Colaboración colectiva trading utiliza la inteligencia y la experiencia combinadas de un grupo, cuyos miembros pueden provenir de cualquier lugar para mejorar trading decisiones Los fondos de cobertura tradicionales a menudo utilizan crowdsourcing trading para complementar sus procesos existentes. Si bien el crowdsourcing ha demostrado ser útil en otros campos, trading viene con algunos desafíos únicos, aunque no necesariamente insuperables.
¿Qué es la colaboración colectiva? Trading?
Colaboración colectiva trading es trading basado en la combinación de inteligencia y experiencia de un grupo cuyos miembros pueden provenir de cualquier parte del mundo.
Antes de profundizar en el crowdsourcing tradingprimero demos un paso atrás y veamos el crowdsourcing en general.
Colaboración colectiva se define como “obtener trabajo, información u opiniones de un gran grupo de personas que envían sus datos a través de Internet, redes sociales y aplicaciones para teléfonos inteligentes”.
El auge del crowdsourcing ha coincidido con la disminución de las barreras para compartir información. Con el predominio de los teléfonos inteligentes, el correo electrónico, el mayor acceso a Internet, las redes sociales, etc., ahora es posible recopilar información en un tamaño, alcance y velocidad antes inimaginables.
La información colaborativa está a nuestro alrededor. Ya sea que se dé cuenta o no, es probable que use alguna forma de datos de colaboración colectiva con regularidad.
Un ejemplo popular de crowdsourcing es Waze, que proporciona a los usuarios la ruta más rápida a su destino en función de los patrones de tráfico en tiempo real. Los datos en tiempo real son posibles debido a que los usuarios brindan información y la aplicación rastrea la velocidad a la que se mueven los conductores.
Otras empresas, como Lays, Samsung y Starbucks, dependen en gran medida del crowdsourcing para obtener información de los clientes sobre todo, desde el desarrollo de productos hasta el marketing.
Basado en la popularidad del crowdsourcing en tantas otras áreas de nuestras vidas, tiene sentido que el crowdsourcing se haya abierto camino hacia trading.
Mientras que crowdsourcing trading cada vez es más popular, trading es un campo único debido a su complejidad y mayor barrera de entrada. Casi todos pueden proporcionar datos valiosos sobre el tráfico, pero no todos tienen información útil y experiencia para mejorar trading estrategias.
Los pros y los contras de la colaboración colectiva Trading
como con cualquier trading estrategia, colaboración colectiva trading viene con ventajas y desventajas, que varían hasta cierto punto según el tipo de crowdsourcing trading en cuestión. Es esencial entender que no todos los crowdsourcing trading se crea igual discutiendo los pros y los contras de estos datos únicos. Veamos dos ejemplos con niveles de complejidad muy diferentes.
Nuestro primer ejemplo es StockStream. El concepto de StockStream vino de un empleado de Amazon y luego fue comprado por queso Cheddaruna red de noticias que transmite noticias financieras.
StockStream comparte las decisiones de inversión haciendo que los usuarios voten sobre qué acciones comprar o vender. Los intercambios se realizan cada cinco minutos basándose exclusivamente en los votos de los usuarios. Él trading se transmite en vivo, por lo que los usuarios pueden ver como el trading ocurre y toma decisiones en tiempo real sobre las inversiones de StockStream.
En el otro extremo del espectro, tenemos Quantopian. Hablaremos de Quantopian con más detalle más adelante en esta publicación, pero por ahora, lo que necesita saber es que Quantopian era una empresa de inversión cuantitativa que dependía del crowdsourcing. Quantopian proporcionó a los usuarios información cuantitativa trading herramientas y datos que los usuarios podrían usar para desarrollar algoritmos rentables trading estrategias.
Aparte, Quantopian es donde comencé en algorítmica trading.
Mientras que algunos de los pros y los contras de crowdsourcing trading existen en todos los ámbitos, muchos de los pros y los contras dependen del crowdsourcing trading modo empleado, como probablemente puedas imaginar.
Ventajas de la colaboración colectiva Trading
La ventaja más significativa del crowdsourcing trading para los comerciantes es que democratiza tradingmientras que el beneficio más significativo para las empresas que emplean crowdsourcing trading es que les permite sacar de un grupo de talentos más grande.
Examinaremos cada uno de estos con un poco más de profundidad, comenzando con la forma en que el crowdsourcing trading democratiza a los comerciantes trading proceso.
En teoría, cualquier persona con conexión a Internet y algo de dinero para invertir podría comenzar trading. Aún así, hay una diferencia entre comprar algunas acciones de compañías que anticipas que funcionarán bien y las estadísticas cuantitativas basadas en algoritmos. trading. Este último se ha reservado casi exclusivamente para fondos de cobertura masivos.
Estos fondos de cobertura gigantes a menudo trade miles de millones de dólares diarios. El acceso a tanto capital les permite invertir en la última tecnología y contratar a los mejores y más brillantes, lo que les da una ventaja competitiva sustancial. Pero algunas empresas, como Alpha Trading Labs, han comenzado a experimentar compartiendo su tecnología. Esto significa que cualquier persona en cualquier lugar puede convertirse en un usuario de alta frecuencia. trader.
democratizando trading es potencialmente beneficioso para aquellos que viven fuera de las principales ciudades o que carecen de currículums lo suficientemente competitivos, pero no son solo los comerciantes los que se benefician.
Con el crowdsourcing, las empresas pueden aprovechar un mayor grupo de talentos. Por ejemplo, hace una década, alguien en un pequeño pueblo de Indiana pudo haber tenido el conocimiento y la experiencia para trade con éxito, pero la mayoría de las empresas carecían de una forma de llegar a este individuo.
Contras de la colaboración colectiva Trading
El crowdsourcing funciona en muchos campos, pero trading es un campo único debido a cómo trading datos difieren de otros conjuntos de datos y cómo trading se prueban los algoritmos. Ambos crean áreas potenciales de debilidad para el crowdsourcing trading.
Primero, hablemos de cómo trading los datos difieren de los datos en otras áreas donde prevalece la tecnología colaborativa.
La mayoría de los principales datos de colaboración colectiva implican alguna forma de aprendizaje automático. El problema es ese trading Los datos proporcionan simultáneamente demasiados y muy pocos datos para que el aprendizaje automático los compita. Sí, esto suena contrario a la intuición, pero tenga paciencia conmigo por un momento, y verá lo que quiero decir.
El aprendizaje automático requiere una gran cantidad de datos. Si nos fijamos exclusivamente en los datos de precios de una acción específica, la cantidad de puntos de datos es insuficiente para proporcionar soluciones precisas.
Por otro lado, si incluimos todo el contexto en el que existen los datos de precios, debemos considerar todos los eventos que afectan a una empresa: eventos mundiales, noticias de la empresa, informes de ganancias de la competencia, sentimiento general del mercado, comentarios en las redes sociales, etc. es una tarea demasiado compleja, e incluso si pudiéramos encontrar un conjunto de datos y poder de cómputo para manejarlo, probablemente conduciría a una solución de sobreajuste.
También está el problema de probar trading algoritmos La mayor parte de lo que hay en las plataformas colaborativas no es innovador. Esperaría que los equipos de doctorados en finanzas cuantitativas en un fondo de cobertura tuvieran más probabilidades de encontrar alfa que algunos comerciantes minoristas rudimentarios. Además, incluso para aquellos pocos comerciantes minoristas que presentan un algoritmo algorítmico tremendo trading estrategia, ¿crees que quieren correr el riesgo de compartirla públicamente?
Sé que no lo hice…
Para hacer la diferencia entre trading datos y otros datos de colaboración colectiva un poco más claros, comparemos los datos de colaboración colectiva trading a datos de tráfico colaborativos.
Al viajar del punto A al punto B, hay un número finito de rutas potenciales. Qué ruta es la más rápida depende de algunas variables específicas, como la velocidad a la que puede conducir en las calles de cada ruta, la cantidad de semáforos, el nivel de tráfico, etc. También hay una respuesta correcta para el tiempo que le tomará llegar a cada destino. .
No pretendo disminuir la creación o el impacto de las aplicaciones de tráfico (me han ahorrado incontables horas a lo largo de los años y ciertamente las aprecio). Aun así, cuando compara este tipo de datos con trading datos, es evidente que trading los datos son completamente diferentes. Queda bastante claro por qué el aprendizaje automático colaborativo tendría problemas con algo tan complejo y matizado como trading.
Fondos de cobertura colaborativos
Por todas las razones que acabamos de discutir, crowdsourcing trading no es necesariamente fácil de implementar para un fondo de cobertura, pero eso no ha impedido que muchas empresas lo intenten.
El modelo de fondo de cobertura colaborativo existe en varios formatos, incluidas empresas independientes, y como una forma de que los fondos de cobertura tradicionales sigan siendo competitivos.
Para los fondos de cobertura de inicio que basan todo su trading estrategia en crowdsourcing trading, el modelo varía un poco de una empresa a otra. Aún así, el concepto básico es que los comerciantes proporcionen algoritmos y la empresa proporcione la tecnología necesaria. Estos fondos de cobertura incentivan a los comerciantes dándoles una parte de las ganancias que generan sus algoritmos.
Si bien estos fondos de cobertura de inicio pueden ser de los que es más probable que escuche, los fondos de cobertura tradicionales también están incursionando en el crowdsourcing trading estrategias.
Por ejemplo, algunos fondos de cobertura tradicionales como Citadel y Two Sigma se han aprovechado de la colaboración colectiva trading modelo mediante la creación de concursos para que personas ajenas a la empresa diseñen algoritmos. Esto permite que los fondos de cobertura tradicionales se beneficien del talento fuera del grupo de talentos típico.
Ahora veremos cuatro ejemplos de empresas que emplean crowdsourcing tradingalgunos de los cuales han tenido más éxito que otros.
Las cuatro empresas de las que hablaremos son:
- cuántopiano
- Cuánticos
- QuantConnect
- Números
cuántopiano
Comenzaremos con Quantopian, una empresa que atrajo mucha atención de los medios hace unos años pero que ahora ya no existe, y también donde comencé en algorítmica. trading.
John Fawcett lanzó cuántopiano en 2011. En 2013, el multimillonario administrador de fondos de cobertura Steve Cohen invirtió en la empresa, y en 2016, la conocida firma de capital de riesgo de Silicon Valley, Andreesen Horowitz, también invirtió.
El modelo de Quantopian intentó brindar oportunidades para los entusiastas de los datos en todo el mundo, pero en un marco más complejo y analítico que muchos otros de colaboración colectiva. trading plataformas
¿Cómo funcionó?
En la plataforma de Quantopian, los comerciantes podían enviar trading algoritmos que habían creado. Quantopian revisaría los algoritmos presentados. Si encontraba uno que quisiera usar, le ofrecería al creador del algoritmo un acuerdo de licencia. Si Quantopian usaba el algoritmo y generaba una ganancia, el creador recibía un porcentaje de la ganancia neta (normalmente, el 10 %).
Quantopian no usó cualquier algoritmo atractivo. Los algoritmos que seleccionó tenían que cumplir con criterios específicos, como un cierto volumen de negocios y un historial de rentabilidad constante.
En teoría, este modelo suena prometedor. Brinda a los comerciantes talentosos las herramientas necesarias para crear estrategias efectivas y compartir las ganancias que generan sus algoritmos. Para Quantopian, permite aprovechar el talento en cualquier parte del mundo y se queda con la mayoría (90 %) de las ganancias netas de estos algoritmos.
El problema era que aunque la teoría era buena, los resultados no lo eran.
En el tercer trimestre de 2017, la Bolsa de Valores de Nueva York experimentó un aumento del 5 %, mientras que en ese mismo período, el fondo de Quantopian cayó un 3 %. Entre junio y agosto de 2019, Quantopian bajó un 3 %. Por el contrario, el S&P subió un 6,6 % y StockStream, el mencionado anteriormente crowdsourcing trading plataforma donde cualquier persona con conexión a internet podía votar tradeobtuvo un rendimiento del 8 % durante el mismo período.
En un mercado tan competitivo, Quantopian no podía competir. No en vano, en octubre de 2020, Quantopian anunció que estaba cerrando.
Cuantiacs
A continuación, tenemos Cuantiacsque organiza concursos para identificar a los más exitosos trading algoritmos
El modelo de Quantiacs funciona mucho más como un fondo de cobertura típico. Cualquier persona puede presentar una trading algoritmo a un algoritmo regular trading competencia. Los tres de mayor rendimiento trading algoritmos de la competencia reciben inversiones garantizadas. El primer lugar recibe una inversión de $1,000,000, el segundo lugar recibe una inversión de $750,000 y el tercer lugar recibe $500,000. El creador del algoritmo luego se queda con el 50% de las tarifas de rendimiento mientras se use el algoritmo y continúe generando ganancias.
¿Cómo ha sido este crowdsourcing? trading modelo realizado?
Quantiacs no informa de los rendimientos como un fondo, pero puede ver el rendimiento de los algoritmos ganadores. Mientras que muchos de los trading Los algoritmos funcionaron bien durante la fase de competencia, muchos obtuvieron poco o ningún retorno.
QuantConnect
QuantConnect no es un hedge fund sino un algorítmico trading plataforma que permite al creador licenciar su algoritmo para que otros lo compren.
QuantConnect se basa en suscripción, con varios planes que cuestan entre $ 8 por mes y $ 40 por mes.
El modelo QuantConnect se basa realmente en la idea de que cualquier persona puede crear un sistema algorítmico efectivo. trading sistema.
QuantConnect ofrece tutoriales gratuitos que brindan la información necesaria sobre algoritmos trading y cómo utilizar la plataforma a través de su suscripción.
Una de las ofertas adicionales que separan QuantConnect de otras colaboraciones trading plataformas es que permite a los suscriptores trade en muchos mercados, incluidos futuros, opciones y divisas. Incluso proporciona capacidades para trading en algunas criptomonedas.
Números
El crowdsourcing final trading plataforma que veremos es Númerosque se destaca de otros crowdsourcing trading plataformas debido a su uso intensivo de aprendizaje automático y naturaleza colaborativa.
La puesta en marcha de San Francisco se fundó en 2015. A diferencia de muchos otros trading plataformas, Numerai es colaborativo en lugar de competitivo.
¿Cómo funciona un crowdsourcing colaborativo? trading trabajo de plataforma?
Numerai proporciona datos financieros a los científicos de datos. Los datos que proporciona Numerai son abstractos, y a los científicos de datos que los reciben no se les dice qué representan los datos. La idea es que diferentes científicos de datos aborden los datos de diferentes maneras, lo que conducirá a soluciones nuevas y novedosas a los problemas.
En esencia, todos en Numerai están trabajando juntos para tratar de resolver un problema. La información que proporcionan todos los diferentes científicos de datos se combina con la tecnología de aprendizaje automático para crear un metamodelo general.
Dado que los usuarios de Numerai trabajan juntos en lugar de unos contra otros, el modelo de compensación es diferente de nuestros ejemplos anteriores. Los científicos de datos que resuelven problemas son compensados en criptomonedas.
Numerai cuenta con una impresionante lista de inversores y asesores, incluido el cofundador de Renaissance Technologies, Howard Morgan, y el cofundador de Coinbase, Fred Ehrsam. Es demasiado pronto para saber si Numerai es el futuro de los fondos de cobertura o si seguirá los pasos de Quantopian.
En teoría, Numerai no se enfrenta a muchos de los desafíos de otros proyectos colaborativos. trading plataformas
Por ejemplo, en otros crowdsourcing trading plataformas, hemos analizado las estrategias algorítmicas de pit creadas por aficionados individuales contra profesionales de los principales fondos de cobertura que tienen doctorados. y acceso a recursos de primera línea. Si bien hay muchos aficionados talentosos, esta no es una pelea completamente justa. Por otro lado, si enfrentas la inteligencia combinada de miles o incluso cientos de miles de aficionados contra un profesional, o incluso un grupo de profesionales como lo hace Numerai, los aficionados tienen muchas más posibilidades.
es el crowdsourcing Trading ¿Bien por ti?
Ya sea de colaboración colectiva trading es adecuado para usted depende del modelo colaborativo que le interese, la cantidad de tiempo que tiene para dedicarle tradingtu ubicación geográfica y mucho más.
Colaboración colectiva trading está creando un mundo más democratizado trading modelo, pero antes de comenzar a trabajar con cualquier plataforma específica, debe considerar lo que espera obtener. Especialmente si desea ganar dinero, deberá familiarizarse con la plataforma, su estructura de compensación y su público objetivo.
Si eres nuevo en algorítmico tradingCreo que es una de las mejores maneras de empezar… tal vez sea parcial, pero mientras que Quantopian no funcionó para los creadores, seguramente funcionó para mí.