مبانی استراتژی های معاملات الگوریتمی: مفاهیم و مثال ها ۱

استراتژی های معاملات الگوریتمی

معاملات الگوریتمی (یا به اصطلاح معاملات خودکار، معاملات جعبه سیاه و یا صرفا algo trading)، فرآیند استفاده از برنامه های کامپیوتری است که برای تبعیت از مجموعه ای از دستورالعمل های تعریف شده (همان الگوریتم) جهت اجرای معاملات سودآور، با سرعت و فرکانسی که برای معامله گر انسانی غیر ممکن است، برنامه نویسی شده اند.

مجموعه های تعریف شده از دستورالعملها، مبتنی بر زمان، قیمت و حجم خرید و فروش یا هر مدل ریاضی است که جدای از فرصت های سودآوری که برای معامله گران دارد، موجب ایجاد نقدشوندگی بیشتر در بازار و سیستماتیک شدن معامله به دلیل غلبه بر تاثیرات احساسی انسان بر فعالیت های معاملاتی می شود.

فرض کنید معامله گری از این معیارهای ساده معاملاتی زیر پیروی می کند:

  • خرید ۵۰ سهم از سهام یک شرکت، زمانی که میانگین متحرک ۵۰ روزه بالاتر از میانگین متحرک ۲۰۰ روزه است. (میانگین متحرک، میانگین داده های گذشته است که نوسانات قیمت روزانه را هموار می کند و در نتیجه موجب شناسایی روند می شود.)
  • فروش سهام زمانی که میانگین متحرک ۵۰ روزه کمتر از میانگین متحرک ۲۰۰ روزه است.

با استفاده از این دو دستورالعمل ساده، به راحتی می توان یک برنامه ی کامپیوتری نوشت که به طور خودکار قیمت سهام و شاخص های میانگین متحرک را رصد کند و سفارشات خرید و فروش را زمانی که شرایط تعریف شده فراهم می شود، اجرا کند.

دیگر نیازی نیست، معامله گر دائما به تماشای قیمت های زنده و نمودارها بپردازد و یا به طور دستی سفارش های خود را انجام دهد. سیستم معاملات الگوریتمی، به طور خودکار این کار را با تشخیص به موقع فرصت های معاملاتی برایشان انجام خواهد داد.

مزایای معاملات الگوریتمی

مزایای معاملات الگوریتمی عبارتند از:

  • معاملات در بهترین قیمت های ممکن اجرا می شوند.
  • سفارشات به صورت دقیق و در لحظه انجام می شوند و در نتیجه شانس اجرای معاملات در سطح مورد انتظار وجود دارد.
  • به منظور جلوگیری از تغییرات قابل توجه قیمت ها، معاملات به طور آنی و در زمان مناسب، انجام می شوند.
  • هزینه معاملات کاهش می یابد.
  • کنترل خودکار هم زمان بر روی وضعیت چندین بازار ممکن می شود.
  • به منظور بررسی عملی بودن استراتژی معامله، می توان بر روی داده های تاریخی و واقعی در دسترس، بک تست انجام داد.
  • احتمال بروز اشتباهات مبتنی بر عوامل احساسی و روانی توسط معامله گران انسانی را کاهش می دهد.

بزرگترین سهم معاملات الگوریتمی در دنیای امروزی، معاملات با فرکانس بالا (HFT) است که هدف آن کسب درآمد از طریق ارسال تعداد زیادی سفارش با بالاترین سرعت، در چندین بازار و چندین پارامتر تصمیم گیری، براساس دستورالعمل های از پیش برنامه نویسی شده، است.

معاملات الگوریتمی در بسیاری از انواع معاملات و فعالیت های سرمایه گذاری مورد استفاده قرار می گیرند، از جمله:

  • سرمایه گذاران میان مدت و بلندمدت و یا شرکت های طرف تقاضا – شامل صندوق های بازنشستگی، صندوق های سرمایه گذاری مشترک و شرکت های بیمه- جهت خرید حجم بالای سهام از آن استفاده می کنند، زمانیکه نمی خواهند بر روی قیمتهای سهام از طریق سرمایه گذاری های با حجم بالا و گسسته تاثیر بگذارند.
  • معامله گران کوتاه مدت و فعالان طرف عرضه – مانند بازارگردان ها (شرکتهای کارگزاری)، نوسان گیران و آربیتراژگرها – از اجرای خودکار معاملات سود می برند. به علاوه، معاملات الگوریتمی به ایجاد نقدشوندگی کافی برای فروشندگان در بازار کمک می کند.
  • معامله گران سیتماتیک – مانند دنباله رو های روندها، صندوق های پوشش ریسک یا معامله گران معاملات جفتی (یک استراتژی معاملاتی بازار خنثی است که موقعیت فروش و خرید را در جفت ابزارهایی با همبستگی بالا مانند دو سهام، صندوق های قابل معامله (ETF) و یا ارزها با هم مچ می کند)- از طریق برنامه ریزی قوانین معاملات خود و اتوماتیک سازی معاملاتشان، به بهره وری بالاتری دست پیدا می کنند.

معاملات الگوریتمی نسبت به روش های مبتنی بر کشف و شهود انسانی معامله گر، رویکردهای سیستماتیک تری را جهت اجرای معاملات فراهم می آورند.

استراتژی های معاملات الگوریتمی

هر استراتژی برای انجام معاملات الگوریتمی، نیازمند شناسایی فرصتی است که از طریق افزایش درآمد یا کاهش هزینه ها، سودآور باشد. در ادامه اشاره ای به استراتژی های رایجی که در معاملات الگوریتمی بکار گرفته می شوند، خواهیم داشت.

  • استراتژی های دنباله روی روند

رایج ترین استراتژیهای معاملات الگوریتمی، روند ها را در میانگین های متحرک، شکست کانال، حرکات در سطح قیمت و اندیکاتورهای تکنیکالی مرتبط دنبال می کنند. این استراتژی ها آسان ترین و ساده ترین استراتژی ها جهت پیاده سازی از طریق الگوریتم های معاملاتی هستند، به این علت که این استراتژی ها شامل هیچ پیش بینی قیمتی نیستند.

معاملات، براساس وقوع روند مطلوب آغاز می شوند که برای پیاده سازی توسط الگوریتمها بسیار ساده است، بدون آنکه نیاز باشد درگیر پیچیدگی تحلیلهای پیشگویانه شوید.

مثال ذکر شده در بالا که از میانگین متحرک ۵۰ و ۲۰۰ روزه استفاده می کند، استراتژی دنباله رو روند پر طرفداری است!

  • فرصت های آربیتراژ

خرید سهام موجود در دو بازار، با قیمت پایین تر در یک بازار و به طور همزمان فروش آن با قیمتی بالاتر در بازار دیگر، تفاوت قیمتی را به عنوان “سود بدون ریسک” یا “آربیتراژ” فراهم می آورد. عملیات مشابه می تواند برای سهام در برابر ابزارهای آتی تکرار شود، وقتی که تفاوت قیمتی را از زمانی تا زمان دیگر داشته باشیم.

پیاده سازی یک الگوریتم برای شناسایی چنین تفاوت های قیمتی و ارسال سفارشات، امکان فرصت های سودآور به نحو کارآمد را فراهم می آورد.

  • توازن مجدد صندوق شاخصی

صندوق های شاخصی، دوره هایی را جهت توازن مجدد اوراق بهادار خود مشخص کرده اند تا ارزش دارایی هایشان را با توجه به شاخص های معیار به روزرسانی کنند.

این کار، فرصت های سودآوری را برای معامله گران الگوریتمی فراهم می کند. این فرصت برای آنهایی است که، بسته به تعداد سهام موجود در صندوق های شاخصی، بر معاملاتی که انتظار می رود به آن ها ۲۰ bp تا ۸۰ bp سود دهد سرمایه گذاری می کنند، آن هم دقیقا قبل از آنکه صندوق ها، توازن مجدد انجام دهند. چنین معاملاتی از طریق سیستم معاملات الگوریتمی در بهترین قیمت و زمان اجرا می شوند.

  • استراتژی های مبتنی بر مدل های ریاضی

مدل های ریاضی اثبات شده، مثل استراتژی دلتاخنثی، امکان معامله بر روی ترکیبی از اختیار معاملات و اوراق بهادار پایه اش را می دهد. استراتژی دلتاخنثی، یک استراتژی پورتفوی است که شامل چندین موقعیت معاملاتی با دلتای مثبت و منفی خنثی کننده هم می باشد، به نحوی که دلتای کل دارایی های مورد نظر در مجموع صفر باشد. دلتا، نسبتی است که تغییر قیمت یک دارایی (معمولا یک اوراق بهادار بازارپذیر ) را نسبت به تغییر قیمت مشتقاتش نشان می دهد.

  • بازگشت به میانگین

استراتژی بازگشت به میانگین، مبتنی بر این ایده است که بیشترین و کمترین قیمت های یک دارایی، پدیده ای موقتی است که دائما به مقدار میانگین (مقدار متوسط) خود باز می گردد.

شناسایی و تعریف یک محدوده ی قیمت و اجرای الگوریتم مبتنی بر آن، امکان ارسال سفارش بطور خودکار، زمانی که قیمت دارایی از این محدوده خارج می شود و یا به این محدوده وارد می شود را می دهد.

  • میانگین موزون حجم قیمت (VWAP)

استراتژی VWAP یک سفارش بزرگ را به سفارشات کوچکتری تبدیل می کند و به طور پویا، بخش های کوچکتر مشخص شده سفارش را، با استفاده از ویژگی های حجم معاملاتی تاریخی یک سهم خاص، به بازار ارسال می کند؛ با این هدف که اجرای سفارش، نزدیک به قیمت میانگین موزون حجمی (VWAP) باشد.

  • میانگین موزون زمان قیمت (TWAP)

استراتژی TWAP یک سفارش بزرگ را به سفارشات کوچکتر تجزیه می کند و به طور پویا، بخش های کوچکتر مشخص شده سفارش را، با استفاده از بازه های زمانی یکسان که بین زمانهای شروع و پایان تقسیم شده اند، به بازار ارسال می کند، در نتیجه تاثیر در بازار را به حداقل می رساند.

  • درصد حجمی (POV)

تا زمانیکه سفارش معامله به طور کامل اجرا شود، این الگوریتم، با توجه به نرخ مشارکت تعریف شده و حجم معامله شده در بازارها، به ارسال کردن سفارشات جزیی ادامه می دهد.

استراتژی مرتبط “steps strategy”، سفارشات را بر اساس درصدی از حجم بازار که توسط کاربر مشخص شده است، می فرستد و این نرخ مشارکت را هنگامی که قیمت سهام به سطح مشخص شده توسط کاربر می رسد، افزایش و کاهش می دهد.

  • Implementation Shortfall

هدف استراتژی های معاملات الگوریتمی ، به حداقل رساندن هزینه های اجرای سفارش بوسیله ی معامله در بازار زمان-واقعی است که نتیجه آن، صرفه جویی در هزینه های سفارش و سود بردن از هزینه فرصت ناشی از اجرای با تاخیر معامله می شود.

این استراتژی، نرخ مشارکت هدفگذاری شده را زمانیکه قیمت سهام بطور مطلوب حرکت می کند، افزایش می دهد و زمانیکه قیمت سهام حرکات نامطلوب دارد، آن را کاهش می دهد.

دیدگاهتان را بنویسید

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