Beware  of  Low  Frequency  Data  

Ernest  Chan,  Ph.D.  QTS  Capital  Management,  LLC.  

 

•  Previously,  researcher  at  IBM  T.  J.  Watson  Lab  in  machine  learning,  researcher/trader  for  Morgan  Stanley,  Credit  Suisse,  and  various  hedge  funds.  

•  Principal  of  QTS  Capital  Management,  a  commodity  pool  operator  and  trading  advisor.  

•  Author:    –  Quan%ta%ve  Trading:  How  to  Build  Your  Own  Algorithmic  Trading  Business    (Wiley  2009).  

–  Algorithmic  Trading:  Winning  Strategies  and  Their  Ra%onale  (Wiley  2013).  

•  Blogger:  epchan.blogspot.com  

 

About  Me  

2  

GIGO  

•  Garbage  in,  garbage  out  is  well-­‐known  to  programmers.  

•  Data  integrity  is  crucial  to  backtesVng  trading  strategies.  – Common  problem:  Historical  prices  backtested  weren’t  the  actual  prices  we  could  execute  at.    

– Typical  outcome:  backtest  performance  is  greatly  inflated  compared  to  realisVc  historical  performance.  

Example  1:  CEF  Premium  Reversion  

•  Patro  et  al  published  a  paper  on  trading  the  mean  reversion  of  closed-­‐end  funds’  (CEF)  premium.  –  ssrn.com/abstract=2468061  

•  CEFs  with  high  premium  (market  cap-­‐NAV)  will  have  negaVve  returns,  while  those  with  steep  discount  will  have  posiVve  returns.  

•  Rank  CEFs  based  on  %  premium  and  buy  the  bobom  quinVle  and  short  the  top  quinVle  with  monthly  rebalancing.  

Example  1:  CEF  Premium  Reversion  

•  Authors  obtained  fund  price  and  shares  outstanding  data  from  CRSP,  and  fund  NAV  data  from  Bloomberg.  

•  Sharpe  raVo  is  1.5  from  1998-­‐2011.  •  I  repeated  their  backtest  also  using  CRSP  prices,  and  fund  NAV  from  Computstat  from  2007-­‐2014.  

CEF  Premium  Reversion:  closes  

2008/01 2010/01 2012/01 2014/010

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

Date

Cum

ulat

ive

Ret

urns

CEF  Premium  Reversion:  midpoints  

   

2008/01 2010/01 2012/01 2014/01-0.25

-0.2

-0.15

-0.1

-0.05

0

Date

Cum

ulat

ive

Ret

urns

Midpoints  vs  closes  •  The  dramaVc  differences  in  performance  due  to  using  closing  prices  vs  midpoint  between  bid  and  ask  prices  at  the  close.  –  You  wouldn’t  think  bid  and  ask  prices  maber  for  strategies  that  rebalance  only  monthly!  

•  Actual  execuVons  will  use  MOC  (Market-­‐on-­‐close)  or  LOC  (Limit-­‐on-­‐close)  orders.  

•  Actual  execuVon  prices  will  be  the  close  price  (“closing  cross”)  at  primary  exchanges  where  aucVons  take  place,  not  consolidated  closing  prices  which  most  backtests  use.  –  Rf.  Prof.  Joel  Hasbrouck  “SecuriVes  Trading”  NYU  Teaching  Notes  

Consolidated  closes  

•  Consolidated  closing  price  represents  the  last  execuVon  price  from  any  one  of  >  50  market  centers  at  which  a  stock,  ETF,  or  CEF  can  be  executed.  

•  ExecuVon  can  take  place  in  a  dark  pool,  ECN,  or  the  primary  exchange.  

•  If  we  send  a  LMT/MKT  order,  no  guarantee  it  will  be  routed  to  that  parVcular  market  center  and  filled  at  the  consolidated  closing  price.    

Primary  closes  

•  Where  can  we  get  historical  primary  exchange  (“aucVon”,  “official”,  “crossing”)  close  prices?  – Buy  from  the  primary  exchanges.  – Subscribe  to  Bloomberg.    – EsVmate  using  midpoints  from  CRSP.    

•  This  is  what  I  did.  – Use  Vck  data  and  select  the  trades  with  the  Cross  flag*.  

*Hat-­‐Vp:  Chris  at  QuantGo.com  

Example  2:  Opening  gap  

•  Rank  stocks  based  on  their  returns  from  previous  close  to  today’s  open:  retGap.  

•  Apply  fundamental  and  technical  filters  e.g.  eliminaVng  stocks  which  just  had  earnings  announcements.  –  See  my  book  “Algorithmic  Trading”.  

•  Buy  10  stocks  with  the  lowest  retGap,  and  short  10  with  the  highest  retGap  at  the  open.  

•  Exit  at  the  same  day’s  close.  •  Backtest  from  2012-­‐2014.  •  Live  trading  from  mid  2013-­‐2014.    

Opening  Gap:  Backtest  vs  Live  

2012/01 2013/01 2014/01-0.05

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

Date

Cum

ulat

ive

Ret

urns

Backtest with 5 bps costLive

What  happens  at  the  open?  •  Backtest  has  already  used  midpoints  at  close:  very  near  the  closing  crosses.  

•  Backtest  also  included  5  bps  per  trade  transacVon  cost.  

•  Live  trading  sVll  underperformed  backtest  substanVally.  

•  Causes:  – Open  prices  also  need  to  use  aucVon  prices.  

•  Unfortunately  CRSP  does  not  provide  bid/ask  at  open.  – Need  quotes  at  9:28  (Nasdaq  deadline  for  LOO/MOO  orders)  to  generate  trading  signals.  

 

Example  3:  Futures  momentum  

•  Intraday  momentum  strategy  applied  to  various  futures  (E.g.  RB  or  GC).  

•  Rank  all  trades  (or  quotes)  in  previous  day’s  trading  session.  – Long  if  last  price  above  95th  percenVle.  

•  Exit  long  if  last  price  below  60th  percenVle.  – Short  if  last  price  below  5th  percenVle.    

•  Exit  short  if  last  price  above  40th  percenVle.  

Futures  momentum  

•  Compare  backtests  based  on  – 1-­‐minute  trades  bars  from  eSignal,  back-­‐adjusted  conVnuous  contracts.  

– BBO  quotes  with  1-­‐millisecond  Vmestamps  from  QuantGo.com  /  Algoseek  data,  actual  contracts.  

•  1-­‐min  data  shows  that  strategy  trades  only  1  round-­‐trip  a  day:  low  frequency!  

Futures  momentum  

•  In  all  cases,  1-­‐ms  data  produce  much  worse  returns  than  1-­‐min  data.  

•  1-­‐ms  data  shows  that  strategy  someVmes  flip-­‐flops:  rapid  changes  of  last  prices  cause  rapid  succession  of  (losing)  trades.  

Example  4:  Pair  trading  ETFs  

•  E.g.  ETFs  EWA  (Australian  stock  index)  and  EWC  (Canadian  stock  index)  are  good  candidates  for  mean-­‐reversion  pair  trading.  

•  Bollinger  band  strategy  applied  to  spread.  •  Backtest  on  daily  closes  (aucVon  or  consolidated  prices):  good  results.  

•  Why  not  live  trade  intraday,  using  Bollinger  bands  to  set  limit  prices?  –  Expect  more  trading  opportuniVes  and  more  profits!  

Pair  trading  ETFs  

•  Reality:  Intraday  live  trading  using  InteracVve  Brokers  live  Vck  feed  (250ms  bars)  osen  suffers  mysterious  losses  due  to  mysterious  trades.  

•  Culprit:  Flip-­‐flopping  due  to  order  book  “mini-­‐flash  crashes”  –  Small  change  in  price  on  one  leg  leads  to  large  %  error  in  spread!  

•  These  flip-­‐flopping  and  losses  disappear  if  we  use  Yahoo  RealTime  (1s  bars).  

Pair  trading  ETFs  

•  Moral  of  story:  if  you  want  to  trade  intraday,  must  use  Vck  data  for  backtest,  even  if  holding  period  is  long  (e.g.  hours).  

•  What  if  we  restrict  live  data  to  1-­‐sec  or  longer  bars?  – This  would  be  arVficial  and  nonsensical:  why  should  we  only  trade  at  …  10:01,  10:02,  10:03,  …  instead  of  …  10:01:01,  10:01:02,  10:01:03,  …?  

LF  backtest  requires  HF  historical  data  

•  CEF  monthly  rebalancing  →  need  Vck  data  to  find  closing  crosses  (aucVon)  prices  (unless  you  have  Bloomberg).  

•  Opening  gap  stocks  strategy  →  need  Vck  data  to  find  NBBO  at  9:28  am  and  opening  crosses.  

•  Intraday  low-­‐frequency  futures  momentum  strategy  →  need  Vck  data  to  check  for  intra-­‐1-­‐min-­‐bar  flip-­‐flopping/mini-­‐flash  crashes.  

•  Intraday  low-­‐frequency  ETF  mean  reversion  pair  trading  →  need  Vck  data  to  check  for  intra-­‐1-­‐sec-­‐bar  flip-­‐flopping/mini-­‐flash  crashes.  

Conclusion  

•  Whether  a  trading  strategy  requires  low  or  high  frequency  historical  data  depends  not  only  on  holding  period,  but  also  on:  – How  execuVon  prices  are  determined.  – How  trading  signals  are  triggered.  

Thank  you  for  your  Vme!  

www.epchan.com  Twiber:  @chanep  

Blog:  epchan.blogspot.com