معاملات الگوریتمی چیست؟
معاملات الگوریتمی نرمافزارهای کامپیوتری و بازارهای مالی را برای باز کردن و بستن معاملات بر اساس کدهای برنامهنویسی شده گرد هم میآورد. سرمایهگذاران و معاملهگران میتوانند زمان باز و بسته شدن معاملات را تعیین کنند. آنها همچنین میتوانند از قدرت محاسباتی جهت انجام معاملات در تعداد بالا استفاده کنند. امروزه، معاملات الگوریتمی با توجه به تنوع استراتژیهایی که معاملهگران میتوانند استفاده کنند، در بازارهای مالی رایج است. برای شروع، خود را با سختافزار کامپیوتری، مهارتهای برنامهنویسی و تجربه در بازارهای مالی آماده کنید.
معاملات الگوریتمی [۱] (که به آن معاملات خودکار، معاملات جعبه سیاه یا الگوتریدینگ نیز میگویند)
به انجام معامله با استفاده از یک برنامهی کامپیوتری که مجموعهای از دستورالعملهای تعریف شده (یک
الگوریتم) را دنبال میکند، میپردازد. از لحاظ تئوری، این نوع از معامله قادر به کسب سود در سرعت و
تواتری است که انجام آن برای یک انسان غیرممکن است.
مجموعهی دستورالعملهای تعریف شده بر اساس زمان، قیمت، حجم و یا هر مدل ریاضی دیگر میباشد.
الگوتریدینگ به غیر از فرصتهای سود برای معاملهگر، از طریق حذف اثر احساسات انسانی در فعالیتهای
معاملهگری، بازارها را نقدپذیرتر و معاملات را سیستماتیکتر میکند.
نکات کلیدی
۱- معاملات الگوریتمی، برنامهنویسی کامپیوتری و بازارهای مالی را برای اجرای معاملات در لحظات دقیق
ترکیب میکند.
۲- معاملات الگوریتمی سعی دارد معاملات را از احساسات عاری کند، از اجرای معاملات به کارآمدترین شکل
ممکن اطمینان حاصل میکند و سفارشها را در لحظه ثبت میکند و ممکن است کارمزد معاملات را نیز کاهش
دهد.
۳- استراتژیهای رایج معاملاتی شامل استراتژیهای پیروی از روند، فرصتهای آربیتراژی و تعادل مجدد
پرتفوی (Rebalancing) صندوقهای شاخصی میباشند.
۴- همچنین معاملات الگوریتمی بر مبنای حجم معاملات (میانگین وزنی حجمی قیمت) و یا گذر زمان (میانگین
وزنی زمانی قیمت) انجام میشود.
۵- برای شروع این معاملات، باید دسترسی به رایانه، دسترسی به شبکه، دانش بازارهای مالی و توانایی
برنامهنویسی داشته باشید.
دوره معاملات الگوریتمی با تدریس دکتر علی حبیب نیا در کلینیک اقتصاد دکتر سعدوندی
دوره جامع آموزش معاملات الگوریتمی
برای سودسازی در بازارها با فناوریهای نوین در خودکارسازی معاملات و یادگیری معاملات الگوریتمی –
Algorithmic Trading با زبان برنامهنویسی پایتون – Python همین الان کلیک کنید.
دوره معاملات الگوریتمی
معاملات الگوریتمی چگونه کار میکند
در ادامه مقاله جامع معاملات الگوریتمی چیست؟ به بررسی چگونگی کارکرد این معاملات میپردازیم.
فرض کنید یک معامله گر معیارهای زیر را دنبال می کند:
۱- خرید ۵۰ سهم، زمانی که میانگین متحرک [۲] ۵۰ روزه سهام از میانگین متحرک ۲۰۰ روزهی آن بالاتر
میرود. (میانگین متحرک، متوسط نقطه دادههای گذشته است که نوسانات روزانه قیمت را هموار و در نتیجه
روندها را مشخص میکند.)
۲- فروش سهام زمانی که قیمت از میانگین متحرک ۵۰ روزه پایینتر آید.
برنامهی کامپیوتری با استفاده از همین دو دستورالعمل ساده، قیمت سهام و شاخصهای میانگین متحرک را
به طور خودکار رصد کرده و سفارشهای خرید و فروش را زمانی که شرایط تعریف شده محقق شوند، ثبت
میکند. معاملهگر دیگر نیازی به رصد کردن قیمتهای زنده سهام و نمودارها و یا ثبت دستی سفارشات
ندارد. سیستم فوق این کار را به طور خودکار با شناسایی صحیح فرصتهای معاملاتی تعریف شده انجام
میدهد.
مزایا و معایب معاملات الگوریتمی، بخشی از مقاله جامع ترجمه شده صفر تا صد معاملات الگوریتمی کلینیک
اقتصاد دکتر سعدوندی
مزایا و معایب الگوتریدینگ
برای تفهیم و تعمیق چیستی مبانی معاملات الگوریتمی مزایا و معایب آن را بررسی میکنیم:
مزایا
الگوتریدینگ مزایای زیر را فراهم می کند:
۱- بهترین اجرا: معاملات اغلب در بهترین قیمت ممکن اجرا میشوند.
۲- تأخیر کم: ثبت سفارش معاملاتی سریع و دقیق است (شانس بالایی برای اجرای معامله در قیمت مورد نظر
وجود دارد). معاملات به درستی و سریع زمانبندی میشوند تا از تغییرات قابل توجه قیمت جلوگیری شود.
۳- کاهش هزینههای تراکنش [۳]
۴- بررسی همزمان و خودکار شرایط متعدد در بازار
۵- عاری از خطای انسانی: کاهش ریسک خطاهای دستی یا اشتباه در ثبت معاملات همچنین تمایل معاملهگران
به تاثیرپذیری از احساسات یا عوامل روانشناختی را خنثی میکند.
۶- بکتستینگ یا پیشآزمون: در الگوتریدینگ میتوان با استفاده از دادههای تاریخی و دادههای زمان
واقعی (زنده) موجود، روی ماندگاری و پذیرش استراتژی معاملاتی، بکتست انجام داد.
معایب
علاوه بر این، چند اشکال یا نقطه ضعف در این گونه از معاملات وجود دارد که باید در نظر گرفت:
۱- تاخیر: معاملات الگوریتمی بر اجرای سریع و بدون تاخیر معاملات تکیه دارد. چنانچه یک معامله به
اندازه کافی سریع اجرا نشود، ممکن است منجر به از دست رفتن فرصتها یا زیان شود.
۲- رویدادهای قوی سیاه: معاملات الگوریتمی با تکیه بر دادههای تاریخی و مدلهای ریاضی به پیشبینی
روند آتی بازار میپردازد، اما، اختلالات پیشبینی نشده بازار، معروف به رویدادهای قوی سیاه، ممکن
هست رخ دهند که میتوانند موجب زیان معاملهگران الگوریتمی شوند.
۳- وابستگی به فناوری: معاملات الگوریتمی بر پایه فناوری شامل برنامههای کامپیوتری و اینترنت
پرسرعت استوار است. مشکلات و یا خرابیهای فنی، میتواند فرایند معامله را با اخلال مواجه کرده و به
زیان منجر شود.
۴- تاثیر بر بازار: معاملات الگوریتمی میتواند اثر قابل توجهی بر قیمتها در بازار گذاشته و موجب
زیان معاملهگرانی شود که قادر به تطبیق معاملات خود در پاسخ به تغییرات قیمتی مذکور نمیباشند.
همچنین در برخی مواقع الگوتریدینگ مشکوک به افزایش نوسانات بازار است که حتی منجر به سقوط آنی بازار
میشود.
۵- مقررات: معاملات الگوریتمی تابع الزامات مقرراتی و نظارتی مختلفی است که رعایت آنها میتواند
پیچیده و زمان بر باشد.
۶- مخارج سرمایهای بالا: توسعه و پیادهسازی سیستمهای معاملات الگوریتمی میتواند پرهزینه باشد و
نیاز به پرداخت کارمزدهای مستمر توسط معاملهگران در ازای برنامهها و دادهیابی (خوراک دهی داده)
وجود داشته باشد.
۷- محدودیت در سفارشیسازی: سیستمهای معاملات الگوریتمی مبتنی بر قوانین و دستورالعملهای از قبل
تعریف شده هستند. این امر توانایی معاملهگران در سفارشیسازی معاملات خود به منظور تامین نیازها و
ترجیحات شخصی آنها را محدود میکند.
۸- نبود قضاوتهای انسانی: معاملات الگوریتمی بر مدلهای ریاضی و دادههای تاریخی تکیه میکند که به
معنی در نظر نگرفتن عوامل ذهنی و کیفی اثرگذار بر بازار است. برای معاملهگرانی که رویکردی شهودیتر
و غریضیتر را در معاملات ترجیح میدهند، نبود قضاوتهای انسانی یک کاستی به شمار می رود.
نقاط قوت و ضعف معاملات الگوریتمی
نقاط قوت
۱- تایید فوری سفارش
۲- امکان بالقوهی معاملات با بهترین قیمت و کمترین هزینه
۳- نبود خطای انسانی در اجرای معامله
۴- نبود تعصب ناشی از احساسات انسانی
نقاط ضعف
۱- نبود قضاوت انسانی در زمان واقعی (در لحظه)
۲- در برخی مواقع میتواند منجر به افزایش نوسانات یا بیثباتی بازار شود
۳- مخارج سرمایهای بالا برای ساخت و نگهداری نرمافزار و سختافزار
۴- ممکن است تحت نظارت مضاعف مقرراتی قرار گیرد.
مقیاسهای زمانی الگوتریدینگ
امروزه بخش اعظم معاملات الگوریتمی را معاملات فرکانس بالا (High-Frequency Trading)[۴] تشکیل
میدهد که هدف آن بهرهمندی و سودآوری از طریق تعداد زیادی از سفارشها در سرعتهای بالا در
بازارهای متعدد و فراسنجههای تصمیمگیری متعدد مبتنی بر دستورالعملهای از پیش برنامهریزیشده است
که در ادامه مقاله جامع آموزش رایگان معاملات الگوریتمی به گوناگونی آن میپردازیم:
الگوتریدینگ در انواع گوناگونی از معاملات و فعالیتهای سرمایهگذاری به شرح زیر مورد استفاده قرار
میگیرد:
۱- سرمایهگذاران میانمدت و بلندمدت و یا شرکتهای طرف خرید – صندوق های بازنشستگی، صندوقهای
سرمایهگذاری مشترک، شرکتهای بیمه – زمانی که نمیخواهند بواسطهی سرمایهگذاریهای گسسته و با حجم
بالا قیمت سهام را تحت تاثیر قرار دهند، از الگوتریدینگ برای خرید سهام در مقادیر زیاد استفاده
میکنند.
۲- معاملهگران کوتاهمدت و مشارکتکنندگان طرف فروش – بازارسازها (مانند کارگزاریها)، سفتهبازان
و معاملهگران آربیتراژی – از اجرای خودکار معاملات بهره میبرند؛ بعلاوه، الگوتریدینگ به ایجاد
نقدپذیری کافی برای فروشندگان در بازار کمک میکند.
۳- معاملهگران سیستماتیک – دنبالکنندگان روند، صندوقهای پوشش ریسک، معاملهگران جفتی (یک
استراتژی معاملاتی بازار خنثی که یک موقعیت خرید با یک موقعیت فروش در یک جفت ابزار مالی با همبستگی
بالا مانند دو سهم، صندوقهای قابل معامله (ETFs) یا ارزها را با هم تطبیق میدهد) – برنامهنویسی
معاملات خود را کارآمدتر ارزیابی میکنند و اجازه میدهند که برنامه به طور خودکار معامله کند.
معاملات الگوریتمی نسبت به روشهای مبتنی بر شهود یا غریزه معاملهگر، رویکرد سیستماتیکتری برای
معاملات ارائه میکند.
استراتژیهای معاملات الگوریتمی
هرگونه استراتژی برای معاملات الگوریتمی نیاز به وجود یک فرصت شناسایی شده دارد که از نظر افزایش
درآمدها یا کاهش هزینه سودآور باشد. استراتژیهای معاملاتی رایج مورد استفاده در معاملات الگوریتمی
عبارتند از:
استراتژی های پیرو روند معاملات الگوریتمی، بخشی از مقاله جامع معاملات الگوریتمی کلینیک اقتصاد
دکتر سعدوندی
استراتژیهای پیرو روند
متداولترین استراتژیهای معاملات الگوریتمی از روندهای میانگین متحرک، شکست به بیرون از کانال،
حرکات سطح قیمت و اندیکاتورهای تکنیکال مربوطه پیروی میکنند. این استراتژیها از آسانترینها برای
پیادهسازی از طریق معاملات الگوریتمی هستند چراکه هیچگونه پیشبینی یا برآرود قیمت در آینده را
شامل نمیشوند.
معاملات بر اساس وقوع روندهای مطلوب آغاز میشوند، که پیادهسازی آنها بواسطهی الگوریتمها بدون
درگیر شدن با پیچیدگی تحلیل پیشگویانه آسان و سر راست است.
استفاده از میانگین متحرک ۵۰ و ۲۰۰ روزه یک استراتژی محبوب دنبال کنندهی روند است.
ر
فرصتهای آربیتراژی
خرید سهامی که در دو بورس پذیرفته شده است، به قیمت پایینتر در یکی از بازارها و فروش همزمان آن به
قیمت بالاتر در بازار دیگر، اختلاف قیمتی به عنوان سود بدون ریسک یا آربیتراژ [۵]ارائه میدهد.
همین عملیات را میتوان برای سهام در مقابل ابزارهای آتی تکرار کرد چرا که شکافهای قیمتی هر از
گاهی وجود دارند. پیادهسازی یک الگوریتم برای شناسایی این اختلاف قیمتی و ثبت سفارش به صورت کارآمد
فرصتهای سودآوری را فراهم میکند.
تعادل مجدد پرتفوی صندوق شاخصی
صندوقهای شاخصی برای ایجاد تعادل مجدد جهت همسانسازی پرتفوی خود با شاخصهای معیار مربوطه،
دورههای زمانی تعریف کردهاند.
این امر درست قبل از تعدیل مجدد صندوق شاخصی، فرصتهای سودآوری برای معاملهگران الگوریتمی که روی
معاملات مورد انتظار با ۲۰ تا ۸۰ صدم درصد سود بسته به تعداد سهام موجود در صندوق شاخصی
سرمایهگذاری کردهاند، فراهم میکند.
معاملاتی از این قبیل برای انجام به موقع و در بهترین قیمت، از طریق سیستمهای معاملاتی الگوریتمی
اجرا میشوند.
نکته آموزشی
معاملات الگوریتمی به معاملهگران امکان انجام معاملات پرتعداد را میدهد. سابقاً، سرعت معاملات
بسامد بالا بر حسب میلی ثانیه اندازهگیری میشد. امروزه، این معاملات بر حسب میکروثانیه یا
نانوثانیه (یک میلیاردم ثانیه) اندازهگیری میشوند.
استراتژیهای مبتنی بر مدل ریاضی
مدلهای ریاضی اثبات شده مانند استراتژی دلتا-خنثی [۶] امکان معامله بر روی ترکیبی از اوراق اختیار
و داراییهای پایه این اوراق را فراهم میکنند. (دلتا-خنثی یک استراتژی پورتفولیو متشکل از
موقعیتهای چندگانه با دلتاهای مثبت و منفی خنثی کننده اثر یکدیگر می باشد – نسبتی که تغییر در قیمت
یک دارایی را که معمولاً اوراق بهادار معاملهپذیر است، با تغییر متناظر در قیمت اوراق مشتقه آن
دارایی مقایسه می کند – به نحوی که مجموع دلتای کل داراییهای مورد نظر صفر است.)
انتشار: "اسمارت وین ریت"