분산 거래 차익 거래 전략

분산 거래.

지수 옵션의 내재 변동성과 후속 실현 변동성 간의 높은 차이는 알려진 사실입니다. 거래는 연속 델타 헤징 옵션을 판매함으로써이 차이를 일상적으로 악용합니다. 그러나이 위험 프리미엄 (분산 거래)을 이용하는 더 우아한 방법이 있습니다. 분산 거래는 암묵적인 실현 변동성과 실현 된 변동성 간의 차이가 개별 스톡 옵션보다 인덱스 옵션간에 더 크다는 사실을 사용합니다. 따라서 투자자는 옵션에 대한 옵션을 매도하고 개별 주식 옵션을 매입 할 수 있습니다. 분산 거래는 상관 관계 거래의 일종으로, 거래가 일반적으로 상관 관계가 강하고 상관 관계가 높아지는 스트레스 기간에 돈이 손실되는 경우가 많으므로 일반적으로 거래가 수익을 창출합니다. 기본 무역은 높은 신념 불일치를 가진 회사의 옵션을 사면 향상 될 수 있습니다 (높은 분석가와 회사의 수입에 대한 의견 차이).

근본적인 이유.

학술지에 따르면 애널리스트 예측의 분산은 색인 및 단일 이름 옵션의 내재 변동성과 밀접하게 관련되어 있습니다. 연구에 따르면 옵션 초과 수익은 불일치 위험에 대한 다양한 노출을 반영합니다. 신념에서 이질성에 쉽게 걸리기 쉬운 기업의 옵션을 사는 투자자는 이러한 위험을 감수하면서 평형 상태에서 보상을 받는다. 개인 및 인덱스 옵션의 변동성 위험 프리미엄은 가격 불일치 위험에 대한 보상을 나타냅니다. 따라서 옵션의 횡단면에서 변동성 위험 프리미엄은이 특정 회사와 비즈니스주기 지표의 신념 이질성의 크기에 따라 달라집니다. 리스크 중립성의 왜곡으로 인덱스 옵션의 변동성 위험 프리미엄은 불일치의 크기와 회사의 지분에 따라 더 크거나 작을 수 있습니다.

변동성 효과, 변동성 프리미엄.

간단한 거래 전략.

투자 세계는 S & P 100 지수의 주식으로 구성됩니다. 거래 수단은이 지수의 주식 옵션과 지수 자체의 옵션입니다. 투자자는 Institutional Brokers Estimate System (I / B / E / S) 데이터베이스의 주당 이익에 대한 애널리스트 예측을 사용하고 수입 불확실성 지표로 조정 한 평균 절대 차이를 각 회사에 대해 계산합니다 (출처 : 상세한 방법론). 매월 투자자는 믿음의 불일치 정도에 따라 5 분위수를 기준으로 주식을 분류합니다. 그는 가장 높은 신념 불일치를 가진 주식을 매입하고 지수를 매도한다. 블랙 - 숄즈 델타가 -0.8에서 - 0.2까지 범위 인 1 개월 인덱스 지수의 가중치가 높은 포 트폴리오이다.

원본 용지.

Buraschi, Trojani, Vedolin : 평형 지수 및 단일 스톡홀름 위험 프리미엄.

인덱스 옵션의 작가는 변동성이 크고 위험 프리미엄이 높기 때문에 높은 수익을 올릴 수 있지만 단일 주식 시장의 옵션 작가는 낮은 수익을 얻습니다. 불완전한 정보 경제를 사용하여 우리는 대리인이 기업의 펀더멘털과 비즈니스 사이클 지표의 성장에 대해 이질적 인 믿음을 갖고 인덱스 및 단일 주식 옵션의 다양한 변동성 위험 프리미엄을 설명하는 여러 자산을 가진 구조 모델을 개발합니다. 지수와 개별 변동성 리스크 프리미엄 간의 차이는 주로 다음과 같은 모델 특성으로 인해 내재적으로 나타나는 상관 리스크 프리미엄에 의해 좌우됩니다. 개별 펀더멘털이있는 완전한 정보 경제에서 개별 주식과 개별 주식의 상관 관계 만이 상관 관계가 있습니다. ( "다양 화 효과"). 우리 경제에서 주식 수익 상관 관계는 특이하고 체계적인 (비즈니스주기) 불일치 ( "위험 공유 효과")에 의해 내생 적으로 유도됩니다. 우리는 이러한 효과가 다각화 효과를 지배하며, 또한 기업의 수와 전체 시장에서의 기업의 점유율과는 독립적이라는 것을 보여줍니다. 평형 상태에서 개별 주식의 비대성과 지수는 상관 위험 프리미엄으로 인해 다릅니다. 집합 시장에서의 기업 점유율과 경기 순환에 대한 불일치의 크기에 따라, 지수의 왜곡도는 (절대 값으로) 더 크거나 개별 주식보다 작을 수 있습니다. 결과적으로, 지수의 변동성 위험 프리미엄은 개인보다 크거나 작습니다. 균형에서 옵션 투자의 이종 리스크 노출은 옵션의 횡단면에서 보완되며 불일치의 차이를 이용하는 모델 묵시적 거래 전략은 상당한 초과 수익을 얻습니다. 분석가의 수익 예상치, S & P 100 지수 옵션에 대한 옵션 데이터, 모든 구성 요소에 대한 옵션 및 주식 수익에 대한 회사 별 정보의 세 가지 데이터 세트를 병합하여 일련의 패널 회귀 분석에서 모델 예측을 테스트합니다. 신념의 차이를 기반으로 주식을 분류하면, 옵션의 횡단면에서 불일치 위험에 대한 다양한 노출을 이용하는 변동성 거래 전략이 높은 Sharpe 비율을 얻는 것을 알 수 있습니다. 그 결과는 다른 표준 통제 변수와 거래 비용에 강건하며 변동성 위험 프리미엄을 설명하는 다른 이론에 포함되지 않습니다.

기타 논문.

Driessen, Meanhout, Vilkov : 옵션 - 내포 된 상관 관계 및 상관 리스크의 가격.

주식 - 수익 상관 관계가 확률 적이라는 많은 증거에 의해, 우리는 상관 관계 변화의 위험 (다양 화 이익에 영향을 미침)이 책정 될 수 있는지 분석합니다. 주식 수익률 (지표 옵션 가격과 모든 지수 구성 요소의 옵션 가격을 결합하여 얻은)과 실현 된 상관 관계 간의 옵션 내재적 ​​상관 관계를 비교함으로써 직접적이고 직관적 인 테스트를 제안합니다. 우리의 간략한 모델은 평균 묵시적 (S & P500의 경우 39.5 %, DJ30의 경우 46.0 %)과 실현 된 상관 관계 (각각 32.5 %와 35.5 %) 사이의 상당한 격차가 큰 음의 상관 리스크 프리미엄의 직접적인 증거임을 보여줍니다. 우리 모델의 경험적 구현은 또한 지수 변동 위험 프리미엄이 높은 상관 관계 위험 가격에 기인 할 수 있음을 나타냅니다. 마지막으로 옵션 암시 적 상관 관계가 미래의 주식 시장 수익률에 상당한 예측력을 가지고 있다는 증거를 제시하며, 이는 또한 다수의 기본적인 시장 수익 예측자를 통제 한 후에도 중요합니다.

블랙 숄즈 - 머튼 (Black-Scholes-Merton) 연구 발표 이후 변동성 관련 거래 전략의 다양성이 증가하고 있습니다. 이 논문에서 우리는 개별 주식의 묵시적 변동성 대비 지수의 내재 변동성의 잘못된 가격 결정으로 이익을 얻으려고하는 분산 거래 전략 중 하나를 연구한다. 이 연구의 주요 목적은 2008 년 11 월 3 일부터 2010 년 5 월 10 일까지 독일 옵션 시장에서 수익성이있는 거래 기회가 있는지 여부를 찾는 것이지만, 지수의 변동성을 암시하는 광범위하게 문서화 된 형식화 된 사실 (Driessen, Maenhout and Vilkov (2006) 등)의 묵시적 변동성을 사용하여 계산 된 지수의 이론적 인 변동성보다 평균적으로 큰 경향이 있음을 발견했다. 또한 우리는이 불일치의 원인이 무엇인지에 대한 이슈를 만집니다.

이 논문은 분산 거래 전략의 수익성을 탐구하려고 시도한다. 우리는 분산 스왑의 가격을 책정하기 위해 제안 된 다양한 방법을 검토하기 시작합니다. 우리는 분산 거래가 발생하는 이유와 주요 동인이 무엇인지를 설명하는 모델을 개발했습니다. 우리 모델의 설명 후에, 우리는 EuroStoxx 50에서 분산 거래를 구현합니다. 우리는 오랫동안 구성 요소 인 동시에이 지수에 대한 분산 스왑의 체계적인 짧은 전략의 프로파일을 분석합니다. 우리는 단기간에 상관 관계를 파는 것에 대한 감각이 있음을 보여줍니다. 또한 전략의시기와 향후 개발 및 개선 사항에 대해서도 논의합니다.

파리 1 대학 Univ ersity의 수학 재무 분야에서 2 년간의 연구 끝에 Lyxor Asset Management, Société Générale (프랑스 파리)의 자산 관리 팀과 정량 분석가로서 일할 기회가있었습니다. 첫 번째 과제는 변동성 스왑, 분산 스왑, 상관 스왑, 공분산 스왑, 절대 분산, 절대 분산 호출 (팔라듐)과 같은 팀의 주요 초점이있는 숨겨진 자산에 대한 펀드의 성과 분석을 개발하는 것이 었습니다. 그 목적은 수익을 예상하고 시장 조건에 따라 자산을 재 할당 할시기와 방법을 파악하는 것이 었습니다. 특히 Excel의 VBA를 통해 분석을 자동화했습니다. 둘째, 상관 관계 교환 (Correlation trades)에 관한 연구 프로젝트 (Correlation Swaps and Dispersion Trades)가있었습니다. 이 보고서는이 주제에서 수행 한 연구를 요약합니다. Lyxor는 경험적으로 지수 변동이 구성 요소의 분산과 관련하여 풍부 해 졌기 때문에 분산 스왑을 통해 분산 거래에 대한 짧은 포지션을 취하는 혜택을 누리고 있습니다. 그러나 분산 거래에서의 짧은 위치는 상관 관계가 길어지는 것과 동일하며, 시장 파산 (또는 변동성 급등)의 경우에는 포지션을 상실 할 수 있습니다. 따라서 연구의 목표는 불리한 시장 상황에서 펀드를 보호 할 수있는 효과적인 헤지 전략을 찾는 것이 었습니다. 주요 아이디어는 분산 거래 및 상관 스왑이 상관 관계에 노출되는 두 가지 방법이지만 다른 위험 요소가 있다는 사실을 적용하는 것이 었습니다. 상관 교환은 상관 관계에 대한 순수한 노출을 가지고 있지만 분산 거래는 실현 된 변동성 및 구성 요소의 상관 관계에 노출되어 있습니다. 따라서 다른 요인에 대한 위험을 감안할 때, 분산 거래의 함축 된 상관 관계는 등가 상호 교환 스왑의 파업보다 (경험적으로 10 점 이상) 높습니다. 따라서이 두 제품을 복용하고 두 제품에서 반대 위치를 잡으면 헤지 효과를 얻으려고합니다. 또한, 우리는 P & L의 반환, 손익 계산서의 변동성 및 우리의 선호도의 위험 - 수익 비율을 제공하는 전략에서 두 제품의 최적 무게를 찾습니다. 또한이 전략이 과거 시장 상황 (백 테스트) 및 극도로 약세의 시장 조건 (스트레스 테스트)에서 어떻게 수행되었는지 테스트했습니다.

최근의 금융 위기가 보여 주었던 것처럼, 상관 관계가 예기치 않게 증가하면 다양 화 이익이 갑자기 증발 할 수 있습니다. 우리는 S & P500 상관 관계 스왑 견적, 옵션 가격 및 CBOE 내재 상관 관계 지수 (INT)에서 추정 된 합성 상관 스왑 비율을 기반으로 상관 위험 및 대체 기간 구조의 대안 측정을 분석합니다. 무조건 및 조건 상관 헤징 전략의 분석은 일부 조건 상관 헤징 전략 만이 가치를 부가한다는 것을 보여줍니다. 조건부 위험 회피 전략의 조건 변수 중 CBOE 내재 상관 관계 지수는 제대로 수행되지 않는 반면, 상관 위험 요소와 분산 거래 수익의 수준은 최상의 결과를 제공한다는 것을 알 수 있습니다.

분산 거래는 지수의 구성 요소가 지수 자체보다 변동성이 크다고 거래자가 믿을 때 입력됩니다. 남아 프리카 파생 상품 시장은 상당히 진보되었지만 여전히 비 효율성을 경험하고 비효율적 인 시장에서 분산 거래가 잘 수행되는 것으로 알려져 있습니다. 이 논문은 분산 기회에 대한 남아프리카 시장을 시험하고 이러한 거래를 수행하는 다양한 방법을 탐구합니다. 남아프리카 시장은 분산 거래에 긍정적 인 결과를 보여줍니다. 즉 단기 반 분산 거래. 통화 옵션 및 CSV (Cross-Sectional Volatility) 스왑도 테스트됩니다. 통화 옵션이 시장보다 월등히 높았던 반면 CSV 스왑은 실적이 저조했습니다.

이 논문은 옵션 시장에서 베어링 상관 관계 리스크에 대한 명백한 위험 프리미엄을 조사하기 위해 분산 전략으로 알려진 옵션 거래 전략을 연구합니다. 이전 연구는 이익을 분산 거래로 인덱스 옵션에 포함 된 상관 리스크 프리미엄으로 기인했습니다. 자연 대립 가설은 수익성이 옵션 시장 비 효율성으로 인한 것이라고 주장한다. 1999 년과 2000 년 말의 옵션 시장의 제도적 변화는이 가설들을 구별하는 자연스러운 실험을 제공한다. 이는 시장 구조가 변함에 따라 근본적인 시장 위험 프리미엄이 변하지 않아야하기 때문에 시장 비 효율성 가정과 위험 기반 가설을 뒷받침하는 증거를 제공한다.

외환 거래에서 어떻게 차익 거래 전략을 사용합니까?

외환 차익 거래 (Forex arbitrage)는 소매 외환 거래자가 공개 통화를하지 않고 수익을 창출 할 수있는 위험없는 거래 전략입니다. 이 전략은 가격 효율성 비효율에 의해 제시된 기회에 대한 신속한 대응을 포함합니다. 이러한 유형의 차익 거래는 가격의 비효율을 악용하기 위해 서로 다른 통화 쌍을 사고 팔 수 있습니다. 다음 예제를 살펴보면이 전략의 작동 방식을 더 잘 이해할 수 있습니다.

예 - Arbitrage 통화 거래.

EUR / USD, EUR / GBP, GBP / USD 쌍의 현재 환율은 각각 1.1837, 0.7231 및 1.6388입니다. 이 경우, 외환 거래자는 11,737 달러에 1 유로의 작은 로트를 살 수 있습니다. 상인은 1 만 2000 유로를 7,231 파운드에 판매 할 수 있습니다. 7,231 GBP는 거래 당 13 달러의 이익을 위해 11,850 달러에 팔릴 수 있으며, 긴 포지션은 공개 통화로 매도 포지션을 취소한다. 100K의 일반 로트 (mini-lots보다는)를 사용하는 동일한 거래는 130 달러의 수익을 낼 것입니다. 이는 가격 오류가 거래 될 때까지 계속 될 수 있습니다.

계산을 통해 가격 비효율을 스스로 발견하게되면 실제로 발견 된 모든 기회에 실제로 대처할 수있는 시간이 많이 걸릴 수 있습니다. 이러한 이유로 많은 도구가 인터넷을 통해 출현했습니다. 이러한 도구 중 하나는 실시간 외환 거래 기회를 소매 외환 거래자에게 제공하는 외환 차익 거래 계산기입니다. 외환 차익 거래 계산기는 제 3 자와 외환 브로커가 많은 인터넷 사이트에서 유료로 판매됩니다. 계정을 개설 할 때 무료 또는 재판을 위해 제공됩니다.

휘발성 분산 거래.

44 Pages 게시일 : 2008 년 7 월 8 일

일리노이 얼 바나 샴페인 대학.

작성 날짜 : 2008 년 1 월 25 일.

이 논문은 옵션 시장에서 베어링 상관 관계 리스크에 대한 명백한 위험 프리미엄을 조사하기 위해 분산 전략으로 알려진 옵션 거래 전략을 연구합니다. 이전 연구는 이익을 분산 거래로 인덱스 옵션에 포함 된 상관 리스크 프리미엄으로 기인했습니다. 자연 대립 가설은 수익성이 옵션 시장 비 효율성으로 인한 것이라고 주장한다. 1999 년과 2000 년 말의 옵션 시장의 제도적 변화는이 가설들을 구별하는 자연스러운 실험을 제공한다. 이는 시장 구조가 변함에 따라 근본적인 시장 위험 프리미엄이 변하지 않아야하기 때문에 시장 비 효율성 가정과 위험 기반 가설을 뒷받침하는 증거를 제공한다.

키워드 : 변동성, 분산 거래, 시장 비효율.

Qian Deng (연락처 작성자)

일리노이 대학교 어 바나 샴페인 (University of Illinois at Urbana-Champaign)

샴페인, IL 61820.

종이 통계.

관련 전자 잡지.

자본 시장 : 시장 효율성 e 저널.

이 주제에 대한 큐레이팅 된 기사를 보려면이 수수료 저널을 구독하십시오.

권장 논문.

빠른 링크.

약.

쿠키는이 사이트에서 사용됩니다. 거부하거나 더 자세히 알아 보려면 쿠키 페이지를 방문하십시오. 이 페이지는 apollo2에 의해 0.187 초 만에 처리되었습니다.

주식의 상관 관계와 지표의 변동성에 기반한 분산 전략.

이 기사는 QuantInsti의 알고리즘 트레이딩 (EPAT)에서 이그 제 큐 티브 프로그램에서 코스의 일환으로 저자가 제출 한 최종 프로젝트입니다. 우리의 프로젝트 페이지를 확인하고 학생들이 만들고있는 것을 살펴보십시오.

소개.

이 기사에서는 주식 상관 관계, 지수의 변동성을 기반으로 한 분산 전략을 사용하여 거래 이익을 분석합니다. 분산은 거래자가 변동성에 대한 견해 만 갖도록 돕습니다 (상관 관계 평균이 되돌려 진다고 가정). 따라서 선물을 매매함으로써 델타 리스크가 헤지 (hedged)되는지 확인합니다. 이 전략에서는 장기 및 단기 포지션 모두 변동성에 기반을두고 있으며 현재는 더 많은 전략을 사용할 수있어 절대적 가치가 아닌 상대 가치를 이용하는 전략을 사용하는 것이 더 좋습니다. 이는 한 방향으로 위험에 처한 금액을 제한합니다.

구체적으로, 분산 거래는 상관 관계가 높을 때 개별 옵션과 관련하여 인덱스 옵션을 과대 평가하는 것을 이용합니다. 개별 주식 간의 상관 관계 값에 따라 인덱스 옵션을 판매하고 인덱스 구성 요소를 구매하거나 인덱스 옵션을 구입하고 인덱스 구성 요소를 판매함으로써 분산을 트레이드 할 수 있습니다. 최근 몇 년 동안 왜 분산 거래가 수익성이 있는지에 대한 많은 가설이있었습니다. 가장 잘 받아 들여지는 이론은 옵션 시장에서의 공급과 수요가 이론적 가치에서 벗어나는 프리미엄을 이끌어내는 시장 비 효율성이다. 1996 년에서 2005 년까지의 연구에서, 분산 거래가 2000 년 이후 수익성을 잃었을 때 증명되었습니다.

분산 거래를 구별하기 위해 인덱스와 인덱스 구성 요소 주식 간의 묵시적 변동성의 상대적 가치 차이를 이용하는 헤지 전략입니다. 여기에는 색인에 대한 짧은 옵션 위치와 색인의 구성 요소에 대한 긴 옵션 위치 또는 그 반대로 구성됩니다. 그 지수를 구성하는 주식의 50-60 %에 걸친 straddle 또는 strangdle의 긴 위치와 straddle의 가까운 위치가 지어집니다. 긴 다리의 위험은 짧은 위치에 의해 완화됩니다. 또한, 델타 익스포저는 머니 걸에서 그리고 돈 조롱에서 제로에 가깝다. 따라서 분산 전략은 큰 시장 움직임에 대비하여 헤지되어 방향성 위험이 낮습니다.

분산 거래에서의 이익은 상관 관계 평균이 되돌아 가고 상관 관계를 산다면 개별 주식의 실현 된 변동성은 지수의 실현 된 변동성과 비교하여 더 높을 것입니다. Driessen은 분산 전략에서 이익을 얻는 것은 음의 상관 리스크 프리미엄에 의해서만 가능하다고 주장합니다. 그러나 그것은 개별 스톡 옵션과 관련하여 인덱스 옵션의 과대 평가로 얻을 수 있습니다. 따라서 인덱스 옵션을 판매하고 구성 요소에 대한 옵션을 구입하고 델타 중립을 유지하기위한 향후 계약을 통해이를 항상 헤징하는 것이 수익성 높은 무역이 될 수 있습니다.

구매 또는 매매 된 옵션의 수는 거래 전반에 걸쳐 변하지 않으며 향후 포지션은 옵션 계약의 델타에 따라 조정되거나 미래 계약을 매매 할 수 있습니다.

위험 회피 대상 옵션의 이익은 다음과 같이 계산할 수 있습니다.

P ≈ θ. (n-1) + NV-dσ / σ이다.

여기서 θ = 시간 - 달러의 붕괴; n = 이동 표준화; N = 정규화 된 베가.

분산 거래 전략의 초점은 Indian Bank Nifty 지수 옵션과 그 구성 요소 은행 주식입니다. 이 전략에 15 분 데이터를 사용합니다.

전략 구현.

프로젝트 중 취한 조치는 다음과 같습니다.

내재 변동성 계산.

이 전략을 실행하려면 먼저 지수 지수 인 뱅크 니프티의 묵시적인 변동성과 은행 기 지수의 주식을 계산하는 것이 중요합니다. 옵션 가격은 주식이나 지수의 위험을 반영합니다. 옵션 가격에 의해 전달되는 위험 수준은 종종 내재 변동성 (implied volatility)이라고도합니다. 단일 주식 옵션의 묵시적인 변동성은 단순히 해당 주식의 주가 수익률의 미래 변동성에 대한 시장의 기대를 반영합니다. 그러나 인덱스 변동성은 인덱스 구성 요소의 개별 구성 요소와 인덱스 구성 요소 가격 반환의 상관 관계라는 두 가지 요소의 조합으로 인해 발생합니다. 묵시적인 변동성을 계산하여 주식 간의 상관 관계가 높은지 또는 낮은지를 찾습니다. 우리는 IV를 계산하기 위해 Black-Scholes 모델을 사용합니다. 우리는 성숙시기, 파격 가격, 무위험 이자율 및 현재 기본 가격이 필요합니다. 현재 달 옵션을 사용하고 있기 때문에 현재 가격에서 Option ATM 파업을 결정하고 무위험 이자율을 적용합니다.

내재 된 상관 관계 계산.

우리는 묵시적 변동성을 사용하여 주식 간의 내재적 상관 관계를 계산합니다. 변동성 간의 상관 관계는 매수 또는 매도의 신호로 작용합니다. 묵시적 상관 관계가 높으면 낮은 암시 적 상관 관계에 대해 인덱스 옵션을 판매하고 스톡 옵션을 구입하고 반대의 경우도 마찬가지입니다.

선택 옵션.

이 전략의 경우, 우리는 풋과 콜의 두 골격과 골격의 조합을 사용합니다. 이 방법을 사용할 때 완벽하게 헷지 된 거래를 성취하기 위해 Bank Nifty 인덱스와 Bank Nifty 주식에 동일한 금액을 투자하여 옵션을 헤지하는 것이 중요합니다. 시간 붕괴 : 거래는 월별 옵션을 사용하여 매월 초에 배치되고 만료 될 때까지 유지되었습니다. 유통 기한이 만료 될 때까지 거래를 유지하면 판매 된 옵션에 대한 시간이 줄어드는 이점을 얻을 수 있습니다.

이것은 미래 계약을 사용하여 전체 프로세스 델타를 중립적으로 유지하기 위해 더 헤지됩니다. 이 전략의 델타는 델타가 1을 넘었을 때 15 분마다 조정되었고, 미래의 계약이 하나 팔렸고 델타가 -1로 떨어지면 미래의 계약을 하나 사면 중립화되었습니다. 교역 기간 동안 델타를 0에 가깝게 유지하는 것이 중요합니다.

손익 계산.

이 전략에 대한 PNL은 향후 계약의 옵션 중 두 가지 요소 중 하나입니다. 만료 시점에 델타 중립을 유지하기 위해 미래 계약이 추가되어 모든 직위가 제곱되고 최종 이익이 계산됩니다.

결론.

분산 거래는 낮은 위험에 대응하여 높은 보상을 제공하는 매우 수익성있는 전략이지만 이익을 얻으려면 전략을 올바르게 구현하는 것이 필수적입니다. 이 전략을 더욱 효과적으로 사용하려면 전략이 자동화되고 헤지가 자동으로 계산되고 구현되는 것이 더 쉬울 것입니다. 자동화 된 시스템을 사용하면 옵션 시스템의 가격 변동에 대응하여 헤징 계산을 조정할 수있는 전략을 추적하는 자동화 된 시스템으로 구현하는 것이 더 쉬울 것입니다.

분석적이고 & amp; 알고리즘 트레이딩에 들어가거나 업그레이드하는 동안 정량적으로 프로그래밍하고 (일부는 아닐지라도) 프로그래밍을 배워 절대 안전한 시스템을 구축하고 올바른 전략을 실행하는 것이 중요합니다. 훌륭한 학습 경험을 제공하기 위해 QuantInsti는 강의 녹음 및 평생 액세스 및 지원과 함께 알고리즘 트레이딩의 Executive Program (EPAT)이라는 포괄적 인 코스를 제공합니다.