DATATRADER

Nel precedente articolo sui modelli di Markov nascosti abbiamo descritto la loro applicazione per indicizzare i dati sui rendimenti come meccanismo per scoprire  i “regimi di mercato” latenti. Abbiamo analizzato i rendimenti dell’S&P500 usando le librerie statistiche Python. Abbiamo rilevato che i periodi di diversa volatilità, usando sia modelli a due stati che a tre stati. […]

In questo articolo discutiamo di un tema molto importante nel trading quantitativo ed automatico: quando “spegnere” una strategia di trading. Descriviamo i motivi per cui le strategie finiscono per sottoperformare nel lungo periodo e come misurare il decadimento nel tempo, quindi vediamo come implementare queste funzionalità all’interno del nostro framework open-source DataTrader per il backtesting

Oltre ai “soliti” trucchi relativi all’arbitraggio statistico, al trend-following e all’analisi fondamentale, molti fondi quantitativi (e trader retail!) si impegnano in tecniche di elaborazione del linguaggio naturale (NLP) per costruire strategie sistematiche. Tali tecniche rientrano nell’ambito della Sentiment Analysis . In questo articolo descriviamo ed implementiamo un gruppo di strategie di trading quantitativo che si basano una

Negli articoli precedenti è stato introdotto il concetto di cointegrazione . È stato mostrato come coppie di azioni o ETF cointegrate potrebbero portare a opportunità redditizie di trading mean-reverting. Sono stati descrtitti due test specifici, il test Cointegrated Augmented Dickey-Fuller (CADF) e il test di Johansen, che possono aiutare a identificare statisticamente i portafogli cointegrati. In questo articolo usiamo

In un precedente articolo abbiamo descritto la funzione di ribilanciamento mensile implementata nel framework di backtesting  DataTrader, effettuato dei test su un semplicistico portafoglio di ETF azioni / obbligazioni. In questo articolo descriviamo le modifiche effettuate al framework motore in modo da consentire una gestione diretta dei pesi degli strumenti che compongono un portafoglio. In particolare

Molti gestori istituzionali sono vincolati da obblighi contrattuali ad investire in strategie long-only con leva finanziaria nulla o minima. Questo causa che le loro strategie sono spesso altamente correlate al “mercato” (di solito l’indice S & P500). Sebbene questa correlazione no può essere ridotta al minimo senza applicare una copertura short del mercato, può essere

Negli articoli precedenti abbiamo introdotto le basi matematiche dei modelli spaziali statali e dei filtri di Kalman, nonché l’applicazione della libreria pykalman a una coppia di ETF per regolare dinamicamente un rapporto di copertura come base per una strategia di trading mean-reverting. In questo articolo descriviamo una strategia di trading originariamente introdotta da Ernest Chan (2012) [1] e

In questo articolo descriviamo come applicare tutte le  metodologie presentate nei precedenti articoli relativi all’analisi delle serie temporali ad una strategia di trading sull’indice S&P500 del mercato azionario statunitense. Vediamo come combinando i modelli ARIMA e GARCH possiamo  significativamente sovraperformare un approccio “Buy-and-Hold” a lungo termine. Panoramica della strategia L’idea della strategia è relativamente semplice ma se