental y tomar mejores decisiones de inversión. El procesamiento del lenguaje natural es otro.

El comercio basado en datos está mejorando mucho con el aprendizaje automático en la actualidad. No es solo una coincidencia que en Alpaca también estemos viendo un gran interés entre los usuarios por las estrategias comerciales basadas en ML.

Para implementación

Sin duda, necesitará un buen conjunto de herramientas como scikit-learn y tensorflow, además de buenas fuentes de datos, y posiblemente pueda beneficiarse de recursos informáticos como una GPU para construir su modelo entrenado.

Por otro lado, es posible que necesite menos o incluso ningún conocimiento del mercado. El aprendizaje profundo o el uso de redes neuronales de varias capas se ha hecho posible incluso con una computadora portátil de consumo y, a menudo, puede ser difícil para el profesional comprender la lógica detrás de las decisiones generadas a partir de un modelo de aprendizaje profundo. En general, probablemente será útil tener conocimientos de dominio, independientemente de la industria a la que aplique el aprendizaje automático, ya que el aprendizaje automático y el aprendizaje profundo no son una fórmula mágica.

Un cuaderno de Python público sobre la predicción de acciones con LSTM:

(8) Arbitraje cambiario (N / A para Alpaca)

Qué es

La idea del arbitraje cambiario es simple: desea capturar las diferencias de precio que ocurren cuando un determinado activo fungible se negocia en más de un lugar.

En realidad

Esto no es particularmente aplicable a la renta variable estadounidense hoy en día, ya que los mercados son increíblemente eficientes. Más bien, todavía existen oportunidades para que las personas participen en el arbitraje de intercambio de criptomonedas, pero incluso estas están desapareciendo rápidamente e involucran otros riesgos operativos y de contraparte que no se ven en las acciones de EE. UU.

Si bien el arbitraje de intercambio parece prometedor, no está exento de riesgos ni tampoco está exento de riesgos y debe conocer y considerar todos los problemas operativos, técnicos y legales que puedan surgir. Dicho esto, el arbitraje de intercambio se entiende bien y es mecánico, por lo que es mucho más adecuado para la automatización.

Una vez más, el mercado de valores de EE. UU. es muy eficiente en la actualidad y las regulaciones prohíben los mercados bloqueados o cruzados, por lo que las oportunidades son extremadamente raras y de corta duración. Además, Alpaca actualmente no ofrece acceso directo al mercado en este momento.

Excelente descripción general del arbitraje de intercambio de cifrado:

(9) Reequilibrio de la cartera

Antecedentes

Como dice el viejo refrán, es posible que no desee poner todos sus huevos en una canasta. Al diversificar su inversión en múltiples activos diferentes, puede distribuir el riesgo y el valor de toda su cartera puede ser más eficiente en términos del perfil de riesgo / rendimiento. Todo suena bien, y esto es lo que puede esperar escuchar de sus asesores financieros y administradores de activos. Se basa en las matemáticas simples de la siguiente manera:

De lo que estamos hablando aquí es de maximizar el rendimiento mientras se mantiene el riesgo (volatilidad) en el punto más bajo posible para el rendimiento esperado.

En realidad

Puede investigar el riesgo / rendimiento esperado examinando los datos históricos de cada acción para poder construir la cartera desde cero.

Genial. Ahora, necesita comprar esas acciones para que esto suceda, pero ¿y si estamos hablando de 50 nombres diferentes? Es propenso a errores y lleva mucho tiempo hacerlo manualmente. De acuerdo, digamos que logró hacerlo una vez, ahora el tiempo vuela y semanas o meses después, algunas acciones se movieron mucho más que otras y el perfil de riesgo de su cartera podría haber cambiado. ¡Ahora necesita hacer el cálculo nuevamente y encontrar la estructura de cartera óptima, luego comprar y vender acciones resultantes del cálculo!

Para implementación

Puede notar que se trata de números y bastante mecánico desde un cálculo de riesgo / retorno hasta la realización de pedidos. Esta es una de las razones por las que ahora hay muchos Robo Advisors, que automatizaron este trabajo para cobrar tarifas por asesoría y administración de activos.

Con la API de comercio REST sin comisiones de Alpaca, no hay nada que le impida hacerlo usted mismo. Incluso puede hacerlo utilizando una hoja de cálculo de Google ahora.

Ref. algún artículo mediano sobre la teoría moderna de carteras:

(10) Arbitraje de ETF / índice

Antecedentes

Si bien hay muchos ETF exóticos que contienen productos estructurados complicados, como swaps y opciones, algunos ETF son simplemente cestas de acciones individuales.

Dado que un ETF de índice y una canasta de sus tenencias subyacentes son fundamentalmente las mismas cosas, existen oportunidades de arbitraje de precios cuando el precio del ETF se disloca del precio de la canasta.

En realidad

Los ETF súper activos como SPY (que rastrea el índice S & amp; P 500) probablemente no tienen ninguna posibilidad de que las personas aprovechen esas oportunidades de arbitraje, pero para algunos de los ETF menos líquidos, las personas pueden tener una oportunidad. Cualquier oportunidad de arbitraje es de muy corta duración y, nuevamente, debe seguir monitoreando las actividades del mercado para ubicarlas.

Una vez que detecte una oportunidad, es posible que desee ingresar antes de que desaparezca. Es probable que dure entre unos pocos segundos y unos minutos. Si bien una latencia no debería ser un problema importante aquí, tampoco es adecuado para intercambiarla manualmente.

Continuará…

Esta es la parte 2 de 3 publicaciones para obtener una descripción general de los diversos tipos de estrategias comerciales automatizadas. Estén atentos a la publicación final para cubrir más.

La tecnología y los servicios son ofrecidos por AlpacaDB, Inc. Los servicios de corretaje son proporcionados por Alpaca Securities LLC (alpaca.markets), miembro de FINRA / SIPC. Alpaca Securities LLC es una subsidiaria de propiedad total de AlpacaDB, Inc.

Si usas Twitter, puedes encontrarnos @AlpacaHQ. / em>

Follow Automation Generation, una publicación de Medium creada para desarrolladores / fabricantes en comercio y tecnología financiera.