مبانی معاملات الگوریتمی: مفاهیم و مثالها

معادلات الگوریتمی

معاملات الگوریتمی چیست ؟

معاملات الگوریتمی (که به آن معاملات خودکار ، جعبه سیاه یا الگو نیز گفته می شود) از یک برنامه رایانه ای استفاده می کند که مجموعه ای از دستورالعمل های تعریف شده (الگوریتم) را برای انجام معاملات دنبال می کند. از نظر تئوری معامله الگوریتمی می تواند با سرعت و فرکانسی سود کسب کند که برای یک انسان معامله گر غیرممکن است.

مجموعه دستورالعمل های تعیین شده بر اساس زمان ، قیمت ، کمیت یا هر مدل ریاضی است. به غیر از فرصت های سودآوری برای معامله گر ، معامله الگو با رد تأثیر عواطف انسانی بر فعالیت های معاملاتی ، بازارها را با نقدینگی بیشتر و معاملات را با روش سیستماتیک تر اداره می کند.

 

معامله الگوریتمی در عمل

فرض کنید یک معامله گر از این معیارهای معاملاتی ساده پیروی می کند :

وقتی میانگین متحرک 50 روزه آن از میانگین متحرک 200 روزه فراتر رفت ، 50 سهم از سهام را بخرید. (میانگین متحرک میانگین نقاط داده گذشته است که نوسانات قیمت روز به روز را مرتفع و در نتیجه روندها را مشخص می کند.)

وقتی میانگین متحرک 50 روزه آن از میانگین متحرک 200 روزه پایین تر باشد، سهام را بفروشید.

با استفاده از این دو دستورالعمل ساده ، یک برنامه کامپیوتری به طور خودکار قیمت سهام (و شاخص های میانگین متحرک) را کنترل کرده و در صورت تحقق شرایط تعریف شده ، سفارشات خرید و فروش را ثبت می کند. معامله گر دیگر نیازی به نظارت بر قیمت ها و نمودارهای زنده یا سفارشات به صورت دستی ندارد. سیستم معاملات الگوریتمی با شناسایی صحیح فرصت معامله به صورت خودکار این کار را انجام می دهد.

 

مزایای معاملات الگوریتمی

معامله الگو مزایای زیر را فراهم می کند:

معاملات با بهترین قیمت ممکن انجام می شود.

سفارشات معاملاتی فوری و دقیق قرار داده می شوند (شانس زیادی برای اجرا در سطوح مورد نظر وجود دارد.)

زمان معاملات به درستی و فوری انجام می شود تا از تغییرات چشمگیر قیمت جلوگیری شود.

هزینه های معامله کاهش می یابد.

بررسی خودکار همزمان در چندین شرایط بازار انجام می شود.

خطاهای دستی هنگام انجام معاملات کاهش می یابد.

معاملات الگو را می توان با استفاده از داده های موجود در زمان واقعی و حقیقی آزمایش مجدد کرد تا ببینید آیا این یک استراتژی معاملاتی مناسب است یا خیر

احتمال خطاهای معامله گران را بر اساس عوامل عاطفی و روانی کاهش می دهد.

امروزه بیشتر معاملات الگویی، معاملات با فرکانس بالا (HFT) است که تلاش می کند تعداد زیادی سفارش با سرعت سریع در چندین بازار و پارامترهای تصمیم گیری چندگانه را بر اساس دستورالعمل های از پیش برنامه ریزی شده سرمایه گذاری کند.

معاملات الگو در اشکال مختلف معاملات و فعالیت های سرمایه گذاری مورد استفاده قرار می گیرد. از جمله:

سرمایه گذاران بلند مدت یا بنگاه های خرید – صندوق های بازنشستگی ، صندوق های سرمایه گذاری ، شرکت های بیمه – زمانی که نمی خواهند با سرمایه گذاری های گسسته و حجم زیادی بر قیمت سهام تأثیر بگذارند ،از معاملات الگویی برای خرید سهام در مقادیر زیاد استفاده می کنند.

معامله گران و فروشندگان کوتاه مدت – سازندگان بازار (مانند کارگزارها) ، دلالان و داوران – از اجرای معاملات خودکار سود می برند. علاوه بر این ، معاملات الگو به ایجاد نقدینگی کافی برای فروشندگان در بازار کمک می کند.

معامله گران سیستماتیک – پیروان روند ، صندوق های پرچین یا معامله گران جفت (استراتژی معاملاتی خنثی در بازار که یک موقعیت بلند با یک موقعیت کوتاه در یک جفت ابزار بسیار همبسته مانند دو سهام ، صندوق های قابل معامله در بورس (ETF) یا ارز مطابقت دارد) – بسیار مقرون به صرفه تر است که قوانین معاملات را برنامه ریزی کنند و اجازه دهند برنامه به طور خودکار معاملات را انجام دهد.

معاملات الگوریتمی نسبت به روشهای مبتنی بر شهود یا غریزه معامله گر ، رویکرد سیستماتیک تری در معاملات فعال فراهم می کند.

 

معادلات الگوریتمی

 

استراتژی های معاملات الگوریتمی

هر استراتژی برای معاملات الگوریتمی نیاز به فرصتی مشخص دارد که از نظر بهبود درآمد یا کاهش هزینه سودآور باشد. موارد زیر استراتژی های معاملاتی رایج است که در فعالیت های معاملاتی استفاده می شود:

استراتژیهای دنبال کننده روند

رایج ترین استراتژی های معاملات الگوریتمی، روندهای میانگین متحرک ، شکست کانال ، حرکات سطح قیمت و شاخص های فنی مرتبط را دنبال می کنند. اینها ساده ترین و ساده ترین استراتژی ها هستند که می توانند از طریق معاملات الگوریتمی اجرا شوند ، زیرا این استراتژی ها شامل پیش بینی قیمت نیستند. معاملات براساس وقوع روندهای مطلوب آغاز می شوند که اجرای آنها از طریق الگوریتم ها بدون وارد شدن به پیچیدگی تحلیل پیش بینی آسان و ساده است. استفاده از میانگین متحرک 50 و 200 روزه یک استراتژی محبوب پیروی از روند است.

فرصت های آربیتراژ

خرید سهام دو لیست با قیمت کمتر در یک بازار و فروش همزمان آن با قیمت بالاتر در بازار دیگر ، اختلاف قیمت را به عنوان سود بدون ریسک یا آربیتراژ ارائه می دهد. همان عملکرد را می توان برای سهام در مقابل ابزارهای آتی تکرار کرد زیرا اختلاف قیمت ها هر از گاهی وجود دارد. اجرای یک الگوریتم برای شناسایی این تفاوت قیمت ها و قرار دادن کارآمد سفارشات ، فرصت های سودآوری را فراهم می کند.

توازن مجدد صندوق شاخص

صندوق های شاخص برای تعادل منابع خود با شاخص های معیار مربوطه خود دوره های متعادل سازی مجددی را تعریف کرده اند. این فرصت های سودآوری را برای معامله گران الگوریتمی ایجاد می کند ، آنها در معاملاتی سرمایه گذاری می کنند که انتظار دارند 20 تا 80 امتیاز پایه بسته به تعداد سهام در صندوق شاخص ، درست قبل از تعادل مجدد صندوق شاخص ارائه دهند. اینگونه معاملات از طریق سیستم های معاملات الگوریتمی برای اجرای به موقع و بهترین قیمت ها آغاز می شود.

استراتژی های مبتنی بر مدل ریاضی

مدل های ریاضی ثابت شده ، مانند استراتژی معاملات خنثی دلتا ، امکان معامله با ترکیبی از گزینه ها و امنیت اساسی را فراهم می کنند.استراتژی معاملات خنثی دلتا یک استراتژی متشکل از موقعیت های مختلف با جبران کننده دلتای مثبت و منفی نسبی است که مقایسه قیمت دارایی ، معمولاً یک اوراق بهادار قابل فروش را با تغییر مربوط به قیمت مشتق آن مقایسه می کند( به طوری که در کل دلتا دارایی های مورد نظر در مجموع صفر است).

دامنه معاملات (میانگین بازگشت)

استراتژی میانگین بازگشت ​​مبتنی بر این مفهوم است که قیمت های بالا و پایین یک دارایی پدیده ای موقتی است که به طور دوره ای به مقدار متوسط ​​(ارزش متوسط) خود بازمی گردد. شناسایی و تعریف دامنه قیمت و پیاده سازی الگوریتم مبتنی بر آن باعث می شود معاملات در صورت شکسته شدن و خروج قیمت دارایی از محدوده تعریف شده خود ، به صورت خودکار انجام شود.

حجم متوسط ​​وزنی (VWAP)

استراتژی حجم متوسط وزنی ، یک سفارش بزرگ را می شکند و با استفاده از پروفایل های حجم تاریخی خاص سهام ، قطعات کوچکتر از سفارش را که به صورت پویا تعیین شده اند ، به بازار عرضه می کند. هدف این است که سفارش را نزدیک به میانگین قیمت هم وزن (VWAP) اجرا کنید.

زمان متوسط وزنی (TWAP)

استراتژی زمان متوسط وزنی ، یک سفارش بزرگ را می شکند و با استفاده از بازه های زمانی تقسیم شده بین زمان شروع و پایان ، تعداد کوچکتر سفارش را به صورت پویای تعیین شده به بازار آزاد می کند. هدف این است که سفارش را نزدیک به متوسط ​​قیمت بین زمان شروع و پایان انجام دهید تا از این طریق تأثیر بازار را به حداقل برسانید.

درصد حجم (POV)

تا زمان پر شدن کامل سفارش معاملاتی ، این الگوریتم با توجه به نسبت مشارکت تعریف شده و با توجه به حجم معاملات در بازارها ، به ارسال سفارشات جزئی ادامه می دهد. “استراتژی مراحل” مرتبط سفارشات را با درصدی از حجم بازار توسط کاربر ارسال می کند و با رسیدن قیمت سهام به سطح تعریف شده توسط کاربر ، این میزان مشارکت را افزایش یا کاهش می دهد.

کمبود اجرا

هدف از استراتژی کمبود اجرا ، به حداقل رساندن هزینه اجرای یک سفارش از طریق معامله در بازار واقعی است و در نتیجه در هزینه سفارش صرفه جویی کرده و از هزینه فرصت تأخیر اجرا بهره مند می شوید. این استراتژی در صورت حرکت مطلوب قیمت سهام نرخ مشارکت هدفمند را افزایش می دهد و در صورت حرکت منفی قیمت سهام آن را کاهش می دهد.

 

معادلات الگوریتمی

 

فراتر از الگوریتم های معاملاتی معمول

چند کلاس خاص از الگوریتم ها وجود دارد که سعی در شناسایی “اتفاقات” در طرف دیگر دارند. این “الگوریتم های استشمام” – که به عنوان مثال توسط یک سازنده بازار فروش استفاده می شود – دارای هوشمندی خاصی برای شناسایی وجود هر الگوریتم در خرید یک سفارش بزرگ است. چنین ردیابی از طریق الگوریتم ها به سازنده بازار کمک می کند تا فرصت های بزرگ سفارش را شناسایی کرده و با پر کردن سفارشات با قیمت بالاتر ، آنها را قادر به بهره مندی کند. این ویژگی بعضاً با عملکرد پیشرفته در جلو شناخته می شود. به طور کلی ، عمل پیش رفتن بسته به شرایط غیرقانونی تلقی می شود و به شدت توسط FINRA (سازمان تنظیم کننده صنعت مالی) با آن برخورد می شود.

 

الزامات فنی برای معاملات الگوریتمی

اجرای الگوریتم نیازمند استفاده از یک برنامه رایانه ای آخرین مولفه معاملات الگوریتمی می باشد که با آزمایش مجدد همراه است (آزمایش الگوریتم مربوط به دوره های تاریخی عملکرد گذشته بازار سهام تا ببینید آیا استفاده از آن سودآور بوده است). چالش این است که استراتژی شناسایی شده را به یک فرایند کامپیوتری یکپارچه تبدیل کنید که برای ثبت سفارش به حساب معاملاتی دسترسی دارد. موارد زیر الزامات معاملات الگوریتمی است:

دانش برنامه نویسی رایانه ای برای برنامه ریزی استراتژی معاملاتی مورد نیاز ، استخدام برنامه نویس یا نرم افزار معاملاتی از پیش ساخته شده.

اتصال به شبکه و دسترسی به سیستم عامل های معاملاتی برای ثبت سفارش.

دسترسی به فیدهای داده های بازار که توسط الگوریتم برای موقعیت های ثبت سفارش کنترل می شوند.

توانایی و زیرساخت های سیستم که قبل از اینکه در بازارهای واقعی فعال شود ، دوباره ساخته می شود.

داده های تاریخی موجود برای آزمایش مجدد بسته به پیچیدگی قوانین پیاده سازی شده در الگوریتم.

 

نمونه ای از معاملات الگوریتمی

Royal Dutch Shell (RDS) در بورس اوراق بهادار آمستردام (AEX) و بورس اوراق بهادار لندن (LSE) فهرست شده است. ما با ساخت یک الگوریتم برای شناسایی فرصت های آربیتراژ شروع می کنیم. در اینجا چند مورد جالب برای مشاهده وجود دارد:

AEX با یورو معامله می کند در حالی که LSE با پوند استرلینگ انگلیس معامله می کند .

با توجه به اختلاف ساعت یک ساعته ، AEX یک ساعت زودتر از LSE باز می شود و به دنبال آن هر دو مبادله به طور همزمان برای چند ساعت آینده انجام می شود و پس از بسته شدن AEX در آخرین ساعت فقط با LSE معامله می شود.

آیا می توانیم امکان معامله آربیتراژ در سهام Royal Dutch Shell را که در این دو بازار با دو ارز مختلف ذکر شده است ، بررسی کنیم؟

الزامات :

یک برنامه رایانه ای که بتواند قیمت های فعلی بازار را بخواند و از هر دو منبع LSE و AEX تغذیه کند.

نرخ ارز فارکس (ارز) برای GBP-EUR.

قابلیت سفارش گذاری که می تواند سفارش را به سمت صرافی صحیح هدایت کند.

قابلیت آزمایش مجدد در خبرخوان های قیمت تاریخی.

برنامه رایانه باید موارد زیر را انجام دهد:

قیمت ورودی سهام RDS از هر دو بورس را بخواند.

با استفاده از نرخ ارز موجود ، قیمت یک ارز را به ارز دیگر تبدیل کند.

اگر اختلاف قیمت به اندازه کافی بزرگ بود (تخفیف هزینه های کارگزاری)  که منجر به یک فرصت سودآور بشود ، در این صورت برنامه باید سفارش خرید را در بورس با قیمت پایین تر قرار دهد و سفارش را در بورس با قیمت بالاتر بفروشد.

اگر سفارشات به دلخواه اجرا شوند ، سود آربیتراژ به دنبال خواهد داشت.

ساده و آسان! با این حال ، نگهداری و اجرای عمل معاملات الگوریتمی به همین سادگی نیست. به یاد داشته باشید ، اگر یک سرمایه گذار بتواند معامله ای تولید کند ، سایر فعالان بازار نیز می توانند این کار را انجام دهند. در نتیجه ، قیمت ها در میلی ثانیه و حتی میکروثانیه نوسان می کنند. در مثال فوق ، حتی اگر یک معامله خرید انجام شود ، اما معامله فروش به این دلیل اتفاق نمی افتد که قیمت فروش در زمان ورود سفارش به بازار تغییر می کند . چه اتفاقی می افتد؟ معامله گر با موقعیت باز مواجه خواهد شد و این استراتژی آربیتراژ را بی ارزش می کند.

در معاملات الگوریتمی خطرات و چالش های اضافی مانند خطرات خرابی سیستم ، خطاهای اتصال شبکه ، فاصله زمانی بین سفارشات معاملاتی و اجرا و از همه مهمتر الگوریتم های ناقص وجود دارد. هرچه الگوریتم پیچیده تر باشد ، آزمایش مجدد سختگیرانه تری قبل از عملی شدن لازم است.

منبع: https://www.investopedia.com/articles/active-trading/101014/basics-algorithmic-trading-concepts-and-examples.asp

 

سایر مقالات مرتبط

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

عناوین این پست
اسکرول به بالا