معامله‌گری بر مبنای الگوریتم (Algorithmic Trading):

ترید الگوریتمی یا معاملاتی که فاکتور انسانی کمترین نقش را در انجام آن دارند در ادبیات بازارهای مالی، الگوترید ALGO هم نامیده می‌شوند. ترید الگوریتمی، به مجموعه معاملاتی اطلاق می شوند که با استفاده از الگوریتم های از پیش تعیین شده و بر مبنای استراتژی های معاملاتی که به کامپیوترها تعریف شده است به صورت ۲۴ ساعته انجام می گیرند. کامپیوترها به عنوان تریدر، می توانند مزایای زیادی نسبت به انسان داشته باشند. آن ها می توانند همیشه فعال بوده و در تمام طول روز به انجام معامله بپردازند. همچنین می توانند داده های بازار را به صورت دقیق و بدون خطای انسانی در کسری از میلی ثانیه تجزیه و تحلیل کنند.

اما مهمتر از همه، کامپیوترها، تحت تاثیر احساسات و عواطف نیستند. چیزی که برای تریدرها در بازارهای مالی یک کابوس محسوب می شود. ترید هایی که بر مبنای الگوریتم های کامپیوتری انجام می شوند تنها وابسطه به منطق و استراتژی های تعریف شده هستند. به همین دلیل است که بسیاری از سرمایه گذاران، مدت‌هاست که به قدرت کامپیوترها در معامله گری پی برده اند.


کامپیوترها، تحت تاثیر احساسات و عواطف انسانی نیستند. عاملی که برای معامله گران در بازارهای مالی یک کابوس محسوب می شود.


فرایند توسعه ترید الگوریتمی، ابتدا از بازارهای مالی سنتی همانند فارکس شروع شد اما با ظهور بازارهای رمزارز و ارزهای دیجیتال که به صورت ۲۴ ساعته امکان معامله را برای تریدرها فراهم کردند، این نوع از معامله گری، شکل جدیدی به خود گرفت. علی رغم اینکه هر تریدر باید استراتژی دقیق و تست شده خود را برای معامله گری داشته باشد اما زمانی که این استراتژی به نحو درستی با کامپیوتر تلفیق شده باشد، کار زیادی برای معامله گری باقی نمی ماند و باید کار را به الگوریتم ها و محاسبات ریاضی سپرد.


 

استراتژی های مهم در ترید الگوریتمی:

فلسفه اصلی اغلب تریدهای الگوریتمی بر این اساس است که فرصت های خرید و فروش سودده شناسایی شده و سریعتر از عامل انسانی ترید انجام شود. معمولترین استراتژی ها برای این کار، ترید بر مبنای مومنتوم یا روند بازار (Momentum Trading)، بازگشت به میانگین (Mean Reversion)، آربیتراژ یا خرید و فروش در بازارها و بروکرهای مختلف (Arbitrage Trading) و مجموعه از استراتژی های مبتنی بر یادگیری ماشین (Machine Learning) می باشد. اساس اغلب استراتژی های ترید الگوریتمی، یافتن فرصت های خرید و فروش بر مبنای تحلیل داده های آماری است.

ترید بر مبنای روند بازار (Momentum Trading)، روند یا ترند کنونی بازار را دنبال می کند، استراتژی بازگشت به میانگین به دنبال واگرایی در قیمت نسبت به میانگین آن خواهد بود. آربیتراژ، به دنبال اختلاف قیمت در کارگزاری های مختلف خواهد بود که بتواند از این فاصله قیمتی، سود حاصل کند و نهایتا الگوریتم های یادگیری ماشین، سازوکارهای پیچیده و پیشرفته ای را برای تشخیص موقعیت های خرید و فروش به کار می گیرند.

کامپیوترهایی که ترید الگوریتمی انجام می دهند بات هم نامیده می شوند. به طور کلی عملکرد یک بات، با استفاده از داده های پیشین بازار (Historical Data) سنجیده می شود که به این فرایند تست عملکرد بر مبنای داده های گذشته (Backtesting) می گویند. این کار به معامله گران این امکان را می دهد که استراتژی های خود را بر مبنای داده هایی پیشین که از بازار موجود است تست کنند و در صورت وجود نتیجه ملموس و قابل قبول اقدام به اجرای بات در بازارهای واقعی کنند.

یکی از مشکلات موجود در فرایند Backtesting، مساله ای به نام هم پوشانی داده ها یا Over-fitting است بدین معنی که داده های پیشین موجود از بازار که معامله گر بر مبنای آن ها درستی استراتژی خود را تست می کند نمایانگر و برآیند شرایط کنونی بازار نیست و تست استراتژی بر مبنای این داده ها، درستی آن را برای تریدر نشان نخواهد داد. مثال ساده این مساله می تواند بدین صورت باشد که شما استراتژی خود را بر مبنای داده های یک بازار صعودی تست کرده اید و قطعا هیچ تضمینی وجود نخواهد داشت که این استراتژی شما، در بازار  های نزولی هم به درستی عمل خواهد کرد یا نه.

 

۱) استراتژی معامله بر مبنای مومنتوم یا روند بازار (Momentum):

ایده اصلی این روش معامله این است که بر فرض، اگر بازاری در طول چند ماه اخیر فرایند صعودی داشته است و احتمالا این فرایند به همین منوال ادامه خواهد داشت مگر اینکه خلاف این امر یا نشانه هایی از تغییر جهت بازار دیده شود. بنابراین، استراتژی در این نوع بازار، خرید در دره های قیمتی و کف و کسب سود در قله های قیمتی و اوج خواهد بود و بالعکس. البته تریدر می باید آگاهی و هوشیاری کافی در مورد تغییر جهت ناگهانی بازار داشته باشد. ذکر این نکته ضروری است که تریدر نباید به دنبال کف قیمت واقعی برای خرید یا اوج قیمت برای فروش باشد که اساسا کار غیر ممکنی هم است. به محض افت قیمت به منطقه ای معقول یا خیز آن به قیمت مناسب، خرید و فروش باید انجام بگیرد.

ترید الگوریتمی برای این گونه استراتژی ها، ابزار مناسبی به نظر می رسند. معامله گران درصدهای مد نظر و ایمن خود را توسط کد به کامپیوترها داده و منتظر انجام معامله توسط بات ها می شوند. این تکنیک می تواند مزایای خود را داشته باشد اما باید توجه داشت که در بازارهایی که افت و خیز قیمت شدید است یا حتی روندی به صورت واضح قابل شهود نیست این استراتژی درست عمل نخواهد کرد. یکی از کارآمدترین اندیکاتورها برای تشخیص روند، میانگین متحرک است. همانگونه که از نام آن پیداست میانگین متحرک، یک خطی در نمودار قیمت است که میانگین قیمت برای x روز قبلی را نشان می دهد. این می تواند بسته به چارچوب زمانی نمودار x واحد از ۵ دقیقه، x واحد از ۴ ساعت و … در نمودار کندلی باشد. اغلب از میانگین متحرک های ۵۰، ۱۰۰ یا ۲۰۰ روزه برای تشخیص روند استفاده می شود اما استراتژی های مختلف، می توانند میانگین متحرک های مختلفی هم داشته باشند.

به عنوان یک عقیده کلی و رایج، یک روند زمانی قدرتمند است که قیمت بالا یا پایین میانگین متحرک ها باشد. در صورتی که قیمت پیوسته، خط میانگین متحرک را قطع کند نمی توان گفت که قیمت از یک روند قدرتمندی تبعیت می کند.

 

۲) استراتژی بازگشت به میانگین (Mean Reversion):

بازگشت به میانگین اشاره به این حقیقت است که همواره قیمت در طول زمان، تمایل به بازگشت به مقادیر میانگین قبلی خود دارد. انحراف های شدید از مقادیر میانگین قیمت ها، ناحیه های اشباع خرید یا فروش را نشان می دهند که این به معنای احتمال بیشتر برای بازگشت قیمت به مقدار میانگین خود خواهد بود. به عنوان مثال، یک نمونه مشخص، انحراف از معیار استاندارد است که در علم آمار هم کاربردهای وسیعی دارد. در علم معامله گری، اندیکاتور باند بولینگر (‌Bollinger Bands)، نمایانگر همین مفهوم است. باندهای بولینگر، به عنوان محدوده های انحراف از میانگین محسوب می شوند. زمانی که قیمت به هر کدام از باندها نزدیک می شود احتمال اینکه به مقدار میانگین استاندارد میانی بازگردد زیاد خواهد بود. البته باید این نکته را هم در نظر داشت که ممکن است ترید الگوریتمی، به نتایج درستی نیانجامد. زمانی که بازار به دلیل اخبار یا حوادثی که خارج از تحلیل های تکنیکال است (دلایل بنیادی یا فاندامنتال) ترید الگوریتمی نمی تواند تشخیص درستی از روند های قیمتی داشته باشد. بنابراین معامله گر می باید به صورت پیوسته عملکرد بات خود را تحت نظر قرار دهد.

 

۳) استراتژی مبتنی بر یادگیری ماشین (Machine Learning):

یادگیری ماشین و هوش مصنوعی، ترید الگوریتمی را به دنیای جدیدی وارد کرده است. این نه تنها به خاطر اعمال استراتژی ها و روش های پیچیده معاملاتی است بلکه استفاده از تکنیک هایی نظیر پردازش زبان انسان (Natural Language Processing)، علم معامله گری و تشخیص اخبار مرتبط با بازار را هم کاملا دگرگون کرده است. الگوریتم های معامله گری در کامپیوترها، می توانند بر اساس استراتژی هایی که برای آن ها تعریف شده تصمیمات پیچیده ای بگیرند اما با استفاده از یادگیری ماشین، آن ها می توانند استراتژی های خود را نیز بر اساس شرایط بازار به روزرسانی و تصحیح کنند. به عنوان مثال، به جای استفاده از منطق if/then، الگوریتم های یادگیری ماشین، می توانند چندین استراتژی را تست کنند و بر مبنای بالاترین احتمال سود، استراتژی مورد نظر را انتخاب کنند. در این صورت، معامله گران می توانند با اعتماد بیشتری به بات خود پیش بروند چون که می دانند در صورت تغییر شرایط بازار، بات آن ها تصمیم هایی مبتنی بر شرایط حال بازار خواهد گرفت.

یکی از استراتژی های محبوب یادگیری ماشین، الگوریتم بیز ساده (naive Bayes) است. در این تکنیک، الگوریتم بر مبنای آمار و احتمالات در گذشته ترید را انجام می دهد. به عنوان مثال، فرض کنید آمار نشان می دهد که در گذشته، هر زمان قیمت بیت کوین ۳ کندل قرمز نزولی را تجربه می کند بعد از آن، با افزایش ۷۰ درصدی مواجه می شود. یک الگوریتم بیز ساده بر مبنای همین آمار و احتمالات، اگر سه کندل قرمز رنگ را در قیمت بیت کوین تشخیص داد بلافاصله سفارش خرید را ثبت خواهد کرد. این سیستم ها بسیار انعطاف پذیر هستند و هر تریدر بر مبنای استراتژی خود و میزان ریسک به سود خود می تواند بات خود را تنظیم کند.یکی دیگر از مزایای یادگیری ماشین، توانایی آن ها برای خواندن اخبار و تحلیل آن هاست. با جستجوی کلید واژه ها در بین اخبار و دسته بندی اخبار خوب و بد، می توانند شرایط بازار را بر مبنای همین اخبار تشخیص دهند.

 

۴) استراتژی تعقیب یا دنبال کردن سفارش (Order Chasing):

استراتژی تعقیب سفارش، فرایند تحت نظر گیری سفارش هایی با حجم بالاست (خرید یا فروش) و سپس تلاش برای یافتن روند بازار بر مبنای همین سفارش هاست. معمولا دسترسی به جزئیات سفارش ها در کارگزاری ها محدود و در مواقعی غیرقانونی است اما برخی از معامله گران HFT، روش هایی قانونی برای تشخیص سفارش های بزرگ یافته اند که استخر تاریک (Dark Pool) نامیده می شود. 

 

۵) آربیتراژ یا کسب سود از اختلاف قیمت در صرافی های مختلف (Arbitrage):

آربیتراژ یک استراتژی معاملاتی است که از اختلاف قیمت در کارگزاری های مختلف کسب سود می کند. گاهی اوقات قیمت یک کالا یا ارز، در بروکر یا کارگزاری های مختلف، قیمت متفاوتی دارد و اگر سرعت کافی در انتقال پول یا کالا بین کارگزاری های مختلف لحاظ شود می توان از این موقعیت کسب سود کرد. در این موقعیت، ترید الگوریتمی، می تواند قیمت کالاها و ارزهای مختلف را در کارگزاری های مختلف تحت نظر بگیرد و در صورت وجود اختلاف قیمت، به سرقت، با انتقال بین کارگزاری ها، کسب سود کند. این تکنیک، پیچیدگی خاصی ندارد اما تریدر هایی که به صورت دستی کار می کنند سرعت عملی کافی در نقل و انتقالات بین کارگزاری ها را ندارند. یک نوع ترید الگوریتمی به نام ترید فرکانس بالا (High Frequency Trading – HFT)، می تواند در این مواقع، کارساز باشد.