양적 거래 전략 예

승객의 성명

양적 헤지 펀드 트레이딩 전략의 유형.

Quant Hedge Funds는 3 대륙에 존재하는 국제 기금에 10 대에 번호를 부여하는 직원이있는 중소기업에서 모든 형태와 크기로 제공됩니다. 더 큰 자산 기반이 반드시 더 많은 직원과 상관 관계가있는 것은 아닙니다. 대신, 헤지 펀드 직원은 자신이 고용하는 전략의 수에 따라 기능 할 수 있습니다. 퀀트 헤지 펀드는 주식, 채권 또는 다른 자산 클래스에 집중할 수 있지만, 헷지 펀드는 개별 주식을 따로 떼어 놓지 않는 전략을 택하지는 않습니다. 많은 CTA 또는 “Cityity Trading Advisors ”는 또한 선물 계약 또는 옵션 선물 매매 또는 소매 거래 외환 계약 (또는이 상품을 거래하는 다른 사람들에게 상담)에서 자신의 역할을 감안할 때 Quant Hedge Fund로 간주됩니다.

다음 표는 헤지 펀드의 다양한 투자 전략 유형에 대해 자세히 설명합니다. 거의 모든 헤지 펀드 투자 스타일의 양적 및 비 양적 버전 모두를 구축 할 수 있다는 점에 유의해야합니다.

상대 가치 거래 vs. 방향성 거래.

대부분의 양적 헤지 펀드의 거래 / 투자 접근 방식은 상대 가치 전략을 사용하는 전략과 전략이 방향성을 갖는 전략의 두 가지 범주 중 하나로 분류됩니다. 두 가지 전략 모두 컴퓨터 모델과 통계 소프트웨어를 많이 사용합니다.

상대 가치 전략은 여러 자산 간의 예측 가능한 가격 책정 관계 (대개 вњњ 되돌릴 수있는 관계)를 활용하려고합니다 (예 : 미국 재무부 채권 수익률이 단기간 미국 재무부 채권 수익률과의 관계 또는 암시 된 관계 두 가지 옵션 계약의 변동성). 반면에 방향성 전략은 일반적으로 증권 또는 증권 집합에 대한 상승 또는 하락 모멘텀을 암시하는 경향 추종 또는 기타 패턴 기반 경로를 기반으로합니다 (예 : 장기 채권의 미국 재무부 채권 수익률이 증가하거나 변동성을 암시 함). 쇠퇴).

상대 가치 전략.

상대 가치 전략의 일반적인 예로는 가격이 밀접하게 연결된 자산에 대한 상대 베팅 (즉, 한 자산 구입 및 다른 판매)이 있습니다.

두 개의 다른 국가의 정부 증권 두 가지 길이의 만기가되는 정부 증권 회사와 모기지 채권 증권 두 가지 파생 상품 간의 내재 변동성의 차등 주식 가격과 회사채 발행자의 채권 가격 회사 채권 수익률 스프레드와 신용 디폴트 스왑 (CDS ) 확산.

잠재적 인 상대 가치 전략 목록은 매우 길다. 위의 내용은 단지 몇 가지 예입니다. 그러나 세 가지 매우 중요하고 일반적으로 사용되는 상대 가치 전략은 다음과 같습니다.

통계적 차익 거래 : 과거의 거래 관계를 기반으로 유사한 자산 바구니 값의 평균 되돌릴 추세를 거래합니다. Statistical Arbitrage 또는 Stock Arb, ” trading의 일반적인 형태 중 하나는 주식 시장 중립 거래 (Equity Market Neutral trading)로 알려져 있습니다. 이 전략에서는 2 개의 바구니의 상대적인 무게가 다양한 위험 요인 (산업, 지리, 부문 등)에 대한 순수한 노출로 펀드를 떠나는 것을 목표로 두 개의 주식 바구니가 선택됩니다 (하나는 “long” 바구니, 하나는 “short” 바구니). ) Stat Arb는 유사하게 일치하는 ETF에 대한 지수 거래 또는 단일 회사 в ™ ™ 주식에 대한 지수 거래를 포함 할 수 있습니다. Convertible Arbitrage : 회사가 전환 사채 발행을 구매하면서 동일한 회사의 주식을 동시에 판매하는 경우, 주어진 회사의 주식이 감소하면 짧은 포지션에서 얻는 이익은 전환 가능한 채권 위치, 고정 소득 악기로 전환 할 bond†™ s 가치를 주어. 마찬가지로, 보통주의 어떤 상승 가격 움직임에서, 기금은 시장에 그 주식을 판매하는 그것의 전환 사채의 주식으로 전환에서 이익이 될 수있다 단기적으로 손실을 초과하는 금액만큼 Fixed Income Arbitrage : 인식 된 상대 이자율 변이를 이용하기 위해 개발 채권 시장에서 채권 시장 거래. Fixed Income Arbitrage 포지션은 국채, 금리 스왑 및 금리 선물을 사용할 수 있습니다.  고정 수입 차익 거래에서의 이러한 스타일의 거래 중 하나의 예로는 â € œbasis trade, 재무부 선물을 매수 (매입)하고 판매). 잠재적 인 인도 가능 채권의 해당 금액을 판매합니다. 채권의 현물 가격과 조정 된 future†™ 계약 가격 (선물 가격 Г - 전환 계수)과 쌍을 거래하는 것의 차이에 대한 견해를 봅니다. 이에 따라 자산의

방향 전략.

한편, 방향성 거래 전략은 일반적으로 추세를 따르거나 다른 패턴 기반 경로를 기반으로하여 보안 в ™ ™ 가격에 대한 상승 또는 하락 모멘텀을 암시합니다. 방향 트레이딩은 종종 기술 분석 또는 “charting의 일부 측면을 통합합니다. 과거 가격 및 물량 시장 데이터에 대한 연구를 통해 가격을 결정할 수 있습니다. 거래되는 방향은 자산 자체의 가치 (예 : 주식 가격의 추세 또는 유로 / 미국 달러 환율) 또는 직접 영향을 미치는 요소 일 수 있습니다 자산 가격 그 자체 (옵션에 대한 내재 변동성 또는 국채에 대한 이자율).

기술 거래는 이동 평균, 가격의 역사적 표준 편차를 둘러싼 밴드, 지원 및 저항 수준, 변화율 등을 포함 할 수도 있습니다. 일반적으로 기술 지표는 Quantitative Hedge Fund†™ s 투자의 유일한 기반을 구성하지 않습니다 병법; Quant Hedge Funds는 과거 가격 및 거래량 정보에 비해 많은 추가 요소를 사용합니다. 즉, 방향성 거래 전략을 채택한 Quantitative Hedge Funds는 일반적으로 일반 기술 분석보다 훨씬 정교한 전반적인 정량 전략을 가지고 있습니다.

이것은 일 상인이 기술적 인 분석에서 이익이되지 않을지도 모른다는 것을 건의하지 않기 위하여 †"반대로, 많은 기세를 바탕으로 한 무역 전략은 유익 할 수있다. 따라서 본 트레이닝 모듈의 목적 상, 퀀트 헤지 펀드 거래 전략에 대한 언급에는 기술적 분석 기반 전략 만 포함됩니다.

다른 양적 전략.

상대 가치 전략 또는 방향 전략으로 쉽게 분류되지 않는 기타 양적 거래 접근법에는 다음이 포함됩니다.

트레이더들이 하루 종일 많은 거래를하는 여러 플랫폼에서 가격 불일치를 이용하는 고주파 거래 Managed Volatility 전략은 선물 선물과 선물환을 사용하여 낮지 만 안정적인 LIBOR + 절대 수익률을 생성하고 주식, 채권 및 기타 시장의 근본적인 변동성에 따라 계약 수를 동적으로 조정합니다. Â 관리 된 변동성 전략은 주식 및 채권 시장의 최근 불안정으로 인해 최근 몇 년 동안 인기를 얻었습니다. & Larr; Quantitative Hedge Fund 란 무엇입니까? Top Quantitative Hedge Funds & rarr;

알고리즘 트레이딩의 기초 : 개념과 예제.

알고리즘은 작업 또는 프로세스를 수행하기 위해 명확하게 정의 된 지침 집합입니다.

알고리즘 트레이딩 (자동 트레이딩, 블랙 박스 트레이딩, 또는 단순한 알 고 트레이딩)은 a 컴퓨터가 불가능한 속도와 빈도로 이익을 창출하기 위해 거래를하기 위해 정의 된 명령어 세트를 따르도록 프로그래밍 된 컴퓨터를 사용하는 프로세스입니다. 인간 상인. 정의 된 규칙 집합은 타이밍, 가격, 수량 또는 모든 수학적 모델을 기반으로합니다. 상인에 대한 이익 기회와는 별도로, 알 고향 거래는 시장을보다 유동적으로 만들고 무역 활동에 대한 정서적 인적 영향을 배제함으로써보다 체계적인 거래를 만듭니다. (자세한 내용은 올바른 알고리즘 트레이딩 소프트웨어 선택을 확인하십시오.)

거래자가 다음과 같은 간단한 거래 기준을 따랐다 고 가정 해보십시오.

50 일 이동 평균이 200 일 이동 평균보다 커지면 50주의 주식을 매수하십시오. 50 일 이동 평균이 200 일 이동 평균보다 낮아지면 주가는 주식의 주식을 매도합니다.

이 두 가지 간단한 지침 세트를 사용하면 정의 된 조건이 충족 될 때 주가 및 이동 평균 지표를 자동으로 모니터링하고 구매 및 판매 주문을하는 컴퓨터 프로그램을 작성하기 쉽습니다. 상인은 더 이상 실시간 가격 및 그래프를 감시하거나 수동으로 주문할 필요가 없습니다. 알고리즘 거래 시스템은 거래 기회를 정확하게 식별함으로써 자동으로 거래를 수행합니다. 이동 평균에 대한 자세한 내용은 단순 이동 평균을 참조하십시오.

[입증 된 전략과 궁극적으로 알 고리즘 트레이딩 시스템으로 작업 할 수있는 포인트 전략에 대해 자세히 알아 보려면 Investopedia Academy의 Become a Day Trader 코스를 확인하십시오. ]

알고리즘 트레이딩의 이점.

Algo-trading은 다음과 같은 이점을 제공합니다.

가능한 최상의 가격으로 실행되는 거래 신속하고 정확한 거래 주문 배치 (따라서 원하는 수준의 실행 가능성 높음) 중요한 가격 변동을 피하기 위해 정확하고 신속한 거래 시간 단축 거래 비용 절감 (아래의 구현 부족 예 참조) 여러 항목에 대한 동시 자동 점검 시장 조건 거래 배치시 수동 오류 위험 감소 사용 가능한 과거 및 실시간 데이터를 기반으로 알고리즘 백 테 스트 정서적 및 심리적 요인에 기반한 인적 자원 거래자의 실수 가능성 감소.

현재의 고액 거래의 가장 큰 부분은 고주파 거래 (high frequency trading, HFT)입니다. 이 프로그램은 사전 프로그래밍 된 지침에 따라 여러 시장 및 여러 결정 매개 변수에 걸쳐 매우 빠른 속도로 많은 수주를 배치하려고합니다. (고주파 거래에 대한 자세한 내용은 고주파 거래 (HFT) 회사의 전략과 비밀을 참조하십시오.)

Algo-trading은 다음과 같은 다양한 거래 및 투자 활동에 사용됩니다.

주식을 대량 구매하지만 불특정 다수의 투자로 주식 가격에 영향을 미치고 싶지 않은 중장기 투자자 또는 매수 측 회사 (연기금, 뮤추얼 펀드, 보험 회사). 단기 거래자 및 매도자 측 참가자 (시장 형성 자, 투기자 및 중개인)는 자동 거래 실행의 혜택을받습니다. 또한, algo-trading은 시장에있는 판매자에게 충분한 유동성을 창출하는 데 도움을줍니다. 체계적인 거래자 (추종자, 쌍 거래자, 헤지 펀드 등)는 거래 규칙을 프로그래밍하고 프로그램이 자동으로 거래되도록하는 것이 훨씬 더 효율적이라는 것을 알 수 있습니다.

알고리즘 거래는 인간 상인의 직감이나 본능에 기반한 방법보다 적극적인 거래에 대한 체계적인 접근 방식을 제공합니다.

알고리즘 트레이딩 전략.

알고리즘 거래를위한 모든 전략에는 향상된 수익 또는 비용 절감 측면에서 수익성이 확인 된 기회가 필요합니다. 다음은 algo-trading에서 사용되는 일반적인 거래 전략입니다.

가장 일반적인 알고리즘 트레이딩 전략은 이동 평균, 채널 이탈, 가격 수준 이동 및 관련 기술 지표의 추세를 따릅니다. 이러한 전략은 예측이나 가격 예측을하지 않기 때문에 알고리즘 거래를 통해 구현하는 가장 쉽고 간단한 전략입니다. 거래는 바람직한 추세의 발생을 기반으로 시작되며, 이는 예측 분석의 복잡성에 빠지지 않고 알고리즘을 통해 구현하기 쉽고 직관적입니다. 위에서 언급 한 50 일과 200 일 이동 평균의 예는 인기있는 추세 전략입니다. (추세 거래 전략에 대한 자세한 내용은 추세를 활용하는 간단한 전략을 참조하십시오.)

한 시장에서 더 낮은 가격에 이중 상장 주식을 매수하고 다른 시장에서 높은 가격으로 동시에 매각하는 것은 가격 차이를 무위험 수익 또는 차익 거래로 제공합니다. 가격 차이가 수시로 존재하기 때문에 동일한 작업이 주식 대 선물 상품에 대해 복제 될 수 있습니다. 이러한 가격 차이를 식별하고 주문을하는 알고리즘을 구현하면 효율적인 방식으로 수익성있는 기회를 얻을 수 있습니다.

인덱스 펀드는 보유 자산을 각각의 벤치 마크 지수와 동등하게 유지하기 위해 재조정 기간을 정했습니다. 이는 인덱스 펀드 재조정 직전에 인덱스 펀드의 주식 수에 따라 20-80의 베이시스 포인트 이익을 제공하는 예상 거래를 활용하는 알고리즘 트레이더에게 수익성있는 기회를 창출합니다. 이러한 거래는 적시 실행 및 최적의 가격을 위해 알고리즘 거래 시스템을 통해 시작됩니다.

델타 중립적 인 거래 전략과 같이 입증 된 많은 수학 모델은 포트폴리오 델타가 0으로 유지되도록 양수 및 음수 델타를 상쇄하기 위해 거래가 이루어지는 옵션과 기본 보안의 조합에 대한 거래를 허용합니다.

평균 회귀 전략은 자산의 고가와 저가가 주기적으로 평균값으로 되돌아가는 일시적인 현상이라는 생각에 근거합니다. 가격 범위를 식별하고 정의하고이를 기반으로 알고리즘을 구현하면 자산 가격이 정의 된 범위를 벗어날 때 거래가 자동으로 배치됩니다.

볼륨 가중 평균 가격 전략은 대량의 주문을 분해하고 주식 관련 과거 볼륨 프로파일을 사용하여 동적으로 결정된 작은 주문 청량을 출시합니다. 목표는 VWAP (Volume Weighted Average Price)에 가까운 주문을 실행하여 평균 가격으로 이익을 얻는 것입니다.

시간 가중 평균 가격 전략은 대량의 주문을 분해하고 시작 및 종료 시간 사이의 균등하게 나뉘어 진 시간대를 사용하여 동적으로 결정된 작은 주문 청량을 시장에 출시합니다. 목표는 시작 및 종료 시간 사이의 평균 가격에 가까운 주문을 실행하여 시장 영향을 최소화하는 것입니다.

거래 주문이 완전히 채워질 때까지이 알고리즘은 정의 된 참여율과 시장에서 거래되는 거래량에 따라 부분 주문을 계속 전송합니다. 관련 "단계 전략"은 사용자 정의 시장 볼륨 비율로 주문을 보내고 주가가 사용자 정의 수준에 도달하면이 참여율을 높이거나 낮 춥니 다.

구현 부족 전략은 실시간 시장을 거래함으로써 주문의 실행 비용을 최소화함으로써 주문 비용을 절감하고 지연된 실행의 기회 비용으로부터 이익을 얻는 것을 목표로합니다. 이 전략은 주식 가격이 호의적으로 움직일 때 목표로하는 참여율을 높이고, 주가가 반대로 움직일 때 그것을 낮출 것이다.

다른 측면에서 "사건"을 식별하려고 시도하는 몇 가지 특별한 클래스의 알고리즘이 있습니다. 예를 들어 판매 측 시장에서 사용되는 이러한 "스니핑 알고리즘"은 대규모 주문의 구매 측면에서 알고리즘의 존재를 식별 할 수있는 내장 된 인텔리전스를 갖추고 있습니다. 이러한 알고리즘을 통한 탐지는 시장에서 대량 주문 기회를 파악하고 더 높은 가격으로 주문을 작성함으로써 이익을 얻을 수 있도록 도와줍니다. 이것은 때로는 하이테크 전방 주행으로 확인됩니다. (고주파 거래 및 사기 행위에 대한 자세한 내용은 다음을 참조하십시오 : 주식을 온라인으로 구입할 경우 HFT에 관여 함)

알고리즘 거래에 대한 기술적 요구 사항.

컴퓨터 프로그램을 사용하여 알고리즘을 구현하는 것이 마지막 부분으로, 백 테스트가 있습니다. 문제는 식별 된 전략을 주문 거래 계정에 액세스 할 수있는 통합 된 전산 프로세스로 변환하는 것입니다. 다음이 필요합니다.

필요한 거래 전략, 고용 된 프로그래머 또는 미리 만들어진 거래 소프트웨어를 프로그래밍하기위한 컴퓨터 프로그래밍 지식 주문을하기위한 네트워크 연결 및 거래 플랫폼에 대한 액세스 주문을 할 수있는 기회를 알고리즘이 모니터 할 시장 데이터 피드에 액세스 능력 및 인프라 실제 시장에 출시되기 전에 빌드 된 시스템을 백 테스팅하기 알고리즘에서 구현 된 규칙의 복잡성에 따라 백 테스트를위한 사용 가능한 과거 데이터.

다음은 포괄적 인 예입니다 : Royal Dutch Shell (RDS)은 암스테르담 증권 거래소 (AEX)와 런던 증권 거래소 (LSE)에 상장되어 있습니다. 차익 거래 기회를 식별하는 알고리즘을 구축해 보겠습니다. 흥미로운 관찰은 거의 없습니다.

AEX는 유로화로 거래되며, LSE는 스털링 파운드로 거래됩니다. AEX는 1 시간의 시간차로 인해 LSE보다 한 시간 앞당겨 거래가 이루어지며, 다음 두 시간 동안 동시에 거래가 이루어지고, AEX가 마감됨에 따라 지난 한 시간 동안 LSE에서만 거래가 이루어집니다. .

이 두 시장에 상장 된 Royal Dutch Shell 주식에 대해 서로 다른 통화로 차익 거래를 할 수 있는지 알아볼 수 있습니까?

현재 시장 가격을 읽을 수있는 컴퓨터 프로그램 LSE 및 AEX의 가격 피드 GBP-EUR 환율에 대한 외환 환율 피드 주문을 올바른 교환으로 전달할 수있는 주문 배치 기능 과거 가격 피드에 대한 백 테스트 기능.

컴퓨터 프로그램은 다음을 수행해야합니다.

두 거래소의 RDS 주식의 수신 가격 피드를 읽으십시오. 사용 가능한 환율을 사용하여 한 통화의 가격을 다른 통화로 변환하십시오. 유익한 기회로 이어지는 충분히 큰 가격 불일치 (중개 비용을 할인)가 존재한다면, 낮은 가격의 거래소에서 주문하고 높은 가격의 거래소에서 주문을 판매합니다. 원하는대로 주문을 실행하면 차익 거래 이익이 발생합니다.

간단하고 쉬운! 그러나 알고리즘 트레이딩의 실행은 유지 관리 및 실행이 간단하지 않습니다. 알 고가 생성 한 거래를 배치 할 수 있다면 다른 마켓 참여자도 마찬가지입니다. 따라서 가격은 밀리 초 및 심지어 마이크로 초 단위로 변동합니다. 위의 예에서 구매 주문 거래가 실행되면 어떻게되지만 주문이 시장에 출시 될 때까지 판매 가격이 변경되지 않습니다. 당신은 개방적인 자세로 앉아 결국 귀하의 차용액 전략을 쓸모 없게 만들 것입니다.

예를 들어 시스템 장애 위험, 네트워크 연결 오류, 거래 주문과 실행 간의 시간 지연, 그리고 무엇보다 불완전한 알고리즘과 같은 추가적인 위험과 과제가 있습니다. 알고리즘이 복잡할수록 더 엄격한 백 테스팅이 필요합니다.

결론.

알고리즘의 성능을 정량적으로 분석하는 것은 중요한 역할을하므로 비판적으로 검사해야합니다. 돈을 쉽게 벌기위한 개념을 가진 컴퓨터의 도움을 받아 자동화하는 것은 흥미로운 일입니다. 그러나 시스템을 철저히 테스트하고 필요한 한계를 설정해야합니다. 분석적 거래자는 올바른 전략을 확실하게 구현하는 데 자신감을 갖기 위해 스스로 프로그래밍 및 시스템을 학습하는 것을 고려해야합니다. 신중한 사용과 철저한 거래로 수익성 높은 기회를 창출 할 수 있습니다. (자세한 내용은 자신의 Algo 거래 로봇을 코딩하는 방법을 참조하십시오.)

QuantStart.

빠르게 성장하는 소매점 퀀텀 트레이더 커뮤니티를 지원하는 Quantcademy 개인 회원 포털에 가입하십시오. 당신은 당신의 가장 중요한 퀀트 트레이딩 질문에 대답 할 준비가되어있는 지식이 풍부하고 마음이 맞는 퀀트 트레이더 그룹을 찾을 수 있습니다.

퀀트 트레이딩에 관한 나의 eBook을 확인해보십시오. 여기서 저는 파이썬 툴로 수익성 높은 체계적인 트레이딩 전략을 만드는 법을 가르쳐드립니다.

Python 및 R을 사용하여 시계열 분석, 기계 학습 및 베이지안 통계를 사용하는 고급 거래 전략에 관한 새로운 전자 책을 살펴보십시오.

Michael Halls-Moore (2013 년 3 월 26 일)

이 기사에서 나는 종단 간 양적 거래 시스템을 수반하는 몇 가지 기본 개념을 소개 할 것입니다. 이 게시물은 두 명의 독자를 대상으로합니다. 첫 번째는 양적 상인으로서 펀드에서 일자리를 구하려고하는 개인입니다. 두 번째는 자신의 "소매"알고리즘 트레이딩 비즈니스를 시도하려는 개인입니다.

양적 거래는 매우 정교한 퀀텀 파이낸싱 영역입니다. 인터뷰를 통과하거나 자신의 트레이딩 전략을 수립하는 데 필요한 지식을 얻으려면 상당한 시간이 걸릴 수 있습니다. 뿐만 아니라 MATLAB, R 또는 Python과 같은 언어에서는 광범위한 프로그래밍 전문 지식을 필요로합니다. 그러나 전략의 거래 빈도가 증가함에 따라 기술적 측면이보다 적절 해집니다. 따라서 C / C ++에 익숙해지는 것이 가장 중요합니다.

양적 거래 시스템은 네 가지 주요 구성 요소로 구성됩니다.

전략 식별 - 전략 수립, 모서리 활용 및 거래 빈도 결정 전략 Backtesting - 데이터 획득, 전략 성과 분석 및 편향 제거 Execution System - 중개인과의 연계, 거래 자동화 및 거래 비용 최소화 위험 관리 - 최적의 자본 배분, 베팅 사이즈 "/ 켈리 기준과 트레이딩 심리.

먼저 거래 전략을 식별하는 방법을 살펴 보겠습니다.

전략 식별.

모든 양적 거래 프로세스는 초기 연구 기간부터 시작됩니다. 이 연구 프로세스는 전략을 찾고, 전략이 실행중인 다른 전략의 포트폴리오에 맞는지 여부, 전략을 테스트하는 데 필요한 모든 데이터를 얻는 방법, 더 높은 수익 및 / 또는 위험을 낮추기위한 전략을 최적화하려는 경우를 포함합니다. 전략을 "소매상"상인으로 운영하고 거래 비용이 전략에 어떤 영향을 미치는지 알아 보려면 자본 요구 사항을 고려해야합니다.

일반적인 믿음과는 달리, 다양한 공개 소스를 통해 수익성있는 전략을 찾는 것은 실제로 매우 간단합니다. 학자들은 이론적 인 거래 결과를 정기적으로 발표합니다 (대부분 거래 비용의 총액 임). 양적 금융 블로그는 전략에 대해 자세히 논의 할 것입니다. 무역 저널은 기금이 사용하는 전략의 일부를 개괄 할 것입니다.

왜 개인과 기업이 수익성있는 전략에 대해 논의하고 싶어하는지 질문 할 수 있습니다. 특히 "거래를 복잡하게 만드는"다른 사람들이 전략이 장기적으로 작동하지 않을 수 있다는 것을 알고있을 때 그렇습니다. 그 이유는 그들이 수행 한 정확한 매개 변수와 튜닝 방법을 자주 논의하지 않는다는 사실에 있습니다. 이러한 최적화는 상대적으로 평범하지 않은 전략을 수익성이 높은 전략으로 전환시키는 열쇠입니다. 사실, 고유 한 전략을 수립하는 가장 좋은 방법 중 하나는 유사한 방법을 찾아 자신의 최적화 절차를 수행하는 것입니다.

다음은 전략 아이디어를 찾기 시작할 수있는 작은 목록입니다.

당신이 볼 전략의 대부분은 평균 - 복귀와 추세 - 추종 / 운동량의 범주에 속할 것입니다. 평균 회귀 전략은 "가격 시리즈"(예 : 두 개의 상호 연관된 자산 사이의 스프레드)에 대한 장기 평균이 존재한다는 사실과이 평균에서 단기간의 편차가 결국 회복 될 것이라는 사실을 악용하려는 전략입니다. 모멘텀 전략은 한 방향으로 기세를 모을 수있는 시장 추세에서 "타기를 히치 (hitching)"함으로써 투자자 심리와 대규모 펀드 구조를 모두 활용하고, 그 흐름이 뒤바뀔 때까지 추세를 따라 가려고합니다.

양적 거래의 또 다른 중요한 측면은 거래 전략의 빈도입니다. 저주파 거래 (LFT)는 일반적으로 거래일보다 긴 자산을 보유하는 모든 전략을 나타냅니다. 따라서 고주파 거래 (HFT)는 일반적으로 자산을 하루 동안 보유하는 전략을 나타냅니다. 초고주파수 거래 (UHFT)는 초 단위 및 밀리 초 단위로 자산을 보유하는 전략을 나타냅니다. 소매 실무자 인 HFT와 UHFT는 확실하게 가능하지만 거래 기술 스택 및 주문서 역학에 대한 자세한 지식이 있어야만 가능합니다. 이 소개 기사에서는 이러한 측면에 대해서는 크게 언급하지 않겠습니다.

일단 전략 또는 전략 세트가 확인되면 과거 데이터에 대한 수익성을 테스트해야합니다. 그것이 역 테스팅의 영역입니다.

전략 Backtesting.

역 테스팅의 목표는 위의 프로세스를 통해 확인 된 전략이 과거 및 현재 데이터 모두에 적용될 때 수익이된다는 증거를 제공하는 것입니다. 이것은 "현실 세계"에서 전략이 어떻게 수행 될지에 대한 기대치를 설정합니다. 그러나 백 테스트는 여러 가지 이유로 성공을 보장하는 것은 아닙니다. 가능한 한 많이 고려해야하고 제거해야하는 수많은 편향을 수반하기 때문에 아마도 양적 거래에서 가장 미묘한 영역 일 것입니다. look-ahead bias, 생존 바이어스, 최적화 바이어스 ( "data-snooping"바이어스라고도 함)를 포함한 일반적인 바이어스 유형에 대해 논의 할 것입니다. backtesting에서 중요한 다른 영역으로는 역사적인 데이터의 가용성과 청결성, 현실적인 거래 비용을 고려하고 강력한 백 테스팅 플랫폼을 결정하는 것 등이 있습니다. 아래의 실행 시스템 섹션에서 트랜잭션 비용에 대해 더 자세히 논의 할 것입니다.

일단 전략이 확인되면, 테스트를 수행하고, 아마도 정교화 할 수있는 과거 데이터를 얻는 것이 필요합니다. 모든 자산 클래스에 걸쳐 상당수의 데이터 공급 업체가 있습니다. 그들의 비용은 일반적으로 데이터의 품질, 깊이 및 적시성과 함께 확장됩니다. 퀀트 트레이더 시작에 대한 전통적인 출발점은 (적어도 소매 수준에서) 야후 파이낸스의 무료 데이터 세트를 사용하는 것입니다. 나는 공급자들에게 너무 많이 머물지 않을 것이다. 오히려 역사적인 데이터 세트를 다룰 때 일반적인 이슈에 집중하고 싶다.

과거 데이터의 주된 관심사는 정확성 / 청결성, 생존자 편향 및 배당금 및 주식 분할과 같은 기업 활동 조정을 포함합니다.

정확도는 오류가 있는지 여부에 관계없이 데이터의 전반적인 품질과 관련됩니다. 스파이크 필터와 같이 오류를 쉽게 식별 할 수 있습니다. 스파이크 필터는 시계열 데이터에서 잘못된 "스파이크"를 찾아서 수정합니다. 다른 시간에 그들은 발견하기가 매우 어려울 수 있습니다. 두 개 이상의 공급자가 있고 각 공급자의 데이터를 서로 점검해야하는 경우가 종종 있습니다. 생존자 편견은 종종 무료 또는 저렴한 데이터 세트의 "특징"입니다. 생존 편향이있는 데이터 세트는 더 이상 거래하지 않는 자산을 포함하지 않는다는 것을 의미합니다. 주식의 경우에는 상장 주식 / 파산 주식을 의미합니다. 이 편향은 그러한 데이터 세트에서 테스트 된 주식 거래 전략이 과거의 "승자"가 이미 선택되어 있기 때문에 "실제 세계"보다 더 잘 수행 될 것임을 의미합니다. 기업 활동에는 회사가 수행하는 "물류 (logistical)"활동이 포함되며 원가에 계단식 기능 변경이 발생하며 이는 가격 반환 계산에 포함되어서는 안됩니다. 배당금 및 주식 분할에 대한 조정이 일반적인 원인입니다. 이 작업들 각각에서 역 조정이라고 알려진 프로세스가 수행되어야합니다. 주식 분할과 실제 수익 조정을 혼동하지 않도록 매우주의해야합니다. 많은 상인이 기업 활동에 의해 포착되었습니다!

백 테스트 절차를 수행하려면 소프트웨어 플랫폼을 사용해야합니다. Tradestation과 같은 전용 백 테스트 소프트웨어, Excel 또는 MATLAB과 같은 수치 플랫폼 또는 Python 또는 C ++와 같은 프로그래밍 언어의 완전한 사용자 정의 구현 중에서 선택할 수 있습니다. Tradestation (또는 유사), Excel 또는 MATLAB에 너무 많이 머 무르지 않을 것입니다. 아래에서 설명하는 이유 때문에 전체 사내 기술 스택을 만드는 것으로 믿습니다. 그렇게하는 것의 이점 중 하나는 극단적 인 고급 통계 전략을 사용하여 백 테스트 소프트웨어 및 실행 시스템을 긴밀하게 통합 할 수 있다는 것입니다. 특히 HFT 전략의 경우 사용자 지정 구현을 사용하는 것이 필수적입니다.

시스템을 다시 테스트 할 때 성능을 얼마나 잘 측정 할 수 있어야합니다. 정량적 전략에 대한 "산업 표준"측정 기준은 최대 축소 및 Sharpe Ratio입니다. 최대 하락률은 특정 기간 (일반적으로 연간)에 걸친 계정 자기 자본 곡선에서 가장 큰 peak-to-trough 하락을 특징으로합니다. 이것은 가장 자주 백분율로 표시됩니다. LFT 전략은 여러 가지 통계적 요인으로 인해 HFT 전략보다 더 많은 축소를하는 경향이 있습니다. 역사적인 백 테스트는 향후 최대 수익 감소를 보여 주며, 이는 향후 전략의 수익 감소 효과를위한 좋은 가이드입니다. 두 번째 측정 값은 초과 수익률의 평균을 초과 수익률의 표준 편차로 나눈 값으로 경험적으로 정의되는 Sharpe Ratio입니다. 여기에서 초과 수익률은 S & P500이나 3 개월 재무부 법안과 같은 사전 결정된 벤치 마크 이상으로 전략이 복귀 한 것을 의미합니다. 연간 수익률은 전략의 변동성 (Sharpe Ratio와는 달리)을 고려하지 않았기 때문에 일반적으로 활용되는 척도가 아닙니다.

일단 전략이 다시 테스트되었고 좋은 샤프 (Sharpe)와 드로우 다운 (drawdown)을 최소화하면서 편견이없는 것으로 간주되면 실행 시스템을 구축 할 때입니다.

실행 시스템.

실행 시스템은 전략에 의해 생성 된 거래 목록이 브로커에 의해 보내지고 실행되는 수단입니다. 무역 세대가 반자동 또는 완전 자동화 될 수 있다는 사실에도 불구하고, 실행 메커니즘은 수동, 반 수동 (즉, "원 클릭") 또는 완전히 자동화 될 수있다. LFT 전략의 경우 수동 및 반 수동 기술이 일반적입니다. HFT 전략의 경우 전략 및 기술의 상호 의존성으로 인해 무역 발전기와 긴밀하게 결합되는 완전 자동화 된 실행 메커니즘을 만들어야합니다.

실행 시스템을 만들 때 중요한 고려 사항은 중개자와의 인터페이스, 트랜잭션 비용 (커미션, 미끄러짐 및 스프레드 포함) 최소화 및 테스트 된 성능에서 라이브 시스템 성능의 차이입니다.

중개 회사와 연결하는 데는 여러 가지 방법이 있습니다. 브로커를 전화로 바로 호출하여 완전히 자동화 된 고성능 API (Application Programming Interface)까지 다양합니다. 이상적으로는 거래 실행을 가능한 한 자동화하는 것이 좋습니다. 이것은 당신이 더 많은 연구에 집중할 수있게 해줄뿐만 아니라, 여러 전략이나 더 높은 빈도의 전략을 실행할 수있게 해줍니다. (사실 자동 실행이 없다면 HFT는 본질적으로 불가능합니다). MATLAB, Excel 및 Tradestation과 같은 일반적인 백 테스팅 소프트웨어는 주파수가 낮고 단순한 전략에 적합합니다. 그러나 실제 HFT를 수행하려면 C ++와 같은 고성능 언어로 작성된 사내 실행 시스템을 구축해야합니다. 일화로, 이전에 고용 된 펀드에서 10 분마다 새로운 시장 데이터를 다운로드 한 다음 동일한 시간대에 해당 정보를 기반으로 거래를 수행하는 10 분의 "거래 루프"가있었습니다. 이것은 최적화 된 Python 스크립트를 사용하고있었습니다. 분 또는 두 번째 주파수 데이터에 접근하는 것에 대해서는 C / C ++가 더 이상적이라고 생각합니다.

대규모 펀드에서는 실행을 최적화하기 위해 퀀트 트레이더의 영역이 아닌 경우가 많습니다. 그러나 소규모 상점이나 HFT 회사에서는 상인이 유언 집행자이므로보다 폭 넓은 스킬 셋이 바람직한 경우가 많습니다. 기금에 고용되기를 원한다면이를 명심하십시오. 프로그래밍 기술은 통계 및 계량 경제학의 재능만큼이나 중요합니다.

실행의 기치에 해당하는 또 다른 주요 쟁점은 트랜잭션 비용 최소화입니다. 일반적으로 거래 비용에는 세 가지 요소가 있습니다. 수수료 (또는 세금)는 중개 회사, 거래소 및 SEC (또는 유사한 정부 규제 기관)가 부과하는 수수료입니다. 미끄러짐은 주문을 채우려는 의도와 실제 채워진 것의 차이입니다. 스프레드는 거래되는 증권의 입찰가 / 물가 사이의 차이입니다. 스프레드는 일정하지 않으며 시장의 현재 유동성 (즉, 매수 / 매도 주문의 가용성)에 좌우된다는 점에 유의하십시오.

거래 비용은 좋은 Sharpe 비율의 극도로 수익성 높은 전략과 무시 무시한 Sharpe 비율의 극단적 인 수익성이 낮은 전략 간의 차이를 만들 수 있습니다. 백 테스트에서 거래 비용을 정확히 예측하는 것은 어려울 수 있습니다. 전략의 빈도에 따라 입찰 / 청문 가격에 대한 진드기 데이터가 포함 된 과거 거래 데이터에 액세스해야합니다. 이러한 이유로 콴트의 전체 팀은 대규모 펀드의 실행 최적화에 전념합니다. 펀드가 상당량의 거래를 오프 로딩해야하는 시나리오를 고려해보십시오 (그 이유는 다양합니다!). 너무 많은 주식을 시장에 "쏟아 버리면"그들은 가격을 급격히 떨어 뜨릴 것이고 최적의 실행을 얻지 못할 수도 있습니다. 따라서 시장에 "물방울을 떨어 뜨리는"명령이 존재하지만, 펀드는 미끄러질 위험이 있습니다. 더 나아가, 다른 전략들은 이러한 필수품을 "먹이"하며 비 효율성을 악용 할 수 있습니다. 이것은 펀드 구조 차익 거래의 영역입니다.

실행 시스템의 마지막 주요 문제는 전략 성능이 백 테스팅 된 성능과 다른 점입니다. 이것은 여러 가지 이유로 발생할 수 있습니다. 우리는 이미 백 테스트를 고려할 때 미리보기 바이어스와 최적화 바이어스에 대해 이미 논의했습니다. 그러나 일부 전략에서는 배포 전에이 편향 요소를 쉽게 테스트 할 수 없습니다. 이것은 HFT에서 가장 우세하게 발생합니다. 실행 시스템에는 버그가있을뿐만 아니라 백 트레이스에는 나타나지 않지만 라이브 거래에는 나타나지 않는 거래 전략 자체가있을 수 있습니다. 시장은 전략을 전개 한 후에 체제 변화의 대상이되었을 수 있습니다. 새로운 규제 환경, 변화하는 투자 심리 및 거시 경제 현상은 시장이 어떻게 행동하고 따라서 전략의 수익성이 다른가로 이어질 수 있습니다.

위기 관리.

양적 교역 수수께끼의 마지막 부분은 위험 관리의 과정입니다. '위험'에는 앞에서 언급 한 모든 편견이 포함됩니다. 갑자기 하드 디스크 오작동을 일으키는 교환기에 함께있는 서버와 같은 기술 위험이 포함됩니다. 브로커가 파산하는 것과 같은 브로커 리스크 위험을 포함합니다 (MF Global과 최근의 공포를 감안할 때 미친 것처럼 보이지 않습니다!). 간단히 말해서 그것은 거래 구현을 방해 할 수있는 거의 모든 것을 다루고 있으며, 그 중 많은 소스가 있습니다. 전체 책은 양적 전략을위한 리스크 관리에 전념하기 때문에 모든 가능한 위험 원천을 여기에서 밝히지는 않을 것입니다.

리스크 관리는 포트폴리오 이론의 한 부분 인 최적 자본 배분 (optimal capital allocation)으로도 알려져 있습니다. 이것은 자본이 일련의 상이한 전략과 그 전략 내의 거래에 배분되는 수단이다. 그것은 복잡한 영역이며 일부 사소한 수학에 의존합니다. 최적의 자본 배분과 전략의 영향력이 관련되는 산업 표준을 켈리 기준이라고합니다. 이 글은 소개 글이므로, 나는 계산에 머 무르지 않을 것이다. Kelly 기준은 수익률의 통계적 특성에 대해 몇 가지 가정을합니다. 이는 금융 시장에서 종종 유효하지 않기 때문에 거래자는 구현 측면에서 보수적 인 경우가 많습니다.

위험 관리의 또 다른 주요 구성 요소는 자신의 심리적 프로파일을 다루는 것입니다. 거래로 들어가는 많은인지 적 편견이 있습니다. 전략이 혼자 남겨지면 이것은 알고리즘 거래와 관련하여 문제가 될 수 있습니다. 일반적인 편견은 상실감을 느끼는 고통 때문에 손실 위치가 닫히지 않는 손실 혐오감입니다. 마찬가지로 이미 이익을 잃는 것에 대한 두려움이 너무 클 수 있기 때문에 이익을 너무 일찍받을 수 있습니다. 또 다른 공통 바이어스는 최신 성 (recency) 바이어스로 알려져 있습니다. 이는 상인이 장기적인 관점이 아니라 최근의 사건에 지나치게 강조 할 때 나타납니다. 물론 두려움과 탐욕의 정서적 편향이 있습니다. 이는 종종 과소 또는 과잉 레버 리징으로 이어질 수 있으며, 이로 인해 파산 (즉, 계정 자본이 0 또는 그 이하가 됨) 또는 수익 감소가 발생할 수 있습니다.

이해할 수 있듯이 양적 거래는 매우 복잡하지만 매우 흥미로운 양적 금융 분야입니다. 나는이 기사에서 문자 그대로 표면을 긁어 냈으며 이미 오랜 시간이 걸리고 있습니다! 전체 책과 논문은 제가 한두 문장 밖에 쓰지 않은 쟁점에 관해 쓰여졌습니다. 따라서 양적 펀드 거래를 신청하기 전에 상당한 양의 기초 연구를 수행해야합니다. 최소한 MATLAB, Python 또는 R과 같은 프로그래밍 언어를 통해 구현 경험이 풍부한 통계 및 계량 경제학에 대한 광범위한 배경 지식이 필요합니다. 보다 높은 수준의 주파수에서보다 정교한 전략을 얻으려면 기술 설정이 필요할 것입니다 Linux 커널 수정, C / C ++, 어셈블리 프로그래밍 및 네트워크 대기 시간 최적화를 포함합니다.

자신의 알고리즘 트레이딩 전략을 만드는 데 관심이 있다면 먼저 프로그래밍을 잘하는 것이 좋습니다. 필자가 선호하는 것은 가능한 한 많은 데이터 수집기, 전략 백 테스터 및 실행 시스템을 가능한 한 많이 구축하는 것입니다. 자신의 수도가 라인에 있다면, 당신이 당신의 시스템을 완벽하게 테스트하고 그 함정과 특별한 이슈를 알고 있다는 것을 알면서 밤에는 잘 자지 않겠습니까? 장기간에 걸쳐 시간을 절약 할 수는 있지만 공급 업체에 아웃소싱하는 것은 장기적으로 매우 비쌀 수 있습니다.

양적 거래 시작하기?

QuantStart 목록을 구독해야하는 3 가지 이유 :

1. 퀀트 트레이딩 레슨.

계량 거래를 시작하는 데 도움이되는 힌트와 팁으로 가득한 무료 10 일간 코스에 즉시 액세스 할 수 있습니다!

2. 모든 최신 내용.

매주 나는 퀀트 스타트에서 모든 활동의 포장을 보내드릴 것입니다. 그래서 당신은 결코 다시 글을 놓치지 않을 것입니다.

현실감 넘치는 퀀 트레이딩 팁.

일반적인 거래 알고리즘 유형.

이것은 오늘날 거래되는 양적 금융 알고리즘의 일반적인 유형에 대한 간략한 개요입니다. 물론 이것은 단지 개요 일 뿐이며 포괄적 인 것은 아닙니다! 내가 다루어야하는 다른 유형이 있다고 생각한다면 알려주세요.

평균 회귀 투자자들은 주식 가격이 시간이 지남에 따라 장기 평균 가격으로 되돌아 갈 것으로 가정합니다. 그들은 통계적 유의성의 거래 범위를 결정하기 위해 주가 분석을 사용합니다. 주식이 이동 평균보다 상당히 높게 거래되고 있다면, 그들은 그것을 짧게 할 것입니다. 다른 한편으로, 주식이 이동 평균보다 크게 추세라면, 그들은 그것을 살 것입니다. 예제 전략 참조 Valuation - 할인 된 쇼핑.

투자자들은 시간에 의존하는 전략을 수립합니다. 9 월은 대개 더 낮은 수익률을 보이는 반면, 연말 및 여름철에는 시장의 수익률이 좋은 경향이 있음이 잘 알려져 있습니다. 자본 손실을 피하기 위해 일부 투자자는 세금 감면의 혜택을 받기 위해 12 월 말에 손실로 포지션을 매각하기로 결정합니다. 1 월에는 투자자들이 승리하고 소형주와 가치주를 구매하여 가격을 상승시킵니다. 주가는 휴일과 분기 마감과 다르게 변화합니다. 간단한 전략은 10 월 - 4 월에 주식 (SPY)을 매입하고 5 월에서 9 월 사이에 채권 (BSV)을 매입하고 보유하는 것입니다. 사례 전략보기 Sentiment - 소문을 사고 뉴스를 판매하십시오.

감정 분석 거래는 군중 심리학에서 나옵니다. 투자자들은 최근 뉴스에 대해 최신 정보를 얻고 구매 주식은 대중의 반응을 예측합니다. 그들은 단기적인 가격 변화를 포착하고 빠른 이익을 얻습니다. 투자자는 Google 검색 트렌드, 미디어 아울렛, 블로그 / 포럼 및 트위터 게시물을 비롯한 출처를 모니터 할 수 있습니다. 예제 전략 기본 투자를 참조하십시오.

이것은 econonmic 지표, 산업 및 부문 비교, 회사 재무 제표 분석과 같은 매크로 수준 요소를 검토하여 주식의 진정한 본질 가치를 평가하는 방법입니다. 실제 데이터에서 파생 된 계산은 주식의 실제 가격을 모델링 한 다음 주식의 시장 가격과 비교하여 구매 또는 판매 결정을 내립니다. 기본적인 분석을위한 데이터 포인트의 예로는 기업 수익, 수익, 미래 성장, 형평성 및 이익 마진이 있습니다. 기술 투자.

이 방법은 과거 실적이 미래 결과를 나타내는 것이라고 판단하여 주가의 변동 및 볼륨에 대한 과거 시장 활동을 조사합니다. 투자자는 차트, 통계 및 기타 도구를 사용하여 데이터의 패턴을 발견하여 향후 가격 변동을 예측합니다. 이 투자 스타일은 주식의 가치에 대한 가치를 분석하는 것이 아니라 증권의 향후 움직임을 분석하는 것입니다. Quantopian 코드에 기술 분석을 추가하려면 ta-lib 오픈 소스 라이브러리를 참조하십시오.

이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다.

또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.

코멘트는 닫힙니다.

이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유 또는 보안 또는 전략에 대한 추천이나 보증을 구성하지 않으며 Quantopian이 투자 자문 서비스를 제공하겠다는 제안을 구성하지 않습니다.

또한이 자료는 보안 또는 특정 투자의 적합성과 관련하여 의견을 제시하지 않습니다. 여기에 포함 된 어떤 정보도 콴토 피안이나 그 계열사가 투자 자문을 제공하려고 시도하지 않으며, 콴토 피안 또는 그 계열사의 자문 역할을 수행하지 않으므로 투자 관련 행동 강령에 관여하거나 자제하는 제안으로 간주되어서는 안됩니다. 1974 년 개정 된 근로자 퇴직 소득 보장법 (Employee Retirement Income Security Act), 개인 퇴직 연금 또는 개별 퇴직 연금, 또는 본 자료에 제시된 자료에 대한 신탁 능력에 관한 자문을 제공해야합니다. 개인 퇴직 또는 기타 투자자 인 경우 여기에 설명 된 투자 아이디어, 전략, 제품 또는 서비스가 귀하의 상황에 적합한 지 여부와 관련하여 Quantopian과 관련없는 재무 고문 또는 기타 신탁 인에게 문의하십시오. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. Quantopian은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다.

이 웹 사이트의 자료는 정보 제공의 목적으로 만 제공되며 판매 제안, 구매 권유, 보안 또는 전략에 대한 추천 또는 보증을 구성하지 않으며 다음과 같은 방법으로 투자 자문이나 기타 서비스를 제공하는 제안을 구성하지 않습니다. 콴토 피안. 또한 웹 사이트의 내용은 보안 또는 특정 투자의 적합성과 관련하여 어떠한 의견도 제시하지 않습니다.

콴토 피안은 웹 사이트에 표현 된 견해의 정확성 또는 완전성에 대해 어떠한 보증도하지 않습니다. 견해는 변경 될 수 있으며 시장 상황이나 경제적 상황의 변화를 비롯하여 다양한 이유로 신뢰할 수 없게 될 수 있습니다. 모든 투자에는 원금 손실을 포함한 위험이 관련됩니다. 투자 결정을 내리기 전에 투자 전문가와상의해야합니다.