이 웨비나에서 호스트는 호주 시드니의 존경받는 인공 지능 및 양자 컴퓨팅 전문가인 Dr. Thomas Stark를 소개합니다. Dr. Stark는 물리학 박사 학위를 가지고 있으며 현재 호주의 유명한 작물 거래 회사인 Triple A Trading의 CEO로 재직하고 있습니다. 독점 거래 회사인 Rolls-Royce에서 근무하고 마이크로칩 설계 회사를 공동 설립한 경험이 있는 Dr. Stark는 풍부한 지식과 경험을 토론에 제공합니다.
호스트는 시장 움직임의 영향을 받지 않는 거래의 독립적인 수익을 의미하는 알파의 개념을 명확히 하는 것으로 시작합니다. 그들은 "마이크로알파"라는 용어를 강조합니다. 이 용어는 특별한 수익을 창출하기보다는 거래 성공에 점진적으로 기여하는 소규모 거래 전략에 중점을 둡니다. 두 개념 모두 독립적인 수익이라는 아이디어를 공유하지만 마이크로알파는 특히 거래 성공을 달성하는 데 있어 작은 전략의 중요성을 강조합니다.
Stark 박사는 Alpha 거래에 대한 비유로 금광 채굴의 진화를 탐구합니다. 그는 금 채굴 방법이 전통적인 너겟 패닝에서 암석에서 소량의 금을 추출하는 대규모 채굴 작업으로 어떻게 진화했는지 설명합니다. 유사하게 Alpha의 거래도 발전하여 많은 전통적인 전략이 차익 거래 기회로 인해 남용되고 덜 효과적이 되었습니다. Dr. Stark는 성공적인 거래를 위해 악용될 수 있는 시장의 체계적 변칙을 식별하는 것과 관련된 마이크로 알파 개발의 개념을 소개합니다. 기계 학습은 이 프로세스에서 제한된 역할을 수행하지만 악용 가능한 불일치를 식별하려면 수동 작업이 필요합니다. Dr. Stark는 자동화와 백테스팅이 이 프로세스를 가속화하고 향상시킬 수 있다고 믿습니다.
연사는 마이크로 알파 생성 시스템을 개발하기 위해 시장 비효율성을 활용하는 것을 강조합니다. 이러한 비효율성은 쌍 전략, 추세, 평균 회귀, 교차 상관관계, 차트 패턴, 심지어 기계 학습 기술과 같은 다양한 거래 전략을 포함합니다. 목표는 이러한 비효율성 또는 전략을 활용하여 체계적이고 신뢰할 수 있는 결과를 생성하는 것입니다. 그러나 이러한 전략을 과대적합하지 않고 최적화하고 포괄적인 거래 전략으로 결합하여 복잡하면서도 효과적인 시스템을 만드는 것이 중요합니다. Dr. Stark는 고성능 시스템을 구축하기 위해 이러한 다양한 측면을 이해하는 것이 중요하다고 강조합니다.
Dr. Stark는 거래 이상 현상을 악용하는 개념과 여러 거래 전략을 결합하는 것의 중요성에 대해 논의합니다. 일부 트레이더는 점성술과 같은 색다른 방법을 채택할 수 있지만 Dr. Stark는 성공적인 거래 시스템을 구축하는 데 창의성이 필요하다고 강조합니다. 그러나 전략을 결합하려면 정확한 타임스탬프와 효율적인 프로그래밍을 포함하여 세부 사항에 세심한 주의를 기울여야 합니다. 트레이더는 또한 개별 전략의 상관관계와 동작을 고려하여 서로를 보완하고 이러한 시스템의 최적 가중치를 결정해야 합니다.
연사는 거래 전략을 백테스팅할 때 지표의 중요성을 강조합니다. 그들은 다양한 지표로 테어 시트를 연구하는 것이 각 개별 전략의 고유한 특성을 이해하는 데 중요하다고 설명합니다. 서로 다른 사용 사례에 서로 다른 메트릭이 적용되므로 가장 중요하거나 이상적인 단일 메트릭은 없습니다. 예를 들어, 샤프 비율은 거래 빈도는 낮지만 매 거래마다 신뢰도가 높은 전략에는 적합하지 않을 수 있습니다. 이러한 경우 이익 요인 또는 Sortino 비율과 같은 지표가 더 적절할 수 있습니다. 또한 화자는 시스템을 평가할 때 알파와 베타를 평가하여 시스템의 베타가 상대적으로 낮은지 확인하는 것의 중요성을 강조합니다.
복합적인 연간 성장 수익 및 손실을 포함하여 거래 전략의 성공을 측정하기 위한 다양한 지표에 대해 논의합니다. Dr. Stark는 이러한 모든 메트릭을 이해하고 경험을 통해 직관을 개발하는 것의 중요성을 강조합니다. 직관도 중요한 역할을 하지만 확실한 사실과 수학적 분석이 뒷받침되어야 합니다. 연사는 또한 알파의 선택은 자산 등급과 수익 프로파일에 따라 달라지며, 주식은 기업의 부가가치로 인해 추세와 상향 이동을 나타내는 경향이 있다고 지적합니다. 그러나 모든 시나리오에 보편적으로 적용되는 구체적인 알파는 없으며 종합적인 분석을 통해 각 전략의 고유한 지문을 이해하는 것이 필수적입니다.
연사는 서로 다른 자산 클래스가 거래 전략 개발에 미치는 영향에 대해 설명합니다. 그들은 주식은 논제로섬(non-zero sum)인 반면 외환은 보다 대칭적인 경향이 있다는 점에 주목합니다. 이러한 구분을 하고 자산 등급에 따라 적절한 전략을 선택하는 것이 중요합니다. 거래되는 자산의 유동성은 특히 옵션, 선물 또는 소액 주식에 대한 접근 방식에 영향을 미치는 제약을 제기합니다. 거래 시스템을 개발하는 데 필요한 전문 지식 수준은 시스템 유형과 완전히 체계적이거나 자동화되었는지 여부에 따라 다릅니다. Stark 박사는 완전 자동화 시스템을 위해서는 Python, Java 및 C++와 같은 프로그래밍 언어에 대한 지식이 필요하다고 제안합니다.
Dr. Stark는 거래 시스템을 개발하는 데 필요한 전문 지식과 시간에 대해 논의하고 통계 및 프로그래밍 기본 사항을 이해하는 것의 중요성을 강조합니다. 복잡해 보일 수 있지만 이 분야에서 배우고 발전하기 위해 재무 또는 프로그래밍 전문가가 될 필요는 없습니다. 거래 시스템을 개발하는 데는 전문 지식에 따라 몇 시간에서 몇 달이 걸릴 수 있으며 궁극적으로 몇 줄의 코드로 압축됩니다. 이 프로세스는 수학적 문제 해결과 비교되며 거래 시스템 구축의 분석 및 문제 해결 특성을 강조합니다.
연사는 성공적인 거래 시스템을 개발하기 위해 공부하고 연습하는 것의 중요성을 강조합니다. 외부 소스로부터의 영감과 지도가 가치 있을 수 있지만, 수학과 프로그래밍 분야에서 평판이 좋은 작품을 읽고 배우는 것도 필수적입니다. 발표자는 알파 아이디어와 포트폴리오 관리 개념을 다루기 때문에 코스에 관심이 있는 사람들에게 Grinold와 Kahn의 "Active Portfolio Management"를 전제 조건으로 추천합니다. 그러나 이 과정은 이론과 수학을 넘어서 학생들에게 지식을 컴퓨터 코드로 변환하는 방법을 가르치는 실용적인 사례 연구와 예제를 제공합니다. Stark 박사는 복잡한 전략도 종종 한두 줄의 Python 코드로 표현할 수 있으며 프로그래밍을 이해하면 보다 효율적인 백 테스트 및 탐색으로 이어질 수 있다고 주장합니다.
연사는 참석자들에게 거래를 위한 정량적 분석 및 프로그래밍 시스템에 관한 책을 읽을 뿐만 아니라 "Trading Wizards" 및 "Following the Trend"와 같은 책을 탐색하여 거래 사고 방식을 탐구하도록 조언합니다. 그들은 트레이딩이 단순한 과학이 아니라 성공적인 트레이더의 경험에서 배울 수 있는 특정한 사고방식과 감성 지능을 요구하는 창의적인 과정이라고 강조합니다. 연사는 알파 트레이딩 과정을 홍보하고 웨비나 참석자에게 특별 할인을 제공합니다. 비디오는 설문 조사를 통해 질문을 하고 향후 웨비나에 대한 피드백을 제공하도록 청중을 초대하는 것으로 마무리됩니다.
Q&A 세션에서 연사는 다양한 청중 질문에 답합니다. 그들은 거래 알파와 심층 강화 학습 과정의 차이점에 대해 논의하며 심층 강화 학습 과정은 컴퓨터 학습에 중점을 두고 마이크로 알파 과정은 채굴 과정에 중점을 둔다는 점을 강조합니다. 전 세계적으로 사용되는 다양한 브로커 및 프로토콜로 인해 마이크로 알파 과정에서 시장 연결을 위한 일반화된 코드의 부족도 해결됩니다. 그러나 마이크로 알파 과정은 거래 비용과 포트폴리오 최적화를 위한 알파 조합을 다룹니다.
연사는 거래 전략에 거래 비용을 고려하는 것의 중요성을 강조합니다. 거래 비용의 영향은 개별 사례에 따라 다를 수 있지만 거래 비용을 통합하는 방법을 이해하는 것이 시스템의 실행 가능성을 보장하는 데 중요하다는 점에 주목합니다. 그러나 거래비용을 종합적으로 분석하려면 거래비용 분석이나 모델링을 전담하는 별도의 과정이 필요합니다. 발표자는 또한 특히 기존 시스템이 이미 수익성이 있는 경우 Python의 인기 때문에 C++과 같은 언어에서 Python으로 전환하는 것에 대해 조언합니다. 전환 결정은 새로운 모델링 접근 방식을 탐색하거나 새로운 프로그래밍 언어를 배우고자 하는 욕구를 기반으로 해야 합니다. 연사는 세션 중에 제기된 다양한 질문에 대한 포괄적인 답변을 제공하는 트레이딩 불리한 코스의 개요를 언급합니다.
마무리 발언에서 사회자는 스타크 박사의 귀중한 통찰력과 전문성에 감사를 표합니다. 청중은 설문 조사를 통해 피드백을 제공하고, 질문을 제출하고, 향후 웨비나에 대한 생각을 공유하도록 권장됩니다. 진행자는 참석해 주신 시청자와 웨비나에 시간과 전문 지식을 바친 Stark 박사에게 감사를 표하며 마무리합니다.
00:00:00 호스트는 초청 연사인 호주 시드니의 인공 지능 및 양자 컴퓨팅 전문가인 Dr. Thomas Stark를 소개합니다. Dr. Stark는 물리학 박사 학위를 가지고 있으며 현재 호주 최고의 곡물 거래 회사인 Triple A Trading의 CEO입니다. 그는 이전에 독점 거래 회사인 Rolls-Royce에서 근무했으며 마이크로칩 설계 회사를 공동 설립했습니다. 호스트는 또한 참석자에게 Dr. Stark와 함께 마이크로 알파에 대한 이전 웨비나에 참석했는지 묻고 청중에 대한 아이디어를 얻기 위해 설문 조사를 실시합니다.
00:05:00 연사는 먼저 알파의 개념과 그것이 시장의 움직임과 무관하고 포트폴리오 관리자 또는 거래자의 기술과 관련된 특유의 수익을 의미하는 방법을 명확히 합니다. 마이크로 알파는 경이로운 수익을 내는 것이 아니라 거래의 성공에 조금이나마 기여하는 작은 전략을 의미한다고 설명한다. 두 용어는 독립적인 수익이라는 개념에서 유사하지만 microalpha는 거래 성공에 기여하는 작은 전략에 중점을 둡니다.
00:10:00 연사는 금 채굴의 진화와 그것이 알파 거래와 어떻게 관련되는지에 대해 논의합니다. 금 채굴 방법은 시간이 지남에 따라 강에서 덩어리를 캐는 것부터 대규모 광산을 사용하여 암석에서 소량의 금을 추출하는 것으로 바뀌었습니다. 유사하게 Alpha의 거래 방법은 많은 전통적인 전략이 남용되고 차익 거래되면서 발전했습니다. 연사는 시장에서 악용될 수 있는 체계적인 이상 현상을 찾는 마이크로 알파 개발의 아이디어를 소개합니다. 그는 이 프로세스가 어려울 수 있음을 인정하고 더 빠르고 효율적으로 만드는 도구를 제공하는 것을 목표로 합니다. 이 프로세스에서는 기계 학습의 사용이 제한되며 악용 가능한 불일치를 찾으려면 수동 작업이 필요합니다. 발표자는 자동화 및 백테스팅을 사용하여 프로세스를 더 빠르고 효과적으로 만들 수 있다고 믿습니다.
00:15:00 연사는 마이크로 알파 생성 시스템을 개발하기 위해 시장의 비효율성을 사용하는 것에 대해 이야기합니다. 이러한 비효율에는 쌍 전략, 추세, 평균 회귀, 교차 상관, 차트 패턴, 심지어 기계 학습까지 포함될 수 있습니다. 아이디어는 체계적인 결과를 생성하기 위해 이러한 비효율 또는 거래 전략을 이용하는 것입니다. 그러나 과대적합 없이 이러한 전략을 최적화하고 이를 보다 포괄적인 거래 전략으로 결합하여 복잡하지만 효과적인 기계를 만드는 것이 중요합니다. 연사는 고성능 시스템을 구축하기 위해 이러한 다양한 측면을 이해하는 것이 중요하다고 강조합니다.
00:20:00 연사는 거래 이상 현상을 악용하는 개념과 여러 거래 전략을 결합하는 것의 중요성에 대해 논의합니다. 일부 트레이더는 점성술과 같은 색다른 방법을 사용할 수 있지만 연사는 성공적인 거래 시스템을 구축하는 데 창의적이어야 할 필요성을 강조합니다. 그러나 전략을 결합하려면 정확한 타임스탬프와 효율적인 프로그래밍을 포함하여 세부 사항에 주의를 기울여야 합니다. 또한 트레이더는 개별 전략의 상관관계와 동작을 고려하여 서로를 보완하고 최적의 방식으로 시스템에 가중치를 부여하는 방법을 결정해야 합니다.
00:25:00 연사는 거래 전략을 백테스팅할 때 지표의 중요성에 대해 논의합니다. 그들은 각각의 개별 전략의 지문을 이해하는 데 있어 모든 다른 지표가 포함된 테어 시트를 읽는 것이 중요하다고 언급합니다. 발표자는 가장 중요하거나 이상적인 메트릭은 없지만 특정 사용 사례에 적용되는 특정 메트릭이 있다고 설명합니다. 그들은 샤프 비율이 1년에 몇 번만 거래되지만 각 거래에 대해 높은 신뢰도를 갖는 전략에 대해 어떻게 좋은 지표가 아닐 수 있는지에 대한 예를 제공합니다. 대신 이익 요인 또는 Sortino와 같은 지표가 더 적합할 수 있습니다. 마지막으로 연사는 시스템을 평가할 때 알파와 베타의 중요성을 강조하며 시스템의 베타가 상대적으로 낮아야 한다고 말합니다.
00:30:00 발표자는 복합 연간 성장 수익률 및 손실과 같은 거래 전략의 성공을 측정하기 위한 다양한 지표에 대해 이야기합니다. 그들은 모든 지표를 이해하고 경험을 통해 직관을 발전시키는 것의 중요성을 강조합니다. 직관도 중요하지만 확실한 사실과 수학으로 뒷받침되어야 합니다. 연사는 또한 사용되는 알파의 유형은 자산 등급과 수익률 프로파일에 따라 달라지며 주식은 기업의 부가가치로 인해 추세를 보이고 상승하는 경향이 있다고 지적합니다. 그러나 특정 시나리오에 적용되는 특정 알파는 없으며 타이어 시트에서 각 전략의 고유 지문을 이해하는 것이 중요합니다.
00:35:00 연사는 다양한 거래 전략의 개발이 거래할 수 있는 다양한 자산 클래스에 의해 어떻게 영향을 받는지 논의하며 주식은 논제로섬인 반면 외환은 훨씬 더 대칭적이라는 점에 주목합니다. 연사는 이러한 구별을 하고 자산 등급에 따라 올바른 전략을 선택하는 것의 중요성을 강조합니다. 거래되는 자산의 유동성은 옵션, 선물 또는 소액주와 같은 자산에 대한 접근 방식을 변경하는 제약이기도 합니다. 트레이딩 시스템 개발에 필요한 전문성 수준은 트레이딩 시스템의 종류와 완전 체계적 또는 자동화 여부에 따라 다르지만, 화자는 완전 자동화를 위해서는 Python, Java, C plus plus와 같은 프로그래밍 언어에 대한 지식이 필요하다고 제안합니다. 시스템.
00:40:00 발표자는 알파를 구축하기 위해서는 통계에 대한 기본적인 이해와 프로그래밍에 대한 전문성이 필요하다고 말하면서 거래 시스템을 개발하는 데 필요한 전문성과 시간에 대해 논의합니다. 그는 복잡해 보일 수 있지만 이 분야에서 배우고 발전하기 위해 재무 또는 프로그래밍 전문가가 될 필요는 없다고 덧붙입니다. 연사는 또한 거래 시스템을 개발하는 데 전문성에 따라 2시간에서 몇 달이 걸릴 수 있으며 프로세스는 궁극적으로 몇 줄의 코드로 압축된다고 말합니다. 또한 그는 거래 시스템을 구축하는 과정을 수학 문제를 푸는 과정에 비유합니다.
00:45:00 연사는 성공적인 거래 시스템을 개발하기 위해 공부와 연습의 중요성에 대해 논의합니다. 그들은 더 높은 권력에서 영감을 얻고 다운로드하는 것이 도움이 될 수 있지만 진지한 수학 및 프로그래밍 작업을 읽고 배우는 것도 중요하다고 지적합니다. 화자는 알파와 포트폴리오 관리에 대한 아이디어를 다루고 있기 때문에 코스에 관심이 있는 사람들에게 좋은 전제 조건으로 Grinold와 Kahn의 "Active Portfolio Management"를 추천합니다. 그러나 화자는 또한 그들의 과정이 이론과 수학을 넘어 실용적인 사례 연구와 예제를 제공하고 학생들에게 지식을 컴퓨터 코드에 적용하는 방법을 가르친다고 언급합니다. 그들은 복잡한 전략도 종종 한두 줄의 파이썬 코드로 줄일 수 있으며 프로그래밍을 이해하면 보다 효율적인 백테스팅과 탐색으로 이어질 수 있다고 주장합니다.
00:50:00 화자는 양적 분석 및 거래 프로그래밍 시스템에 관한 책뿐만 아니라 Trading Wizards 및 Follow the Trend와 같은 책을 읽으면서 거래 사고 방식을 탐구할 것을 권장합니다. 그는 트레이딩이 엄밀한 과학이 아니라 성공한 트레이더들의 경험에서 배울 수 있는 특정한 마음가짐과 감성 지능을 요구하는 창의적인 과정이라고 강조합니다. 연사는 또한 거래 알파에 대한 과정을 홍보하고 참석자에게 특별 할인을 제공합니다. 마지막으로 웨비나는 참석자들의 질문을 위한 공간을 엽니다.
00:55:00 발표자는 Algo 트레이딩 컨퍼런스에서 청중의 질문에 답하며 알파 거래와 딥 강화 학습 과정의 차이점, 마이크로 알파 과정에서 시장 연결을 위한 일반화된 코드의 부족, 포함과 같은 주제를 다룹니다. 알파와 거래 비용을 과정에 결합하는 것입니다. 심층 강화 학습 과정이 컴퓨터 학습을 중심으로 하는 반면, 마이크로 알파 과정은 실제 채굴 과정에 중점을 둡니다. 시장 연결을 위한 일반화된 코드가 없는 것은 전 세계적으로 사용되는 브로커와 프로토콜이 다르기 때문입니다. 그러나 마이크로 알파 코스는 거래 비용과 포트폴리오 최적화를 위한 알파 조합을 다룹니다.
01:00:00 연사는 거래 비용과 이를 거래 전략에 반영하는 것의 중요성에 대해 논의합니다. 개별 사례에 따라 다를 수 있지만 거래 비용을 고려한 후에도 시스템이 계속 작동하도록 하려면 거래 비용을 고려하는 방법을 제대로 이해하는 것이 중요합니다. 그러나 거래 비용의 완전한 분석은 거래 비용 분석 또는 모델링에 전적으로 전념하는 마이크로 알파 과정만큼 큰 또 다른 과정이 필요합니다. 연사는 또한 파이썬이 인기가 있다고 해서, 특히 그들의 시스템이 돈을 벌고 있다면 C++과 같은 언어에서 반드시 전환할 필요는 없다고 조언합니다. 대신 누군가 모델을 구축하거나 학습하는 새로운 방법을 탐색하려는 경우에만 전환이 필요할 수 있습니다. 세션 중에 제기된 다양한 질문에 대한 포괄적인 답변을 제공하는 트레이딩 불리한 코스의 개요도 언급됩니다.
01:05:00 비디오는 진행자가 세션에 대해 Dr. Stark에게 감사를 표하고 청중이 설문 조사를 통해 피드백을 제공하도록 격려하는 것으로 끝납니다. 주최자는 시청자에게 설문 조사를 통해 질문하고 향후 웨비나에 대한 생각을 공유하도록 상기시킵니다. 비디오는 호스트가 시청해 준 시청자와 스타크 박사의 시간과 전문성에 감사하는 것으로 마무리됩니다.
This session introduces you to the skill of trading Alphas by identifying various micro-alpha opportunities. It covers various micro-alpha strategies, the pr...
웨비나는 가격 행동 거래의 개념을 소개합니다. 여기서 거래자는 기술 지표에 의존하지 않고 거래 결정을 내리기 위해 시간이 지남에 따라 자산의 근본적인 가격 행동을 연구합니다. 발표자는 가격 행동을 생성하는 거래의 수요와 공급, 지지 및 저항 수준, 차트 패턴, 피벗 포인트와 같은 가격 행동 거래에 사용되는 도구에 대해 설명합니다. 반전 및 연속 패턴과 같은 다양한 유형의 차트 패턴과 그 중요성 및 거래 방법에 대해 설명합니다. 웨비나는 또한 가격 행동을 이해하고 추세에 참여하기 위해 가격 행동 거래에서 피보나치 시리즈와 그 비율의 사용을 다룹니다. 이 과정은 다양한 거래 전략을 다루고 거래 및 백테스트 전략을 분석하는 데 필요한 코드와 조건을 제공합니다.
이 웨비나에서는 QuantInsti의 퀀트 분석가인 Varun Kumar Portula가 가격 행동 거래에 대한 유익한 세션을 제공합니다. 그는 거래 결정을 내리기 위해 시간이 지남에 따라 자산의 근본적인 가격 행동을 분석하는 가격 행동 거래의 개념을 소개하는 것으로 시작합니다. RSI 또는 MSCD와 같은 기술 지표에 의존하는 것과 달리 가격 행동 거래는 시장의 수요와 공급을 연구하는 데 중점을 둡니다. 가격 행동 거래 전략의 단순성과 성공률은 거래자들 사이에서 인기를 끌었습니다.
Portula는 가격 행동 거래가 장기 투자보다는 단기 및 중기 거래에 주로 사용된다고 강조합니다. 그는 트레이더가 수요와 공급을 분석하여 미래의 가격 움직임을 예측하는 방법을 설명하기 위해 주식 가격 행동의 예를 사용합니다. 수요와 공급의 불균형은 다양한 가격 행태를 만들어내며, 이는 특정 가격 수준에서 매도 주문 대 매수 주문 수를 조사하여 분석할 수 있습니다. 또한 트레이더는 가격 조치 거래에서 지원 및 저항 수준, 차트 패턴 및 피벗 포인트와 같은 도구를 활용합니다.
연사는 거래에서 공급과 수요의 개념을 설명합니다. 여기서 공급은 시장에서의 판매를 나타내고 수요는 구매를 나타냅니다. 공급이 수요를 초과하면 가격이 하락하고 수요가 공급을 초과하면 가격이 상승합니다. 이러한 수요와 공급의 불균형은 가격이 변동하는 경향이 있는 공급 구역 및 수요 구역과 같은 구역을 생성합니다. Portula는 또한 판매자 또는 구매자가 시장을 통제하는 영역을 나타내는 지원 및 저항 수준의 중요성을 탐구합니다. 거래자는 이러한 개념을 사용하여 거래 전략을 개발하고 공급 및 수요 분석을 기반으로 입장 또는 청산에 대한 정보에 입각한 결정을 내릴 수 있습니다.
그런 다음 웨비나는 가격 행동 거래에서 반전 패턴과 지속 패턴이라는 두 가지 유형의 차트 패턴을 살펴봅니다. 반전 패턴은 상승 추세에서 하락 추세로 또는 그 반대로 추세의 변화를 나타냅니다. 약세 반전 패턴은 공급 영역을 나타내며 약세 시장 심리를 암시하는 반면, 강세 반전 패턴은 수요 영역을 나타내며 상승 추세로의 잠재적 반전을 암시합니다. 화자는 헤드앤숄더, 더블 탑, 역 헤드앤숄더, 더블 바닥과 같이 약세 및 강세 반전 모두에 일반적으로 사용되는 패턴의 예를 제공합니다.
지속 패턴은 기존 추세 내에서 발생하는 패턴으로 논의되며 해당 추세의 잠재적 지속 가능성을 나타냅니다. 상승 추세에서 통합은 플래그 패턴, 펜던트 패턴 및 오름차순 삼각형과 같은 패턴을 생성합니다. 하락추세에서는 Bear Flag와 하강 삼각형과 같은 패턴을 관찰할 수 있으며 이는 하락추세의 지속 가능성을 나타냅니다. 비디오는 가격 행동을 연구하고 이러한 패턴을 식별하여 미래의 가격 움직임을 정확하게 예측하는 것의 중요성을 강조합니다.
강사는 헤드앤숄더 패턴의 네크라인이 상승 추세의 약함을 나타내므로 그 중요성을 강조합니다. 이 패턴을 거래하는 것은 가격이 목선 아래에서 거래될 때까지 기다린 다음 오른쪽 어깨 위의 손절매와 헤드 길이에서 이익 목표로 짧은 포지션을 취하는 것을 포함합니다. 그러나 이 패턴의 수동 거래는 어려울 수 있습니다. 그래서 이 과정은 많은 양의 과거 데이터가 있는 경우에도 Python 프로그래밍을 활용하여 패턴을 효율적으로 스캔합니다.
비디오는 Jupyter Notebook을 사용하여 거래에서 머리와 어깨 패턴을 스캔하는 방법을 논의합니다. 제공된 코드를 통해 트레이더는 패턴을 감지하고 스캔할 수 있으며, 헤드앤숄더 패턴의 진입점과 퇴장점을 결정하는 데에도 가이드를 제공합니다. 이 과정에서는 위험 매개변수를 효과적으로 결정하기 위해 이 전략에 대한 백테스팅을 다룹니다. 또한 이 섹션에서는 잠재적 지원 및 저항 수준을 계산하는 데 사용되는 선행 지표인 피벗 포인트를 다룹니다. 전통적인 피벗, 카마릴라 피벗, 피보나치 피벗과 같은 다양한 유형의 피벗 포인트에 대해 설명하며 각각 지지 및 저항 수준을 계산하기 위한 고유한 공식이 있습니다. 피벗 포인트는 스윙 트레이더와 일중 트레이더에게 유용한 도구 역할을 하여 종료 계획, 손실 중지 및 이익 실현을 지원합니다.
피보나치 수열의 개념과 가격 행동 거래의 비율에 대해서도 설명합니다. 트레이더는 가격 행동을 이해하고 추세에 참여하기 위해 23.6%, 38.2%, 50%, 61.8%, 100%와 같은 피보나치 비율을 사용합니다. 상승 추세 동안 트레이더는 38.2%, 50% 및 61.8%의 되돌림 수준을 활용하여 풀백 동안 거래에 진입하여 더 높은 가격으로 구매하는 것을 피하고 손실을 최소화합니다. 비디오에는 이러한 비율을 계산하고 롱 포지션을 효과적으로 취하는 데 사용되는 방법을 보여주는 예가 포함되어 있습니다.
연사는 이 과정에서 피보나치 되돌림 및 거래 수준 분석을 사용하여 거래를 분석하고 승자 비율, 패자 비율 및 이익 요인과 같은 요인을 연구하는 등 다양한 거래 전략을 다룬다고 강조합니다. 백테스트된 전략에 대한 자세한 설명과 코드 예제가 제공됩니다. 또한 일중 거래에 대한 Camarilla 또는 기술 수준의 적합성에 관한 질문이 해결됩니다.
끝으로 웨비나는 세션 내내 참여와 관심을 가져주신 청중과 발표자에게 감사의 말씀을 전하며 웨비나를 마무리합니다. Varun Kumar Portula는 가격 조치 거래의 주제를 성공적으로 소개하고 기본 사항을 다루고 기본 철학을 설명하며 이 거래 접근 방식에 사용되는 도구, 차트 패턴, 피벗 포인트 및 수준에 대한 통찰력을 제공합니다.
00:00:00 QuantInsti의 양적 분석가인 Varun Kumar Portula가 가격 행동 거래라는 주제를 소개합니다. 그는 이러한 유형의 거래에는 RSI 또는 MSCD와 같은 기술적 지표에 의존하지 않고 시간이 지남에 따라 자산의 근본적인 가격 행동을 연구하여 거래 결정을 내리는 것이 포함된다고 설명합니다. 가격 행동 거래는 웨비나 참석자의 절반이 가격 행동 거래 경험이 있는 수동 거래자라는 사실에서 알 수 있듯이 전략의 단순성과 성공률로 인해 거래자들 사이에서 인기가 있습니다. 이 세션에서는 가격 행동 거래의 기초, 그 이면의 철학, 그것을 수행하는 도구, 차트 패턴, 피벗 포인트 및 수준을 다룰 것입니다.
00:05:00 장기 투자보다는 단기 및 중기 거래에 주로 사용되는 가격 행동 거래의 개념이 도입되었습니다. 주식 가격 행동의 예는 트레이더가 미래 가격 움직임을 예측하기 위해 수요와 공급을 분석하는 방법을 보여주기 위해 사용됩니다. 수요와 공급의 불균형은 가격 행동을 일으키고 거래자는 특정 가격 수준에서 매도 주문 대 매수 주문의 수를 살펴봄으로써 주식의 가용성을 분석할 수 있습니다. 가격 행동 거래에 사용되는 다른 도구로는 지원 및 저항 수준, 차트 패턴 및 피벗 포인트가 있습니다.
00:10:00 거래에서 공급과 수요의 개념을 설명합니다. 여기서 공급은 시장에서 판매를 나타내고 수요는 구매를 나타냅니다. 공급이 수요보다 많으면 가격이 하락하고 수요가 공급보다 많으면 가격이 상승합니다. 수요와 공급의 불균형은 공급 지역과 수요 지역과 같이 가격이 다른 지역을 만듭니다. 지원 및 저항 수준은 가격이 하락할 때까지 판매자가 통제하고 구매자가 주식을 상승시키기 위해 다시 통제하는 영역으로 설명됩니다. 거래자는 이러한 개념을 사용하여 공급 및 수요 분석을 기반으로 거래 전략 및 청산 포지션을 생성할 수 있습니다.
00:15:00 화자는 가격 행동 거래에서 반전 패턴과 지속 패턴이라는 두 가지 유형의 차트 패턴을 설명합니다. 반전 패턴은 반복적이며 상승 추세에서 하락 추세로 또는 하락 추세에서 상승 추세로 추세의 변화를 나타냅니다. 약세 반전 패턴은 공급 영역을 나타내고 시장에 약세를 유발하는 반면, 강세 반전 패턴은 수요 영역을 나타내며 추세가 상승 추세로 반전될 가능성을 높입니다. 화자는 약세 반전을 위한 헤드앤숄더 및 이중 상단, 강세 반전을 위한 역 헤드앤숄더 및 이중 바닥과 같이 가장 일반적이고 잘 테스트된 패턴의 예를 제공합니다.
00:20:00 비디오는 거래에서 지속 패턴의 개념을 설명합니다. 비디오는 상승 추세에서 자산이 통합됨에 따라 트레이더가 미래 움직임을 예측하기 위해 관찰할 수 있는 패턴을 생성한다고 설명합니다. 이러한 패턴에는 플래그 패턴, 펜던트 패턴 및 오름차순 삼각형이 포함됩니다. 마찬가지로 하락 추세에서는 Bear Flag와 같은 패턴, 하강 삼각형을 볼 수 있으며 거래자는 패턴 확인 후 자산이 동일한 방향으로 계속 이동할 것이라고 가정할 수 있습니다. 이 비디오는 또한 헤드앤숄더 패턴이 형성되는 방식을 보여줍니다. 이는 하락세로 전환될 수 있는 상승세의 반전을 나타냅니다. 전반적으로 트레이더는 어떤 패턴이 형성되고 있는지 이해하고 미래 움직임을 예측하기 위해 가격 행동을 연구해야 합니다.
00:25:00 강사가 헤드 앤 숄더 패턴에서 네크라인의 중요성을 설명합니다. 이는 상승 추세의 약점을 나타냅니다. 이 패턴을 거래하려면 가격이 목선 아래에서 거래될 때까지 기다린 다음 오른쪽 어깨 위의 손절매와 헤드 길이에서 이익 목표로 짧은 포지션을 취해야 합니다. 그러나 이 패턴을 수동으로 거래하는 것은 어렵기 때문에 이 과정은 Python을 사용하여 프로그래밍 방식으로 30년 동안의 데이터에서 패턴을 1분 이내에 스캔합니다.
00:30:00 비디오는 Jupyter 노트북을 사용하여 거래에서 머리와 어깨 패턴을 스캔하는 방법에 대해 설명합니다. 이 노트북은 패턴을 감지하고 스캔하는 코드를 제공하며 머리와 어깨 패턴의 시작점과 종료점을 결정하는 방법에 대한 정보도 제공합니다. 이 과정에서는 위험 매개변수를 결정하기 위한 이 전략에 대한 백테스팅도 다룹니다. 이 섹션에서는 방향 이동을 결정하고 지원 및 저항을 정의하는 데 사용되는 중요한 수준인 프라이빗 포인트에 대해서도 설명합니다. 단계 데이터를 사용하여 개인 포인트를 생성하여 주식 이동 방향과 잠재적 지원 및 저항 수준을 예측할 수 있습니다.
00:35:00 비디오는 피벗 포인트와 가격 행동 거래에 사용할 수 있는 방법에 대해 설명합니다. 피벗 포인트는 가능한 지원 및 저항 수준을 계산하는 데 사용되며 트레이더가 이러한 수준을 미리 식별하는 데 도움이 되는 선행 지표입니다. 전통적인 피벗, 카마릴라 피벗 및 피보나치 피벗을 포함하여 다양한 유형의 피벗 포인트가 있으며 지지 및 저항 수준을 계산하기 위한 다양한 공식이 있습니다. 피벗 포인트는 스윙 트레이더와 일중 트레이더 모두에게 유용한 도구이며 트레이더가 출구를 계획하고 손실을 중지하고 이익을 취하는 데 도움이 될 수 있습니다.
00:40:00 피보나치 수열의 개념과 가격 행동 거래의 비율에 대해 논의합니다. 피보나치 수열은 자연과 식물의 꽃잎 수 형성과 같은 자연스러운 패턴에서 널리 퍼져 있습니다. 트레이더는 23.6%, 38.2%, 50%, 61.8%, 100%와 같은 피보나치 비율을 사용하여 가격 행동을 이해하고 추세에 참여합니다. 상승추세에서 트레이더는 38.2%, 50%, 61.2%의 되돌림 수준을 사용하여 더 높은 가격에 매수하는 대신 하락 중에 거래를 시작하고 손실을 최소화합니다. 이러한 비율이 어떻게 계산되고 롱 포지션을 취하는 데 사용되는지에 대한 예도 설명되어 있습니다.
00:45:00 연사는 거래를 분석하고 승자, 패자 및 이익 요인의 비율을 연구하기 위한 피보나치 되돌림 및 거래 수준 분석의 사용과 같은 다양한 거래 전략을 코스에서 어떻게 다루는지 설명합니다. 이 과정은 되돌림을 예상하고 롱 포지션을 취할 수 있는 수준을 계산하는 데 필요한 코드와 조건을 자세히 다룹니다. 백테스트된 전략은 비디오 및 코드 형식으로 설명됩니다. 연사는 또한 카메라 또는 기술 수준이 일중 거래에 가장 적합한지에 대한 질문에 답하고 청중과 발표자에게 감사하며 웨비나를 마무리합니다.
This session introduces you to the skill of trading without using technical indicators by understanding the price behaviour. It covers several important pric...
알고 트레이딩 컨퍼런스에서 Dr. Euan Sinclair는 옵션 트레이더들이 흔히 저지르는 실수에 대해 포괄적인 강연을 하고 성공적인 옵션 트레이딩 전략에 대한 귀중한 통찰력을 공유했습니다. 그는 트레이더가 지속적으로 수익을 내기 위해서는 시장에서 우위를 점할 필요가 있다고 강조했습니다. Sinclair는 자산을 더 낮은 가격에 사고 더 높은 가격에 파는 것의 중요성을 강조했지만, 많은 옵션 거래자들이 이 개념에 어려움을 겪고 종종 옵션에 대해 초과 지불한다고 지적했습니다.
Sinclair는 자신도 거래 경력에서 실수를 저질렀다고 솔직하게 인정했지만 동료 거래자들이 이러한 실수를 바로잡기 위해 적극적으로 노력할 것을 촉구했습니다. 그의 조언 중 일부는 옵션에 대한 배경 지식이 있는 트레이더에게 맞춰졌지만 그가 논의한 많은 실수는 모든 수준의 전문 지식을 가진 트레이더와 관련이 있다고 강조했습니다.
연사는 거래 구조에 관계없이 옵션 거래에서 우위를 점하는 것이 중요하다는 점을 크게 강조했습니다. 그는 위험이 없다는 착각을 불러일으키는 옵션 구조를 설계하는 것에 대해 경고했습니다. 이는 잠재적인 위험에 대한 트레이더의 눈을 멀게 하는 경우가 많기 때문입니다. Sinclair는 우위를 갖는 것이 거래의 가장 중요한 측면이며 단순히 규율, 위험 통제, 노력 또는 지능을 통해서만 달성할 수 없다고 주장했습니다. 트레이더는 시장에 가치 있는 서비스를 제공하고 필요를 충족하는 무언가를 적극적으로 제공해야 합니다.
Sinclair는 옵션 거래의 복잡성, 특히 변동성을 정확하게 예측하고 설명해야 하는 필요성에 대해 자세히 설명했습니다. 그는 거래자들이 시장의 방향을 예측하는 데만 의존할 수는 없다고 강조했습니다. 또한 옵션의 가격과 잠재적인 변동성 변화도 고려해야 합니다. 트레이더의 시장 예측이 정확하더라도 옵션에 대해 잘못된 가격을 지불하거나 변동성 변화를 제대로 설명하지 못하면 여전히 돈을 잃을 수 있습니다. 따라서 옵션 거래자는 주로 변동성 거래자여야 하며 거래 전반에 걸쳐 지속적으로 변동성을 모델링하고 분석해야 합니다.
연사는 풋 및 콜 옵션 구매에 대한 오해를 언급했습니다. 풋 옵션을 매수하면 시장이 하락할 때 변동성 증가로 이익을 얻을 수 있지만 일반적으로 옵션 가격은 이를 반영하도록 이미 조정되어 있습니다. 반면에 콜 옵션은 거래 중에 가격이 비싼 경향이 있습니다. Sinclair는 또한 매우 예측할 수 없는 사건인 블랙 스완 사건의 개념에 대해서도 논의했습니다. 외가격 옵션을 매수하여 검은 백조로부터 보호하는 것이 논리적으로 보일 수 있지만 이 전략은 종종 비용이 많이 드는 실수임이 입증됩니다. Sinclair는 상당한 금액의 손실을 입은 저변동성 펀드의 예를 강조하고 정보 거래를 위해 소셜 미디어에만 의존하지 말라고 경고했습니다.
연사는 또한 부정확한 체계적인 베팅으로 인해 자주 손실을 보는 장기 변동성 펀드 문제를 다루었습니다. 이러한 펀드는 시장의 격동기에 주목을 받을 수 있지만 장기적으로는 손실로 끝나는 경우가 많습니다. Sinclair는 옵션이 일반적으로 고가라고 강조하면서 옵션 매도가 비대칭 위험을 상쇄하는 데 도움이 될 수 있음을 시사합니다. 그러나 특정 거래 맥락에서 변동성이 잘못 책정되었는지 여부를 평가하여 옵션 매도에 실행 가능한 우위가 있는지 확인하는 것이 중요합니다.
Sinclair는 Theta 거래(시간 경과에 따른 옵션 가치의 붕괴)가 우위를 제공한다는 믿음과 훨씬 외가격 옵션을 판매하는 것이 항상 수익성이 있다는 오해와 같이 옵션 거래자들이 저지르는 몇 가지 일반적인 실수에 대해 논의했습니다. 그는 거래자들이 이러한 옵션을 매도함으로써 대부분의 시간 동안 프리미엄을 받을 수 있지만 잠재적인 위험이 보상보다 더 크다고 경고했습니다. 그는 자동화된 스크립트에만 의존하기보다 결과를 적극적으로 검토하는 것의 가치를 강조하면서 성공적인 결과와 실패한 결과를 모두 이해하기 위해 철저한 거래 분석을 권장했습니다. 또한 그는 더 나은 피드백과 향상된 거래 결정을 위해 스트랭글보다는 스트래들 매도를 제안했습니다.
발표자는 자신의 위치를 지속적으로 재평가하고 원하는 위치를 결정하기 위해 모든 가능한 정보를 고려하는 것이 중요하다고 강조했습니다. 거래 비용을 고려해야 하지만 Sinclair는 거래자들에게 모든 거래에서 완벽을 추구하기보다는 비용 절감에 더 집중하라고 조언했습니다. 비용을 최소화하면 수학적으로 변동이 없는 샤프 비율을 향상시킬 수 있습니다. 입찰-매도 스프레드를 넘지 않는 것이 중요하지만, 연사는 제안에만 매도하거나 매도에만 매수하는 것에 자신을 제한하는 것을 피해야 한다고 강조했습니다. 대신 모든 관련 비용을 포괄하는 전략을 고안하면서 입찰가에 매도하고 제안에 매수하는 역할을 맡아야 합니다. 연사는 더 낮은 기대 가치로 더 많은 거래를 수행할 것을 옹호했으며, 많은 작은 유리한 결과가 한 번의 큰 승리에 의존하는 것보다 더 유익할 수 있음을 인정했습니다.
역선택의 개념은 연사가 다룬 또 다른 주제였습니다. 그는 거래가 유망해 보이더라도 더 많은 지식과 통찰력을 가진 누군가가 나타나 거래자의 제안을 이용하여 불리한 결과를 초래할 수 있다고 경고했습니다. 시간이 지남에 따라 손실 위험을 완화하기 위한 신중한 접근 방식으로 현실적인 기대, 과도한 거래 또는 큰 포지션을 피하고 더 작은 지속 가능성에 집중하는 것이 강조되었습니다. 연사는 빠르게 사라질 수 있는 하나의 큰 승리에 의존하기보다는 다양한 관심사의 포트폴리오로 결합될 수 있는 여러 개의 작은 에지를 축적하는 것의 가치를 강조했습니다.
Sinclair 박사는 알고 트레이더 또는 옵션 트레이더로 시작하는 것이 일관된 수익성을 달성하는 이상적인 접근 방식이 아니라는 결론을 공유했습니다. 그는 도구 자체에서 시작하기보다는 거래 옵션과 관련된 문제 또는 틈새를 식별하는 것이 중요하다고 강조했습니다. 시장의 방향에 따라 거래하는 것이 목표라면 변동성을 예측하는 데 있어서도 일관성 있는 정확성이 요구되기 때문에 옵션 거래만으로는 충분하지 않습니다. 그는 옵션 매수가 일관된 이익을 보장할 수 있다는 생각에 대해 경고하면서 변동성을 정확하게 예측하는 것이 모든 옵션 거래 전략에서 성공의 열쇠임을 강조했습니다. 결론적으로 그는 거래자들이 도구에 집착하지 말고 성공적인 거래 틈새를 식별하면서 변동성을 이해하고 예측하는 데 집중하도록 권장했습니다.
연사는 옵션의 내재 곡선과 변동성과의 관계에 대한 통찰력을 제공했습니다. 그는 내재 곡선의 스큐는 주로 변동성 자체보다는 변동성과 기초 자산의 움직임 사이의 상관관계에 의해 발생한다고 설명했습니다. 결과적으로 화자는 옵션의 가격을 고려할 때 왜도를 대체로 무시할 수 있다고 제안했습니다. 또한 연사는 시장 조성자가 2020년에 경험한 위기와 같은 시장 격동기 동안 종종 좋은 성과를 거두는데, 이는 동일한 기간 내에 더 많은 거래를 실행할 수 있기 때문입니다. 또한 마이너스 금리의 기능을 하는 숏 차입 금리는 배당금과 유사한 것으로 간주되어 마켓 메이커가 옵션 가격 책정에 반영합니다.
연사는 또한 마이너스 금리와 유사한 특성을 나타내는 옵션에 대해 논의하고 이전에는 수익성이 있었지만 더 이상 유효하지 않은 거래의 예를 제공했습니다. 그는 옵션을 매도하기 위해 시간 제한이 있는 이벤트로 불확실한 상황을 찾을 것을 권장했습니다. 또한 연사는 지수와 주식에 대한 고전적인 분산 프리미엄이 일반적으로 고가라고 강조했습니다. 개인 트레이더가 에지를 찾을 가능성에 대해 질문을 받았을 때 연사는 위험 프리미엄이 항상 존재하고 거래가 가능하며 주식 매수와 유사하다고 주장했습니다. 연사는 이벤트 획득과 관련된 거래 변동성에 대해 회의적이며 이전에는 수익성 있는 전략이었지만 더 이상 동일한 수준의 수익성을 유지하지 못한다고 말했습니다.
Sinclair는 최근 몇 년 동안 진화하는 옵션 거래 환경에 대해 언급했으며 시장이 예전만큼 이 전략에 호의적이지 않다는 점을 인정했습니다. 그는 포트폴리오 최적화를 위한 알고리즘 도구 사용에 관한 질문에 대해 그러한 도구가 일주일에 한 번만 거래하는 사람들에게는 필요하지 않을 수 있다고 말했습니다. 엣지를 찾는 것과 관련하여 그는 명확한 관찰에서 시작하여 그 관찰을 기반으로 아이디어를 구성하라고 조언했습니다. 예를 들어, 변동성이 고평가되었을 때 옵션을 매도하거나 상승 추세가 있을 때 주식을 매수합니다. 마지막으로 발표자는 부정적으로 왜곡된 단기 거래량 전략과 긍정적으로 왜곡된 거래량 증가 전략으로 포트폴리오를 구성하는 문제를 다루었습니다. 그는 가장 효과적인 접근 방식으로 하향식 정신 모델로 시작할 것을 제안했습니다.
마지막으로 연사는 몇 년 전에 은퇴했지만 계속해서 옵션 거래에 적극적으로 시간을 보내고 있다고 밝혔습니다. 그는 거래 옵션을 계속 유지하고 때때로 주제에 대한 논문을 작성하여 직업이자 취미로 간주하겠다는 의사를 표명했습니다. Algo Trading Conference가 끝나자 연사는 옵션 거래에 대한 귀중한 교훈과 경험을 공유한 Dr. Sinclair에게 감사를 표했습니다. 그는 옵션 거래에 대한 향후 세션에 대한 기대를 전달하고 지식과 통찰력을 교환할 수 있는 귀중한 기회에 대해 컨퍼런스 주최자에게 감사를 표했습니다.
청중은 Sinclair 박사의 프레젠테이션에서 얻은 풍부한 정보와 전문성을 인정하며 박수를 보냈습니다. 참가자들은 옵션 거래의 복잡성과 뉘앙스에 대한 새로운 인식과 시장에서 우위를 점하는 것의 중요성에 대한 더 큰 이해를 가지고 회의를 떠났습니다. Sinclair 박사의 통찰력에 영감을 받아 거래 전략을 개선하고 일반적인 함정을 피하며 개선을 위해 지속적으로 노력하기로 결정했습니다.
회의장 밖에서는 참석자들이 프레젠테이션의 주요 내용에 대해 활발한 토론을 벌이는 동안 대화가 들떠 있었습니다. 거래자들은 자신이 배운 교훈을 구현하고 그에 따라 접근 방식을 조정하겠다고 약속하면서 반성을 공유했습니다. 일부는 옵션 거래 내에서 새로운 틈새 시장을 모색하는 것을 고려했고, 다른 일부는 변동성과 거래 결정에 미치는 영향에 대한 이해를 심화하겠다고 약속했습니다.
회의 후 며칠, 몇 주 동안 거래자들은 Sinclair 박사의 조언과 권장 사항을 자신의 거래 노력에 열심히 적용했습니다. 그들은 자신의 입장을 신중하게 평가하고, 이전 입장에 얽매이지 않고 이용 가능한 정보를 고려하고 정보에 입각한 결정을 내립니다. 거래자들은 비용 절감에 집중했고 비용을 최소화하면 거래 성과가 크게 향상될 수 있음을 깨달았습니다. 그들은 Sinclair 박사의 말을 마음에 새기고 자신의 거래를 적극적으로 분석하고 전략을 다듬고 결과를 개선할 기회를 찾았습니다.
Sinclair 박사의 통찰은 회의 참석자들을 훨씬 뛰어넘었습니다. 전 세계의 트레이더들은 초보자와 경험자 모두 열심히 그의 프레젠테이션 녹음과 대본을 찾았습니다. 그의 귀중한 교훈은 온라인 포럼, 거래 커뮤니티 및 소셜 미디어 플랫폼을 통해 퍼져 옵션 거래의 복잡성에 대한 토론과 토론을 촉발했습니다. 거래자들이 그의 지혜를 흡수하면서 변동성, 위험 관리 및 우위 추구에 대한 더 깊은 이해로 무장하여 거래 접근 방식에 대한 새로운 관점을 얻었습니다.
옵션 거래의 세계에 대한 Dr. Sinclair의 공헌은 회의가 끝난 후에도 오랫동안 영향을 미쳤습니다. 그의 글과 연구 논문은 야심 찬 트레이더와 노련한 전문가 모두에게 필수적인 참고 자료가 되었습니다. 지식과 경험 공유에 대한 헌신을 통해 그는 신세대 옵션 거래자들이 규율, 비판적 사고 방식 및 기술 연마에 대한 확고한 의지를 가지고 시장에 접근하도록 영감을 주었습니다.
시간이 지남에 따라 Dr. Sinclair의 유산은 커져 옵션 거래 커뮤니티에서 탁월한 인물로서의 입지를 확고히 했습니다. 거래자들은 그의 지혜로운 말을 되돌아보며 그가 무역 여정에 끼친 심오한 영향을 인식했습니다. Sinclair 박사가 전한 교훈은 트레이더를 일반적인 실수에서 벗어나 일관된 수익성의 길로 인도하는 지침 원칙으로 사용되었습니다.
옵션 거래 역사의 연대기에서 Dr. Euan Sinclair의 이름은 전문성, 지혜, 탁월함을 향한 끊임없는 추구에 대한 증거로 서 있었습니다. 현장에 대한 그의 공헌과 다른 사람들의 성공을 돕기 위한 그의 변함없는 헌신은 앞으로도 계속해서 옵션 거래의 미래를 형성할 지속적인 유산이 되었습니다.
00:00:00Euan Sinclair 박사는 옵션 트레이더가 저지르는 일반적인 실수에 대해 이야기하며 트레이더가 지속적으로 돈을 벌기 위해서는 시장에서 우위를 점해야 한다는 생각에 초점을 맞춥니다. 그는 트레이더들이 물건을 싸게 사서 비싸게 팔아야 한다고 강조하는데, 많은 옵션 트레이더들이 이에 대해 혼란스러워하고 옵션을 과하게 지불하는 등의 실수를 범한다. Sinclair는 자신이 이러한 실수에 면역이 되지 않는다는 것을 인정하지만 거래자들이 이를 바로잡기 위해 노력할 것을 촉구합니다. 그는 또한 그의 조언 중 일부는 옵션에 대한 배경 지식이 있는 사람들을 대상으로 하지만 그가 논의하는 많은 실수는 일반적이며 모든 수준의 트레이더에게 적용될 수 있다고 언급합니다.
00:05:00 화자는 거래 구조에 관계없이 거래 옵션에서 우위를 점하는 것이 중요함을 강조합니다. 화자는 돈을 잃을 수 없다고 생각하는 옵션 구조를 설계하는 것에 대해 경고합니다. 이는 위험을 볼 수 없는 지점으로 밀어 넣기 때문입니다. 거래에서 가장 중요한 것은 규율이나 위험 통제가 아니라 우위를 점하는 것입니다. 열심히 일하거나 똑똑하다고 해서 엣지가 되는 것은 아니며, 근본적인 분석이나 기술적 분석을 통해서도 엣지를 찾을 수 없습니다. 시장에서 돈을 벌기 위해서는 세상에 서비스를 제공하는 일을 해야 하고 적극적으로 시장에 무언가를 제공해야 합니다.
00:10:00 연사는 거래 옵션의 복잡성과 변동성을 적절히 예측하고 설명하는 것의 중요성에 대해 이야기합니다. 트레이더는 시장의 방향을 예측하는 데에만 의존할 수 없으며 옵션의 가격과 잠재적인 변동성 변화도 고려해야 합니다. 트레이더가 자신의 예측에 확신이 있더라도 옵션에 대해 잘못된 가격을 지불하거나 변동성 변화를 제대로 설명하지 않으면 여전히 돈을 잃을 수 있습니다. 변동성은 예측 가능하지만 거래 전반에 걸쳐 지속적으로 모델링해야 하므로 옵션 거래자는 주로 변동성 거래자여야 합니다.
00:15:00 화자가 풋 매수와 콜 매수에 대한 오해에 대해 이야기합니다. 풋 매수는 시장 하락으로 인한 변동성 증가로 인해 이익을 얻을 수 있지만 이미 그에 따라 가격이 책정되어 있으며 거래 중에 콜 가격이 고평가되는 경향이 있습니다. 연사는 이전에 한 번도 일어난 적이 없고 문자 그대로 예측할 수 없는 사건을 가리키는 블랙 스완에 대해서도 이야기합니다. 이러한 이벤트의 가격이 낮다는 것은 타당한 가정이지만 Black Swan 옹호자들은 이를 뒷받침할 통계를 제공하지 않으며 Black Swans로부터 보호하기 위해 외가격 옵션을 구매하는 것은 종종 비용이 많이 드는 실수입니다. 더욱이 발표자는 저변동성 펀드가 돈을 모두 잃었다고 지적하고 소셜 미디어에서 승자만 보는 문제를 강조합니다.
00:20:00 발표자는 변동성 펀드가 부정확한 체계적인 베팅에 의존하기 때문에 손실을 입는 경향이 있는 기간에 대해 논의합니다. 결국에는 종종 돈을 잃게 되더라도 훌륭한 이야기를 만들기 때문에 미디어는 극적인 이벤트 중에 이러한 자금에 많은 관심을 기울이는 경향이 있습니다. 스피커는 또한 옵션이 일반적으로 어떻게 고가인지에 대해 이야기하므로 비대칭 위험을 보상하기 위해 매도해야 합니다. 그러나 다루려는 특정 사례에서 변동성이 잘못 책정되었는지 여부를 아는 것이 중요합니다. 그렇지 않으면 옵션 매도에 의한 우위가 없습니다.
00:25:00 연사는 Theta 거래가 우위에 있고 외가격 옵션을 매도하는 것이 항상 수익성이 있다는 믿음을 포함하여 옵션 거래자들이 저지르는 일반적인 실수에 대해 논의합니다. 이러한 옵션 판매의 문제점은 트레이더가 대부분의 경우 프리미엄을 받지만 잠재적 위험에 비해 보상이 미미하다는 것입니다. 연사는 거래자들이 자신의 거래를 분석하여 왜 일하고 왜 실패하는지 이해할 것을 권장하며 결과를 적극적으로 검토하는 것이 단순히 스크립트를 사용하여 프로세스를 자동화하는 것보다 더 효과적이라고 강조합니다. 마지막으로 그는 거래자들이 더 나은 피드백을 받고 더 나은 거래를 하기 위해 스트랭글을 매도하는 대신 스트래들을 매도할 것을 제안합니다.
00:30:00 화자는 항상 자신의 위치를 평가하고 이전 위치에 집착하기보다는 사용 가능한 모든 정보를 고려하여 원하는 위치를 고려하는 것의 중요성을 강조합니다. 거래 비용을 고려해야 하지만 연사는 비용을 제거하면 수학적으로 변동이 없는 예리한 비율을 높이기 때문에 대부분의 거래자는 각 거래를 개선하는 것보다 비용을 줄이는 데 집중해야 한다고 제안합니다. 매수호가 스프레드를 넘지 않는 것도 중요하지만 매도호가나 호가호가 매수에 그치지 않는 것도 중요합니다. 그들이 입찰을 매도하고 제안을 매수한다고 가정하고, 관련된 모든 비용을 포함하는 전략을 세우고, 더 낮은 기대 가치로 더 많은 거래를 하는 것을 고려해야 합니다.
00:35:00 연사는 역선택의 문제에 대해 논의합니다. 거래가 좋아 보여도 당신보다 더 많은 것을 아는 누군가가 와서 당신의 제안을 해제하여 나쁜 거래로 이어질 수 있습니다. 현실적인 기대치를 갖는 것이 필수적이며 과도한 거래 또는 너무 큰 거래는 결국 돈을 잃을 수 있습니다. 지속 가능하지 않고 빠르게 사라질 수 있는 큰 에지보다 관심사의 포트폴리오로 결합할 수 있는 작은 에지를 갖는 것이 좋습니다. 화자는 세부 사항에 노력하고 하나의 큰 것보다 당신의 길을 가는 작은 것들을 많이 찾을 필요성을 강조합니다.
00:40:00 Sinclair 박사는 알고트레이더 또는 옵션 트레이더로 시작하는 것이 돈을 버는 데 접근하는 잘못된 방법이라는 결론에 대해 논의합니다. 그는 도구로 시작하기보다는 거래 옵션과 관련된 문제나 가려움증을 찾는 데 초점을 맞춰야 한다고 강조합니다. 목표가 방향성 거래인 경우 옵션을 사용한 방향성 거래는 변동성에 대해서도 일관되게 정확해야 하기 때문에 옵션 거래는 갈 길이 아닙니다. 그는 옵션 매수가 일관된 수익으로 이어질 수 있다는 믿음에 대해 경고하고 변동성을 예측하는 것이 성공적인 옵션 거래 전략의 핵심임을 강조합니다. 결론적으로 그는 도구로 시작하는 것을 권장하지 않으며 대신 문제에 집중하고 변동성을 예측하며 성공적인 틈새 시장을 찾도록 권장합니다.
00:45:00 연사는 옵션의 내재 곡선의 왜곡이 거의 항상 변동성 자체보다는 변동성과 기본 움직임 사이의 상관관계에 의해 좌우된다고 설명합니다. 따라서 스큐는 옵션 가격과 관련하여 대부분 무시할 수 있습니다. 연사는 또한 시장 조성자들이 일반적으로 2020년 위기와 같은 시장 격동기 동안 잘 해낸다고 언급했는데, 이는 그들이 같은 시간에 더 많은 거래를 할 수 있다는 것을 의미하기 때문입니다. 마이너스 금리 역할을 하는 숏차입금리도 배당금과 유사한 것으로 여겨져 옵션 가격에 있어 마켓메이커가 가격을 매긴다.
00:50:00 연사는 마이너스 금리처럼 작용하는 옵션의 개념에 대해 논의하고 이전에는 작동했지만 더 이상 작동하지 않는 거래의 예를 제공합니다. 그는 옵션을 매도하기 위한 시간 제한 이벤트로 불확실한 상황을 찾을 것을 제안하고 지수와 주식에 대한 고전적인 분산 프리미엄은 거의 항상 고가라고 언급합니다. 개인 트레이더가 에지를 찾을 수 있는지 묻는 질문에 그는 위험 프리미엄이 항상 거래에 존재하며 주식 매수에 비유할 수 있다고 말합니다. 또한 그는 전문 옵션 회사들 사이에서 AI에 대한 의존도가 낮다는 점을 강조합니다. 마지막으로 그는 이전에는 수익성이 있었지만 더 이상 그렇지 않은 수익 이벤트에 대한 거래 변동성에 대한 회의론에 대해 자세히 설명합니다.
00:55:00 연사는 최근 몇 년 동안 옵션 거래가 어떻게 변했는지 논의하고 시장이 예전만큼 전략에 호의적이지 않다고 언급합니다. 그는 또한 포트폴리오 최적화를 위해 알고 도구를 사용하는 것에 대한 질문에 답변하며 일주일에 한 번만 거래하는 사람에게 반드시 필요한 것은 아니라고 말했습니다. 우위를 찾는 측면에서 그는 변동성이 고평가되었을 때 옵션을 매도하거나 주가가 상승하는 경향이 있을 때 주식을 매수하는 것과 같이 명확한 관찰에서 시작하여 이를 바탕으로 아이디어를 구성할 것을 조언합니다. 마지막으로 그는 부정적으로 치우친 단기 거래량 전략과 긍정적으로 왜곡된 장기 거래량 전략의 포트폴리오 구성에 대한 질문에 답하며, 가장 좋은 접근 방식은 하향식 정신 모델로 시작하는 것이라고 제안합니다.
01:00:00 연사는 옵션 거래를 위한 표준 포트폴리오 최적화 도구를 사용하여 포트폴리오를 구성하는 방법에 대해 논의합니다. 문제는 옵션 전략 간의 상관관계가 높기 때문에 옵션 거래의 다각화 요인에서 얻을 수 있는 것이 많지 않고 도구가 거래자에게 모든 돈을 한 가지에 넣으라고 말할 수 있으므로 오버레이가 필요하다는 것입니다. 연사는 숏볼 전략을 헤지하기 위해 제로 에이지(zero age)로 여러 가지 전략을 가질 것을 권장하고, 책을 읽고, ssrn.com에서 변동성과 옵션에 관한 학술 논문을 찾고, Google Scholar를 검색하여 옵션 거래를 시작하는 방법에 대해 트레이더에게 조언합니다. 특정 정보를 위해. 연사는 또한 "옵션 거래", "거래 변동성", "거래법" 등 여러 권의 책을 추천합니다.
01:05:00 연사는 몇 년 전에 은퇴했지만 하루 종일 옵션 거래에 시간을 보낸다고 말합니다. 그는 직업이나 취미로 옵션을 계속 거래하고 때때로 주제에 대한 논문을 쓸 것입니다. Algo Trading Conference가 종료되었습니다. 연사는 옵션 거래에 대한 귀중한 교훈과 경험을 공유해 주신 Dr. Sinclair에게 감사드립니다. 연사는 옵션 거래에 대한 향후 세션을 기대하며 기회를 주신 컨퍼런스에 감사드립니다.
Dr. Euan Sinclair shares his knowledge and experience in options trading. This a must-attend session for aspiring options traders.********👉 Learn more Algor...
Ernest Chan 박사는 인간 또는 정량적 의사 결정을 수정하고 개선하며 자산 관리 및 거래에 적용할 수 있는 Corrective AI의 개념을 소개합니다. 수정 AI는 과적합, 반사성, 제도 변경과 같은 문제를 극복하고 빅 데이터를 사용하여 포트폴리오 구성 요소에 대한 할당을 최대화하여 할당을 최적화합니다. 조건부 포트폴리오 최적화(Conditional Portfolio Optimization, CPO)라고 하는 이 기술은 켈리 공식의 고급 사용을 사용하며 샤프 비율에서 상당한 개선을 보였습니다. 수정 AI는 또한 약세장에서 방어적인 위치로 전환하고 다른 지표에 대해 최적화할 수 있습니다. 연사는 위험 관리의 중요성과 거래 손실 방지를 강조하고 AI를 사용하여 거래 신호를 생성하지 말라고 조언합니다. Chan 박사는 새로운 핀테크 스타트업을 위한 자금을 모으기 위해 피치덱으로 헤지 펀드에 접근할 것을 제안하고, 퀀트 트레이더를 꿈꾸는 사람들에게 시장에 대한 직관을 얻기 위해 읽고, 강좌를 듣고, 백테스트하고, 실시간으로 거래하라고 조언합니다.
퀀트 트레이딩 분야의 저명한 전문가인 Dr. Ernest Chan은 Corrective AI의 개념과 인간 및 퀀트 의사 결정 개선에 적용하는 방법에 대해 매혹적인 프레젠테이션을 진행했습니다. 그는 AI가 처음부터 결정을 내리는 것보다 의사 결정을 수정하는 데 더 효과적이기 때문에 자산 관리 및 거래에 유용한 도구라고 강조했습니다. Chan 박사는 거래 또는 투자 결정에 AI를 직접 사용하는 것에 대해 경고하고 대신 다른 시스템이나 알고리즘이 내린 결정을 수정하는 데 AI를 사용하는 것을 옹호했습니다.
연설 중에 Chan 박사는 2000년부터 2018년까지 거래에서 AI 및 기계 학습(ML) 애플리케이션의 제한적인 발전을 특징으로 하는 금융 AI 겨울에 대해 자세히 설명했습니다. 그는 과적합, 반사성, 정권교체 등 많은 머신러닝 기반 헤지펀드의 실패 원인에 대해 논의했다. 그러나 그는 이러한 문제를 극복한 수정 AI라는 판도를 바꾸는 기술을 도입했습니다. 수정 AI는 개인 거래 전략 또는 포트폴리오 수익에서 학습하여 미래 수익을 예측하여 거래자와 자산 관리자에게 매우 유용하고 실용적인 도구가 되었습니다. 특히 차익 거래에 대한 수정 AI의 탄력성은 거래 영역에서 기존 AI 접근 방식보다 더 안정적이었습니다.
연사는 AI를 활용한 매매전략 예측에 있어 빅데이터의 중요성을 강조했다. 오일 필터, 채권 시장 변동성, 거시 경제 지표, 거래량이 많은 주식에 대한 심리 등 다양한 예측 변수를 분석하여 정확한 예측을 했습니다. 그러나 연사는 수천 개의 입력을 수반하기 때문에 개인이 방대한 양의 데이터를 축적하는 데 어려움을 인정했습니다. 이 문제를 해결하기 위해 화자의 회사는 개별 트레이더가 활용할 수 있도록 특별히 수백 개의 예측 변수를 만들었습니다. 또한 그는 이익 확률을 사용하여 베팅 규모를 조정하고 자본을 할당하는 개념을 도입했으며, 이는 수익에만 기반한 전통적인 위험 관리에서 벗어났습니다. AI 시스템은 모니터링한 기능을 기반으로 거래 체제를 암묵적으로 정의하여 투자 전략의 적응형 위험 평가를 가능하게 합니다.
연사는 명시적 체제와 숨겨진 체제를 구분하면서 체제의 개념을 탐구했습니다. 강세장 및 약세장과 같은 명백한 체제는 뒤늦게 식별하기는 쉽지만 정확하게 예측하기는 어려웠지만 콜 옵션을 구매하는 Robinhood 거래자의 행동과 같은 숨겨진 체제는 식별하기 어려웠지만 숨길 수 없는 신호 분석을 통해 예측할 수 있었습니다. 기계 학습의 확장된 입력 차원은 숨겨진 체제의 예측을 크게 향상시켰습니다.
Chan 박사는 위험 패리티, 최소 분산 및 Markowitz 평균 분산과 같은 기존 포트폴리오 최적화 방법을 능가하는 조건부 포트폴리오 최적화라는 고급 기술을 소개했습니다. 교정 AI는 빅데이터 주입을 통해 포트폴리오 구성 요소에 대한 할당을 극대화하여 인상적인 결과를 얻었습니다. 이 기술은 빅 데이터를 활용하여 상황을 파악하고, 정권 변화를 설명하고, 인플레이션, 금리, 상품 가격과 같은 요인의 영향을 분석했습니다.
발표자는 AI가 기존의 포트폴리오 최적화 기술이 할 수 없었던 정보를 캡처할 수 있는 능력이 있다고 강조했습니다. 과거 수익률뿐만 아니라 빅 데이터와 외부 요인을 고려함으로써 CPO(Conditional Portfolio Optimization)라는 기술은 다양한 포트폴리오에서 샤프 비율의 상당한 개선을 보여주었습니다. S&P 500 포트폴리오의 경우 최대 3배까지 개선되었습니다. CPO는 약세장에서 방어적 포지셔닝을 더욱 활성화하고 ESG 등급을 포함한 다른 메트릭을 최적화할 수 있습니다. 이 기술은 평판이 좋은 기계 학습 연구원의 조사를 거쳤으며 현재 전 세계 주요 금융 서비스 회사에서 테스트 중입니다. 발표자는 이러한 성공을 달성하기 위한 연구, 데이터 과학, 양적 분석 및 엔지니어링 팀의 공동 노력을 인정했습니다.
Chan 박사는 AI를 거래 신호 생성에만 사용하는 대신 현재 거래 전략에서 이익 확률을 계산하기 위한 "교정 AI"로 적용할 것을 권장했습니다. 그는 위험 관리의 중요한 역할과 거래 손실 방지의 중요성을 강조했습니다. 거시 경제 환경을 이해하기 위해 기계 학습을 사용하는 것에 대해 질문을 받았을 때 그는 사용된 특정 유형의 기계 학습이 중요하지 않으며 주요 요인은 투자 결정을 개선하는 능력에 있다고 주장했습니다.
토론에서 연사는 다양한 포트폴리오 자본 배분의 수익을 효과적으로 예측하기 위해 빅 데이터에 대한 방대한 수의 입력을 축적하는 것의 중요성을 강조했습니다. Corrective AI는 빅데이터와 포트폴리오 구성을 사용하여 포트폴리오 수준에서 수익을 예측함으로써 각 체제에서 최상의 포트폴리오를 식별할 수 있는 기능을 가졌습니다. ML 입력의 일부인 감정 분석에 대한 질문에 대해 발표자는 모든 데이터 스트림을 추가하여 추가 기능을 제공할 수 있으며 입력 기능에 병합할 수 있음을 확인했습니다. 또한 기계 학습 알고리즘의 선택은 입력 자체의 품질 및 관련성에 비해 덜 중요한 것으로 간주되었습니다. 또한 발표자는 Corrective AI가 블랙 스완 이벤트를 예측할 수 있는 기능을 가지고 있으며 해당 지표가 시장 충돌을 예측하는 데 성공적으로 활용되었다고 주장했습니다.
투자 결정에서 테일 이벤트 예측을 위해 AI를 활용하는 이점에 대해 논의했으며, 거래 전략의 빈도에 따라 데이터 제공자를 위한 권장 사항을 제공했습니다. 연사는 또한 데이터, 금융 데이터를 위한 기계 학습 기술, 거래를 위한 강화 학습의 잠재적 사용과 관련된 질문에 대해 언급했습니다. 위험 관리 및 포트폴리오 최적화가 거래에서 AI 및 기계 학습의 가장 가치 있는 사용 사례라고 강조하면서 발표자는 강화 학습 전문가가 아니며 그 효과에 대한 직접적인 경험이 부족함을 인정했습니다.
연사는 효율성을 높이기 위해 AI에서 매개변수 최적화를 자동화하는 AutoML의 개념을 설명했습니다. 또한 발표자는 금융의 숨겨진 체제를 명시적으로 식별할 수 없지만 수익률 예측을 돕기 위해 AI를 사용하여 암묵적으로 예측할 수 있는 방법에 대해 논의했습니다. 모델에 기능을 추가하는 것과 관련하여 발표자는 다양한 소스에서 가능한 한 많은 데이터를 수집하라고 조언했습니다. 마지막으로 연사는 목표 변수가 일반적으로 미래 수익 또는 전략의 미래 샤프 비율인 감독 학습 컨텍스트 내에서 접근 방식을 설명했습니다.
Dr. Ernest Chan은 지난 6개월 동안 알고리즘 거래 모델을 테스트했지만 새로운 핀테크 스타트업을 위한 자금 조달 및 벤처 자본가 유치에 대해 확신이 없는 개인에게 귀중한 조언을 제공했습니다. 그는 성공을 입증하는 실적이 포함된 피치덱으로 다양한 헤지펀드에 접근할 것을 제안했습니다. 그러나 그는 벤처 자본가들이 일반적으로 알고리즘 거래 모델에 제한된 관심을 보였다고 경고했습니다. 또한 Chan 박사는 퀀트 트레이더를 꿈꾸는 사람들에게 광범위한 독서에 몰두하고, 퀀트 분야 과정을 수강하고, 백테스팅 및 라이브 트레이딩에 참여하여 시장에 대한 직관을 얻으라고 조언했습니다. 그는 암체어 트레이더에서 실제 트레이더로의 전환이 라이브 트레이딩 경험을 통해 가장 잘 이루어졌다고 강조했습니다.
Dr. Ernest Chan의 발표에서는 Corrective AI의 개념, 의사 결정 개선의 이점, 자산 관리 및 거래에서의 적용에 대해 탐구했습니다. 그는 과대적합 및 체제 변경과 같은 기존 접근 방식의 한계를 강조하고 이러한 문제를 극복하는 데 있어 Corrective AI의 효과를 강조했습니다. 연사는 또한 빅데이터의 중요성, 포트폴리오 최적화, 위험 관리, 숨겨진 체제를 예측하고 투자 전략을 강화하는 AI의 능력에 대해 논의했습니다. 전반적으로 Chan 박사는 금융 산업에서 AI 및 기계 학습을 활용하는 데 관심이 있는 개인에게 귀중한 통찰력과 지침을 제공했습니다.
00:00:00 Ernest Chan 박사가 인간의 결정이나 정량적 시스템이 내린 결정을 개선하고 수정하는 Corrective AI의 개념을 설명합니다. 그는 AI가 의사 결정을 처음부터 내리는 것보다 수정하는 데 더 효과적이며 이 기술을 자산 관리 및 거래에 적용할 수 있다고 믿습니다. Chan 박사는 AI를 사용하여 직접 거래 또는 투자 결정을 내리는 것을 권장하지 않고 다른 시스템이나 알고리즘을 통해 내린 결정을 수정하는 데 사용할 것을 제안합니다. 2000년부터 2018년까지 거래에서 AI 또는 ML 애플리케이션이 크게 발전하지 않았던 금융 AI 겨울도 논의됩니다.
00:05:00 영상은 과적합, 반사성, 정권교체 등 대부분의 머신러닝 기반 헤지펀드가 실패하는 이유를 다룹니다. 하지만 이 영상은 프라이빗 트레이딩 전략이나 포트폴리오 수익률을 통해 학습해 미래 수익률을 예측함으로써 이러한 문제를 극복하는 교정 AI라는 기술도 소개한다. 수정 AI는 차익 거래가 불가능하므로 거래 및 자산 관리에 AI를 적용하는 기존 방식보다 더 유용하고 실용적입니다. 비디오는 수정 AI가 많은 예측 변수를 사용하여 예측을 하고 모든 손실 거래를 방지하여 수익을 높일 수 있다고 설명합니다.
00:10:00 연사는 오일 필터, 채권 시장 변동성, 거시 경제 지표, 거래량이 많은 주식에 대한 심리 등 다양한 예측 변수를 포함한 빅 데이터를 분석하여 AI를 사용하여 거래 전략을 예측하는 방법을 설명합니다. 그러나 그는 수천 개의 입력이 포함되어 있기 때문에 개인이 이 많은 데이터를 축적하기 어렵고 개인을 위한 AI를 구현하기 어렵다고 지적합니다. 화자의 회사는 개별 거래자가 사용할 수 있는 수백 개의 예측 변수를 만들어 이 문제를 해결했습니다. 그는 또한 이익 확률을 사용하여 베팅 규모를 조정하고 자본을 할당할 수 있다고 설명합니다. 이는 수익에만 기반한 기존의 위험 관리와 다릅니다. AI 시스템은 모니터링하는 기능을 기반으로 거래 체제를 암묵적으로 정의합니다.
00:15:00 연사는 Corrective AI가 과거와 다양한 시장 도구에 대한 더 높은 차원의 이해를 기반으로 투자 전략의 적응형 위험 평가를 수행하는 방법을 설명합니다. 이는 기존 위험 관리보다 더 강력합니다. 그는 또한 강세장 및 약세장과 같은 명시적인 제도가 뒤늦게 확인하기는 쉽지만 정확하게 예측하기는 어려운 체제의 개념에 대해서도 논의합니다. 반면에 콜 옵션을 구매하는 Robinhood 거래자와 같은 숨겨진 제도는 식별하기 어렵지만 숨길 수 있는 신호를 분석하여 예측하기 쉽습니다.
00:20:00 발표자는 자신의 투자 전략에만 영향을 미치는 숨겨진 제도가 더 넓은 시장에 영향을 미치는 숨겨진 제도보다 예측하기 더 쉬운 방법과 기계 학습이 입력의 차원을 확장하여 숨겨진 제도를 훨씬 더 성공적으로 예측할 수 있는 방법에 대해 논의합니다. 연사는 또한 더 강력한 기술인 조건부 포트폴리오 최적화를 소개합니다. 이는 수익 확률을 예측할 뿐만 아니라 구성 요소에 대한 할당을 최적화하여 샤프 비율을 최대화합니다. 이는 포트폴리오 수익률의 공분산과 구성 요소의 예상 수익률을 고려하여 최적의 배분을 권장할 수 있는 Kelly 공식의 고급 사용을 통해 수행됩니다.
00:25:00 연사는 위험 패리티, 최소 분산 및 마코위츠 평균 분산과 같은 전통적인 포트폴리오 최적화 방법에 대해 논의합니다. 이 방법은 자본을 할당하기 위해 과거 수익의 1차 및 2차 통계를 사용합니다. 그러나 이러한 방법은 제도 변화를 고려하지 않거나 수익의 전체 확률 분포를 사용하지 않으므로 효율성이 떨어집니다. 반면 Corrective AI는 빅 데이터 주입을 통해 포트폴리오 구성 요소에 대한 할당을 극대화하여 포트폴리오를 최적화하여 인상적인 결과를 가져옵니다. 빅 데이터를 사용하면 상황을 파악하고, 정권 변화를 설명하고, 인플레이션, 금리, 상품 가격과 같은 요인의 영향을 분석하는 데 도움이 됩니다.
00:30:00 발표자는 AI가 과거의 수익보다는 빅 데이터와 외부 요인을 고려할 수 있기 때문에 기존의 포트폴리오 최적화 기술이 포착할 수 없는 정보를 포착할 수 있는 방법을 설명합니다. 조건부 포트폴리오 최적화(Conditional Portfolio Optimization, CPO)라고 불리는 이 기법은 다양한 포트폴리오에 적용되어 S&P 500 포트폴리오의 경우 최대 3배까지 샤프 비율이 크게 개선되었습니다. CPO는 또한 약세장에서 방어적인 위치로 전환할 수 있으며 ESG 등급과 같은 다른 지표를 최적화하는 데 사용할 수 있습니다. 이 기술은 평판이 좋은 기계 학습 연구원에 의해 검증되었으며 현재 세계에서 가장 큰 금융 서비스 회사 중 일부에서 테스트되고 있습니다. 발표자는 이 기술의 성공을 연구, 데이터 과학, 정량 분석 및 엔지니어링 팀의 노력 덕분이라고 말합니다.
00:35:00 Dr. Chan은 AI를 사용하여 거래 신호를 생성하는 대신 현재 거래 전략에서 이익 확률을 계산하기 위해 "수정 AI"에 사용하라고 조언합니다. 그는 위험 관리의 중요성과 거래 손실 방지를 강조합니다. 거시 경제 환경을 이해하기 위해 머신 러닝을 사용하는 것에 대한 질문에 그는 사용된 특정 유형의 머신 러닝이 중요하지 않으며 가장 중요한 요소는 투자 결정을 개선하는 방법이라고 설명합니다.
00:40:00 화자는 다양한 포트폴리오 자본 배분의 수익을 효과적으로 예측하기 위해 빅데이터에 대한 방대한 수의 입력을 찾는 것이 중요하다고 설명합니다. Corrective AI는 빅데이터와 포트폴리오 구성을 고려하여 포트폴리오 수준에서 수익률을 예측함으로써 각 체제에서 최고의 포트폴리오를 선택할 수 있는 능력을 가지고 있습니다. 감정 분석이 ML 입력의 일부로 간주될 수 있는지 묻는 질문에 발표자는 입력 기능에 병합될 수 있는 더 많은 기능을 제공하기 위해 모든 데이터 스트림을 추가할 수 있음을 확인합니다. 또한 화자는 기계 학습 알고리즘의 선택이 중요하지 않다고 설명합니다. 중요한 것은 입력입니다. 마지막으로 발표자는 Corrective AI가 블랙 스완 이벤트를 예측할 수 있으며 지표를 성공적으로 활용하여 시장 붕괴를 예측했음을 확인합니다.
00:45:00 연사는 투자 결정에서 테일 이벤트 예측을 위해 AI를 사용하는 이점에 대해 논의하고 거래 전략의 빈도에 따라 데이터 공급자를 추천합니다. 그는 또한 데이터, 금융 데이터를 위한 기계 학습, 거래를 위한 강화 학습 사용과 관련된 질문을 다룹니다. 발표자는 위험 관리 및 포트폴리오 최적화가 거래에서 AI 및 기계 학습을 위한 최상의 사용 사례라고 강조합니다. 그러나 그는 자신이 강화 학습 전문가가 아니며 그 효과에 대한 직접적인 경험이 없다고 부인합니다.
00:50:00 발표자는 프로세스를 보다 효율적으로 만들기 위해 AI에서 매개변수 최적화를 자동화하는 AutoML의 개념을 설명합니다. 연사는 또한 금융의 숨겨진 체제를 명시적으로 식별할 수 없고 대신 수익 예측을 돕기 위해 AI를 사용하여 암묵적으로 예측하는 방법에 대해 논의합니다. 모델에 기능을 추가할 때 발표자는 다양한 소스에서 가능한 한 많은 데이터를 수집하라고 조언합니다. 마지막으로 화자는 대상 변수가 일반적으로 전략의 미래 수익 또는 미래 예리한 비율인 감독 학습 컨텍스트 내에 있는 접근 방식을 설명합니다.
00:55:00 Dr. Ernest Chan은 지난 6개월 동안 알고리즘 거래 모델을 테스트했지만 새로운 핀테크 스타트업을 위한 자금과 벤처 캐피탈리스트를 모으는 방법을 모르는 개인에게 조언합니다. Dr. Chan은 다양한 헤지펀드에 대해 실적과 성공 사례를 포함한 피치덱으로 접근할 것을 제안합니다. 그러나 벤처 자본가는 일반적으로 알고리즘 거래 모델에 관심이 없습니다. Chan 박사는 또한 퀀트 트레이더를 꿈꾸는 사람들에게 시장에 대한 직관을 얻기 위해 가능한 한 많이 읽고, 퀀트 분야의 과정을 수강하고, 백테스트하고, 실시간으로 거래하라고 조언합니다. 그는 암체어 트레이더에서 실제 트레이더로의 핵심 전환은 실시간 거래를 통해서라고 강조합니다.
00:00 Introduction02:27 What is corrective AI?07:23 ML for risk management & optimization11:57 Probability of profit13:13 Predictive risk management15:58 Reg...
Quan Institute의 공동 창립자이자 CEO인 Nitesh Khandelwal은 Algo Trading Conference 2022에서 무대에 올라 금융 시장 교육과 업계의 새로운 트렌드에 초점을 맞춘 패널 토론을 소개했습니다. 패널은 다양한 기관, 증권사, 글로벌 거래소 및 자산 관리 산업의 교육 이니셔티브에서 중요한 역할을 담당한 인도, 싱가포르 및 스위스의 전문가로 구성되었습니다. Khandelwal은 업계가 계속해서 상당한 성장을 경험하고 다양한 배경을 가진 참여자를 유치함에 따라 금융 시장에 진출하려는 개인을 위한 구조화된 학습 방법의 중요성을 강조했습니다. 패널의 목적은 투자 및 거래 논문의 기본 요소를 탐구하고 이러한 영역에서 지식을 습득하는 방법에 대해 조명하는 것이었습니다. 토론은 자산 배분, 데이터 기반 연구, 소매 투자자의 증가, 기술이 금융 교육에 미치는 영향과 같은 주제를 포함했습니다.
패널리스트들은 차례대로 자신을 소개하면서 금융 업계에서의 배경과 교육 이니셔티브 참여, 베스트셀러 금융 서적을 공유했습니다. 그들은 금융 시장에서 교육의 중요성과 적절한 지식 없이 투자할 경우 발생할 수 있는 결과를 강조했습니다. 그들은 제한된 금융 이해력을 가진 개인을 착취하는 사기 및 폰지 사기의 유행을 강조했습니다. 패널리스트들은 시장이 계속 진화하고 확장됨에 따라 지속적인 교육의 필요성을 강조했습니다.
연사들은 금융 시장에 진출하기 전에 충분한 지식을 습득하는 것의 중요성에 대해 대화에 참여했습니다. 그들은 많은 사람들이 진입의 용이함과 빠른 이익의 매력에 이끌리기 때문에 탄탄한 기초 없이 맹목적으로 거래나 투자에 뛰어들지 말라고 경고했습니다. 그들은 금융 지식이 부족한 사람들을 이용하는 부도덕한 사람들의 먹잇감이 될 위험에 대해 경고했습니다. 연사들은 또한 특히 팬데믹 기간 동안 많은 신규 이민자들이 갖는 비현실적인 기대에 대해 언급하고 기술 분석 및 거래 전략과 같이 개인이 종종 간과하는 필수 기술에 대해 논의했습니다.
패널리스트는 사용자로부터 가장 많은 질문과 관심을 불러일으키는 교육 모듈을 추가로 탐색했습니다. 그들은 특히 뮤추얼 펀드를 다루는 개인 금융 모듈에 대한 일관된 쿼리 스트림을 관찰했으며 ETF에 대한 섹션은 더 적은 쿼리를 받았습니다. 연사들은 또한 알고리즘 거래 분야에서의 개인적인 여정과 인도에서 금융 교육의 필요성이 대중 교육에 집중하도록 영감을 준 방법을 공유했습니다. 그들은 인도에서 증가하는 인터넷 보급률을 더 많은 청중에게 다가가고 금융 이해력을 향상시킬 수 있는 기회로 인식했습니다. 토론회에서는 동영상 기반 교육의 인기도 부각되었습니다.
패널리스트는 투자와 거래의 차이점을 탐구하여 이러한 활동을 둘러싼 일반적인 오해를 밝혔습니다. 투자는 종종 간단하다고 인식되지만 거래는 복잡하고 이익을 내기 어려운 것으로 간주됩니다. 패널은 거래와 투자 모두에 대한 교육의 필요성과 현실적인 기대치를 설정하는 것의 중요성을 강조했습니다. 그런 다음 그들은 자동화 및 심사 도구에 특히 초점을 맞추고 실시간 거래 시연에 대한 수요 증가와 함께 금융 시장의 새로운 트렌드에 대한 토론으로 전환했습니다. 패널은 특히 젊은 개인들 사이에서 거래 기술 및 자동화에 대한 관심이 증가하고 있으며 단기 거래를 위한 선별 도구의 사용이 증가하고 있음을 강조했습니다.
연사들은 자동 거래로 인해 발생하는 수익에 대한 오해를 언급하고 그러한 투자와 관련된 내재적 위험에 대해 대중을 교육하는 것이 중요하다고 강조했습니다. 그들은 또한 거래자들이 일반적인 가정과 다른 직업 설명을 가지고 있는 경우가 많다는 점에 주목하면서 금융 산업 내의 다양한 역할에 대한 통찰력을 제공했습니다. 연사 중 한 명인 Andreas는 시장에서 더 큰 규모의 플레이어가 추진하는 보다 복잡한 모델의 개발과 박사 및 퀀트의 존재 증가를 언급하면서 수년에 걸쳐 자산 관리에서 변화하는 기술 요구 사항에 대해 논의했습니다.
기계 학습 및 기술이 금융 시장 교육에 미치는 영향은 또 다른 주요 논의 주제였습니다. 기계 학습은 종종 가격 예측으로 제한되지만 패널리스트는 포트폴리오 관리 및 위험 평가에 상당한 영향을 미칠 가능성을 강조했습니다. 그들은 기술이 거래에서 중요한 역할을 하지만 더 발전된 전략을 탐구하기 전에 기본 지식과 상식을 바탕으로 시작하는 것이 중요하다고 강조했습니다. 패널리스트들은 기술이 시간이 지남에 따라 발전했으며 초보적인 형태의 기술도 거래자에게 시장에서 우위를 점할 수 있다고 언급했습니다.
패널리스트들은 계속해서 기술과 소셜 미디어가 최근 몇 년 동안 금융 시장을 어떻게 변화시켜 트레이더에게 새로운 기회를 창출했는지에 대해 논의했습니다. 기술의 발전이 업계에 상당한 이점을 가져왔지만 연사들은 인간의 입력과 분석이 여전히 성공을 위해 필수적이라고 강조했습니다. 그들은 기술을 효과적으로 사용하는 방법을 완전히 이해하지 못한 채 기술에 지나치게 의존하는 것에 대해 경고하면서 교육의 중요성을 강조했습니다.
또한 연사들은 금융 시장에서 교육의 중요성을 강조하고 기술적 분석 도구를 적용할 때 비판적 사고의 중요성을 강조했습니다. 그들은 금융 전문가의 오래된 조언을 맹목적으로 따르는 것에 대해 경고하고 트레이더가 학습에 대한 경험적이고 상호 작용적인 접근 방식을 취하도록 권장했습니다. 지도를 위해 전문가를 옆에 두는 것이 이상적이지만 항상 실현 가능한 것은 아니라는 점을 인정했습니다. 따라서 트레이더는 다른 시대를 위해 개발된 기술적 분석 도구를 테스트하고 질문하는 데 부지런해야 합니다.
Andreas Clenow와 Vivek Vadoliya는 금융 교육에서 양방향 온라인 교육 및 온라인 학습의 가치에 대해 논의했습니다. Clenow는 실행을 통한 학습의 중요성을 강조하고 거래 장부에서 맹목적으로 규칙을 구현하지 않도록 거래자에게 조언했습니다. 그는 보편적으로 최고의 거래 시스템은 없으며 개인의 목표에 따라 달라지는 각 거래 모델의 개인적 특성을 강조했습니다. 한편, Vadoliya는 종이 거래와 시뮬레이션 환경을 이론과 실제 사이의 귀중한 다리로 제안했습니다. 그는 페이퍼 트레이딩이 단점이 있을 수 있음을 인정했지만 제한된 자본을 가진 트레이더가 자신감을 얻고 실제 거래를 준비할 수 있는 훌륭한 방법이라고 설명했습니다.
페이퍼 트레이딩의 한계도 다루었고 실제 시장 환경에서 경험을 쌓을 수 있는 대체 방법에 대해 논의했습니다. 연사는 주문, 마진 관리 및 거래 플랫폼 탐색의 복잡한 과정을 경험하기 위해 회사의 주식 한두 개를 구매할 것을 제안했습니다. 그들은 또한 페이퍼 트레이딩이 트레이딩 시스템에 대한 유용한 소개 역할을 하며 트레이더에게 시장의 역학에 대한 느낌을 제공한다고 강조했습니다. 시뮬레이션의 복잡성이 인정되었고, 특히 시장을 만드는 전략을 위해 시장 성과를 정확하게 모방하는 시뮬레이터를 만들어야 할 필요성이 강조되었습니다.
패널들은 금융 시장의 미래를 내다보며 향후 5~7년 동안의 잠재적인 변화에 대한 견해를 공유했습니다. 한 발표자는 거래 플랫폼의 접근성이 높아지고 소셜 미디어 채널을 통해 흐르는 풍부한 정보로 인해 소매 시장이 더욱 중요해질 것이라고 예측했습니다. 또 다른 연사는 젊은 세대가 전통적인 금융 주체에 익숙하지 않다는 점을 강조하며 트레이더의 평균 연령이 13세로 낮아질 것이라고 예측했다. 금융 시장의 미래를 둘러싼 불확실성은 젊은 세대가 산업을 어떻게 형성할 것인지에 집중되었습니다.
패널리스트들은 또한 비현실적인 기대를 가진 소매 상인의 영향과 그에 따른 인도의 규제 강화에 대해 논의했습니다. 그들은 더 엄격한 규제가 있는 미래 시장 환경을 예상했으며, 이는 장기적으로 소매 거래자들에게 궁극적으로 이익이 될 것입니다. 중개인으로 운영하는 것이 더 어려워질 수 있지만 규제 강화는 시장 참여자에게 긍정적인 발전으로 간주되었습니다. 또한 그들은 지난 20년 동안 시장이 어떻게 진화했는지 배우고 이러한 변화가 투자 전략에 미치는 영향을 이해하는 데 관심이 있는 사람들을 위해 리소스를 추천했습니다. 제안 사항에는 규제 기관의 회람 검토 및 시장 미세 구조에 관한 책 연구가 포함되었습니다. 세션은 새 책에 대한 Andreas의 계획에 대한 질문으로 마무리되었습니다. Andreas는 이미 프로그래밍 책과 소설을 썼지만 새로운 거래 책에 대한 즉각적인 계획은 없다고 대답했습니다.
마지막으로 연사는 알고 트레이딩 컨퍼런스 2022의 패널리스트와 참석자들에게 감사를 표했습니다. 그들은 세션이 구조화된 접근 방식과 금융 시장의 새로운 트렌드에 대한 귀중한 통찰력을 제공하기를 희망했습니다. 그들은 추가 지원이 필요한 사람에게 추가 지원을 제공했습니다. 연사는 관련된 모든 사람에게 감사를 표하며 회의를 마치며 회의를 동료 Afrin에게 넘겼고 세션의 끝을 알렸습니다.
Algo Trading Conference 2022의 패널 토론에서는 금융 시장에서 교육의 중요성과 업계 내에서 진화하는 추세에 대한 포괄적인 탐구를 제공했습니다. 연사들은 거래와 투자의 복잡성을 성공적으로 탐색하기 위해 구조화된 학습과 지속적인 교육의 필요성을 강조했습니다. 그들은 사기와 비현실적인 기대의 희생양이 되는 것을 포함하여 충분한 지식 없이 시장에 진입하는 것과 관련된 위험을 강조했습니다. 패널리스트들은 또한 금융 시장을 형성하는 데 기술, 기계 학습 및 소셜 미디어의 역할을 강조하는 동시에 인간 분석과 비판적 사고의 중요성을 강조했습니다.
이 세션에서는 투자와 거래의 차이점, 실제 학습 경험의 중요성, 자동화 및 심사 도구의 영향 등 다양한 주제를 조명했습니다. 연사들은 또한 소매 거래자의 영향, 규제 강화, 시장 변화에 대한 지속적인 적응의 필요성에 초점을 맞춰 금융 시장의 미래에 대해 논의했습니다. 그들은 정보에 입각한 재무 결정을 내릴 수 있도록 개인에게 권한을 부여하는 교육의 중요성을 강조하고 구식 전략을 맹목적으로 따르거나 기술에만 의존하는 것에 대해 경고했습니다.
패널 토론은 청중에게 귀중한 통찰력과 지침을 제공하여 금융 시장의 역동적인 환경을 효과적으로 탐색하는 데 필요한 지식을 갖추게 했습니다.
00:00:00 Quan Institute의 공동 창립자이자 CEO인 Nitesh Khandelwal이 금융 시장 교육 및 새로운 트렌드에 대한 패널 토론을 소개합니다. 패널에는 기관, 증권사, 글로벌 거래소 및 자산 관리 산업의 교육 이니셔티브에서 중요한 역할을 하는 인도, 싱가포르 및 스위스의 전문가가 포함됩니다. Khandelwal은 업계가 계속해서 모든 배경의 사람들의 엄청난 성장과 참여를 보고 있기 때문에 금융 시장에 진입하는 개인을 위한 구조화된 학습 방법의 중요성을 강조합니다. 이 패널은 자산 배분, 데이터 기반 연구, 개인 투자자의 증가, 기술이 금융 교육에 미치는 영향과 같은 주제를 다루면서 투자 및 거래 논문의 구성 요소와 학습 방법에 대해 논의하는 것을 목표로 합니다.
00:05:00 패널리스트는 교육 이니셔티브 및 베스트셀러 금융 서적에서의 작업을 포함하여 자신과 금융 산업에서의 배경을 소개합니다. 그들은 금융 시장에서 교육의 중요성과 투자하기 전에 배우지 않는 것의 결과에 대해 논의하고 금융 지식이 거의 없는 사람들을 노리는 사기와 폰지 사기의 만연을 강조합니다. 그들은 또한 시장이 계속 진화하고 확장됨에 따라 지속적인 교육의 필요성을 강조합니다.
00:10:00 연사들은 금융 시장에 진입하기 전에 적절한 지식을 갖는 것의 중요성, 특히 빠른 돈을 찾는 사람들에게 유혹을 받을 수 있는 진입 용이성과 빠른 결과에 대해 논의합니다. 그들은 충분한 지식 없이 맹목적으로 시장에 진입하여 이를 이용할 수 있는 사람들에게 희생양이 되는 것을 경계합니다. 연사들은 또한 대유행 기간 동안 많은 신규 이민자들의 비현실적인 기대와 기술적 분석 및 거래로의 전환과 함께 대부분의 사람들이 놓치는 기술을 강조합니다.
00:15:00 연사는 사용자로부터 가장 많은 질문과 관심을 끄는 교육 모듈에 대해 논의합니다. 뮤추얼 펀드를 다루는 개인 금융에 관한 모듈은 꾸준한 쿼리 흐름을 보이는 반면 ETF 섹션은 더 적은 쿼리를 받습니다. 연사들은 또한 알고 거래 분야에서의 그들의 여정과 인도에서 금융 교육의 필요성이 사람들을 교육하는 데 집중하도록 영감을 준 방법에 대해 논의합니다. 인도에서 인터넷의 성장은 대중에게 다가가고 금융 이해력을 향상시킬 수 있는 기회로 여겨집니다. 동영상 기반 교육의 인기도 부각된다.
00:20:00 패널은 투자와 거래의 차이점과 이를 둘러싼 오해에 대해 논의합니다. 그들은 투자가 쉽고 간단하다고 인식되는 반면 거래는 복잡하고 돈을 벌기 어려운 것으로 여겨진다는 점에 주목합니다. 패널은 또한 거래 및 투자에 대한 교육의 필요성과 현실적인 기대치를 설정하는 것에 대해 논의합니다. 그런 다음 자동화 및 스크리닝 도구에 초점을 맞추고 실시간 거래 시연에 대한 수요가 증가하는 금융 시장의 새로운 트렌드에 대해 논의합니다. 패널은 특히 젊은 층 사이에서 거래 기술과 자동화에 대한 관심이 높아지고 있으며 더 많은 사람들이 더 짧은 기간에 거래하기 위해 선별 도구를 사용하고 있다고 지적합니다.
00:25:00 연사는 자동 거래로 생성된 수익에 대한 오해와 그러한 투자와 관련된 상속 위험에 대해 대중을 교육해야 할 필요성에 대해 논의합니다. 그들은 또한 사람들이 일반적으로 생각하는 것과 실제로 다른 직업 설명을 가진 거래자를 포함하여 금융 산업의 다양한 역할에 대해 조명합니다. Andreas는 수년에 걸쳐 자산 관리의 기술 요구 사항 변화에 대한 통찰력을 제공하며 더 큰 플레이어가 자산을 수집하고 박사 및 퀀트 수가 증가함에 따라 더 복잡한 모델이 진화했다고 말했습니다.
00:30:00 이 섹션에서는 연사가 기계 학습 및 기술이 금융 시장 교육에 미치는 영향에 대해 논의합니다. 기계 학습은 종종 가격 예측으로 제한되지만 포트폴리오 및 위험 관리에 더 큰 영향을 미칠 수 있습니다. 기술은 항상 거래의 중요한 측면이었지만 고급 전략으로 이동하기 전에 기본 지식과 상식으로 시작하는 것이 필수적입니다. 기술은 시간이 지남에 따라 발전했으며 초보적인 형태의 기술도 거래자에게 우위를 제공할 수 있습니다.
00:35:00 연사들은 기술과 소셜 미디어가 최근 몇 년 동안 금융 시장을 어떻게 변화시켜 거래자들에게 새로운 기회를 창출했는지에 대해 논의합니다. 기술이 업계에 상당한 발전을 가져왔지만 자동화와 알고리즘만으로는 충분하지 않기 때문에 인간의 입력과 분석은 여전히 성공에 필수적입니다. 연사들은 교육의 중요성을 강조합니다. 많은 거래자들이 기술을 효과적으로 사용하는 방법을 완전히 이해하지 못한 채 기술에 너무 많이 의존할 수 있기 때문입니다.
00:40:00 연사들은 금융 시장에서 교육의 중요성과 기술적 분석 도구를 적용할 때 비판적 사고가 얼마나 중요한지에 대해 논의합니다. 그들은 맹목적으로 수십 년 전의 전문가를 따르는 것에 대해 경고하고 대신 트레이더가 학습에서 더 경험적이고 상호 작용하도록 권장합니다. 안내하고 가르쳐줄 전문가가 옆에 있는 것이 이상적이지만 항상 가능한 것은 아니므로 트레이더는 다른 시대를 위해 개발된 기술 분석 도구를 테스트하고 질문하는 데 부지런해야 합니다.
00:45:00 Andreas Clenow와 Vivek Vadoliya가 금융 교육에서 양방향 온라인 교육 및 온라인 학습의 중요성에 대해 논의합니다. Clenow는 실행을 통한 학습의 가치를 강조하고 트레이더가 트레이딩 장부에서 맹목적으로 규칙을 구현하지 않도록 권장합니다. 그는 최고의 거래 시스템과 같은 것은 없으며 각 모델은 개인적이며 개인의 목표에 달려 있다고 언급합니다. 반면에 Vadoliya는 종이 거래와 시뮬레이션 환경을 이론과 실제 사이의 유용한 다리로 제안합니다. 그는 페이퍼 트레이딩이 역효과를 낳을 가능성이 있음을 인정하지만, 적은 자본 트레이더가 자신감을 얻고 현실 세계에 대비할 수 있는 훌륭한 방법입니다.
00:50:00 발표자는 종이 거래의 한계와 실제 시장 환경에서 경험을 쌓을 수 있는 대체 방법에 대해 논의합니다. 그들은 주문, 마진 관리 및 거래 플랫폼 학습의 뉘앙스를 경험하기 위해 회사의 한두 주식을 매수할 것을 제안합니다. 전문 트레이더에게 페이퍼 트레이딩은 그들에게 시스템을 소개하고 시장의 큰 의무에 대한 느낌을 주는 좋은 방법입니다. 연사들은 또한 시뮬레이션의 복잡성과 특히 시장을 만드는 전략을 위해 시장 성과를 모방하는 시뮬레이터를 만들어야 할 필요성에 대해 언급합니다.
00:55:00 연사들은 금융 시장의 미래에 대한 자신의 견해와 향후 5년에서 7년 동안 어떻게 변화할 것인지에 대해 논의합니다. 한 발표자는 거래 플랫폼의 접근성 증가와 소셜 미디어를 통한 정보 흐름으로 인해 소매 시장이 더욱 중요해질 것이라고 예측합니다. 또 다른 연사는 젊은 세대는 씨티은행과 같은 전통적인 금융 기업에 익숙하지 않으며 트레이더의 평균 연령이 13세로 내려갈 것이라고 예측합니다. 전반적으로 금융 시장의 미래에 대한 불확실성은 젊은 세대와 그들이 산업을 어떻게 형성할 것인지를 중심으로 돌아가는 것 같습니다.
01:00:00 연사는 비현실적인 기대를 가진 소매 상인의 영향과 그에 따른 인도의 규제 강화에 대해 논의합니다. 그들은 시장의 미래가 규제 측면에서 더 엄격해질 것이라고 예측하지만 장기적으로 소매 거래자들에게 이익이 될 것입니다. 중개인으로 사업을 하는 것은 어려울 수 있지만 규제 강화는 시장 참여자에게 좋을 것입니다. 또한 그들은 지난 20년 동안 시장이 어떻게 발전했는지, 그리고 이러한 변화가 투자 전략에 미치는 영향(예: 규제 기관의 회보 검토 및 시장 미세 구조 책 연구)을 배우고자 하는 사람들을 위한 리소스를 제안합니다. 세션은 Andreas가 새 책을 언제 출판할지에 대한 질문으로 끝납니다. Andreas는 이미 프로그래밍 책과 소설을 썼지만 현재 계획된 거래 책은 없다고 대답합니다.
01:05:00 발표자는 Algo Trading Conference 2022의 패널리스트와 참석자에게 감사를 표합니다. 그들은 세션이 구조화된 접근 방식과 금융 시장의 새로운 트렌드에 대한 통찰력을 제공하는 데 도움이 되기를 바랍니다. 또한 필요한 사람에게 추가 지원을 제공합니다. 발표자는 모든 사람에게 감사를 표하고 동료인 Afrin에게 회의를 전달하며 결론을 내립니다.
00:00 Introduction08:47 Why is learning important in the financial markets?21:38 What skills are becoming more relevant in the modern financial markets?36:33...
알고 트레이딩 컨퍼런스 2022의 연사 중 한 명인 로렌 버넷(Lauren Burnett)은 레짐 분석의 개념과 트레이딩 워크플로 단순화의 중요성에 대해 통찰력 있는 프레젠테이션을 했습니다. 정권 분석의 주요 초점은 강세, 약세 또는 결정적이지 않은 시장 상태를 결정하고 해당 평가에 따라 거래 결정을 내리는 것입니다. Burnett은 체제 분석과 전시 중 야전 병원에서 사용되는 분류 프로세스 사이에 유사점을 그렸습니다. 둘 다 제한된 자원과 시간 제약으로 빠른 결정을 내리는 것과 관련되기 때문입니다.
레짐 분석의 본질은 시장을 2~3개의 개별 버킷으로 분류하여 거래에 대한 단순화된 접근 방식을 용이하게 하는 데 있습니다. 시장 제도를 분석함으로써 트레이더는 조치를 취해야 할 때와 가만히 있어야 할 때를 쉽게 식별할 수 있습니다. 또한 Burnett은 자산 등급의 글로벌 스크리닝을 위한 독점 도구를 도입하여 분석 프로세스를 더욱 단순화했습니다.
발표 중에 발표자는 시장이 위, 아래 또는 정체 상태로 이동하여 시장 상황이 각각 강세, 약세 또는 결정적이지 않은 절대적인 용어로 레짐 분석의 개념을 설명했습니다. 소수의 자산군만이 절대적 기준으로 거래될 수 있지만 대부분은 상대적인 계열에 따라 거래됩니다. 상대 시리즈는 통화 변동에 맞게 조정된 벤치마크와 비교한 증권의 성과를 나타냅니다. 이를 설명하기 위해 Burnett은 S&P 500 지수를 사용하여 예시를 제공했는데, 절대적인 측면에서는 다른 패턴을 보이는 반면 상대적인 측면에서는 우수한 성과를 내는 증권의 수가 50주를 중심으로 변동하는 방식을 강조했습니다. 제도와 다양한 시리즈를 이해하면 섹터 분석가의 작업을 단순화하고 시장 행동에 대한 귀중한 통찰력을 얻을 수 있습니다.
장단기 주식 포트폴리오에 대한 제도 분석의 영향도 논의되었습니다. 연사는 롱숏 주식 포트폴리오는 롱 포지션과 숏 포지션의 순 결과의 합이며 그 성과는 둘 사이의 델타에 의해 결정된다고 강조했습니다. 개별 주식의 절대적인 움직임이 아닌 상대적인 성과와 업종 순환에 초점을 맞추면 시장과의 작업에 보다 원활하고 관리하기 쉬운 접근 방식이 제공됩니다. 연사는 강세장에서 높은 베타 주식은 긴 편에 있고 낮은 베타 주식은 짧은 편에 있다고 설명했습니다. 반대로, 약세장에서는 낮은 베타 방어 주식이 긴 편이고, 높은 베타와 변동성이 빠르게 실적을 포기하는 주식은 짧은 편입니다.
제도 분석을 시장 분석 및 투자 결정에 통합하는 것의 중요성이 크게 강조되었습니다. 초과수익 창출은 금융업의 생존을 위한 필수조건이지만 펀더멘탈 분석이나 정량적 분석에만 의존하는 것만으로는 부족하다. 주식의 성과를 좌우할 수 있는 시장의 우세한 조건을 고려하는 제도 분석을 무시하면 더 넓은 시장 맥락을 고려하지 않고 밸류에이션과 추세에만 기반한 잘못된 투자 결정으로 이어질 수 있습니다. 연사는 모멘텀을 고려하지 않고 주식을 공매도하고 투자자를 끌어들이기 위한 설득력 있는 내러티브가 부족한 가치 함정에 투자하는 것에 대해 경고했습니다. 제도 분석을 간과함으로써 심각한 비즈니스 위험에 노출되고 장기적으로 투자자 신뢰를 잃을 가능성이 있습니다.
연사는 주가가 상승 또는 하락한 이유를 결정하기 위해 체제 분석을 사용하는 방법에 대한 통찰력을 제공했습니다. 그들은 세 가지 유형의 답변이 있다고 설명했습니다. 통합, 부문 회전 및 주식 별 이유입니다. 이러한 이유를 분류함으로써 투자자는 작업 흐름을 단순화하고 시장에 대해 보다 객관적인 접근 방식을 채택할 수 있습니다. 프레젠테이션은 또한 브레이크 아웃을 포함한 다양한 기술 분석 전략을 다루었으며 개념적으로는 단순하지만 내재된 지연으로 인해 인내가 필요할 수 있음을 인정했습니다. 완벽함을 이루기 위한 열쇠로 단순화를 강조했고, 투자자들은 시장의 하인이 되라고 충고했다.
거래를 위한 두 가지 방법론, 즉 비대칭 항목과 이동 평균이 프레젠테이션 중에 논의되었습니다. 이동 평균은 이상적인 기간에 대한 지속적인 논쟁이 있지만 시장 컨텍스트를 제공하는 능력으로 강조되었습니다. 이동 평균은 고르지 못한 시장에 적합하지 않다는 점에 주목했습니다. 흥미롭게도 이동 평균은 출구 전략으로도 사용될 수 있습니다. 이동 평균이 평평해지면 시장이 변화하고 있음을 나타내며, 이 기간 동안 많은 트레이더가 성능 저하로 이어질 수 있는 미끄러짐과 거래 비용을 경험합니다. 연사는 더 높은 고점과 더 높은 저점의 개념에 대해 설명했으며, 이는 시장이 연속적으로 더 높은 고점과 더 높은 저점을 달성할 때 상승 추세를 나타냅니다. 또한 발표자는 머리와 어깨 패턴의 오른쪽 어깨를 식별하여 거래를 위한 최적의 시작 및 종료 지점을 결정하는 "바닥 및 천장"이라는 가장 좋아하는 방법론을 공유했습니다.
연사는 바닥과 천장 표시를 예로 들어 정권 정의의 개념에 대해 탐구했습니다. 그들은 이 마크가 각각 더 높은 저점(바닥)과 더 낮은 고점(천장)을 나타낸다고 설명했습니다. 이 표시 사이의 모든 가격 변동은 강세로 간주됩니다. 연사는 이 개념이 다양한 자산 클래스와 기간에 걸쳐 적용된다고 강조했습니다. 그러나 그들은 체계를 계산적으로 정의하는 것이 시간이 많이 걸리는 작업임을 인정했습니다. 발표자는 모든 분기 정의 방법의 평균을 나타내는 "점수"의 개념을 소개했습니다. 이 점수는 상대적 가격과 절대 가격 측면에서 다양한 방법론이 일치하는지 또는 다른지 여부를 결정하는 데 도움이 됩니다. 일치를 나타내는 점수는 낙관적인 감정을 암시하고 0의 점수는 차이를 나타냅니다.
시장에서 강세 신호와 약세 신호가 일치하는지 여부를 평가하기 위해 스코어링 방법을 사용하는 힘에 대해 논의했습니다. 0점은 방법 간의 불일치를 나타내고 0보다 높은 점수는 절대 지표와 상대 지표 간의 일치를 나타냅니다. 연사는 승률 곱하기 평균 이득 빼기 손실률 곱하기 평균 손실을 계산하는 이득 기대의 개념을 소개했습니다. 이 이득 기대 분석은 시장을 강세와 약세라는 두 가지 범주로 분리하여 성과가 좋은 부문에 대한 집중 분석을 가능하게 합니다. 그러나 이 분석은 투자를 고려해야 할 우량 종목을 식별하기 위한 예비 단계라는 점을 강조했습니다.
레짐 분석을 개별 종목에 적용할 수 있는지, 업종에 국한해 적용할 수 있는지에 대한 문제가 제기되었습니다. 발표자는 레짐 분석이 모든 개별 주식에 대해 점수를 매기고 시장 수준에서 적용될 수 있음을 분명히 했습니다. 그들은 과매수 주식을 매도하는 일반적인 실수에 대해 경고하고 과매도 주식이 침체되어 종종 빠른 반등으로 이어지는 경향을 강조했습니다. 또한 연사는 과매수 및 과매도 조건은 상황에 따라 다르며 시간이 지남에 따라 경험적으로 관찰된 주식이 약세 영역에 있는지 또는 강세 영역에 있는지에 따라 평균화된다고 설명했습니다.
프레젠테이션은 또한 체제 분석이 트레이더가 기술적 분석에서 오탐을 피하는 데 어떻게 도움이 되는지에 대해 논의했습니다. 강세 시나리오와 약세 시나리오를 구분하기 위해 레짐 분석을 적용함으로써 트레이더는 워크플로우를 단순화하고 보다 객관적인 거래 결정을 내릴 수 있습니다. 연사는 긴 쪽에서 추세를 따르고 짧은 쪽에서 평균 회귀를 독점적으로 실행함으로써 발생할 수 있는 복합적인 위험에 대해 경고했습니다. 그들은 제대로 관리되지 않는 위험을 완화하기 위해 양측을 유사하게 취급할 것을 조언했습니다. 옵션으로 좌우 꼬리를 헤지하는 것에 대해 물었을 때 화자는 반대하며 대신 타는 것을 즐기라고 제안했습니다. 이동 평균과 같은 상대 지표에 대해서도 설명하고 차트에서의 사용법을 시연했습니다.
프레젠테이션 중에 연사는 특정 패턴과 표시를 나타내기 위해 차트에 다양한 색상의 점을 도입했습니다. 빨간색과 녹색 점은 각각 Swing High와 Swing Low를 나타냅니다. 차트에는 또한 바닥과 천장 표시를 나타내는 파란색과 분홍색 삼각형이 표시되며 파란색은 강세 체제를 나타냅니다. 또한 밝은 연어와 밝은 녹색 삼각형은 거래 범위를 나타냅니다. 연사는 그들의 레짐 분석 방법론이 특정 책의 영향을 받은 것이 아니라 체계적인 거래에 관한 Robert Carver의 작업에 감사를 표했다고 밝혔습니다. 통화정책이 레짐 분석에 미치는 영향과 관련하여 연사는 미국 달러가 글로벌 정서 및 시장 동향에 직간접적으로 영향을 미치기 때문에 미국 연방준비제도(Fed) 정책의 중요한 역할을 강조했습니다.
발표가 끝날 무렵 연사는 시장에 영향을 미칠 수 있는 다양한 시나리오를 다루었으며 특히 "정권"의 개념에 중점을 두었습니다. 그들은 시장 체제에 영향을 미칠 수 있는 세 가지 구체적인 시나리오에 대해 논의했습니다. 첫 번째 시나리오는 시장이 너무 "서리가 내린" 것으로 언급되어 신중하고 불확실한 시장 환경을 나타냅니다. 두 번째 시나리오는 금리를 규제하고 시장 행동에 영향을 미치는 역할을 하는 채권 자경단의 등장과 관련이 있습니다. 마지막으로 연사는 인플레이션의 영향을 언급했는데, 이는 연준이 통화 정책을 조정하도록 강제할 수 있습니다. 이러한 시나리오는 시장 체제에 의해 통제되는 것이 아니라 시장 체제에 영향을 미치는 외부 요인으로 제시되었습니다.
이러한 시나리오를 효과적으로 탐색하기 위해 연사는 현재 시장 체제에 대한 정보를 제공하는 도구를 소개했습니다. 이 도구는 트레이더가 자신을 적절하게 포지셔닝하고 변화하는 시장 상황에 적응하는 데 도움이 됩니다. 체제에 대한 명확한 이해를 가짐으로써 트레이더는 정보에 입각한 결정을 내리고 그에 따라 전략을 조정할 수 있습니다.
프레젠테이션에서는 거래 워크플로우를 단순화하는 데 있어 레짐 분석의 중요성을 강조했습니다. 시장을 별개의 체제로 분류하고 그 의미를 이해함으로써 트레이더는 더 나은 정보에 입각한 거래 결정을 내릴 수 있습니다. 레짐 분석의 개념은 섹터뿐만 아니라 개별 종목에도 적용되어 종합적인 시장 역학 평가가 가능했습니다. 프레젠테이션은 또한 시장에 대한 포괄적인 관점을 얻기 위해 이동 평균과 같은 절대 지표와 상대 지표를 모두 고려하는 것이 중요하다는 점을 강조했습니다.
제도 분석, 거래 방법론, 스코어링 시스템 적용에 대한 연사의 통찰력은 거래 접근 방식을 간소화하고 의사 결정을 개선하려는 거래자들에게 귀중한 지침을 제공했습니다. 프레젠테이션은 통화 정책, 글로벌 정서, 시장 체제 형성에 대한 시장 추세의 영향과 이러한 역학에 적응하고 대응하는 것의 중요성을 강조하는 것으로 마무리되었습니다.
00:00:00 Lauren Burnett이 제도 분석의 개념과 거래 워크플로우 단순화에 있어 그 중요성에 대해 논의합니다. 레짐 분석의 아이디어는 시장이 강세, 약세 또는 결정적이지 않은 상태에 있는지 판단한 다음 해당 평가를 기반으로 거래 결정을 내리는 것입니다. 이 접근 방식은 제한된 자원과 시간을 기반으로 빠른 결정을 내리는 것과 관련되어 전시 중 야전 병원에서 사용되는 분류 프로세스를 연상시킵니다. 이러한 방식으로 시장 체제를 분석함으로써 거래를 2~3개의 명확한 버킷으로 단순화할 수 있으므로 행동할 때와 가만히 있어야 할 때를 더 쉽게 알 수 있습니다. Burnett은 또한 자산 클래스의 글로벌 스크리닝을 위한 자신의 도구를 도입하여 분석 프로세스를 더욱 단순화한다고 주장합니다.
00:05:00 화자는 절대적인 용어로 정권의 개념을 설명합니다. 여기서 가격은 오르거나 내리거나 아무데도 가지 않으며 시장은 강세, 약세 또는 결정적이지 않은 것으로 간주됩니다. 소수의 자산군만이 절대적 조건으로 거래될 수 있는 반면, 대부분은 통화로 조정된 벤치마크와 비교한 유가증권의 성과인 상대 계열을 기반으로 거래됩니다. 발표자는 S&P 500 지수의 예와 상대 기준으로 약 50을 오가는 아웃퍼폼 기업의 수를 제시하지만 절대 기준은 다른 패턴을 보여줍니다. 전반적으로 제도와 다양한 시리즈를 이해하면 부문 분석가의 작업을 단순화하고 시장 행동에 대한 귀중한 통찰력을 제공할 수 있습니다.
00:10:00 발표자는 상승하는 증권의 수가 증가하고 하락하는 증권의 수가 감소할 때 장단기 주식 포트폴리오에 미치는 영향에 대해 논의합니다. 그는 롱숏 주식 포트폴리오는 롱 사이드와 숏 사이드의 순 결과의 합이며 이 둘의 델타가 성과를 결정한다고 설명합니다. 주식이 절대적으로 오르락내리락하는 대신 상대 성과와 업종 순환에 초점을 맞추는 것이 시장에서 더 원활하고 쉽게 작업할 수 있는 방법입니다. 또한 발표자는 베타는 지수와의 공분산 행렬이며 강세장에서는 높은 베타 주식은 긴 편이고 낮은 베타 주식은 짧은 편이라고 설명합니다. 약세장에서는 낮은 베타 방어 주식이 긴 편이고 높은 베타, 빠르게 실적을 포기하는 높은 비행 주식은 짧은 편입니다.
00:15:00 연사는 시장 분석을 수행하고 투자 결정을 내릴 때 레짐 분석을 이해하고 활용하는 것이 중요함을 강조합니다. 이 분야의 생존을 위해서는 초과수익을 창출하는 것이 중요하지만 단순히 펀더멘털 분석이나 정량적 분석만으로는 충분하지 않습니다. 레짐 분석(주식의 성과를 좌우할 수 있는 시장 레짐 분석)을 고려하지 않고는 시장 상황을 고려하지 않고 밸류에이션과 추세에만 기반하여 잘못된 투자 결정을 내릴 수 있습니다. 예를 들면 모멘텀을 고려하지 않고 주식을 공매도하고 투자자를 끌어들일 매력적인 스토리가 없을 수 있는 가치 함정에 투자하는 것입니다. 제도 분석을 무시하면 심각한 사업 위험을 감수하고 장기적으로 투자자의 신뢰를 잃을 수 있습니다.
00:20:00 연사는 체제 분석의 개념을 사용하여 주가가 오르거나 내린 이유를 확인하는 방법을 설명합니다. 그는 세 가지 유형의 답변이 있다고 말합니다. 통합, 부문 순환 및 주식별 이유는 투자자가 작업 흐름을 단순화하고 시장에 대해 보다 객관적일 수 있도록 합니다. 연사는 또한 개념적으로 단순하지만 인내심이 필요할 수 있는 내재된 지연이 있는 돌파를 포함하여 다양한 기술적 분석 전략에 대해 논의합니다. 연사는 단순화가 완벽함의 핵심이라고 결론을 내리고 투자자들에게 시장의 하인이 되라고 상기시킵니다.
00:25:00 연사는 거래, 비대칭 항목 및 이동 평균에 대한 두 가지 방법론에 대해 논의합니다. 이동 평균은 시장에서 맥락을 제공하는 데 도움이 되며 기간에 대한 논쟁은 항상 있지만 이동 평균의 단점은 변동이 심한 시장을 거래하기가 쉽지 않다는 것입니다. 좋은 소식은 이동 평균을 사용하여 포지션을 종료할 수도 있다는 것입니다. 이동 평균이 평평해지면 사람들은 미끄러지는 거래 비용으로 인해 많은 성과를 되돌려줍니다. 화자는 또한 더 높은 최고점과 더 높은 최저점에 대해 이야기하는데, 이는 시장이 더 높은 최고점과 더 높은 최저점을 만들 때 상승하고 있음을 의미합니다. 마지막으로 화자가 선호하는 방법론은 헤드앤숄더 패턴의 오른쪽 어깨인 플로어 앤 실링이며 언제 거래를 시작하고 종료할지 결정하는 데 사용할 수 있습니다.
00:30:00 화자는 바닥 및 천장 표시를 예로 들어 정권 정의의 개념을 설명합니다. 그는 마크가 각각 더 높은 저점과 더 낮은 고점을 나타내는 방법과 그 사이의 모든 것이 강세로 간주되는 방법에 대해 설명합니다. 발표자는 이 개념이 자산 클래스와 기간에 걸쳐 작동한다고 언급합니다. 그러나 그는 레짐 정의가 계산적으로 부담이 되고 실행하는 데 상당한 시간이 걸린다는 점을 인정합니다. 연사는 또한 모든 분기 정의 방법의 평균인 점수와 방법론이 상대 가격과 절대 가격 모두에서 일치하는지 아니면 분기되는지를 결정하는 데 어떻게 도움이 될 수 있는지에 대해 논의합니다. 점수는 +1과 -1 사이를 오가며 낙관적인 정서를 나타내는 합의와 0점을 나타내는 다이버전스를 나타냅니다.
00:35:00 연사는 시장에서 황소와 곰 신호가 일치하는지 여부를 결정하기 위해 채점 방법을 사용하는 힘에 대해 논의합니다. 점수가 0이면 방법이 일치하지 않음을 의미하고, 점수가 0보다 크면 절대 지표와 상대 지표가 모두 일치함을 의미합니다. 연사는 승률 x 평균 가중치 - 손실 x 평균 손실인 이득 기대치를 설명하고 모든 방법론에 대한 이득 기대 파일을 보여줍니다. 이 방법론을 사용하면 시장을 강세장과 약세장이라는 두 가지 범주로 구분할 수 있으므로 성과가 좋은 특정 부문에 대한 분석에 집중할 수 있습니다. 궁극적으로 이것은 어떤 증권이 실적이 우수하고 투자 대상으로 고려되어야 하는지를 식별하는 데 도움이 되는 예비 분석입니다.
00:40:00 레짐 분석이 개별 주식에 적용될 수 있는지 또는 섹터에만 적용될 수 있는지에 대한 질문입니다. 발표자는 제도가 매우 간단하며 모든 개별 주식에 대해 점수를 매기고 시장 수준에서 사용할 수 있다고 설명합니다. 발표자는 또한 과매수 주식을 공매도하는 전형적인 실수에 대해 언급하고 과매도 주식은 일반적으로 우울해지고 상용 고객이 된다는 점을 강조합니다. 또한 발표자는 과매수 및 과매도 조건은 상황에 따라 다르며 주식이 약세 또는 강세 영역에 있는지 여부에 따라 평균화되며 시간이 지남에 따라 경험적으로 관찰된다고 설명합니다.
00:45:00 연사는 정권 분석의 개념과 트레이더가 기술적 분석에서 발생할 수 있는 잘못된 긍정을 피하는 데 어떻게 도움이 될 수 있는지에 대해 논의합니다. 체제 분석을 사용하여 상승세와 하락세를 분류하고 거래 작업을 단순화할 수 있습니다. 또한 연사는 긴 쪽에서 추세를 따르고 짧은 쪽에서 평균 회귀를 실행하면 위험이 복합될 수 있으며 부실하게 부화한 위험을 방지하기 위해 양쪽을 유사하게 취급해야 한다고 설명합니다. 옵션으로 오른쪽 및 왼쪽 꼬리를 헤지하는 것에 대해 물으면 스피커는 그것에 대해 조언하고 대신 타는 것을 즐기라고 제안합니다. 마지막으로 화자는 차트에서 이동 평균과 같은 상대적인 지표를 설명합니다.
00:50:00 화자는 Swing High 스윙 저점을 나타내는 빨간색 및 녹색 점을 포함하여 차트의 다양한 색상 점에 대해 설명합니다. 이 패널에는 바닥과 천장에 파란색과 분홍색 삼각형이 있으며 파란색 강세 바닥과 천장, 밝은 연어 및 밝은 녹색 거래 범위가 있습니다. 연사는 또한 자신의 정권 분석에 영감을 준 특별한 책은 없지만 체계적 거래에 관한 로버트 카버의 작업을 높이 평가한다고 언급합니다. 체제 분석에 대한 통화 정책의 영향에 대한 질문에 연사는 전 세계의 모든 것이 미국 달러로 가격이 책정되어 정서와 궁극적으로 시장 동향에 직간접적으로 영향을 미치기 때문에 미국 연방 준비 은행의 정책이 중요하다고 생각합니다.
00:55:00 연사는 시장에 영향을 미칠 수 있는 다양한 시나리오, 특히 시장의 상태를 나타내는 "정권"에 대해 논의합니다. 세 가지 시나리오는 너무 "서리가 내린" 시장, "가르치는 테이블 매너"에 따라 흔들리는 채권 자경단, 연준의 손을 강요하는 인플레이션입니다. 체제는 이러한 요소를 통제하지 않으며 대신 시장 상태를 반영합니다. 발표자는 또한 시장이 현재 어디에 있는지 알려주고 시장 변화에 대응하여 더 나은 위치를 지정할 수 있는 도구를 소개합니다.
00:00 Introduction01:55 Regime analysis07:29 What is regime?15:05 Why regime matters22:57 Methodologies43:10 P&L distribution by strategy typeLaurent Bernut ...
프레젠테이션 중에 Thomas Starke 박사는 금융 지질학이라고 부르는 "마이크로 알파"의 개념에 대해 자세히 설명했습니다. 그는 거래 환경이 전통적인 공개 외침 금융 시장에서 화면 기반 거래로, 그리고 더 최근에는 알고리즘으로 어떻게 진화했는지에 대해 논의하기 시작했습니다. 이러한 변화를 설명하기 위해 그는 개인이 재산을 찾기 위해 강에서 금괴를 찾아 헤매던 골드러시 시대에 비유했습니다.
스타크 박사는 데이터 분석, 기계 학습, 인공 지능과 같은 고급 도구의 출현으로 거래가 점점 더 복잡해지고 있다고 강조했습니다. 그는 이동 평균과 같은 단순한 기술 지표가 더 이상 효과적이지 않으며 전문 거래가 양적 전략의 활용으로 이동했다고 설명했습니다. S&P 500 또는 Spy ETF에 대한 벤치마킹과 함께 시장과 상관관계가 없는 수익을 나타내는 알파의 기존 정의가 제시되었습니다.
발표자는 오늘날 시장에서 알파 전략이 직면한 문제를 강조했습니다. 고주파 거래자를 포함한 플레이어의 확산으로 시장 효율성과 무작위성이 증가하여 수익 창출이 더 어려워지고 예측 지표의 효율성이 감소한다고 지적했습니다.
다음으로 마이크로알파의 개념이 소개되었고 연사는 기계 학습을 사용하여 이러한 작고 특수한 알파 생성 전략을 생성하는 방법을 시연했습니다. 배깅 또는 부트스트랩 집계와 같은 앙상블 방법을 사용하여 여러 약한 예측 변수를 결합하면 분산이 감소하고 과적합 위험이 낮은 더 강력한 예측 변수를 생성할 수 있습니다. 발표자는 마이크로 알파 전략 내에서 약한 예측 변수로 이동 평균 교차 거래 신호를 사용하여 이 개념을 설명했습니다. 백테스팅과 결과를 훈련 세트와 테스트 세트로 분할함으로써 보다 수익성 있는 거래 전략을 개발할 수 있습니다.
Dr. Stark는 과적합을 피하기 위해 거래 전략을 테스트하고 최적화하는 것이 중요하다고 강조했습니다. 단순히 최상의 매개변수 세트를 선택하는 대신 연사는 사용 가능한 매개변수를 플로팅하고 선택한 테스트와 메트릭 간의 상관관계를 찾을 것을 제안했습니다. microalpha 전략에서 overfitting에 대한 Robustness가 논의되었으며, 약한 알파를 결합하는 방법으로 bagging을 통한 aggregation의 사용이 강조되었습니다. 연사는 알파 조합이 어떻게 결과를 향상시킬 수 있는지에 대한 예로 클라이언트의 전략을 제시했습니다.
또한 연사는 마이크로 알파가 개별적으로는 눈에 띄지 않지만 결합하여 보다 견고하고 효과적인 거래 전략을 만들 수 있는 "금융 지질학" 또는 "알파 마이닝"의 개념을 소개했습니다. 그들은 사용된 자산 또는 거래 전략의 수와 그 상관관계를 나타내는 폭의 중요성을 강조했습니다. 기술을 확장하는 것은 어려운 일이지만 폭을 넓히면 정보 비율이 높아지고 성능이 향상될 수 있습니다.
그런 다음 토론은 성능 최적화에서 포트폴리오 가중치 및 계층 구조의 중요성으로 이동했습니다. 동일한 가중치, 중요한 고객 자산이 있는 자산 관리자를 위한 접선 포트폴리오, 위험을 감수하는 소매 거래자를 위한 최적 f와 같은 다양한 가중치 체계가 설명되었습니다.
거래 비용을 이해하고 최소화해야 할 필요성과 함께 시간 경과에 따른 위치 변경을 생성하기 위한 신호 생성 및 정규화에 대해 논의했습니다. 연사는 스케일링을 통해 롱온리 전략을 준숏 전략으로 전환할 수 있는 방법을 강조했습니다. 그들은 또한 포지션 크기가 평일에 따라 달라지고 잠재적으로 새로운 전략의 설계로 이어지는 전략의 평일 효과의 존재를 언급했습니다. 거래 알고리즘은 거래 비용을 최소화하기 위한 수단으로 강조되었으며, 도착 가격 알고리즘을 예로 보여주었습니다.
연사는 트랜잭션에 대한 최상의 실행에 가까운 실행을 식별하는 데 도움이 되는 실행 곡선 모델인 alumgram I'm going Chris 모델을 소개했습니다. 중간 가격보다 더 나은 실행을 달성함으로써 트레이더는 거래 비용을 줄이고 더 작은 가장자리를 활용하여 모델에 더 많은 마이크로알파를 추가할 수 있습니다. ESG 전략이 예시로 제시되어 변동이 심한 시장 상황에서 탄력성을 보여주었습니다.
Dr. Starke는 과적합에 대한 질문에 답변하고 과적합을 측정하고 완전히 제거하는 것이 어렵다고 설명했습니다. 그는 더 많은 알파를 추가하고 추가할 때마다 테스트를 실행하여 점포 비율이 개선되는지 여부를 관찰할 것을 제안했습니다. 그러나 그는 체리피킹의 가능성에 대해 경고하고 완전히 피할 수는 없더라도 과적합을 최대한 최소화하는 것이 중요하다고 강조했다. 그는 청중들에게 세션이 끝난 후 받게 될 설문 조사에서 추가 질문이 있으면 질문하도록 독려했습니다.
세션이 끝날 무렵 연사는 작업을 단순화하기 위해 황소와 곰 사이의 정권 정의 재판에 대한 다음 세션 전에 15 분 휴식을 발표했습니다. 그들은 또한 일본 도쿄의 Lauren Burner가 세션에 참여할 것이라고 언급했습니다. 연사는 Thomas Paul에게 첫 번째 세션에 참석해 준 것에 대해 감사를 표하고 곧 그를 다시 만날 수 있기를 희망한다고 말했습니다.
Thomas Starke 박사는 "마이크로 알파" 개념과 금융 지질학에 대한 귀중한 통찰력을 제공했습니다. 그는 전통적인 시장에서 알고리즘 기반 전략으로의 거래 진화, 오늘날 시장 환경에서 알파 전략이 직면한 문제, 마이크로알파를 생성하는 기계 학습의 잠재력에 대해 논의했습니다. 포트폴리오 가중치, 거래 비용 관리 및 거래 알고리즘 사용의 중요성과 함께 테스트, 전략 최적화 및 과적합 방지의 중요성이 강조되었습니다. 연사는 또한 더 나은 실행을 위해 alumgram I'm going Chris 모델을 소개하고 마이크로 알파에 대한 퀀트라 과정의 출시를 발표했습니다. 세션은 추가 질문에 대한 요청과 다음 세션 전에 휴식으로 끝났습니다.
00:00:00 Thomas Stark 박사는 "마이크로 알파"의 개념에 대해 논의하고 이를 금융 지질학이라고 합니다. 그는 거래 영역이 공개호가 금융시장에서 스크린 기반 거래로, 이제는 알고리즘으로 이동했다고 설명합니다. 그는 사람들이 돈을 벌기 위해 강에서 금괴를 찾아 헤매던 골드러시 시대에 비유합니다. 이 섹션은 Stark 박사가 자신을 소개하고 LinkedIn, 이메일, YouTube 채널 및 Twitter 핸들을 포함한 연락처 정보를 공유하는 것으로 끝납니다.
00:05:00 연사는 데이터 분석, 기계 학습 및 인공 지능과 같은 중장비를 사용하여 거래가 어떻게 더 복잡해졌는지 설명하기 위해 수많은 암석에서 금가루를 추출하는 비유를 사용합니다. 그들은 이동 평균과 같은 단순한 기술 지표가 더 이상 효과적이지 않으며 전문 거래가 양적 전략의 사용으로 크게 이동했다고 지적합니다. 그런 다음 발표자는 알파의 기존 정의를 S&P 500 또는 Spy ETF에 대한 벤치마킹을 통해 시장 수익률과 전략 수익률 사이의 상관관계로 정의합니다. 그들은 마이크로알파가 전통적인 알파 전략을 보완하거나 대체하는 데 사용할 수 있는 작고 특수화된 알파 생성 전략이라고 설명합니다.
00:10:00 발표자는 시장과 상관관계가 없는 수익을 나타내기 위해 자산 관리에서 사용되는 용어인 알파의 개념을 설명합니다. 연사는 또한 특이한 수익률이 거래자 또는 자산 관리자의 기술을 나타내며 공급 곡선이 y축의 0선을 교차할 때 계산된다는 점에 주목합니다. Alphas는 더 직설적이었지만 시장을 보다 효율적이고 무작위로 만드는 고주파 거래자를 포함하여 금융 시장의 플레이어가 확산되면서 약해졌습니다. 이렇게 무작위성이 증가했다는 것은 시장에서 이익을 추출하기가 더 어려워지고 예측 지표의 효율성이 떨어졌음을 의미합니다.
00:15:00 발표자가 "마이크로알파"의 개념과 기계 학습을 통해 마이크로알파를 생성하는 방법에 대해 논의합니다. 약한 예측자를 여러 개 선택하고 배깅 또는 부트스트랩 집계와 같은 앙상블 방법을 사용하여 결합하면 분산이 적고 과적합 위험이 감소하면서 더 강력한 예측자를 만들 수 있습니다. 연사는 이동 평균 교차 거래 신호의 예를 사용하여 이것이 어떻게 작동할 수 있는지, 그리고 마이크로알파 전략 내에서 약한 예측 변수로 어떻게 사용될 수 있는지 보여줍니다. 다양한 매개변수 세트에 대해 백테스트를 실행하고 결과를 훈련 및 테스트 세트로 분할함으로써 보다 수익성 있는 거래 전략을 생성할 수 있습니다.
00:20:00 연사는 과적합을 방지하기 위해 거래 전략을 테스트하고 최적화하는 것의 중요성에 대해 논의합니다. 그들은 단순히 최상의 매개변수 집합을 선택하면 과적합이 발생할 수 있다고 설명하고 대신 사용 가능한 매개변수를 플로팅하고 선택한 테스트와 측정항목 간의 상관관계를 찾을 것을 제안합니다. 그런 다음 마이크로 알파 전략에서 과대적합에 대한 견고성의 중요성과 배깅을 통한 집계가 약한 알파를 결합하는 데 어떻게 도움이 될 수 있는지에 대해 논의합니다. 그들은 알파를 결합하여 결과를 개선할 수 있는 방법의 예로서 클라이언트를 위해 최근에 구축한 전략을 제시합니다.
00:25:00 발표자는 "마이크로알파"에 대해 논의합니다. 이 거래 전략은 작고 개별적으로는 눈에 띄지 않으며 상대적으로 견고하며 결합되어 보다 견고하고 효과적인 전략을 만들 수 있습니다. 이러한 마이크로알파를 결합하는 과정을 "알파 채굴" 또는 "금융 지질학"이라고 하며, 금가루의 작은 알갱이가 결합되어 단단한 금괴를 만듭니다. 연사는 얼마나 많은 자산이나 거래 전략이 사용되는지, 그리고 그것들이 얼마나 상관관계가 있는지를 나타내는 폭의 중요성을 강조합니다. 기술은 확장하기 어렵지만 폭은 쉽게 늘릴 수 있으므로 정보 비율이 높아지고 거래 전략의 성능이 향상됩니다.
00:30:00 연사는 거래에서 "숨"의 개념과 자산 및 전략의 수를 늘리는 것이 어떻게 더 나은 성과로 이어질 수 있는지에 대해 논의합니다. 엄청난 기술과 엄청난 호흡을 가진 르네상스 기술과 같은 회사에 비해 워렌 버핏의 높은 정보 계수와 낮은 호흡과 같은 다양한 거래 스타일을 언급합니다. 발표자는 기술 지표, 통계적 이상, 자기 상관, 패턴 인식, 기계 학습 신호 및 시간 기반 신호를 포함한 다양한 전략을 설명합니다. 또한 성과를 최적화하기 위해 포트폴리오 관리에서 가중치와 계층이 어떻게 중요한 역할을 하는지 설명합니다.
00:35:00 발표자가 전략 또는 자산의 포트폴리오에 가중치를 적용하는 데 사용할 수 있는 다양한 유형의 가중치에 대해 설명합니다. 화자는 사소해 보일지라도 동일한 가중치가 포트폴리오에 가중치를 부여하는 꽤 좋은 방법이라고 언급합니다. 결합 포트폴리오에 대해 최상의 위험 조정 수익을 얻는 데 사용되는 탄젠시 포트폴리오도 논의됩니다. 연사는 또한 이익을 늘리는 데 사용되지만 최대 변동성을 갖는 또 다른 가중치 체계인 최적 f에 대해 언급합니다. 연사는 많은 고객 자산을 관리하는 자산 관리자는 탄젠시 포트폴리오 또는 유사한 포트폴리오 체계를 사용해야 하며 위험에 상당히 민감한 소매 거래자에게는 최적의 f가 적합할 수 있다고 조언합니다.
00:40:00 연사는 신호 생성과 시간이 지남에 따라 높은 변동을 초래할 수 있는 위치 변경을 생성하기 위해 신호가 정규화되는 방법에 대해 논의합니다. 연사는 또한 거래 비용을 이해하고 그러한 비용을 최소화하기 위해 거래를 잘 실행하는 것의 중요성을 강조합니다. 또한 화자는 스케일링을 사용하여 롱 온리 전략을 준숏 전략으로 전환할 수 있는 방법을 설명합니다. 또한 화자는 요일에 따라 포지션 크기가 달라지는 전략의 요일 효과를 지적하고 이를 새로운 전략을 설계하는 데 사용할 수 있다고 제안합니다. 마지막으로 발표자는 거래 알고리즘을 사용하여 거래 비용을 최소화하는 것의 중요성을 강조하고 이를 위해 도착 가격 알고리즘이 어떻게 작동하는지 보여줍니다.
00:45:00 발표자는 alumgram I'm going Chris 모델이라는 특정 실행 곡선 모델의 출현에 대해 논의합니다. 이 모델은 거래에 대한 최상의 근접 실행을 식별하는 데 사용할 수 있습니다. 중간 가격보다 더 나은 실행을 달성함으로써 트레이더는 거래 비용을 절감하고 더 작은 에지를 활용하여 모델에 더 많은 마이크로 알파를 추가할 수 있습니다. 연사는 불안정한 시장 상황이 성과에 큰 영향을 미치지 않는 ESG 전략을 예로 제시합니다. 연사는 또한 백 테스트 설계에서 거래 플랫폼 구축에 이르기까지 다양한 주제를 다루는 마이크로 알파에 대한 퀀트라 과정의 출시를 발표했습니다.
00:50:00 Dr. Starke는 과적합과 그가 적합 수준에 대한 허용 기준을 측정하고 설정하는 방법에 대해 질문을 받습니다. 그는 과적합에 대한 적절한 측정이 없으며 이를 완전히 최소화하는 것이 어려울 수 있다고 설명합니다. Scott 박사는 상점 비율이 개선되는지 여부를 확인하기 위해 더 많은 알파를 추가하고 각 추가에 대한 테스트를 실행할 것을 제안하지만 체리 피킹이 가능하다고 경고합니다. 그는 또한 수행 중인 작업 중 어느 것도 일정 수준의 과적합을 완전히 피할 수 없기 때문에 가능한 한 과적합을 최소화하도록 의식할 것을 조언합니다. 마지막으로 그는 청중이 세션 후에 받게 될 설문 조사에서 추가 질문을 할 수 있다고 제안합니다.
00:55:00 연사는 작업을 단순화하는 황소와 곰 사이의 정권 정의 재판에 대한 다음 세션 전에 15분 휴식을 발표합니다. 일본 도쿄의 Lauren Burner가 세션에 참여할 예정입니다. 연사는 Thomas Paul의 첫 번째 세션 참여에 감사를 표하며 곧 다시 만나기를 희망합니다.
This session on Micro Alphas: Financial Geology by Dr. Thomas Starke introduces you to the concept and its relevance in current and future financial markets....
Continuum의 퀀트 애널리스트 Akshay Chaudhary는 체계적인 옵션 거래의 중요성에 대해 통찰력 있는 발표를 했습니다. 그는 직감과 감정에 기반한 거래의 함정을 설명하면서 상당한 손실을 입었던 거래자의 불행한 경험을 자세히 설명했습니다. Akshay는 잘 정의된 거래 계획, 엄격한 논리적 프레임워크 및 위험 완화를 위한 손절매 조치의 필요성을 강조했습니다.
연사는 옵션 거래에 대한 체계적인 접근 방식에 대해 자세히 설명하면서 다단계 프로세스를 설명했습니다. 공급업체 또는 Yahoo Finance 또는 Google Finance와 같은 무료 소스에서 얻을 수 있는 옵션 데이터를 획득하는 것으로 시작합니다. 그런 다음 데이터는 크기에 따라 CSV 파일 또는 데이터베이스에 구성 및 저장됩니다. 다음 단계는 특정 매개변수를 기반으로 데이터를 스크리닝하여 전체 데이터 세트의 하위 집합을 생성하는 것입니다. 그런 다음 옵션 전략이 정의되고 진입 및 퇴출 규칙이 설정됩니다. 이 전략은 백테스팅을 거쳐 최대 드로다운, 샤프 비율 및 분산과 같은 메트릭을 기반으로 성능을 평가합니다. 마지막으로, 수익을 극대화하거나 위험을 최소화하기 위해 매개변수를 조정하여 전략을 최적화하고 실제 시장 설정에서 그 효과를 검증하기 위해 포워드 테스트 또는 페이퍼 트레이딩을 거칩니다.
데이터 검색 및 정리의 중요성을 강조하고, 적절한 옵션을 식별하기 위한 스크리너 생성, 진입 및 퇴장에 대한 명확한 거래 규칙 정의, 성과 평가를 위한 백테스팅 수행, 필요한 경우 전략 최적화, 실시간 시장 상황. 연사는 거래 진입과 청산을 위한 기술적 지표를 활용하는 백 쇼트 버터플라이 전략을 예로 소개했습니다. 그들은 데이터 가져오기, 지표 계산, 신호 생성 및 전략 백테스팅을 위한 코드를 시연했습니다.
비디오 프레젠테이션은 간단한 전략의 백테스팅 결과를 보여주었습니다. 이 전략은 특정 진입 및 퇴출 조건에 의존했으며 백테스팅 결과는 순이익과 누적 손익을 보여줍니다. 연사는 아이언 콘도르와 같은 보다 복잡한 전략을 언급하고 실제 시장에 배포하기 전에 종이 거래 시나리오를 통한 포워드 테스트 전략의 중요성을 강조했습니다. 신뢰할 수 있는 출처에서 데이터 얻기, 거래 비용 및 슬리피지 고려, 자본 버퍼 유지, 위험을 효과적으로 관리하기 위한 손절매 조치 구현을 포함하여 체계적인 옵션 거래의 해야 할 일과 하지 말아야 할 일에 대해서도 논의했습니다.
손절매 주문, 헤징 등의 전략을 강조하면서 옵션 거래의 위험 관리가 강조되었습니다. 옵션 거래의 4가지 주요 작업은 전략 백테스팅 및 최적화, 적절한 포지션 크기 조정 및 위험 관리 기법 활용, 거래 시스템의 단순성 유지, 수립된 계획 준수 등입니다. 반대로 거래자들은 시스템을 복잡하게 만들고, 전략을 방해하고, 단일 전략에 과도하게 노출하고, 유동성이 낮은 옵션을 거래하지 않도록 권고받았습니다. 연사는 또한 체계적 거래 및 거래 전략의 다양한 측면을 다루는 "체계적 옵션 거래"라는 종합 코스를 홍보했습니다.
역사적 옵션 체인 데이터를 획득하는 맥락에서 Yahoo Finance에 대한 대안을 모색했습니다. 과거 옵션 체인 데이터에 대한 액세스를 제공하는 TD Ameritrade 또는 E-Trade와 같은 브로커 플랫폼이 권장되었습니다. OptionMetrics 또는 IvyDB와 같은 제3자 데이터 제공업체도 비용이 들지만 과거 옵션 데이터의 출처로 언급되었습니다. 개인의 니즈에 맞는 신뢰할 수 있는 데이터 제공자를 선정하기 위해서는 철저한 조사가 이루어져야 함을 강조하였다.
연사는 옵션 거래에서 실시간 데이터를 위한 데이터 벤더의 중요성을 강조하며 신뢰할 수 있는 데이터 소스의 필요성을 강조했습니다. 그들은 과정 내용에 관한 질문에 대답하여 시청자에게 접영 옵션에 대한 백테스팅 파일이 제공될 것이라고 확신시켰습니다. 코스는 버터플라이 전략, 아이언 콘도르 전략, 스프레드와 같은 전략을 다루었습니다. 옵션에 대한 기본적인 이해가 있는 개인을 대상으로 기본 수준에서 고급 수준에 이르는 과정임을 명확히 했습니다. 기술 분석은 지식을 갖는 데 도움이 되지만 전제 조건은 아닌 종료 도구로 언급되었습니다.
발표자는 알고리즘 거래의 집행 프로그램과 옵션 거래 간의 중복, Python의 백테스팅을 위한 데이터 가용성, 옵션을 비유동성으로 간주하는 기준에 관한 청중의 다양한 질문을 다루었습니다. 기술 지표 및 기계 학습을 위한 라이브러리를 사용하여 백테스팅을 위한 기본 코딩 언어로 Python을 권장했습니다. 그러나 Java와 같은 다른 언어도 사용할 수 있다는 점에 주목했습니다. 발표자는 Python 인터페이스를 제공하는 BlueShift를 백테스팅의 또 다른 옵션으로 언급했습니다.
확장하기 전에 전방 테스트 전략의 중요성이 강조되었습니다. 자본을 늘리거나 조정을 하기 전에 실제 시장에서 전략이 잘 수행되는지 확인하기 위해 몇 달에서 1년 동안 포워드 테스트를 수행하는 것이 좋습니다. 시스템의 효율성에 대한 확신은 대규모로 배포하기 전에 매우 중요합니다. 포워드 테스트 기간은 거래 빈도와 사용된 특정 전략에 따라 달라질 수 있습니다. 발표자는 포워드 테스트 전에 철저한 백 테스트와 페이퍼 트레이딩이 필요하며 시스템 성능을 모니터링하면서 점진적으로 자본을 확대해야 한다고 강조했습니다.
연사는 다양한 시장 시나리오를 포착하고 다양한 조건에서 성과를 평가하기 위해 최소 3~4개월 동안 체계적인 옵션 거래 전략을 테스트할 것을 권장했습니다. 공급 및 수요 전략 자동화에 대한 질문과 과정이 IV(내재 변동성) 표면에 기반한 전략을 다루는지 여부를 포함하여 여러 청중 질문이 처리되었습니다. 연사는 또한 캘린더 스프레드에 대한 간략한 설명을 제공하고 관심 있는 학습자들에게 코스 카운슬러와 연결하여 퀀트 트레이더가 되는 것과 같은 목표에 가장 적합한 코스를 결정하도록 조언했습니다.
스윙 또는 반전 양초를 식별하기 위해 알고리즘을 사용할 가능성에 대해 논의했습니다. 화자는 해머 패턴과 같은 촛대 패턴과 같은 특정 양초 매개변수 또는 속성을 기반으로 하는 논리적 규칙의 개발에 따라 실행 가능성이 달라진다고 설명했습니다. 거래를 위한 C++와 Python 사이의 선택과 관련하여 Python은 더 긴 기간 동안 충분하고 C++는 짧은 대기 시간과 높은 빈도의 거래에 더 적합하다고 제안되었습니다. 알고리즘 옵션 거래에 관심이 있는 초보자를 위해 연사는 선물 및 옵션 거래 트랙에서 정량적 접근 방식을 탐색할 것을 권장했습니다. 그들은 또한 Python 및 Interactive Brokers를 사용한 자동 거래의 관련성을 강조했습니다.
연사는 참석자들에게 피드백을 제공하고 모든 질문이 해결되었는지 확인하기 위한 설문 조사를 완료하도록 권장함으로써 웨비나를 마무리했습니다. 그들은 시청자에게 웨비나 참석자에게만 제공되는 독점 할인을 상기시키고 등록하기 전에 과정 페이지를 검토하고 무료 미리보기를 활용할 것을 제안했습니다. 시청자는 추가 정보 및 맞춤형 학습 경로를 위해 코스 카운셀러와 연결하도록 초대되었습니다. 발표자는 청중의 지원에 감사를 표하고 향후 웨비나에 대한 피드백을 제공하도록 독려했습니다.
00:00:00 Continuum의 퀀트 애널리스트인 Akshay Chaudhary가 체계적인 옵션 거래의 필요성에 대해 논의합니다. 그는 직감과 감정에 기반한 거래로 인해 상당한 손실을 입는 트레이더의 예를 들었습니다. Akshay는 거래 계획, 엄격한 거래 논리 및 손절매 구현의 중요성을 강조합니다. 그는 또한 옵션의 체계적인 거래에는 진입 및 퇴출 규칙 이상의 것이 포함된다고 설명합니다.
00:05:00 발표자는 옵션 거래에 대한 체계적인 접근 방식에 대해 논의했습니다. 여기에는 데이터 수집, 특정 매개변수를 기반으로 선별, 백 테스트, 마지막으로 포워드 테스트가 포함됩니다. 첫 번째 단계는 공급업체 또는 Yahoo Finance 또는 Google Finance와 같은 무료 소스에서 검색할 수 있는 옵션 데이터를 얻는 것입니다. 데이터가 확보되면 크기에 따라 CSV 파일 또는 데이터베이스에 저장할 수 있습니다. 다음 단계는 전체 데이터 집합의 하위 집합인 특정 매개 변수를 기반으로 데이터를 선별하는 것입니다. 다음 단계에는 옵션 전략 정의, 테스트, 시작 및 종료 규칙 정의가 포함됩니다. 이 전략은 최대 드로다운, 샤프 비율 및 분산을 기반으로 백테스트 및 평가할 수 있습니다. 마지막으로, 수익을 극대화하거나 위험을 최소화하기 위해 매개변수를 조정하여 전략을 최적화해야 하며 효과를 보장하기 위해 사전 테스트를 거치거나 페이퍼 트레이드를 거쳐야 합니다.
00:10:00 연사는 데이터 검색 및 정리, 옵션 하위 집합을 찾기 위한 스크리너 생성, 진입 및 퇴장을 위한 거래 규칙 정의, 전략 백테스팅, 성과 평가, 다음과 같은 경우 최적화를 포함하는 체계적인 옵션 거래 프로세스를 설명합니다. 라이브 시장에서 테스트를 진행합니다. 또한 기술 지표를 사용하여 거래를 시작하고 종료하는 백 숏 버터플라이 전략에 대한 개요를 제공하고 데이터 가져오기, 지표 계산, 진입 및 종료 신호 생성, 전략 백테스팅을 위한 코드를 시연합니다.
00:15:00 이 비디오는 노트북의 간단한 전략에서 생성된 백테스팅 결과를 다룹니다. 전략은 체계적으로 거래하기 위해 진입 및 퇴출 조건에 의존하며, 백테스팅 결과는 순이익과 누적 손익을 보여줍니다. 비디오는 아이언 콘도르와 같은 더 복잡한 전략과 실제 시장에 배포하기 전에 종이 거래 시나리오를 사용하여 테스트 전략을 전달해야 할 필요성을 언급합니다. 그런 다음 비디오는 신뢰할 수 있는 출처에서 데이터 가져오기, 거래 비용 및 미끄러짐 설명, 자본 버퍼 유지, 위험 관리를 위한 손절매 조치 구현을 포함하여 체계적인 옵션 거래에서 해야 할 일과 하지 말아야 할 일에 대해 논의합니다.
00:20:00 연사는 손절매 및 헤징과 같은 전략을 사용하여 옵션 거래에서 위험 관리의 중요성을 강조합니다. 옵션 거래의 4가지 해야 할 일에는 전략 백테스팅 및 최적화, 적절한 포지션 크기 조정 및 위험 관리 사용, 거래 시스템을 단순하게 유지하고 계획을 고수하는 것이 포함됩니다. 반면에 트레이더는 시스템을 복잡하게 만들고, 전략에 개입하고, 단일 전략에 과도하게 베팅하고, 유동적인 옵션을 거래하는 것을 피해야 합니다. 연사는 체계적인 거래 및 거래 전략의 다양한 측면을 다루는 체계적 옵션 거래라는 종합 과정을 홍보합니다.
00:25:00 과거 옵션 체인 데이터에 대한 Yahoo Finance의 대안을 찾고 있다면 몇 가지 옵션을 사용할 수 있습니다. 하나는 과거 옵션 체인 데이터에 대한 액세스를 제공하는 TD Ameritrade 또는 E-Trade와 같은 브로커 플랫폼을 사용하는 것입니다. 또 다른 옵션은 과거 옵션 데이터를 유료로 제공하는 OptionMetrics 또는 IvyDB와 같은 타사 데이터 공급자를 사용하는 것입니다. 조사를 수행하고 필요에 맞는 신뢰할 수 있는 데이터 공급자를 선택하는 것이 중요합니다.
00:30:00 연사는 옵션 거래에서 실시간 데이터를 위한 데이터 벤더의 중요성에 대해 논의하고 데이터 소스의 신뢰성에 대한 필요성을 강조합니다. 그런 다음 코스 내용에 대한 질문에 답하여 버터플라이 옵션 백테스팅 파일이 제공되며 코스에서 버터플라이 전략, 아이언 콘도르 전략 및 스프레드와 같은 전략을 다룹니다. 또한 연사는 이 과정이 기본에서 고급 수준까지 모든 것을 다루므로 옵션에 대한 기본적인 이해가 있는 사람들이 접근할 수 있다고 언급합니다. 마지막으로 그들은 기술 분석이 종료 도구로 사용되며 이에 대한 실무 지식을 갖는 것이 도움이 되지만 필수 사항은 아니라는 점을 명확히 합니다.
00:35:00 연사는 체계적인 옵션 거래 과정과 관련된 다양한 질문에 답합니다. 이 과정은 옵션 거래에 대한 기본적인 이해가 있는 초보자에게 적합합니다. 이 과정에서 사용되는 데이터는 인도 중심 과정이므로 주로 Nifty 50 옵션에 대한 것이지만 데이터를 사용할 수 있게 되면 미국 옵션에도 개념을 적용할 수 있습니다. 연사는 또한 코딩 기술의 중요성을 강조하면서 HFT 회사에 합류하는 데 관심이 있는 퀀트 트레이더 지망생에게 조언을 제공합니다.
00:40:00 연사는 옵션 거래와 알고리즘 거래의 임원 프로그램 중복 및 Python의 백테스팅을 위한 데이터 가용성과 관련된 시청자의 질문에 답변합니다. 또한 낮은 미결제약정 및 높은 매수-매도 스프레드와 같이 옵션을 비유동으로 간주하는 기준을 제공합니다. 발표자는 Python이 백테스팅과 기술 지표 및 기계 학습을 위한 라이브러리 사용에 선호되는 코딩 언어이지만 Java와 같은 다른 언어도 사용할 수 있다고 제안합니다. 그들은 또한 Python 인터페이스가 있는 BlueShift가 백테스팅을 위한 또 다른 옵션이라고 언급합니다.
00:45:00 몇 달에서 1년 동안 앞으로 테스트하여 자본을 늘리거나 조정하기 전에 실제 시장에서 제대로 작동하는지 확인하십시오. 시스템을 대규모로 배포하기 전에 시스템을 신뢰하는 것이 중요합니다. 또한 포워드 테스트 기간은 거래 빈도와 사용 중인 특정 전략에 따라 달라질 수 있습니다. 전반적으로 포워드 테스트 전에 철저한 백 테스트 및 종이 거래를 수행한 다음 시스템 성능을 모니터링하면서 점진적으로 자본을 확장하는 것이 중요합니다.
00:50:00 연사는 다양한 시장 시나리오를 파악하고 각각의 전략이 어떻게 수행되는지 확인하기 위해 최소 3~4개월 동안 체계적인 옵션 거래 전략을 테스트할 것을 권장합니다. 그런 다음 공급 및 수요 전략 자동화에 대한 질문과 과정에서 IV 표면을 기반으로 한 전략을 다루는지 여부에 대한 질문을 포함하여 여러 청중 질문에 답합니다. 또한 캘린더 스프레드에 대한 간략한 설명을 제공하고 관심 있는 학습자가 코스 카운슬러와 연결하여 퀀트 트레이더가 되는 것과 같은 목표에 가장 적합한 코스를 결정하도록 제안합니다.
00:55:00 화자가 알고리즘을 사용하여 스윙 또는 반전 양초를 식별할 가능성에 대해 논의합니다. 그는 해머 패턴과 같은 촛대 패턴과 같은 특정 매개 변수 또는 촛불의 속성을 기반으로 논리가 얼마나 잘 개발되었는지에 따라 그렇게 할 수 있는 능력이 있다고 설명합니다. 거래에 C++를 사용하는 것과 Python을 사용하는 측면에서 선택은 거래 기간에 따라 다릅니다. Python은 더 긴 기간 동안 거래하는 데 충분하고 C++는 짧은 대기 시간과 높은 빈도의 거래에 더 좋습니다. 알고리즘 방식으로 옵션 거래에 관심이 있는 초보자를 위해 연사는 선물 및 옵션 거래 트랙의 정량적 접근 방식을 제안하지만 Python 및 Interactive Brokers를 사용한 자동 거래의 관련성을 강조합니다.
01:00:00 연사는 웨비나를 마무리하고 참석자들이 피드백을 제공하고 모든 질문에 답할 수 있도록 설문 조사를 완료하도록 권장합니다. 그는 시청자들에게 웨비나 참석자에게만 제공되는 독점 할인을 상기시키고 등록 여부를 결정하기 전에 코스 페이지를 검토하고 무료 미리보기를 해볼 것을 제안합니다. 그는 또한 자세한 정보 및 맞춤형 학습 경로를 위해 과정 카운셀러와 연결하도록 시청자를 초대합니다. 마지막으로 그는 발표자와 청중의 지원에 감사하며 향후 웨비나에 대한 피드백을 제공할 것을 권장합니다.
Are you someone looking to start your Systematic Options Trading journey but are not sure of the process to do so? This is a must-attend webinar for you to g...
웨비나에서 Quantum City의 공동 창립자이자 CEO인 Nitesh Khandelwal은 알고리즘 거래에서 경쟁 우위의 중요성에 대해 자세히 설명했습니다. 그는 우위가 무엇인지 정의하는 것으로 시작했고 다양한 거래 전략의 예를 제공했습니다. Khandelwal은 경쟁 우위가 무역 사업이 성공함에 따라 번창하는 데 중요하다고 강조했습니다. 세션 내내 시청자는 무역 기업이 얻을 수 있는 광범위한 에지와 다양한 유형의 전략과 관련된 특정 에지에 대해 포괄적으로 이해했습니다.
Khandelwal은 전 세계적으로 체계적인 거래 및 투자를 가능하게 하고 권한을 부여하는 생태계를 만드는 임무를 맡은 조직인 QuantInsti를 소개했습니다. 그는 Quantra라는 선도적인 인증 프로그램, 연구 및 거래 플랫폼인 Blue Shift, 20개국에 걸친 기업 파트너십을 비롯한 몇 가지 이니셔티브를 강조했습니다. 이러한 이니셔티브를 공유함으로써 연사는 QuantInsti의 사명에 대한 약속을 보여주었습니다.
계속해서 발표자는 비즈니스 관점에서 경쟁 우위에 대해 이야기하면서 경쟁 우위를 기업이 보유하고 있는 이점으로 정의했습니다. 이를 설명하기 위해 애플, 구글, 테슬라, JP모건, 골드만삭스 등 유명 기업을 언급하며 이들의 경쟁력은 무엇일지 고민해보라고 했다.
다음으로 Khandelwal은 특히 알고리즘 거래에서 경쟁 우위를 조사했습니다. 그는 독점 기술, 지적 재산권, 고유한 제품 또는 서비스, 첨단 기술, 강력한 기업 문화, 특정 리소스 또는 생태계에 대한 액세스를 포함하여 다양한 경쟁 우위 소스를 설명했습니다. 그는 알고리즘 거래의 맥락에서 자동화 또는 수동으로 관리할 수 있는 특정 논리 또는 조건에 따라 주문을 하는 것과 관련이 있다고 설명했습니다. 거래에서 알고리즘을 사용하면 더 빠른 데이터 처리, 효율적인 검색 기능 및 개선된 사용자 인터페이스 또는 흐름을 가능하게 하여 경쟁 우위를 제공합니다. 연사는 RenTech를 알고리즘 트레이딩 도메인에서 지적 재산과 시스템을 통해 상당한 우위를 확보한 회사의 예로 언급했습니다.
그런 다음 논의는 거래 전략의 분류로 옮겨갔습니다. Khandelwal은 투자 또는 거래 스타일을 양적, 기술 또는 기본으로 광범위하게 분류했습니다. 그는 기본 거래 관점 또는 요인을 추세, 평균 복귀 또는 이벤트 기반으로 추가로 분류했습니다. 그는 계속해서 모멘텀 거래, 통계 차익 거래, 가치 투자, 브레이크 아웃 거래, 캐리 거래 및 이벤트 기반 시스템과 같은 전략을 포함하여 거래 세계에서 15가지 주요 분리 및 경쟁 우위를 설명했습니다. 연사는 이러한 시스템 중 일부는 고도로 자동화된 반면 다른 시스템은 보다 재량적인 의사 결정을 수반한다고 강조했습니다.
Khandelwal은 알고리즘 거래에서 경쟁 우위로서의 속도의 중요성을 언급하면서 전송 또는 네트워크 대기 시간을 포함하여 거래의 모든 측면에서 대기 시간을 줄여야 할 필요성을 강조했습니다. 그는 낮은 대기 시간을 달성하려면 데이터가 이동하는 데 걸리는 시간을 최소화하기 위해 근접 데이터 센터의 교환기 근처에 시스템을 공동 배치하거나 배치하는 것이 포함된다고 설명했습니다. 전송 대기 시간을 최적화한 후 알고리즘 거래 시스템의 하드웨어 및 소프트웨어 인프라를 추가로 개선하여 데이터가 거래소에 도달하는 데 걸리는 시간을 줄일 수 있습니다. 연사는 거래 시스템이 빠를수록 초단타 매매 회사에 중요한 알파가 더 중요하다고 강조했습니다.
토론은 데이터 품질 및 수요 평가를 위한 위성 이미지와 같은 대체 데이터 소스에 대한 액세스와 같은 알고리즘 거래의 다른 경쟁 우위로 확장되었습니다. Khandelwal은 아이디어를 실행 가능한 행동으로 효율적으로 전환하는 전략 인프라의 중요성을 강조했습니다. 그는 또한 광범위한 연구 기능, 고급 가격 모델, 브로커 또는 프라임 브로커를 통한 다양한 시장 접근의 이점을 언급했습니다. 연사는 발표 내내 알고리즘 트레이딩에서 성공하기 위해서는 남다른 경쟁력이 있어야 한다는 점을 강조했다.
다뤄진 한 가지 주제는 구매자와 판매자가 가격에 동의한 후 시장 조성자가 거래 수락에 대한 최종 발언권을 갖는 외환 거래의 "마지막 보기" 개념이었습니다. 이 우선 액세스는 거래에서 중요한 이점으로 작용합니다. 또한 Khandelwal은 트레이더가 상당한 손실을 피하는 데 도움이 되므로 원활한 백 오피스와 적절한 위험 관리의 중요성을 전산 에지로 강조했습니다. 그는 또한 거래에 유연성을 제공하는 즉각적인 지불 없이 자금에 접근할 수 있는 이점을 강조했습니다.
나아가 금융기관과 트레이더가 알고리즘 트레이딩에서 가질 수 있는 경쟁력에 대해 논의했다. 그는 낮은 자금 조달 비용과 트레이딩 데스크에 대한 온탭 액세스를 은행이 누리는 주요 이점으로 확인했습니다. 또 다른 이점은 자본 이득세를 0으로 효과적으로 줄이는 세금 구조를 갖는 것입니다. 정보, 뉴스 및 규제 변경에 대한 액세스도 중요한 이점으로 작용합니다. 마지막으로 고유한 전략, 하드웨어 및 소프트웨어 향상, 독점 프로세스를 포함한 지적 재산은 트레이더에게 경쟁에서 상당한 이점을 제공합니다.
토론을 계속하면서 Khandelwal은 트레이더의 성공과 빠른 성장에 기여할 수 있는 9가지 경쟁 우위를 강조했습니다. 이러한 엣지에는 프로세스 노하우, 특허, 기술, 전담 팀 및 연속성이 포함됩니다. 이러한 에지 중 하나 이상을 보유하는 것은 트레이더가 시장에서 성공할 수 있는 견고한 기반이 될 수 있습니다. 그런 다음 발표자는 속도, 시장 데이터, 전략 인프라, 백오피스 위험 관리, 자금 조달 비용 및 지적 재산과 같은 요소를 포함하여 쌍 거래 및 고주파 시장 조성과 같은 특정 전략에 대한 관련 우위를 설명했습니다.
연사는 자신의 거래 전략과 관련된 특정 에지를 식별하고 획득하는 것의 중요성을 강조했습니다. 트레이더가 올바른 이점을 획득하고 활용하는 데 집중할 수 있기 때문에 선택한 전략과 일치하는 에지 유형을 이해하는 것이 중요합니다. Khandelwal은 또한 효과적인 위험 관리의 중요성을 강조하고 독점 위험 관리 도구의 활용에 대해 언급했습니다.
규제 문제를 탐색하기 위해 발표자는 귀중한 통찰력을 제공할 수 있는 FAQ 또는 자주 묻는 질문 섹션과 같은 규제 기관의 리소스부터 시작할 것을 제안했습니다. 마지막으로 Khandelwal은 시청자에게 자체 알고리즘 트레이딩 데스크를 구축하거나 퀀트 트레이딩 분야에서 경력을 쌓는 데 관심이 있는 사람들을 위해 EPAT 프로그램을 고려하도록 권장했습니다.
Q&A 세션에서 연사는 규정에서 숏 감마 전략과 같은 특정 거래 전략에 이르기까지 다양한 주제에 대해 청중의 다양한 질문에 답했습니다. 그는 시장 미세구조의 중요성을 강조하고 이 분야에서 풍부한 경험을 가진 새로운 교수진인 Dr. Robert Kissel을 소개했습니다. Khandelwal은 또한 데이터 과학을 거래에 적용하는 것에 대한 질문에 응답하면서 데이터 과학에는 기계 학습이나 데이터 분석을 넘어 여러 응용 프로그램이 있음을 강조했습니다. 그는 거래에서 데이터 과학의 잠재력을 최대한 활용하기 위해 통계 및 금융 시장에 대한 기본적인 이해를 가질 것을 권장했습니다.
또한 발표자는 시장 추세 예측, 위험 관리, 적절한 전략 결정을 위한 체제 감지 등 알고리즘 거래에서 머신 러닝의 사용 사례에 대해 논의했습니다. 그는 자동화가 거래의 심리적 측면을 어느 정도 극복하는 데 도움이 될 수 있지만 궁극적으로 자동화가 있든 없든 체계적인 접근이 성공으로 이끄는 것임을 인정했습니다. Khandelwal은 프로그래밍에 능숙하지 않은 사람들에게 알고리즘 거래에 완전히 전념하기 전에 프로그래밍을 배우고 관심 수준을 측정하기 위해 무료 리소스로 시작하라고 조언했습니다.
마지막 부분에서 Khandelwal은 알고리즘 거래에 사용되는 프로그래밍 도구에 중점을 두었습니다. 그는 교환기에 연결하고 데이터를 디코딩하는 소프트웨어를 만드는 것이 일반적으로 C++에서 또는 심지어 하드웨어에서 직접 수행된다고 강조했습니다. 그러나 전략 개발을 위해 마이크로초 단위로 주문을 처리해야 하는 초단타매매가 주를 이루는 경우가 아니면 파이썬을 자주 사용한다. 연사는 참가자들에게 시간 제약으로 인해 답이 없는 질문을 이메일로 보내도록 권장했습니다.
Nitesh Khandelwal은 알고리즘 거래의 경쟁 우위 개념에 대한 통찰력 있는 프레젠테이션을 제공했습니다. 그는 다양한 유형의 에지, 거래 전략 및 역동적인 거래 시장에서 성공하기 위해 관련 이점을 얻는 것의 중요성에 대한 포괄적인 이해를 제공했습니다.
00:00:00 Quantum City의 공동 창립자이자 CEO인 Nitesh Khandelwal이 알고리즘 거래에서 경쟁 우위의 중요성에 대해 논의합니다. 그는 엣지가 무엇인지 정의하고 다양한 유형의 거래 전략에 대한 예를 제공합니다. Khandelwal은 무역 사업이 더 성공함에 따라 경쟁 우위의 관련성을 강조합니다. 이 세션을 통해 시청자는 무역 기업이 획득하는 광범위한 에지와 다양한 유형의 전략에 대한 관련 에지를 이해할 수 있습니다.
00:05:00 발표자는 알고리즘 거래의 경쟁 우위 개념과 거래 시장에서 성공하기 위해 관련 우위를 갖는 것이 어떻게 필수적인지에 대해 이야기합니다. 연사는 체계적인 거래와 투자를 위해 세상을 활성화하고 권한을 부여하는 생태계를 만드는 임무를 수행하는 조직인 QuantInsti에 대해 공유합니다. 그들은 선도적인 인증 프로그램인 Quantra, Blue Shift라고 하는 연구 및 거래 플랫폼, 20개국에 걸친 기업 파트너십을 포함하여 이 사명에 초점을 맞춘 여러 이니셔티브를 가지고 있습니다. 그런 다음 비즈니스 관점에서 경쟁 우위를 회사가 경쟁사보다 우위에 있다는 사실로 정의하고 Apple, Google, Tesla, JP Morgan 및 Goldman Sachs와 같은 사례를 강조하여 청중에게 의견을 요청합니다. 그들의 경쟁력이 무엇인지에 대해.
00:10:00 발표자가 알고리즘 거래의 경쟁 우위에 대해 논의합니다. 경쟁 우위는 독점 기술 또는 지적 재산권, 고유한 제품 또는 서비스, 첨단 기술, 우수한 기업 문화, 특정 리소스 또는 생태계에 대한 액세스를 통해 얻을 수 있습니다. 특히 알고리즘 거래의 경우 자동 또는 수동으로 관리할 수 있는 특정 논리 또는 조건에 따라 주문을 넣는 것과 관련됩니다. 거래에서 알고리즘의 사용은 알고리즘 거래를 정의하는 것이며, 거래자가 데이터를 더 빠르게 처리하고, 효율적으로 검색하고, 더 나은 사용자 인터페이스 또는 흐름을 갖도록 함으로써 거래자에게 경쟁 우위를 제공할 수 있습니다. RenTech는 알고리즘 거래 영역에서 지적 재산과 시스템을 통해 상당한 우위를 확보한 회사의 예로 두드러집니다.
00:15:00 연사는 거래 세계에서 사용되는 다양한 전략과 분류 방법을 설명합니다. 화자는 투자 또는 거래 스타일을 퀀트, 기술 또는 펀더멘탈로 광범위하게 분류하고 근본적인 거래 관점 또는 요인을 추세, 평균 회귀 또는 이벤트 기반으로 분류합니다. 그런 다음 발표자는 모멘텀, 통계적 차익 거래, 가치 투자, 돌파, 캐리 및 이벤트 기반 시스템과 같은 거래 세계의 15가지 주요 분리 및 경쟁 우위에 대해 설명합니다. 화자는 또한 이러한 시스템 중 일부는 고도로 자동화된 반면 다른 시스템은 더 임의적이라고 언급합니다.
00:20:00 연사는 알고리즘 거래에서 경쟁 우위로서 속도의 중요성에 대해 논의합니다. 목표는 전송 또는 네트워크 대기 시간을 포함하여 거래의 모든 측면에서 대기 시간을 줄이는 것입니다. 이는 시스템을 교환기 근처의 코로케이션 또는 근접 데이터 센터에 배치하여 데이터가 한 지점에서 다른 지점으로 이동하는 데 걸리는 시간을 줄이는 것을 의미합니다. 전송 단계에서 대기 시간을 줄인 후 알고리즘 거래 시스템의 하드웨어 및 소프트웨어 인프라를 추가로 개선하여 데이터가 거래소에 도달하는 데 걸리는 시간을 줄일 수 있습니다. 연사는 거래 시스템이 빠를수록 초단타매매 회사에 중요한 알파가 더 중요하다고 강조합니다.
00:25:00 연사는 수요를 평가하기 위한 위성 이미지와 같은 데이터 품질 및 대체 데이터 소스에 대한 액세스를 포함하여 알고리즘 거래의 다양한 경쟁 우위에 대해 논의합니다. 또한 아이디어를 실행 가능한 작업으로 효율적으로 변환하는 전략 인프라를 갖추는 것이 성공에 매우 중요합니다. 다른 이점으로는 광범위한 연구 수행, 고급 가격 책정 모델 사용, 브로커 또는 프라임 브로커를 통한 다양한 시장 접근 등이 있습니다. 전반적으로 발표자는 알고리즘 트레이딩에서 성공하기 위해서는 고유한 경쟁 우위를 갖는 것이 중요하다고 강조합니다.
00:30:00 연사는 구매자와 판매자가 가격에 동의한 후 시장 조성자가 거래 수락 여부에 대한 최종 발언권을 갖는 외환 거래의 "마지막 보기" 개념에 대해 논의합니다. 이 우선 액세스는 거래에서 중요한 이점이 될 수 있습니다. 또한 원활한 백 오피스와 적절한 위험 관리를 갖추는 것도 트레이더가 큰 손실을 피하는 데 도움이 되므로 컴퓨팅 우위로 간주됩니다. 마지막으로, 필요하지 않는 한 돈을 지불하지 않고도 즉시 돈에 접근할 수 있는 능력은 거래에서 상당한 이점입니다.
00:35:00 연사는 알고리즘 트레이딩에서 금융 기관과 트레이더가 가질 수 있는 다양한 경쟁 우위에 대해 논의합니다. 첫 번째 장점은 자금 조달 비용이 저렴하고 은행에서 거래 데스크에 즉시 액세스할 수 있다는 것입니다. 두 번째는 자본 이득세를 0으로 효과적으로 줄이는 세금 구조를 갖는 것입니다. 세 번째 에지는 규제 변경뿐 아니라 정보 및 뉴스에 대한 액세스입니다. 네 번째 에지는 고유한 전략, 하드웨어 및 소프트웨어 향상, 독점 프로세스와 같은 지적 재산입니다. 이러한 에지는 이기기 어렵고 거래자에게 경쟁에서 상당한 이점을 제공합니다.
00:40:00 연사는 알고리즘 거래의 경쟁 우위와 거래자에게 중요한 이점이 될 수 있는 방법에 대해 논의합니다. 공정 노하우, 특허, 기술, 전담팀, 연속성 등 9가지 경쟁력을 꼽았다. 이러한 가장자리 중 하나 이상을 갖는 것은 다음에 대한 좋은 시작일 수 있습니다. 엄청난 속도로 번성하고 성장할 수 있습니다. 그런 다음 속도, 시장 데이터, 전략 인프라, 백 오피스 위험, 자금 조달 비용 및 지적 재산을 포함하여 쌍 거래 및 고주파 시장 조성과 같은 특정 전략에 대한 관련 우위를 설명합니다.
00:45:00 화자는 자신의 거래 전략과 관련된 특정 우위를 식별하고 획득하는 것의 중요성을 강조합니다. 에지 유형은 사용 중인 전략에 따라 다르므로 무엇이 관련성이 있고 이러한 에지를 획득하는 방법을 이해하는 것이 중요합니다. 발표자는 또한 위험 관리의 중요성을 언급하고 독점 위험 관리 도구를 사용한다고 언급합니다. 규제 문제를 탐색하는 측면에서 연사는 규제 기관과 FAQ 또는 자주 묻는 질문 섹션부터 시작할 것을 제안합니다. 마지막으로 발표자는 자신만의 알고 트레이딩 데스크를 시작하거나 퀀트 트레이딩 분야에서 경력을 쌓는 데 관심이 있는 사람들을 위해 시청자에게 EPAT 프로그램을 고려하도록 권장합니다.
00:50:00 연사는 알고리즘 거래와 관련된 다양한 주제에 대한 청중의 질문에 대해 토론합니다. 질문은 규정에서 짧은 감마 전략 및 알고리즘 거래 사업 설정에 이르기까지 다양합니다. 연사는 또한 시장 미세구조의 중요성을 강조하고 해당 영역에서 25년 이상의 경험을 가진 새로운 교수진인 Dr. Robert Kissel을 언급합니다. 연사는 또한 데이터 과학을 거래에 적용하는 것에 대한 질문에 답하면서 데이터 과학에는 여러 응용 프로그램이 있으며 기계 학습이나 데이터 분석을 사용하는 것만이 아니라고 말했습니다. 프로그램을 최대한 활용하려면 통계 및 금융 시장에 대한 기본적인 이해가 권장됩니다.
00:55:00 연사는 시장 추세 예측, 위험 관리, 사용할 전략을 이해하기 위한 체제 감지를 포함하여 알고리즘 거래에서 기계 학습의 다양한 사용 사례에 대해 논의합니다. 그들은 또한 자동화와 그것이 거래의 심리적 측면을 극복하는 데 어느 정도 도움이 되는지에 대해 다루지만, 자동화가 있든 없든 체계적인 접근 방식이 궁극적으로 성공으로 이끄는 것입니다. 연사는 프로그래밍에 서투른 사람들이 알고리즘 거래에 직접 뛰어들지 말고 무료 자원으로 시작하여 이 분야를 추구하기 전에 프로그래밍을 배우고 관심 수준을 테스트해야 한다고 조언합니다.
01:00:00 Nitesh Khandelwal은 알고리즘 거래에 사용되는 프로그래밍 도구에 대해 논의하고 데이터를 해독하기 위해 거래소에 연결하는 소프트웨어 생성이 일반적으로 C++ 또는 하드웨어에서 직접 수행된다는 점을 강조합니다. 그러나 전략적인 측면에서 몇 마이크로초 만에 주문을 처리해야 하는 고주파 거래에 초점을 맞추지 않는 한 Python을 사용할 수 있습니다. Khandelwal은 또한 참가자들이 제한된 시간으로 인해 답변을 받지 못한 경우 이메일 주소로 질문을 보낼 것을 권장합니다.
웨비나는 사회자가 CSAF(Sentiment Analysis and Alternative Data for Finance) 교수진에 속한 세 명의 패널리스트를 소개하는 것으로 시작되었습니다. CSAF는 거래, 투자 의사 결정 및 뉴스 분석의 다양한 측면을 다루는 금융 업계의 전문가를 위해 설계된 종합 과정입니다. 패널리스트에는 Christina Alvanoudi-Schorn 교수, Gautam Mitra 교수, Pete Black 박사가 포함되었으며, 이들은 각각 뛰어난 재무 배경과 전문 지식을 제공했습니다. 세션에서는 Unicom, Opturisk Systems 및 Contingency에 대한 간략한 소개와 함께 CSAF 및 그 이점에 대한 정보도 제공했습니다.
소개가 끝난 후 발표자들은 AMA(무엇이든 물어보세요) 세션의 구성에 대해 설명했습니다. 그들은 다양한 국가에서 받은 질문을 결합하여 감정 분석, 대체 데이터, 경력 기회 및 기타 질문의 네 가지 범주로 분류했다고 언급했습니다. 그들은 모든 질문에 대답하는 것을 목표로 했지만 시간 제약으로 인해 모든 것을 해결하지 못할 수도 있음을 인정했습니다.
첫 번째 질문 세트는 정서 분석 및 거래에 중점을 두었습니다. 발표자들은 이 분야를 시작한 Peter Tetlock 교수의 2007년 논문을 언급했습니다. 그들은 시장의 자산 가격에 영향을 미치기 전에 감정에 양수 또는 음수 값을 할당하는 방법을 설명하면서 거래에서 감정 분석의 개념에 대해 논의했습니다. 그들은 뉴스 분석 및 금융에 관한 핸드북과 금융에 대한 정서 분석을 해당 주제에 관심이 있는 사람들에게 유용한 리소스로 언급했습니다. 옥스포드의 Stephen Pullman 교수가 강조한 것처럼 단어뿐만 아니라 정보 표현의 의미 분석의 중요성도 강조되었습니다. Christina Alvanoudi-Schorn 교수는 자산 배분, 포트폴리오 최적화 및 신용 위험 분석과 같은 금융 산업 내에서 감정 분석 구현 및 광범위한 응용 프로그램과 관련된 특정 질문에 답변했습니다.
그런 다음 발표자들은 정서 분석 및 시장 움직임 예측을 위한 Python 및 기계 학습 기술의 사용에 대해 논의했습니다. 그들은 감정 분석 및 금융 시장 애플리케이션을 위한 잘 알려진 패키지의 가용성으로 인해 Python이 일반적으로 사용된다고 언급했습니다. 또한 고정 및 미결제약정 데이터에서 정서를 도출하고 시장 정서가 옵션 가격에 미치는 영향에 대해서도 다루었습니다. 그들은 시장 발표와 데이터 처리 사이의 시간 지연이 거래자에게 거래 전략을 알릴 수 있는 이점을 제공한다고 언급했습니다.
대체 데이터라는 주제로 전환하면서 발표자들은 대체 데이터가 기존 데이터 소스에 비해 훨씬 짧은 시간 내에 회사 수익을 예측하는 데 어떻게 사용될 수 있는지 설명했습니다. 대체 데이터는 이메일, 신용 카드 데이터, 위성 및 드론 이미지, 휴대폰의 지리적 위치 데이터를 비롯한 다양한 소스를 포함합니다. 그들은 정서 분석이 소셜 미디어의 대체 데이터에도 적용되어 개별 주식에 대한 거래자들 사이의 긍정적 또는 부정적 견해에 대한 통찰력을 제공할 수 있다고 강조했습니다. 목표는 수익성 있는 투자 결정을 내리기 위해 대체 데이터를 사용하여 미래 수익 또는 수익을 예측하는 것입니다.
연사는 Foundations of Alternative Data 강의에서 Amazon에서 판매되는 제품 및 생산자의 수익을 예측하기 위해 전자 상거래 영수증을 사용하는 것에 대한 향후 사용 사례 연구를 언급했습니다. 그들은 Walmart와 피자 회사의 영수증을 사용하여 매출 변화를 예측한 동료가 수행한 흥미로운 연구를 참조했습니다. 그들은 또한 GDELT라는 Google의 오픈 소스 뉴스 데이터 테라바이트와 관련된 사례 연구와 같은 다른 사례 연구에 대해서도 논의했습니다. 다양한 대체 데이터 소스가 나열되어 데이터 중개업의 급속한 성장을 강조했습니다.
앞으로 발표자들은 거래에서 대체 데이터를 획득하고 사용하는 것과 관련된 규정 준수 문제 및 데이터 윤리에 대해 논의했습니다. 그들은 데이터 프라이버시를 염두에 두고 획득한 데이터에 개인 식별 정보(PII)가 포함되지 않도록 하는 것의 중요성을 강조했습니다. 데이터 수집 전략의 윤리적 고려 사항도 강조되었습니다. 정서 분석과 관련하여 그들은 추구의 가치를 평가할 필요성을 경고하면서 대체 데이터를 사용하여 승리 전략을 찾는 것이 목표인 연금술에 비유했습니다.
그런 다음 특히 고급 프로그래밍 및 소프트웨어 기술 기술을 갖춘 개인을 위해 금융 시장에서의 경력 기회를 탐색했습니다. 발표자는 양적 및 AI 기계 학습 모델을 보람 있는 구현을 통해 응용 프로그램으로 변환하는 문제에 대해 언급했습니다. 그들은 CFA 또는 FRM과 같은 전통적인 자격을 갖춘 금융 산업에 이미 종사하는 전문가들이 정보 공급자와 같은 거대 기업이 새로운 기회를 제공하는 진화하는 금융 시장에서 새로운 영역을 탐색해야 한다고 제안했습니다. 연사는 또한 가시적인 결과가 없는 결과를 피하기 위해 지나치게 야심 찬 연구 목표를 설정하지 말라고 조언했습니다.
헤지펀드에서 AI와 기계 학습 인재 간의 상관관계와 그 수익에 대해 논의했습니다. 조지아 주립 대학의 연구 논문을 참조하면 시니어 또는 주니어 수준의 AI 및 기계 학습 기술을 갖춘 헤지 펀드는 연간 약 2.8%의 알파를 얻을 수 있어 추가 수익을 창출할 수 있는 개인에게 훌륭한 경력 기회가 된다는 점에 주목했습니다. 연사들은 주식 선택이나 은행의 신용 카드 및 모기지 인수 지원과 같이 AI를 활용하는 대체 투자에서 사용할 수 있는 다양한 경력 기회를 강조했습니다. 그들은 금융 시장을 위한 데이터 윤리뿐만 아니라 AI 및 기계 학습 기술에 대한 교육을 제공하는 CAIA 헌장 및 금융 데이터 전문가와 같은 프로그램을 언급하고 학생들이 업계에서 개방된 데이터 과학 직책을 추구하도록 장려했습니다.
Christina Alvanoudi-Schorn 교수는 금융 경력을 추구할 때 데이터 세트 및 감정 데이터를 이해하는 것의 중요성과 기계 학습 알고리즘의 결과를 해석하는 방법을 강조했습니다. 그녀는 데이터 과학이 재무에만 국한되지 않고 거의 모든 회사에서 찾을 수 있다고 언급했습니다. 그러나 그녀는 특히 정서 분석 및 대체 데이터와 관련하여 금융 분야에서 열려 있는 일자리가 많다는 점을 강조했습니다. Python 및 예측 기술에 대한 지식을 갖춘 알고리즘 거래에 관심이 있는 사람들을 위해 그녀는 시작하는 데 도움이 되는 책의 가용성에 대해 언급했습니다. 그녀가 논의한 과정에는 9개의 기초 강의(이 중 3개는 대체 데이터를 다루었음)와 업계 실무자가 제시한 12개의 사용 사례 강의가 포함되었습니다.
연사는 AFL 또는 Python이 거래에 더 나은지에 대한 질문에 답했습니다. AFL은 Amy Broker Formula Language의 약자로 전직 저널리스트가 개발했으며 기술 분석을 신속하게 구현하기 위한 언어를 제공합니다. AFL의 유용성을 인정하면서 그들은 더 깊은 수준의 분석 및 전략 구현을 위해 Python을 권장했습니다. 그들은 또한 정보에 입각한 거래를 하고 위험을 관리하기 위해 다양한 도구와 기술을 사용하는 것의 중요성을 강조했습니다. 묘책은 거래 성공을 보장하지 않지만 확률이 약간만 향상되어도 상당한 수익을 올릴 수 있습니다.
교수와 그의 동료들은 거래 모델을 구축할 때 시장 데이터와 정서 데이터를 모두 사용하는 것의 중요성에 대해 논의했습니다. 시장 데이터는 거래 또는 투자 포트폴리오의 현실을 반영하는 반면, 마이크로블로그 및 Google 검색과 같은 소스에서 수집한 정서 데이터는 시장 움직임 예측을 위한 추가 정보를 제공합니다. 그들은 예측을 위해 퀀트 모델이나 AI 기계 학습 모델을 사용할 것을 제안했지만 합의에 도달하기 위해서는 앙상블이나 투표 시스템의 중요성을 강조했습니다. 연사들은 감정 분석 프로젝트에 참여하고 웨비나를 통해 주제에 대한 교육을 제공하는 것에 대한 열정을 표명했습니다. 그들은 참석자들에게 향후 답변을 위해 이메일을 통해 질문을 보내도록 권장했습니다.
웨비나를 마치면서 참가자들은 감정 분석, 대체 데이터, 경력 기회, AI, 기계 학습 및 금융 간의 상호 작용에 대한 귀중한 통찰력을 얻었습니다. 패널리스트의 전문 지식과 경험은 해당 분야에 대한 포괄적인 개요를 제공하여 감정 분석 및 대체 데이터가 금융 산업에서 의사 결정을 형성하는 방법에 대해 청중이 더 깊이 이해할 수 있도록 했습니다.
00:00:00 웨비나 호스트는 CSAF(Certificate in Sentiment Analysis and Alternative Data for Finance) 교수진에 속한 세 명의 패널리스트를 소개하고 AMA 세션에 초대합니다. CSAF는 거래, 투자 의사 결정 및 뉴스 분석의 다양한 측면을 다루는 금융 업계에서 일하는 전문가를 위해 설계된 종합 코스입니다. 패널리스트 3인은 Christina Alvanoudi-Schorn 교수, Gautam Mitra 교수, Pete Black 박사로 각각 금융 분야에서 뛰어난 배경과 전문성을 갖추고 있습니다. 이 세션에는 CSAF 및 그 이점에 대한 정보와 Unicom, Opturisk Systems 및 Contingency에 대한 간략한 소개도 포함되어 있습니다.
00:05:00 발표자가 자신을 소개하고 "무엇이든 물어보세요" 세션의 형식을 설명합니다. 여러 국가에서 받은 질문을 결합하여 감정 분석, 대체 데이터, 경력 기회 및 기타 질문의 네 가지 범주로 분류했습니다. 그들은 모든 질문에 답하려고 노력할 것이지만 할당된 시간 동안 모든 것을 다루지 못할 수도 있습니다. 정서 분석 및 거래에 대한 첫 번째 질문 세트를 다루고 발표자는 이 분야를 시작한 Peter Tetlock 교수의 2007년 논문을 참조합니다.
00:10:00 연사는 거래에서 정서 분석의 개념과 시장에서 자산 가격을 변경하기 전에 정서에 양수 또는 음수 값을 부여할 수 있는 방법에 대해 논의합니다. 발표자는 감정 분석에 관심이 있는 사람들에게 유용한 리소스로 뉴스 분석 및 재무에 대한 핸드북과 감정 답변 재무에 대해 언급합니다. 발표자는 또한 옥스퍼드의 Stephen Pullman 교수가 지적한 것처럼 단어를 분석하는 것뿐만 아니라 정보가 제시되는 방식의 의미도 중요하다고 언급합니다. 그런 다음 연사는 자산 배분, 포트폴리오 최적화 및 신용 위험 분석을 포함하여 금융 산업 내에서 감정 분석 구현 및 광범위한 적용에 관한 몇 가지 질문에 답하기 위해 그녀의 동료인 Christina에게 인계합니다.
00:15:00 연사는 감정 분석을 수행하고 시장 움직임을 예측하기 위해 Python 및 기계 학습 기술을 사용하는 방법에 대해 논의합니다. 그들은 Python이 감정 분석 및 금융 시장 애플리케이션을 위한 잘 알려진 패키지를 제공하기 때문에 일반적으로 사용되는 언어라고 언급합니다. 발표자는 또한 고정 및 미결제 데이터에서 정서를 도출할 수 있는 가능성과 시장 정서가 옵션 가격에 미치는 영향에 대해서도 설명합니다. 그들은 시장 발표와 데이터 처리 사이의 지연이 거래자가 거래 전략을 알리는 데 사용할 수 있는 이점이라고 지적합니다.
00:20:00 연사는 대체 데이터와 기존 데이터보다 훨씬 짧은 시간 내에 회사의 수익을 예측하는 데 사용할 수 있는 방법에 대해 논의합니다. 대체 데이터 소스에는 이메일, 신용 카드 데이터, 위성 및 드론 이미지, 휴대폰의 지리적 위치 데이터 등이 포함됩니다. 감정 분석은 소셜 미디어의 대체 데이터에도 적용할 수 있어 개별 주식에 대한 트레이더의 긍정적 또는 부정적 견해에 대한 통찰력을 제공하는 데 도움이 됩니다. 목표는 수익성 있는 투자 결정을 내리기 위해 대체 데이터를 사용하여 미래 수익 또는 수익을 예측하는 것입니다.
00:25:00 연사는 Foundations of Alternative Data 강의에서 예정된 사용 사례 연구에 대해 이야기합니다. 여기서 Christina와 연사는 전자상거래 영수증을 사용하여 Amazon에서 판매되는 제품 및 생산자의 수익을 예측하는 방법에 대해 논의합니다. 연사는 Walmart와 피자 회사의 영수증을 사용하여 판매 변화를 예측한 동료 중 한 명이 수행한 흥미로운 연구를 언급합니다. 그들은 또한 Google에서 제공하는 GDELT라고 하는 테라바이트의 오픈 소스 뉴스 데이터에 대한 사례 연구를 포함하여 다른 사례 연구도 언급합니다. 연사는 다양한 대체 데이터 소스를 나열하면서 데이터 중개업이 빠르게 성장하는 비즈니스가 되었음을 언급하면서 끝을 맺습니다.
00:30:00 연사는 거래에서 대체 데이터에 대해 논의합니다. 그들은 다양한 소스에서 데이터를 획득하는 것뿐만 아니라 이 데이터를 얻고 전달하는 규정 준수 문제를 염두에 두는 것의 중요성을 언급합니다. 그들은 때때로 간과되는 개인 식별 정보(PII)가 수집된 데이터에 존재하지 않도록 하고 해당 데이터에 대한 수집 전략이 완전히 이해되도록 하는 데이터 윤리 측면을 강조합니다. 연사들은 또한 감정 분석과 그것이 획득한 대체 데이터로 승리 전략을 찾는 연금술과 같다는 생각에 대해 언급하면서 추구하는 것이 가치가 있는지 이해하는 것의 중요성을 강조합니다.
00:35:00 연사는 특히 고급 프로그래밍 및 소프트웨어 기술 기술을 갖춘 사람들을 위한 금융 시장에서의 경력 기회에 대해 논의합니다. 그는 퀀트 및 AI 기계 학습 모델을 보람 있는 구현을 통해 애플리케이션으로 전환하는 데 따르는 어려움을 언급합니다. 그는 CFA나 FRM과 같은 전통적인 자격을 갖춘 금융 업계에 이미 종사하고 있는 사람들에게 새로운 기회를 제공하는 정보 공급자와 같은 거대 기업과 함께 진화하는 금융 시장에서 새로운 영역을 탐색할 것을 제안합니다. 연사는 또한 연구 목표를 너무 야심차게 설정하여 아무 것도 얻지 못하는 것을 피하도록 주의를 줍니다.
00:40:00 연사는 헤지 펀드에서 AI와 기계 학습 인재 간의 상관 관계와 그 수익에 대해 논의합니다. 조지아 주립 대학의 연구 논문에 따르면 헤지 펀드 내에서 시니어 또는 주니어 수준의 AI 및 기계 학습 기술을 보유하면 연간 약 2.8%의 알파를 얻을 수 있으며 이는 헤지에서 추가 수익을 제공할 수 있는 사람에게 훌륭한 경력 기회가 될 수 있습니다. 축적. 연사는 또한 주식 선택이나 은행의 신용 카드 및 모기지 인수 지원과 같이 AI를 사용하는 대체 투자에서 사용할 수 있는 다양한 직업 기회에 대해 이야기합니다. 그들은 금융 시장을 위한 AI 및 기계 학습 기술과 데이터 윤리에 대한 교육을 제공하는 CAIA 헌장 및 금융 데이터 전문가와 같은 프로그램을 언급하고 학생들에게 업계에서 개방된 데이터 과학 직책을 추구하도록 조언합니다.
00:45:00 Christina는 재무 경력을 쌓을 때 데이터 세트 및 정서 데이터를 이해하고 기계 학습 알고리즘의 결과를 읽는 방법의 중요성을 강조합니다. 그녀는 데이터 과학 영역이 재무에만 국한되지 않고 거의 모든 회사에서 찾을 수 있다고 지적합니다. 그러나 특히 정서 분석 및 대체 데이터와 관련하여 재무 분야에는 많은 직위가 열려 있습니다. 알고 거래에 관심이 있고 Python 및 시간 기술 예측에 대한 지식이 있는 사람들은 시작하는 데 도움이 되는 책이 있습니다. 그녀가 논의하는 과정에는 9개의 기본 강의(이 중 3개는 대체 데이터를 포함)와 업계 실무자가 제공하는 12개의 사용 사례 강의가 포함됩니다.
00:50:00 연사는 AFL 또는 Python이 거래에 더 나은지에 대한 질문에 대해 토론합니다. AFL은 Amy Broker Formula Language의 약자로 인기 뉴스 채널의 전직 저널리스트가 개발했습니다. 기술 분석을 신속하게 구현하기 위한 언어이며 유용할 수 있지만 Python을 사용하면 더 깊은 수준의 분석 및 전략 구현이 가능합니다. 연사들은 Python을 추천하고 정보에 입각한 거래를 하고 위험을 관리하기 위해 다양한 도구와 기술을 사용하는 것이 얼마나 중요한지 논의합니다. 거래 성공에 만병통치약은 없지만 확률이 조금만 향상되어도 상당한 수익을 올릴 수 있습니다.
00:55:00 교수와 그의 동료들은 거래 모델을 구축할 때 시장 데이터와 정서 데이터를 모두 사용하는 것의 중요성에 대해 논의합니다. 시장 데이터는 거래 포트폴리오 또는 투자 포트폴리오의 현실을 보여주며, 마이크로블로그 및 Google 검색과 같은 출처에서 수집한 감정 데이터는 시장 움직임을 예측하기 위한 추가 정보를 제공합니다. 예측을 위해서는 퀀트 모델이나 AI 머신러닝 모델을 사용할 것을 제안하지만 합의에 도달하기 위해서는 앙상블 또는 투표 시스템의 중요성을 강조합니다. 그들은 또한 감정 분석 프로젝트에 참여하고 웨비나를 통해 주제에 대한 교육을 제공하는 것에 대한 흥분을 언급합니다. 마지막으로 참석자들이 향후 응답을 위해 이메일로 질문을 보내도록 권장합니다.
Trading Alpha: 마이크로 알파 생성 시스템 개발 | 알고 트레이딩 컨퍼런스
Trading Alpha: 마이크로 알파 생성 시스템 개발 | 알고 트레이딩 컨퍼런스
이 웨비나에서 호스트는 호주 시드니의 존경받는 인공 지능 및 양자 컴퓨팅 전문가인 Dr. Thomas Stark를 소개합니다. Dr. Stark는 물리학 박사 학위를 가지고 있으며 현재 호주의 유명한 작물 거래 회사인 Triple A Trading의 CEO로 재직하고 있습니다. 독점 거래 회사인 Rolls-Royce에서 근무하고 마이크로칩 설계 회사를 공동 설립한 경험이 있는 Dr. Stark는 풍부한 지식과 경험을 토론에 제공합니다.
호스트는 시장 움직임의 영향을 받지 않는 거래의 독립적인 수익을 의미하는 알파의 개념을 명확히 하는 것으로 시작합니다. 그들은 "마이크로알파"라는 용어를 강조합니다. 이 용어는 특별한 수익을 창출하기보다는 거래 성공에 점진적으로 기여하는 소규모 거래 전략에 중점을 둡니다. 두 개념 모두 독립적인 수익이라는 아이디어를 공유하지만 마이크로알파는 특히 거래 성공을 달성하는 데 있어 작은 전략의 중요성을 강조합니다.
Stark 박사는 Alpha 거래에 대한 비유로 금광 채굴의 진화를 탐구합니다. 그는 금 채굴 방법이 전통적인 너겟 패닝에서 암석에서 소량의 금을 추출하는 대규모 채굴 작업으로 어떻게 진화했는지 설명합니다. 유사하게 Alpha의 거래도 발전하여 많은 전통적인 전략이 차익 거래 기회로 인해 남용되고 덜 효과적이 되었습니다. Dr. Stark는 성공적인 거래를 위해 악용될 수 있는 시장의 체계적 변칙을 식별하는 것과 관련된 마이크로 알파 개발의 개념을 소개합니다. 기계 학습은 이 프로세스에서 제한된 역할을 수행하지만 악용 가능한 불일치를 식별하려면 수동 작업이 필요합니다. Dr. Stark는 자동화와 백테스팅이 이 프로세스를 가속화하고 향상시킬 수 있다고 믿습니다.
연사는 마이크로 알파 생성 시스템을 개발하기 위해 시장 비효율성을 활용하는 것을 강조합니다. 이러한 비효율성은 쌍 전략, 추세, 평균 회귀, 교차 상관관계, 차트 패턴, 심지어 기계 학습 기술과 같은 다양한 거래 전략을 포함합니다. 목표는 이러한 비효율성 또는 전략을 활용하여 체계적이고 신뢰할 수 있는 결과를 생성하는 것입니다. 그러나 이러한 전략을 과대적합하지 않고 최적화하고 포괄적인 거래 전략으로 결합하여 복잡하면서도 효과적인 시스템을 만드는 것이 중요합니다. Dr. Stark는 고성능 시스템을 구축하기 위해 이러한 다양한 측면을 이해하는 것이 중요하다고 강조합니다.
Dr. Stark는 거래 이상 현상을 악용하는 개념과 여러 거래 전략을 결합하는 것의 중요성에 대해 논의합니다. 일부 트레이더는 점성술과 같은 색다른 방법을 채택할 수 있지만 Dr. Stark는 성공적인 거래 시스템을 구축하는 데 창의성이 필요하다고 강조합니다. 그러나 전략을 결합하려면 정확한 타임스탬프와 효율적인 프로그래밍을 포함하여 세부 사항에 세심한 주의를 기울여야 합니다. 트레이더는 또한 개별 전략의 상관관계와 동작을 고려하여 서로를 보완하고 이러한 시스템의 최적 가중치를 결정해야 합니다.
연사는 거래 전략을 백테스팅할 때 지표의 중요성을 강조합니다. 그들은 다양한 지표로 테어 시트를 연구하는 것이 각 개별 전략의 고유한 특성을 이해하는 데 중요하다고 설명합니다. 서로 다른 사용 사례에 서로 다른 메트릭이 적용되므로 가장 중요하거나 이상적인 단일 메트릭은 없습니다. 예를 들어, 샤프 비율은 거래 빈도는 낮지만 매 거래마다 신뢰도가 높은 전략에는 적합하지 않을 수 있습니다. 이러한 경우 이익 요인 또는 Sortino 비율과 같은 지표가 더 적절할 수 있습니다. 또한 화자는 시스템을 평가할 때 알파와 베타를 평가하여 시스템의 베타가 상대적으로 낮은지 확인하는 것의 중요성을 강조합니다.
복합적인 연간 성장 수익 및 손실을 포함하여 거래 전략의 성공을 측정하기 위한 다양한 지표에 대해 논의합니다. Dr. Stark는 이러한 모든 메트릭을 이해하고 경험을 통해 직관을 개발하는 것의 중요성을 강조합니다. 직관도 중요한 역할을 하지만 확실한 사실과 수학적 분석이 뒷받침되어야 합니다. 연사는 또한 알파의 선택은 자산 등급과 수익 프로파일에 따라 달라지며, 주식은 기업의 부가가치로 인해 추세와 상향 이동을 나타내는 경향이 있다고 지적합니다. 그러나 모든 시나리오에 보편적으로 적용되는 구체적인 알파는 없으며 종합적인 분석을 통해 각 전략의 고유한 지문을 이해하는 것이 필수적입니다.
연사는 서로 다른 자산 클래스가 거래 전략 개발에 미치는 영향에 대해 설명합니다. 그들은 주식은 논제로섬(non-zero sum)인 반면 외환은 보다 대칭적인 경향이 있다는 점에 주목합니다. 이러한 구분을 하고 자산 등급에 따라 적절한 전략을 선택하는 것이 중요합니다. 거래되는 자산의 유동성은 특히 옵션, 선물 또는 소액 주식에 대한 접근 방식에 영향을 미치는 제약을 제기합니다. 거래 시스템을 개발하는 데 필요한 전문 지식 수준은 시스템 유형과 완전히 체계적이거나 자동화되었는지 여부에 따라 다릅니다. Stark 박사는 완전 자동화 시스템을 위해서는 Python, Java 및 C++와 같은 프로그래밍 언어에 대한 지식이 필요하다고 제안합니다.
Dr. Stark는 거래 시스템을 개발하는 데 필요한 전문 지식과 시간에 대해 논의하고 통계 및 프로그래밍 기본 사항을 이해하는 것의 중요성을 강조합니다. 복잡해 보일 수 있지만 이 분야에서 배우고 발전하기 위해 재무 또는 프로그래밍 전문가가 될 필요는 없습니다. 거래 시스템을 개발하는 데는 전문 지식에 따라 몇 시간에서 몇 달이 걸릴 수 있으며 궁극적으로 몇 줄의 코드로 압축됩니다. 이 프로세스는 수학적 문제 해결과 비교되며 거래 시스템 구축의 분석 및 문제 해결 특성을 강조합니다.
연사는 성공적인 거래 시스템을 개발하기 위해 공부하고 연습하는 것의 중요성을 강조합니다. 외부 소스로부터의 영감과 지도가 가치 있을 수 있지만, 수학과 프로그래밍 분야에서 평판이 좋은 작품을 읽고 배우는 것도 필수적입니다. 발표자는 알파 아이디어와 포트폴리오 관리 개념을 다루기 때문에 코스에 관심이 있는 사람들에게 Grinold와 Kahn의 "Active Portfolio Management"를 전제 조건으로 추천합니다. 그러나 이 과정은 이론과 수학을 넘어서 학생들에게 지식을 컴퓨터 코드로 변환하는 방법을 가르치는 실용적인 사례 연구와 예제를 제공합니다. Stark 박사는 복잡한 전략도 종종 한두 줄의 Python 코드로 표현할 수 있으며 프로그래밍을 이해하면 보다 효율적인 백 테스트 및 탐색으로 이어질 수 있다고 주장합니다.
연사는 참석자들에게 거래를 위한 정량적 분석 및 프로그래밍 시스템에 관한 책을 읽을 뿐만 아니라 "Trading Wizards" 및 "Following the Trend"와 같은 책을 탐색하여 거래 사고 방식을 탐구하도록 조언합니다. 그들은 트레이딩이 단순한 과학이 아니라 성공적인 트레이더의 경험에서 배울 수 있는 특정한 사고방식과 감성 지능을 요구하는 창의적인 과정이라고 강조합니다. 연사는 알파 트레이딩 과정을 홍보하고 웨비나 참석자에게 특별 할인을 제공합니다. 비디오는 설문 조사를 통해 질문을 하고 향후 웨비나에 대한 피드백을 제공하도록 청중을 초대하는 것으로 마무리됩니다.
Q&A 세션에서 연사는 다양한 청중 질문에 답합니다. 그들은 거래 알파와 심층 강화 학습 과정의 차이점에 대해 논의하며 심층 강화 학습 과정은 컴퓨터 학습에 중점을 두고 마이크로 알파 과정은 채굴 과정에 중점을 둔다는 점을 강조합니다. 전 세계적으로 사용되는 다양한 브로커 및 프로토콜로 인해 마이크로 알파 과정에서 시장 연결을 위한 일반화된 코드의 부족도 해결됩니다. 그러나 마이크로 알파 과정은 거래 비용과 포트폴리오 최적화를 위한 알파 조합을 다룹니다.
연사는 거래 전략에 거래 비용을 고려하는 것의 중요성을 강조합니다. 거래 비용의 영향은 개별 사례에 따라 다를 수 있지만 거래 비용을 통합하는 방법을 이해하는 것이 시스템의 실행 가능성을 보장하는 데 중요하다는 점에 주목합니다. 그러나 거래비용을 종합적으로 분석하려면 거래비용 분석이나 모델링을 전담하는 별도의 과정이 필요합니다. 발표자는 또한 특히 기존 시스템이 이미 수익성이 있는 경우 Python의 인기 때문에 C++과 같은 언어에서 Python으로 전환하는 것에 대해 조언합니다. 전환 결정은 새로운 모델링 접근 방식을 탐색하거나 새로운 프로그래밍 언어를 배우고자 하는 욕구를 기반으로 해야 합니다. 연사는 세션 중에 제기된 다양한 질문에 대한 포괄적인 답변을 제공하는 트레이딩 불리한 코스의 개요를 언급합니다.
마무리 발언에서 사회자는 스타크 박사의 귀중한 통찰력과 전문성에 감사를 표합니다. 청중은 설문 조사를 통해 피드백을 제공하고, 질문을 제출하고, 향후 웨비나에 대한 생각을 공유하도록 권장됩니다. 진행자는 참석해 주신 시청자와 웨비나에 시간과 전문 지식을 바친 Stark 박사에게 감사를 표하며 마무리합니다.
가격 행동 거래 소개
가격 행동 거래 소개
웨비나는 가격 행동 거래의 개념을 소개합니다. 여기서 거래자는 기술 지표에 의존하지 않고 거래 결정을 내리기 위해 시간이 지남에 따라 자산의 근본적인 가격 행동을 연구합니다. 발표자는 가격 행동을 생성하는 거래의 수요와 공급, 지지 및 저항 수준, 차트 패턴, 피벗 포인트와 같은 가격 행동 거래에 사용되는 도구에 대해 설명합니다. 반전 및 연속 패턴과 같은 다양한 유형의 차트 패턴과 그 중요성 및 거래 방법에 대해 설명합니다. 웨비나는 또한 가격 행동을 이해하고 추세에 참여하기 위해 가격 행동 거래에서 피보나치 시리즈와 그 비율의 사용을 다룹니다. 이 과정은 다양한 거래 전략을 다루고 거래 및 백테스트 전략을 분석하는 데 필요한 코드와 조건을 제공합니다.
이 웨비나에서는 QuantInsti의 퀀트 분석가인 Varun Kumar Portula가 가격 행동 거래에 대한 유익한 세션을 제공합니다. 그는 거래 결정을 내리기 위해 시간이 지남에 따라 자산의 근본적인 가격 행동을 분석하는 가격 행동 거래의 개념을 소개하는 것으로 시작합니다. RSI 또는 MSCD와 같은 기술 지표에 의존하는 것과 달리 가격 행동 거래는 시장의 수요와 공급을 연구하는 데 중점을 둡니다. 가격 행동 거래 전략의 단순성과 성공률은 거래자들 사이에서 인기를 끌었습니다.
Portula는 가격 행동 거래가 장기 투자보다는 단기 및 중기 거래에 주로 사용된다고 강조합니다. 그는 트레이더가 수요와 공급을 분석하여 미래의 가격 움직임을 예측하는 방법을 설명하기 위해 주식 가격 행동의 예를 사용합니다. 수요와 공급의 불균형은 다양한 가격 행태를 만들어내며, 이는 특정 가격 수준에서 매도 주문 대 매수 주문 수를 조사하여 분석할 수 있습니다. 또한 트레이더는 가격 조치 거래에서 지원 및 저항 수준, 차트 패턴 및 피벗 포인트와 같은 도구를 활용합니다.
연사는 거래에서 공급과 수요의 개념을 설명합니다. 여기서 공급은 시장에서의 판매를 나타내고 수요는 구매를 나타냅니다. 공급이 수요를 초과하면 가격이 하락하고 수요가 공급을 초과하면 가격이 상승합니다. 이러한 수요와 공급의 불균형은 가격이 변동하는 경향이 있는 공급 구역 및 수요 구역과 같은 구역을 생성합니다. Portula는 또한 판매자 또는 구매자가 시장을 통제하는 영역을 나타내는 지원 및 저항 수준의 중요성을 탐구합니다. 거래자는 이러한 개념을 사용하여 거래 전략을 개발하고 공급 및 수요 분석을 기반으로 입장 또는 청산에 대한 정보에 입각한 결정을 내릴 수 있습니다.
그런 다음 웨비나는 가격 행동 거래에서 반전 패턴과 지속 패턴이라는 두 가지 유형의 차트 패턴을 살펴봅니다. 반전 패턴은 상승 추세에서 하락 추세로 또는 그 반대로 추세의 변화를 나타냅니다. 약세 반전 패턴은 공급 영역을 나타내며 약세 시장 심리를 암시하는 반면, 강세 반전 패턴은 수요 영역을 나타내며 상승 추세로의 잠재적 반전을 암시합니다. 화자는 헤드앤숄더, 더블 탑, 역 헤드앤숄더, 더블 바닥과 같이 약세 및 강세 반전 모두에 일반적으로 사용되는 패턴의 예를 제공합니다.
지속 패턴은 기존 추세 내에서 발생하는 패턴으로 논의되며 해당 추세의 잠재적 지속 가능성을 나타냅니다. 상승 추세에서 통합은 플래그 패턴, 펜던트 패턴 및 오름차순 삼각형과 같은 패턴을 생성합니다. 하락추세에서는 Bear Flag와 하강 삼각형과 같은 패턴을 관찰할 수 있으며 이는 하락추세의 지속 가능성을 나타냅니다. 비디오는 가격 행동을 연구하고 이러한 패턴을 식별하여 미래의 가격 움직임을 정확하게 예측하는 것의 중요성을 강조합니다.
강사는 헤드앤숄더 패턴의 네크라인이 상승 추세의 약함을 나타내므로 그 중요성을 강조합니다. 이 패턴을 거래하는 것은 가격이 목선 아래에서 거래될 때까지 기다린 다음 오른쪽 어깨 위의 손절매와 헤드 길이에서 이익 목표로 짧은 포지션을 취하는 것을 포함합니다. 그러나 이 패턴의 수동 거래는 어려울 수 있습니다. 그래서 이 과정은 많은 양의 과거 데이터가 있는 경우에도 Python 프로그래밍을 활용하여 패턴을 효율적으로 스캔합니다.
비디오는 Jupyter Notebook을 사용하여 거래에서 머리와 어깨 패턴을 스캔하는 방법을 논의합니다. 제공된 코드를 통해 트레이더는 패턴을 감지하고 스캔할 수 있으며, 헤드앤숄더 패턴의 진입점과 퇴장점을 결정하는 데에도 가이드를 제공합니다. 이 과정에서는 위험 매개변수를 효과적으로 결정하기 위해 이 전략에 대한 백테스팅을 다룹니다. 또한 이 섹션에서는 잠재적 지원 및 저항 수준을 계산하는 데 사용되는 선행 지표인 피벗 포인트를 다룹니다. 전통적인 피벗, 카마릴라 피벗, 피보나치 피벗과 같은 다양한 유형의 피벗 포인트에 대해 설명하며 각각 지지 및 저항 수준을 계산하기 위한 고유한 공식이 있습니다. 피벗 포인트는 스윙 트레이더와 일중 트레이더에게 유용한 도구 역할을 하여 종료 계획, 손실 중지 및 이익 실현을 지원합니다.
피보나치 수열의 개념과 가격 행동 거래의 비율에 대해서도 설명합니다. 트레이더는 가격 행동을 이해하고 추세에 참여하기 위해 23.6%, 38.2%, 50%, 61.8%, 100%와 같은 피보나치 비율을 사용합니다. 상승 추세 동안 트레이더는 38.2%, 50% 및 61.8%의 되돌림 수준을 활용하여 풀백 동안 거래에 진입하여 더 높은 가격으로 구매하는 것을 피하고 손실을 최소화합니다. 비디오에는 이러한 비율을 계산하고 롱 포지션을 효과적으로 취하는 데 사용되는 방법을 보여주는 예가 포함되어 있습니다.
연사는 이 과정에서 피보나치 되돌림 및 거래 수준 분석을 사용하여 거래를 분석하고 승자 비율, 패자 비율 및 이익 요인과 같은 요인을 연구하는 등 다양한 거래 전략을 다룬다고 강조합니다. 백테스트된 전략에 대한 자세한 설명과 코드 예제가 제공됩니다. 또한 일중 거래에 대한 Camarilla 또는 기술 수준의 적합성에 관한 질문이 해결됩니다.
끝으로 웨비나는 세션 내내 참여와 관심을 가져주신 청중과 발표자에게 감사의 말씀을 전하며 웨비나를 마무리합니다. Varun Kumar Portula는 가격 조치 거래의 주제를 성공적으로 소개하고 기본 사항을 다루고 기본 철학을 설명하며 이 거래 접근 방식에 사용되는 도구, 차트 패턴, 피벗 포인트 및 수준에 대한 통찰력을 제공합니다.
돈 거래 옵션을 잃는 방법 | 알고 트레이딩 컨퍼런스
돈 거래 옵션을 잃는 방법 | 알고 트레이딩 컨퍼런스
알고 트레이딩 컨퍼런스에서 Dr. Euan Sinclair는 옵션 트레이더들이 흔히 저지르는 실수에 대해 포괄적인 강연을 하고 성공적인 옵션 트레이딩 전략에 대한 귀중한 통찰력을 공유했습니다. 그는 트레이더가 지속적으로 수익을 내기 위해서는 시장에서 우위를 점할 필요가 있다고 강조했습니다. Sinclair는 자산을 더 낮은 가격에 사고 더 높은 가격에 파는 것의 중요성을 강조했지만, 많은 옵션 거래자들이 이 개념에 어려움을 겪고 종종 옵션에 대해 초과 지불한다고 지적했습니다.
Sinclair는 자신도 거래 경력에서 실수를 저질렀다고 솔직하게 인정했지만 동료 거래자들이 이러한 실수를 바로잡기 위해 적극적으로 노력할 것을 촉구했습니다. 그의 조언 중 일부는 옵션에 대한 배경 지식이 있는 트레이더에게 맞춰졌지만 그가 논의한 많은 실수는 모든 수준의 전문 지식을 가진 트레이더와 관련이 있다고 강조했습니다.
연사는 거래 구조에 관계없이 옵션 거래에서 우위를 점하는 것이 중요하다는 점을 크게 강조했습니다. 그는 위험이 없다는 착각을 불러일으키는 옵션 구조를 설계하는 것에 대해 경고했습니다. 이는 잠재적인 위험에 대한 트레이더의 눈을 멀게 하는 경우가 많기 때문입니다. Sinclair는 우위를 갖는 것이 거래의 가장 중요한 측면이며 단순히 규율, 위험 통제, 노력 또는 지능을 통해서만 달성할 수 없다고 주장했습니다. 트레이더는 시장에 가치 있는 서비스를 제공하고 필요를 충족하는 무언가를 적극적으로 제공해야 합니다.
Sinclair는 옵션 거래의 복잡성, 특히 변동성을 정확하게 예측하고 설명해야 하는 필요성에 대해 자세히 설명했습니다. 그는 거래자들이 시장의 방향을 예측하는 데만 의존할 수는 없다고 강조했습니다. 또한 옵션의 가격과 잠재적인 변동성 변화도 고려해야 합니다. 트레이더의 시장 예측이 정확하더라도 옵션에 대해 잘못된 가격을 지불하거나 변동성 변화를 제대로 설명하지 못하면 여전히 돈을 잃을 수 있습니다. 따라서 옵션 거래자는 주로 변동성 거래자여야 하며 거래 전반에 걸쳐 지속적으로 변동성을 모델링하고 분석해야 합니다.
연사는 풋 및 콜 옵션 구매에 대한 오해를 언급했습니다. 풋 옵션을 매수하면 시장이 하락할 때 변동성 증가로 이익을 얻을 수 있지만 일반적으로 옵션 가격은 이를 반영하도록 이미 조정되어 있습니다. 반면에 콜 옵션은 거래 중에 가격이 비싼 경향이 있습니다. Sinclair는 또한 매우 예측할 수 없는 사건인 블랙 스완 사건의 개념에 대해서도 논의했습니다. 외가격 옵션을 매수하여 검은 백조로부터 보호하는 것이 논리적으로 보일 수 있지만 이 전략은 종종 비용이 많이 드는 실수임이 입증됩니다. Sinclair는 상당한 금액의 손실을 입은 저변동성 펀드의 예를 강조하고 정보 거래를 위해 소셜 미디어에만 의존하지 말라고 경고했습니다.
연사는 또한 부정확한 체계적인 베팅으로 인해 자주 손실을 보는 장기 변동성 펀드 문제를 다루었습니다. 이러한 펀드는 시장의 격동기에 주목을 받을 수 있지만 장기적으로는 손실로 끝나는 경우가 많습니다. Sinclair는 옵션이 일반적으로 고가라고 강조하면서 옵션 매도가 비대칭 위험을 상쇄하는 데 도움이 될 수 있음을 시사합니다. 그러나 특정 거래 맥락에서 변동성이 잘못 책정되었는지 여부를 평가하여 옵션 매도에 실행 가능한 우위가 있는지 확인하는 것이 중요합니다.
Sinclair는 Theta 거래(시간 경과에 따른 옵션 가치의 붕괴)가 우위를 제공한다는 믿음과 훨씬 외가격 옵션을 판매하는 것이 항상 수익성이 있다는 오해와 같이 옵션 거래자들이 저지르는 몇 가지 일반적인 실수에 대해 논의했습니다. 그는 거래자들이 이러한 옵션을 매도함으로써 대부분의 시간 동안 프리미엄을 받을 수 있지만 잠재적인 위험이 보상보다 더 크다고 경고했습니다. 그는 자동화된 스크립트에만 의존하기보다 결과를 적극적으로 검토하는 것의 가치를 강조하면서 성공적인 결과와 실패한 결과를 모두 이해하기 위해 철저한 거래 분석을 권장했습니다. 또한 그는 더 나은 피드백과 향상된 거래 결정을 위해 스트랭글보다는 스트래들 매도를 제안했습니다.
발표자는 자신의 위치를 지속적으로 재평가하고 원하는 위치를 결정하기 위해 모든 가능한 정보를 고려하는 것이 중요하다고 강조했습니다. 거래 비용을 고려해야 하지만 Sinclair는 거래자들에게 모든 거래에서 완벽을 추구하기보다는 비용 절감에 더 집중하라고 조언했습니다. 비용을 최소화하면 수학적으로 변동이 없는 샤프 비율을 향상시킬 수 있습니다. 입찰-매도 스프레드를 넘지 않는 것이 중요하지만, 연사는 제안에만 매도하거나 매도에만 매수하는 것에 자신을 제한하는 것을 피해야 한다고 강조했습니다. 대신 모든 관련 비용을 포괄하는 전략을 고안하면서 입찰가에 매도하고 제안에 매수하는 역할을 맡아야 합니다. 연사는 더 낮은 기대 가치로 더 많은 거래를 수행할 것을 옹호했으며, 많은 작은 유리한 결과가 한 번의 큰 승리에 의존하는 것보다 더 유익할 수 있음을 인정했습니다.
역선택의 개념은 연사가 다룬 또 다른 주제였습니다. 그는 거래가 유망해 보이더라도 더 많은 지식과 통찰력을 가진 누군가가 나타나 거래자의 제안을 이용하여 불리한 결과를 초래할 수 있다고 경고했습니다. 시간이 지남에 따라 손실 위험을 완화하기 위한 신중한 접근 방식으로 현실적인 기대, 과도한 거래 또는 큰 포지션을 피하고 더 작은 지속 가능성에 집중하는 것이 강조되었습니다. 연사는 빠르게 사라질 수 있는 하나의 큰 승리에 의존하기보다는 다양한 관심사의 포트폴리오로 결합될 수 있는 여러 개의 작은 에지를 축적하는 것의 가치를 강조했습니다.
Sinclair 박사는 알고 트레이더 또는 옵션 트레이더로 시작하는 것이 일관된 수익성을 달성하는 이상적인 접근 방식이 아니라는 결론을 공유했습니다. 그는 도구 자체에서 시작하기보다는 거래 옵션과 관련된 문제 또는 틈새를 식별하는 것이 중요하다고 강조했습니다. 시장의 방향에 따라 거래하는 것이 목표라면 변동성을 예측하는 데 있어서도 일관성 있는 정확성이 요구되기 때문에 옵션 거래만으로는 충분하지 않습니다. 그는 옵션 매수가 일관된 이익을 보장할 수 있다는 생각에 대해 경고하면서 변동성을 정확하게 예측하는 것이 모든 옵션 거래 전략에서 성공의 열쇠임을 강조했습니다. 결론적으로 그는 거래자들이 도구에 집착하지 말고 성공적인 거래 틈새를 식별하면서 변동성을 이해하고 예측하는 데 집중하도록 권장했습니다.
연사는 옵션의 내재 곡선과 변동성과의 관계에 대한 통찰력을 제공했습니다. 그는 내재 곡선의 스큐는 주로 변동성 자체보다는 변동성과 기초 자산의 움직임 사이의 상관관계에 의해 발생한다고 설명했습니다. 결과적으로 화자는 옵션의 가격을 고려할 때 왜도를 대체로 무시할 수 있다고 제안했습니다. 또한 연사는 시장 조성자가 2020년에 경험한 위기와 같은 시장 격동기 동안 종종 좋은 성과를 거두는데, 이는 동일한 기간 내에 더 많은 거래를 실행할 수 있기 때문입니다. 또한 마이너스 금리의 기능을 하는 숏 차입 금리는 배당금과 유사한 것으로 간주되어 마켓 메이커가 옵션 가격 책정에 반영합니다.
연사는 또한 마이너스 금리와 유사한 특성을 나타내는 옵션에 대해 논의하고 이전에는 수익성이 있었지만 더 이상 유효하지 않은 거래의 예를 제공했습니다. 그는 옵션을 매도하기 위해 시간 제한이 있는 이벤트로 불확실한 상황을 찾을 것을 권장했습니다. 또한 연사는 지수와 주식에 대한 고전적인 분산 프리미엄이 일반적으로 고가라고 강조했습니다. 개인 트레이더가 에지를 찾을 가능성에 대해 질문을 받았을 때 연사는 위험 프리미엄이 항상 존재하고 거래가 가능하며 주식 매수와 유사하다고 주장했습니다. 연사는 이벤트 획득과 관련된 거래 변동성에 대해 회의적이며 이전에는 수익성 있는 전략이었지만 더 이상 동일한 수준의 수익성을 유지하지 못한다고 말했습니다.
Sinclair는 최근 몇 년 동안 진화하는 옵션 거래 환경에 대해 언급했으며 시장이 예전만큼 이 전략에 호의적이지 않다는 점을 인정했습니다. 그는 포트폴리오 최적화를 위한 알고리즘 도구 사용에 관한 질문에 대해 그러한 도구가 일주일에 한 번만 거래하는 사람들에게는 필요하지 않을 수 있다고 말했습니다. 엣지를 찾는 것과 관련하여 그는 명확한 관찰에서 시작하여 그 관찰을 기반으로 아이디어를 구성하라고 조언했습니다. 예를 들어, 변동성이 고평가되었을 때 옵션을 매도하거나 상승 추세가 있을 때 주식을 매수합니다. 마지막으로 발표자는 부정적으로 왜곡된 단기 거래량 전략과 긍정적으로 왜곡된 거래량 증가 전략으로 포트폴리오를 구성하는 문제를 다루었습니다. 그는 가장 효과적인 접근 방식으로 하향식 정신 모델로 시작할 것을 제안했습니다.
마지막으로 연사는 몇 년 전에 은퇴했지만 계속해서 옵션 거래에 적극적으로 시간을 보내고 있다고 밝혔습니다. 그는 거래 옵션을 계속 유지하고 때때로 주제에 대한 논문을 작성하여 직업이자 취미로 간주하겠다는 의사를 표명했습니다. Algo Trading Conference가 끝나자 연사는 옵션 거래에 대한 귀중한 교훈과 경험을 공유한 Dr. Sinclair에게 감사를 표했습니다. 그는 옵션 거래에 대한 향후 세션에 대한 기대를 전달하고 지식과 통찰력을 교환할 수 있는 귀중한 기회에 대해 컨퍼런스 주최자에게 감사를 표했습니다.
청중은 Sinclair 박사의 프레젠테이션에서 얻은 풍부한 정보와 전문성을 인정하며 박수를 보냈습니다. 참가자들은 옵션 거래의 복잡성과 뉘앙스에 대한 새로운 인식과 시장에서 우위를 점하는 것의 중요성에 대한 더 큰 이해를 가지고 회의를 떠났습니다. Sinclair 박사의 통찰력에 영감을 받아 거래 전략을 개선하고 일반적인 함정을 피하며 개선을 위해 지속적으로 노력하기로 결정했습니다.
회의장 밖에서는 참석자들이 프레젠테이션의 주요 내용에 대해 활발한 토론을 벌이는 동안 대화가 들떠 있었습니다. 거래자들은 자신이 배운 교훈을 구현하고 그에 따라 접근 방식을 조정하겠다고 약속하면서 반성을 공유했습니다. 일부는 옵션 거래 내에서 새로운 틈새 시장을 모색하는 것을 고려했고, 다른 일부는 변동성과 거래 결정에 미치는 영향에 대한 이해를 심화하겠다고 약속했습니다.
회의 후 며칠, 몇 주 동안 거래자들은 Sinclair 박사의 조언과 권장 사항을 자신의 거래 노력에 열심히 적용했습니다. 그들은 자신의 입장을 신중하게 평가하고, 이전 입장에 얽매이지 않고 이용 가능한 정보를 고려하고 정보에 입각한 결정을 내립니다. 거래자들은 비용 절감에 집중했고 비용을 최소화하면 거래 성과가 크게 향상될 수 있음을 깨달았습니다. 그들은 Sinclair 박사의 말을 마음에 새기고 자신의 거래를 적극적으로 분석하고 전략을 다듬고 결과를 개선할 기회를 찾았습니다.
Sinclair 박사의 통찰은 회의 참석자들을 훨씬 뛰어넘었습니다. 전 세계의 트레이더들은 초보자와 경험자 모두 열심히 그의 프레젠테이션 녹음과 대본을 찾았습니다. 그의 귀중한 교훈은 온라인 포럼, 거래 커뮤니티 및 소셜 미디어 플랫폼을 통해 퍼져 옵션 거래의 복잡성에 대한 토론과 토론을 촉발했습니다. 거래자들이 그의 지혜를 흡수하면서 변동성, 위험 관리 및 우위 추구에 대한 더 깊은 이해로 무장하여 거래 접근 방식에 대한 새로운 관점을 얻었습니다.
옵션 거래의 세계에 대한 Dr. Sinclair의 공헌은 회의가 끝난 후에도 오랫동안 영향을 미쳤습니다. 그의 글과 연구 논문은 야심 찬 트레이더와 노련한 전문가 모두에게 필수적인 참고 자료가 되었습니다. 지식과 경험 공유에 대한 헌신을 통해 그는 신세대 옵션 거래자들이 규율, 비판적 사고 방식 및 기술 연마에 대한 확고한 의지를 가지고 시장에 접근하도록 영감을 주었습니다.
시간이 지남에 따라 Dr. Sinclair의 유산은 커져 옵션 거래 커뮤니티에서 탁월한 인물로서의 입지를 확고히 했습니다. 거래자들은 그의 지혜로운 말을 되돌아보며 그가 무역 여정에 끼친 심오한 영향을 인식했습니다. Sinclair 박사가 전한 교훈은 트레이더를 일반적인 실수에서 벗어나 일관된 수익성의 길로 인도하는 지침 원칙으로 사용되었습니다.
옵션 거래 역사의 연대기에서 Dr. Euan Sinclair의 이름은 전문성, 지혜, 탁월함을 향한 끊임없는 추구에 대한 증거로 서 있었습니다. 현장에 대한 그의 공헌과 다른 사람들의 성공을 돕기 위한 그의 변함없는 헌신은 앞으로도 계속해서 옵션 거래의 미래를 형성할 지속적인 유산이 되었습니다.
Corrective AI란 무엇이며 어떻게 투자 결정을 개선할 수 있습니까?
Corrective AI란 무엇이며 어떻게 투자 결정을 개선할 수 있습니까?
Ernest Chan 박사는 인간 또는 정량적 의사 결정을 수정하고 개선하며 자산 관리 및 거래에 적용할 수 있는 Corrective AI의 개념을 소개합니다. 수정 AI는 과적합, 반사성, 제도 변경과 같은 문제를 극복하고 빅 데이터를 사용하여 포트폴리오 구성 요소에 대한 할당을 최대화하여 할당을 최적화합니다. 조건부 포트폴리오 최적화(Conditional Portfolio Optimization, CPO)라고 하는 이 기술은 켈리 공식의 고급 사용을 사용하며 샤프 비율에서 상당한 개선을 보였습니다. 수정 AI는 또한 약세장에서 방어적인 위치로 전환하고 다른 지표에 대해 최적화할 수 있습니다. 연사는 위험 관리의 중요성과 거래 손실 방지를 강조하고 AI를 사용하여 거래 신호를 생성하지 말라고 조언합니다. Chan 박사는 새로운 핀테크 스타트업을 위한 자금을 모으기 위해 피치덱으로 헤지 펀드에 접근할 것을 제안하고, 퀀트 트레이더를 꿈꾸는 사람들에게 시장에 대한 직관을 얻기 위해 읽고, 강좌를 듣고, 백테스트하고, 실시간으로 거래하라고 조언합니다.
퀀트 트레이딩 분야의 저명한 전문가인 Dr. Ernest Chan은 Corrective AI의 개념과 인간 및 퀀트 의사 결정 개선에 적용하는 방법에 대해 매혹적인 프레젠테이션을 진행했습니다. 그는 AI가 처음부터 결정을 내리는 것보다 의사 결정을 수정하는 데 더 효과적이기 때문에 자산 관리 및 거래에 유용한 도구라고 강조했습니다. Chan 박사는 거래 또는 투자 결정에 AI를 직접 사용하는 것에 대해 경고하고 대신 다른 시스템이나 알고리즘이 내린 결정을 수정하는 데 AI를 사용하는 것을 옹호했습니다.
연설 중에 Chan 박사는 2000년부터 2018년까지 거래에서 AI 및 기계 학습(ML) 애플리케이션의 제한적인 발전을 특징으로 하는 금융 AI 겨울에 대해 자세히 설명했습니다. 그는 과적합, 반사성, 정권교체 등 많은 머신러닝 기반 헤지펀드의 실패 원인에 대해 논의했다. 그러나 그는 이러한 문제를 극복한 수정 AI라는 판도를 바꾸는 기술을 도입했습니다. 수정 AI는 개인 거래 전략 또는 포트폴리오 수익에서 학습하여 미래 수익을 예측하여 거래자와 자산 관리자에게 매우 유용하고 실용적인 도구가 되었습니다. 특히 차익 거래에 대한 수정 AI의 탄력성은 거래 영역에서 기존 AI 접근 방식보다 더 안정적이었습니다.
연사는 AI를 활용한 매매전략 예측에 있어 빅데이터의 중요성을 강조했다. 오일 필터, 채권 시장 변동성, 거시 경제 지표, 거래량이 많은 주식에 대한 심리 등 다양한 예측 변수를 분석하여 정확한 예측을 했습니다. 그러나 연사는 수천 개의 입력을 수반하기 때문에 개인이 방대한 양의 데이터를 축적하는 데 어려움을 인정했습니다. 이 문제를 해결하기 위해 화자의 회사는 개별 트레이더가 활용할 수 있도록 특별히 수백 개의 예측 변수를 만들었습니다. 또한 그는 이익 확률을 사용하여 베팅 규모를 조정하고 자본을 할당하는 개념을 도입했으며, 이는 수익에만 기반한 전통적인 위험 관리에서 벗어났습니다. AI 시스템은 모니터링한 기능을 기반으로 거래 체제를 암묵적으로 정의하여 투자 전략의 적응형 위험 평가를 가능하게 합니다.
연사는 명시적 체제와 숨겨진 체제를 구분하면서 체제의 개념을 탐구했습니다. 강세장 및 약세장과 같은 명백한 체제는 뒤늦게 식별하기는 쉽지만 정확하게 예측하기는 어려웠지만 콜 옵션을 구매하는 Robinhood 거래자의 행동과 같은 숨겨진 체제는 식별하기 어려웠지만 숨길 수 없는 신호 분석을 통해 예측할 수 있었습니다. 기계 학습의 확장된 입력 차원은 숨겨진 체제의 예측을 크게 향상시켰습니다.
Chan 박사는 위험 패리티, 최소 분산 및 Markowitz 평균 분산과 같은 기존 포트폴리오 최적화 방법을 능가하는 조건부 포트폴리오 최적화라는 고급 기술을 소개했습니다. 교정 AI는 빅데이터 주입을 통해 포트폴리오 구성 요소에 대한 할당을 극대화하여 인상적인 결과를 얻었습니다. 이 기술은 빅 데이터를 활용하여 상황을 파악하고, 정권 변화를 설명하고, 인플레이션, 금리, 상품 가격과 같은 요인의 영향을 분석했습니다.
발표자는 AI가 기존의 포트폴리오 최적화 기술이 할 수 없었던 정보를 캡처할 수 있는 능력이 있다고 강조했습니다. 과거 수익률뿐만 아니라 빅 데이터와 외부 요인을 고려함으로써 CPO(Conditional Portfolio Optimization)라는 기술은 다양한 포트폴리오에서 샤프 비율의 상당한 개선을 보여주었습니다. S&P 500 포트폴리오의 경우 최대 3배까지 개선되었습니다. CPO는 약세장에서 방어적 포지셔닝을 더욱 활성화하고 ESG 등급을 포함한 다른 메트릭을 최적화할 수 있습니다. 이 기술은 평판이 좋은 기계 학습 연구원의 조사를 거쳤으며 현재 전 세계 주요 금융 서비스 회사에서 테스트 중입니다. 발표자는 이러한 성공을 달성하기 위한 연구, 데이터 과학, 양적 분석 및 엔지니어링 팀의 공동 노력을 인정했습니다.
Chan 박사는 AI를 거래 신호 생성에만 사용하는 대신 현재 거래 전략에서 이익 확률을 계산하기 위한 "교정 AI"로 적용할 것을 권장했습니다. 그는 위험 관리의 중요한 역할과 거래 손실 방지의 중요성을 강조했습니다. 거시 경제 환경을 이해하기 위해 기계 학습을 사용하는 것에 대해 질문을 받았을 때 그는 사용된 특정 유형의 기계 학습이 중요하지 않으며 주요 요인은 투자 결정을 개선하는 능력에 있다고 주장했습니다.
토론에서 연사는 다양한 포트폴리오 자본 배분의 수익을 효과적으로 예측하기 위해 빅 데이터에 대한 방대한 수의 입력을 축적하는 것의 중요성을 강조했습니다. Corrective AI는 빅데이터와 포트폴리오 구성을 사용하여 포트폴리오 수준에서 수익을 예측함으로써 각 체제에서 최상의 포트폴리오를 식별할 수 있는 기능을 가졌습니다. ML 입력의 일부인 감정 분석에 대한 질문에 대해 발표자는 모든 데이터 스트림을 추가하여 추가 기능을 제공할 수 있으며 입력 기능에 병합할 수 있음을 확인했습니다. 또한 기계 학습 알고리즘의 선택은 입력 자체의 품질 및 관련성에 비해 덜 중요한 것으로 간주되었습니다. 또한 발표자는 Corrective AI가 블랙 스완 이벤트를 예측할 수 있는 기능을 가지고 있으며 해당 지표가 시장 충돌을 예측하는 데 성공적으로 활용되었다고 주장했습니다.
투자 결정에서 테일 이벤트 예측을 위해 AI를 활용하는 이점에 대해 논의했으며, 거래 전략의 빈도에 따라 데이터 제공자를 위한 권장 사항을 제공했습니다. 연사는 또한 데이터, 금융 데이터를 위한 기계 학습 기술, 거래를 위한 강화 학습의 잠재적 사용과 관련된 질문에 대해 언급했습니다. 위험 관리 및 포트폴리오 최적화가 거래에서 AI 및 기계 학습의 가장 가치 있는 사용 사례라고 강조하면서 발표자는 강화 학습 전문가가 아니며 그 효과에 대한 직접적인 경험이 부족함을 인정했습니다.
연사는 효율성을 높이기 위해 AI에서 매개변수 최적화를 자동화하는 AutoML의 개념을 설명했습니다. 또한 발표자는 금융의 숨겨진 체제를 명시적으로 식별할 수 없지만 수익률 예측을 돕기 위해 AI를 사용하여 암묵적으로 예측할 수 있는 방법에 대해 논의했습니다. 모델에 기능을 추가하는 것과 관련하여 발표자는 다양한 소스에서 가능한 한 많은 데이터를 수집하라고 조언했습니다. 마지막으로 연사는 목표 변수가 일반적으로 미래 수익 또는 전략의 미래 샤프 비율인 감독 학습 컨텍스트 내에서 접근 방식을 설명했습니다.
Dr. Ernest Chan은 지난 6개월 동안 알고리즘 거래 모델을 테스트했지만 새로운 핀테크 스타트업을 위한 자금 조달 및 벤처 자본가 유치에 대해 확신이 없는 개인에게 귀중한 조언을 제공했습니다. 그는 성공을 입증하는 실적이 포함된 피치덱으로 다양한 헤지펀드에 접근할 것을 제안했습니다. 그러나 그는 벤처 자본가들이 일반적으로 알고리즘 거래 모델에 제한된 관심을 보였다고 경고했습니다. 또한 Chan 박사는 퀀트 트레이더를 꿈꾸는 사람들에게 광범위한 독서에 몰두하고, 퀀트 분야 과정을 수강하고, 백테스팅 및 라이브 트레이딩에 참여하여 시장에 대한 직관을 얻으라고 조언했습니다. 그는 암체어 트레이더에서 실제 트레이더로의 전환이 라이브 트레이딩 경험을 통해 가장 잘 이루어졌다고 강조했습니다.
Dr. Ernest Chan의 발표에서는 Corrective AI의 개념, 의사 결정 개선의 이점, 자산 관리 및 거래에서의 적용에 대해 탐구했습니다. 그는 과대적합 및 체제 변경과 같은 기존 접근 방식의 한계를 강조하고 이러한 문제를 극복하는 데 있어 Corrective AI의 효과를 강조했습니다. 연사는 또한 빅데이터의 중요성, 포트폴리오 최적화, 위험 관리, 숨겨진 체제를 예측하고 투자 전략을 강화하는 AI의 능력에 대해 논의했습니다. 전반적으로 Chan 박사는 금융 산업에서 AI 및 기계 학습을 활용하는 데 관심이 있는 개인에게 귀중한 통찰력과 지침을 제공했습니다.
금융 시장 교육: 구조화된 접근 방식 및 새로운 트렌드 - Algo Trading Conference 2022
금융 시장 교육: 구조화된 접근 방식 및 새로운 트렌드 - Algo Trading Conference 2022
Quan Institute의 공동 창립자이자 CEO인 Nitesh Khandelwal은 Algo Trading Conference 2022에서 무대에 올라 금융 시장 교육과 업계의 새로운 트렌드에 초점을 맞춘 패널 토론을 소개했습니다. 패널은 다양한 기관, 증권사, 글로벌 거래소 및 자산 관리 산업의 교육 이니셔티브에서 중요한 역할을 담당한 인도, 싱가포르 및 스위스의 전문가로 구성되었습니다. Khandelwal은 업계가 계속해서 상당한 성장을 경험하고 다양한 배경을 가진 참여자를 유치함에 따라 금융 시장에 진출하려는 개인을 위한 구조화된 학습 방법의 중요성을 강조했습니다. 패널의 목적은 투자 및 거래 논문의 기본 요소를 탐구하고 이러한 영역에서 지식을 습득하는 방법에 대해 조명하는 것이었습니다. 토론은 자산 배분, 데이터 기반 연구, 소매 투자자의 증가, 기술이 금융 교육에 미치는 영향과 같은 주제를 포함했습니다.
패널리스트들은 차례대로 자신을 소개하면서 금융 업계에서의 배경과 교육 이니셔티브 참여, 베스트셀러 금융 서적을 공유했습니다. 그들은 금융 시장에서 교육의 중요성과 적절한 지식 없이 투자할 경우 발생할 수 있는 결과를 강조했습니다. 그들은 제한된 금융 이해력을 가진 개인을 착취하는 사기 및 폰지 사기의 유행을 강조했습니다. 패널리스트들은 시장이 계속 진화하고 확장됨에 따라 지속적인 교육의 필요성을 강조했습니다.
연사들은 금융 시장에 진출하기 전에 충분한 지식을 습득하는 것의 중요성에 대해 대화에 참여했습니다. 그들은 많은 사람들이 진입의 용이함과 빠른 이익의 매력에 이끌리기 때문에 탄탄한 기초 없이 맹목적으로 거래나 투자에 뛰어들지 말라고 경고했습니다. 그들은 금융 지식이 부족한 사람들을 이용하는 부도덕한 사람들의 먹잇감이 될 위험에 대해 경고했습니다. 연사들은 또한 특히 팬데믹 기간 동안 많은 신규 이민자들이 갖는 비현실적인 기대에 대해 언급하고 기술 분석 및 거래 전략과 같이 개인이 종종 간과하는 필수 기술에 대해 논의했습니다.
패널리스트는 사용자로부터 가장 많은 질문과 관심을 불러일으키는 교육 모듈을 추가로 탐색했습니다. 그들은 특히 뮤추얼 펀드를 다루는 개인 금융 모듈에 대한 일관된 쿼리 스트림을 관찰했으며 ETF에 대한 섹션은 더 적은 쿼리를 받았습니다. 연사들은 또한 알고리즘 거래 분야에서의 개인적인 여정과 인도에서 금융 교육의 필요성이 대중 교육에 집중하도록 영감을 준 방법을 공유했습니다. 그들은 인도에서 증가하는 인터넷 보급률을 더 많은 청중에게 다가가고 금융 이해력을 향상시킬 수 있는 기회로 인식했습니다. 토론회에서는 동영상 기반 교육의 인기도 부각되었습니다.
패널리스트는 투자와 거래의 차이점을 탐구하여 이러한 활동을 둘러싼 일반적인 오해를 밝혔습니다. 투자는 종종 간단하다고 인식되지만 거래는 복잡하고 이익을 내기 어려운 것으로 간주됩니다. 패널은 거래와 투자 모두에 대한 교육의 필요성과 현실적인 기대치를 설정하는 것의 중요성을 강조했습니다. 그런 다음 그들은 자동화 및 심사 도구에 특히 초점을 맞추고 실시간 거래 시연에 대한 수요 증가와 함께 금융 시장의 새로운 트렌드에 대한 토론으로 전환했습니다. 패널은 특히 젊은 개인들 사이에서 거래 기술 및 자동화에 대한 관심이 증가하고 있으며 단기 거래를 위한 선별 도구의 사용이 증가하고 있음을 강조했습니다.
연사들은 자동 거래로 인해 발생하는 수익에 대한 오해를 언급하고 그러한 투자와 관련된 내재적 위험에 대해 대중을 교육하는 것이 중요하다고 강조했습니다. 그들은 또한 거래자들이 일반적인 가정과 다른 직업 설명을 가지고 있는 경우가 많다는 점에 주목하면서 금융 산업 내의 다양한 역할에 대한 통찰력을 제공했습니다. 연사 중 한 명인 Andreas는 시장에서 더 큰 규모의 플레이어가 추진하는 보다 복잡한 모델의 개발과 박사 및 퀀트의 존재 증가를 언급하면서 수년에 걸쳐 자산 관리에서 변화하는 기술 요구 사항에 대해 논의했습니다.
기계 학습 및 기술이 금융 시장 교육에 미치는 영향은 또 다른 주요 논의 주제였습니다. 기계 학습은 종종 가격 예측으로 제한되지만 패널리스트는 포트폴리오 관리 및 위험 평가에 상당한 영향을 미칠 가능성을 강조했습니다. 그들은 기술이 거래에서 중요한 역할을 하지만 더 발전된 전략을 탐구하기 전에 기본 지식과 상식을 바탕으로 시작하는 것이 중요하다고 강조했습니다. 패널리스트들은 기술이 시간이 지남에 따라 발전했으며 초보적인 형태의 기술도 거래자에게 시장에서 우위를 점할 수 있다고 언급했습니다.
패널리스트들은 계속해서 기술과 소셜 미디어가 최근 몇 년 동안 금융 시장을 어떻게 변화시켜 트레이더에게 새로운 기회를 창출했는지에 대해 논의했습니다. 기술의 발전이 업계에 상당한 이점을 가져왔지만 연사들은 인간의 입력과 분석이 여전히 성공을 위해 필수적이라고 강조했습니다. 그들은 기술을 효과적으로 사용하는 방법을 완전히 이해하지 못한 채 기술에 지나치게 의존하는 것에 대해 경고하면서 교육의 중요성을 강조했습니다.
또한 연사들은 금융 시장에서 교육의 중요성을 강조하고 기술적 분석 도구를 적용할 때 비판적 사고의 중요성을 강조했습니다. 그들은 금융 전문가의 오래된 조언을 맹목적으로 따르는 것에 대해 경고하고 트레이더가 학습에 대한 경험적이고 상호 작용적인 접근 방식을 취하도록 권장했습니다. 지도를 위해 전문가를 옆에 두는 것이 이상적이지만 항상 실현 가능한 것은 아니라는 점을 인정했습니다. 따라서 트레이더는 다른 시대를 위해 개발된 기술적 분석 도구를 테스트하고 질문하는 데 부지런해야 합니다.
Andreas Clenow와 Vivek Vadoliya는 금융 교육에서 양방향 온라인 교육 및 온라인 학습의 가치에 대해 논의했습니다. Clenow는 실행을 통한 학습의 중요성을 강조하고 거래 장부에서 맹목적으로 규칙을 구현하지 않도록 거래자에게 조언했습니다. 그는 보편적으로 최고의 거래 시스템은 없으며 개인의 목표에 따라 달라지는 각 거래 모델의 개인적 특성을 강조했습니다. 한편, Vadoliya는 종이 거래와 시뮬레이션 환경을 이론과 실제 사이의 귀중한 다리로 제안했습니다. 그는 페이퍼 트레이딩이 단점이 있을 수 있음을 인정했지만 제한된 자본을 가진 트레이더가 자신감을 얻고 실제 거래를 준비할 수 있는 훌륭한 방법이라고 설명했습니다.
페이퍼 트레이딩의 한계도 다루었고 실제 시장 환경에서 경험을 쌓을 수 있는 대체 방법에 대해 논의했습니다. 연사는 주문, 마진 관리 및 거래 플랫폼 탐색의 복잡한 과정을 경험하기 위해 회사의 주식 한두 개를 구매할 것을 제안했습니다. 그들은 또한 페이퍼 트레이딩이 트레이딩 시스템에 대한 유용한 소개 역할을 하며 트레이더에게 시장의 역학에 대한 느낌을 제공한다고 강조했습니다. 시뮬레이션의 복잡성이 인정되었고, 특히 시장을 만드는 전략을 위해 시장 성과를 정확하게 모방하는 시뮬레이터를 만들어야 할 필요성이 강조되었습니다.
패널들은 금융 시장의 미래를 내다보며 향후 5~7년 동안의 잠재적인 변화에 대한 견해를 공유했습니다. 한 발표자는 거래 플랫폼의 접근성이 높아지고 소셜 미디어 채널을 통해 흐르는 풍부한 정보로 인해 소매 시장이 더욱 중요해질 것이라고 예측했습니다. 또 다른 연사는 젊은 세대가 전통적인 금융 주체에 익숙하지 않다는 점을 강조하며 트레이더의 평균 연령이 13세로 낮아질 것이라고 예측했다. 금융 시장의 미래를 둘러싼 불확실성은 젊은 세대가 산업을 어떻게 형성할 것인지에 집중되었습니다.
패널리스트들은 또한 비현실적인 기대를 가진 소매 상인의 영향과 그에 따른 인도의 규제 강화에 대해 논의했습니다. 그들은 더 엄격한 규제가 있는 미래 시장 환경을 예상했으며, 이는 장기적으로 소매 거래자들에게 궁극적으로 이익이 될 것입니다. 중개인으로 운영하는 것이 더 어려워질 수 있지만 규제 강화는 시장 참여자에게 긍정적인 발전으로 간주되었습니다. 또한 그들은 지난 20년 동안 시장이 어떻게 진화했는지 배우고 이러한 변화가 투자 전략에 미치는 영향을 이해하는 데 관심이 있는 사람들을 위해 리소스를 추천했습니다. 제안 사항에는 규제 기관의 회람 검토 및 시장 미세 구조에 관한 책 연구가 포함되었습니다. 세션은 새 책에 대한 Andreas의 계획에 대한 질문으로 마무리되었습니다. Andreas는 이미 프로그래밍 책과 소설을 썼지만 새로운 거래 책에 대한 즉각적인 계획은 없다고 대답했습니다.
마지막으로 연사는 알고 트레이딩 컨퍼런스 2022의 패널리스트와 참석자들에게 감사를 표했습니다. 그들은 세션이 구조화된 접근 방식과 금융 시장의 새로운 트렌드에 대한 귀중한 통찰력을 제공하기를 희망했습니다. 그들은 추가 지원이 필요한 사람에게 추가 지원을 제공했습니다. 연사는 관련된 모든 사람에게 감사를 표하며 회의를 마치며 회의를 동료 Afrin에게 넘겼고 세션의 끝을 알렸습니다.
Algo Trading Conference 2022의 패널 토론에서는 금융 시장에서 교육의 중요성과 업계 내에서 진화하는 추세에 대한 포괄적인 탐구를 제공했습니다. 연사들은 거래와 투자의 복잡성을 성공적으로 탐색하기 위해 구조화된 학습과 지속적인 교육의 필요성을 강조했습니다. 그들은 사기와 비현실적인 기대의 희생양이 되는 것을 포함하여 충분한 지식 없이 시장에 진입하는 것과 관련된 위험을 강조했습니다. 패널리스트들은 또한 금융 시장을 형성하는 데 기술, 기계 학습 및 소셜 미디어의 역할을 강조하는 동시에 인간 분석과 비판적 사고의 중요성을 강조했습니다.
이 세션에서는 투자와 거래의 차이점, 실제 학습 경험의 중요성, 자동화 및 심사 도구의 영향 등 다양한 주제를 조명했습니다. 연사들은 또한 소매 거래자의 영향, 규제 강화, 시장 변화에 대한 지속적인 적응의 필요성에 초점을 맞춰 금융 시장의 미래에 대해 논의했습니다. 그들은 정보에 입각한 재무 결정을 내릴 수 있도록 개인에게 권한을 부여하는 교육의 중요성을 강조하고 구식 전략을 맹목적으로 따르거나 기술에만 의존하는 것에 대해 경고했습니다.
패널 토론은 청중에게 귀중한 통찰력과 지침을 제공하여 금융 시장의 역동적인 환경을 효과적으로 탐색하는 데 필요한 지식을 갖추게 했습니다.
정권 정의: 황소와 곰 사이의 분류, 작업을 단순화하는 이유
정권 정의: 황소와 곰 사이의 분류, 작업을 단순화하는 이유
알고 트레이딩 컨퍼런스 2022의 연사 중 한 명인 로렌 버넷(Lauren Burnett)은 레짐 분석의 개념과 트레이딩 워크플로 단순화의 중요성에 대해 통찰력 있는 프레젠테이션을 했습니다. 정권 분석의 주요 초점은 강세, 약세 또는 결정적이지 않은 시장 상태를 결정하고 해당 평가에 따라 거래 결정을 내리는 것입니다. Burnett은 체제 분석과 전시 중 야전 병원에서 사용되는 분류 프로세스 사이에 유사점을 그렸습니다. 둘 다 제한된 자원과 시간 제약으로 빠른 결정을 내리는 것과 관련되기 때문입니다.
레짐 분석의 본질은 시장을 2~3개의 개별 버킷으로 분류하여 거래에 대한 단순화된 접근 방식을 용이하게 하는 데 있습니다. 시장 제도를 분석함으로써 트레이더는 조치를 취해야 할 때와 가만히 있어야 할 때를 쉽게 식별할 수 있습니다. 또한 Burnett은 자산 등급의 글로벌 스크리닝을 위한 독점 도구를 도입하여 분석 프로세스를 더욱 단순화했습니다.
발표 중에 발표자는 시장이 위, 아래 또는 정체 상태로 이동하여 시장 상황이 각각 강세, 약세 또는 결정적이지 않은 절대적인 용어로 레짐 분석의 개념을 설명했습니다. 소수의 자산군만이 절대적 기준으로 거래될 수 있지만 대부분은 상대적인 계열에 따라 거래됩니다. 상대 시리즈는 통화 변동에 맞게 조정된 벤치마크와 비교한 증권의 성과를 나타냅니다. 이를 설명하기 위해 Burnett은 S&P 500 지수를 사용하여 예시를 제공했는데, 절대적인 측면에서는 다른 패턴을 보이는 반면 상대적인 측면에서는 우수한 성과를 내는 증권의 수가 50주를 중심으로 변동하는 방식을 강조했습니다. 제도와 다양한 시리즈를 이해하면 섹터 분석가의 작업을 단순화하고 시장 행동에 대한 귀중한 통찰력을 얻을 수 있습니다.
장단기 주식 포트폴리오에 대한 제도 분석의 영향도 논의되었습니다. 연사는 롱숏 주식 포트폴리오는 롱 포지션과 숏 포지션의 순 결과의 합이며 그 성과는 둘 사이의 델타에 의해 결정된다고 강조했습니다. 개별 주식의 절대적인 움직임이 아닌 상대적인 성과와 업종 순환에 초점을 맞추면 시장과의 작업에 보다 원활하고 관리하기 쉬운 접근 방식이 제공됩니다. 연사는 강세장에서 높은 베타 주식은 긴 편에 있고 낮은 베타 주식은 짧은 편에 있다고 설명했습니다. 반대로, 약세장에서는 낮은 베타 방어 주식이 긴 편이고, 높은 베타와 변동성이 빠르게 실적을 포기하는 주식은 짧은 편입니다.
제도 분석을 시장 분석 및 투자 결정에 통합하는 것의 중요성이 크게 강조되었습니다. 초과수익 창출은 금융업의 생존을 위한 필수조건이지만 펀더멘탈 분석이나 정량적 분석에만 의존하는 것만으로는 부족하다. 주식의 성과를 좌우할 수 있는 시장의 우세한 조건을 고려하는 제도 분석을 무시하면 더 넓은 시장 맥락을 고려하지 않고 밸류에이션과 추세에만 기반한 잘못된 투자 결정으로 이어질 수 있습니다. 연사는 모멘텀을 고려하지 않고 주식을 공매도하고 투자자를 끌어들이기 위한 설득력 있는 내러티브가 부족한 가치 함정에 투자하는 것에 대해 경고했습니다. 제도 분석을 간과함으로써 심각한 비즈니스 위험에 노출되고 장기적으로 투자자 신뢰를 잃을 가능성이 있습니다.
연사는 주가가 상승 또는 하락한 이유를 결정하기 위해 체제 분석을 사용하는 방법에 대한 통찰력을 제공했습니다. 그들은 세 가지 유형의 답변이 있다고 설명했습니다. 통합, 부문 회전 및 주식 별 이유입니다. 이러한 이유를 분류함으로써 투자자는 작업 흐름을 단순화하고 시장에 대해 보다 객관적인 접근 방식을 채택할 수 있습니다. 프레젠테이션은 또한 브레이크 아웃을 포함한 다양한 기술 분석 전략을 다루었으며 개념적으로는 단순하지만 내재된 지연으로 인해 인내가 필요할 수 있음을 인정했습니다. 완벽함을 이루기 위한 열쇠로 단순화를 강조했고, 투자자들은 시장의 하인이 되라고 충고했다.
거래를 위한 두 가지 방법론, 즉 비대칭 항목과 이동 평균이 프레젠테이션 중에 논의되었습니다. 이동 평균은 이상적인 기간에 대한 지속적인 논쟁이 있지만 시장 컨텍스트를 제공하는 능력으로 강조되었습니다. 이동 평균은 고르지 못한 시장에 적합하지 않다는 점에 주목했습니다. 흥미롭게도 이동 평균은 출구 전략으로도 사용될 수 있습니다. 이동 평균이 평평해지면 시장이 변화하고 있음을 나타내며, 이 기간 동안 많은 트레이더가 성능 저하로 이어질 수 있는 미끄러짐과 거래 비용을 경험합니다. 연사는 더 높은 고점과 더 높은 저점의 개념에 대해 설명했으며, 이는 시장이 연속적으로 더 높은 고점과 더 높은 저점을 달성할 때 상승 추세를 나타냅니다. 또한 발표자는 머리와 어깨 패턴의 오른쪽 어깨를 식별하여 거래를 위한 최적의 시작 및 종료 지점을 결정하는 "바닥 및 천장"이라는 가장 좋아하는 방법론을 공유했습니다.
연사는 바닥과 천장 표시를 예로 들어 정권 정의의 개념에 대해 탐구했습니다. 그들은 이 마크가 각각 더 높은 저점(바닥)과 더 낮은 고점(천장)을 나타낸다고 설명했습니다. 이 표시 사이의 모든 가격 변동은 강세로 간주됩니다. 연사는 이 개념이 다양한 자산 클래스와 기간에 걸쳐 적용된다고 강조했습니다. 그러나 그들은 체계를 계산적으로 정의하는 것이 시간이 많이 걸리는 작업임을 인정했습니다. 발표자는 모든 분기 정의 방법의 평균을 나타내는 "점수"의 개념을 소개했습니다. 이 점수는 상대적 가격과 절대 가격 측면에서 다양한 방법론이 일치하는지 또는 다른지 여부를 결정하는 데 도움이 됩니다. 일치를 나타내는 점수는 낙관적인 감정을 암시하고 0의 점수는 차이를 나타냅니다.
시장에서 강세 신호와 약세 신호가 일치하는지 여부를 평가하기 위해 스코어링 방법을 사용하는 힘에 대해 논의했습니다. 0점은 방법 간의 불일치를 나타내고 0보다 높은 점수는 절대 지표와 상대 지표 간의 일치를 나타냅니다. 연사는 승률 곱하기 평균 이득 빼기 손실률 곱하기 평균 손실을 계산하는 이득 기대의 개념을 소개했습니다. 이 이득 기대 분석은 시장을 강세와 약세라는 두 가지 범주로 분리하여 성과가 좋은 부문에 대한 집중 분석을 가능하게 합니다. 그러나 이 분석은 투자를 고려해야 할 우량 종목을 식별하기 위한 예비 단계라는 점을 강조했습니다.
레짐 분석을 개별 종목에 적용할 수 있는지, 업종에 국한해 적용할 수 있는지에 대한 문제가 제기되었습니다. 발표자는 레짐 분석이 모든 개별 주식에 대해 점수를 매기고 시장 수준에서 적용될 수 있음을 분명히 했습니다. 그들은 과매수 주식을 매도하는 일반적인 실수에 대해 경고하고 과매도 주식이 침체되어 종종 빠른 반등으로 이어지는 경향을 강조했습니다. 또한 연사는 과매수 및 과매도 조건은 상황에 따라 다르며 시간이 지남에 따라 경험적으로 관찰된 주식이 약세 영역에 있는지 또는 강세 영역에 있는지에 따라 평균화된다고 설명했습니다.
프레젠테이션은 또한 체제 분석이 트레이더가 기술적 분석에서 오탐을 피하는 데 어떻게 도움이 되는지에 대해 논의했습니다. 강세 시나리오와 약세 시나리오를 구분하기 위해 레짐 분석을 적용함으로써 트레이더는 워크플로우를 단순화하고 보다 객관적인 거래 결정을 내릴 수 있습니다. 연사는 긴 쪽에서 추세를 따르고 짧은 쪽에서 평균 회귀를 독점적으로 실행함으로써 발생할 수 있는 복합적인 위험에 대해 경고했습니다. 그들은 제대로 관리되지 않는 위험을 완화하기 위해 양측을 유사하게 취급할 것을 조언했습니다. 옵션으로 좌우 꼬리를 헤지하는 것에 대해 물었을 때 화자는 반대하며 대신 타는 것을 즐기라고 제안했습니다. 이동 평균과 같은 상대 지표에 대해서도 설명하고 차트에서의 사용법을 시연했습니다.
프레젠테이션 중에 연사는 특정 패턴과 표시를 나타내기 위해 차트에 다양한 색상의 점을 도입했습니다. 빨간색과 녹색 점은 각각 Swing High와 Swing Low를 나타냅니다. 차트에는 또한 바닥과 천장 표시를 나타내는 파란색과 분홍색 삼각형이 표시되며 파란색은 강세 체제를 나타냅니다. 또한 밝은 연어와 밝은 녹색 삼각형은 거래 범위를 나타냅니다. 연사는 그들의 레짐 분석 방법론이 특정 책의 영향을 받은 것이 아니라 체계적인 거래에 관한 Robert Carver의 작업에 감사를 표했다고 밝혔습니다. 통화정책이 레짐 분석에 미치는 영향과 관련하여 연사는 미국 달러가 글로벌 정서 및 시장 동향에 직간접적으로 영향을 미치기 때문에 미국 연방준비제도(Fed) 정책의 중요한 역할을 강조했습니다.
발표가 끝날 무렵 연사는 시장에 영향을 미칠 수 있는 다양한 시나리오를 다루었으며 특히 "정권"의 개념에 중점을 두었습니다. 그들은 시장 체제에 영향을 미칠 수 있는 세 가지 구체적인 시나리오에 대해 논의했습니다. 첫 번째 시나리오는 시장이 너무 "서리가 내린" 것으로 언급되어 신중하고 불확실한 시장 환경을 나타냅니다. 두 번째 시나리오는 금리를 규제하고 시장 행동에 영향을 미치는 역할을 하는 채권 자경단의 등장과 관련이 있습니다. 마지막으로 연사는 인플레이션의 영향을 언급했는데, 이는 연준이 통화 정책을 조정하도록 강제할 수 있습니다. 이러한 시나리오는 시장 체제에 의해 통제되는 것이 아니라 시장 체제에 영향을 미치는 외부 요인으로 제시되었습니다.
이러한 시나리오를 효과적으로 탐색하기 위해 연사는 현재 시장 체제에 대한 정보를 제공하는 도구를 소개했습니다. 이 도구는 트레이더가 자신을 적절하게 포지셔닝하고 변화하는 시장 상황에 적응하는 데 도움이 됩니다. 체제에 대한 명확한 이해를 가짐으로써 트레이더는 정보에 입각한 결정을 내리고 그에 따라 전략을 조정할 수 있습니다.
프레젠테이션에서는 거래 워크플로우를 단순화하는 데 있어 레짐 분석의 중요성을 강조했습니다. 시장을 별개의 체제로 분류하고 그 의미를 이해함으로써 트레이더는 더 나은 정보에 입각한 거래 결정을 내릴 수 있습니다. 레짐 분석의 개념은 섹터뿐만 아니라 개별 종목에도 적용되어 종합적인 시장 역학 평가가 가능했습니다. 프레젠테이션은 또한 시장에 대한 포괄적인 관점을 얻기 위해 이동 평균과 같은 절대 지표와 상대 지표를 모두 고려하는 것이 중요하다는 점을 강조했습니다.
제도 분석, 거래 방법론, 스코어링 시스템 적용에 대한 연사의 통찰력은 거래 접근 방식을 간소화하고 의사 결정을 개선하려는 거래자들에게 귀중한 지침을 제공했습니다. 프레젠테이션은 통화 정책, 글로벌 정서, 시장 체제 형성에 대한 시장 추세의 영향과 이러한 역학에 적응하고 대응하는 것의 중요성을 강조하는 것으로 마무리되었습니다.
마이크로 알파: 금융 지질학 | 알고 트레이딩 컨퍼런스
마이크로 알파: 금융 지질학 | 알고 트레이딩 컨퍼런스
프레젠테이션 중에 Thomas Starke 박사는 금융 지질학이라고 부르는 "마이크로 알파"의 개념에 대해 자세히 설명했습니다. 그는 거래 환경이 전통적인 공개 외침 금융 시장에서 화면 기반 거래로, 그리고 더 최근에는 알고리즘으로 어떻게 진화했는지에 대해 논의하기 시작했습니다. 이러한 변화를 설명하기 위해 그는 개인이 재산을 찾기 위해 강에서 금괴를 찾아 헤매던 골드러시 시대에 비유했습니다.
스타크 박사는 데이터 분석, 기계 학습, 인공 지능과 같은 고급 도구의 출현으로 거래가 점점 더 복잡해지고 있다고 강조했습니다. 그는 이동 평균과 같은 단순한 기술 지표가 더 이상 효과적이지 않으며 전문 거래가 양적 전략의 활용으로 이동했다고 설명했습니다. S&P 500 또는 Spy ETF에 대한 벤치마킹과 함께 시장과 상관관계가 없는 수익을 나타내는 알파의 기존 정의가 제시되었습니다.
발표자는 오늘날 시장에서 알파 전략이 직면한 문제를 강조했습니다. 고주파 거래자를 포함한 플레이어의 확산으로 시장 효율성과 무작위성이 증가하여 수익 창출이 더 어려워지고 예측 지표의 효율성이 감소한다고 지적했습니다.
다음으로 마이크로알파의 개념이 소개되었고 연사는 기계 학습을 사용하여 이러한 작고 특수한 알파 생성 전략을 생성하는 방법을 시연했습니다. 배깅 또는 부트스트랩 집계와 같은 앙상블 방법을 사용하여 여러 약한 예측 변수를 결합하면 분산이 감소하고 과적합 위험이 낮은 더 강력한 예측 변수를 생성할 수 있습니다. 발표자는 마이크로 알파 전략 내에서 약한 예측 변수로 이동 평균 교차 거래 신호를 사용하여 이 개념을 설명했습니다. 백테스팅과 결과를 훈련 세트와 테스트 세트로 분할함으로써 보다 수익성 있는 거래 전략을 개발할 수 있습니다.
Dr. Stark는 과적합을 피하기 위해 거래 전략을 테스트하고 최적화하는 것이 중요하다고 강조했습니다. 단순히 최상의 매개변수 세트를 선택하는 대신 연사는 사용 가능한 매개변수를 플로팅하고 선택한 테스트와 메트릭 간의 상관관계를 찾을 것을 제안했습니다. microalpha 전략에서 overfitting에 대한 Robustness가 논의되었으며, 약한 알파를 결합하는 방법으로 bagging을 통한 aggregation의 사용이 강조되었습니다. 연사는 알파 조합이 어떻게 결과를 향상시킬 수 있는지에 대한 예로 클라이언트의 전략을 제시했습니다.
또한 연사는 마이크로 알파가 개별적으로는 눈에 띄지 않지만 결합하여 보다 견고하고 효과적인 거래 전략을 만들 수 있는 "금융 지질학" 또는 "알파 마이닝"의 개념을 소개했습니다. 그들은 사용된 자산 또는 거래 전략의 수와 그 상관관계를 나타내는 폭의 중요성을 강조했습니다. 기술을 확장하는 것은 어려운 일이지만 폭을 넓히면 정보 비율이 높아지고 성능이 향상될 수 있습니다.
그런 다음 토론은 성능 최적화에서 포트폴리오 가중치 및 계층 구조의 중요성으로 이동했습니다. 동일한 가중치, 중요한 고객 자산이 있는 자산 관리자를 위한 접선 포트폴리오, 위험을 감수하는 소매 거래자를 위한 최적 f와 같은 다양한 가중치 체계가 설명되었습니다.
거래 비용을 이해하고 최소화해야 할 필요성과 함께 시간 경과에 따른 위치 변경을 생성하기 위한 신호 생성 및 정규화에 대해 논의했습니다. 연사는 스케일링을 통해 롱온리 전략을 준숏 전략으로 전환할 수 있는 방법을 강조했습니다. 그들은 또한 포지션 크기가 평일에 따라 달라지고 잠재적으로 새로운 전략의 설계로 이어지는 전략의 평일 효과의 존재를 언급했습니다. 거래 알고리즘은 거래 비용을 최소화하기 위한 수단으로 강조되었으며, 도착 가격 알고리즘을 예로 보여주었습니다.
연사는 트랜잭션에 대한 최상의 실행에 가까운 실행을 식별하는 데 도움이 되는 실행 곡선 모델인 alumgram I'm going Chris 모델을 소개했습니다. 중간 가격보다 더 나은 실행을 달성함으로써 트레이더는 거래 비용을 줄이고 더 작은 가장자리를 활용하여 모델에 더 많은 마이크로알파를 추가할 수 있습니다. ESG 전략이 예시로 제시되어 변동이 심한 시장 상황에서 탄력성을 보여주었습니다.
Dr. Starke는 과적합에 대한 질문에 답변하고 과적합을 측정하고 완전히 제거하는 것이 어렵다고 설명했습니다. 그는 더 많은 알파를 추가하고 추가할 때마다 테스트를 실행하여 점포 비율이 개선되는지 여부를 관찰할 것을 제안했습니다. 그러나 그는 체리피킹의 가능성에 대해 경고하고 완전히 피할 수는 없더라도 과적합을 최대한 최소화하는 것이 중요하다고 강조했다. 그는 청중들에게 세션이 끝난 후 받게 될 설문 조사에서 추가 질문이 있으면 질문하도록 독려했습니다.
세션이 끝날 무렵 연사는 작업을 단순화하기 위해 황소와 곰 사이의 정권 정의 재판에 대한 다음 세션 전에 15 분 휴식을 발표했습니다. 그들은 또한 일본 도쿄의 Lauren Burner가 세션에 참여할 것이라고 언급했습니다. 연사는 Thomas Paul에게 첫 번째 세션에 참석해 준 것에 대해 감사를 표하고 곧 그를 다시 만날 수 있기를 희망한다고 말했습니다.
Thomas Starke 박사는 "마이크로 알파" 개념과 금융 지질학에 대한 귀중한 통찰력을 제공했습니다. 그는 전통적인 시장에서 알고리즘 기반 전략으로의 거래 진화, 오늘날 시장 환경에서 알파 전략이 직면한 문제, 마이크로알파를 생성하는 기계 학습의 잠재력에 대해 논의했습니다. 포트폴리오 가중치, 거래 비용 관리 및 거래 알고리즘 사용의 중요성과 함께 테스트, 전략 최적화 및 과적합 방지의 중요성이 강조되었습니다. 연사는 또한 더 나은 실행을 위해 alumgram I'm going Chris 모델을 소개하고 마이크로 알파에 대한 퀀트라 과정의 출시를 발표했습니다. 세션은 추가 질문에 대한 요청과 다음 세션 전에 휴식으로 끝났습니다.
체계적인 옵션 거래 소개 | 무료 웨비나
체계적인 옵션 거래 소개 | 무료 웨비나
Continuum의 퀀트 애널리스트 Akshay Chaudhary는 체계적인 옵션 거래의 중요성에 대해 통찰력 있는 발표를 했습니다. 그는 직감과 감정에 기반한 거래의 함정을 설명하면서 상당한 손실을 입었던 거래자의 불행한 경험을 자세히 설명했습니다. Akshay는 잘 정의된 거래 계획, 엄격한 논리적 프레임워크 및 위험 완화를 위한 손절매 조치의 필요성을 강조했습니다.
연사는 옵션 거래에 대한 체계적인 접근 방식에 대해 자세히 설명하면서 다단계 프로세스를 설명했습니다. 공급업체 또는 Yahoo Finance 또는 Google Finance와 같은 무료 소스에서 얻을 수 있는 옵션 데이터를 획득하는 것으로 시작합니다. 그런 다음 데이터는 크기에 따라 CSV 파일 또는 데이터베이스에 구성 및 저장됩니다. 다음 단계는 특정 매개변수를 기반으로 데이터를 스크리닝하여 전체 데이터 세트의 하위 집합을 생성하는 것입니다. 그런 다음 옵션 전략이 정의되고 진입 및 퇴출 규칙이 설정됩니다. 이 전략은 백테스팅을 거쳐 최대 드로다운, 샤프 비율 및 분산과 같은 메트릭을 기반으로 성능을 평가합니다. 마지막으로, 수익을 극대화하거나 위험을 최소화하기 위해 매개변수를 조정하여 전략을 최적화하고 실제 시장 설정에서 그 효과를 검증하기 위해 포워드 테스트 또는 페이퍼 트레이딩을 거칩니다.
데이터 검색 및 정리의 중요성을 강조하고, 적절한 옵션을 식별하기 위한 스크리너 생성, 진입 및 퇴장에 대한 명확한 거래 규칙 정의, 성과 평가를 위한 백테스팅 수행, 필요한 경우 전략 최적화, 실시간 시장 상황. 연사는 거래 진입과 청산을 위한 기술적 지표를 활용하는 백 쇼트 버터플라이 전략을 예로 소개했습니다. 그들은 데이터 가져오기, 지표 계산, 신호 생성 및 전략 백테스팅을 위한 코드를 시연했습니다.
비디오 프레젠테이션은 간단한 전략의 백테스팅 결과를 보여주었습니다. 이 전략은 특정 진입 및 퇴출 조건에 의존했으며 백테스팅 결과는 순이익과 누적 손익을 보여줍니다. 연사는 아이언 콘도르와 같은 보다 복잡한 전략을 언급하고 실제 시장에 배포하기 전에 종이 거래 시나리오를 통한 포워드 테스트 전략의 중요성을 강조했습니다. 신뢰할 수 있는 출처에서 데이터 얻기, 거래 비용 및 슬리피지 고려, 자본 버퍼 유지, 위험을 효과적으로 관리하기 위한 손절매 조치 구현을 포함하여 체계적인 옵션 거래의 해야 할 일과 하지 말아야 할 일에 대해서도 논의했습니다.
손절매 주문, 헤징 등의 전략을 강조하면서 옵션 거래의 위험 관리가 강조되었습니다. 옵션 거래의 4가지 주요 작업은 전략 백테스팅 및 최적화, 적절한 포지션 크기 조정 및 위험 관리 기법 활용, 거래 시스템의 단순성 유지, 수립된 계획 준수 등입니다. 반대로 거래자들은 시스템을 복잡하게 만들고, 전략을 방해하고, 단일 전략에 과도하게 노출하고, 유동성이 낮은 옵션을 거래하지 않도록 권고받았습니다. 연사는 또한 체계적 거래 및 거래 전략의 다양한 측면을 다루는 "체계적 옵션 거래"라는 종합 코스를 홍보했습니다.
역사적 옵션 체인 데이터를 획득하는 맥락에서 Yahoo Finance에 대한 대안을 모색했습니다. 과거 옵션 체인 데이터에 대한 액세스를 제공하는 TD Ameritrade 또는 E-Trade와 같은 브로커 플랫폼이 권장되었습니다. OptionMetrics 또는 IvyDB와 같은 제3자 데이터 제공업체도 비용이 들지만 과거 옵션 데이터의 출처로 언급되었습니다. 개인의 니즈에 맞는 신뢰할 수 있는 데이터 제공자를 선정하기 위해서는 철저한 조사가 이루어져야 함을 강조하였다.
연사는 옵션 거래에서 실시간 데이터를 위한 데이터 벤더의 중요성을 강조하며 신뢰할 수 있는 데이터 소스의 필요성을 강조했습니다. 그들은 과정 내용에 관한 질문에 대답하여 시청자에게 접영 옵션에 대한 백테스팅 파일이 제공될 것이라고 확신시켰습니다. 코스는 버터플라이 전략, 아이언 콘도르 전략, 스프레드와 같은 전략을 다루었습니다. 옵션에 대한 기본적인 이해가 있는 개인을 대상으로 기본 수준에서 고급 수준에 이르는 과정임을 명확히 했습니다. 기술 분석은 지식을 갖는 데 도움이 되지만 전제 조건은 아닌 종료 도구로 언급되었습니다.
발표자는 알고리즘 거래의 집행 프로그램과 옵션 거래 간의 중복, Python의 백테스팅을 위한 데이터 가용성, 옵션을 비유동성으로 간주하는 기준에 관한 청중의 다양한 질문을 다루었습니다. 기술 지표 및 기계 학습을 위한 라이브러리를 사용하여 백테스팅을 위한 기본 코딩 언어로 Python을 권장했습니다. 그러나 Java와 같은 다른 언어도 사용할 수 있다는 점에 주목했습니다. 발표자는 Python 인터페이스를 제공하는 BlueShift를 백테스팅의 또 다른 옵션으로 언급했습니다.
확장하기 전에 전방 테스트 전략의 중요성이 강조되었습니다. 자본을 늘리거나 조정을 하기 전에 실제 시장에서 전략이 잘 수행되는지 확인하기 위해 몇 달에서 1년 동안 포워드 테스트를 수행하는 것이 좋습니다. 시스템의 효율성에 대한 확신은 대규모로 배포하기 전에 매우 중요합니다. 포워드 테스트 기간은 거래 빈도와 사용된 특정 전략에 따라 달라질 수 있습니다. 발표자는 포워드 테스트 전에 철저한 백 테스트와 페이퍼 트레이딩이 필요하며 시스템 성능을 모니터링하면서 점진적으로 자본을 확대해야 한다고 강조했습니다.
연사는 다양한 시장 시나리오를 포착하고 다양한 조건에서 성과를 평가하기 위해 최소 3~4개월 동안 체계적인 옵션 거래 전략을 테스트할 것을 권장했습니다. 공급 및 수요 전략 자동화에 대한 질문과 과정이 IV(내재 변동성) 표면에 기반한 전략을 다루는지 여부를 포함하여 여러 청중 질문이 처리되었습니다. 연사는 또한 캘린더 스프레드에 대한 간략한 설명을 제공하고 관심 있는 학습자들에게 코스 카운슬러와 연결하여 퀀트 트레이더가 되는 것과 같은 목표에 가장 적합한 코스를 결정하도록 조언했습니다.
스윙 또는 반전 양초를 식별하기 위해 알고리즘을 사용할 가능성에 대해 논의했습니다. 화자는 해머 패턴과 같은 촛대 패턴과 같은 특정 양초 매개변수 또는 속성을 기반으로 하는 논리적 규칙의 개발에 따라 실행 가능성이 달라진다고 설명했습니다. 거래를 위한 C++와 Python 사이의 선택과 관련하여 Python은 더 긴 기간 동안 충분하고 C++는 짧은 대기 시간과 높은 빈도의 거래에 더 적합하다고 제안되었습니다. 알고리즘 옵션 거래에 관심이 있는 초보자를 위해 연사는 선물 및 옵션 거래 트랙에서 정량적 접근 방식을 탐색할 것을 권장했습니다. 그들은 또한 Python 및 Interactive Brokers를 사용한 자동 거래의 관련성을 강조했습니다.
연사는 참석자들에게 피드백을 제공하고 모든 질문이 해결되었는지 확인하기 위한 설문 조사를 완료하도록 권장함으로써 웨비나를 마무리했습니다. 그들은 시청자에게 웨비나 참석자에게만 제공되는 독점 할인을 상기시키고 등록하기 전에 과정 페이지를 검토하고 무료 미리보기를 활용할 것을 제안했습니다. 시청자는 추가 정보 및 맞춤형 학습 경로를 위해 코스 카운셀러와 연결하도록 초대되었습니다. 발표자는 청중의 지원에 감사를 표하고 향후 웨비나에 대한 피드백을 제공하도록 독려했습니다.
알고리즘 트레이딩의 경쟁력 | 알고리즘 트레이딩 코스
알고리즘 트레이딩의 경쟁력 | 알고리즘 트레이딩 코스
웨비나에서 Quantum City의 공동 창립자이자 CEO인 Nitesh Khandelwal은 알고리즘 거래에서 경쟁 우위의 중요성에 대해 자세히 설명했습니다. 그는 우위가 무엇인지 정의하는 것으로 시작했고 다양한 거래 전략의 예를 제공했습니다. Khandelwal은 경쟁 우위가 무역 사업이 성공함에 따라 번창하는 데 중요하다고 강조했습니다. 세션 내내 시청자는 무역 기업이 얻을 수 있는 광범위한 에지와 다양한 유형의 전략과 관련된 특정 에지에 대해 포괄적으로 이해했습니다.
Khandelwal은 전 세계적으로 체계적인 거래 및 투자를 가능하게 하고 권한을 부여하는 생태계를 만드는 임무를 맡은 조직인 QuantInsti를 소개했습니다. 그는 Quantra라는 선도적인 인증 프로그램, 연구 및 거래 플랫폼인 Blue Shift, 20개국에 걸친 기업 파트너십을 비롯한 몇 가지 이니셔티브를 강조했습니다. 이러한 이니셔티브를 공유함으로써 연사는 QuantInsti의 사명에 대한 약속을 보여주었습니다.
계속해서 발표자는 비즈니스 관점에서 경쟁 우위에 대해 이야기하면서 경쟁 우위를 기업이 보유하고 있는 이점으로 정의했습니다. 이를 설명하기 위해 애플, 구글, 테슬라, JP모건, 골드만삭스 등 유명 기업을 언급하며 이들의 경쟁력은 무엇일지 고민해보라고 했다.
다음으로 Khandelwal은 특히 알고리즘 거래에서 경쟁 우위를 조사했습니다. 그는 독점 기술, 지적 재산권, 고유한 제품 또는 서비스, 첨단 기술, 강력한 기업 문화, 특정 리소스 또는 생태계에 대한 액세스를 포함하여 다양한 경쟁 우위 소스를 설명했습니다. 그는 알고리즘 거래의 맥락에서 자동화 또는 수동으로 관리할 수 있는 특정 논리 또는 조건에 따라 주문을 하는 것과 관련이 있다고 설명했습니다. 거래에서 알고리즘을 사용하면 더 빠른 데이터 처리, 효율적인 검색 기능 및 개선된 사용자 인터페이스 또는 흐름을 가능하게 하여 경쟁 우위를 제공합니다. 연사는 RenTech를 알고리즘 트레이딩 도메인에서 지적 재산과 시스템을 통해 상당한 우위를 확보한 회사의 예로 언급했습니다.
그런 다음 논의는 거래 전략의 분류로 옮겨갔습니다. Khandelwal은 투자 또는 거래 스타일을 양적, 기술 또는 기본으로 광범위하게 분류했습니다. 그는 기본 거래 관점 또는 요인을 추세, 평균 복귀 또는 이벤트 기반으로 추가로 분류했습니다. 그는 계속해서 모멘텀 거래, 통계 차익 거래, 가치 투자, 브레이크 아웃 거래, 캐리 거래 및 이벤트 기반 시스템과 같은 전략을 포함하여 거래 세계에서 15가지 주요 분리 및 경쟁 우위를 설명했습니다. 연사는 이러한 시스템 중 일부는 고도로 자동화된 반면 다른 시스템은 보다 재량적인 의사 결정을 수반한다고 강조했습니다.
Khandelwal은 알고리즘 거래에서 경쟁 우위로서의 속도의 중요성을 언급하면서 전송 또는 네트워크 대기 시간을 포함하여 거래의 모든 측면에서 대기 시간을 줄여야 할 필요성을 강조했습니다. 그는 낮은 대기 시간을 달성하려면 데이터가 이동하는 데 걸리는 시간을 최소화하기 위해 근접 데이터 센터의 교환기 근처에 시스템을 공동 배치하거나 배치하는 것이 포함된다고 설명했습니다. 전송 대기 시간을 최적화한 후 알고리즘 거래 시스템의 하드웨어 및 소프트웨어 인프라를 추가로 개선하여 데이터가 거래소에 도달하는 데 걸리는 시간을 줄일 수 있습니다. 연사는 거래 시스템이 빠를수록 초단타 매매 회사에 중요한 알파가 더 중요하다고 강조했습니다.
토론은 데이터 품질 및 수요 평가를 위한 위성 이미지와 같은 대체 데이터 소스에 대한 액세스와 같은 알고리즘 거래의 다른 경쟁 우위로 확장되었습니다. Khandelwal은 아이디어를 실행 가능한 행동으로 효율적으로 전환하는 전략 인프라의 중요성을 강조했습니다. 그는 또한 광범위한 연구 기능, 고급 가격 모델, 브로커 또는 프라임 브로커를 통한 다양한 시장 접근의 이점을 언급했습니다. 연사는 발표 내내 알고리즘 트레이딩에서 성공하기 위해서는 남다른 경쟁력이 있어야 한다는 점을 강조했다.
다뤄진 한 가지 주제는 구매자와 판매자가 가격에 동의한 후 시장 조성자가 거래 수락에 대한 최종 발언권을 갖는 외환 거래의 "마지막 보기" 개념이었습니다. 이 우선 액세스는 거래에서 중요한 이점으로 작용합니다. 또한 Khandelwal은 트레이더가 상당한 손실을 피하는 데 도움이 되므로 원활한 백 오피스와 적절한 위험 관리의 중요성을 전산 에지로 강조했습니다. 그는 또한 거래에 유연성을 제공하는 즉각적인 지불 없이 자금에 접근할 수 있는 이점을 강조했습니다.
나아가 금융기관과 트레이더가 알고리즘 트레이딩에서 가질 수 있는 경쟁력에 대해 논의했다. 그는 낮은 자금 조달 비용과 트레이딩 데스크에 대한 온탭 액세스를 은행이 누리는 주요 이점으로 확인했습니다. 또 다른 이점은 자본 이득세를 0으로 효과적으로 줄이는 세금 구조를 갖는 것입니다. 정보, 뉴스 및 규제 변경에 대한 액세스도 중요한 이점으로 작용합니다. 마지막으로 고유한 전략, 하드웨어 및 소프트웨어 향상, 독점 프로세스를 포함한 지적 재산은 트레이더에게 경쟁에서 상당한 이점을 제공합니다.
토론을 계속하면서 Khandelwal은 트레이더의 성공과 빠른 성장에 기여할 수 있는 9가지 경쟁 우위를 강조했습니다. 이러한 엣지에는 프로세스 노하우, 특허, 기술, 전담 팀 및 연속성이 포함됩니다. 이러한 에지 중 하나 이상을 보유하는 것은 트레이더가 시장에서 성공할 수 있는 견고한 기반이 될 수 있습니다. 그런 다음 발표자는 속도, 시장 데이터, 전략 인프라, 백오피스 위험 관리, 자금 조달 비용 및 지적 재산과 같은 요소를 포함하여 쌍 거래 및 고주파 시장 조성과 같은 특정 전략에 대한 관련 우위를 설명했습니다.
연사는 자신의 거래 전략과 관련된 특정 에지를 식별하고 획득하는 것의 중요성을 강조했습니다. 트레이더가 올바른 이점을 획득하고 활용하는 데 집중할 수 있기 때문에 선택한 전략과 일치하는 에지 유형을 이해하는 것이 중요합니다. Khandelwal은 또한 효과적인 위험 관리의 중요성을 강조하고 독점 위험 관리 도구의 활용에 대해 언급했습니다.
규제 문제를 탐색하기 위해 발표자는 귀중한 통찰력을 제공할 수 있는 FAQ 또는 자주 묻는 질문 섹션과 같은 규제 기관의 리소스부터 시작할 것을 제안했습니다. 마지막으로 Khandelwal은 시청자에게 자체 알고리즘 트레이딩 데스크를 구축하거나 퀀트 트레이딩 분야에서 경력을 쌓는 데 관심이 있는 사람들을 위해 EPAT 프로그램을 고려하도록 권장했습니다.
Q&A 세션에서 연사는 규정에서 숏 감마 전략과 같은 특정 거래 전략에 이르기까지 다양한 주제에 대해 청중의 다양한 질문에 답했습니다. 그는 시장 미세구조의 중요성을 강조하고 이 분야에서 풍부한 경험을 가진 새로운 교수진인 Dr. Robert Kissel을 소개했습니다. Khandelwal은 또한 데이터 과학을 거래에 적용하는 것에 대한 질문에 응답하면서 데이터 과학에는 기계 학습이나 데이터 분석을 넘어 여러 응용 프로그램이 있음을 강조했습니다. 그는 거래에서 데이터 과학의 잠재력을 최대한 활용하기 위해 통계 및 금융 시장에 대한 기본적인 이해를 가질 것을 권장했습니다.
또한 발표자는 시장 추세 예측, 위험 관리, 적절한 전략 결정을 위한 체제 감지 등 알고리즘 거래에서 머신 러닝의 사용 사례에 대해 논의했습니다. 그는 자동화가 거래의 심리적 측면을 어느 정도 극복하는 데 도움이 될 수 있지만 궁극적으로 자동화가 있든 없든 체계적인 접근이 성공으로 이끄는 것임을 인정했습니다. Khandelwal은 프로그래밍에 능숙하지 않은 사람들에게 알고리즘 거래에 완전히 전념하기 전에 프로그래밍을 배우고 관심 수준을 측정하기 위해 무료 리소스로 시작하라고 조언했습니다.
마지막 부분에서 Khandelwal은 알고리즘 거래에 사용되는 프로그래밍 도구에 중점을 두었습니다. 그는 교환기에 연결하고 데이터를 디코딩하는 소프트웨어를 만드는 것이 일반적으로 C++에서 또는 심지어 하드웨어에서 직접 수행된다고 강조했습니다. 그러나 전략 개발을 위해 마이크로초 단위로 주문을 처리해야 하는 초단타매매가 주를 이루는 경우가 아니면 파이썬을 자주 사용한다. 연사는 참가자들에게 시간 제약으로 인해 답이 없는 질문을 이메일로 보내도록 권장했습니다.
Nitesh Khandelwal은 알고리즘 거래의 경쟁 우위 개념에 대한 통찰력 있는 프레젠테이션을 제공했습니다. 그는 다양한 유형의 에지, 거래 전략 및 역동적인 거래 시장에서 성공하기 위해 관련 이점을 얻는 것의 중요성에 대한 포괄적인 이해를 제공했습니다.
엄청난 속도로 번성하고 성장할 수 있습니다. 그런 다음 속도, 시장 데이터, 전략 인프라, 백 오피스 위험, 자금 조달 비용 및 지적 재산을 포함하여 쌍 거래 및 고주파 시장 조성과 같은 특정 전략에 대한 관련 우위를 설명합니다.
무엇이든 물어보세요: 거래의 감정 분석 및 대체 데이터
무엇이든 물어보세요: 거래의 감정 분석 및 대체 데이터
웨비나는 사회자가 CSAF(Sentiment Analysis and Alternative Data for Finance) 교수진에 속한 세 명의 패널리스트를 소개하는 것으로 시작되었습니다. CSAF는 거래, 투자 의사 결정 및 뉴스 분석의 다양한 측면을 다루는 금융 업계의 전문가를 위해 설계된 종합 과정입니다. 패널리스트에는 Christina Alvanoudi-Schorn 교수, Gautam Mitra 교수, Pete Black 박사가 포함되었으며, 이들은 각각 뛰어난 재무 배경과 전문 지식을 제공했습니다. 세션에서는 Unicom, Opturisk Systems 및 Contingency에 대한 간략한 소개와 함께 CSAF 및 그 이점에 대한 정보도 제공했습니다.
소개가 끝난 후 발표자들은 AMA(무엇이든 물어보세요) 세션의 구성에 대해 설명했습니다. 그들은 다양한 국가에서 받은 질문을 결합하여 감정 분석, 대체 데이터, 경력 기회 및 기타 질문의 네 가지 범주로 분류했다고 언급했습니다. 그들은 모든 질문에 대답하는 것을 목표로 했지만 시간 제약으로 인해 모든 것을 해결하지 못할 수도 있음을 인정했습니다.
첫 번째 질문 세트는 정서 분석 및 거래에 중점을 두었습니다. 발표자들은 이 분야를 시작한 Peter Tetlock 교수의 2007년 논문을 언급했습니다. 그들은 시장의 자산 가격에 영향을 미치기 전에 감정에 양수 또는 음수 값을 할당하는 방법을 설명하면서 거래에서 감정 분석의 개념에 대해 논의했습니다. 그들은 뉴스 분석 및 금융에 관한 핸드북과 금융에 대한 정서 분석을 해당 주제에 관심이 있는 사람들에게 유용한 리소스로 언급했습니다. 옥스포드의 Stephen Pullman 교수가 강조한 것처럼 단어뿐만 아니라 정보 표현의 의미 분석의 중요성도 강조되었습니다. Christina Alvanoudi-Schorn 교수는 자산 배분, 포트폴리오 최적화 및 신용 위험 분석과 같은 금융 산업 내에서 감정 분석 구현 및 광범위한 응용 프로그램과 관련된 특정 질문에 답변했습니다.
그런 다음 발표자들은 정서 분석 및 시장 움직임 예측을 위한 Python 및 기계 학습 기술의 사용에 대해 논의했습니다. 그들은 감정 분석 및 금융 시장 애플리케이션을 위한 잘 알려진 패키지의 가용성으로 인해 Python이 일반적으로 사용된다고 언급했습니다. 또한 고정 및 미결제약정 데이터에서 정서를 도출하고 시장 정서가 옵션 가격에 미치는 영향에 대해서도 다루었습니다. 그들은 시장 발표와 데이터 처리 사이의 시간 지연이 거래자에게 거래 전략을 알릴 수 있는 이점을 제공한다고 언급했습니다.
대체 데이터라는 주제로 전환하면서 발표자들은 대체 데이터가 기존 데이터 소스에 비해 훨씬 짧은 시간 내에 회사 수익을 예측하는 데 어떻게 사용될 수 있는지 설명했습니다. 대체 데이터는 이메일, 신용 카드 데이터, 위성 및 드론 이미지, 휴대폰의 지리적 위치 데이터를 비롯한 다양한 소스를 포함합니다. 그들은 정서 분석이 소셜 미디어의 대체 데이터에도 적용되어 개별 주식에 대한 거래자들 사이의 긍정적 또는 부정적 견해에 대한 통찰력을 제공할 수 있다고 강조했습니다. 목표는 수익성 있는 투자 결정을 내리기 위해 대체 데이터를 사용하여 미래 수익 또는 수익을 예측하는 것입니다.
연사는 Foundations of Alternative Data 강의에서 Amazon에서 판매되는 제품 및 생산자의 수익을 예측하기 위해 전자 상거래 영수증을 사용하는 것에 대한 향후 사용 사례 연구를 언급했습니다. 그들은 Walmart와 피자 회사의 영수증을 사용하여 매출 변화를 예측한 동료가 수행한 흥미로운 연구를 참조했습니다. 그들은 또한 GDELT라는 Google의 오픈 소스 뉴스 데이터 테라바이트와 관련된 사례 연구와 같은 다른 사례 연구에 대해서도 논의했습니다. 다양한 대체 데이터 소스가 나열되어 데이터 중개업의 급속한 성장을 강조했습니다.
앞으로 발표자들은 거래에서 대체 데이터를 획득하고 사용하는 것과 관련된 규정 준수 문제 및 데이터 윤리에 대해 논의했습니다. 그들은 데이터 프라이버시를 염두에 두고 획득한 데이터에 개인 식별 정보(PII)가 포함되지 않도록 하는 것의 중요성을 강조했습니다. 데이터 수집 전략의 윤리적 고려 사항도 강조되었습니다. 정서 분석과 관련하여 그들은 추구의 가치를 평가할 필요성을 경고하면서 대체 데이터를 사용하여 승리 전략을 찾는 것이 목표인 연금술에 비유했습니다.
그런 다음 특히 고급 프로그래밍 및 소프트웨어 기술 기술을 갖춘 개인을 위해 금융 시장에서의 경력 기회를 탐색했습니다. 발표자는 양적 및 AI 기계 학습 모델을 보람 있는 구현을 통해 응용 프로그램으로 변환하는 문제에 대해 언급했습니다. 그들은 CFA 또는 FRM과 같은 전통적인 자격을 갖춘 금융 산업에 이미 종사하는 전문가들이 정보 공급자와 같은 거대 기업이 새로운 기회를 제공하는 진화하는 금융 시장에서 새로운 영역을 탐색해야 한다고 제안했습니다. 연사는 또한 가시적인 결과가 없는 결과를 피하기 위해 지나치게 야심 찬 연구 목표를 설정하지 말라고 조언했습니다.
헤지펀드에서 AI와 기계 학습 인재 간의 상관관계와 그 수익에 대해 논의했습니다. 조지아 주립 대학의 연구 논문을 참조하면 시니어 또는 주니어 수준의 AI 및 기계 학습 기술을 갖춘 헤지 펀드는 연간 약 2.8%의 알파를 얻을 수 있어 추가 수익을 창출할 수 있는 개인에게 훌륭한 경력 기회가 된다는 점에 주목했습니다. 연사들은 주식 선택이나 은행의 신용 카드 및 모기지 인수 지원과 같이 AI를 활용하는 대체 투자에서 사용할 수 있는 다양한 경력 기회를 강조했습니다. 그들은 금융 시장을 위한 데이터 윤리뿐만 아니라 AI 및 기계 학습 기술에 대한 교육을 제공하는 CAIA 헌장 및 금융 데이터 전문가와 같은 프로그램을 언급하고 학생들이 업계에서 개방된 데이터 과학 직책을 추구하도록 장려했습니다.
Christina Alvanoudi-Schorn 교수는 금융 경력을 추구할 때 데이터 세트 및 감정 데이터를 이해하는 것의 중요성과 기계 학습 알고리즘의 결과를 해석하는 방법을 강조했습니다. 그녀는 데이터 과학이 재무에만 국한되지 않고 거의 모든 회사에서 찾을 수 있다고 언급했습니다. 그러나 그녀는 특히 정서 분석 및 대체 데이터와 관련하여 금융 분야에서 열려 있는 일자리가 많다는 점을 강조했습니다. Python 및 예측 기술에 대한 지식을 갖춘 알고리즘 거래에 관심이 있는 사람들을 위해 그녀는 시작하는 데 도움이 되는 책의 가용성에 대해 언급했습니다. 그녀가 논의한 과정에는 9개의 기초 강의(이 중 3개는 대체 데이터를 다루었음)와 업계 실무자가 제시한 12개의 사용 사례 강의가 포함되었습니다.
연사는 AFL 또는 Python이 거래에 더 나은지에 대한 질문에 답했습니다. AFL은 Amy Broker Formula Language의 약자로 전직 저널리스트가 개발했으며 기술 분석을 신속하게 구현하기 위한 언어를 제공합니다. AFL의 유용성을 인정하면서 그들은 더 깊은 수준의 분석 및 전략 구현을 위해 Python을 권장했습니다. 그들은 또한 정보에 입각한 거래를 하고 위험을 관리하기 위해 다양한 도구와 기술을 사용하는 것의 중요성을 강조했습니다. 묘책은 거래 성공을 보장하지 않지만 확률이 약간만 향상되어도 상당한 수익을 올릴 수 있습니다.
교수와 그의 동료들은 거래 모델을 구축할 때 시장 데이터와 정서 데이터를 모두 사용하는 것의 중요성에 대해 논의했습니다. 시장 데이터는 거래 또는 투자 포트폴리오의 현실을 반영하는 반면, 마이크로블로그 및 Google 검색과 같은 소스에서 수집한 정서 데이터는 시장 움직임 예측을 위한 추가 정보를 제공합니다. 그들은 예측을 위해 퀀트 모델이나 AI 기계 학습 모델을 사용할 것을 제안했지만 합의에 도달하기 위해서는 앙상블이나 투표 시스템의 중요성을 강조했습니다. 연사들은 감정 분석 프로젝트에 참여하고 웨비나를 통해 주제에 대한 교육을 제공하는 것에 대한 열정을 표명했습니다. 그들은 참석자들에게 향후 답변을 위해 이메일을 통해 질문을 보내도록 권장했습니다.
웨비나를 마치면서 참가자들은 감정 분석, 대체 데이터, 경력 기회, AI, 기계 학습 및 금융 간의 상호 작용에 대한 귀중한 통찰력을 얻었습니다. 패널리스트의 전문 지식과 경험은 해당 분야에 대한 포괄적인 개요를 제공하여 감정 분석 및 대체 데이터가 금융 산업에서 의사 결정을 형성하는 방법에 대해 청중이 더 깊이 이해할 수 있도록 했습니다.