معاملات الگوریتمی که گاهی اوقات به عنوان معاملات جعبه سیاه، معاملات خودکار یا معاملات الگوریتمی نیز شناخته می‌شود، از ابتدا به عنوان رایانه‌ای شدن جریان سفارش در دهه 1970 به یک ابزار بالقوه حیاتی برای کارگزاران و معامله‌گران تبدیل شد.
پلتفرم های معاملاتی الگوریتمی تئوری می توانند با سرعت و فرکانسی بازده ایجاد کنند که معامله گران انسانی نمی توانند با آن مطابقت کنند. معاملات با فرکانس بالا (HFT) به فراگیرترین استفاده از پلتفرم های معاملاتی الگوریتمی تبدیل شده است، جایی که تجزیه و تحلیل پیچیده بازارهای متعدد، ماشین را قادر می سازد تا سفارشات را بر اساس شرایط از پیش تنظیم شده اجرا کند. در سال 2014، بیش از 75 درصد از سهام در بازارهای سهام مستقر در ایالات متحده از طریق اتوماسیون معامله شد.
بر اساس داده‌های The Trade، انگیزه اصلی برای استفاده از الگو در میان طرف خرید، ثبات عملکرد اجرایی است، در حالی که شرکتهای طولانی مدت به طور متوسط با بین دو تا سه ارائه‌دهنده تعامل دارند. کسانی که بیش از 50 میلیارد دلار دارایی تحت مدیریت دارند به طور متوسط از چهار ارائه دهنده استفاده می کنند.
57 درصد از پاسخ دهندگان به این نظرسنجی یا از یک سیستم یا پنج سیستم استفاده کردند. بر اساس این گزارش، تعداد ارائه دهندگان معاملات الگوریتمی مورد استفاده شرکت ها از سال 2018 کاهش یافته است، که نشان دهنده گرایش به سمت ادغام بازار است زیرا شرکت ها شروع به دستیابی به آنچه از سیستم الگوریتم خود می خواهند می کنند.
در حالی که معاملات الگوریتمی دارای مزایای ملموسی در ایجاد قوانین دقیق ورود، خروج و مدیریت پول و حذف احساسات از فرآیند معاملات است، استفاده از این پلتفرم ها بدون حاشیه نیست. رایزنی‌های کمیسیون بورس و اوراق بهادار ایالات متحده (SEC) و کمیسیون معاملات آتی کالا (CFTC) تقصیر سقوط فلش در سال 2010 را دقیقاً متوجه سیستم‌های معاملاتی خودکار، قبل از تبرئه در سال 2014 می‌دانست.
مزایای تجارت الگوریتمی
تنوع ریسک
مدل‌های مالی کمی همگی با این فرض کار می‌کنند که قیمت‌ها و بازده‌های بازار در طول زمان و اغلب به صورت تصادفی تغییر می‌کنند. اکثر مدل‌های کمی استدلال می‌کنند که بازده یک اوراق بهادار معین می‌تواند تحت تأثیر یک یا مجموعه‌ای از عوامل خطر تصادفی باشد. یک پرتفوی متنوع می‌تواند شامل نرخ‌های ارز، نرخ‌های بهره کوتاه‌مدت و بازده سهام باشد، با این فرض که پرتفوی نسبت به حرکات بازار حساسیت کمتری دارد و شانس بازدهی بیشتری دارد.
تجارت الگوریتمی و خودکار به یک معامله گر اجازه می دهد تا در یک زمان ، با سرعت و سریعتر از آنچه که به صورت دستی انجام می شود ، خود را در حساب ها ، استراتژی ها یا بازارهای متعددی گسترش دهد. این تنوع می تواند ریسک را در تعدادی از سازها گسترش دهد و در برابر از دست دادن موقعیت ها محافظت کند. تلاش برای حرکت در کانال های مختلف به طور همزمان یک کار تقریباً غیرممکن برای یک انسان است ، در حالی که یک کامپیوتر می تواند آن را بخشی از ثانیه انجام دهد.
بدون احساس
بازرگانان انسانی ، بدون توجه به جانبازان خود ، می توانند نظم و انضباط خود را در معرض خطر ضرر یا احتمال افزایش کسری سود از دست دهند. این امر در بازارهای بی ثبات به وجود می آید ، جایی که یک معامله گر سعی خواهد کرد تا بازار را برای انجام معاملات در بهترین زمان ممکن انجام دهد یا وقتی معتقدند ممکن است ضرر بزرگی رخ دهد ، می فروشد. یک سیستم خودکار با پیروی از برنامه برنامه ریزی شده خود از این پاسخ های زانو جلوگیری می کند.
خطای چربی و خطای خلبان نیز با استفاده از یک سیستم خودکار از بین می رود. یک معامله گر وحشت زده ممکن است به طور تصادفی به جای 100 سفارش فروش 1000 را وارد کند. یک الگوریتم از پیش برنامه ریزی شده برای فروش مقادیر خاص در شاخص های خاص بازار این اشتباه را نمی کند.
ورود سریع سفارش
یک بستر رایانه ای می تواند به سرعت در برابر تغییرات بازار واکنش نشان دهد و به محض رعایت معیارهای خاص سفارشات را ایجاد کند. قادر به ورود یا خارج شدن از تجارت ، بخشی از ثانیه قبل از رقبا می تواند تا حد زیادی بر نتیجه کارگزار تأثیر بگذارد. هیچ خطری با یک سیستم الگوریتمی وجود ندارد که یک معامله گر به دلیل مشغول بودن در تماس ، ناهار یا گپ کوتاه با همکاران ، فرصتی را از دست بدهد. طبق گفته های Equedia ، سیستم های معاملاتی الگوریتمی می توانند یک سفارش را در 10 میلی ثانیه یا کمتر پردازش کنند. برای مقایسه ، چشم انسان در حدود 300 میلی ثانیه چشمک می زند.
استراتژی های پشتی
مدل های رایانه ای باید بر روی مجموعه داده ها آموزش داده شوند ، با مجموعه ای از قوانین که هیچ اتاق تفسیری ندارند. یک الگوریتم نمی تواند با روده یا استراتژی های سوئیچ خود در پرواز برود. در حالی که ممکن است برنامه های تجاری جدید در سناریوهای دنیای واقعی توسط بازرگانان انسانی آزمایش شود ، می توان یک الگوریتم را برای اجرای داده های تاریخی قبل از رفتن زنده آموزش داد. این امر به معامله گران اجازه می دهد تا سیستم خود را متناسب کنند و همچنین میزان موفقیت پلتفرم خود را در معاملات زنده تعیین کنند.
معایب تجارت الگوریتمی
تقویت خطر
با توجه به ماهیت آتش سوزی سریع معاملات از طریق سیستم های خودکار ، شوک های بازار را می توان با سرعت بسیار سریعتر به بازارها منتقل کرد. در جریان سقوط فلاش در ماه مه 2010 ، شاخص های اصلی سهام ایالات متحده در عرض چند دقیقه 5 ٪ شیرجه را تجربه کرده و دوباره برگشتند. داو جونز به صورت داخلی 1000 امتیاز سقوط کرد. گزارش شده است که 20،000 معاملات در 300 اوراق بهادار با قیمت 60 ٪ پایین تر از نرخ معمول آنها اتفاق افتاده است.
در حالی که یک گزارش CFTC از سال 2014 به این نتیجه رسید که معامله گران با فرکانس بالا و سیستم های خودکار به طور مستقیم باعث سقوط فلش نمی شوند ، آنها با خواستاری فوری پیش از سایر شرکت کنندگان در بازار و با واکنش سریع به شوک به بازار ، جایی که یک معامله گر انسانی در آن واکنش نشان می دهد ، به آن کمک کردند. ممکن است متوقف شده باشد. علاوه بر این ، برخی همچنین استدلال کرده اند که تجارت با فرکانس بالا در واقع به کاهش تأثیر تصادف کمک کرده است.
بیش از حد
در حالی که می توان از سیستم عامل های تجاری الگوریتمی برای آزمایش توانایی های آن قبل از تجارت زنده استفاده کرد ، این خطر باقی مانده است که یک برنامه ممکن است بیش از حد آموزش داده شود تا متناسب با روندهای خاص باشد. یک بستر ممکن است بر روی داده های تاریخی آموزش داده شود و نتایج استثنایی در واکنش به روند آن داده ها ایجاد کند ، اما پس از آن به یک بازار مدرن اعزام می شود و به دلیل تفاوت بین بازار مدرن و مجموعه داده های آن ، به یک بازار مدرن اعزام می شود. آموزش دیدهمعامله گران را می توان به ایجاد آنچه که معتقدند یک برنامه معاملاتی بی پروا است ، ایجاد کنند ، که بازده را در شرایط بازار بسیار خاصی ایجاد می کند که ممکن است دیگر هرگز اتفاق بیفتد ، و احساس می کنند که وقتی این بازده ها در دنیای واقعی تکرار نشوند ، سیستم آنها شکست خورده است.
مسائل مربوط به نگهداری
یک بستر معاملاتی الگوریتمی در طول اجرای معاملات به سخت افزار عملیاتی نیاز دارد. برای اطمینان از اجرای صحیح سیستم ، رایانه ها ، سرورها و اتصالات اختصاصی لازم است. در حالی که سیستم های تجاری و الگوریتم های خودکار ممکن است به نظر می رسد سیستم عامل های "آتش و فراموش" هستند که یک معامله گر می تواند راه اندازی کند و اجازه دهد بدون نظارت اجرا شود ، در واقعیت همه چیز پیچیده تر است. برخی از سیستم عامل ها به طور کامل از طریق اتصالات اینترنتی و سرورهای داده کار نمی کنند و در عوض سفارشات تجاری قریب الوقوع را در رایانه سمت مشتری ذخیره می کنند. در صورت اتصال از دست رفته ، این تجارت ممکن است رخ ندهد.
قطع برق متناوب نیز منجر به عدم اجرای معاملات توسط سیستم خواهد شد. تصادفات سرور مبتنی بر تبادل و اشکالات همچنین می تواند بر سیستم عامل ها تأثیر منفی بگذارد. IPO در سال 2012 غول رسانه های اجتماعی در فیس بوک تحت تأثیر یکی از این درخشش ها قرار گرفت و در نتیجه متوقف کردن تمام معاملات الکترونیکی در NASDAQ شد. شرکت معاملات وال استریت نایت سرمایه در سیستم های تجاری اختصاصی خود یک نرم افزار را تجربه کرد که باعث شد الگوریتم ها به صورت نامنظم تجارت کنند. در یک جلسه معاملاتی این شرکت 440 میلیون دلار از دست داد.
نظارت بر
با توجه به خطر خطاها ، اشکالات و تلفات برق ، سیستم های معاملاتی خودکار نیاز به نظارت دارند. NASDAQ توصیه می کند که معامله گران تیم های نظارت و نظارت را راه اندازی کنند ، که برای استفاده از هشدارهای بصری و شنیدنی آموزش دیده اند. این همچنین حاکی از راه اندازی کمیته ای است که به طور منظم از نمایندگان تجارت ، پوشش مشتری ، انطباق ، ریسک و تیم های اعتباری تشکیل می شود ، به طور منظم و به طور منظم شامل نمایندگان است. اجرای چنین استراتژی ممکن است فراتر از شرکتهای تجاری کوچکتر باشد که به دنبال خودکار سازی بدون خطرات هستند.
