Home
entries friends calendar user info Previous Previous
accumulator1914

Advertisement

Add to Memories
Tell a Friend
Add to Memories
Tell a Friend
Слушатель финам фм отправил СМС в студию .


"Этих успешных людей (Хелиуса и Драйвера50 пр. ред.) нужно отправлять на магаданские рудники без права возвращения!!!! Что они создают?!?! Какой материальный продукт!?!? Мыльные пузыри и финансовые кризисы от которых страдает все общество!!!"



слушать тут

http://finam.fm/controller.php?d[action]=audioplay&d[file]=http://i.finam.fm/uploads/archive_audio/2009/12/23/ca4fb61c04921e193450178ee89f9dde.mp3

Tags:

Add to Memories
Tell a Friend


На данный момент именно фьючерс на индекс РТС является излюбленным инструментом скальперов: положив на счет всего 20 тысяч рублей при высокой волатильности вы легко заработаете еще 20 тысяч (то есть 100% за 1 день), а если же волатильность не позволяет скальпировать на волнах, как это происходит в вечернюю сессию, спекулянт может легко котировать спред между заявками bid и offer, увеличивая при этом фактически безрисковую прибыль в 10 раз (размер плеча). Это и есть основной секрет скальперов, способных заработать колоссальные проценты за несколько месяцев.

вся статья здесь http://finam.livejournal.com/712855.html


Ps решил проверить.. взят щот с 30 тыщами рублей. Скальпил как научал афтар 2 часа.

резалт - 650 руб .. Так этож если взять 60 тыс то уже будет Тыща триста!!! А если миллион????? А если в банке кредит под квартиру????

...уехал выбирать яхту

Tags:

Add to Memories
Tell a Friend
Add to Memories
Tell a Friend
Взято тут http://svep.livejournal.com/110173.html

Немного истории, наш скльпинг вышел из РАО ЕЭС , это были такие серьезные дяденьки которые торговали по 100 – 600 лотов фьючерсом на РАО, я сам там был – мед пиво пил, не могу сказать про московскую тусу, я тогда в Екатеринбурге жил, но 20 – 30% объема по фьючам РАО было из екб. Была такая легендарная личность МВМ – расшифровывать не буду, полковник в отставке, специально под него рынок роняли , чтобы его на маржин колл вывести, тогда рынок неликвидный был. А сломался эта легенда в какой то мере благодаря мне, я его научил на сайте знакомств общаться… и покатилось. Ну да история не об этом, постепенно рынок расширялся, но все равно основная масса торговала РАО и гп, я сам тогда на споте торговал, системно, РАО и гп по системе на фьючах я не понимал как торговать – контанга мешала и малая ликвидность.
И вот в июле 2005 года появился он, КОРОЛЬ рынка – фьючерс на рынок РТС. В первое время там никого не было ни мм ни торгашей, но постепенно расторговали. Сладкое время наступило в начале 2006 года, когда появился маркет мейкер, точнее два по 100 к с двух сторон. Конкурентов было мало, про роботов никто слыхом не слыхивал. Я торговал по данным с сайта форекс пф - на Яве. Смотришь за даксом , сипи и торгуешь вслед, временной лаг был секнд 15, выходили данные – котировщик стоит на мертво не снимается – просто сносишь его и едешь 1000 – 2000 пунктов. , открывается Америка – следишь за сипи.
Про перенос позы – в то время ( прям как дед перед внуками :) ) вечерки не было, если рынок рос , амеры росли, я просто переносил позу, даже если утром было видно что рынок упадет и будет гэп вниз – я успевал продать с переворотом по рынку в первую секунду – снося стакан – которого не было видно :) сейчас такой номер не пройдет, все движение произошло на вечерке – а стакан к началу сессии пустой, да и не успеешь быть первым. Так же и просто без переноса, на открытии было возможно первым снести стакан и через 3 секунды закрыться.
Все эти дела в прошлом – сейчас надо работать головой, а не руками – быстрота пальцев не гарантирует успех в стакане, высокочастотные роботы торгуют в диапазоне внутри секунды. Так же роботы арбитражат спред между сипи и рашей. Такого взрывного движения, которое раньше скальперам, приносило большие доходы, за малое время уже нет – присоединившись к движению начинаешь крыться по стопу.
Приходится переходить в интрадей. И тут привычки скальпера начинают мешать, как яйца танцору :) - задаешь цель 1 000 кроешь через 200, надо высидеть 15 минут , не можешь усидеть и 5.
Ближе к теме – простой скальпинг руками умер – да здравствуют роботы и интрадей торговля!

Tags:

Add to Memories
Tell a Friend
Add to Memories
Tell a Friend
На самом деле одно из простейших объяснений про СП. Вобщем вот...

Когда речь заходит о выпуске структурированных продуктов на российском рынке, часто говорят о сложностях этого процесса, которые вызваны неразвитостью данного сегмента отечественного фондового рынка. На самом деле ситуация обстоит несколько иначе. Хотя на пути развития российского рынка структурированных продуктов действительно имеются объективные препятствия, многие из них носят иной характер. Выпуск структурированных продуктов возможен уже сейчас, причем не только простейших продуктов, которые стали активно предлагаться на российском рынке в последнее время, но и более сложных, имеющих в своем составе комбинации экзотических опционов. В данной статье, однако, мы не будем касаться сложных продуктов, а детально рассмотрим процесс конструирования и выпуска простейшего структурированного продукта.

СТРУКТУРИРОВАННЫЙ ПРОДУКТ, ПРИВЯЗАННЫЙ К ФОНДОВОМУ РЫНКУ


Рассмотрим простейший структурированный продукт, называемый на развитых рынках Equity-Linked Note (нота, привязанная к фондовому рынку). Условия данного продукта могут выглядеть следующим образом. Клиент инвестирует 100 тыс. руб. на 1 год. Через год он гарантированно получает обратно инвестированные 100 тыс. руб., а также доходность, которая рассчитывается как некоторый процент от роста индекса РТС за период вложений. Этот процент называется коэффициентом участия и может составлять, например, 40%. В случае роста индекса РТС на 50% доходность по продукту составит: 0,4 J 0,5 = 0,2 (20%) - т. е. через год инвестор получит в общей сумме 120 тыс. руб. Если же индекс РТС упадет, доходность по продукту будет нулевой, и инвестор получит лишь 100 тыс. руб. первоначального капитала. Но при любом из сценариев он не понесет убытков.
Таким образом, данный структурированный продукт сочетает в себе черты инструментов с фиксированной доходностью и инвестирования в акции, предоставляя сочетание риска и доходности, которого невозможно добиться путем комбинирования традиционных инструментов.



ВНУТРЕННЕЕ УСТРОЙСТВО ПРОДУКТА



Рассмотрим, как устроен структурированный продукт, привязанный к фондовому рынку. Для наглядности представим, что сумма вложений клиента в продукт составляет 107 тыс. руб., срок - 1 год, а процентная ставка - 7%. Банк, получив от клиента 107 тыс. руб., разбивает эту сумму на две части: 100 тыс. и 7 тыс. руб. Затем 100 тыс. руб. размещаются на стандартный депозит под 7% годовых; через год депозит вырастает до 107 тыс. руб., т. е. до первоначальной суммы вложений, что позволяет клиенту гарантированно вернуть инвестированную сумму.
Для приобретения европейских опционов колл на индекс РТС используется 7 тыс. руб. Опционы имеют срок 1 год и страйк, равный исходному значению базового актива. В случае роста базового актива по опционам колл образуется прибыль, пропорциональная росту базового актива. Если же базовый актив падает, опционы истекают неисполненными и не дают никакой прибыли.
Коэффициент участия по продукту определяется количеством опционов, которое может быть куплено на 7 тыс. руб. Если представить, что в момент выпуска продукта акция стоит 100 руб., то годовой опцион колл со страйком, равным 100 руб., при волатильности 30% будет стоить 15,21%1 от цены акции, т. е. 15,21 руб. На 7 тыс. руб. можно приобрести: 7000 / 15,21 = 460,21 опциона2.
Данное количество опционов, встроенных в продукт, обеспечивают коэффициент участия в росте, равный 43,01%. Это легко проверить: предположим, что акция за срок "жизни" продукта вырастет на 100% - до 200 руб.; 460,21 опциона колл сгенерируют прибыль, равную: 460,21 J (200 - 100) = 46 021 руб. Таким образом, клиент, вложив 107 тыс. руб. в продукт, получит прибыль в размере 46 021 руб., что соответствует доходности: 46 021 / 107 000 = 43,01%. Таким образом, при доходности рынка 100% доходность по продукту составит 43,01%, следовательно, коэффициент участия в росте рынка равен: 43,01% / 100% = 43,01%.
На рис. 1 приводится схема устройства структурированного продукта с гарантией возвратности капитала.





  Здесь следует отметить, что на самом деле в расчетах участвуют две процентные ставки: процентная ставка по депозиту, под которую инвестируется "депозитная" часть суммы вложений в продукт, и безрисковая процентная ставка, исходя из которой на рынке оцениваются опционы. Эти две ставки могут быть неравными: безрисковая может составлять, например, 7%, в то время как ставка по депозиту - 9%. Расчеты опционной премии в табл. 2 произведены исходя из неизменного уровня безрисковой процентной ставки, принятой за 7%.



ВЛИЯНИЕ ВОЛАТИЛЬНОСТИ И ПРОЦЕНТНОЙ СТАВКИ НА КОЭФФИЦИЕНТ УЧАСТИЯ


Итак, мы установили, что коэффициент участия по продукту определяется количеством опционов, встроенных в продукт. Количество опционов в свою очередь зависит от стоимости одного опциона и суммы денег, выделенной для приобретения опционов. Эти два значения зависят прежде всего от волатильности базового актива и уровня процентных ставок.

Волатильность
Чем дешевле стоят опционы, тем большее их количество может быть встроено в продукт и тем более высокий коэффициент участия может быть при этом обеспечен.
Стоимость опционов в свою очередь зависит от волатильности базового актива: чем она ниже, тем дешевле будут стоить опционы. Например, если при волатильности 30% коэффициент участия составляет, как мы только что рассчитали, 43,01%, то при волатильности 25% он вырастает до 48,95%, а при волатильности 35% падает до 38,33%. В табл. 1 для разных значений волатильности базового актива приводятся справедливая премия опциона, количество опционов, встроенных в продукт, и соответствующий коэффициент участия.

Процентная ставка
В приведенном выше примере для приобретения опционов у эмитента продукта было 7 тыс. руб. Если бы процентная ставка составляла не 7%, а, например, 10%, на депозит можно было направить не 100 тыс. руб., а PV3 (107 000) = 107 000 / (1 + 10%) = 97 272,73 руб. Данная сумма, инвестированная под 10% на 1 год, выросла бы к дате истечения продукта до 107 тыс. руб. Для приобретения опционов у банка осталось бы: 107 000 - 97 272,73 = 9727,27 руб., что позволило бы приобрести 639,51 опциона и обеспечить коэффициент участия, равный 59,77%.
Таким образом, чем выше процентная ставка по депозиту, тем более высокий коэффициент участия может быть обеспечен по продукту. В табл. 2 приводится зависимость коэффициента участия от процентной ставки по депозиту.
  Здесь следует отметить, что на самом деле в расчетах участвуют две процентные ставки: процентная ставка по депозиту, под которую инвестируется "депозитная" часть суммы вложений в продукт, и безрисковая процентная ставка, исходя из которой на рынке оцениваются опционы. Эти две ставки могут быть неравными: безрисковая может составлять, например, 7%, в то время как ставка по депозиту - 9%. Расчеты опционной премии в табл. 2 произведены исходя из неизменного уровня безрисковой процентной ставки, принятой за 7%.




ВЛИЯНИЕ СРОКА ПРОДУКТА НА КОЭФФИЦИЕНТ УЧАСТИЯ



Интересно, что чем больше срок продукта, тем выше коэффициент участия. Если по продукту сроком 1 год можно обеспечить коэффициент участия, равный 43,01%, то по продукту сроком 2 года - 54,87%, а по продукту сроком 10 лет - 83,70%. Зависимость коэффициента участия от срока продукта приведена в табл. 3.
Почему же коэффициент растет с увеличением срока продукта? Как мы уже говорили, коэффициент участия зависит от количества опционов, встроенных в продукт. Последнее в свою очередь зависит от стоимости 1 опциона и от количества денег, направляемых на их приобретение.
J С ростом срока продукта стоимость встроенных в него опционов растет, так как чем выше срок, тем дороже опцион.
J Однако с увеличением срока растет и денежная сумма, направляемая на приобретение опционов. Это связано с тем, что чем больше срок, тем меньшую сумму необходимо направлять на депозит для гарантий возвратности капитала и тем больше средств остается для приобретения опционов. Например, если при сроке 1 год на депозит направляется 100 тыс. руб., то при сроке 5 лет (для возврата по истечении 5 лет 107 тыс. руб.) на депозит достаточно направить лишь 76 289,52 руб., что оставит 30 710,48 руб. для приобретения опционов.
Таким образом, с увеличением срока растет как стоимость опциона, так и сумма денег для приобретения опционов. Однако вторая сумма увеличивается быстрее, чем первая (это связано с особенностями ценообразования опционов), в результате чего происходит рост коэффициента участия.
На рис. 2 наглядно продемонстрирована данная особенность4. Оба графика стартуют в точке, равной 100%, и демонстрируют различную скорость роста; денежная сумма, доступная для приобретения опционов, увеличивается значительно быстрее стоимости опциона. Именно это приводит к росту количества опционов, встроенных в продукт и, соответственно, к росту коэффициента участия при увеличении срока продукта. Именно поэтому на развитых рынках большинство структурированных продуктов выпускаются на срок от 5 до 7 лет; при меньших сроках коэффициент участия получается очень невысоким.

КОМИССИЯ, ВСТРОЕННАЯ В ПРОДУКТ


Каким образом зарабатывает инвестиционная компания, продавая клиентам структурированные продукты? Обычно за счет комиссии, встраиваемой в условия продукта.
Вернемся к рассмотренному примеру. Эмитент продукта на покупку опционов направит не все 7 тыс. руб., а, например, только 5 тыс. руб., оставив себе 2 тыс. руб. в качестве комиссии. В этом случае в продукт будет встроено меньшее количество опционов, что приведет к снижению коэффициента участия - для приведенного примера (2 тыс. руб. комиссии) коэффициент участия упадет до 30,75%. Несмотря на то что 2 тыс. руб. комиссии по отношению к 107 тыс. руб. инвестированной суммы составляют лишь: 2000 / 107 000 = 1,87% (что даже меньше комиссии, взимаемой ПИФами) - коэффициент участия значительно снизился - более чем на 10%. Таким образом, встраивание в продукт комиссии значительно ухудшает его привлекательность.

ГДЕ ПОКУПАТЬ ОПЦИОНЫ?



Итак, главным элементом, необходимым для выпуска описываемого простейшего структурированного продукта, является опцион. Рассмотрим, где инвестиционная компания может приобрести опционы для встраивания в продукт.

Биржевой рынок опционов (ФОРТС)
Проще всего купить опционы на биржевом рынке - секции ФОРТС биржи РТС. Использование биржевых опционов для структурированных продуктов, однако, содержит в себе определенные проблемы.
Биржевые опционы имеют фиксированные сроки и страйки. Если 22 июня 2007 г. мы выпускаем продукт, привязанный к индексу РТС, на срок 1 год, нам нужно приобрести опцион колл на индекс РТС со страйком, равным 1896,10 пункта (значение закрытия индекса РТС 22 июня 2007 г.), и датой истечения 22 июня 2008 г. Биржевого опциона с такими параметрами не существует.
Следовательно, параметры продукта придется корректировать и подстраивать под условия биржевых опционов. Например, можно выпустить продукт, основанный на индексе РТС, истекающий 14 декабря 2007 г., при этом доходность индекса РТС будет измеряться не относительно текущего значения индекса РТС в момент выпуска продукта, а начиная с 2000 пунктов, потому что на бирже имеется опцион со страйком 2000 пунктов и датой истечения 14 декабря 2007 г.

Внебиржевой рынок опционов
Второй способ - покупка опционов на внебиржевом рынке. Здесь проблемы с фиксированностью сроков и страйков нет - можно купить опцион практически с любыми параметрами.
Однако заключение внебиржевой опционной сделки является более сложным по сравнению с покупкой опционов на бирже. В частности, заключение подобных сделок происходит с использованием оффшорных компаний, поскольку торговля опционами в рамках российского законодательства представляет определенные сложности. Кроме того, перечень банков и инвестиционных компаний, занимающихся внебиржевой торговлей опционами на российском рынке, является достаточно ограниченным, вследствие чего рынок внебиржевых опционов является недостаточно ликвидным.

Собственное "производство" опционов
На самом деле, продав клиенту структурированный продукт, инвестиционная компания вправе вообще не приобретать опционы и разместить всю полученную от клиента сумму на депозит - никто этого не запрещает. Если индекс РТС упадет за срок действия продукта, компания вернет клиенту вложенную сумму, оставив заработанные на депозите проценты себе. Однако в случае роста рынка компания окажется перед необходимостью выплаты не только суммы вложений, но и прибыли, в результате чего потерпит убытки.
Таким образом, продав клиенту структурированный продукт, инвестиционная компания принимает на себя риск, связанный с изменением базового актива. Этот риск она может хеджировать с помощью базового актива, например фьючерсов на индекс РТС. Одним из способов хеджирования опционов, встроенных в проданный продукт, является реализация стратегии дельта-нейтрального хеджирования базовым активом.
Также для хеджирования можно использовать биржевые опционы. В этом случае за счет хеджирования не только по дельте, но и по гамме и веге можно добиться намного более точного хеджирования и эффективно бороться с риском изменения волатильности, который является одним из наиболее серьезных рисков, с которым сталкиваются продавцы опционов и структурированных продуктов. Рынок стандартных опционов в России в достаточной степени развит, чтобы использовать его для решения указанных задач.
Собственное хеджирование опционов, встроенных в продукт, - более сложная и рискованная задача по сравнению с приобретением опционов, в точности соответствующих параметрам продукта. Однако она позволяет выпускать практически любые продукты вне зависимости от инструментов, доступных на рынке деривативов (например, можно продать продукт со встроенным азиатским опционом, не покупая азиатский опцион на рынке). Следует сказать, что хеджирование опционов - тема обширная и исключительно важная. Главное, что необходимо уяснить: абсолютно любой дериватив и структурированный продукт может быть более или менее точно захеджирован с помощью сделок с базовым активом.

БОЛЕЕ СЛОЖНЫЕ ПРОДУКТЫ


Мы детально рассмотрели простейший структурированный продукт, предоставляющий участие в росте индекса РТС. Существуют, однако, намного более сложные структурированные продукты, которые, в частности, могут быть рассчитаны на падение рынка, на движение рынка в любом направлении (на высокую волатильность) либо могут генерировать доходность, даже если рынок будет стоять на месте (продукты, рассчитанные на низкую волатильность). При этом более сложные продукты могут иметь в своем составе не только стандартные, но и "экзотические" опционы (бинарные, барьерные, азиатские и т. д.), а также комбинации различных опционов (опционные стратегии). Более того, некоторые наиболее сложные продукты невозможно разложить на стандартные финансовые инструменты.
Также следует отметить, что в основе структурированных продуктов может лежать не только фондовый индекс, но и курс отдельной акции, стоимость корзины акций, валютный курс и любые другие переменные.
Большинство (но не все) инвестиционных структурированных продуктов гарантируют возврат вложенного капитала и обеспечивают доходность, привязанную к некоторым переменным. Продукты такого рода могут быть представлены в виде комбинации депозита и портфеля деривативов.

СТРУКТУРИРОВАННЫЕ ПРОДУКТЫ В РОССИИ



Структурированные продукты уже появились на российском рынке, в частности их предлагают "Юниаструм Банк" (структурированный вексель Fusion), "Ситибанк" (индексируемые депозиты), "Ренессанс Капитал", "ФИНАМ" (индексируемый счет), "КИТ Финанс" (индексируемый депозит).
Структурированный продукт может скрываться под видом самых разных инструментов: векселей, договоров займа, депозитов, стратегий доверительного управления, структурированных нот/облигаций, и даже фондов (данная форма распространена, в частности, во Франции). Выбор внешней формы структурированного продукта диктуется обычно соображениями юридического и налогового характера, экономическая суть продукта остается при этом неизменной.
Практически все перечисленные продукты, представленные на российском рынке, имеют устройство, аналогичное устройству продукта, рассмотренного в данной статье, в ряде случаев с некоторыми дополнениями. Наиболее сложным с точки зрения устройства является индексируемый депозит банка "КИТ Финанс", который может быть представлен в виде сочетания депозита и купленных и проданных опционов - стандартных и бинарных.
ИК "Еврофинансы" также вышла на рынок структурированных продуктов. Уже сейчас компания предлагает простейший структурированный продукт с участием в росте индекса РТС и гарантией возвратности капитала и планирует выпуск в ближайшее время сложных и высокотехнологичных продуктов, не имеющих аналогов на российском рынке.






взято здесь: http://www.rcb.ru/rcb/2007-15/8587/

Ну такая вот статейка вобщем о структурированных продуктах в нашей стране... Не руководство к действию, Но для понимания вопроса самое оНО...

Сразу хочу сказать насчет защиты капитала ибо вроде какбе считается что максимально надежно можно вломить бабло на депозит причом разбив по счетам 0,5м каждый (тут мы хитро попадаем под страхование вкладов)... Но мое вью на это такое. Часть денег 30-50% да..., однозначно на депозит (желательно с капитализацией % ну или возможностью ручного пополнения депозита от начисленных%) , вторая часть палюбому покупаем Структурированный Продукт с защитой капитала или основанный на консервативной стратегии. Ну и третью часть капиталов - торгуем сами дабы прокормиться .. както так.

Кто считает это рискованным тот тарит в инвестиционных целях недвигу по 2-3к евро за м2... Онаж точняк будет стоит 5 а то и 7к за квадрат через год-два .. верняк ага
Add to Memories
Tell a Friend
Вобщем экспириенц со структурными продуктами закончен.

Условие: Банковский депозит vs Структурный продукт с защитой капитала.

ну что я могу сказать, банковский депозит при примерно тех же рисках слил соревнование вхлам.. Итог года депозит= 6,5%...., С.П. - примерно= 20% (чистыми после уплаты НДФЛ)... Мое поколение выбирает Структурные продукты с защитой капитала..


В двух словах что это из себя представляет...
1. Кладем 100 рублей.. Через год при наихудшем раскладе забираем теже самые 100 руб. При благоприятном раскладе забираем 120-140 руб..
2. Структурный продукт это нетолько бонды + опционы но и уйма иных вариантов..


как то так
Add to Memories
Tell a Friend
Усиленно рою .. мож есть в этом чтото

Tags:

Add to Memories
Tell a Friend
First Published in Automated Trader Magazine Issue 02 July 2006
Dmitry Bourtov runs the US-based hedge fund Solaris, as well as heading a group at the Moscow offices of data vendor CQG that combines the activities of a quant shop and a specialist financial software developer. Bourtov talks to AT about the process by which he and his team design and manage a fleet of automated trading models across hundreds of markets around the globe.


Bourtov and St Basil's

You head an interesting group – partly building and trading automated models, and partly building software for CQG. How does this all work in practice?

The team consists of seven people, including myself. Two of them are what you might call researchers, both with a strong background in developing complex mathematical solutions. (One comes from the Landau Institute for Theoretical Physics, the other from the Russian Space Research Institute.) They have been responsible for refining some of the methods we use, such as cluster analysis (a mathematical procedure used to reveal the groups of interdependent variables) and a variety of other sophisticated techniques.

There are four other members of the team who are usually more directly involved in trading model design and programming, including myself and one option specialist. Finally we have one dedicated programmer/developer.

The team has two roles. On the one hand we develop concepts and prototypes that may be included in the main CQG product line or just used internally. On the other, we build mechanical and automated trading models that we use for trading a variety of proprietary client accounts and an account for the US registered hedge fund, Solaris.




When did the team first become involved in automated trading?

We had been interested in the concept since the mid-1990s when the emergence of electronic exchanges began to make it feasible. However, it was not until mid 2000 that we actually went live with our first fully automated model. By that time most of us had been at CQG for a while, having first met at the company's original offices near Balchug Street.



Where it all started:
Balchug Street




Is all your trading completely automated?

With the exception of those markets that are still pit traded, yes. However, the orders for those markets are all still generated by mechanical models – it is only the order entry that is done manually. We do no discretionary trading whatsoever.

What do you regard as the biggest challenges in developing automated models?

I think the main issue is the huge gap between back testing and real time trading. That is critical enough in a manual environment when you might be trading just a few markets. However, when you extrapolate this to a fully automated environment where hundreds of markets are being traded the potential impact is simply colossal.

For example, back testing makes the implicit assumption that everything operates in a synchronous fashion. An order appears, on the next available tick the order is filled, no orders are lost due to communication failure or the exchange going down, or because of an additional 10 millisecond delay in the order reaching the exchange gateway etc. However, in the real world these things do happen.

Another problem with back testing is that it is commonplace to make assumptions about data that will never actually be replicated in real time trading. One trivial example is that when back testing many people use exit signals that take the market close as the exit price. In the real world it is very unlikely that you will be able to buy or sell exactly on the last price of the day, in practice will need to execute your order a few ticks before the close of the final bar. To simulate that realistically when back testing, you need to use not conventional daily bars, but adjusted daily bars that exclude the price ticks for (say) the last minute of trading.





So you presumably spend a considerable amount of time working on that sort of data representation issue?

Yes, but that is only a comparatively simple example. There are more complex issues around event order. While database replay technology has moved on substantially in recent years, many of the popular model development platforms in use today still do not take advantage of these advances. They are incapable of replaying data at the tick by tick level. At the simplest level, this means that you cannot determine for certain the exact order of events within an historical price bar. For example, if a trading model trails entry stops above and below the market (and both stops are close enough to be hit during the same price bar), you will need to know which stop was hit first if you are to simulate historical performance accurately. If your development environment is incapable of tick by tick replay, this accurate simulation is impossible.

The ability to scrutinise data at the finest granularity is also vital for many trades involving spreads or intermarket arbitrage conducted at high frequency in short time frames. Looking at less granular historical data, it is easy to fall into the trap when back testing of assuming "the price on this market was A, and on that market B, so the spread was C". Without looking at the tick data, you cannot be sure that prices A and B were ever available simultaneously. Yes, you might have been able to achieve the spread price by legging into the position but that is by no means certain and of course also incurs additional market risks. That sort of discrepancy can make a substantial difference to model performance when you move from back testing to real time trading.

Another issue is that when trading automatically, it is easy to overlook the significance of the fact that market data and order related data come through two different channels.

Since there are two distinct interfaces, you will receive order acknowledgements and quotes at different speeds. This means that you can have significant problems with order cancels order (OCO) orders if the orders concerned are close together. In the back testing environment, it is easy to assume that these orders will always be executed as intended. In a live situation, you can find that the automated cancel message does not arrive in time and both orders end up being filled.

It sounds as if there is a whole layer of additional considerations you allow for when building automated models?

Yes, but a lot of these considerations apply to manual traders as well, and relate to the change from open outcry to electronic markets. For example, in the past, if you were not on the floor you had to pay the bid/offer spread. In electronic markets, that concept of "inside/outside" no longer applies, and people often assume that this simply means that they no longer have to pay the spread. Up to a point that is true, but it overlooks the fact that they have no guarantee that they will ever have their order filled. If they join the bid or offer they are just joining the order queue and may never get to the top. Therefore, it is easy to fall into the trap when back testing of assuming that your orders are being filled when they may not be. That has significant performance implications when a model is transferred to the real time environment.

Would you say that the discrepancies between the back testing and real time environments you have outlined are always negative?

I would say that 95% of the time they are – i.e. the real time environment is tougher than the back testing one. It is not good enough just to pluck a figure out of the air and degrade your back testing results by that amount in order to simulate this. You have to be more specific, because different types of model are affected in different ways and to different extents by these "real world factors". We therefore spend a lot of time incorporating these real world negatives into our backtesting environment, and then using that environment to stress test models with various combinations of costs, slippage and order routing failures.

Moscow regional branch of the
Central Bank of the
RussianFederation (think NY Fed)



So how do you go about actually deploying your automated trading models?

Having back tested a model satisfactorily, we will then paper trade it. The main intention is not just to check that the overall performance is comparable – we are looking for a trade by trade match. So if for example, we have paper traded a model for a month we will collate the results and then run a back test for the same month. The results are then cross checked and while there may be very minor discrepancies (such as the odd tick of slippage) any missing or significantly non-aligned trades will be investigated.

There are two objectives here. On the one hand, we want to make sure that we have not made any false assumptions as regards the specific model (such as a peek ahead1). On the other, this process gives us valuable general feedback about how accurately we are simulating the real market in our back testing process.

If the model passes this test it will be deployed in the live market. Even here, we continue the cross checking process by having a separate machine still paper trading the model and comparing the output with the results generated in live trading. If any trades are not perfectly synchronised, this machine issues an alert.

We also run real time checking of all open position information and the available equity across all our accounts. This process is particularly important for options trading where we have also built a real time algorithm that provides a close approximation of the CME's SPANTM engine. This allows us to model the margin expectations of any positions the model might take and thereby calculate pre-trade risk/reward/cost metrics. (While this sort of SPANTM data is available from exchanges, it is only available at the end of day, which is obviously too late for our purposes.)

What about monitoring the trading models?

We have a rota whereby one member of the team per day is dedicated to tracking all the models and ensuring that everything is running smoothly. As per the example above, they have a range of monitoring tools to assist them in this.

Like it says - Balchug Street



What is the typical development cycle for an automated trading model and what is the rejection rate?

As you might expect, it varies considerably, but somewhere between three and six man months is probably the average time taken from concept to going live. It can be a lot longer though – we have one model that we have spent three man years on so far.

As regards the rejection rate, I would say that about 95% of the models we come up with will, after extensive testing, be discarded. However, they may not stay discarded. Sometimes we find that a change or advance in technology makes a model we had previously rejected viable.


How would you say your models were split in terms of market making, arbitrage and directional logic? And is any particular category preferred for particular markets?

We have models in all three categories, but directional models probably make up the majority. In general, I wouldn't say that any particular approach was tied to a particular type of market. However, as regards options, there is perhaps a bias in favour of arbitrage approaches, as we feel that we have some techniques that give us an advantage in spotting mispriced options.

In House Tool: Pattern Recognition




Are there any markets that you find are not amenable to automated model trading?

Not as regards the business logic, no. However, option markets are an interesting challenge for us in terms of technology. Historically, option market-making was always a request for a quotation market – a price was made only at the time that it was requested. That is no longer the case, so our automated models now have to place orders across hundreds of strikes and expiries. If the underlying market moves rapidly, you cannot just move all five hundred orders in a millisecond, so keeping our portfolio balanced in that sort of environment is obviously very challenging and an ongoing area of research for us.


Would you say that your higher frequency automated trading models require radically different business logic?

The same general principles in terms of risk/reward will still apply. The logic that generates buy/sell orders is also probably broadly comparable in approach to that used for longer time frames. However, I think the way in which electronic markets function has opened up additional opportunities for high frequency models that incorporate depth of market analysis.

The snag with this is that historical depth of market data is only just starting to become commercially available, which rather hinders rigorous back testing. That is one reason why we believe that while high frequency auto trading adds an extra layer of tradable opportunity to the market, it isn't the Holy Grail. In general, we feel there are more opportunities in the portfolio distribution possibilities (markets, models, parameter sets, timeframes etc) of automated trading.


So how many automated models are you running across how many machines?

We are probably running several hundred models at any one time. That may sound a lot, but we classify models that use the same basic logic but radically different parameter combinations as separate models.

For actual order execution we use just three servers, though there are additional machines used for real time risk management and alerts.

Bourtov on the trading floor




What tools and technology do you use?

We obviously use CQG and some of the complementary tools we have developed for that. That aside, we are completely agnostic as regards the technology we use. All we are concerned about is that it fulfils the needs that we have. We use a very wide range of languages/tools, including C++, C#, VBA and MATLAB. (MATLAB is also extensively used in a program we run for students at the Moscow Institute of Electronic Engineering. Of these students, some two or three per year take an additional diploma in trading model development.)

In addition, we have built a number of specialised tools to help us in our research, such as statistical libraries. We also use a number of libraries we have built for digital signal processing and certain mathematical transformations. As you might expect, if we find ourselves regularly writing the same piece of code, we will simply rewrite it as a callable library for ease of reuse.


In the past you have built some tools for CQG that use artificial intelligence techniques. How many of these are actually used in your automated trading?

We do use them – but not to try and predict where the market will close tomorrow! We have found them useful for discovering hidden relationships and lagged correlations, so we are primarily using them as sophisticated data mining tools. For example, we have a pattern recognition tool that we built that is based on a blend of various AI techniques. We use that extensively in our option trading as we have found it useful for identifying patterns that predict significant volatility shifts.


Who comes up with the ideas for models?

When it comes to the business logic, all the ideas originate from within the team – none of our models are "bought in". Everyone in the team tends to suggest ideas, and there is always a great deal of ongoing discussion taking place about possible techniques and approaches.


How does market connectivity affect the deployment of your models?

The improvements in market connectivity in recent years have allowed us much more flexibility as to how we deploy models. There is always something of a trade off; housing models in a co-location facility close to the exchange reduces latency, but means there are more issues involved in managing them. As a result, we tend to operate on a case by case basis. In general, the most time-sensitive high frequency models will be housed in a co-location facility, while longer term models will be run from servers here in Moscow.

http://www.automatedtrader.net/articles/my-machine/515/the-boys-from-balchug
profile
accumulator1914
Name: accumulator1914
calendar
Back February 2010
123456
78910111213
14151617181920
21222324252627
28
page summary
tags

Advertisement

Customize