اهمیت استفاده از الگوریتم تریدینگ
⚠️ زمان این کارزار به پایان رسیده است. میتوانید کارزارهای زیر را حمایت و امضا کنید:
درخواست تحقیق و تفحص در خصوص به‌کارگیری معاملات الگوریتمی و هوش مصنوعی در بورس
جناب حجت الاسلام والمسلمین درویشیان
ریاست محترم سازمان بازرسی کل کشور
با سلام و صلوات بر محمد (ص) و آل محمد (ص) و سلام خدا بر شهیدان راه حق و شهدای هشت سال دفاع مقدس
احتراماً با توجه به اهمیت بازار بورس و اوراق بهادار، به عنوان بستر اجرای سیاست‌های اصل ۴۴ قانون اساسی، جمعیت زیادی از مردم با نیت سرمایه‌گذاری در بورس و مشارکت در تولید و رونق اقتصادی کشور در شرایط تحریم، وارد این بازار شدند و برای حدود ۶۰ درصد جمعیت کشور کد بورسی صادر شده و درصد زیادی از جمعیت کشور را درگیر خود کرده است. لذا لزوم برقراری عدالت و شفافیت در این بازار بسیار بااهمیت و مورد توجه است؛ به‌طوریکه هرگونه عدم شفافیت در این بازار مالی میتواند زمینه‌ساز فساد و عدم اعتماد مردم به بازار سرمایه شود.
از آنجاییکه به نظر می‌رسد از آغاز سال ۱۳۹۹ با تحلیل‌ها و رصدهای کارشناسان زبده، متخصص و جمعی از دلسوزان نظام مقدس جمهوری اسلامی که گزارش آن به صورت تخصصی به نهادهای ناظر ذیصلاح ارجاع داده شده است، معاملات الگوریتمی در بورس تهران استفاده شده و قیمت‌ها دچار تغییرات لحظه‌ای و غیرطبیعی از تاریخ مذکور تا به امروز شده است که به دلیل پیچیدگی‌های فنی این سبک از معاملات، درخواست میشود که نحوه و چگونگی و علت استفاده از هوش مصنوعی و معاملات الگوریتمی در بازه زمانی مورد نظر نزد نهاد قانونی عادل و صادق بررسی شود. بنابراین خواهشمند است دستور فرمایید مشخصاً بررسی گردد آیا مفاد آیین‌نامه معاملات الگوریتمی، معاملات برخط مصوب تاریخ ۱۳۹۸/۱۱/۰۷ در این بازه زمانی صورت گرفته است یا خیر.
از جنابعالی تقاضا داریم با استقرار یک تیم کارشناسی متخصص هوش مصنوعی (الگوریتم تریدینگ) در حوزه بازار سرمایه، در خصوص بررسی سوابق معاملاتی ثبت‌شده در سرور بورس از سال ۱۳۹۹ تا زمان فعلی جهت کشف تخلفات و تبانی‌های معاملاتی دراین بازار اقدام عاجل صورت گیرد. با بررسی و تحقیق و تفحص به صورت جامع، این پرونده و حرف و حدیث‌ها در رابطه با بورس برای یک بار با همت دستگاه قضا و مدیریت انقلابی جناب آقای حجت‌الاسلام والمسلمین اژه‌ای که ادامه‌دهنده مبارزات با فساد در دوره آیت‌الله رئیسی، رئیس‌جمهور محبوب و مردمی است، در تاریخ بسته شده و انشاءالله احدی نتواند مرتکب احیاناً بزه و مفسده و به‌هم‌ریختگی و تشویش بازار و سلب اعتماد مردم که حقیقتاً بالاترین نعمت از دیدگاه حضرت آقاست، گردد.
علی هذا به عرض حضرتعالی می‌رساند این نامه توسط فرهیختگانی از جامعه ایثارگر از جمله فرزندان شهید، جانبازان، آزادگان و ایثارگران تنظیم شده است. از طرف دیگر نیز مردم که به دعوت دولت سابق به بورس دعوت شده‌اند، ملجاء و پناهی جز خداوند و دادخواهی دادگاه عدل نظام مقدس جمهوری اسلامی و اعتماد ایثارگران نداشته‌اند؛ لذا بحث نامه‌نگاری این نامه با ایثارگران مطرح شد که تا با نگارش نامه، به فضل الهی مشکلات و مصائبی که گذشته است حل گردد.
در پایان با سخنی از بنیانگذار انقلاب، امام خمینی (ره)، آن مرد بزرگ که تاریخ را متأثر کرد و انقلاب مستضعفین را ایجاد نمود تا لرزه بر اندام مستکبرین و مفسدین بزند، به سخن خاتمه می‌دهیم:
«نگذارید پیشکسوتان جهاد و شهادت در پیچ‌وخم زندگی روزمره خود، به فراموشی سپرده شوند.»
آیا میتوان به الگوریتم‌ها اعتماد کرد؟
بورسان-نازنین موسوی، مهدی واعظی: داستان تسلط ربات‌ها بر انسان‌ها نهایتا تاریخی صد ساله دارد اما شاید معروف‌ترین آن برای همه آنهایی که قبل از دهه ۶۰ به دنیا آمده‌اند، سه‌گانه ماتریکس اثر خواهران واچوفسکی باشد که در ذهنیت جهانی حفره‌ای به نام بی‌اعتمادی ایجاد کرد. آیا دنیا میتواند به جایی برسد که ربات‌ها بتوانند چنان ایفای نقش کنند که نتوانیم آنها را از انسان‌هایی با گوشت و پوست و خون تشخیص دهیم؟ آیا ربات‌ها می‌توانند مثل انسان اطلاعات را پردازش کنند و در نهایت به جایی برسند که به جای او تصمیم بگیرند؟ به عبارت دیگر، آیا ربات‌ها می‌توانند جای انسان را بگیرند؟ سوال رعب‌انگیزی که بشر برای پاسخ به آن با شتابی سرسام‌آور در حال حرکت است. با این‌حال، نمونه ابتدایی از ماشین‌وار کردن همه فرآیندهایی که قبلا به صورت دستی توسط انسان‌ها انجام میشود، خودش را در مفهومی تحت عنوان «معاملات الگوریتمی» نشان می‌دهد.
معاملات الگوریتمی در ایران و دنیا
بر روی تعریف و تشریح مشخصه‌های «معاملات الگوریتمی» اجماع کافی وجود ندارد. با این وجود، در ساده‌ترین تعریف معاملات الگوریتمی عبارتند از استفاده از الگوریتم‌های رایانه‌ای به منظور مدیریت فرآیندهای معاملاتی در سرعت بالا. در این تعریف، رایانه‌ها به صورت مستقیم با سامانه‌های معاملاتی، به منظور ارائه سفارش، بدون مداخله انسان، ارتباط برقرار می‌کنند. رایانه‌ها اطلاعات بازار و احتمالا سایر اطلاعات را با سرعت بالایی، بر مبنای یک الگوریتم ساخته شده، مشاهده و بررسی می‌کنند و اغلب در چند مینی‌ثانیه دستورالعمل‌های معاملاتی را ارسال می‌کنند۱. به عنوان مثال، حد سود و ضرر یک الگوریتم، معاملاتی است که با رسیدن قیمت به اعداد خاصی، دستور خرید یا فروش خودکار را انجام می‌دهد. اما معاملات الگوریتمی در ایران و سایر دنیا با چند هدف عمده صورت می‌گیرد:
- سیگنال‌دهی
- اجرای معاملات
- مانیتورینگ (پایش بازار)
- بازارگردانی
- فریکونسی تریدینگ (پربسامد)
- پوزیشن تریدینگ(کم بسامد)
الگوریتم‌های سیگنال‌دهی
این الگوریتم‌ها به استفاده‌کننده خود داده‌ای را ارائه می‌دهند تا بتواند در تصمیم‌گیری‌های خود از آن جهت بهبود عملکرد معاملاتی خود استفاده کنند. به طور مثال در حوزه تکنیکال ما اندیکاتورهایی داریم که هر کدام در شرایطی سیگنال خرید و فروش صادر می‌کنند. کاری که الگوریتم‌هایی از این نوع برای معاملگران و تحلیلگران ایفا میکند این است که می‌توانند به صورت همزمان کل بازار را رصد کرده و به محض اینکه یکی از این سیگنال‌ها صادر شود، به استفاده‌کننده الگوریتم اطلاع می‌دهد.
الگوریتم‌های اجرای معاملات
این نوع الگوریتم‌ها هسته پردازشی ندارند و صرفا جهت اجرای دستورات معاملاتی مورد استفاده قرار می‌گیرند. به طور مشخص نقطه ورود و خروج را برای برای معامله‌گر میتواند به صورت اتوماتیک مشخص و اجرا کند. به طور مثال، اگر یک سبدگردان یا معامله‌گر قصد فروش 10 میلیارد سهام خودرو را در تابلو خرد معاملات داشته باشد، نمی‌تواند با یک سفارش این عمل را انجام دهد. در صورت انجام این سفارش به این شکل، سبب میشود که سایر خریداران از خرید خود منصرف شوند و بازار دچار سوگیری شود. ازاین‌رو، نیاز است که این سفارش به صورت تقسیم شده و خرد در بازار به فروش برسد.
الگوریتم‌های مانیتورینگ یا پایش بازار:
این الگوریتم‌ها را میتوان به نوعی از جنس الگوریتم‌های سیگنال‌دهی در نظر گرفت که عملکرد آنها این‌گونه است که قدرت این را دارند که کل بازار را رصد کنند و در صورتی که در پارامترهای مختلف آن تغییری رخ دهد، سبب میشود که این الگوریتم به استفاده کننده آن اطلاع دهند. به طور مثال، یکی از پارامترهایی که تغییرات آن برای فعالین بازار از اهمیت ویژه‌ای برخوردار است، نوسانات نرخ بهره بانکی و بین بانکی است. کاری که این الگوریتم‌ها می‌توانند در این‌باره انجام دهند این است که به محض اینکه این نرخ کاهش یا افزایش پیدا کند به معامله‌گر اطلاع می‌دهد تا در تحلیل خود آن را لحاظ کند.
الگوریتم‌های بازارگردانی
یکی از مهمترین مشخصه‌هایی که سبب میشود تا افراد به سمت سرمایه‌گذاری در یک کلاس دارایی سوق پیدا کنند میزان نقدشوندگی آن دارایی است. بازار سهام هم از این قاعده مستثنی نیست و از مهمترین معیارهایی حساب میشود که فعالین در انتخاب مقصد سرمایه‌گذاری خود به آن بها می‌دهند. ابزاری که کمک به‌سزایی در افزایش این فاکتور میتواند ایفا کند، الگوریتم‌های بازارگردانی هستند. عملکرد این الگوریتم‌ها این‌گونه است که نمی‌گذارند تا هیچ اردری بدون پاسخ روی تابلو معاملاتی باقی بماند و به صورت پیاپی اقدام به خرید و فروش می‌کنند.
الگوریتم‌های پر بسامد
استفاده از معاملات الگوریتمی و همچنین الگوریتم‌های پربسامد به دو علت کاهش هزینه‌های معاملات و کاهش تاخیر زمانی در انجام معاملات، سرعت بیشتری پیدا کرد. لازم به ذکر است مطالعات نشانگر این است که معاملات پر بسامد به شدت در حال گسترش هستند و سهم قابل توجهی از معاملات را در بورس‌های پیشرفته دنیا در اختیار دارند. به طور مثال، طبق گزارش کمیسیون مقرارات اوراق بهادار اروپا در سال 2010 سهم از بازار این نوع معاملات از 13 درصد (نزدک OMX) تا حدود 40 درصد (Chi-X) است.
براساس تعاریف متداول تنها الگوریتم‌هایی در این دسته قرار می‌گیرند که قادر به خرید و فروش سهام در فواصل زمانی کمتر از پنج دهم ثانیه هستند. این الگوریتم‌ها با هدف سود بسیار کم اما در تعداد بسیاربالا به کار گرفته می‌شوند و نتیجه تجمیع سودهای حاصل از این معاملات در تعداد بالا سودی است که هدف سرمایه‌گذاران را فراهم میکند. ازاین‌رو این الگوریتم‌ها بیشتر در جهت افزایش نقدشوندگی مورد استفاده قرار می‌گیرند. البته استفاده از این نوع الگوریتم‌ها در بازار ایران به مانند بازارهای خارجی رواج ندارد و دلیل آن این است که در بازارهای خارجی مالیات بر اساس سود هر معامله محاسبه می‌گردد اما در ایران فارغ از میزان سود و زیان درصد مشخص و ثابتی دارد.
الگوریتم‌های پوزیشن تریدینگ یا کم بسامد
به طور کلی به الگوریتم‌هایی که اقدام به خرید و فروش سهام در بازه بلندمدت می‌کنند، کم بسامد گفته میشود و در حوزه الگوریتم‌های معاملاتی هر تک معامله‌ای که مدت زمانی بیش از یک ساعت را به خود اختصاص دهد، بلندمدت تلقی میشود. این الگوریتم‌ها در بازار ایران کاربرد بیشتری دارند و میتوان گفت ترکیبی از چند الگوریتم متفاوت هستند. به طور مثال، فرض کنید شما با استفاده از یک الگوریتم مانیتورینگ به 15 نماد خوب رسیده‌اید و سپس الگوریتم سیگنال‌دهی شما خروج از یکی از این سهام‌ها را پیشنهاد می‌دهد. حال الگوریتم اجرای معاملات که نقطه ورود را خودش اجرا میکند اقدام به خرید سهم میکند. همین سناریو در زمان خروج هم به صورت اتوماتیک رخ می‌دهد. این الگوریتم‌ها در قالب یک الگوریتم تحت عنوان الگوریتم کم بسامد طبقه‌بندی می‌شوند.
حمله الگوریتم‌ها به بازار بورس تهران
طبق اهم فعالیت‌هایی که یک الگوریتم میتواند انجام دهد، الگوریتم‌ها از ساده به پیشرفته تقسیم می‌شوند. در ایران نیز پای الگوریتم‌ها در چند سال گذشته به بازار بورس تهران کشیده شده است، اما از زمان شروع فعالیت آنها در بازار اطلاعات دقیقی در دسترس نیست. آنچه مشخص است آن است که استفاده از الگوریتم‌ها در ایران به مجوز سازمان بورس و اوراق بهادار تهران وابسته است و در مقاطعی سازمان با انتشار ابلاغیه‌ای استفاده از الگوهای الگوریتمی و تقسیم سفارشات برخط را به منظور حفظ شرایط تعادل عرضه و تقاضا ممنوع کرده است. با این حال به نظر می‌رسد آنچه در ایران مورد استفاده قرار می‌گیرد الگوریتم‌های بازارگردانی و اجراکننده معاملات باشد.
من از ربات‌ها متنفرم
مدت‌هاست که الگوریتم‌ها به عنوان یک درمان شناختی برای محدودیت‌های ذهن ما در پردازش اطلاعات، داوری و قضاوت و در نهایت تصمیم‌گیری مورد استفاده قرار می‌گیرند، و اخیراً، شاهد افزایش فزاینده تصمیمات پرمخاطره و روزمره‌ای هستیم که توسط الگوریتم‌ها گرفته میشود. به عنوان مثال، استفاده از اپلیکیشن‌های مسیریاب برای پیدا کردن سریع‌ترین زمان ممکن از مبدا به مقصد، یک مثال ساده از استفاده از الگوریتم‌ها در زندگی روزمره ماست. با این وجود، تحقیقات بسیاری نشان می‌دهد انسان‌ها علاقه زیادی به استفاده از الگوریتم‌ها ندارند و ترجیح می‌دهند خودشان تصمیم بگیرند. موضوعی که تحت عنوان «Algorithm Aversion» «بیزاری از الگوریتم‌ها» شناخته میشود. اما آیا ما در همه حال اطمینان بیشتری به انسان‌ها داریم و اگر چنین است چرا این اتفاق میفتد؟
برنده نهایی جنگ ربات و انسان
کدام یک از دو توصیه زیر برای شما قابل اطمینان‌تر است؟
فرض کنید برای تصمیم به عمل جراحی با دو پزشک مشورت می‌کنید. در مورد اول، یک ابر کامپیوتر پیشرفته که با هوش مصنوعی کار میکند و تمامی اطلاعات موجود در حوزه پزشکی را در اختیار داشته و پایش کرده به شما می‌گوید احتمال زنده ماندن شما در این عمل ۲۰ درصد و احتمال مرگ شما ۸۰ درصد است. در مورد دوم یکی از حاذق‌ترین پزشکان دنیا به شما می‌گوید که احتمال زنده ماندن شما در صورت عمل جراحی ۸۰ درصد و احتمال مرگ شما ۲۰ درصد است. توجه کنید که عمل جراحی که روی شما انجام میشود در هر دو حالت یکسان است و تنها شانس زنده ماندن متفاوت است. در این شرایط کدام توصیه از نظر شما قابل اطمینان‌تر است؟
چه تفاوتی بین نظر یک ربات و یک انسان وجود دارد؟ چرا برای ما اعتماد به یک انسان راحت‌تر از اعتماد به یک ربات است،رباتی که بعضا می‌توانیم توصیه او را صوتی یا نوشتاری دریافت کنیم؟
- اجازه دهید از ساده‌ترین تفاوت شروع کنیم. ما تمایل داریم با منبعی که توصیه را از او می‌گیریم ارتباطات اجتماعی برقرار کنیم، موضوعی که یک ربات از انجام آن عاجز است. همدلی و همراهی برای همه ما انسان‌ها مهم است.
- ما باور داریم که انسان‌ها خطا می‌کنند اما خطای آنها تصادفی و قابل ترمیم است، درحالیکه از نگاه ما خطای الگوریتم‌ها سیستماتیک است.
- ما برای آن که توصیه یک الگوریتم را بپذیریم نیاز داریم که احساس کنترل و اطمینان کافی به آن داشته باشیم. این اطمینان و احساس کنترل در وهله اول از طریق فهم نحوه عملکرد الگوریتم به‌دست می‌آید، با این حال، نحوه ارائه اطلاعات توسط الگوریتم‌ها نیز میتواند این احساس را تضعیف یا تقویت کند. نکته مهم آن است که اغلب ما نمی‌دانیم الگوریتم‌ها چگونه کار می‌کنند و همین مساله موجب میشود تا نتوانیم اعتماد کنیم.
اجازه دهید مجددا برگردیم به سوالی که در ابتدای این بخش پرسیده شد. به نظر می‌رسد ما پزشک را به ربات ترجیح می‌دهیم و هم‌راستا با تحقیقات انجام شده در سایر کشورهای دنیا، بررسی‌های انجام‌شده توسط واحد نظرسنجی بورسان نیز نشان می‌دهد که از میان ۱۸۴۹ شرکت‌کننده عادی، ۶۹٪ به پزشک و ۳۱٪ به ربات‌ها اطمینان بیشتری داشتند.
از میان ۱۸۴۹ شرکت‌کننده عادی، ۶۹٪ به پزشک و ۳۱٪ به ربات‌ها اطمینان بیشتری داشتند
با الگوریتم‌ها ثروتمند می‌شویم؟
کدام یک از دو توصیه زیر برای شما قابل اطمینان‌تر است؟
فرض کنید که برای یک تصمیم‌گیری مالی در پرتفوی خود لازم است تصمیم بگیرید. در حالت اول شما نظر یک الگوریتم را می‌گیرید که درصد موفقیت آن در ادوار گذشته بسیار بالا بوده. الگوریتم اعلام میکند که سهم مذکور را بفروشید، اما پس از مشورت با یک مدیر دارایی خلاف این پیشنهاد را توصیه می‌دهد، در این حالت شما به کدام توصیه عمل می‌کنید؟
همه ما دوست داریم یک سرمایه‌گذار فوق‌العاده باشیم و ازاین‌رو افسانه‌های سرمایه‌گذاری مثل وارن بافت یا جورج سوروس را دنبال می‌کنیم. کتاب‌های آنها را می‌خوانیم و امیدواریم به یک فرمول نهانی دست یابیم تا بتوانیم مثل آنها بهترین سهم‌های بازار را پیدا کنیم و به جایگاه آنها در دنیای سرمایه‌گذاری برسیم. احتمالا ماکسیمیلیان کوهن در فیلم «π-باور به آشفتگی» به کارگردانی آرنوفسکی نیز در پی واقعیت‌بخشی به چنین رویایی بوده است. یک نابغه ریاضی که برای به‌دست آوردن قابلیت پیش‌بینی بازار بورس از یک ابرکامپیوتر به نام «ایوکلید» یا اقلیدوس استفاده میکند تا معادلاتی را که بر اساس چند میلیارد متغیر درست کرده است، حل کند.
اگرچه که ماکسیمیلیان علاقه شدید به الگوریتم‌ها دارد اما در دنیای واقعی آدم‌ها ترجیح می‌دهند حتی در دنیای سرمایه‌گذاری نیز به جای اعتماد به ربات‌ها به مدیران سرمایه‌گذاری، تحلیلگران و متخصصان این حوزه رجوع کنند. با این حال، به نظر می‌رسد در ایران این نگاه جور دیگری است.
طبق بررسی‌های انجام‌شده توسط واحد نظرسنجی بورسان، از میان ۱۸۶۳ شرکت‌کننده عادی، ۴۶٪ به مدیران دارایی و ۵۴٪ به ربات‌ها اطمینان بیشتری داشتند. این نظرسنجی اگرچه خلاف تحقیقات صورت گرفته در ایران است اما شاید بتوان خطای تمرکز بر اطلاعات دردسترس را مهمترین دلیل آن دانست.
از میان ۱۸۶۳ شرکت‌کننده عادی، ۴۶٪ به مدیران دارایی و ۵۴٪ به ربات‌ها اطمینان بیشتری داشتند
حوادث خاصی هستند که بیش از سایر رویدادها در ذهن ما نقش می‌بندند. پوشش رسانه‌ای گسترده میتواند باعث این اتفاق شود اما گاهی تازگی یا غم انگیزبودن یک حادثه و یا غیرعادی بودن آن هم میتواند در حافظه ما اثر پررنگ‌تری برجای گذارد. همین موضوع سبب میشود تا به شکل نادرستی فرض کنیم که آن رویداد رایج‌تر از حد معمول است و احتمال اینکه آنها را باور کنیم بالا می‌رود. به عنوان مثال، ممکن است پس از دیدن سقوط هواپیما تا مدت‌ها از سفر با هواپیما خودداری کنیم، چرا که این باور در ذهن ما شکل گرفته است که احتمال مرگ‌ومیر با هواپیما بیشتر از سفر با خودروی شخصی است. این درحالی است که پرواز امن‌ترین شیوه نقل‌وانتقال است. در واقع، احتمال سقوط یک هواپیما، یک در ۱.۲ میلیون پرواز و از هر ۱۱ میلیون تن، اهمیت استفاده از الگوریتم تریدینگ تنها یکی بر اثر سقوط هواپیما می‌میرد. بنابراین، به نظر می‌رسد خاطره سقوط بازار سهام در سال ۱۳۹۹ همچنان در حافظه تاریخی ایرانیان پررنگ است و فارغ از درستی یا نادرستی چنین برداشتی مردم دلیل ریزش بازار را ناشی از تحلیل اشتباه مدیران دارایی می‌دانند.
فعالان بازار سرمایه ایران چه نگاهی به الگوریتم‌ها دارند؟
اطلاعات بسیاری از تنوع انواع معاملات الگوریتمی در ایران در دسترس نیست، با این حال طبق نظرسنجی انجام شده توسط واحد نظرسنجی بورسان از میان ۳۷ فعال بازار سرمایه، رایج‌ترین انواع معاملات الگوریتمی در ایران به ترتیب بازارگردان (۵۴.۱٪)، اجراکننده معاملات (۳۷.۸٪) و سیگنال‌دهنده و بهبود عملکرد سبد (۸.۱٪) است. همچنین از مجموع فعلان شرکت‌کننده در نظرسنجی ۵۴.۱٪ از آنها قبلا تجربه استفاده از معاملات الگوریتمی را داشتند و در یک مقیاس ۱ (بسیار کم) تا ۵ (بسیار زیاد) ۵۹.۵٪ از آنان به الگوریتم‌ها به صورت متوسط اعتماد داشتند.
جالب است بدانید که تخصص باعث میشود تا تمایل به استفاده از الگوریتم‌ها کاهش یابد و البته این موضوع خیلی عجیبی نیست. دو نفر را در نظر بگیرید که برای کمک به پیش‌بینی بازار به آنها یک الگوریتم داده شده است. یکی از آنها که فردی آموزش دیده است به طور منظم از الگوریتم برای پیش‌بینی آماری با ذهنیت خودش استفاده میکند و فرد دوم یک اقتصاددان باسابقه است که دانش عمیقی درباره تئوری بازار دارد اما با ابزارهای تصمیم‌گیری الگوریتمی آشنا نیست. فرد اول احتمالا به توانایی شهودی خود برای تفسیر نحوه کار بازار اطمینان کمتری دارد و به همین دلیل سعی میکند با استفاده از الگوریتمی که در دست دارد نقص دانشی خود از بازار را جبران کند. در مقابل اقتصاددان که از تجربه بالایی برخوردار است، احتمالا بدون کمک الگوریتم نیز احساس اطمینان دارد و ضرورتی به بررسی نظر الگوریتم نمی‌بیند. همچنین، تفاوت‌های فردی (مانند تجربه محاسبات، حرفه، قومیت، جنسیت) میتواند در این فرآیند نقش مهمی ایفا کند.
در نظرسنجی انجام شده توسط بخش نظرسنجی بورسان از میان ۳۷ فعال بازار سرمایه ۷۰.۳٪ به مدیران دارایی بیشتر و تنها ۲۹.۷٪ به الگوریتم‌ها اطمینان بیشتری داشتند. همچنین آنها در حوزه پزشکی نیز که موضوع مهم و حیاتی و مرتبط با مرگ و زندگی آنها است به پذیرفتن توصیه پزشک (۸۶.۵٪) بیش از ربات (۱۳.۵٪) تمایل داشتند.
معاملات الگوریتمی در بورس چیست و برای چه کسانی مناسب است؟
معامله کردن در بازار سرمایه با استفاده از کامپیوتر به صورت تمام اتوماتیک یا نیمه اتوماتیک را معاملات الگوریتمی در بورس اهمیت استفاده از الگوریتم تریدینگ اهمیت استفاده از الگوریتم تریدینگ می نامند که در آن کامپیوتر با استفاده از الگوریتمی که به آن داده شده در بازار جستجو می کند و فرصت های معاملاتی را شکار می کند. معمولا معاملات الگوریتمی یک ابزار است برای معامله گران و به بازار مورد استفاده ارتباطی ندارد و می تواند برای همه بازارهای مالی استفاده شود. معاملات الگوریتمی در بورس ایران ، بورس کالا ، بازارهای جهانی و ارزهای دیجیتال کاربرد بسیاری دارد ولی معامله گران کمتر با آن آشنایی دارند. در این مطلب آموزشی قصد داریم تا بگوییم معاملات الگوریتمی در بورس به چه صورت است و کاربردها و نحوه استفاده از معاملات الگوریتمی در بازارهای مالی مختلف چگونه است و نرم افزار معاملات الگوریتمی چه کمکی میتواند در افزایش سودسازی ما در بازارهای مالی مختلف داشته باشد.
معاملات الگوریتمی در بورس
هم اکنون در عصری زندگی می کنیم که تکنولوژی تا ریز‌ترین قسمت های زندگی فردی و اجتماعی انسان را فرا گرفته است و اجتناب از آن امکان ناپذیر است. از اهمیت استفاده از الگوریتم تریدینگ جمله بازارهایی که چند سالی می شود به اجتناب ناپذیر بودن این حقیقت رسیده اند بازارهای مالی هستند. ورود بازار سرمایه به عصر تکنولوژی با معاملات الگوریتمی اتفاق افتاد. برای سال های طولانی معاملات در بازارهای سرمایه به صورت فیزیکی و دستی انجام می شد. در روش های سنتی معاملات به وسیله واسطه ها مورد حمایت قرار می گرفتند.
درصورتی که تمایل دارید تا از خدمات ۲۵ درصد تخفیف کارمزد در بورس، مشاوره خرید، آموزش های رایگان بورسی و … بهره مند شوید میتوانید از طریق لینک زیر اقدام به ثبت نام نمایید.
افرادی که معاملات را میان مشارکت گننده های بازار تنظیم می کردند، ولی با افزایش ظروف سرمایه بازارها، ادامه کار به روش سنتی دشوار تر از پیش شد. در واقع احتیاج بود تا پای تکنولوژی به این موضوع باز شود و کامپیوتر به جای افراد عمل کند، لذا احتیاج به معاملات الگوریتمی بیشتر از همیشه احساس می شد. هوش مصنوعی در خدمت این معاملات قرار گرفت و شرکت های بزرگی مثل؛ سیتادل و بلک راک در ایالات متحده آمریکا مدیریت عمل در این زمینه را در دست گرفتند. پس از آن این معاملات در سطح جهان قدم به قدم مرسوم شد و به این جایگاهی که در حال حاضر دارد، رسید.
معاملات الگوریتمی در بورس چیست؟
در تعریف معاملات الگوریتمی یا معاملات خودکار می گویند؛ استفاده از برنامه های کامپیوتری برای ورود به سفارشات معاملاتی بدون دخالت انسان به بیان دیگر، این الگوریتم ها که بلک باکس یا اَلگو تریدینگ هم نامیده می شوند، از زبان برنامه نویسی در کامپیوتر و مجموعه ای از دستورهای مشخص شده در کنار هم برای انجام معاملات بهره می گیرند.
این الگوریتم ها که می توانند بیش از یکی باشند، برای انجام معاملات بررسی های لازم را از جنبه های مختلفی مثل؛ زمان بندی، قیمت و حجم روی سفارشات و بازار انجام داده و تصمیم می گیرند. این امر کمک خواهد کرد تا بازار سرمایه به روشی اصولی تر و به دور از دخالت احساسات انسانی پیش رود که یکی از نتایج آن بالارفتن نقدینگی در بازار خواهد بود.
درک الگو تریدینگ با یک مثال ساده
برنامه کامپیوتری در حوزه معاملات الگوریتمی یا الگو تریدینگ با استفاده از دستورالعمل های معاملاتی مثل این نوشته می شود: معامله گری با بررسی متحرک ۱۲ روزه و ۳۴ روزه یک شرکت برای خرید سهام آن تصمیم گیری خواهد کرد، در زمانی که متحرک ۱۲روزه آن بالاتر از ۳۴ روزه آن باشد. این معامله گر اهمیت استفاده از الگوریتم تریدینگ سهام خریداری شده خود را در زمانی که متحرک ۱۲ روزه پایین تر از متحرک ۳۴ روزه قرار بگیرد به فروش می رساند.
همین استراتژی ساده وقتی که در قالب معاملات الگوریتمی و زبان برنامه نویسی قرار می گیرد، به صورت خودکار سهام موجود در بازار و متحرک های آن ها را در بازه های زمانی مشخص شده مورد بررسی قرار می دهد و با تشخیص به موقع طبق دستورالعمل های داده شده، خرید و فروش ها و معاملات را انجام خواهد داد.
مراحل عملکرد معاملات الگوریتمی
نتیجه مطلوب از معاملات الگوریتمی به ایجاد بستر آن ها احتیاج دارد. بستر معاملات الگوریتمی به حضور ثابت و بی نقص سه بازیگر اصلی بستگی دارد. مطابقت دهنده های بازار یا منبع تغذیه اطلاعات که فرمت اطلاعات موجود در بازار را به فرمت سیستم در اختیار معامله گر تبدیل می کند. این کار به وسیله رابط برنامه نویسی که بازار معاملاتی در اختیار معامله‌گر می گذارد، صورت می پذیرد.
در این مرحله الگوریتم برنامه ریزی شده طبق استراتژی تعریف شده خود، شرایط را پردازش خواهد کرد و محاسبات آماری و مقایسه داده های تاریخی لازم را انجام خواهد داد و در نهایت تصمیم به سفارش گیری می گیرد و آن را اجرا خواهد کرد. در مرحله پس سفارش ها به وسیله الگوریتم به بورس فرستاده می شوند، ولی وقتی این مرحله اجرا می شود که زبان الگوریتم طبق زبان مبنای بازار سرمایه کد نویسی شده و قابل درک باشد.
توانایی های اکسپرت نویس در مقابل معامله گر سنتی
- بررسی چندین بازار و امکان سودآوری در چندین بازار : به سادی خواهید توانست استراتژی خود را در بازارهای و برای محصولات مختلف مورد بررسی قرار دهید.
- امکان بهینه‌سازی استراتژی برای هر محصول به‌تنهایی : شما همچنین می توانید پارامترهای ورودی مسئله خود را برای هر محصول بررسی نمایید و بهترین آن ها را برای معاملات خود به کار ببرید. کاری که معامله گران سنتی یا نمی توانند و یا اگر بتوانند برای آن ها بسیار سخت و احتمالا با خطا همراه است.
- طراحی اسکرینر برای ورود دقیق و سریع به بازار : شما می توانید با بررسی شرایط ورود و خروج به معامله در کل بازار، نرم‌افزاری طراحی کنید که این موقعیت ها را به شما اعلام کند و گفتنی است که با این روش وقت زیادی از شما صرفه جویی خواهد شد و دقت هم افزایش چشم گیری خواهد داشت.
- امکان بهره‌برداری از چندین استراتژی برای موقعیت‌های مختلف بازار : بازارها با یک دیگر فرق می کنند، گاها بازار در رنج است و گاها هم در روند و شما به عنوان یک معامله گر حرفه ای باید بتوانید استراتژی مناسب را برای هرکدام از این موارد بیابید.
- بررسی بسیار سریع‌تر و دقیق‌تر استراتژی‌های معاملاتی : با استفاده از الگو تریدینگ، سریعا می توانید استراتژی معاملاتی خود را در گذشته بررسی کنید و برای استفاده از آن تصمیم گیری نمایید.
فرآیند کامل معامله گری از طریق الگو تریدینگ
- انتخاب بازار
- انتخاب محصول
- مدیریت معاملات اهمیت استفاده از الگوریتم تریدینگ باز
- مدیریت ریسک و سرمایه
- ورود به موقعیت معاملاتی
- دانش و اطلاعات معامله گری
نکته : الگو تریدینگ تنها در مورد آخر نمی تواند به شما کمک کند، خوب نباید هم توقع داشت که الگو تریدینگ به جای ما یاد بگیرد، اما در بقیه موارد ۱ تا ۵ می توان روی کمک الگو تریدینگ به صورت کامل حساب کرد.
۱۰ مزیت استفاده از معاملات الگوریتمی
- درآمد ریالی مناسب
- سرعت در انتخاب استراتژی معاملاتی
- معاملات در بهترین قیمت ها اجرا می شوند
- کاهش ریسک اشتباهات دستی زمان انجام معاملات
- کسب درآمد بسیار جذاب دلاری توسط فروش و اجاره اکسپرت
- بررسی های اتوماتیک شبیه سازی شده در چندین موقعیت بازار
- طبق فاکتور های احساسات و روانشناسی، از اشتباهات انسانی می کاهد
- معاملات به طور صحیح زمان بندی می شوند و از تغییرات آنی قیمت به سرعت جلوگیری به عمل می آید
- دستورهای معاملاتی سریع و دقیق هستند و در حقیقت شانس بالایی در اجرای دستورات در سطح مورد مطلوب وجود دارد
- از الگو تریدینگ با استفاده از داده های ریل تایم و تاریخی موجود می توان بک تست گرفت تا ببینیم آیا در استراتژی معاملاتی موفقیت آمیز است
استراتژی های الگوریتم های معاملاتی
در بازارهای سنتی همیشه فرد موفق کسی بوده که از یک استراتژی معاملاتی مناسب و اصولی برخوردار و به آن متعهد است. الگوریتم های معاملاتی نیز که قرار است به جای افراد تصمیم بگیرند، احتیاج به این استراتژی دارند. استراتژی ها برای الگوریتم ها به چند دسته تقسیم بندی می اهمیت استفاده از الگوریتم تریدینگ شوند؛
- درصد حجمی
- بازگشت به میانگین
- میانگین موزون زمان قیمت
- میانگین موزون حجم قیمت
- کسری اجرا در کنار پیاده سازی
- فرصت های آربیتراژ در معاملات الگوریتمی
- استراتژی های دنباله روی روند یا ترند فالوئینگ
- معامله پیش از توازن دوره ای صندوق های شاخصی
نکات مهم در مورد معاملات الگوریتمی
- سخت افزار : بایستی سخت افزار قوی داشته باشید تا بتوانید مسائل پر محاسبه بهینه سازی را حل نمایید.
- پیاده سازی دقیق : به این منظور که بتوانید بهترین جواب را از معاملات الگوریتمی دریافت کنید، باید برنامه خود را با دقت زیادی پیاده سازی نمایید. همواره کامپیوتر خود را به موجودی کم هوش اما دقیق تشبیه کنید و در نظر داشته باشید که برای این موجود کم هوش همه چیز را باید با دقت فراوان تعریف کرد در غیر این صورت معاملاتتان بسیار مداوم با خطا مواجه خواهد شد.
- کیفیت داده پایین : یکی از موارد حائز اهمیت در معاملات الگوریتمی، بررسی کیفیت داده برای اجرای استراتژی معاملاتی در گذشته می باشد. در واقع ورودی استراتژی معاملاتی ما برای بک تست، داده های ذخیره شده است و چنانچه این داده ها کیفیت نداشته باشند، نتیجه ای که از بک تست می گیریم به هیچ وجه قابل استناد نخواهد بود. به این منظور که بتوانیم به خروجی بک تست استناد کنیم باید حتما داده های مورد استفاده ما باکیفیت باشند.
- خطا در بهینه سازی : بایستی با پارامترهای بهینه سازی آشنایی کامل داشته باشید تا در تحلیل رفتار گذشته استراتژی دچار اشتباهی نشویم. بسیاری از افرادی که اخیرا با معاملات الگوریتمی آشنا می شوند، بر این باورند که اگر استراتژی در گذشته خوب جواب دهد در آینده هم مانند گذشته خوب جواب خواهد داد و این در حالی است که الزاما این طور نیست و استراتژی به طول مدام به بهینه سازی احتیاج خواهد داشت.
با الگو تریدینگ میتوان همه موارد را در تحلیل تکنیکال پیاده سازی کرد؟
بله با تلاش بسیار قادرید تمام موارد را با الگوتریدینگ به صورت کد درآورید، اما موضوع اصلی اینجاست که در برخی از موارد در تحلیل تکنیکال، بین هر دو معامله گر اختلاف نظر وجود دارد. مواردی مانند؛ واگرایی ، خط روند ، امواج الیوت ، الگوهای هارمونیک و تحلیل اخبار سیاسی و اقتصادی و تأثیر آن بر روند قیمت جزو این دسته از موارد هستند. سوال بعدی که مطرح میشود این است که یک استراتژی یا چند استراتژی؟ پیش از اینکه پاسخ این سؤال را بدهم ابتدا به تعریف مفهوم correlation بین محصول ها و استراتژی ها و تأثیر آن ها بر معامله گری خواهیم پرداخت. ضریب همبستگی ابزاری آماری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی، یکی از معیارهای پرکاربرد در تعیین همبستگی دو متغیر به حساب می آید.
میتوان گفت که ضریب همبستگی شدت رابطه و همچنین نوع رابطه را بیان میکند. این ضریب بین ۱ الی ۱- است و در صورت عدم وجود رابطه بین دو متغیر، برابر ۰ است. زمانی که ما در سبد خود چند محصول را داریم باید از ضریب همبستگی بین این دو محصول اطلاع داشته باشیم. اگر ۲ محصولی داریم که ضریب همبستگی آن ها نزدیک به ۱ است، یعنی با افزایش قیمت یکی از آن ها، قیمت دیگری نیز افزایش می یابد و این مسئله ریسک سبد ما را افزایش می دهد، به این خاطر که این دو محصول هم زمان باهم در سود یا زیان می روند. همچنین اگر ما چند استراتژی معاملاتی داشته باشیم نیز مسئله مانند بالا است و استراتژی ها باهم در سود یا زیان می‌روند. زیرا باید محصولات و استراتژی های ما همبستگی نزدیک به ۰ داشته باشند و سوددهی یا زیان دهی یکی به دیگری ربطی نداشته باشد.
وظیفه معاملات الگوریتمی
- با جستجو در سهم ها و محصولات مختلف، طبق استراتژی معاملاتی که برای آن تعریف کردیم، فرصت های معاملاتی را تشخیص دهد.
- بعد از تشخیص اقدام به پوزیشن گیری نماید.
- مدیریت پوزیشن های بازشده را بر عهده گیرد.
- بر کل فرایند معامله، با توجه به سیستم تعریف شده، مدیریت ریسک و سرمایه ای را انجام دهد.
نکته : در نظر داشته باشید در صورتی که هر ۴ مرحله در یک زمان انجام دهید به آن سیستم های کاملا خودکار می گویند و در صورتی که تنها از چند عامل با توجه به سلیقه خودمان استفاده کنیم، به آن سیستم های نیمه خودکار گفته می شود.
الزامات فنی معاملات الگوریتمی
اجرای الگوریتم با استفاده از زبان برنامه نویسی یک مولفه نهایی در معاملات اکسپرت به شمار می رود. چالش در اینجا تبدیل استراتژی مشخص شده به فرآیند یکپارچه کامپیوتری است که به حساب معاملاتی دسترسی دارد. موارد زیر الزاماتی برای معاملات الگوریتمی می باشد :
- توانایی بک تست گرفتن از سیستم قبل از شروع کار در بازار های واقعی
- اتصال به شبکه و دسترسی به پلتفرم های معاملاتی برای پوزیشن گیری
- بسته به پیچیدگی های قوانین اجرا شده در الگوریتم، داده های تاریخی جهت بک تست گرفتن فراهم باشد
- دسترسی به داده های بازار که توسط الگوریتم مورد نظارت قرار می گیرد تا سفارشات معاملاتی را انجام دهد
- علم برنامه نویسی برای اجرای استراتژی های معاملاتی، استخدام برنامه نویس یا نرم افزار های معاملاتی از پیش ساخته شده
خلاصه مطلب و کلام آخر
در پاسخ به این سوال که معاملات الگوریتمی چیست باید گفت؛ مجموعه ای از دستورالعمل ها است که به ترتیب خاصی به اجرا در می آیند و مسئله ای را حل می کنند. به بیانی دیگر یک الگوریتم معاملاتی، روشی مرحله مرحله برای حل مسئله و تشخیص سهام مناسب برای ورود است. معاملات الگوریتمی ، روشی در معامله گری است که از کامپیوتر برای تحلیل و معامله گری به کار می رود.
در پاسخ به این سوال که الگو ریتمیک تریدینگ برای بازار ایران کاربرد دارد یا خیر باید گفت؛ الگو ریتمیک تریدینگ برای هر بازاری میتواند کاربرد داشته باشد. اغلب این سؤال از آنجایی مطرح می شود که چون نمی توان در بازارهای بورس ایران با اکسپرت به صورت آنلاین معاملات را باز و مدیریت کرد، پس الگو تریدینگ در بازار ایران کاربردی ندارد، ولی باید در نظر داشته باشید که در الگو تریدنگ باز کردن، بستن و مدیریت معامله باز، شاید ۲۰ درصد از کل کار به حساب می آید و ۸۰ درصد، تحلیل درست و دقیق از بازار و زمان ورود و خروج محسوب می شود.
در پاسخ به این سوال که وظیفه معاملات الگوریتمی در بورس و دیگر بازارهای مالی چیست باید گفت؛ با جستجو در سهم ها و محصولات مختلف، طبق استراتژی معاملاتی که برای آن تعریف کردیم، فرصت های معاملاتی را تشخیص دهد. پس از تشخیص اقدام به پوزیشن گیری نماید. مدیریت پوزیشن های بازشده را بر عهده گیرد. بر کل فرایند معامله، با توجه به سیستم تعریف شده، مدیریت ریسک و سرمایه ای را در دستور کار داشته باشد.
در پاسخ به این سوال که معاملات الگوریتمی برای استفاده در کدام بازار بیشتر توصیه میشود باید گفت؛ الگو تریدینگ یا معاملات الگوریتمی ابزاری برای معامله گر است و نوع بازار در آن هیچ گونه اهمیتی ندارد.
برای سرمایه گذاری در بورس و بازارهای مالی بد نیست شرایط استفاده از معاملات الگوریتمی را هم سنجید، شاید بتواند کمک مناسبی را به شما عزیزان داشته باشد.
امیدوارم از این مقاله آموزشی نهایت استفاده رو برده باشید.
هر گونه سوال یا ابهامی در خصوص معاملات الگوریتمی در بورس دارید و یا اگر تجربه ای در معاملات الگوریتمی داشتید، حتما در بخش دیدگاه ها بنویسید.
۷ نکته کاربردی از سوی الگو تریدرهای حرفه ای
داشتن تجربه موفق در الگو تریدینگ نیازمند کسب دانش لازم، پشتکار و آزمون و خطا است؛ بنابراین اگر نکات افراد باتجربه در این حوزه را مورد توجه قرار دهید، میتوانید سریع‌تر دانش عملی را بیاموزید.
به‌عنوان یک مبتدی در حوزه الگو تریدینگ، کسب دانش عملی جهت اجرای معاملات مطلوب، بسیار حیاتی است.
در این مقاله، قصد داریم به نکاتی که متخصصان این حوزه در خصوص الگو تریدینگ پیشنهاد می‌دهند، اشاره کنیم.
نکات کاربردی الگو تردینگ
نکات کاربردی الگو تردینگ از سوی معامله‌گران و متخصصان باتجربه الگوریتمی:
پارادایم‌های استراتژی یکپارچه هستند
در شروع، شما باید از پارادایم‌های استراتژی و چرایی اهمیت آنها آگاهی داشته باشید. توسعه استراتژی در معاملات واقعی، مهمترین بخش است؛ بنابراین باید به‌صورت متوالی انجام شود.
شما با فرضیه استراتژی معاملاتی شروع می‌کنید، سپس کدنویسی و بک‌تست را انجام می‌دهید و در نهایت این فرآیند با معاملات واقعی در بازار به پایان می‌رسد.
یک منبع داده قابل اعتماد پیدا کنید
به‌دست اهمیت استفاده از الگوریتم تریدینگ آوردن یک منبع داده قابل اعتماد، یکی دیگر از موارد مهم در الگو تردینگ است. یک منبع داده، اطلاعات را از بازارهای مالی ارائه می‌دهد.
این منبع، داده‌های بازار را پس از کشف و حذف خطاها در اختیار شما قرار می‌دهد. به‌عنوان مثال، داده‌های SPY (واقعی و همچنین قدیمی) می‌توانند داده‌های تکراری داشته باشند که در صورت استفاده برای ایجاد استراتژی‌های معاملاتی ممکن است منجر به نتایج نامشخص شود.
هنگام معاملات دارای اهرم محتاط باشید
معاملات دارای اهرم، میتواند به شما کمک کند تا بخش اهرمی کل معامله را به دست بیاورید، اما ممکن است ریسک از دست دادن سرمایه را نیز به همراه داشته باشد.
اگر ارزش بازار پایین بیاید، بهترین کاری که الگوریتم میتواند انجام دهد این است که اهرم معامله را کاهش دهد و شما را از متحمل شدن ضررهای هنگفت با شروع کاهش قیمت در بازار، نجات دهد. اما با کاهش ارزش بازار حساب کارگزار، ضرر اولیه همچنان وجود دارد.
استفاده از اهرم در برخی از اوراق بهادار مانند ETF نسبت به سایرین میتواند ریسک بیشتری داشته باشد. ETF دارای هزینه‌هایی مانند نسبت هزینه، مالیات و هزینه‌های گردش مالی است. علاوه بر ضرر اضافی، معامله‌گر می‌بایست این هزینه‌ها را نیز پرداخت کند.
با این حال، میتوانید اهرم‌ها را با صندوق‌های تامینی مدیریت کنید، زیرا مدیران صندوق‌های تامینی دقیقا می‌دانند چه زمانی از اهرم استفاده کنند تا خود را از متحمل شدن زیان‌های بزرگ نجات دهند.
به‌طور سیستماتیک بک تست کنید
معامله‌گران معمولا به دلیل عدم اتخاذ تصمیمات معاملاتی بر اساس تحقیقات صحیح و بک‌تست، سرمایه خود را از دست می‌دهند. مهم است که احساسات را از تصمیمات معاملاتی خود حذف کنید و استراتژی یا ایده معاملاتی را مورد بک‌تست قرار دهید.
فرض کنید یک فرضیه معاملاتی دارید که بازدهی مثبت اوراق بهادار خاصی را طی دو ماه آینده بیان میکند؛ این فرضیه بر اساس بازده مثبتی است که در دو سال گذشته رخ داده است.
اکنون، تست این فرضیه و دانستن اینکه آیا استراتژی کار خواهد کرد یا خیر، دو عامل اصلی در اینجا هستند. این فرضیه را میتوان با کمک بک‌تست تایید کرد که به معنای یافتن عملکرد یک استراتژی معاملاتی بر روی داده‌های تاریخی بازار است.
به‌عنوان مثال، در استراتژی معاملاتی مومنتوم، سرمایه‌گذاران اوراق بهادار را هنگامی که در حال افزایش هستند خریداری می‌کنند و در نقطه اوج، آنها را می‌فروشند. در اینجا، فرضیه میتواند افزایش مثبت ارزش حقوق صاحبان سهام برای یک دوره زمانی دو ماهه باشد. پس از دو ماه ارزش سهام به اوج خود می‌رسد؛ زیرا این اتفاق در یک سال گذشته رخ داده است.
یک بک تستر باید مراقب باشد که اشکالات یا تعصبات زیر رخ ندهد؛ زیرا آنها توانایی تغییر نتایج بک‌تست شما را دارند.
- پردازش بیش از حد
هنگامی که پردازش بیش از حد رخ می‌دهد، نتیجه آزمون بک‌تست استراتژی معاملاتی، عملکرد خوب استراتژی را در داده‌های تاریخی نشان می‌دهد، اما احتمالا در هر داده جدید عملکرد ضعیفی دارد.
- تعصب نگاه به جلو
استفاده از اطلاعات در بک‌تست قبل از اینکه واقعا در نمای عمومی ظاهر شود، تعصب نگاه به جلو است. این میتواند منجر به نتایج ناهنجار در طول بک‌تست شود.
این تعصب زمانی رخ می‌دهد که در هنگام تجزیه‌و‌تحلیل داده‌های تاریخی مثبت در نظر گرفته شوند، از این رو توجه به تمام داده‌ها در حین انجام بک‌تست بسیار مهم است.
- نادیده گرفتن هزینه‌های تراکنش
در هنگام بک‌تست استراتژی، هزینه‌های معاملاتی/معامله مانند کمیسیون، مالیات و هزینه لغزش بسیار مهم هستند. این هزینه‌ها تصویری واقعی از بازده استراتژی ارائه می‌دهند.
محدودیتی برای تعداد دفعات اجرای بک‌تست وجود ندارد. میتوانید چندین بار استراتژی را تغییر دهید. اما، دستکاری مداوم میتواند منجر به پردازش بیش از حد شود، بنابراین در آن زیاده‌روی نکنید.
پس از اتمام بک‌تست میتوانید استراتژی معاملاتی خود را ابتدا برای معامله آزمایشی و سپس برای معامله واقعی در نظر بگیرید.
معامله آزمایشی قبل از معامله واقعی
اگر از عملکرد استراتژی بک‌تست راضی هستید، میتوانید معامله آزمایشی را شروع کنید. هنگامی که نتایج این معاملات رضایت‌بخش بود، میتوانید معامله را در بازار واقعی اجرا کنید؛ به این ترتیب از صحت استراتژی خود اطمینان حاصل می‌کنید.
تصویر زیر فرآیند معامله آزمایشی و معامله واقعی را نشان می‌دهد.
فرآیند معامله آزمایشی و معامله واقعی
برخی از مزایا معامله آزمایشی عبارت است از:
- هیچ ریسک و استرسی برای از دست دادن پول در معاملات آزمایشی وجود ندارد؛ زیرا این یک روش واقعی معاملاتی نیست. معاملات آزمایشی فقط به شما کمک می‌کنند تا در مورد نتایجی که یک معامله واقعی ارائه می‌دهد، ایده بگیرید.
- معامله‌گر میتواند در سناریوی واقعی بازار مالی، معامله را تمرین کند. از این رو، میتواند تجربه مفیدی را در هر بخش از فرآیند معاملاتی از آماده‌سازی قبل از بازار تا کسب سود یا ضرر نهایی به‌دست آورد.
ممکن است این سوال پیش بیاید که برای چه مدت باید به معامله آزمایشی پایبند باشید؟
پاسخ این است که بیش از یک ماه نیست؛ زیرا تجربه‌ای که از معاملات واقعی به‌دست می‌آورید با تجربه‌ای که از معاملات آزمایشی به‌دست می‌آورید، بسیار متفاوت خواهد بود.
مدیریت ریسک ضروری است
مدیریت ریسک در معاملات، جهت تحمل زیان‌های ناشی از روند نزولی در بازارهای مالی ضروری است. منابع ریسک فراوانی وجود دارند که می‌توانند روی عملکرد صحیح استراتژی الگو تریدینگ اثر بگذارند.
معمولا ریسک در ادبیات معاملاتی به معنی احتمال از دست دادن سرمایه تعریف شده است. حوزه‌هایی از آن که باید در نظر گرفت شامل موارد زیر است:
آشنایی با معاملات الگوریتمی (Algorithmic trading)
معاملات الگوریتمی به عنوان یکی از برنامه‌های آینده بازار سرمایه ایران مورد توجه قرار گرفته است. در همین راستا شرکت‌ها و استارت‌آپ‌های زیادی بوجود آمده‌اند که برای خودکارسازی معاملات امکانات زیادی را ارائه می‌کنند.
این در حالی است که در اغلب بازارهای مالی بین‌المللی، هوش مصنوعی (AL) و یادگیری ماشین (Machine Learning) از جایگاه ویژه‌ای برخوردار می‌باشند. شرکت‌های بزرگ آمریکایی نظیر CITADEL ،Quantopian ،Black Rock و Numerai به عنوان پیشتازان عرصه سرمایه‌گذاری الگوریتمی بازارهای مالی شناخته می‌شوند. اما معاملات الگوریتمی چیست و چه کاربردهایی دارند؟
معاملات الگوریتمی (Algorithmic trading) چیست؟
به زبان ساده معاملات الگوریتمی به هر نوع معامله خودکار (شامل معاملات فرکانس بالا (HFT) یا معاملات معمولی) گفته میشود که در آن ربات‌های معامله‌گر با استراتژی معاملاتی گوناگونی طراحی می‌شوند. معاملات الگوریتمی که معاملات اتوماتیک، معاملات بلک باکس یا الگو تریدینگ نیز نامیده می شود، از زبان‌های برنامه نویسی خاص همراه با مجموعه دستورات تعریف شده به نام الگوریتم برای معاملات استفاده می کند. به عنوان مثال، در یک معامله الگوریتمی، با رسیدن قیمت به اعداد مشخصی، دستور خرید یا فروش بصورت خودکار اعمال میشود و در واقع حد سود و ضرر یک الگوریتم تعیین می‌گردد. آیا کارایی معاملات الگوریتمی تنها شامل این موارد می‌باشد؟ قطعا خیر.
الگوریتم‌های این چنینی در زمره الگوریتم‌های معاملاتی پایه‌ای و بسیار ساده قرار می‌گیرند؛ چراکه الگوریتم‌های معاملاتی بسیار پیشرفته‌ای وجود دارند که بدون دخالت انسان تمام نمادها را بررسی و ارزیابی می‌کنند و با در نظر گرفتن عوامل تکنیکال و بنیادی نسبت به انتخاب سبد سهام، تخصیص دارایی و خرید و فروش در نقطه مناسب بصورت کاملا اتوماتیک اقدام می‌کنند. ماجرا ترسناک شد اما این موضوع واقعیت دارد. در حال حاضر الگوریتم‌های معاملاتی در دنیا وجود دارند که تمام این زنجیره را به صورت خودکار و هوشمند انجام می‌دهند.
در معاملات الگوریتمی مجموعه‌ای از دستورالعمل های از پیش تعریف شده بر اساس پارامترهایی نظیر زمان بندی، قیمت یا هر مدل ریاضی دیگری بصورت خودکار اجرا می‌شوند. فارغ از فرصت‌های زیادی که تریدرها برای کسب سود بدست می‌آورند، الگو تریدینگ با جلوگیری از تاثیر احساسات انسانی، بازار را بیشتر به طرف نقدینگی می برد و معاملات را به روش اصولی انجام می‌دهد.
بطور کلی معاملات الگوریتمی از لحاظ عملکرد به پنج نوع اصلی تقسیم می‌شوند:
- الگوریتم‌های معاملاتی اجرای معاملات
- الگوریتم‌های سیگنال‌دهی
- الگوریتم‌های مانیتورینگ یا پایش بازار
- الگوریتم‌های position trading یا کم بسامد
- الگوریتم‌های HFT یا پر بسامد
الگوریتم‌های معاملاتی اجرا کننده دستورات
این نوع از الگوریتم‌های معاملاتی، صرفا به عنوان دستیار تریدرها و برای اجرای دستورات معاملاتی آنها طراحی شده‌اند. در واقع معامله‌گر، نماد و نقاط ورود و خروج اهمیت استفاده از الگوریتم تریدینگ مورد نظر خودش را انتخاب میکند (هرچند به اشتباه) و سایر مراحل انجام معامله از قبیل گذاشتن حدضرر، تقسیم سرمایه و خرید و فروش پله‌ای توسط ربات معامله‌گر (اکسپرت) اجرا میشود.
برای روشن شدن این موضوع فرض کنید که شما قصد دارید تا به میزان ۶ میلیارد تومان سهام یک شرکت پتروشیمی در بورس ایران را خریداری کنید. بر اساس نوع مارکت و حجم بازار واضح است که نمی‌توان یک سفارش با حجم ۶ میلیارد تومانی را در بازار ثبت کرد، چرا که گذاشتن چنین سفارش سنگینی باعث تاثیرگذاری بر بازار یا اصطلاحا Market Impact میشود.
با گذاشتن سفارش ۶ میلیاردی، معامله‌گران و بازیگران سهم با مشاهده سفارش شما در قیمت‌های بالاتر اقدام به خرید می‌کنند و در نتیجه قیمت پیش از اینکه شما بتوانید سهام را خریداری کنید، رشد میکند. برهمین اساس یک الگوریتم معاملاتی مورد نیاز است تا سفارش شما را به سفارش‌های کوچک و حجم‌های متفاوت تقسیم کند و تاثیرگذاری بر بازار را کاهش دهد.
الگوریتم‌های سیگنال‌دهی
الگوریتم‌های سیگنال‌دهی، دیتا و اطلاعات بیشتری در اختیار معامله‌گران قرار می‌دهند و موجب می‌شوند که فرآیند انتخاب و تصمیم‌گیری تریدر بهبود یافته و در نتیجه بازدهی بالاتری در معاملات خود کسب کند. این نوع از الگوریتم‌های معاملاتی باید در کنار عوامل تحلیلی دیگر مورد استفاده قرار گیرند و به خودی خود سودآور نیستند. تمامی اندیکاتورهای رایج تحلیل تکنیکال از جمله RSI ،MacD ،MA یا Ichimoku در طیف الگوریتم‌های سیگنال‌دهی قرار می‌گیرند که به صورت آماری ثابت شده است در بلندمدت سودآوری بیش از میانگین بازار ندارند!
الگوریتم‌های پایش بازار
الگوریتم‌های پایش بازار (monitoring algorithm) به نوعی زیر مجموعه الگوریتم‌های سیگنال‌دهی محسوب می‌شوند. این نوع از الگوریتم‌ها وظیفه پایش و مانیتور کردن بازار را بصورت دقیق بر عهده دارند. با استفاده از الگوریتم‌های پایش بازار قادر خواهید بود که با اعمال فیلتر و جست‌وجوی شرایط مورد نظر خود بر روی همه یا بخشی از بازار، عملیات مانیتورینگ بهینه انجام دهید.
به عنوان مثال اگر می‌خواهید که با باز شدن نماد یک سهم، در یک بازه زمانی کوتاه مدت تمامی نمادهای همگروه این سهم را مورد بررسی و خرید و فروش قرار دهید، یا قصد دارید تا در حالت کاهش نرخ بهره (وام)، شرکت‌هایی که کمترین مقدار وام را در حساب خود دارند شناسایی کنید، از این الگوریتم استفاده می‌کنید.
الگوریتم‌های ترید بلند مدت یا position trading
الگوریتم‌های پوزیشن تریدینگ با شرایط فعلی بورس ایران هماهنگی زیادی دارند و یک استراتژی ترکیبی از ترید و سرمایه گذاری به شمار می‌روند. در حوزه معاملات الگوریتمی به هر معامله‌ای که بیش از یک ساعت بطول بیانجامد، معامله بلندمدت گفته میشود. با ذکر این نکته فرض کنید که استراتژی معاملاتی شما فروش در صف خرید در صورت عرضه شدن صف و خرید در قیمت‌های پایین‌تر است.
بر همین اساس یک الگوریتم معاملاتی پوزیشن تریدینگ (position trading) میتواند به محض رسیدن حجم صف خرید / فروش به شرایط مورد نظر شما، به صورت اتوماتیک 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.
الگوریتم‌های position trading نسبت به دیگر الگوریتم‌های ذکر شده قابلیت‌های بیشتری ارائه می‌کنند و می‌توانند نقاط ورود و خروج را با دقت بالاتری تشخیص دهند. فرض کنید شما از الگوریتم‌های monitoring استفاده می‌کنید و بدین وسیله ۱۰ نماد مناسب را انتخاب کرده‌اید، به کمک الگوریتم‌های سیگنال‌دهی بازار را پایش کرده و به این نتیجه رسیده‌اید که سهم A میتواند به شما بازدهی ۱۰ درصدی در مدت زمان یک الی دو هفته ارائه کند.
حال شما به کمک الگوریتم‌های اجرای معاملات، اقدام به معامله این سهم کرده‌اید. اگر تمامی این فرآیند بصورت اتوماتیک انجام شود، میتوان گفت که شما به یک ماشین چاپ پول دست یافته‌اید که در زمره الگوریتم‌های position trading طبقه‌بندی میشود.
الگوریتم‌های فرکانس بالا (HFT)
الگوریتم‌های فرکانس بالا (High Frequency Trading) در مدت زمان بسیار بسیار کوتاهی، در حدود ۰.۵ ثانیه تعداد زیادی از سفارشات خرید و فروش را اجرا می‌کنند. در بازارهای سرمایه بین‌المللی، اغلب به حجم و ارزش معاملات شما هیچ کاری ندارند، بلکه در ازای هر معامله‌ای که انجام می‌دهید کارمزد ثابتی از شما دریافت می‌کنند.
سوال اساسی این است که اگر میزان سرمایه شما به مقدار قابل توجهی برسد، درصد کارمزد بروکرها به سمت صفر میل میکند؟ بله… شاید روزی برسد که ارزش معامله شما آنقدر زیاد باشد که در صورت رشد رقم چهارم بعد از ممیز به اندازه یک واحد، کارمزد معاملاتی شما پرداخت شود!
این نوع از معاملات در بورس‌های بزرگ جهان نظیر NASDAQ و NYSE به وفور مشاهده میشود و معمولا در بازار فارکس (Forex) و جفت ارزهای خاص بسیار پرکاربرد است. اما متاسفانه به دلیل ساختار غیراصولی میزان کارمزد کارگزاری‌ها در ایران، استفاده از آن معمولا با زیان همراه است.لازم به ذکر است که الگوریتم‌های آربیتراژ در گروه الگوریتم‌های فرکانس بالا قرار می‌گیرند.
اهمیت استفاده از معاملات الگوریتمی چیست؟
امروزه استفاده از معاملات الگوریتمی به عنوان یک مزیت رقابتی در میان شرکت‌های سرمایه‌گذاری فعال در بازارهای مالی دنیا محسوب میشود و سبب شده تا شرکت‌هایی که از این نوع معاملات بهره می‌برند، در مدت زمان کوتاهی بتوانند شرکت‌های قدیمی را تماما از بازار خارج کنند. به دلیل قدرت بالای پردازش کامپیوترها نسبت به انسان، در حوزه سرعتِ تحلیل، سرعت اجرای دستورات و تصمیم‌گیری، عدم خستگی و عدم خطا و همچنین عدم تاثیر احساسات بر معامله و استراتژی، میتوان پیش‌بینی کرد که در آینده‌ای نه چندان دور، جایی برای روش‌های سنتی ترید باقی نخواهد ماند.
اما شاید از خود بپرسید که واقعا انسان هیچ جایگاهی در آینده بازارهای مالی نخواهد داشت؟ نمی‌توان گفت که دیگر هیچ استفاده ای از انسان نخواهد شد. بر اساس بررسی‌های انجام شده، معاملات الگوریتمی از نظر حجم معاملات (تعداد) بیش از ۸۵ درصد از کل معاملات بورس را آمریکا تشکیل می‌دهد و این امر به معنی سلطه الگوریتم‌های معاملاتی بر یک بازار ۵۳ تریلیون دلاری است. ۱۵ درصد باقی مانده به سایر تریدرها و روش‌های معاملاتی مربوط میشود.
بنابراین میتوان گفت که کامپیوترها و الگوریتم‌های خاص معاملاتی توانسته‌اند در بازارهای مالی امروزی خلاقیت و نوآوری زیادی ایجاد کنند و بازدهی بالاتری در کسب سود نسبت به انسان داشته باشند. در واقع این ۱۵ درصد، بهترین تریدرها و تحلیلگران دنیا هستند که هنوز توسط الگوریتم‌های معاملاتی از بازار بیرون نشده‌اند و چه بسا این ۱۵ درصد، طراح و اجرا کننده آن ۸۵ درصد الگوریتم‌های معاملاتی باشند! پس باید دید که آیا می‌خواهیم با این موج تکنولوژیک جدید همراه باشیم یا آن را نادیده بگیریم؟
