درک الگو تریدینگ با یک مثال ساده

برنامه‌ کامپیوتری در حوزه معاملات الگوریتمی یا الگو تریدینگ با استفاده از دستور‌العمل‌های معاملاتی مانند این نوشته می‌شود: معامله‌گری با بررسی متحرک ۱۲ روزه و ۳۴ روزه‌ یک شرکت تصمیم به خرید سهام آن می‌گیرد، در زمانی که متحرک ۱۲روزه‌ آن بالاتر از ۳۴ روزه‌اش است. این معامله‌گر سهام خریداری شده‌اش را در زمانی که متحرک ۱۲ روزه پایین‌تر از متحرک ۳۴ روزه قرار بگیرد می‌فروشد.

همین استراتژی‌ ساده زمانی که در قالب معاملات الگوریتمی و زبان برنامه‌نویسی قرار می‌گیرد به طور خودکار سهام موجود در بازار و متحرک‌های آن‌ها را در بازه‌های زمانی مشخص شده بررسی می‌کند و با تشخیص به موقع بر اساس دستورالعمل‌های داده شده، خرید و فروش‌ها و معاملات را به پیش می‌برد.

مراحل عملکرد معاملات الگوریتمی

نتیجه‌ مطلوب از معاملات الگوریتمی نیاز به فراهم آوردن بستر آن‌ها دارد. بستر معاملات الگوریتمی به حضور ثابت و بی‌نقص سه بازیگر اصلی وابسته است.

مطابقت دهنده‌های بازار یا منبع تغذیه‌ داده‌ها که فرمت اطلاعات موجود در بازار را به فرمت سیستم در اختیار معامله‌گر تبدیل می‌کند. این کار از طریق رابط برنامه‌نویسی(API) که بازار معاملاتی در اختیار معامله‌گر می‌گذارد انجام می‌شود.

موتور پیشرفته پردازش ماوقع که مغز متفکر الگوریتم معاملاتی ما است. در این مرحله الگوریتم برنامه‌ریزی شده بر اساس استراتژی تعریف شده‌اش شرایط را پردازش می‌کند، محاسبات آماری و مقایسه‌ داده‌های تاریخی لازم را انجام می‌دهد و در نهایت تصمیم به سفارش‌گیری می‌گیرد و آن را اجرا می‌کند.

در مرحله‌ بعد سفارش‌ها توسط الگوریتم به بازار سرمایه ارسال می‌شوند، اما زمانی این مرحله اجرا می‌شود که زبان الگوریتم بر اساس زبان مبنای بازار سرمایه کد نویسی شده و قابل درک باشد.

وظایف معاملات الگوریتمی

معاملات الگوریتمی برای انجام درست و کامل استراتژی مشخص شده‌‌شان ۴ وظیفه به عهده دارند:

بر اساس استراتژی تعریف شده در برنامه‌ریزی‌شان، بازار را کامل رصد کرده و سهام و محصولات مختلف را بررسی کنند، تا فرصت‌های معاملاتی را به موقع و درست تشخیص دهند.

در مرحله‌ی بعد پوزیشن‌گیری کنند.

پوزیشن‌های بازشده را مدیریت کنند.

در فرایند معامله (با توجه به دستورالعمل‌های تعریف شده‌‌‌‌شان) مدیریت ریسک و سرمایه‌‌گذاری را بر عهده بگیرند.

این چهار مرحله گاهی تماما به صورت خودکار و توسط ربات‌ها (ربات معامله‌گر) انجام می‌شود که معاملات «تماما خودکار» را در بر می‌گرد و گاهی در برخی بخش‌ها سلیقه و نظر انسانی دخیل می‌شود که در آن صورت معاملات «نیمه خودکار» عنوان می‌شوند.

مزایای معاملات الگوریتمی

از مهم‌ترین مزایای معاملات الگوریتمی می‌توان به موارد زیر اشاره نمود:

عدم دخالت عواطف و احساسات انسانی در انجام معاملات

کنترل احساسات در معاملات بازار سرمایه یکی از ملزومات تبدیل شدن به یک معامله‌گر موفق است. در بسیاری از مواقع، غلبه احساسات و هیجانات بر یک معامله‌گر باعث می‌شود که قدرت تصمیم‌گیری خود را از دست داده و تصمیم‌های نادرستی بگیرد. نتیجه این اتفاق چیزی جز انجام معاملات اشتباه و از دست رفتن سرمایه وی نخواهد بود. بنابراین، یکی از بزرگترین مزایای معاملات الگوریتمی عدم دخالت عواطف، احساسات و هیجانات در تصمیم‌گیری‌ها و انجام معاملات تنها بر اساس قواعد از پیش تعیین شده است.

صرفه‌جویی در زمان

معامله‌گران بازار در حالت عادی باید زمان زیادی را صرف رصد کردن بخشی از بازار و پیدا کردن سهام مناسب کنند. این در حالی است که معاملات الگوریتمی و در حالت کلی کامپیوترها را این امکان را فراهم کرده‌اند تا پردازش اطلاعات با سرعتی بسیار بالا و بدون خطا، انجام گرفته و نتیجه آن مشخص شود.

عدم وجود ریسک ثبت سفارش اشتباه

خطاهای انسانی در ثبت سفارش‌ها و انجام معاملات اشتباه خیلی دور از انتظار نیست. موارد متعددی دیده شده که معامله‌گر در هنگام ثبت سفارش و در تعیین مواردی مثل قیمت یا تعداد سهام یا حتی در تعیین نوع سفارش (خرید یا فروش بودن)، دچار خطا شده است. از آنجا که در معاملات الگوریتمی معمولا تمامی این موارد توسط کامپیوترها تعیین می‌شوند، احتمال بروز چنین خطاهایی تقریبا برابر صفر است.

انواع الگوریتم‌ها در معاملات الگوریتمی

یک الگوریتم اساسا مجموعه‌ای از دستورالعمل‌ها برای انجام یک کار معین است. یک معامله الگوریتمی را نیز به سادگی می‌توان مراحلی برای اجرای سفارش به روشی خاص، تعریف نمود. از همین رو طیف وسیعی از الگوریتم‌ها وجود دارد که هر کدام با مد نظر قرار دادن ترکیبی از انواع متغیرها، اهداف خاصی را دنبال می‌کنند.

در گذشته بیشتر طبقه‌بندی الگوریتم‌ها بر چگونگی اجرای آن‌ها تمرکز داشتند. این در حالی است که یک سرمایه‌گذار بر مبنای مجموعه‌ای از اهداف برای سرمایه‌ گذاری خود تصمیم‌گیری می‌کند. از این جهت، الگوریتم‌ها را می‌توان بر مبنای هدف دسته‌بندی کرد و در سه گروه اصلی زیر جای داد:

الگوریتم‌های اثر محور (Impact-driven)

این دسته از الگوریتم‌ها به دنبال حداقل کردن اثر کلی بر بازار هستند. به عبارت دیگر تلاش می‌کنند تا اثر معاملات بر قیمت دارایی را کاهش دهند. بنابراین سفارش‌های با حجم بزرگ اغلب به سفارش‌های با حجم کوچک شکسته می‌شوند و سپس در یک دوره زمانی طولانی‌تر در بازار ارسال و معامله می‌شوند. مشهورترین الگوریتم‌هایی که در این دسته قرار می‌گیرند عبارتند از:

الگوریتم‌ VWAP یا میانگین موزون حجمی قیمت (VWAP: Volume Weighted Average Price)

الگوریتم‌ TWAP یا میانگین موزون زمانی قیمت (TWAP: Time Weighted Average Price)

 الگوریتم‌ POV یا درصد حجمی (POV: Percentage Of Volume)

الگوریتم‌ حداقل تاثیر (Minimal impact)

الگوریتم‌های هزینه محور (Cost-driven)

این الگوریتم‌ها به دنبال کاهش هزینه کلی معاملات هستند. بنابراین آن‌ها باید اثر بازار، ریسک زمانی و عواملی همچون روند قیمت را در نظر بگیرند. منظور اصلی از هزینه معاملات، تفاوت قیمت تصمیم‌گیری و قیمتی است که معامله در آن انجام می‌شود. در حقیقت، زمانی که مدیر پرتفوی تصمیم به خرید یا فروش می‌گیرد ممکن است قیمت نهایی معامله با قیمت زمان تصمیم‌گیری متفاوت باشد. بنابراین این الگوریتم‌ها به دنبال بهترین عملکرد و کمترین ریسک قیمت هستند.

مشهورترین الگوریتم‌هایی که در این دسته قرار می‌گیرند عبارتند از:

 الگوریتم‌های حداقل هزینه اجرا (Implementation Shortfall)

الگوریتم‌های کمبود تطبیقی (Adaptive Shortfall) 

الگوریتم‌های پایان بازار (Market On Close)

الگوریتم‌های فرصت یاب (opportunistic)

این الگوریتم‌ها به دنبال کسب منفعت از شرایط مطلوب بازار هستند و اغلب بر مبنای قیمت یا نقدینگی- محور هستند. الگوریتم‌هایی که در این دسته قرار می‌گیرند عبارت‌اند از:

الگوریتم‌های درون خطی قیمت (Price Inline)

الگوریتم‌های نقدشونده محور (Liquidity-driven)

معاملات جفتی (Pair / Spread trading)