TED with Jim Simons

Quantopian

Quantopian håller på att skapa en riktigt vass plattform för traders som vill bygga automatiska strategier, det fina är att dom tillhandahåller all data vilket ofta är den svåraste biten. Även intradagsdata finns! Sentdex har gjort en video-serie där han går igenom hur man använder python med quantopian, kan rekommenderas för er som inte vill lägga ut tusentals kronor på diverse andra program. 

AI

Rough day

Tung dag på jobbet. Började med att jag gjorde en fat finger trade när jag la fel ordertyp innan marknaden hade öppnat. Skulle lägga en MOO eller Market On Open men lyckades lägga en vanlig market order. No bueno i en ETF utan volym och en spread på ca 0,5%.

Ovanpå det låg jag övervägande nettolång och SPY sjönk som en sten hela dagen.

Men men, ny dag imorgon, dagar som denna märks det stor skillnad mot när jag var mer diskretionär. Då kändes det mycket tyngre att ta stora förluster, man la ofta stor skuld på sig själv även om man handlat bra. Börsen funkar ju så, man kan göra allting rätt och ändå förlora och man kan också göra allting fel och ändå vinna. Över tid kommer dock edgen man har(förhoppningsvis) att visa sig. När man trejdar efter ett/flera system så tycker jag det blir lättare att acceptera oddsen och förstå att vissa dagar kommer helt enkelt att sluta så här.

Research

Fått en hel del research gjort idag, hittade några intressanta saker. Ska göra ett inlägg om IPOs imorgon om jag hinner, min "hypotes" som jag tror många andra delar visade sig vara helt fel.

Jag väldigt glad att jag la ner några timmar(läs svinmånga) på att lära mig python, satan vad mycket enklare det är att gräva i data. Tex så trixade jag lite med en av mina bättre daytrading-strategier och gjorde en variant på den. Det ser riktigt lovande ut. Istället för att sitta i excel och skriva formler tills fingrarna blöder printar python ut både charts och statistik med några få rader kod. Grymt!

Virtus Rapport

VIRT hade rapport igår och levererade riktigt fina siffror. Nu ligger den ännu längre in i byrålådan.

If you can't beat them, join them

Idag hade Virtu notering på Nasdaq. Bolaget är en HFT-firma som lite galet nog inte haft mer än en(1) förlustdag på över 1400 tradingdagar! Här är deras PnL-distribution:

Jag ser det här som en fantastik möjlighet att ta del av HFT-handeln och detta kommer därför att bli mitt första långsiktiga innehav på länge. En aktie för byrålådan helt enkelt. Dessutom är det en bra hedge mot sin egen trading, nu kanske man till och med blir lite glad när man får sina orders "front runnade". Seekling Alpha hade en bra artikel om aktien. Baserat på nuvarande pris (22.35) så ligger P/E runt 27 vilket är allt annat än billigt, men man får en utdelning kring 5% och jag tror inte det går att hitta ett stabilare kassaflöde? Finns det något annat företag som tjänat pengar varje dag de senaste 6 åren? 

Den största risken är såklart att det kommer lagar som begränsar hur HFT-handeln får gå till. Jag lyssnade dock på Brad Katsuyama som driver IEX när han besökte masters in business podcasten och han berättade att Virtu handlar mycket även på IEX. Därmed kan de inte vara beroende av latency arbitrage vilket jag tror är det som möjligen skulle kunna begränsas inom snar framtid.

Till alla som klagar på att bankerna tjänar så mycket pengar brukar jag säga, köp bankaktier istället för att klaga! Det känns som att samma sak gäller här, istället för att klaga på algos så köper jag VIRT och hoppas på att få ta del av pengarna.

Now we are cooking with peanut oil!

Har jobbat lite mer med att få ordning på Python och hur man skulle kunna använda programmet för att göra backtest och även optimera parametrar. Kan verkligen rekommendera TradingWithPython.Blogspot.com och TradingWithPython.com. Jev har byggt upp ett eget paket som tillägg och även kodat ett exempel för backtesting. Efter många år i det svenska skolväsendet är man expert på "copy and paste" så det var ganska lätt att få till en egen variant.

Det jag gillar mest är att man kan göra en så kallad "heat map" där man kan se hur resultatet (mätt som Sharpe-kvot i detta fall) ändras för olika kombinationer av variablerna.

Nedan är ett test på en tradingstrategi för WFC som jag använt ett tag. Mina värden som jag har använt är 0.2 för variabel 1 och 0.5 för variabel 2. Som ni ser är resultaten ganska bra för en bred range kombinationer i det nedre högra hörnet. Det är ett bra tecken och kan tolkas som att strategin är hyfsat "stabil"

Optimeringen är gjord på data mellan 2000-2014. Optimala värden var 0.32 och 0.69, inte så långt ifrån vad jag har använt.

För out-of-sample 2014 -2015 blir resultatet följande

Programmering

För att kunna göra bra research måste man gå igenom stora mängder data. Oftast har jag har jag använt excel till detta men det finns helt klart några nackdelar såsom att det är tidskrävande att hämta hem och organisera data. Det går säkert att skriva några rader i VBA som påskyndar allt men jag har ett excel från 1800-talet plus att jag har märkt en del problem när man kör svenska/amerikanska inställningar i både scriptkod och program.

I vanliga fall använder jag Nordnets Autotrader om jag vill bygga strategier vilket fungerar bra men även där finns några brister. Till exempel finns bara data på amerikanska aktier från 2012 och endast på vissa utvalda tickers. Dessutom är det ganska krångligt att göra enkla hypotesprövningar, en grej jag gillar att göra är tex. att jämföra intradagsavkastningen mot den avkastning som skapas över natten.

Jag har länge önskat lära mig riktig programmering och har försökt läsa på lite om vilket språk man bör börja med. Python verkar vara ett av de lättare språken samt omtyckt av många (gratis och open source också). Min gamla propfirma där jag började min tradingkarriär använder också Python och har även byggt en helt egen tradingplattform i Python. Nu har jag iaf laddat ner programmet och börjat leka runt lite. Jag är fortfarande ute på djupt vatten och vet inte exakt vad jag gör alltid. Hur som så fick jag fram några snygga grafer på "overnight vs intraday returns" och kan nu enkel jämföra olika tickers genom att bara byta symbol i koden, tar 3 sekunder jämfört med någon minut om jag skulle göra det för hand via yahoo finance och excel. Här är ett exempel på GLD, en guld-ETF. Som ni ser skapades i stort sett all avkastning "overnight" under uppgångsfasen. Viktig info om man försöker bygga ett tradingsystem.

Automatiserad Trading

Förra inlägget var kanske lite dystert men det finns ju en anledning att jag har lagt mycket tid på att utveckla idéer för automatisk eller mekanisk trading. Sedan årsskiftet har nämligen mina mekaniska modeller varit de som presterat bäst och min manuella handel har varit väldigt medioker. Här är de verkliga resultaten av min mekaniska handel.

Det här är över förväntan och med i takt med att antalet trades ökar så borde resultatet krypa ner mot en PF på 1.6-1.7 om mina backtest är hyfsat korrekta. Winrate långsiktigt borde ligga på ca 60%. Den faktiska avkastningen är inte så stor eftersom jag har testat dessa modeller med minsta möjliga insats. Det är ändå väldigt inspirerande när man ser att strategierna fungerar och det gör det lite lättare att fortsätta dyka ner i mer data.

Backtesting och överoptimering

Jag har den senaste tiden lagt rätt mycket tid på backtesting, att gå igenom statistik och försöka hitta nya edger. En grej jag alltid brottas med är huruvida det jag hittat bara är ett resultat av att jag har "misshandlat" data för mycket. Det finns några citat i stil med "if you torture the data long enough, it will confess" som beskriver fenomenet väl.

Jag skrev för ca en månad sedan om en ny idé jag hade med fundamental data, läs här. Så här en månad senare är det bara att konstatera att det fanns en hel del curve-fitting och överoptimering i det testet. Efter en månad ser out-of-sample ut så här:

Not so hot...

Ändå bygger strategin inte på några komplicerade formler eller 50 olika parametrar med exakta värden. Den var tvärt om, väldigt enkel, få parametrar med vad jag ansåg ganska logiska förklaringar till varför de borde vara relevanta. Just därför är det så viktigt att inte "hoppa rakt in" och börja handla en strategi direkt utan att man observerar den ett tag för att se om det verkligen fungerar.

Jag tittade på ett webinarium med Trade-Ideas(programmet jag använder) där dom visade en strategi som verkade rätt lik en idé jag har försökt få fungera under ett tag. Resultatet var helt sjukt bra så jag antog redan från början att dom hade överoptimerat strategin. Det borde ändå finnas en del värdefull information tänkte jag och skickade iväg ett mail med lite fler frågor angående vilka parametrar som var med. Jag fick faktiskt till min förvåning hela strategin med alla parametrar och insåg därmed att den var dömd att misslyckas (ingen ger bort något så värdefullt om den faktiskt fungerade).  Så här såg resultatet ut:

Here you go, take my money

Jag hade en riktig brottningsmatch med EXPE i fredags. Gillade set-up:en starkt men någon/några algos hade bestämt sig för att "run stops" som om det vore OS i att sno pengar från dumma traders som mig själv. I slutända så rörde sig inte aktien så mycket som jag hade hoppats på men det är ändå otroligt irriterande att behöva slösa både spread och courtage på att bli utstoppad halva dagen. Som ni ser så trycker algon bara upp priset strax över föregående topp där många, inklusive mig själv, har sina stoppar. När alla stoppar avfyras så försvinner algon och priset sjunker ner igen. Väldigt svårt att kontrollera sin risk i ett sånt läge.

Bli en börsrobot!

Mike Bellafiore, "Bella", från SMB berättar hur du kan gå från misslyckad diskretionär trader till framgångsrik mekanisk trader.

Backtest på Fundamental data

I helgen har jag jobbat på att hitta nya potentiella strategier för min trading. En grej som jag provade var att lägga till filter för fundamental data. Tidigare har jag bara testat med hjälp av tekniska och statistiska variabler. Joel Greenblatt från Gotham Capital använder en kvantitativ modell för att analysera fundamental data och dessutom balanserar de om portföljen varje dag(!). Det finns en bra intervju med honom här. Om det fungerar för en av väldens största hedgefonder så varför inte testa?

Den här strategin är gjord för daytrading och tar en position under de första 120 minuterna av dagen och stänger positionen vid dagens slut. Tanken är att gå kort i bolag som är "konkursmässiga". Utan att gå in på detaljer innebär det hög skuldsättning, dåligt med cash och negativt EPS. Så här såg resultatet ut för ett backtest över de senaste 3 månaderna.