تفاوت بین کوانت و تحلیلگر فنی

کوانت ها و تحلیلگران فنی دو روی یک سکه هستند. از آنجایی که هم تحلیلگران فنی و هم کوانت ها برای روش معاملاتی الگوریتمی کار می کنند، آنها به هم مرتبط هستند و در عین حال به صورت جداگانه عمل می کنند. با یافتن نحوه عملکرد هرکدام به صورت جداگانه، می توانید اهمیت هر کدام و اینکه چگونه ادغام می تواند مفید باشد را بهتر یاد بگیرید.

این وبلاگ شامل موارد زیر است:

• شباهت ها و تفاوت های Quants و Technical Analyst چیست؟
• ترکیبی از Quants و تحلیلگرهای فنی و مزایای زمانی که با هم هستند
• چگونه می توان بین الزامات آموزشی Quants و Technical Analyst تفاوت قائل شد؟

شباهت ها و تفاوت های Quants و Technical Analyst چیست؟

وقتی در حین مقایسه این دو نقش به شباهت ها پی می بریم، فیلتر کردن آنچه که آنها را متمایز می کند بسیار آسان تر می شود. با نقش های مختلف، مسئولیت های متفاوتی نیز به همراه دارد.

شباهت ها در کوانت ها و تحلیلگران فنی

کوانت و تحلیلگران فنی

برای دامنه معاملات الگوریتمی استفاده شده است

از شاخص های فنی مانند خطوط روند، میانگین متحرک، بازگشت میانگین استفاده کنید

به رفتار گذشته بازار نگاه کنید

در ایجاد یک استراتژی معاملاتی با سیگنال ورود و خروج و الگوریتم اندازه موقعیت کمک کنید

تفاوت بین کوانت و تحلیلگر فنی

کوانت

تحلیلگران فنی

کوانت ها بیش از پیش بینی رفتار بازار در آینده بر ایجاد یک استراتژی معاملاتی تمرکز می کنند

تمرکز تحلیلگران فنی بر پیش بینی رفتار بازار در آینده با کمک داده های تاریخی بازار

کوانت ها از مدرک ریاضی، آمار و مالی استفاده می کنند

یک تکنسین مالی معتبر، تکنسین بازار خبره یا مدرک مشابه در امور مالی مورد نیاز است.

کوانت ها نسبت شارپ، ریسک مورد انتظار، بازده مورد انتظار و سایر آمارهای مشابه را برای یک الگوریتم یا استراتژی خاص ارائه می دهند

یک تحلیلگر فنی سیگنال خرید یا فروش در بازار را بر اساس وضعیت مشابه گذشته می دهد

در کنار شاخص ها/ابزارهای فنی مانند میانگین های متحرک، نوسان گرها، خطوط روند و غیره، کوانت ها همچنین از یادگیری ماشین، شبکه های عصبی و ابزارهای آماری مانند نسبت شارپ و غیره استفاده می کنند.

تحلیلگران فنی از شاخص های فنی و نظرات از پیش تعیین شده بر اساس عملکرد گذشته بازار استفاده می کنند.

نمونه ای از تحلیل تکنیکال

من یک نمایش گرافیکی از مقادیر/نتیجه اندیکاتور تصادفی برای ارائه یک مثال ساده در زیر گرفته ام:

در تصویر بالا ، خط ٪ k (مقدار شاخص تصادفی) روی نمودار که از چپ به راست حرکت می کند نشان داده شده است. این ٪ k توسط خط آبی نشان داده شده است و نسبت تفاوت در نزدیک و پایین قیمت را به تفاوت بین قیمت بالا و پایین در 14 دوره گذشته نشان می دهد. هنگامی که ٪ K از 80 می رود ، این یک وضعیت بیش از حد است و وقتی ٪ K به زیر 20 می رود ، این یک وضعیت بیش از حد است.

به طور مشابه ، ٪ D مقدار شاخص تصادفی صاف است که همچنین باعث ایجاد سیگنال های خرید و فروش می شود. برای کسب اطلاعات بیشتر در مورد نوسان ساز تصادفی ، می توانید برای تجارت در دوره ما در پایتون ثبت نام کنید!

مثال تجزیه و تحلیل کمی

نمونه ای از تجزیه و تحلیل کمی نسبت شارپ برای استراتژی معاملاتی ایجاد شده پس از استفاده از شاخص فنی است.

در این حالت ، می توان گفت که پس از استفاده از یک نوسان ساز تصادفی و دیدن موقعیت های بیش از حد و بیش از حد ، Quant یک استراتژی معاملاتی را بر اساس نسبت شارپ ایجاد می کند. نسبت شارپ بازده اضافی را برای واحد انحراف استاندارد در یک دارایی سرمایه گذاری یا یک استراتژی معاملاتی اندازه گیری می کند.

• نسبت شارپ بالا - بازده بیشتر در هر واحد خطر
• نسبت شارپ کم - بازده بیشتر در هر واحد خطر

معادله نسبت شارپ: نسبت شارپ = (RP - RF) / σ

جایی که ، RP = میانگین بازگشت نمونه کارها RF = نرخ بدون ریسک σ = انحراف استاندارد نمونه کارها

فرض کنید انتظار دارید که نمونه کارها شما سالانه 12 ٪ بازده داشته باشد. اگر نرخ بدون ریسک 7 ٪ باشد و نمونه کارها شما دارای انحراف استاندارد 8 ٪ باشد. نسبت شارپ برای نمونه کارها شما به این صورت محاسبه می شود:

نسبت شارپ = (12 ٪ - 7 ٪)/ 8 ٪ = 0. 625

ترکیبی از Quants و تحلیلگرهای فنی و مزایای زمانی که با هم هستند

هنگامی که یک تحلیلگر کم و یک تحلیلگر فنی با هم کار می کنند ، تیمی را برای تجارت الگوریتمی موفق ایجاد می کند. بگذارید ببینیم چگونه

تحلیلگران فنی از شاخص های فنی برای پیش بینی سناریوی بازار استفاده می کنند که آیا بازار احتمال بیشتری برای تبدیل شدن به نزولی یا صعودی دارد. با کمک این نتایج ، تحلیلگر کمی می تواند از ابزارهای آماری برای نتایج مانند بازده مورد انتظار ، خطرات ، نسبت شارپ و غیره استفاده کند.

سپس ، با ترکیب هر دو ، یعنی پیش بینی بازار بر اساس عملکرد تاریخی بازار و شماره های آماری ، می توان یک استراتژی معاملاتی ایجاد کرد.

فواید هنگام جمع شدن و تحلیلگران فنی به شرح زیر است:

• تخصص در کارها باعث می شود کار کارآمدتر شود
• ترکیبی از هر دو به ارزیابی سرمایه گذاری های بلند مدت کمک می کند زیرا یکی از آنها وضعیت بازار را در مورد عملکرد تاریخی پیش بینی می کند و دیگری آزمایش آماری را برای تعیین کمیت عملکرد استراتژی انجام می دهد
• هر دو در کنار هم می توانند به معامله گر کمک کنند تا مزایا و خطرات احتمالی تصمیمات تجاری را تحقق بخشد
• استراتژی دو بار تأیید می شود. یکی با کمک شاخص های فنی و دیگری با کمک ابزارهای آماری
• ترکیب تجزیه و تحلیل فنی و کمی منجر به معاملات سودمند تری می شود

چگونه می توان بین الزامات آموزشی Quants و Technical Analyst تفاوت قائل شد؟

برای تبدیل شدن به یک تحلیلگر کمی ، شما به ترکیبی از موضوعات نیاز دارید که در امور مالی ، آمار ، ریاضیات ، علوم کامپیوتر و غیره آگاهی داشته باشند.

اکنون ، از آنجا که یک مقدار نیاز به حضور در یک چارچوب گسترده تر دارد ، باید در ریاضیات و آمار به همراه امور مالی مهارت داشته باشد.

اما ، برای تبدیل شدن به یک تحلیلگر فنی ، شما عمدتاً نیاز به داشتن مدرک تحصیلی در امور مالی دارید زیرا این نقش نیاز به مطالعه داده های بازار تاریخی یا عملکرد دارد. با داده های تاریخی بازار ، یک تحلیلگر فنی پیش بینی می کند که عملکرد بازار در آینده چه خواهد بود.

ما لیستی از برخی از وبلاگ های مورد نیاز خود را در مورد تحلیل فنی که توسط کارشناسان نوشته شده است ، تنظیم کرده ایم!

نتیجه

ما در این وبلاگ یک تحلیلگر کم و فنی و چگونگی تخصص آنها در نقش ها و مسئولیت های خود بحث کردیم. هم یک مقدار و هم یک تحلیلگر فنی در همان حوزه تجارت الگوریتمی کار می کنند. در حالی که آنها به صورت جداگانه در نقش های مربوطه خوب هستند ، در ترکیب آنها برای موفقیت در تجارت الگوریتمی.

اگر می خواهید در مورد استفاده از شاخص های فنی با یکی از استراتژی های معاملاتی که به عنوان معاملات نوسان شناخته می شود ، یاد بگیرید ، می توانید در معاملات نوسان این دوره را انتخاب کنید.

سلب مسئولیت: کلیه داده ها و اطلاعات ارائه شده در این مقاله فقط برای اهداف اطلاعاتی است. Quantinsti ® در مورد صحت ، کامل بودن ، جاری بودن ، مناسب بودن و یا اعتبار هرگونه اطلاعات در این مقاله هیچ گونه نمایشی ندارد و مسئولیت هرگونه خطا ، حذف یا تأخیر در این اطلاعات یا هرگونه ضرر ، صدمات یا خسارت ناشی از آن نخواهد بودنمایش یا استفادهتمام اطلاعات به صورت as-is ارائه می شود.