راهنمای معاملاتی کمی

در این مقاله به طور مفصل تمام جنبه های تجزیه و تحلیل کمی و تجارت کمی توضیح داده خواهد شد. همچنین با اصطلاحات آشنا خواهید شد و داده های تاریخی را در نظر خواهید گرفت. در ادامه بخوانید و یاد خواهید گرفت که چگونه تجارت کمی کار می کند ، از چه نرم افزاری استفاده می شود و استراتژی های معاملاتی کمتری سودآور هستند.

مقاله موضوعات زیر را پوشش می دهد:

تجارت کمی چیست؟

معاملات کمی (که به آن کمی تجارت نیز گفته می شود) شامل استفاده از الگوریتم های رایانه و نرم افزار است. تجارت کمی به طور گسترده در سطوح فردی و نهادی برای فرکانس بالا ، الگوریتمی ، داوری و معاملات خودکار استفاده می شود.

یک معامله گر کمی ، برخلاف معامله گران معمولی ، به سختی در روند معاملات شرکت می کند. تجارت کمی شامل فعالیتهای مربوط به علم داده و برنامه نویسی است. به عبارت ساده ، یک معامله گر کمی باید الگوهای آماری و الگوهای حرکت قیمت یک ابزار تجاری را تعیین کند. این داده ها سپس در نوشتن نرم افزار برای تجارت خودکار استفاده می شود.

نمونه ای از استراتژی کمی پیش بینی آب و هوا است. هواشناسان ، در کار خود ، با داده های کمی در مورد فشار جوی ، دما و سرعت باد هدایت می شوند. با توجه به قوانین تغییر آب و هوا ، یک هواشناسی می تواند بر اساس این اطلاعات پیش بینی نسبتاً دقیقی را انجام دهد. یک معامله گر کمی به همان روش کار می کند.

تاریخچه

در سال 1973 ، فیشر بلک و میرون اسکولز برای اولین بار فرمول مدل قیمت گذاری گزینه را منتشر کردند. نکته اصلی در تعیین مقدار گزینه نوسانات مورد انتظار بود که می توان از نظر ریاضی محاسبه کرد. این فرمول شامل عملکرد توزیع تجمعی توزیع عادی استاندارد ، نرخ بهره بدون ریسک (ما چیزی مشابه در نسبت شارپ می بینیم) ، قیمت لکه و اعتصاب و نوسانات.

در سال 1997 ، مدل سیاه اسکولز جایزه نوبل اقتصاد را به دست آورد و رویکرد توسعه استراتژی های معاملاتی را تغییر داد. بازده 75-80 ٪ معاملات بر اساس تجزیه و تحلیل ریاضی نشان داد که سودآوری این تکنیک و تجارت کمی از سهام توسط سازندگان بازار و بانک های سرمایه گذاری اتخاذ شده است.

چرا باید از معاملات کمیت استفاده کنیم؟

جامعه معامله گر تجارت کمی سهام را تحول بعدی در تجزیه و تحلیل بازار می داند. این تکنیک مزایای بسیاری دارد:

معامله گران معمولاً از بیش از 5-7 ابزار تحلیلی به طور همزمان استفاده نمی کنند ، از جمله ساده ترین موارد ، مانند روند زیر یا حرکت متقاطع متوسط. معاملات با فرکانس بالا می تواند به صورت فرضی شامل تعداد نامحدودی از استراتژی ها و ورودی ها باشد ، از روشهای کلاسیک ریاضی تجزیه و تحلیل گرفته تا مطالعه تعصبات رفتاری. تنها محدودیت قدرت محاسبات است. اما حتی سرمایه گذاران خرده فروشی با استفاده از ده ها ابزار تحلیلی به تجزیه و تحلیل کمی دسترسی دارند.

فرصت های نامحدود برای تنوع.

تجزیه و تحلیل کمی برای هر بازار مناسب است. در تجارت مبادله ، تخصیص بهینه سرمایه مهمترین جنبه کاهش ریسک است.

داوری آماری شامل استفاده از داده های بسیار دقیق است. برای تشخیص الگوی الگوریتمی و ایجاد پیش بینی بر اساس آن ، یک رایانه با صدها پارامتر مختلف با دقت حداکثر ده هزارم و گاهی اوقات حتی بالاتر عمل می کند. به همین دلیل می توان خطاهای محاسبه را به حداقل رساند.

محاسبات با کارایی بالا تصمیمات معاملاتی سریع را امکان پذیر می کند. این امر به ویژه هنگام تجارت در کوتاهترین بازه های زمانی مهم است.

وقتی تجارت کمی مورد نیاز است؟

با محبوبیت روزافزون معاملات مبادله ، کارآیی تجزیه و تحلیل بازار کلاسیک "دستی" به طور پیوسته رو به کاهش است. بنابراین ، بسیاری از صندوق های پرچین مدت هاست که از معاملات کلاسیک به معاملات کمی منتقل شده اند.

چه زمانی تجارت کمی ضروری است؟اولا ، هنگامی که یک معامله گر می خواهد تا حد امکان نمونه کارها دارایی خود را متنوع کند. در معاملات سنتی ، می توانید حداکثر چندین ده ابزار را ردیابی ، تجزیه و تحلیل و تجارت کنید. در صورت استفاده از معاملات کمی ، امور مالی می تواند در صدها دارایی سرمایه گذاری شود. همچنین ، مکانیسم اجرای خودکار به شما امکان می دهد تا به طور همزمان چندین استراتژی معاملاتی را اجرا کنید.

مثال دیگر آزمایش استراتژی ها و روش های معاملاتی است. با یک رویکرد کمی ، آزمایش یک استراتژی موجود یا تدوین یک سیستم معاملاتی جدید به مراتب کمتری طول می کشد. آمار گسترده در مورد اثربخشی روشهای آزمایش شده نیز جمع آوری شده است.

شرایط بازار لازم برای اعمال استراتژی های کمی

ابزارهای تجزیه و تحلیل کمی بر اساس اصل ساده "هرچه بیشتر ، بهتر" باشد. منظور من عمق داده های تاریخی ، تعداد الگوریتم های تجاری کمی موجود و روش های تجزیه و تحلیل ، سناریوهای حرکات قیمت آینده و مکانیسم های اجرای معامله است. هرچه عناصر بیشتر در یک سیستم معاملاتی کمی موجود باشد ، دقت پیش بینی ها بیشتر می شود.

علاوه بر این ، در معاملات کمی ، لازم است الگوریتم ها را در ابزارهای مختلف معاملاتی اجرا کنید ، در غیر این صورت دستیابی به سود هدف امکان پذیر نخواهد بود. هنگام انتخاب دارایی ، ارزش آن را دارد که ضریب همبستگی آنها را با یکدیگر بررسی کنید. برای برخی از استراتژی ها ، این همبستگی باید تا حد ممکن نزدیک به صفر باشد ، در حالی که برخی دیگر ، برعکس ، برای کار در شرایط یک همبستگی روشن طراحی شده اند.

روشهای تجزیه و تحلیل کمی هنوز به اندازه کافی کامل نیستند که در انواع بازارها و دارایی ها به کار گرفته شوند. استراتژی های کمی روی ابزارهای بسیار مایع کار می کنند. تجزیه و تحلیل کمی می تواند در بازارهای متعادل و با رقابت بالا سود کاملی داشته باشد. به عنوان مثال ، در سهام معاملاتی کم ، سودآوری تقریباً همیشه بیشتر از زمان تجارت با استفاده از استراتژی های سنتی است. با این حال ، Forex Trading کمی کمتر استفاده می شود.

یکی دیگر از مناطق امیدوارکننده ، بازارهای پرخطر مانند ارزهای رمزنگاری شده است. ابزارهای معامله گر Quant ، پس از پیکربندی ، تخصیص سرمایه بهینه را ارائه می دهند. آنها بهتر کنترل حداکثر را کنترل می کنند و خطرات را در مقایسه با معامله گران محاسبه می کنند.

کارآیی تجارت الگوریتمی کمی همیشه به تعداد معاملات سودآور بستگی ندارد. صندوق های کمکی بازده سرمایه گذاری بالایی را با تعداد کل معاملات سودآور بیش از 50 ٪ نشان می دهند.

چگونه کار می کند؟

تجارت کمی بر اساس تجزیه و تحلیل ریاضی است. مدل های طرح ریزی ایجاد شده و به عنوان بخشی از یک استراتژی تجارت کمی استفاده می شوند. دانش برنامه نویسی برای توسعه ، تست و پیکربندی نرم افزار لازم است. از زبانهای C ++ ، C#، MATLAB ، R و PYTHON برای نوشتن الگوریتم های کمی استفاده می شود. پیشرفته ترین الگوریتم ها بر اساس شبکه های عصبی خودآموزی ساخته شده اند که قابلیت های آن فراتر از محدوده الگوریتم های استاندارد است.

تقریباً تمام روشهای معاملاتی کمی بر روی یک اصل کار می کنند:

یک بازه زمانی خاص انتخاب شده است.

یک مجموعه داده انتخاب شده است (به عنوان مثال ، قیمت باز/بسته ، کاهش ، بالا/پایین و غیره).

بسته به داده های به دست آمده ، روش های الگوریتمی تحقیقات بازار انتخاب شده اند.

دوره زمانی انتخاب شده با توجه به معیارهای منتخب مورد تجزیه و تحلیل قرار می گیرد.

بر اساس تجزیه و تحلیل ، تصمیمات تجاری گرفته می شود.

بیایید نگاهی به یک مثال ساده بیندازیم. با فرض قیمت سهم در افتتاح معاملات 5 دلار بود. در ساعت 12. 00 ، به 5. 82 دلار ، در 18. 00 به 6. 52 دلار رسید و پس از بسته شدن موقعیت های داخلی ، قیمت به 4. 62 دلار رسید. در نقاط محوری ، نشانگر MACD شرایط بیش از حد و بیش از حد را نشان داد. بنابراین ، ساده ترین مدل ریاضی می تواند داده های زیر را شامل شود:

جهت قیمت فعلی ؛

با چنین مجموعه کوچکی از داده ها ، یک معامله گر می تواند با استفاده از استراتژی های سنتی به نتایج معاملاتی کاملاً خوبی دست یابد. اما تصور کنید که به جای هفت پارامتر ، 30 یا 50 پارامتر در نظر گرفته می شود. چنین تحلیلی فراتر از توانایی های انسانی است ، به خصوص اگر شما نیاز به تصمیم گیری در تجارت سریع دارید.

تجارت با فرکانس بالا به شما امکان می دهد تا ده ها یا صدها پارامتر را در کسری از ثانیه تجزیه و تحلیل کنید. به طور خودکار الگوهای پیدا می کند ، روشهای مؤثر تجزیه و تحلیل را انتخاب می کند و پیش بینی های احتمالی را بر اساس آنها می سازد. یعنی ، یک معامله گر کمی به شاخص های بازار جداگانه نمی پردازد بلکه بلافاصله با یک مدل ریاضی آماده ساخته می شود ، که در حال حاضر نقاط ورود به بازار ، توقف ، مناطق حرکت قیمت ، روند جانبی ، روندهای جانبی ، گسترش ، امکان به حداقل رساندن معاملات را در نظر می گیرد. و غیره.

با این حال ، پیکربندی الگوریتم ها را نمی توان به دستگاه منتقل کرد. معامله گران کمی سعی می کنند پیش بینی های ساخته شده با استفاده از الگوریتم ها را درک کنند. آنها آزمایش استراتژی کاملی را برای هر بازار انجام می دهند ، نرم افزار را اصلاح می کنند ، آمار را جمع می کنند و همچنین خطاهای سیستماتیک را شناسایی می کنند و سعی در کاهش هزینه های تجارت و عملیاتی دارند. فقط در صورت پیکربندی و بهینه سازی سیستم تجارت ، می توان معاملات را بدون مشارکت معامله گر انجام داد.

تفاوت بین تجارت کمی و سنتی

ممکن است در مورد تفاوت بین تجارت کمی و تجارت الگوریتمی سوالی داشته باشید. در واقع ، هر دو معامله گران کمیت و ALGO درگیر یک فعالیت هستند. تجارت کمی شامل ساخت مدلهای ریاضی برای تجزیه و تحلیل بازار ، جستجوی ابزارهای تجاری و شناسایی استراتژی ها است. یک معامله گر الگوریتمی الگوریتمی را تنظیم می کند که تخصیص بهینه سرمایه را ایجاد می کند و سود را بدون مشارکت انسانی به حداکثر می رساند.

در اینجا تفاوت های بین الگوریتمی و کمی تجارت وجود دارد:

معاملات کمی انحراف از تحلیل بنیادی و تکنیکال به معنای سنتی است. معامله گران الگوریتمی هنگام ایجاد استراتژی های معاملاتی از تحلیل تکنیکال استفاده می کنند.

معاملات الگوریتمی شامل باز کردن موقعیت ها تحت شرایط خاص است. معاملات توسط ربات معاملاتی مدیریت می شود. یک معامله گر کمی مدلی ایجاد می کند که فرصت های معاملاتی را با انعطاف بیشتری ارزیابی می کند و فقط به طور غیرمستقیم با شرایط باز کردن موقعیت هایی که توسط الگوریتم های کلاسیک مشخص شده اند، مرتبط است.

معاملات کمی از دارایی ها و اطلاعات بازار بیشتری استفاده می کند. با این رویکرد، می توانید حداکثر داده های موجود را که در جستجوی الگوهای قیمت مفید خواهد بود، به دست آورید.

در عین حال، رویکردهای معاملاتی الگوریتمی و کمی به راحتی می توانند با هم کار کنند. یک مثال خوب از چنین ترکیبی، تجارت آربیتراژ است.

معاملات آربیتراژ از آسیب پذیری یک سیستم بازار غیرمتمرکز استفاده می کند، بنابراین می توانید از تفاوت قیمت یک دارایی در پلت فرم های معاملاتی مختلف سود ببرید. این یک نوع تجارت با فرکانس بالا است که در آن باید ده ها صرافی را زیر نظر داشته باشید و سریع تصمیم بگیرید. چنین معاملاتی فراتر از محدودیت های توانایی های انسانی است و تنها با کمک یک رویکرد الگوریتمی اجرا می شود. روش‌های پیش‌بینی کمی در شناسایی الگوهای حرکت در هر یک از پلتفرم‌های معاملاتی مفید هستند. این به شما امکان می دهد یک قدم جلوتر از اکثر معامله گران آربیتراژ باشید.

نمونه هایی از استفاده از معاملات کمی

صندوق مدالیون یکی از قدیمی ترین صندوق هایی است که از استراتژی های معاملاتی کمی استفاده می کند. این توسط ریاضیدان و سرمایه گذار مشهور آمریکایی جیمز "جیم" هریس سیمونز، معروف به "کوانت کینگ" تاسیس شد. این صندوق در طول عمر خود تنها یک بار بازدهی منفی داشته است. در عین حال، میانگین سودآوری سالانه مدالیون حتی از صندوق های تامینی جورج سوروس، پیتر لینچ، وارن بافت و سایر سرمایه گذاران مشهور پیشی می گیرد.

هیچ کس نمی داند چه سیستم معاملاتی کمی در مدالیون استفاده می شود، اما برخی اطلاعات هنوز وجود دارد. هر روز الگوریتم های صندوق صدها هزار معامله را باز می کند. بیشتر استراتژی ها نسبت به بازار خنثی هستند، یعنی هم زمانی که بازار بالا می رود و هم زمانی که سقوط می کند، کار می کنند. میانگین نسبت استراتژی های سودآور، برخلاف انتظارات، به سختی از 50 درصد فراتر می رود. کارشناسان مدالیون را "سیاه ترین جعبه" در زمینه مدیریت پول می نامند، زیرا هیچ کس نتوانسته اسرار جیمز سایمونز را کشف کند.

مقایسه سودآوری مدالیون و S& P 500

همچنین نمونه هایی از معاملات کمی موفقیت آمیز عبارتند از:

دو سرمایه گذاری سیگما. این صندوق در سال 2001 تأسیس شد. استراتژی های معاملاتی مبتنی بر روشهای فناوری ، مانند هوش مصنوعی ، یادگیری ماشین (مشابه شبکه های عصبی) ، محاسبات توزیع شده است.

D. E. این صندوق در سال 1988 تأسیس شد. این شرکت به دلیل توسعه سیستم ها و برنامه های مدل سازی پیشرفته برای ردیابی ناهنجاری های بازار شناخته شده است.

سیستم های تجاری کمی

یک استراتژی تجارت کمی یک سیستم کامل برای شناسایی و اجرای فرصت های معاملاتی است. به طور معمول ، می توان آن را به چهار زیر سیستم تقسیم کرد:

شناسایی استراتژی - جستجوی یک سیستم معاملاتی ، تجزیه و تحلیل ویژگی های عملیات معاملاتی.

Backtesting استراتژی - آزمایش الگوریتم در مورد داده های تاریخی ، تجزیه و تحلیل سودآوری و از بین بردن خطاهای سیستم برای کاهش خطر از دست دادن پول.

سیستم اجرای - هماهنگ سازی الگوریتم با نرم افزار تجارت و یک حساب کارگزاری.

شناسایی استراتژی

این همه با تحقیقات بازار و جستجوی روش های معاملاتی آغاز می شود. استراتژی های معاملاتی کمی را می توان به دو نوع تقسیم کرد:

استراتژی روند روانشناسی شرکت کنندگان در بازار و عوامل مؤثر بر حرکت قیمت را در نظر می گیرد. این شامل باز کردن موقعیت ها در جهت روند است.

استراتژی معکوس بر اساس این اصل کار می کند که قیمت به ارزش متوسط آن تمایل دارد.

پارامترهای مهم استراتژی های کمی ، معاملات نگهدارنده زمان و فرکانس آنها است. در استراتژی های با فرکانس بالا ، معاملات به صورت داخلی انجام می شود. با فرکانس پایین ، معامله گران می توانند موقعیت ها را به مدت دو روز یا بیشتر باز نگه دارند. همچنین ، هنگام شناسایی استراتژی های معاملاتی کمی ، ده ها پارامتر دیگر در نظر گرفته می شوند که معامله گران سعی می کنند به اشتراک نگذارند.

استراتژی پشتی

Backtesting آزمایش عملکرد استراتژی است. این شامل استفاده از نرم افزار ویژه Backtest برای آزمایش استراتژی بر اساس یک نمونه داده برای یک دوره خاص است.

آزمایش استراتژی کمی شامل:

فاکتور بهینه سازی - سودآوری سیستم تجارت برای مدت زمان انتخاب شده بررسی می شود.

با این حال ، عملکرد بالا با پشتوانه سودآوری بالایی را در آینده تضمین نمی کند. بازده پایین و خطر بالای از دست دادن پول می تواند در اثر تعصب بهینه سازی ، دقت کم داده های تاریخی ، خطاهای مختلف سیستماتیک و هزینه های معامله ایجاد شود.

سیستم های اعدام

برای ایجاد یک سیستم Quant Algo با حداقل یا عدم مشارکت یک معامله گر ، یک سیستم اجرای سفارش لازم است. این یک الگوریتم معاملاتی است که الگوهای الگوریتمی و سیگنال های تولید شده توسط استراتژی را به سفارشات بازار تبدیل می کند.

سیستم اعدام می تواند دستی ، نیمه اتوماتیک یا کاملاً خودکار باشد. دو نوع اول برای سیستم های معاملاتی با فرکانس پایین معمولی هستند. با تجارت با فرکانس بالا ، یک معامله گر کمی نمی تواند اجرای همه سفارشات را کنترل کند. بنابراین ، چنین استراتژی هایی شامل یک مکانیسم خودکار است.

مدیریت ریسک

خطرات معاملاتی می تواند مانع از کار صحیح یک الگوریتم تجارت شود. این خطاهای خود استراتژی است که در هنگام پشتکار در نظر گرفته نشده است ، به عنوان مثال ، تعاریف نادرست از یک وارونگی اصلی یا سیگنال های دیگر. خطرات فنی مرتبط با عملکرد مداوم تجهیزات و سرورهای خود کارگزار و خطرات شناختی که بر درک معامله گر و غیره تأثیر می گذارد ، وجود دارد.

مدیریت پول را فراموش نکنید. لازم است همه چیز را ، از توزیع سرمایه و حداکثر مجازات مجاز برای به حداقل رساندن هزینه های معامله ، فراهم کنید.

جوانب مثبت و منفی تجارت کمی

مانند سایر روشهای تحلیلی ، معاملات کمی از مزایا و اشکالات آن برخوردار است:

فرصت های عالی برای تنوع دارایی ها و خطرات.

داده های سنتی همیشه کار نمی کنند ، و امکان بدست آوردن اطلاعات خودی ، به عنوان مثال ، در مورد فعالیت شرکت ها ، برای معامله گران فردی محدود است. حتی صندوق های بزرگ نمی توانند تمام داده ها را بدست آورند ، بسیاری از معاملات با ضرر بسته می شوند.

تخصیص سرمایه بهینه

دانش خاص لازم است. پیچیدگیروشهای کمی نیاز به دانش عمیق در مورد تجزیه و تحلیل ریاضی و برنامه نویسی دارند.

مقیاس تجزیه و تحلیل کمی فقط با قدرت محاسبات محدود است.

نیازهای بالا برای محاسبات قدرت. معامله گران کمی با داده های بزرگ و محاسبات ابری کار می کنند. پرونده ها و برچسب های CVC چیزی از گذشته است.

شما می توانید تمام فرایندها را ، تا ورود و خروج از معاملات خودکار کنید.

استراتژی های معاملاتی کمی

بگذارید برخی از استراتژی های اساسی تجارت کمی را شرح دهم. معامله گران کمی شش استراتژی تجارت مشترک را تعریف می کنند:

تشخیص الگوریتمی الگوریتمی ؛

تشخیص تعصب رفتاری ؛

تجارت قانون ETF ؛

معده میانگین

میانگین برگشت یکی از اولین استراتژی های کمی معاملاتی است. ایده اصلی این است که قیمت اغلب به مقادیر متوسط خود باز می گردد (در ساده ترین نسخه ، آنها با استفاده از میانگین متحرک محاسبه می شوند) ، این همان چیزی است که استراتژی تجارت کمی بر اساس آن است.

قیمت از میانگین متحرک منحرف می شود.

بازار به سمت MA معکوس می شود (تأیید شده توسط نشانگر MACD).

موقعیت در جهت MA باز می شود و با رسیدن قیمت به میانگین متحرک بسته می شود.

خط آبی در نمودار فوق هنگام بسته شدن شمع بزرگ قرمز ، ورودی کوتاه را نشان می دهد. نقطه ورود با وضعیت بیش از حد نشان داده شده توسط شاخص RSI تأیید شده است. خط قرمز نشانگر ضرر توقف است که در سطح محلی تنظیم شده است ، خط سبز سود را در نقطه محوری نزدیک به EMA نشان می دهد.

روند زیر

این یکی دیگر از استراتژی های رایج است که از هر معامله گر کمی استفاده کرده است. این استراتژی با هدف کسب درآمد در بازار رو به رشد یا در حال سقوط است. این روش مبتنی بر اصل نظریه داو است. اگر روند در بازار وجود داشته باشد ، در آینده ادامه خواهد یافت.

موقعیت پس از نزدیک شدن نزدیکترین سطح پشتیبانی یا مقاومت باز می شود. این سطوح معمولاً اوج محلی یا پایین هستند. وضعیت خروج ظاهر دو شمعدان با بدنهای متوسط است که در جهت مخالف یا یک شمعدان با بدن بزرگ حرکت می کنند.

خط بنفش در نمودار فوق ، سطح پشتیبانی محلی را نشان می دهد. تجارت هنگامی که پشتیبانی از بین می رود و شمعدان سیگنال بسته می شود ، وارد می شود. سطح ورود با خط آبی مشخص شده است. هنگامی که شمعدان بزرگ صعودی بسته می شود ، تجارت کمی از آن خارج می شود.

داوری آماری

تجارت کمی از طریق داوری آماری شامل سودآوری با خرید یک ابزار و فروش دیگری است که با مورد اول ارتباط دارد.

این استراتژی کمی شامل اندازه گیری گسترش معاملات بین دارایی ها است. به محض اینکه از حد متوسط گسترده تر شود ، موقعیت های مخالف باز می شوند. موقعیت طولانی برای دارایی با قیمت پایین تر باز می شود ، در همان زمان تجارت فروش با همان ابزار وارد می شود. موقعیت ها بسته می شوند که گسترش به طور متوسط باریک شود.

بگذارید نمونه جفت ارز همبسته EURUSD و USDCHF را در نظر بگیریم. هنگامی که گسترش از مقدار متوسط منحرف می شود ، دو موقعیت مخالف را باز کنید (با خطوط آبی مشخص شده است). خطوط سبز لحظات سود در شرایط استراتژی معاملاتی است ، یعنی وقتی ارزش گسترش به میانگین خود باز می گردد (منطقه بنفش در نمودار).

تشخیص الگوریتمی

معامله گران کمی از الگوهای شمعدانی استفاده می کنند و جستجوی آنها به راحتی قابل خودکار است. منظور من شکل‌بندی‌های کلاسیک است، مانند ستاره تیرانداز، خرس/قطع صعودی، چکش، و غیره. یک استراتژی کمی شامل جستجوی چنین الگوها و موقعیت‌های باز بلافاصله پس از معکوس شدن قیمت است. سود با استفاده از یک توقف در سطوح کلیدی یا با توجه به هر سیگنال دیگر گرفته می شود.

دایره آبی در نمودار یک الگوی فراگیر صعودی را برجسته می کند. یک شمعدان سبز بزرگ، شمعدان قرمز قبلی را می پوشاند. وقتی شکل ظاهر می شود، الگوریتم پس از تکمیل الگو، موقعیت را باز می کند (خط آبی). ضررهای توقف در الگوی پایین و سود برداشت در سطح مقاومت (خط سبز) تعیین می شود.

تشخیص سوگیری رفتاری

تجارت کمی با استفاده از این استراتژی شامل جستجوی الگوهای رفتاری است که برای معامله گران معمول است:

سوگیری وضعیت موجود یک الگوی رفتاری شبیه به سوگیری بقا است که باعث می شود فرد وضعیت یا وضعیت فعلی یا قبلی را حفظ کند (به عنوان مثال، ممکن است شخص از معامله خارج نشود اگرچه قیمت در جهت مورد نیاز پیش نمی رود).

رفتار گله ای تصمیم برای پیروی از رفتار دیگران است (برای خرید وقتی که معامله گران دیگر خرید می کنند).

اعتماد بیش از حد به معنای اغراق در توانایی دستیابی به اهداف (امید به سود علیرغم خطرات بالا) است.

اثر هالو یک سوگیری رایج است، به این معنی که در میان اطلاعات ناکافی (مثلاً تصمیم به خرید بر اساس اخبار مثبت) از چشم‌انداز یک ابزار معاملاتی موجود برداشتی مثبت داشته باشیم.

دایره آبی در نمودار وضعیت فروش بیش از حد بازار را به دلیل افت شدید بیت کوین نشان می دهد. رفتار گله و اعتماد بیش از حد بسیاری از معامله گران را به ادامه فروش تشویق می کند. این عامل توسط الگوریتم کمی در نظر گرفته شده است. یک پوزیشن کوتاه در کندل بعدی باز می شود و زمانی که بازار از منطقه اشباع فروش خارج می شود، موقعیت با سود بسته می شود.

تجارت قانون ETF

معاملات قانون کمی ETF بر این اصل استوار است که هر سهام اغلب با شاخص های سهامی که در آن شرکت می کنند همبستگی دارند. بنابراین، می توان روند قیمت شاخص را ردیابی کرد و قیمت سهام بزرگترین شرکت ها را پیش بینی کرد.

شکل بالا نمودار قیمت روزانه S& P 500 و سهام اپل را نشان می دهد. همانطور که می بینید، آنها با انحرافات جزئی مرتبط هستند. برای S& P 500، الگوریتم نشانه هایی از برگشت را در ناحیه ای که با فلش آبی مشخص شده است، نشان می دهد. بنابراین، یک موقعیت طولانی در بازار اپل باز می شود - خط آبی. هنگامی که روند S& P 500 معکوس می شود، معامله خارج می شود و با خط سبز مشخص می شود.

نتیجه

تجارت کمی تلاش دیگری برای ایجاد یک سیستم معاملاتی عالی است که بتواند درآمد پایداری را با وجود رقابت فزاینده در بین معامله گران فراهم کند. و، باید بگویم، پیشرفته ترین استراتژی های کمی به این رویا نزدیک شده اند. به عنوان مثال، مورد صندوق مدالیون نشان می دهد که با کمک معاملات کوانت می توان برای چندین دهه سود پایدار داشت.

با این حال، نباید استراتژی های معاملاتی کمی را به عنوان تضمین 100٪ سود دید. معامله گران کمی حرفه ای بسیار کمی در بازار وجود دارند. نکته در اینجا پیچیدگی استراتژی ها نیست، بلکه توانایی استفاده از ابزارهای پیچیده آماری و ریاضی به کمک ایستگاه های معاملاتی قدرتمند است.

در عین حال، استراتژی‌های سال‌های اخیر به خوبی با بازارهای پرخطر کنار می‌آیند و توسعه تجارت اجتماعی به مبتدیان این امکان را می‌دهد تا راه‌حل‌های معاملاتی کمی را کپی کنند و مانند معامله‌گران حرفه‌ای معامله کنند. LiteFinance همچنین یک پلت فرم تجارت کپی را ارائه می دهد که در آن می توانید در تجارت اجتماعی شرکت کنید. تنها چیزی که باید در موردش به شما هشدار بدهم این است که نباید بیش از حد توان از دست دادن ریسک کنید. هیچ سودآوری حتی یک معامله گر کمی حرفه ای در گذشته تضمین کننده نتیجه مثبت در آینده نیست.

سوالات متداول استراتژی های معاملاتی کمی

یک معامله گر کمی یا کمی از استراتژی هایی مبتنی بر تجزیه و تحلیل ریاضی داده های کمی، مدل سازی ریاضی و الگوریتم های نرم افزاری برای ردیابی الگوها و فرصت های معاملاتی استفاده می کند.

هدف یک معامله گر کمی یافتن الگوهای آماری در یک منطقه تاریخی جداگانه است که بسته به پارامترهای زیادی می تواند توسط یک تابع توصیف شود. این الگو تحلیل تکنیکی و بنیادی، همبستگی، تحلیل طیفی و غیره را در نظر می‌گیرد. یک معامله‌گر کمی مدلی را بر اساس ده‌ها پارامتر ورودی و یک الگوریتم ریاضی معین ایجاد می‌کند که تمام فرصت‌های معاملاتی ممکن را برای یافتن بهترین مورد تجزیه و تحلیل می‌کند.

مدل تجارت کمی بر اساس یک سیستم ریاضی پیچیده برای جستجوی خودکار الگوهای و تجزیه و تحلیل بازار است. این مدل ممکن است شامل چندین استراتژی معاملاتی باشد که بسته به وضعیت بازار توسط الگوریتم طبقه بندی شده است. مدل تجارت کامل همچنین شامل یک سیستم اجرای سفارش است که می تواند دستی ، نیمه اتوماتیک یا خودکار باشد.

تجارت کمی بر اساس سیستم ریاضی است که راندمان آن با روشهای آماری آزمایش می شود. بنابراین ، تجارت کمی واقعاً کار می کند ، که از نظر آماری اثبات شده است.

تجربه صندوق های تجاری معتبر ، مانند De Shaw & Co ، دو سرمایه گذاری Sigma ، صندوق مدالون ، سودآوری واقعی الگوریتم های کمی را نشان می دهد. آنها چندین سال بازده مثبت نشان داده اند. در بین معامله گران انفرادی ، سودآوری استراتژی ها به کیفیت پشتی و بهینه سازی استراتژی ها بستگی دارد.

تجارت کمی چشم انداز خوبی برای توسعه بیشتر دارد. روش ها و فن آوری های تحلیلی مبتنی بر هوش مصنوعی مورد توجه هستند. بدیهی است که در آینده ، الگوریتم های هوشمند جایگزین معامله گران معمول می شوند.

از مدل های ریاضی برای ایجاد سیستم های تجاری استفاده می شود. بر اساس آنها ، الگوریتم ها با استفاده از زبانهای برنامه نویسی C ++ ، C#، Matlab ، R ، Python نوشته شده اند. به عنوان مثال ، معامله گران کمی مبتدی از مدل های اساسی استفاده می کنند: میانگین برگشت ، داوری آماری ، تشخیص تعصب رفتاری ، شناسایی الگوریتمی الگوریتمی و غیره.

برای ایجاد استراتژی های معاملاتی ، بسیاری از معامله گران کمی از تئوری شماره ، تجزیه و تحلیل ریاضی و عملکردی ، ریاضیات کاربردی ، تئوری های نظم و احتمال ، تئوری بازی و آمار استفاده می کنند.

محتوای این مقاله منعکس کننده نظر نویسنده است و لزوماً منعکس کننده موقعیت رسمی LiteFinance نیست. مطالب منتشر شده در این صفحه فقط برای اهداف اطلاعاتی ارائه شده است و نباید به عنوان ارائه مشاوره سرمایه گذاری برای اهداف دستورالعمل 2004/39/EC در نظر گرفته شود.