Backtesting Trading Strategies Matlab




Backtesting Trading Strategies MatlabWorkshops Dr. Chan atualmente oferece o curso on-line realizado em tempo real atraves do Adobe Connect. Este workshop introduz o uso de tecnicas de inteligencia artificial para identificar variaveis ??preditivas uteis e regras de negociacao para a previsao de retornos. Ele faz uso extensivo de Matlab s Estatistica e Maquina Learning Toolbox, bem como a Rede Neural Toolbox. As licencas de teste MATLAB gratuitas serao organizadas para exercicios extensivos em sala de aula. Nenhum conhecimento previo de MATLAB e necessario como um tutorial pre-gravado sobre programacao em MATLAB sera incluido, mas alguma experiencia com a programacao e necessaria. Numero maximo de participantes: 12. Total de horas: 6. Taxa: 900. Datas e horarios: 16 de julho, 23. Sabados. 8: 00-11: 00 am EDT. Inscricao: ernest epchan. O plano do curso esta disponivel para download aqui. O curso online pre-gravado ja esta disponivel. Isso consiste em sessoes gravadas do Adobe Connect. O foco esta em descobrir e evitar varias armadilhas durante o processo de backtesting que podem degradar a previsao de desempenho. Exercicios ilustrativos sao extraidos de uma estrategia de futuros e uma estrategia de negociacao de carteira de acoes usando MATLAB. As licencas de teste MATLAB gratuitas serao organizadas para exercicios extensivos em sala de aula. Nenhum conhecimento previo de MATLAB e necessario, mas alguma experiencia com programacao e necessaria. O requisito de matematica e estatisticas basicas de nivel universitario. Total de horas: 7 horas de sessao gravada. Taxa: 500. Inscricao: ernest epchan. O plano do curso esta disponivel para download aqui. Ernie tambem conduz tres diferentes hands-on em-pessoa workshops em Londres: Momentum Strategies. Arbitragem estatistica. E Inteligencia Artificial para Comerciantes. O curso de arbitragem estatistica e principalmente sobre estrategias de reversao de media. Estas oficinas sao organizadas pela revista Technical Analyst e qualificam-se para os creditos do CFA Institute. Clique nos links acima para ver os contornos do curso e os detalhes do registro. Louvor pelos nossos workshops: Andrew B. K. W. Fung, CQF, Fundador do Quants Investment Cedric Yau Avaliacao do aluno anonimo Os comentarios estao fechados. - suporte a fluxos de dados de baixa latencia multiplos (velocidades de processamento em milhoes de mensagens por segundo em terabytes de dados) - gestao de dados de classe institucional / backtesting / solucao de implantacao de estrategia: - opcoes, opcoes, futuros, moedas, C e backtesting e otimizacao baseados da estrategia - a execucao multipla dos corretores suportou, negociando sinais convertidos em ordens de FIX QuantFACTORY - Solucao de solucao de backtesting / strategy da gerencia de dados / backtesting da instituicao-classe: - QuantDEVELOPER - estrutura e IDE para estrategias negociando desenvolvimento debugging backtesting e optimization, Disponivel como um plug-in do Visual Studio - QuantDATACENTER - permite gerenciar um data warehouse historico e capturar dados de mercado em tempo real ou de baixa latencia de provedores e intercambios - QuantENGINE - permite implantar e executar estrategias pre-compiladas - multi-asset, Dados de baixa latencia de periodo, multiplos corretores suportados Gestao de dados de classe institucional / backtesting / solucao de implantacao de estrategia: - OpenQuant - C e VisualBasic sistema de nivel de portfolio backtesting e negociacao, multi-asset, testes de nivel intraday, otimizacao, WFA etc. Feeds suportados - QuantTrader - ambiente de negociacao de producao - QuantBase - gerenciamento de dados centralizado - QuantRouter - roteamento de dados e pedidos Solucao de multi-asset, multiplos feeds de dados suportados, banco de dados suporta qualquer tipo de RDBMS Fornecendo uma interface JDBC, por exemplo Oracle, Microsoft SQL Server, Sybase, MySQL etc - os clientes podem usar IDE para script sua estrategia em Java, Ruby ou Python, ou eles podem usar sua propria estrategia IDE - Gestao de dados de classe / backtesting / solucao de implantacao de estrategia: - multi-asset solucao (forex, opcoes, futuros, acoes, ETF s, commodities, instrumentos sinteticos e spreads derivados personalizados) (IB, JPMorgan, FXCM, etc.) Plataforma de software dedicada integrada com os dados da Tradestation para backtesting e auto-trading: - dados diarios intraday (acoes da US para 43 (Analise tecnica), suporte para linguagem de programacao EasyLanguage - suporte a ETFs de acoes norte-americanas, futuros, indices norte-americanos, acoes alemas, indices alemaes, sem forex para clientes de corretagem da Tradestation - 249,95 Mensal para nao profissionais (plataforma de software Tradestation somente, sem corretagem) - 299,95 mensais para profissionais (plataforma de software Tradestation somente, sem corretagem) Plataforma dedicada de software para backtesting e auto-trading: - suporte diario / estrategias intraday, testes e otimizacao de nivel de portfolio (Analise tecnica) - link direto para eSignal, Interactive Brokers, IQFeed, myTrack, FastTrack, QP2, TC2000, Qualquer feed compativel com DDE, MS, txtfiles e mais (Yahoo Finance. ) - taxa unica 279 para a edicao Standard ou 339 para a edicao Professional Plataforma dedicada de software para backtesting e auto-trading: - backtesting e negociacao do sistema de nivel de portfolio, multi-asset, testes de nivel intraday, otimizacao, Auto-trading em linguagem de script Perl com todas as funcoes subjacentes escritas em C nativo, preparado para servidor de co-localizacao - nativo FXCM e Interactive Brokers apoio - suporte gratuito FXCM, 100 por mes para a plataforma IB, contato Seertrading vendas para outras opcoes Plataforma de software dedicado Para backtesting e auto-trading: - suporte a estrategias diarias / intraday, testes de nivel de carteira e otimizacao - melhor para backtesting baseados em precos de sinais (analise tecnica), C scripting - extensoes de software suportado - manipulacao de feeds de dados, execucao da estrategia, etc 799 por licenca , 150 taxa anual apos a plataforma de software dedicado para backtesting, otimizacao, atribuicao de desempenho e analise: - Axioma ou dados de terceiros - analise fatorial, modelagem de risco, analise do ciclo de mercado Plataforma dedicada de software para backtesting e auto-trading: - melhor para backtesting baseado em preco Turtle Edition - motor de backtesting, graficos, relatorios, testes de EoD - edicao profissional - editor de sistema mais, analise dianteira, estrategias intraday, teste multi-threaded etc. - Edicao Pro Plus - mais graficos de superficie 3D, scripts, etc. - Edicao de Construtor - IB API, depurador etc. - Edicao Turtle 990 - Edicao Profissional 1.990 - Edicao Pro Plus 2.990 - Edicao Construtora 3.990 Plataforma de software dedicada para backtesting e auto-trading : - suporte a estrategias diarias / intraday, testes de nivel de carteira e otimizacao, graficos, visualizacao, relatorios personalizados, etc - melhor para backtesting baseados em precos sinais (analise tecnica) - link direto para Interactive Brokers, MB Trading, TD Ameritrade, FXCM e outros - Dados de arquivos de texto, eSignal, financas de Google, financa de Yahoo, IQFeed e outro - funcionalidade basica (funcionalidade de EoD) - livre - funcionalidade avancada - aluguer de 50 / mes ou 995 licenca de vida Plataforma de software dedicada para backtesting e auto-negociacao: Para backtesting baseados em precos de sinais (analise tecnica), apoiando estrategias diarias / intraday, testes de nivel de carteira e otimizacao, graficos, visualizacao, relatorios personalizados - suporta C e Visual Basic - link direto para Interactive Brokers, IQFeed, txtfiles e muito mais. ) - licenca perpetua - 499 - leasing 50 por mes Plataforma de software dedicada para backtesting e auto-trading: - suporte a estrategias diarias / intraday, testes e otimizacao de nivel de portfolio, graficos, relatorios personalizados - sinais tecnicos e tambem fundamentais (Suporte a provedores de dados multiplos e corretores) Plataforma dedicada de software para backtesting e auto-trading: - suporte a estrategias diarias / intraday, testes de nivel de portfolio e otimizacao - melhor para backtesting Precos baseados em sinais (analise tecnica) - compilacao de dados para acoes, futuros e forex (acoes diarias dos EUA a partir de 1990, futuros diarios de 31 anos, forex a partir de 1983, etc.) - precos de 45 / mes para 295 / mes Disponibilidade de dados) Plataforma de software dedicada para backtesting e auto-trading: - usa a linguagem MQL4, usada principalmente para negociar no mercado forex - suporta multiplos corretores de forex e feeds de dados - suporta gerenciamento de multiplas contas Plataforma de software dedicada para backtesting e auto-trading: (Analise tecnica), suporte a linguagem de programacao EasyLanguage - suporte a varios feeds de dados (Bloomberg, Thomson Reuters, CSI, CQG, eSignal, etc.), suporte direto para Multicharts Pro 9,900 (feed de dados da Bloomberg Thomson Reuters, etc.) Ferramenta de backtesting baseada na Web para testar estrategias de escolha de acoes: - ETFs de acoes dos EUA (diariamente) - ponto - Em tempo de dados fundamentais desde 1999 - longo / curto estrategias, precos / fundamentais impulsionado sinais - Designer - 139 / mes - Manager - 199 / month - funcionalidade completa Backtesting ferramenta baseada na Web para testar stock picking estrategias: - US estoques (diariamente) Dados fundamentais desde 1988 - precos / sinais fundamentais impulsionados - Estrategista - 995 / ano (dados desde 2000, 10 portfolios salvos) - Gerente - 1.995 / ano - (funcionalidade completa, dados desde 1988, 50 portfolios salvos) Web (Daily / intraday), desde 1998, dados de QuantQuote - dados do forex de FXCM - suportando Trader Interactive Brokers para a troca viva a correia fotorreceptora baseou a ferramenta backtesting: - Os estoques dos EU e os precos de ETFs (diario / intraday) Desde 2002 - dados fundamentais da Morningstar (mais de 600 metricas) - suporte a Interactive Brokers para negociacao ao vivo Ferramentas de backtesting baseadas na Web: - simples de usar, estrategias de alocacao de ativos, dados desde 1992 - impulso das series temporais e estrategias de media movel nos ETFs - Simple Momentum and Estrategias de escolha de acoes do Simple Value Ferramenta de backtesting baseada na Web: - ate 25 anos de dados para 49 Futures e S P500 stocks - caixa de ferramentas em Python e Matlab - Quantiacs hospeda competicoes de negociacao algoritmica com investimentos variando de 500k a 1 milhao Estrategias de alocacao de ativos e estrategias de alocacao de ativos: - multiplos fatores de capital com comprovada alfa sobre benchmarks de mercado, multiplos universos de investimento, filtros de gerenciamento de risco - estrategias de alocacao de ativos backtests, mistura de alocacao de ativos e picking de fatores em um portfolio - MATLAB - Linguagem de alto nivel e ambiente interativo para computacao estatistica e graficos: - computacao paralela e GPU, backtesting e otimizacao, amplas possibilidades de integracao, etc. - preco sob consulta aqui Ambiente de software livre para computacao estatistica e graficos, muitos quants preferem usa-lo para sua arquitetura aberta excepcional e flexibilidade: - facilidade de tratamento e armazenamento de dados eficazes, instalacoes graficas para analise de dados, facilmente estendida via pacotes - extensoes recomendadas - quantstrat, Rmetrics, quantmod, quantlib, PerformanceAnalytics, TTR, portfolio, portfolioSim, backtest, etc. Linguagem de programacao open source livre, arquitetura aberta, flexivel, facilmente estendida atraves de pacotes: - extensoes recomendadas - pandas (Python Data Analysis Library BacktestingXL Pro e um add-in para construir e testar as suas estrategias de negociacao no Microsoft Excel 2010 e 2013: - os usuarios podem usar o VBA para construir estrategias para o BacktestingXL Pro, o conhecimento do VBA, o Python Algorithmic Trading Library, o Zipline, o ultrafinance etc. E opcional, os usuarios podem construir regras de negociacao em uma planilha usando padrao pre-fabricados backtesting codigos - suporta piramide, limitacao de posicao curto / longo, comissao de calculo, controle de patrimonio, fora de dinheiro de controle, Relatorios de risco - 74,95 para BacktestingXL Pro Ferramenta de backtesting baseada na Web: - simples de usar, ferramenta de backtesting baseada na web de nivel basico para testar a forca relativa e estrategias de media movel em ETFs - varios tipos de estrategias de backtesting funcionalidade completa gratuita 34,99 mensal FactorWave e simples usar a ferramenta backtesting baseada na correia fotorreceptora para o investimento do fator: - permite que o usuario misture varios fatores do ETF / options / futuros / equidade com alfa comprovado sobre tampoes do tampao do mercado - livre - ETF / Stock Screener com 5 fatores - 149 / mo Free free web based back-testing ferramenta para testar estrategias de picking de acoes: - acoes dos EUA, os dados da ValueLine de 1986- Backtesting Ambientes em Python com Pandas Por BackStage, em 16 de janeiro de 2014 Backtesting e o processo de pesquisa de aplicar uma ideia de estrategia de negociacao a dados historicos, a fim de verificar o desempenho passado . Em particular, um backtester nao garante o desempenho futuro da estrategia. No entanto, sao um componente essencial do processo de pesquisa de pipeline estrategico, permitindo que as estrategias sejam filtradas antes de serem colocadas em producao. Neste artigo (e aqueles que o seguem) um sistema de backtesting orientado a objetos basico escrito em Python sera descrito. Este sistema inicial sera principalmente um auxiliar de ensino, usado para demonstrar os diferentes componentes de um sistema de backtesting. A medida que avancamos nos artigos, sera adicionada uma funcionalidade mais sofisticada. Visao geral do Backtesting O processo de criacao de um robusto sistema de backtesting e extremamente dificil. Efetivamente simular todos os componentes que afetam o desempenho de um sistema de negociacao algoritmica e um desafio. Fraca granularidade de dados, opacidade do roteamento de ordens em um corretor, latencia de pedidos e uma miriade de outros fatores conspiram para alterar o verdadeiro desempenho de uma estrategia versus o desempenho backtestado. Ao desenvolver um sistema de backtesting e tentador querer constantemente reescreve-lo a partir do zero como mais fatores sao encontrados para ser crucial na avaliacao de desempenho. Nenhum sistema de backtesting e sempre terminado e um julgamento deve ser feito em um ponto durante o desenvolvimento que fatores suficientes foram capturados pelo sistema. Com estas preocupacoes em mente o backtester apresentado aqui sera um pouco simplista. A medida que exploramos outras questoes (otimizacao de portfolio, gerenciamento de risco, manipulacao de custos de transacao), o backtester se tornara mais robusto. Tipos de sistemas de Backtesting Existem geralmente dois tipos de backtesting sistema que sera de interesse. O primeiro e baseado na pesquisa. Usado principalmente nos estagios iniciais, onde muitas estrategias serao testadas para selecionar aqueles para avaliacao mais seria. Estes sistemas de backtesting de pesquisa sao muitas vezes escritos em Python, R ou MatLab como velocidade de desenvolvimento e mais importante do que a velocidade de execucao nesta fase. O segundo tipo de sistema de backtesting e baseado em eventos. Ou seja, realiza o processo de backtesting em um loop de execucao semelhante (se nao identico) ao proprio sistema de execucao de negociacao. Ele modelara realisticamente os dados de mercado e o processo de execucao de ordens, a fim de proporcionar uma avaliacao mais rigorosa de uma estrategia. Os ultimos sistemas sao frequentemente escritos em uma linguagem de alto desempenho, como C ou Java, onde a velocidade de execucao e essencial. Para estrategias de baixa frequencia (embora ainda intraday), Python e mais do que suficiente para ser usado neste contexto. Object-Oriented Research Backtester em Python O projeto e a implementacao de um ambiente de backtesting baseado em pesquisa orientada a objetos serao agora discutidos. A orientacao do objeto foi escolhida como o paradigma de design de software pelas seguintes razoes: As interfaces de cada componente podem ser especificadas antecipadamente, enquanto as internas de cada componente podem ser modificadas (ou substituidas) a medida que o projeto progride. Para testar eficazmente como cada componente se comporta (atraves de testes de unidade) Ao estender o sistema, novos componentes podem ser construidos sobre ou alem de outros, seja por heranca ou composicao. Nesta fase, o backtester e projetado para facilidade de implementacao e um grau razoavel de flexibilidade , A custa da verdadeira precisao do mercado. Em particular, este backtestter so sera capaz de lidar com estrategias agindo em um unico instrumento. Mais tarde o backtester sera modificado para lidar com conjuntos de instrumentos. Para o backtestter inicial, sao necessarios os seguintes componentes: Estrategia - Uma classe Strategy recebe um Pandas DataFrame de barras. I. e. uma lista de pontos de dados Open-High-Low-Close-Volume (OHLCV) a uma frequencia particular. A Estrategia produzira uma lista de sinais. Que consistem numa marca de tempo e num elemento do conjunto indicando um sinal longo, de espera ou curto, respectivamente. Portfolio - A maioria do trabalho de backtesting ocorrera na classe Portfolio. Ele recebera um conjunto de sinais (conforme descrito acima) e criara uma serie de posicoes, alocadas contra um componente em dinheiro. O trabalho do objeto Portfolio e produzir uma curva de equivalencia patrimonial. Incorporar os custos de transacao basicos e acompanhar os negocios. Desempenho - O objeto Performance obtem um portfolio e produz um conjunto de estatisticas sobre seu desempenho. Em particular, produzira caracteristicas de risco / retorno (Sharpe, Sortino e Ratios de Informacao), metricas de lucro / lucro e informacoes de levantamento. O que esta faltando Como pode ser visto, este backtest nao inclui qualquer referencia ao gerenciamento de portfolio / risco, processamento de execucao (ou seja, sem ordens de limite) nem fornecera sofisticada modelagem de custos de transacao. Isto nao e muito problema neste estagio. Isso nos permite familiarizar-nos com o processo de criacao de um backtester orientado a objetos e as bibliotecas Pandas / NumPy. Com o tempo ele sera melhorado. Implementacao Vamos agora descrever as implementacoes para cada objeto. Estrategia O objeto de Estrategia deve ser bastante generico nesta fase, ja que sera o manejo das estrategias de previsao, reversao media, momentum e volatilidade. As estrategias aqui consideradas serao sempre baseadas em series temporais, isto e, orientadas por preco. Um requisito previo para este backtester e que as classes de Estrategia derivadas aceitarao uma lista de barras (OHLCV) como entrada, em vez de carrapatos (precos de trade-by-trade) ou dados de lista de pedidos. Assim, a granularidade mais fina que esta sendo considerada aqui sera barras de 1 segundo. A classe Estrategia tambem produzira sempre recomendacoes de sinal. Isso significa que ele ira aconselhar uma instancia Portfolio no sentido de ir longo / curto ou segurando uma posicao. Essa flexibilidade nos permitira criar varios conselheiros de Estrategia que fornecam um conjunto de sinais que uma classe de portfolio mais avancada pode aceitar para determinar as posicoes reais que estao sendo inseridas. A interface das classes sera aplicada utilizando uma metodologia de classe base abstrata. Uma classe base abstrata e um objeto que nao pode ser instanciado e, portanto, somente as classes derivadas podem ser criadas. O codigo Python e dado abaixo em um arquivo chamado backtest. py. A classe Estrategia exige que qualquer subclasse implemente o metodo de geracao de sinais. Para evitar que a classe Estrategia seja instanciada diretamente (uma vez que e abstrata) e necessario usar os objetos ABCMeta e abstractmethod do modulo abc. Definimos uma propriedade da classe, chamada metaclasse para ser igual a ABCMeta e, em seguida, decorar o metodo de geracao de sinais com o decorador abstractmethod. Embora a interface acima seja direta, ela se tornara mais complicada quando essa classe for herdada para cada tipo especifico de estrategia. Em ultima analise, o objetivo da classe Estrategia nessa configuracao e fornecer uma lista de sinais long / short / hold para cada instrumento a ser enviado para um Portfolio. Carteira A classe Portfolio e onde residira a maioria da logica de negociacao. Para este backtester de pesquisa, o portfolio e responsavel por determinar o dimensionamento de posicao, analise de risco, gerenciamento de custos de transacao e tratamento de execucao (ou seja, ordens de mercado sobre fechamento). Numa fase posterior, estas tarefas serao divididas em componentes separados. Agora eles serao incluidos em uma classe. Esta classe faz uso amplo de pandas e fornece um grande exemplo de onde a biblioteca pode economizar uma enorme quantidade de tempo, particularmente no que diz respeito a disputa de dados padronizada. Como um aparte, o principal truque com pandas e NumPy e evitar iterar sobre qualquer conjunto de dados usando o para d in. Sintaxe. Isso ocorre porque NumPy (que subjaz pandas) otimiza loop por operacoes vectorized. Assim, voce vera poucas (se houver) iteracoes diretas ao utilizar pandas. O objetivo da classe Portfolio e, em ultima instancia, produzir uma sequencia de negociacoes e uma curva patrimonial, que sera analisada pela classe Performance. Para isso, deve ser fornecida uma lista de recomendacoes de negociacao a partir de um objeto Estrategia. Mais tarde, este sera um grupo de objetos Estrategia. A classe Portfolio precisara ser informada sobre como o capital deve ser implantado para um determinado conjunto de sinais de negociacao, como lidar com custos de transacao e quais formas de ordens serao utilizadas. O objeto Estrategia esta operando em barras de dados e, portanto, devem ser feitas premissas em relacao aos precos obtidos na execucao de uma ordem. Uma vez que o preco alto / baixo de qualquer barra e desconhecida a priori, so e possivel usar os precos abertos e fechados para negociacao. Na realidade, e impossivel garantir que uma ordem sera preenchida a um desses precos particulares quando se utiliza uma ordem de mercado, pelo que sera, na melhor das hipoteses, uma aproximacao. Alem de suposicoes sobre as ordens de ser preenchido, este backtester ira ignorar todos os conceitos de margem / corretagem restricoes e ira supor que e possivel ir longas e curtas em qualquer instrumento livremente sem restricoes de liquidez. Esta e claramente uma suposicao muito irrealista, mas e aquela que pode ser relaxada mais tarde. A listagem a seguir continua backtest. py: Nesta fase, as classes basicas abstratas Strategy e Portfolio foram introduzidas. Agora estamos em posicao de gerar algumas implementacoes derivadas concretas dessas classes, a fim de produzir uma estrategia de brinquedo de trabalho. Comecaremos gerando uma subclasse de Estrategia chamada RandomForecastStrategy. A unica tarefa de que e produzir aleatoriamente escolhidos long / short sinais Embora esta e claramente uma estrategia de negociacao absurda, que ira servir as nossas necessidades, demonstrando o objeto orientado backtesting quadro. Assim, vamos comecar um novo arquivo chamado random forecast. py. Com a lista para o forecaster aleatorio da seguinte forma: Agora que temos um sistema de previsao concreto, devemos criar uma implementacao de um objeto Portfolio. Este objeto ira abranger a maioria do codigo backtesting. Ele e projetado para criar dois DataFrames separados, o primeiro dos quais e um quadro de posicoes, usado para armazenar a quantidade de cada instrumento realizada em qualquer barra em particular. O segundo, carteira. Na verdade contem o preco de mercado de todas as exploracoes para cada barra, bem como um comprovante do dinheiro, assumindo um capital inicial. Isso, em ultima instancia, fornece uma curva de equidade sobre a qual avaliar o desempenho da estrategia. O objeto Portfolio, embora extremamente flexivel em sua interface, requer escolhas especificas quando se trata de como lidar com os custos de transacao, ordens de mercado, etc Neste exemplo basico eu considerei que sera possivel ir long / short um instrumento facilmente sem restricoes ou Margem, comprar ou vender diretamente ao preco de abertura da barra, custos de transacao zero (abrangendo derrapagem, taxas e impacto no mercado) e especificou a quantidade de acoes diretamente para compra para cada comercio. Aqui esta a continuacao da lista aleatoria de forecast. py: Isso nos da tudo o que precisamos para gerar uma curva de equidade baseada nesse sistema. A etapa final e amarrar tudo junto com uma funcao principal: A saida do programa e a seguinte. O seu diferira da saida abaixo, dependendo do intervalo de datas que voce selecionar e da semente aleatoria utilizada: Neste caso, a estrategia perdeu dinheiro, o que nao surpreende dada a natureza estocastica do antecessor Os proximos passos sao criar um objeto de desempenho que aceita um Portfolio e fornece uma lista de metricas de desempenho sobre as quais basear a decisao de filtrar a estrategia para fora ou nao. Tambem podemos melhorar o objeto Portfolio para ter um tratamento mais realista dos custos de transacao (como comissoes de corretores interativos e deslizamento). Tambem podemos incluir diretamente um mecanismo de previsao em um objeto Estrategia, que (esperamos) produza melhores resultados. Nos proximos artigos, exploraremos esses conceitos com mais profundidade. Michael Halls-Moore Mike e o fundador da QuantStart e tem estado envolvido na industria de financas quantitativas nos ultimos cinco anos, principalmente como desenvolvedor quantitativo e, mais tarde, como consultor de comerciante de quant para hedge funds.