الگوریتم‌های اجرای معاملات
اهمیت دوره:
با رشد تکنولوژی در بازارهای مالی و افزایش سرعت تبادل اطلاعات، دسترسی به اطلاعات بهنگام و اجرای سریع سفارشات از اهمیت روزافزونی برخوردار میباشد. معاملات الگوریتمی راهکاری جهت بهبود عملکرد معاملات سرمایه‌گذاران می باشد.
هدف از برگزاری این دوره آشنایی با مبانی معاملات الگوریتمی است. انتظار الگوریتم‌های اجرای معاملات می‌رود شرکت‌کنندگان در این دوره به درک ساختار معاملات الگوریتمی و چهارچوب قانونی این حوزه دست یافته و توانایی پیاده سازی ایده‌های خود جهت طراحی یک الگوریتم معاملاتی را داشته باشند.
مخاطبین دوره:
آشنایی با معاملات الگوریتمی برای سرمایه‌گذارانی که تمایل به سرمایه‌گذاری در بورس اوراق بهادار دارند اهمیت ویژه‌ای دارد و همچنین علاقه مندان و دانشجویان رشته‌های مدیریت مالی، مهندسی مالی، اقتصاد و حسابداری را شامل می‌شود.
سرفصل مطالب:
۱. آشنایی با مفهوم معاملات الگوریتمی و تاریخچه آن در بورس اوراق بهادار تهران
۲. آشنایی با زیرساخت های فنی معاملات الگوریتمی و شرکت های فعال در این حوزه
۳. آموزش ساختار و چهارچوب طراحی یک الگوریتم
۴. بررسی روند معاملات الگوریتمی در بورس اوراق بهادار تهران
* توجه فرمائید که دوره‌ها به صورت غیرحضوری (آنلاین) برگزار می‌شود و همچنین در انتهای دوره، گواهینامهٔ مشترک از طرف انجمن مهندسی مالی ایران و تأمین سرمایهٔ امید به شرکت‌کنندگان، اهدا خواهد شد.
* هزینهٔ شرکت در دوره، بعد از پیش ثبت‌نام از متقاضیان دریافت خواهد شد.
سنجش آنلاین سواد مالی
موسسۀ حسابداران رسمی آمریکا سواد مالی را توانایی ارزیابی و مدیریت مؤثر امور مالی شخصی به منظور تصمیم‌گیری‌های عاقلانه در جهت رسیدن به اهداف زندگی و دستیابی به وضعیت مالی خوب تعریف کرده است. آکادمی مالی امید با طراحی آزمون‌های تعیین سطح، امکان سنجش دانسته‌های مالی کاربران را در سه سطح مقدماتی، متوسط و پیشرفته فراهم آورده است. متقاضیان با شرکت در این آزمون، طبق نمرۀ اخذ شده، گواهینامه دریافت می‌کنند.
الگوریتم‌های اجرای معاملات
شرحی بر معاملات کمی (در ستایش معاملات کمی)
همگام با پیشرفت تکنولوژی، توسعه و بهبود استراتژی‌های معاملاتی هم تسهیل شد. ارنست چان یک خدمت واقعی را برای معامله‌گران حال و آینده با شرح مختصری در مورد مزایای بیشمار و همچنین برخی معایب تکنیک‌های معاملاتی کمی (عددی) اجرا شده ارائه داد.
پیتر بوریش [1] ، رئیس و مدیر عامل، شرکت معاملات کامپیوتر
دکتر ارنست چان، یک چارچوب بهینه برای توسعه استراتژی، اعتبار سنجی، مدیریت ریسک، دانش برنامه‌نویسی، و اجرای سیستم زمان واقعی به‌منظور توسعه و اجرای یک کسب و کار معاملات الگوریتمی را گام به گام در معاملات کمی تهیه کرد.
یاسر انوار [2] ، معامله‌گر
معاملات کمی برای افراد همواره چالش برانگیز و یک دنیای پر رمز و راز بوده است. در این کتاب راهنمای فوقالعاده، دکتر ارنست، بخش‌های مهم و لازم برای انجام یک الگوریتم‌های اجرای معاملات معاملات خودکار را که بسیار سخت بوده، با زبانی ساده معرفی کرده است.
پوساریو ام. اینجارجیولا [3] ، مدیر ارشد فنی شرکت آلفاست [4]
این کتاب بینش ارزشمندی در مورد چگونگی ایجاد یک ساختار ساده برای معاملات الگوریتمی فراهم می‌کند. همچنین تجربیات گسترده دکتر چان را برای معامله‌گران مشتاق در دسترس قرار میدهد.
رامون کومینز [5] ، سرمایه‌گذار خصوصی
در بسیاری از کتاب‌ها و مقالات که در زمینه الگوریتم‌های اجرای معاملات معاملات کمی مطالعه داشته‌ام، بسیاری از آنها مفید نبوده و نویسندگان آنها دانش واقعی و هیچ چیز جدیدی در این زمینه نداشته‌اند، این هم شاید به‌دلیل ترس از دست دادن اسرار معاملاتی است. اما دکتر ارنست چان اطلاعات جذاب و مفیدی در رابطه با معاملات کمی داشته و آنها را در این کتاب با دیگران به اشتراک گذاشته است. دکتر چان مطالب زیاد و جذاب همراه با جزئیات را با روشی روشن و مفهومی برای افراد تازه‌کار و حرف‌های در کتاب معرفی کرده است.
استراتژی معاملات الگوریتمی و راه‌های شناسایی بهترین استراتژی
در این مقاله قصد داریم شما را با روش‌های شناسایی استراتژی‌های معاملات الگوریتمی سودآور آشنا کنیم و به این موضوع می‌پردازیم که در شناسایی استراتژی‌ها، هم ترجیحات شخصی و هم عملکرد استراتژی باید موردتوجه قرار گیرند. همچنین چگونگی تعیین نوع و کمیت دادههای تاریخی، نحوه ارزیابی بی‌طرفانه یک استراتژی معاملات الگوریتمی و نحوه پیشبرد به سمت مرحله بک تست و پیاده‌سازی استراتژی مورد بررسی قرار خواهد گرفت.
شناسایی ترجیحات شخصی برای یافتن استراتژی معاملات الگوریتمی
تجارت الگوریتمی به درجه قابل‌توجهی از نظم و صبر به‌خصوص زمانی که به یک الگوریتم اجازه می‌دهید معاملات شما را انجام دهد، نیاز دارد. بسیاری از استراتژی‌ها نشان داده‌اند که می‌توانند با یک تداخل ساده، به راحتی از بین بروند. پس در هنگام اجرای استراتژی معاملات الگوریتمی، لازم است که هیچ‌گونه دخالتی نداشته باشید. نکته بعدی ترجیحات زمانی شما است. آیا شغل شما به‌صورت تمام‌وقت است یا پاره‌وقت؟ محدودیت‌های زمانی شما، روش‌شناسی استراتژی را تعیین می‌کنند . به‌عنوان‌مثال برای کسانی که به‌صورت تمام‌وقت مشغول به کار هستند، یک استراتژی میان‌روزی ممکن است مناسب نباشد. درحالی‌که برای آن دسته از شما که زمان زیاد یا مهارت‌هایی برای خودکارسازی استراتژی خود دارید، یک استراتژی فنی‌تر تجارت با فرکانس بالا مناسب‌تر است. درواقع برای حفظ یک سبد سودآور، لازم است همواره تحقیقات مستمری در مورد استراتژی‌های معاملاتی خود انجام دهید. همچنین باید سرمایه الگوریتم‌های اجرای معاملات تجاری حداقلی خود را در نظر بگیرید. مهارت برنامه‌نویسی نیز عامل مهم دیگری در ایجاد یک استراتژی معاملات الگوریتمی خودکار است. داشتن دانش در یک زبان برنامه‌نویسی به شما کمک می‌کند تا خودتان ذخیره‌سازی داده‌ها، موتور بک تست و سیستم اجرا را ایجاد کنید. به‌طورکلی باید از خود بپرسید که تجارت الگوریتمی را با چه هدفی دنبال می‌کنید؟ آیا امیدوار هستید تا از حساب معاملاتی خود درآمد کسب کنید؟ یا به سود سرمایه بلندمدت خود علاقه‌مندید و می‌توانید بدون نیاز به برداشت وجوه، تجارت کنید؟ وابستگی درآمدی، فراوانی استراتژی شمارا تعیین می‌کند. برداشت‌های منظم درآمد به استراتژی معاملاتی با فرکانس بالاتر و نوسانات کمتر نیاز دارد، درحالی‌که معامله‌گران با چشم‌انداز بلندمدت می‌توانند فرکانس معاملات آرام‌تری را انتخاب کنند. درنهایت، با این تصور که در مدت‌زمان کوتاهی بسیار ثروتمند شوید، فریب نخورید! استراتژی معاملات الگوریتمی، یک الگوریتم‌های اجرای معاملات طرح سریع برای ثروتمند شدن نیست.
منبع یابی استراتژی معاملات الگوریتمی
ما به دنبال ایجاد یک رویکرد روشمند برای منبع یابی، ارزیابی و اجرای استراتژی‌هایی هستیم که با آنها برخورد می‌کنیم. در درجه اول، باید مراقب سوگیری‌های شناختی باشیم و اجازه ندهیم بر روش تصمیم‌گیری ما تأثیر بگذارد. سوگیری می‌تواند ترجیح دادن یک نوع دارایی مانند طلا بر دیگری باشد. درواقع انتخاب دارایی باید بر اساس ملاحظات دیگری مانند محدودیت‌های سرمایه، کارمزد کارگزاری و قابلیت‌های اهرمی صورت گیرد. در مرحله بعدی باید با مفهوم استراتژی معاملات الگوریتمی آشنا شوید. در این زمینه کتاب‌های معتبری وجود دارند که طیف وسیعی از ایده‌های سرراست را ارائه می‌کنند. سپس برای یافتن استراتژی‌های پیچیده‌تر، به انجمن‌ها و وبلاگ‌های تجاری سری بزنید. پس از کسب تجربه در ارزیابی استراتژی‌های ساده‌تر، وقت آن است که به پیشنهادات علمی پیچیده‌تر نگاهی بیندازید. به این منظور باید به برخی از مجلات مالی دانشگاهی دسترسی پیدا کنید. نقطه‌ضعف استراتژی‌های دانشگاهی این است که اغلب قدیمی و با دادههای تاریخی مبهم هستند. پس از انتخاب استراتژی، ضروری است که آن را تا جاییکه می‌توانید تکرار کرده و آن را بک تست کنید. به‌طورکلی برای شکل‌گیری استراتژی‌های کمی خود، بهتر است در یک یا چند دسته از موارد زیر تخصص پیدا کنید:
نظریه ریزساختار بازار
این نظریه به‌ویژه برای استراتژی‌های با فرکانس بالاتر استفاده می‌شود و به این معنی است که بازارهای مختلف، محدودیت‌هایی درزمینه فناوری، مقررات، شرکت‌کنندگان در بازار و غیره دارند که همگی پذیرای بهره‌برداری از طریق استراتژی‌های خاص هستند.
ساختار صندوق
صندوق‌های سرمایه‌گذاری ادغام‌شده مانند صندوق‌های بازنشستگی، مشارکت‌های سرمایه‌گذاری خصوصی (صندوق‌های تأمینی)، مشاوران تجارت کالا و صندوق‌های متقابل به دلیل مقررات سنگین و هم ذخایر بزرگ سرمایه محدود شده‌اند. بنابراین رفتارهای پایدار می‌توانند توسط افراد زیرک مورد سوءاستفاده قرار گیرند.
استراتژی معاملات الگوریتمی: یادگیری ماشین یا هوش مصنوعی 
الگوریتم‌های یادگیری ماشین در سال‌های اخیر در بازارهای مالی رایج‌تر شده‌اند. طبقه‌بندی کننده‌ها، تطبیق کننده‌های غیرخطی توابع (شبکه‌های عصبی) و روتین‌های بهینه‌سازی (الگوریتم‌های ژنتیک) همگی برای پیش‌بینی مسیرهای دارایی یا بهینه‌سازی استراتژی‌های معاملاتی استفاده می‌شوند. با نظارت بر این منابع به‌صورت هفتگی یا حتی روزانه، فهرستی از استراتژی‌ها را دریافت کنید و بخش بزرگی از این استراتژی‌ها را رد کنید تا اتلاف وقت و منابع خود را در مورد استراتژی‌هایی که احتمالاً سودآور نیستند، به حداقل رسانده و به استراتژی معاملات الگوریتمی ایده‌ال خود دست یابید.
ارزیابی استراتژی معاملات الگوریتمی
آیا شما واقعاً استراتژی را درک می‌کنید؟آیا می‌توانید استراتژی را به‌طور مختصر توضیح دهید؟ آیا استراتژی در واقعیت پایه خوب و محکمی دارد؟ آیا استراتژی بر قوانین پیچیده الگوریتم‌های اجرای معاملات آماری یا ریاضی تکیه دارد؟ پرسش‌های مطرح‌شده نمونه‌ای از سؤالاتی هستند که در هنگام ارزیابی روش‌های معاملاتی جدید، باید دائماً به آنها فکر کنید. در این قسمت فهرستی از معیارهایی که یک استراتژی معاملات الگوریتمی جدید باید بر اساس آنها قضاوت شود، به‌صورت خلاصه آورده شده است:
روش‌شناسی
مبتنی بر شناخت تکنیک‌های استراتژی است که تا چه میزان قابل‌درک است، چه طیفی از پارامترها را معرفی می‌کند و یا چقدر در برابر مقررات جدید بالقوه بازارهای مالی مقاومت خواهد کرد؟
نسبت شارپ
این نسبت مقیاسی برای سنجش نسبت پاداش به ریسک استراتژی را مشخص می‌کند. میزان نوسانات به‌شدت با ریسک استراتژی مرتبط هستند. به‌طور طبیعی، ما باید دوره و فرکانسی را تعیین کنیم که این بازده‌ها و نوسانات ( انحراف معیار) در آن اندازه‌گیری می‌شوند.
استراتژی معاملات الگوریتمی: اهرم
آیا برای ایجاد بازده، استفاده از قراردادهای اهرمی در استراتژی ضروری است؟ قراردادهای اهرمی می‌توانند دارای نوسانات سنگین را تحمیل کنند. آیا سرمایه تجاری و تحمل چنین نوسانی رادارید؟
فرکانس
حداکثر افت سرمایه
میزان حداکثری باید مشخص شود و تعیین کنید که چه درصدی از افت را برای چه دوره زمانی می‌توانید متحمل شوید. علاوه بر مواردی که گفته شد، بردوباخت یا میانگین سود و زیان، میزان ظرفیت و نقدینگی استراتژی و معیارهای عملکرد که استراتژی‌ها با آنها اندازه‌گیری می‌شوند نیز باید موردتوجه قرار گیرند. همچنین باید استراتژی‌ها را با کمترین پارامتر ممکن هدف قرار دهید و مطمئن شوید که دادههای کافی برای آزمایش استراتژی معاملات الگوریتمی خود دارید. اکنون می‌توان استراتژی‌هایی باقی‌مانده را مورد الگوریتم‌های اجرای معاملات آزمایش قرار داد. بااین‌حال لازم است معیار دادههای تاریخی موجود نیز موردبررسی قرارگرفته و برای رد نهایی استراتژی در نظر گرفته شود.
به دست آوردن دادههای تاریخی برای استراتژی معاملات الگوریتمی
امروزه هر دو طرف خرید (صندوق) و فروش (بانک‌های سرمایه‌گذاری) زیرساخت‌های فنی قوی برای ذخیره‌سازی دادههای تاریخی سرمایه‌گذاری دارند. به‌منظور دسترسی به این داده‌ها باید با نحوه ذخیره‌سازی آنها آشنا شوید. به دست آوردن دادههای تاریخی شامل بررسی انواعی از دادههای بنیادین، دادههای خبری، داده قیمت دارایی، ابزارهای مالی، فرکانس، معیارها و فناوری می‌شود. دادههای بنیادی، دادههای مربوط به روندهای اقتصاد کلان، مانند نرخ‌های بهره، ارقام تورم، اقدامات شرکت‌ها و غیره هستند، الگوریتم‌های اجرای معاملات درحالی‌که دادههای خبری اغلب ماهیت کیفی داشته و مقالات، پست‌های وبلاگ، توییت و غیره را شامل می‌شوند. دادههای مربوط به سهام، اوراق قرضه، کالاها و قیمت ارز در طبقه قیمت دارایی قرار می‌گیرند الگوریتم‌های اجرای معاملات و ویژگی‌ها و پارامترهای متفاوتی دارند. بنابراین یک ساختار پایگاه داده متناسب برای همه وجود ندارد. درنتیجه برای طراحی و اجرای ساختارهای پایگاه داده برای ابزارهای مالی مختلف، باید دقت زیادی شود. همچنین توجه به فرکانس و معیارها نیز ضروری است. درنهایت دادههای فوق را باید در رایانه شخصی خود یا از طریق سرورهای اینترنتی ذخیره کنید. محصولاتی مانند خدمات وب آمازون در سال‌های اخیر این کار را ساده‌تر و ارزان‌تر کرده‌اند. همچنین بسیاری از پلتفرم‌های بک تست می‌توانند داده‌ها را به‌صورت خودکار برای شما فراهم کنند تا شما صرفاً بر روی اجرای استراتژی معاملات الگوریتمی تمرکز کنید. اما فراموش نکنید که برای دستیابی به روشی مؤثر، همچنان به تخصص فنی قابل‌توجهی نیاز دارید.
معاملات الگوریتمی مشکل بازار سرمایه نیست
الگوریتم تحت نظارت سازمان بورس است و هر OMS برای معاملات الگوریتمی نشانه می‌زند، هر کارگزاری هم برای استفاده از API به سازمان بورس نامه می‌زند.
امیر موسوی، کارشناس بازار سرمایه در گفتگو با بورس نیوز شرح داد: بازار سهام به دلایل بنیادی همچون اعتراض های اخیر و عدم توافق برجام ریزش می کند. در حجم معاملات پایین ، توهم دستکاری در بازار سهام ایجاد می‌شود و برخی عامل ریزش را معاملات الگوریتمی عنوان می‌کنند در حالی که در این حجم معاملات ، الگوریتم امکان فعالیت نخواهد داشت. از طرفی باید بازارگردانی و معاملات الگوریتمی را تفکیک کرد، دستورالعمل بازارگردانی مشکلاتی دارد که باید مرتفع شود و برای رفع آن امکان مذاکرات وجود دارد. همچنین باید گفت مشکلات بازارگردانی ارتباطی با الگوریتم ندارد.
وی افزود: الگوریتم تحت نظارت سازمان بورس است و هر OMS برای معاملات الگوریتمی نشانه می‌زند، هر کارگزاری هم برای استفاده از API به سازمان بورس نامه می‌زند. معاملات الگوریتمی زیر ۰.۷ درصد است یعنی نیم درصد کل معاملات بازار سهام در حالی که الگوریتم اجرای معاملات است، یعنی خود الگوریتم تصمیم به خرید و فروش سهمی را نمی‌گیرد. از سوی دیگر معاملات الگوریتمی به دلیل حجم پایین و اجرامحوری تأثیری بر بازار سرمایه ندارند.
بازار با حجم معاملات پایین جانی برای صعودی شدن ندارد
موسوی در خصوص عوامل احتمالی افت قیمت ها در بازار سهام عنوان کرد: بازاری که حجم معاملات آن پایین است نیازی به دلیل برای ریزش ندارد، در شرایط فعلی فعالین از شرایط اقتصاد کلان و اجرای توافق ناامید هستند. از سوی دیگر در صورت اجرا نشدن برجام شرکت‌ها درفروش با مشکل مواجه می‌شوند، افراد در شلوغی سیاسی به دارایی امنی مانند طلا و ملک پناه می‌برد. از طرفی سرمایه‌گذاران منابع خود را به سمت سپرده بانکی و صندوق‌های درآمد ثابت می‌برند، چراکه از عایدی بیش از ۲۰ درصدی به‌صورت سود سالیانه اطمینان دارند.
این فعال بازار سهام در پایان به بورس نیوز گفت: دولت باید به سمت توافق و گسترش همکاری‌ها در سطح جهانی برود، در چنین شرایطی است که شرکت‌ها می‌توانند ارتباط با جهان داشته باشند و فعالیت خود را توسعه ببخشند. مشکل اگر اشتباه شناسایی شود به‌صورت اشتباه نیز حل می‌شود؛ بنابراین باید مشکلات ریشه‌یابی شود تا نهاد‌های متولی بازار سرمایه آن را مرتفع سازند.
❇️ معاملات الگوریتمی یا الگو تریدینگ
معاملاتی است که با رسیدن قیمت به اعداد خاصی، دستور خرید یا فروش خودکار را انجام میدهد.
اما آیا معاملات الگوریتمی به همین موارد ختم می‌شود؟ پاسخ قطعا خیر است.
حدود سود و ضرر و الگوریتم‌های از این دست در طیف الگوریتم‌های معاملاتی
در ابتدای طیف و در سمت الگوریتم‌های پایه‌ای و بسیار ساده قرار می‌گیرند؛
به نحوی که در سمت دیگر طیف، یک الگوریتم معاملاتی است که بدون دخالت انسان تمام نمادها
را بازرسی، ارزیابی و به کمک دادههای بنیادی و تکنیکال، تحلیل کرده سپس فرآیند انتخاب سبد سهام،
تخصیص دارایی به هر نماد، خرید در نقطه درست و فروش در نقطه درست و شناسایی سود
ضمن رعایت ریسک تعریف شده را به صورت خودکار انجام میدهد. ترسناک شد اما واقعی است.
در حال حاضر الگوریتم‌هایی در دنیا وجود دارند که تمام این زنجیره را به صورت اتوماتیک انجام می‌دهند.
پس به طور ساده، هر معامله خودکار می‌تواند در نقطه‌ای از طیف معاملات الگوریتمی قرار گیرد.
اگر بخواهیم این طیف را بر اساس عملکردهای آن طبقه‌بندی کنیم، می‌توانیم دسته‌بندی زیر را معرفی کنیم:
1-الگوریتم‌های معاملاتی اجرای معاملات:
این دسته از الگوریتم‌های معاملاتی که در نوشته‌های بعد به آنها بیشتر خواهیم پرداخت،
صرفا برای اجرای دستورات معاملاتی تحلیلگر طراحی شده‌اند. یعنی معامله‌گر، نماد مورد نظر و نقطه ورود / خروج
را نیز انتخاب کرده است (البته ممکن است تمام این تحلیل‌ها را اشتباه کرده باشد و معامله او به ضرر منجر شود).
از این نقطه، تحلیلگر صرفا می‌خواهد مقداری از وجوه خود را به سهام تبدیل کند و مساله او اجرای معامله است.
مثلا با اعداد و ارقام بازار سرمایه ایران، فرض کنید
یک معامله‌گر می‌خواهد ۵ میلیارد تومان سهام ایران خودرو خریداری کند.
واضحا نمی‌توان یک سفارش به ارزش ۵ میلیارد تومان در بازار ثبت کرد،
این موضوع باعث تاثیرگذاری بر بازار ( Market Impact ) می‌شود که معمولا برای معامله‌گر زیانبار است،
زیرا افراد با مشاهده سفارش او در قیمت‌های بالاتر اقدام به خرید می‌کنند
و لذا قیمت قبل از اینکه معامله‌گر سهام را خریداری کند، رشد می‌کند.
لذا یک الگوریتم معاملاتی وظیفه شکستن سفارش به سفارش‌های کوچک
در حجم‌های متفاوت و اجرای آنها در بازه‌های زمانی متفاوت دارد، لذا Market Impact کاهش می‌یابد.
2-الگوریتم‌های سیگنال‌دهی:
این دسته از الگوریتم‌ها معمولا به معامله‌گر یا تحلیلگر، دیتای اضافه‌ای ارائه می‌کنند
و باعث می‌شوند فرآیند تصمیم‌گیری تحلیلگر یا معامله‌گر بهبود یافته و در نتیجه بازدهی او بهتر شود.
این دسته از الگوریتم‌های معاملاتی معمولا به خودی خود سودآور نیستند و
باید با مجموعه‌ای از آنها به‌طور همزمان کار یا صرفا در کنار تحلیل‌های دیگر،
نقش افزایش بهره‌وری را بازی کرد. از جمله الگوریتم‌های سیگنال‌دهی می‌توان به تمام اندیکاتورهای تحلیل تکنیکال
مثل RSI ،MacD ،MA یا Ichimoku اشاره کرد که به صورت آماری ثابت شده است
در بلندمدت سودآوری بیش از میانگین بازار ندارند.
3-الگوریتم‌های مانیتورینگ یا پایش بازار:
این دسته از الگوریتم‌ها که به نوعی می‌توان آنها را در طبقه الگوریتم‌های سیگنال‌دهی هم قرار داد،
وظیفه پایش و مانیتور کردن بازار را دارند. مثلا فرض کنید قصد دارید با باز شدن نماد یک سهم،
برای بازه کوتاهی نمادهای همگروه این سهم را بفروشید / خریداری کنید.
یا مثلا می‌خواهید الگوریتم‌های اجرای معاملات به محض ارسال شدن اطلاعیه صورت‌های مالی تعدادی از نمادهای خاص از آن مطلع شوید.
یا دائما پیغام‌های ناظر بازار مربوط به نمادهای پورتفوی خود را دنبال کنید.
یا در موارد حرفه‌ای‌تر، قصد دارید در حالت کاهش نرخ بهره (وام)، شرکت‌هایی
که کمترین مقدار وام را در حساب خود دارند شناسایی کنید.
به کمک الگوریتم‌های پایش بازار می‌توانید با جست‌وجوی شرایط مورد نظر
خود بر روی همه یا بخشی از بازار، عملیات monitoring بهینه داشته باشید.
4-الگوریتم‌های position trading یا کم بسامد:
این دسته از الگوریتم‌های معاملاتی که با شرایط فعلی بازار سرمایه ایران تطابق بسیاری دارند
به خرید یا فروش سهم به منظور نگهداری بلندمدت می‌پردازند.
لازم به ذکر است در حوزه معاملات الگوریتمی به هر فرآیند که زمانی بیش از یک ساعت داشته باشد،
بلندمدت گفته می‌شود. مثلا فرض کنید استراتژی شما فروش به صف خرید
در شرایط عرضه شدن صف و خرید در قیمت‌های پایین‌تر است.
یک الگوریتم معاملاتی position trading می‌تواند به محض رسیدن حجم صف خرید / فروش
به شرایط پیش‌بینی‌شده شما، به صورت خودکار دستور خرید / فروش نماد را انجام دهد
و در قیمت‌های پایین‌تر که احتمالا رسیدن به آن بیش از چند دقیقه زمان خواهد برد،
دستور معکوس را انجام دهد. همچنین الگوریتم‌های دیگری نیز در این طبقه وجود دارند
که خرید و فروش هر نماد در آنها به طور متوسط بیش از چند هفته زمان می‌برد.
تفاوت الگوریتم‌های position trading با دسته‌های قبل، تشخیص نقاط ورود و خروج با احتمال بالا است.
در واقع فرض کنید شما از الگوریتم‌های monitoring استفاده و ۱۰ نماد انتخاب کرده‌اید،
به کمک مجموعه‌ای از الگوریتم‌های سیگنال‌دهی به این نتیجه رسیده‌اید
که سهم X می‌تواند به شما بازدهی ۱۰ درصدی در مدت زمان یک الی دو هفته ارائه دهد.
حال شما به کمک الگوریتم‌های اجرای معاملات، اقدام به معامله این سهم کرده‌اید.
در صورتی که تمام این فرآیند اتوماتیک باشد،
تبریک! شما نه تنها یک ماشین چاپ پول دارید،
که می‌توانید آن را در طبقه الگوریتم‌های position trading این نوشته طبقه‌بندی کنید.
4-الگوریتم‌های HFT یا پر بسامد(High Frequency Trading):
این دسته از الگوریتم‌ها بنا به تعریف سایت investopedia باید به طور متوسط مدت زمان خرید
تا فروش دارایی خریداری شده آنها کمتر از پنج‌دهم ثانیه باشد تا در این طبقه قرار گیرند.
در بازار سرمایه بین‌الملل، کارگزاری‌های بسیاری هستند که به ارزش معامله شما هیچ کاری ندارند
که برعکس به الگوریتم‌های اجرای معاملات ازای هر معامله از شما کارمزد ثابتی دریافت می‌کنند.
حال اگر ارزش سرمایه شما به سمت بی نهایت میل کند،
درصد کارمزد معامله به سمت صفر میل می‌کند. مثلا شما ممکن است ارزش معامله‌تان آنقدر زیاد باشد
که در صورت رشد رقم چهارم بعد از ممیز به اندازه یک واحد، کارمزد معاملاتی شما پرداخت شود.
این دسته از معاملات که بازار NASDAQ و NYSE را قبضه کرده است،
معمولا در جفت ارزها (Forex) نیز بسیار پرکاربرد است اما به دلیل ساختار کارمزد در ایران،
استفاده از آن معمولا با زیان به دلیل پرداخت کارمزد همراه است. الگوریتم‌های آربیتراژ معمولا در این طبقه قرار می‌گیرند.
دیدگاه شما