अल्फा प्रिडेटर ™: पार्सिंग प्रदर्शन

जब अल्फा प्रिडेटर ™ को एपीएम II में अंतिम बार देखा गया था, तो हमने अध्ययन किया कि यह मशीन सीखने का उपयोग कैसे करता है ताकि यह बाजार की स्थितियों के अनुकूल होने के लिए एल्गोरिदम को अनुकूलित कर सके - अंतर्निहित व्यवस्थित मॉडल को अनुकूलित करने के लिए लगभग 10 ट्रिलियन पैरामीटर संयोजन आवश्यक थे, जिसे चलाने के लिए 54 बिलियन वर्षों की आवश्यकता थी। इन सभी विकल्पों के माध्यम से मैन्युअल रूप से। अल्फा प्रीडेटर एक कॉस्मोलॉजिकल इकाई हो सकती है, लेकिन यह कि यह ब्रह्मांड की उम्र से कितनी लंबी है और एक ही मानव जीवनकाल में मैन्युअल रूप से करना असंभव है, बायसीयन अनुकूलन विधियों का उपयोग कुछ घंटों के भीतर इन विभिन्न मापदंडों का अनुकूलन करने के लिए किया जाता है।

हमारे बेल्ट के तहत कुछ महीनों के लाइव-परीक्षण अल्फा प्रीडेटर प्रदर्शन के साथ, इस प्रदर्शन के बारे में चर्चा करने का यह एक उपयुक्त समय है, साथ ही हमारे पिछले प्रदर्शन के दो साल पीछे चले जाने के साथ। चूंकि डिजिटल संपत्ति की दुनिया में 2017 और 2018 काफी अलग-अलग साल थे, इसलिए यह देखना दिलचस्प है कि हम इन दो प्रतीत होने वाले अवधियों के दौरान अल्फा प्रीडेटर के व्यवहार के बारे में क्या सीख सकते हैं।

प्रदर्शन रिकैप

यदि 2017 और 2018 के दौरान क्रिप्टोक्यूरेंसी मूल्य की जानकारी ने एक आकार लिया, तो यह आकाश के लिए एक खूबसूरत परबोला होने वाला होगा, 2017 में चंद्रमा की ओर सभी तरह से शूटिंग की जाएगी, केवल 2018 में वापस पृथ्वी पर गिरने के लिए। बिटकॉइन और एथोमम दोनों 72 से नीचे हैं। % और 80%, क्रमशः उनकी परवलयिक चोटियों से। हेज फंड रिसर्च के अनुसार, एचएफआर क्रिप्टोक्यूरेंसी हेज फंड इंडेक्स 69.8% नीचे था, यह संकेत है कि इस स्थान के भीतर अधिकांश फंड उचित रूप से जोखिम प्रबंधन हेजिंग पर ध्यान केंद्रित नहीं करते हैं।

इस तरह, हम डिजिटल संपत्ति की दुनिया में जबरदस्त अवसर देखते हैं ताकि इस प्रचंड अस्थिर स्थान पर एक अधिक पारंपरिक जोखिम प्रबंधन दृष्टिकोण को नियोजित किया जा सके। उत्कृष्टता के लिए लगातार प्रयास करने की हमारी खोज में, हम हाल ही में विश्लेषण के एक उच्च सोपान पर पहुँचे, इस नई डिजिटल परिसंपत्ति की दुनिया में पोर्टफोलियो जोखिम के लिए तैयार आधुनिक मात्रात्मक रणनीतियों को विकसित करने के लिए आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग के साथ इक्विटी जोखिम प्रबंधन के अपने पारंपरिक तरीकों को मिलाते हुए। आदर्श रूप से, जैसे कि हमने 2017 में देखा, परवलयिक चाल के दौरान, हमारी रणनीतियाँ 80% बाजार के ऊपर और 40% बाजार के बाहर कब्जा करना चाहती हैं। जबकि अधिकांश फंडों ने 2018 में बड़ी मात्रा में पूंजी खो दी थी, हमारी रणनीतियों के बैकस्टेट्स ने नकारात्मक जोखिम का प्रबंधन करने का एक उत्कृष्ट काम किया, और हमें यह रिपोर्ट करते हुए खुशी हो रही है कि 2018 के लिए हमारी तीन रणनीतियों के बैकटेस्ट सभी ऊपर थे।

रणनीति अवलोकन

अल्फा प्रीडेटर के कॉस्मोलॉजिकल पर्दे के पीछे, हमारी मात्रात्मक टीम ने कई पूरक रणनीतियों को विकसित किया है - जो सभी डिजिटल परिसंपत्ति दुनिया के भीतर जोखिम का प्रबंधन करने के लिए बनाया गया है। वर्तमान में हमारे पास उत्पादन के तीन मात्रात्मक मॉडल हैं, विकास के विभिन्न चरणों में कई अन्य हैं। वर्तमान में उत्पादन में मॉडल हैं:

• व्यवस्थित - बिटकॉइन

• व्यवस्थित - एथेरियम

• टोकन रोटेशन

हमारी रणनीतियों को डिजिटल परिसंपत्ति बाजारों में हमारे द्वारा देखे जाने वाले महत्वपूर्ण अल्फा अवसरों का लाभ उठाने के लक्ष्य के साथ शुरू से तैयार किया गया है। हमारा मानना ​​है कि मौजूदा बाजार का माहौल नवजात बुनियादी ढांचे, फ्रैक्चर एक्सचेंज मार्केटप्लेस, और अशिक्षा की सर्वव्यापकता के कारण अल्फा कटाई के लिए परिपक्व है।

व्यवस्थित अवलोकन

AlphaPredator ™ व्यवस्थित मात्रात्मक मॉडल (पहले एपीएम I में अध्ययन किया गया) बाजार की दिशा, वेग, अस्थिरता को मापता है, और मौजूदा बाजार के वातावरण को वर्गीकृत करने और दर्जी एल्गोरिदम के लिए मूल्य फैलता है। कोड स्तर पर हमारे मॉडल कैसे काम करते हैं, इसके बारे में विवरण हमारे टेक कॉर्नर में पाया जा सकता है। जब बाजार ऊपर की ओर प्रवृत्ति की पुष्टि करता है तो एल्गोरिदम एक्सपोजर जोड़ना चाहता है। इसी तरह, जब प्रवृत्ति पठार या उलट होती है, तो मॉडल को ट्रिम एक्सपोज़र के लिए डिज़ाइन किया गया है। जब यह लाभ के औसत से ऊपर होता है और एक्सपोजर को हटाता है, जब एल्गोरिदम लाभ या गैर-मौजूद होने की संभावना की संभावना को हटाता है, तो मॉडल स्थिति में प्रवेश करने पर ध्यान केंद्रित करता है। हमारी व्यवस्थित रणनीतियों का सामान्य लक्ष्य 70-80% बाजार के बीच, 40-50% नकारात्मक पक्ष और लगभग आधे अंतर्निहित परिसंपत्ति की अस्थिरता के बीच प्रदान करना है। मॉडल शार्प, सॉर्टिनो और डाउनसाइड रिस्क मेट्रिक्स - सभी को वास्तविक समय में मापकर जोखिम / इनाम अनुपात को अधिकतम करना चाहते हैं।

व्यवस्थित बिटकॉइन प्रदर्शन

नीचे दिखाए गए हमारे व्यवस्थित-बिटकॉइन प्रदर्शन मैट्रिक्स 15 अक्टूबर, 2018 से 31 दिसंबर, 2018 के माध्यम से और 1 जनवरी, 2017 से 15 अक्टूबर, 2018 तक, जहां लागू हो, के बैकटेस्ट परिणामों का प्रतिनिधित्व करते हैं।

व्यवस्थित बिटकॉइन प्रदर्शन

व्यवस्थित एथेरम प्रदर्शन

हमारे व्यवस्थित-ईटीएच प्रदर्शन मेट्रिक्स 13 दिसंबर, 2018 से 31 दिसंबर, 2018 के माध्यम से और 1 जनवरी, 2017 से 13 दिसंबर, 2018 तक, जहां लागू हो, के बैकटेस्ट परिणामों का प्रतिनिधित्व करते हैं।

व्यवस्थित एथेरम प्रदर्शन

टोकन रोटेशन अवलोकन और प्रदर्शन

AlphaPredator टोकन रोटेशन रणनीति का उद्देश्य एक्सपोजर को जोड़ना है जब बाजार एक ऊपर की ओर ट्रेंडिंग वातावरण में है। मॉडल बाजार पूंजीकरण द्वारा शीर्ष 15 डिजिटल परिसंपत्तियों का विश्लेषण करता है और चार सबसे अच्छा प्रदर्शन करने वाली परिसंपत्तियों में निवेश करता है, जैसा कि एक दूसरे के खिलाफ उन परिसंपत्तियों के वेग और प्रदर्शन से मापा जाता है। हालाँकि, यदि कुछ डिजिटल परिसंपत्तियाँ अपनी प्रवृत्ति को नकारात्मक रूप से उलटती हुई दिखाई देती हैं, तो मॉडल उन परिसंपत्तियों को नकदी में बदलकर उल्टे जोखिम की रक्षा करना चाहता है। किसी भी समय मॉडल में 0–100% निवेश किया जा सकता है।

जबकि व्यवस्थित रणनीति अंतर्निहित परिसंपत्ति के आधार पर जोखिम को सीमित करने पर ध्यान केंद्रित करती है, टोकन रोटेशन की रणनीति एक जोखिम-साधक है जब मॉडल एक ऊपर की ओर रुझान वाले बाजार की उच्च संभावना है। टोकन रोटेशन मॉडल का दीर्घकालिक लक्ष्य एचएफआर क्रिप्टोक्यूरेंसी इंडेक्स के 120%, डाउनसाइड का 60% और अस्थिरता का लगभग 60% लक्ष्य है।

टोकन रोटेशन के बारे में त्वरित नोट: बिटकॉइन, एथेरियम और एक्सआरपी जैसे बड़े-कैप क्रिप्टोकरेंसी की तुलना में altcoins में पैलेट वॉल्यूम को देखते हुए, पूंजी की मात्रा में गंभीर सीमाएं हैं जिन्हें रणनीति के लिए आवंटित किया जा सकता है।

टोकन रोटेशन प्रदर्शन

निचले सहसंबंध में विविधता

जैसा कि ऊपर दिए गए सबसे पीछे के आंकड़ों में दिखाया गया है, हमारी रणनीतियों ने 2017 में गति को बनाए रखा और 2018 में नकारात्मक जोखिम को संरक्षित किया। प्रत्येक रणनीति को वर्तमान में प्रदर्शन को ट्रैक करने के लिए व्यक्तिगत रूप से चलाया जाता है, लेकिन ये रणनीतियां एक दूसरे के पूरक हैं और इसलिए जब वे एक साथ चलाते हैं तो उन्हें जोखिम संतुलन करना चाहिए और समग्र बाजारों में कम सहसंबंध। आधुनिक पोर्टफोलियो सिद्धांत का उपयोग करते हुए हम जोखिम reducer रणनीतियों (बाजार तटस्थ) और वापसी बढ़ाने की रणनीतियों (व्यवस्थित और टोकन रोटेशन) का एक इष्टतम संयोजन दर्जी कर सकते हैं। परिणामी रूप से मिश्रित रणनीति में शार्प और Sortino अनुपात को अधिकतम करना चाहिए, नकारात्मक जोखिम को सीमित करना चाहिए, और एक वापसी स्ट्रीम शामिल करना चाहिए जो पारंपरिक बाजार रणनीतियों के माध्यम से कम अस्थिर होगा।

इष्टतम मिश्रण प्रदर्शन और आवंटन

आगे क्या होगा?

हमारी मात्रात्मक टीम लगातार हमारे एल्गोरिदम को अनुकूलित करने पर काम कर रही है - नए संकेतों को शामिल करना और बुनियादी ढाँचे को विकसित करना - सभी स्केलेबल समाधान बनाने के लक्ष्य के साथ जो उचित रूप से जोखिम का प्रबंधन करते हैं।

नीचे हमारी टीम वर्तमान में क्या काम कर रही है इसका एक छोटा सा नमूना है:

1. व्यवस्थित रणनीति - v1 से v1.5 तक उन्नयन: वर्तमान मॉडल (v1.0) 100% लंबी या 100% नकदी आवंटित करता है। आगामी अपग्रेड में कई संकेतों को शामिल किया जाएगा, लेगिंग और पोजिशन से बाहर, उल्टा कैप्चर बढ़ाने और डाउनसाइड रिस्क को सीमित करने पर जोर देने के साथ।

2. टोकन रोटेशन रणनीति - स्केल बनाना: वर्तमान टोकन रोटेशन मॉडल छोटे बाजार पूंजीकरण डिजिटल परिसंपत्तियों के आवंटन के घूर्णी पहलू के कारण पूंजी में सीमित है। हम पोर्टफोलियो के कारोबार को धीमा करने और रणनीति को आवंटित की जा सकने वाली पूंजी की मात्रा को बढ़ाने के लक्ष्य के साथ दीर्घकालिक और अल्पकालिक संकेतों के आधार पर आवंटित एक मल्टी-फैक्टर मॉडल को शामिल करके पूंजी प्रबंधन को बढ़ा रहे हैं।

3. मार्केट न्यूट्रल स्ट्रैटेजी - प्रॉफिटेबिलिटी और स्केलेबिलिटी: जबकि हमने इस अपडेट के लिए अपनी मार्केट न्यूट्रल स्ट्रेटजी के बारे में ज्यादा बात नहीं की है या इस स्ट्रेटजी के लिए अभी तक प्रकाशित नंबरों के बारे में बात नहीं की है, हमारी टीम सिस्टम के प्रदर्शन और कुल रिटर्न परफॉर्मेंस के प्रदर्शन को बढ़ाने और बढ़ाने पर काम कर रही है। । हमारे पास विनिमय मध्यस्थता, सांख्यिकीय मध्यस्थता, स्थिर सिक्का मध्यस्थता और बाजार बनाने सहित विकास के विभिन्न चरणों में कई रणनीतियाँ हैं। अगले कुछ महीनों में, हम अपने कठोर परीक्षण वातावरण से गुजरने के बाद इन रणनीतियों को लागू करेंगे।

4. शॉर्टिंग: हमारे वर्तमान मॉडल लंबी स्थिति लेने या नकदी में प्रवेश करने पर ध्यान केंद्रित करते हैं। यह जानबूझकर किया गया था, क्योंकि हमने इसे अस्थिरता को कम करने और लंबी स्थितियों के माध्यम से जोखिम को जोड़ने के लिए प्राथमिकता दी थी। ज्यादातर परिदृश्यों में, हम एक स्थिति के रूप में शॉर्टिंग को देखते हैं, न कि एक हेज को, जो हमारे लक्ष्य के विपरीत, पोर्टफोलियो में अस्थिरता को जोड़ देगा। एक बार जब हम अपनी लंबी-पक्षपाती स्थिति को अंतिम रूप दे देते हैं, तो हम उन एल्गोरिदम को जोड़ना चाहेंगे, जिनका लक्ष्य शॉर्ट पोजीशन के माध्यम से डाउनसाइड चाल के माध्यम से प्रदर्शन पर कब्जा करना है।

निष्कर्ष

जैसा कि सूरज अभी तक एक और अल्फा प्रीडेटर पेपर पर सेट है, चल रहे स्व-अनुकूलन जारी है। मशीन सीखने के एल्गोरिदम के साथ शिकारी की हड्डियों के बीच परिश्रम से काम करते हुए, हमारी रणनीतियों को बहुत अधिक तंग और अधिक कुशल - अल्फा के उन दुर्गम क्षेत्रों में जाने के लिए अच्छा है। हम अनुकूलन जारी रखेंगे, और आशा करते हैं कि आप पढ़ना जारी रखेंगे।

यह प्रकाशन ब्लॉकफोर्स लैब्स, एलएलसी द्वारा विकसित किया गया था। ब्लॉकफोर्स लैब्स, एलएलसी, एक शोध कंपनी है और एक पंजीकृत निवेश सलाहकार नहीं है और किसी भी संघीय या राज्य प्रतिभूति कानूनों के तहत ब्रोकर-डीलर के रूप में कार्य नहीं कर रही है। यह प्रकाशन केवल दृष्टांत उद्देश्यों के लिए है और इसमें ट्रेडिंग रणनीतियों के सैद्धांतिक (बैक-टेस्ट और लाइव-परीक्षण) प्रदर्शन के बारे में जानकारी है। प्रस्तुत किए गए सैद्धांतिक परिणाम वास्तविक परिणाम नहीं हैं, और वास्तविक परिणाम यहां प्रस्तुत किए गए लोगों की तुलना में भिन्न हो सकते हैं। पिछले प्रदर्शन भविष्य के परिणामों की कोई गारंटी नहीं होते हैं। यह प्रकाशन किसी भी निवेश में किसी भी ब्याज को खरीदने के लिए बेचने या किसी प्रस्ताव की याचना का प्रस्ताव नहीं है। किसी रणनीति में सीधे निवेश करना संभव नहीं है। ऊपर जिन रणनीतियों की चर्चा की गई है, वे अप्रबंधित हैं और प्रबंधन शुल्क, लेनदेन लागत, कर या निवेश योग्य उत्पादों से जुड़े अन्य खर्चों को नहीं उठाती हैं। यहां प्रस्तुत सैद्धांतिक परिणामों को "फीस का सकल" प्रस्तुत किया जाता है, जो कि कटौती की गई संभावित फीस के बिना होता है जो कि ट्रेडिंग रणनीति का उपयोग करने वाले प्रबंधक या सलाहकार द्वारा चार्ज किया जाएगा। सैद्धांतिक परिणाम अलग सलाहकार शुल्क को प्रतिबिंबित नहीं करते हैं जो एक निवेश सलाहकार द्वारा चार्ज किया जा सकता है (उदाहरण के लिए, 10-वर्ष की अवधि के लिए 1% की एक सलाहकार शुल्क, 10% वार्षिक रिटर्न 8.9% रिटर्न को कम कर देगी)। परिणाम निवेशकों को दी गई रणनीति के प्रदर्शन को दर्शाते हैं और उन रिटर्न का प्रतिनिधित्व नहीं करते हैं जो किसी भी निवेशक को वास्तव में प्राप्त हुए हैं।

सैद्धांतिक प्रदर्शन के परिणाम में अंतर्निहित सीमाएं हो सकती हैं, और लाइव निवेश से वास्तविक रिटर्न प्रस्तुत किए गए काल्पनिक रिटर्न से भिन्न हो सकते हैं। हालांकि यह जानकारी सद्भावना में तैयार की गई है, लेकिन अंतर्निहित सीमाएं हैं जिन्हें प्राप्तकर्ताओं को ध्यान से विचार करना चाहिए। सैद्धांतिक प्रदर्शन परिणाम उस प्रभाव को प्रस्तुत नहीं करते हैं जो सामग्री आर्थिक और बाजार के कारकों की एक व्यापारिक रणनीति या एक निवेश सलाहकार की निर्णय लेने की प्रक्रिया पर हो सकती है यदि एडाविज़र वास्तव में निवेशक धन का प्रबंधन कर रहे थे। अलग-अलग बाजार और / या आर्थिक स्थिति, अलग-अलग आवंटन आकार, अलग-अलग फीसद अलग-अलग धारणाएं अलग-अलग परिणाम दे सकती हैं। बैक-टेस्ट किए गए प्रदर्शन को हेंडसाइट के लाभ के साथ विकसित किया गया है और इसमें अंतर्निहित सीमाएं हैं। बैक-टेस्ट परिणाम की गणना ऐतिहासिक डेटा के आधार पर निर्मित मॉडल के पूर्वव्यापी अनुप्रयोग द्वारा की जाती है और यह मॉडल के अभिन्न अंग के आधार पर की जाती है जो परीक्षण योग्य हो सकता है या नुकसान के अधीन हो सकता है। सामान्य मान्यताओं में शामिल हैं: मॉडल द्वारा अनुशंसित संपत्ति को खरीदा जा सकता था और सभी ट्रेडिंग को अनुमति देने के लिए बाजार पर्याप्त रूप से तरल थे। इन मान्यताओं में परिवर्तन प्रस्तुत किए गए बैक-टेस्ट किए गए रिटर्न पर एक भौतिक प्रभाव हो सकता है। मॉडलिंग के उद्देश्यों के लिए कुछ धारणाएं बनाई गई हैं और उन्हें महसूस किए जाने की संभावना नहीं है। मान्यताओं के तर्क के अनुसार कोई प्रतिनिधित्व और वारंटी नहीं दी जाती है। यह जानकारी केवल उदाहरण के लिए प्रदान की जाती है।

यह प्रकाशन किसी विशेष निवेशक के लिए किसी भी निवेश रणनीति या उत्पाद की सिफारिश का गठन नहीं करता है, या किसी व्यक्ति की अद्वितीय वित्तीय स्थिति को ध्यान में नहीं रखता है। किसी भी निवेश निर्णय लेने से पहले निवेशकों को हमेशा एक वित्तीय पेशेवर से परामर्श करना चाहिए। सभी निवेशों में कुछ हद तक जोखिम होता है, जिसमें मूलधन का पूरा नुकसान भी शामिल है।