Metodologi untuk Mengembangkan Sistem Trading Frekuensi Tinggi

Metodologi untuk Mengembangkan Sistem Trading Frekuensi Tinggi

Situsekonomi.com - Industri hedge fund, reksadana, perbankan, dan perusahaan trading proprietary kini dipaksa untuk dengan cepat meneliti, menguji coba, dan menerapkan sistem eksekusi dan seleksi perdagangan bercepatan tinggi. Kumiega dan Ben Van Vliet, dosen di Illinois Institute of Technology, mengembangkan metodologi setahap demi setahap untuk pengembangan semacam itu. Metodologi mereka (disebut KIV) menjawab kebutuhan industri trading institusional dan hedge fund untuk pengembangan, presentasi, dan evaluasi sistem investasi dan trading frekuensi tinggi (Perez, 122: 2012).

Kumiega menjelaskan metodologi itu secara bertahap. Pada tahap 1, bahkan sebelum perusahaan mulai membangun, mereka harus bertanya pada diri mereka sendiri bagaimana mereka akan memonitor algoritma yang sukses.

Trader frekuensi tinggi perlu mengartikulasikan secara utuh logika bisnis dan metode kuantitatif dan setelah melewati proses penelitian berulang-ulang, merencanakan setiap siklus yang mewajibkan anggota tim mendefinisikan kembali tujuan-tujuan dan batas-batas penelitian tersebut. Perusahaan bisa dengan cepat membangun beberapa generasi untuk mengevaluasi apakah gagasan tertentu memerlukan penelusuran lebih jauh dan untuk mempromosikan pengembangan secara berulang-ulang berbasis risiko. Jadi, apabila perusahaan menganggap ini sebagai mesin yang akan dibangun, mereka akan menjajaki apa pun yang bisa mereka lakukan karena mengumpulkan data untuk algoritma itu gratis.

Ukuran-ukuran penting artinya keuntungan rata-rata (mean) dan keuntungan nilai tengah (median), deviasi penghasilan standar, rasio Sharp, dan transaksi untung rugi. Perusahaan-perusahan juga ingin tahu, secara rata-rata, berapa hari mereka menjadi pemenang dan berapa hari mereka menjadi pecundang.

Jika ini berubah, ada yang rusak dalam mesin mereka. Untung dan rugi (P&L) tidak boleh terpeleset, tetapi apabila mereka mulai melihat rasio pendapatan rendah, berarti ada yang berubah dalam mesin mereka.

Jadi pada tahap 1, indeks kapabilitas porses (Cpk) mendorong naik. Pemikiran-pemikiran ini jelas berasal dari manufaktur, dan pertanyaannya adalah apakah algoritma mereka berhasil pada level mereka sekarang. Perusahaan ingin mesin mereka bekerja sesuai dengan target plus minus mereka.

Untuk tahap 2, perusahaan membangun database yang sudah disesuaikan (customized) berdasarkan data historis dan membeli atau membangun perangkat lunak yang memungkinkan dilakukannya pengujian secara tepat atas strategi tertentu. Data yang dibutuhkan bisa jadi tidak ada sama sekali atau tidak terjangkau karena mahal jika melihat prospek penghasilan dari strategi trading tersebut.

Langkah berikutnya adalah mengembangkan metode penyaringan data (data cleaning) -- sistem manajemen transformasi data (data transformation management system/DTMS) yang akan melakukan scanning data untuk mengetahui kesalahan (errors) dan ketidakteraturan (irregularities). Yang mau dikatakan di sini adalah bahwa sistem perlu membuktikan validitasnya bahkan ketika dikonfrontasikan dengan data mentah karena proses penyaringan bisa menghilangkan nuansa pasar yang bisa memengaruhi profitabilitasnya.

Kumiega memperingatkan bahwa perusahaan perlu memikirkan penggunaan data "bersih" dan "kotor". Tentu saja, sebagian besar perusahaan yang baru memulai tidak mempunyai data kotor, sehingga dia merekomendasikan untuk menghubungi vendor dan meminta data yang benar-benar kotor untuk menguji algoritma mereka.

Perusahaan perlu mempertimbangkan teori kontrol mesin dalam proses pengembangan mereka, mengendalikan output algoritma dengan melihat deviasi standar mereka. Ketika algoritma keluar dari skenario, perusahaan akan menutup algoritma tersebut.

Setiap instalasi manufaktur utama tunggal mati ketika mendapat 3 deviasi standar jauh dari normal. Perusahaan perlu melaksanakan benchmarking algoritma dengan data sampel dan menggunakan kendali proses statistik untuk memeriksa ambiguitas output algoritma trading. Ada indikasi-indikasi penting suatu sistem tidak terkendali atau dalam kondisi ambigu: pengukuran tunggal di atas atau di bawah batas kendali yang lebih tinggi atau lebih rendah, lima pengukuran berturut-turut bergerak dengan arah yang sama ke atas atau ke bawah, dua pengukuran lebih besar daripada 2 deviasi standar nilai rata-rata, tiga pengukuran lebih dari 1,5 deviasi standar dari nilai rata-rata, dan tujuh pengukuran berturut-turut pada satu sisi dari nilai rata-rata.

Kumiega berpendapat bahwa bahkan suatu sistem yang menguntungkan bisa dihabisi. Meski banyak trader rela menghabiskan beberapa juta dolar untuk menunjukkan bagaimana sistem ini bekerja di dunia nyata, menyewa programmer, membeli persediaan data riil, dan menanggung biaya pengembangan lain, ada berbagai alasan untuk membunuh suatu sistem jika sistem tersebut tidak menghasilkan jenis uang yang diinginkan, menghindari investasi pada tahap pengembangan selanjutnya.

Perusahaan perlu mengecek performa dan perdagangan uji coba -- dengan kata lain melakukan trading bayangan atas algoritma tersebut. Menurut Kumiega, jika Anda melakukan uji coba selama satu minggu, maka Anda barangkali bisa berasumsi bahwa Anda mempunyai stabilitas selama satu minggu.

Jika Anda menguji coba selama dua tahun, maka Anda mendapatkan stabilitas selama dua tahun. Ada produk-produk di luar sana yang memungkinkan Anda mendapatkan data perubahan minimum harga (tick) dan menguji coba strategi-strategi Anda.

Memang mahal, untuk itu mari kita kembali ke pertanyaan paling penting: Anda ini berada di bisnis apa? Jika Anda ingin berada di bisnis frekuensi super tinggi, latensi rendah, ribuan trading, maka $1 juta bukan uang yang banyak. Jika Anda ingin ada di bisnis pembuat order otomatis, maka itu uang yang sangat banyak.

Jadi, pertimbangkan pertanyaan itu secara saksama -- Anda ingin ada di bisnis apa, dan mengapa Anda berpikir bisa mengalahkan pesaing Anda? Ini benar-benar menentukan berapa lama dan mengapa Anda membutuhkan backtesting (penggunaan data lama untuk memprediksi kejadian di masa mendatang).

Bagi banyak orang, backtesting sangat penting untuk keberhasilan penggunaan strategi-strategi trading frekuensi tinggi yang bahkan sudah dipikirkan dengan sangat matang. Leman menegaskan bahwa sudah gamblang sekali ada kebutuhan backtesting yang bersifat historis: "Harus ada pengujian secara terus-menerus, dan ketika hasil sudah muncul, Anda harus memastikan bahwa hasil yang Anda lihat adalah hasil yang Anda inginkan, bukan sesuatu yang tidak dapat dijelaskan. Anda ingin memastikan bahwa segala sesuatu berjalan sesuai dengan ekspektasi."

Namun demikian, backtesting memiliki keterbatasan. Bagi Thakkar, backtesting sulit diselesaikan jika strategi Anda bergantung pada latensi, data pasar dan waktu.

Seseorang bisa mengajarkan strategi untuk mendapatkan hasil yang menguntungkan. Tetapi setelah Anda menjalankannya, bisa saja ada orang lain yang menyediakan likuiditas sebelum Anda dan mendapatkan hasil yang sama, katanya.

Untuk backtesting, yang biasa orang lakukan adalah menghidupkan strategi itu secara langsung (live) tapi tidak mengirimkan hasil secara langsung. Thakkar telah bekerja dengan trader frekuensi tinggi yang melakukan trading Eurodollars di pit (lokasi di lantai perdagangan bursa komoditas di mana komoditas tertentu diperdagangkan), sekarang secara elektronik yang tidak melakukan backtesting sama sekali.

Alih-alih, katanya, mereka membuat perangkat dengan banyak kontrol, sehingga sekalipun mereka memiliki kotak hitam atau kotak abu-abu di mana mereka selalu menempatkan jari-jari mereka, agar mereka bisa memulai strategi yang cukup baik dengan cepat. Thakkar menyarankan agar trader yang ingin bersaing dengan perusahaan besar harus memiliki mesin paling mutakhir yang memasukkan simulasi Monte Carlo dan model harga pilihan Black-Scholes.

Untuk tahap 3, tim mendefinisikan secara utuh keberfungsian (functionality) dan ketentuan kinerja dari sistem trading/investasi. Dokumen spesifikasi memungkinkan tim teknisi perangkat keras dan programmer bisa dengan cepat membuat sistem dengan fungsi yang tepat dan dengan spesifikasi yang pas.

Pada saat tim produk mencapai tahap ini, sebagian besar atau barangkali semua pekerjaan dasar untuk kesuksesan pelaksanaan sudah dibuat. Berbagai ketentuan telah dikumpulkan dan diuji coba secara menyeluruh pada tahap-tahap sebelumnya. Kekeliruan desain apa pun yang ditemukan atau perubahan-perubahan yang telah dibuat pada strategi investasi dari titik ini mau tidak mau harus kembali ke tahap 1 untuk pengerjaan ulang dan pengetasan ulang.

Terakhir, tahap 4, perusahaan akan mengembangkan laporan yang menampilkan statistik portofolio, pengukuran kinerja, dan penghitungan risiko dan menyediakan dokumentasi atribusi laba (gain) dan rugi (loss). Teknik pengendalian risiko semestinya membantu tim memahami apakah sistem berhasil atau tidak berdasarkan spesifikasi yang telah ditetapkan dan sesuai dengan backtesting dan/atau benchmark. Pasar bersifat stokastik (memiliki variabel acak), dan kinerja sistem trading/investasi juga akan bersifat stokastik.

Kumiega menyarankan agar perusahaan bertanya pada diri mereka sendiri apakah sistem berjalan sesuai dengan setelan pada tahap 1, 2, dan 3. Apakah distribusinya sama? Apakah semua pengukuran sama? Ketika algoritma keluar dari skenario, bisa disimpulkan mesin sudah tidak lagi bekerja sesuai dengan spesifikasinya.

Ini tidak berarti bahwa algoritma tersebut akan menghasilkan atau tidak akan menghasilkan uang. Pokoknya, mesin itu sudah gagal. Ketika suatu mesin dianggap sudah di luar kendali, maka perlu diperbaiki.

Ada beberapa cara untuk memperbaikinya, dimulai dari melakukan tindakan pengamanan. Pilihan lain adalah memeriksa latensi data, mengecek pesaing baru yang menggunakan algoritma yang lebih baik, merilis algoritma yang lebih baru, dan mendesain ulang algoritma untuk mengalahkan performa pesaing baru.

Kumiega menyimpulkan dengan mengatakan bahwa sistem trading frekuensi tinggi apa pun adalah sistem kompleks yang seharusnya dibangun dan ditangani berdasarkan teori rekayasa proses. Suatu siklus pengembangan hibrida yang menggunakan perangkat berbeda untuk tahap-tahap pengembangan berbeda sudah optimal bagi keuangan kuantitatif, yang mewajibkan suatu proses spesialis karena besarnya jumlah riset dan pengembangan (R&D) mutakhir, tekanan waktu, dan tim lintas fungsi dengan kemampuan spesialis. Kumiega juga mengatakan tahap siklus kehidupan berikutnya dalam keuangan kuantitatif adalah tahap mutu, karena fakta bahwa ketika semua industri mencapai titik kematangan, mereka akhirnya harus fokus pada kualitas proses untuk menghasilkan barang dan jasa yang memenangkan perang.

"Memenangkan perang" artinya memilih perang yang tepat untuk diperjuangkan dan keluar dari pertempuran yang pasti kalah. Perusahaan tidak bisa berharap memenangkan semua pertempuran yang mereka hadapi dalam lanskap trading frekuensi tinggi.

Hanya perusahaan besar yang akan bisa menerjunkan sumber daya secara memadai untuk membangun sistem tercepat karena mereka akan mencari keunggulan kecepatan. Meskipun keuntungan signifikan bisa didapatkan dengan menggunakan strategi-strategi yang peka terhadap latensi, akan ada arena terbuka bagi perusahaan-perusahaan yang tidak 100 persen mengandalkan kecepatan.

BACA JUGA:

Ini yang membuat arena trading frekuensi tinggi menarik. Kecepatan bukan jawaban, hanya fasilitator ke strategi-strategi tertentu; bagi yang lain, kecepatan tidak sepenting itu.

Belum ada Komentar untuk "Metodologi untuk Mengembangkan Sistem Trading Frekuensi Tinggi"

Posting Komentar

Iklan Atas Artikel

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel