تجارت الگوریتمی به استراتژی های اجرای تجارت اشاره دارد که معمولا توسط مدیران صندوق برای خرید و فروش مقادیر زیادی دارایی استفاده می شود. این استراتژی ها به فرمول های خودکار متکی هستند تا بازده بازار را پیدا کنند و الگوهای سودمند را با فرکانس و سرعت بسیار بالاتری نسبت به انسان ها شناسایی کنند.
یادگیری ماشین برای تجارت الگوریتمی
انتظار می رود اتوماسیون یکی از هشت مگاترند باشد که به طور قابل توجهی بر کار در انقلاب صنعتی چهارم تاثیر خواهد گذاشت. یادگیری ماشینی و هوش مصنوعی تقریبا در هر صنعت از تبلیغات و بازاریابی گرفته تا ساخت و ساز و امور مالی سرعت رشد را افزایش داده اند. در معاملات الگوریتمی از یادگیری ماشین برای ساخت مدل های پیش بینی استفاده می شود که به طور خودکار الگوها را در حجم زیادی از داده ها شناسایی می کند. این مدل ها سیگنال هایی را استخراج می کنند که می توانند برای اطلاع استراتژی تجاری شما استفاده شوند.
چگونه کار می کند تجارت الگوریتمی?
به منظور به طور کامل درک تفاوت های ظریف از تجارت الگوریتمی, این مهم است که برای اولین بار درک نظریه های اقتصادی که بر اساس تجارت الگوریتمی است, و همچنین ماهیت بازارهای مالی.
نظریه مالی سنتی
در سال 1965 یوجین فرانسیس فاما مقاله ای با عنوان رفتار قیمت های بازار سهام منتشر کرد . نظریه او نشان می دهد که حرکت قیمت بازار سهام تصادفی است و بنابراین غیر قابل پیش بینی است. 1 پنج سال بعد, او ایجاد فرضیه بازار موثر, که بیان می کند که سهام همیشه در ارزش منصفانه معاملات به عنوان تمام اطلاعات در مورد یک شرکت در حال حاضر به ارزش سهام خود قیمت گذاری. 2 با توجه به این نظریه, این امر می تواند غیر ممکن است به "ضرب و شتم بازار".
فعالان بازار
یک بازار کارا متکی به فعالان مطلع و منطقی بازار است. برای مثال اگر سهام اپل 780 دلار معامله شود (ارزش منصفانه اش) و رویدادی رخ دهد که ارزش منصفانه اش را به 600 دلار تغییر دهد معامله گران شروع به فروش می کنند. عرضه سهام اپل افزایش می یابد و باعث کاهش قیمت می شود. این ادامه خواهد داد تا زمانی که معاملات سهام در ارزش منصفانه دوباره. برخی از معامله گران سود بالاتر از ارزش بازار ساخته ام, اما این نمی تواند به طور مداوم به اندازه کافی به مدل یک استراتژی تجاری الگوریتمی برنده رخ می دهد.
تجزیه و تحلیل بنیادی از اطلاعات مالی و اقتصادی برای محاسبه ارزش منصفانه سهام یک شرکت استفاده می کند. از لحاظ تاریخی این روش اصلی مورد استفاده فعالان بازار برای تعیین تاثیر یک رویداد بر قیمت سهام بود. تجارت ادامه خواهد یافت تا زمانی که سهام به ارزش منصفانه بازار بازگردد.
نظریه مالی رفتاری
ما یاد گرفته ایم که بازارهای موثر در شرکت کنندگان در بازار منطقی تکیه, اما هر فرد شما را ملاقات کرده ام کاملا منطقی بوده است? مالی رفتاری تشخیص می دهد که افراد غیر منطقی عمل می کنند و تصمیمات را بر اساس اطلاعاتی که اشتباه تفسیر کرده اند یا اشتباه گرفته اند. اما چگونه می توان رفتار به عنوان پایه ای برای ساخت یک مجموعه برنامه ریزی شده از قوانین استفاده می شود?
نکته اصلی این است که بسیاری از افراد واکنش های غیرمنطقی مشابهی نسبت به برخی رویدادها دارند و رفتار را قابل پیش بینی می کنند. این الگوها شاخص های اماری ایجاد می کنند که الگوریتم را برای انجام اقدامات برنامه ریزی شده تحریک می کند. این نظریه تلاش می کند تا ناهنجاری های مشاهده شده در رفتار بازار را درک کند که توسط مدل های سنتی قابل محاسبه نیست.
اشکال رفتار غیر منطقی در بازارهای مالی
فریم
مغز انسان برای تصمیم گیری مطلع به زمینه نیاز دارد. بسته به نحوه نمایش اطلاعات ممکن است تفسیر ما از وقایع کاملا منطقی نباشد. مثلا, اگر شما خواندن حروف در تصویر زیر, شخصیت وسط به نظر می رسد یک حرف 'ب'. اما اگر شما خواندن اعداد, همان شخصیت به نظر می رسد به عنوان یک عدد '13'. این تمرین نشان می دهد که چگونه یک زمینه خاص می تواند پاسخ خاصی را به دنبال داشته باشد.
روانشناسان دنیل کانمن و ایموس تورسکی نظریه های متعددی در مورد علت و معلول رفتار غیر منطقی ایجاد کردند. تبلیغات اعلام تخفیف و یا تلاش فروش گسترده به قاب اطلاعات در یک روش خاص برای جلب پاسخ مطلوب از مردم است. 3 کانمن تنها غیر اقتصاددان است که برنده جایزه نوبل اقتصاد شده است.
بیش از حد و کم واکنش تعصبی است که در بازار مشاهده می شود. با استفاده از مثال اپل, اگر بازار بود به این رویداد که سوار قیمت سهام خود را پایین واکنش بیش از حد, سرمایه گذاران ممکن است فکر می کنم ارزش منصفانه سهام زیر 6 600 (ارزش منصفانه واقعی خود). اگر می توانست پیش بینی شده, شما می توانید از این رفتار به سادگی با خرید سهام در قیمت بی ارزش خود و انتظار برای بازار به اصلاح قبل از فروش را.
تجارت سیستماتیک به معاملات الگوریتمی
یک الگوریتم خطر سوگیری و قاب بندی در تصمیم گیری های مالی را کاهش می دهد. اما چه قوانین باید به دنبال یک الگوریتم به منظور تولید سود?
معاملات سیستماتیک از دهه 1920 برقرار بوده است. معامله گران در اولین شکل خود محاسبات دستی را بر اساس نمودارها و داده هایی انجام می دادند که ممکن است به صورت هفتگی ارسال شده یا بصورت حضوری از بورس جمع شده باشند. 4 تجارت الگوریتمی نوعی تجارت سیستماتیک است و روند اعمال یک استراتژی تجاری از پیش تعریف شده (مجموعه ای از قوانین) برای خرید و فروش اوراق بهادار مالی است. امروزه با کمک یادگیری ماشین می توان این محاسبات را در چند ثانیه انجام داد.
است تجارت الگوریتمی سود?
بسیاری از اشکال استراتژی های معاملاتی الگوریتمی در جهت استفاده از اختلافات کوچک قیمت گذاری است. بنابراین برای ایجاد سود به حجم عظیمی از معاملات نیاز دارند. این مکانیسم تجارت با فرکانس بالا شامل گردش مالی مکرر بسیاری از موقعیت های کوچک امنیتی است.
ساخت بازار
این نمونه ای از معاملات با فرکانس بالا است که شرکت ها سعی می کنند از اسپرد پیشنهادی استفاده کنند یعنی تفاوت بین اینکه مردم مایل به فروش سهام هستند و افرادی که مایل به خرید هستند. مثلا, اگر یک شرکت خرید سهام برای 8 80 (درخواست قیمت) و به فروش می رساند برای 8 80.05 (پیشنهاد قیمت), تفاوت قیمت بسیار کوچک است که میلیون ها نفر از معاملات نیاز به ساخته شده روزانه به منظور این استراتژی موثر باشد.
یکی از چالش های بزرگ برای ساخت بازار رقابت شدید است. طرف های متقابل با اطلاعات بیشتر مانند صندوق های تامینی یا شرکت های تجاری مشابه می توانند همان بازار را هدف قرار دهند. زیرساخت های عالی و توانایی عمل سریع کلید باقی مانده رقابتی در این فضا هستند.
ریزساختار بازار
مهم است که ریزساختار بازار را درک کنید اگر می خواهید یک استراتژی تجاری الگوریتمی موفق با فرکانس بالا ایجاد کنید. ریزساختار بازار به نظر می رسد در چگونه بازارهای طراحی شده اند, چگونه قیمت فرموله شده است, چگونه اطلاعات افشا شده است, و همچنین رفتار سرمایه گذار و معامله و زمان بندی هزینه. اگر می دانید کتاب سفارش چیست می دانید قیمت ها محصول عرضه و تقاضا هستند.
معاملات الگوریتمی در حال حاضر 60 تا 70 درصد از معاملات سهام در ایالات متحده را تشکیل می دهد و انتظار می رود بین سالهای 2021 تا 2026 به نرخ رشد مرکب سالانه 11.23 درصد دست یابد. 5
تست مدل معاملاتی الگوریتمی
ضروری است که مدل خود را به طور کامل تست کنید تا از دست دادن سرمایه در شرایط دنیای واقعی جلوگیری شود. برای ارزیابی صحت یک مدل پیش بینی از دو روش اصلی استفاده می شود.
- خارج از نمونه تست شامل خودداری بخشی از داده های نمونه زمانی که مدل ساخته شده است و تست چگونه با دقت می تواند نتایج را برای داده نکردن پیش بینی کند.
- بک تست از داده های بازار تاریخی برای تست سریع و موثر مدل ها استفاده می کند و بازخورد فوری در مورد چگونگی عملکرد این مدل ها در گذشته فراهم می کند.
تست خارج از نمونه برای تعیین عملکرد خوب مدل بر روی داده های دیده نشده بسیار مهم است. اگر نتواند تست های خارج از نمونه را پشت سر بگذارد, ممکن است لازم باشد مدل کنار گذاشته شود. این مهم است که بیش از حد متناسب با مدل – اگر شما همچنان تست تا زمانی که نتایج مطلوب را برمی گرداند, شما یک مدل است که به نظر می رسد خوب در تست اما نتواند به موفقیت در تولید سود.
هیچ علت و معلولی به روشنی برای همه حرکات بازار وجود ندارد. وقتی یک استراتژی تجاری کار می کند به این دلیل نیست که کاملا یک اصل ریاضی را توصیف می کند. به این دلیل است که یک ویژگی خاص بازار را به تصویر می کشد و با گذشت زمان بازده مثبتی ایجاد می کند.
تجارت الگوریتمی یک راه حل سریع ثروتمند شدن نیست, اما اگر شما را هم به درک رفتار بازار و عمل علت سعی و کوشش از نظر اعتبار استراتژی, این امکان وجود دارد برای تولید یک مجموعه برنده از قوانین است که می تواند به یک استراتژی تجاری الگوریتمی برنده تبدیل.
در تجارت خود سرمایه گذاری کنید و بیاموزید که چگونه می توانید از قدرت تجارت الگوریتمی استفاده کنید
