همچنین به عنوان algotrading ، تجارت ربات ، تجارت خودکار یا سرمایه گذاری کمی شناخته می شود: تجارت الگوریتمی به سادگی به معنای خرید و فروش دارایی های مالی بر اساس برخی از سیستم ها یا الگوریتم است. برخلاف "تجارت دستی" یا "تجارت اختیاری" که معمولاً مبتنی بر احساس روده است. یا در مورد برخی از اطلاعات مربوط به دارایی معامله شده که معامله گر امیدوار است رقبای خود را نداشته باشند.
هر سیستم معاملاتی الگوریتمی دارای 3 مؤلفه است:
- یک الگوریتم معاملاتی یا استراتژی معاملاتی که بر اساس داده های بازار قوانین خرید و فروش را تعیین می کند.
- اتصال معاملاتی به مبادلات آنلاین ، کارگزاران یا منابع داده برای دریافت داده های قیمت و قرار دادن سفارشات.
- و یک روش پشتی برای تعیین سود مورد انتظار الگوریتم (یا اصلاً سودآور است).
الگوریتم معاملاتی معمولاً توسط یک برنامه نرم افزاری یا "اسکریپت" تحقق می یابد. اما یک کامپیوتر همیشه درگیر نیست. سیستم معروف "تجارت لاک پشت" دهه 1980 یک الگوریتم به صورت دستی اجرا شد و پشتی با قلم و کاغذ انجام شد. با این حال ، این سیستم ساده امروز دیگر کار نمی کند. از آنجا که بازارها تغییر کرده اند و صندوق های پرچین بزرگ به تجارت ALGO تغییر یافته اند ، الگوریتم های پیچیده تری برای دستیابی به سود مداوم با تجارت الگوریتمی مورد نیاز است. این بدان معنا نیست که معامله گران خصوصی مستثنی هستند. ابزارهای نرم افزاری پیشرفته مانند Zorro اجازه می دهد تا با همان روش ها و الگوریتم هایی که صندوق های پرچین بزرگ اعمال می شوند ، تجارت الگو را انجام دهند.
تجارت الگوریتمی: چرا و چه زمانی کار می کند؟
کلیه روشهای تجارت الگوریتمی به دنبال سوءاستفاده از ناکارآمدی بازار ، معمولاً برای پیش بینی روند قیمت یا ایجاد یک مزیت آماری است. ناکارآمدی بازار باعث ناهنجاری های منحنی قیمت - انحراف از منحنی قیمت از تصادفی خالص. بدیهی است ، استراتژی های معاملاتی فقط می توانند در شرایطی کار کنند که این ناکارآمدی ها واقعاً وجود داشته باشند و به اندازه کافی بزرگ برای غلبه بر هزینه های معامله باشند. در یک بازار کامل و کارآمد ، قیمت ها فقط تحت تأثیر رویدادهای واقعی مانند اختراع یک فناوری جدید یا انتشار نتایج شرکت قرار می گیرند. همه معامله گران "آگاه" هستند ، از نظر عقلانی تصمیم می گیرند و بلافاصله عمل می کنند. منحنی های قیمت در چنین بازار فرضی منحنی های پیاده روی تصادفی خالص هستند که هیچ اطلاعاتی برای پیش بینی قیمت های آینده ندارند.
خوشبختانه برای استراتژی های معاملاتی Algo ، بازارهای واقعی از این ایده آل نظری فاصله دارند. ناکارآمدی بازار در همه جا وجود دارد. آنها در اثر واکنش آهسته در اخبار ، اطلاعات ناقص ، شایعات ، الگوهای رفتار تکراری و تجارت غیر منطقی (مانند توصیه های زیر توسط "تحلیلگران") ایجاد می شوند. چنین تأثیراتی را می توان توسط مدل های بازار توصیف کرد. مشکل: تأثیرات در رابطه با "سر و صدای" همه جا ، تصادفی در منحنی های قیمت اندک است. آنها به طور معمول برای چشم انسان قابل رویت نیستند. و همچنین نمی توان آنها را با اطمینان از "شاخص های فنی" کلاسیک تشخیص داد. روشهای جدی آماری ، مانند تجزیه و تحلیل طیفی یا الگوریتم های یادگیری ماشین به طور معمول برای بهره برداری مؤثر در ناکارآمدی بازار مورد نیاز است.
تجزیه و تحلیل طیفی منحنی قیمت SPX
چهار دسته اصلی الگوریتم معاملات وجود دارد:
استراتژی های حق بیمه خطر
بیشترین استفاده از روش توسط معامله گران حرفه ای ALGO. آنها در ازای مقدار معینی از سود ، مقدار مشخصی از ریسک را می پذیرند. البته سود مورد انتظار باید از ریسک فراتر رود. این الگوریتم ها اغلب سودهای مکرر کوچک را با خطر کم یا ناچیز از بین می برند ، خطر از دست دادن زیاد نادر است. مهمترین نمونه خرید و نگه داشتن سهام با عملکرد تاریخی بالا است. نمونه های حق بیمه کلاسیک ریسک گزینه های فروش سیستم ها و بهینه سازی میانگین واریانس است. سیستم های معاملاتی Algo که از ناهنجاری های نوسانات مانند معامله گران شبکه بهره برداری می کنند نیز می توانند در آن دسته قرار بگیرند.
استراتژی های مبتنی بر مدل
این استراتژی ها براساس الگویی از الگوهای رفتاری شرکت کنندگان در بازار است که منجر به ناکارآمدی بازار و ناهنجاری های منحنی قیمت می شود. یک مدل صحیح امکان پیش بینی قیمت محدود و در نتیجه تجارت سودآور را فراهم می کند. استراتژی های مبتنی بر مدل می توانند از رژیم های بازار ، چرخه بازار ، مرزهای قیمت یا کانال ها ، اختلاف قیمت دارایی های همبسته (داوری آماری) یا اختلاف قیمت دارایی های مشابه در مبادلات مختلف (داوری HFT) بهره برداری کنند. نمونه ها و جزئیات بیشتر در مورد استراتژی های مبتنی بر مدل ساختمان را می توان در یک سری مقاله در وبلاگ هکر مالی یافت.
استراتژی های داده استخراج
آنها هیچ ارتباطی با استخراج بیت کوین ندارند ، اما بازار را با یک الگوریتم یادگیری ماشین برای پیش بینی روند قیمت کوتاه مدت ارزیابی می کنند. برای این کار آنها از سیگنالهایی استفاده می کنند که معمولاً از کتاب سفارش یا منحنی قیمت گرفته می شوند ، اما گاهی اوقات از داده های اساسی مانند گزارش های درآمد یا گزارش تعهد معامله گران (COT) نیز استفاده می کنند. حتی از منابع داده های عجیب و غریب مانند پارامترهای blockchain یا کلمات کلیدی توییتر می توان برای الگوریتم های داده کاوی استفاده کرد. درست به عنوان سیستم مبتنی بر مدل ، داده کاوی نیز از ناکارآمدی بازار بهره می برد و در یک بازار کاملاً تصادفی کار نمی کند. اما جزئیات آن ناکارآمدی ها و قوانین تجاری مشتق شده برای توسعه دهنده ناشناخته است - سیستم یک جعبه سیاه است. اطلاعات بیشتر و نمونه ای از سیستم یادگیری عمیق در این مقاله داده کاوی را می توان یافت.
منحنی سود (آبی) یک سیستم یادگیری عمیق کدگذاری شده در C
سوپ های شاخص
آنها معمولاً مبتنی بر "تجزیه و تحلیل فنی" هستند - این عقیده که شاخص های فنی ، خواص منحنی قیمت هندسی یا الگوهای قیمت می توانند قیمت های آینده را پیش بینی کنند. سوپ های شاخص اغلب توسط معامله گران خرده فروشی استفاده می شود و در انجمن های معامله گر یا در کتاب های تجاری یافت می شود. آنها همیشه از شاخص ها استفاده نمی کنند ، اما می توانند سیگنال های تجاری را از الگوهای شمع سنتی یا با روش های عجیب و غریب مانند امواج الیوت یا الگوهای هارمونیک بدست آورند. اگرچه بسیاری از مطالعات نشان داده اند که تجزیه و تحلیل فنی اکثراً بی فایده است ، اما برخی از سوپ های شاخص پیچیده در واقع در شرایط خاص بازار ، حداقل برای مدت زمان محدود سودآور بودند. اگر دوست دارید رولت بازی کنید ، احتمالاً تجارت الگوریتمی با تجزیه و تحلیل فنی و سوپ شاخص ها را نیز دوست خواهید داشت.
تجارت کاملاً خودکار یا نیمه اتوماتیک ALGO؟
سیستم های معاملاتی کاملاً خودکار ALGO به طور دائم یا در یک کامپیوتر در خانه یا - بهتر - روی سرور VPS اجاره ای اجرا می شوند. آنها بازارها را رعایت می کنند و هر زمان و می توانند بدون مداخله انسانی موقعیت های خود را وارد یا خروج کنند. سیستم های نیمه اتوماتیک به صورت دستی ، معمولاً در فواصل منظم ، مانند اولین روز معاملاتی یک ماه آغاز می شوند. آنها یک فرآیند خودکار خواندن و تجزیه و تحلیل داده های بازار اخیر ، باز یا بسته شدن معاملات را وارد می کنند ، سپس خاموش و تا شروع بعدی. آنها معمولاً برای استراتژی هایی که به ندرت تجارت می کنند ، مانند بازگرداندن نمونه کارها بلند مدت یا سیستم های معاملاتی گزینه ها استفاده می شوند.
و چگونه یک استراتژی تجارت ALGO به نظر می رسد؟در اینجا برخی از اسکریپت های نمونه ای از نشانگر ، مبتنی بر مدل ، داده کاوی و سیستم های معاملاتی پریمیوم آلگو ریسک وجود دارد.
کپی رایت © 2022 توسط گروه OP آلمان GmbH. کلیه حقوق محفوظ است. با مرور این وب سایت شما با خط مشی حمایت از داده ما موافقت می کنید.
