تجارت آلگو

تجارت الگوریتمی برای افراد ضعیف نیست. قبل از جسارت در این زمینه، مهم است بدانید که چه چیزی اکثریت توده ها را عقب نگه می دارد:

• دانش زبان برنامه نویسی - فرمول بندی الگوریتم های پیچیده نیاز به دانش گسترده نرم افزارهای کدنویسی مانند C+، C++، Java، Python، R و غیره دارد. متخصصان امور مالی ممکن است با دانش فنی آشنا نباشند. همچنین انجام کد توسط شخص ثالث ایده ای امکان پذیر نیست زیرا ممکن است نیاز به تغییرات مکرر برای مطابقت با شرایط فعلی بازار داشته باشد. یک پایه برنامه نویسی قوی ضروری است.
• وابستگی به فناوری - الگوریتم های معیوب این پتانسیل را دارند که منجر به زیان های غیرقابل حل برای معامله گر شوند. منتقدان الگوریتم ها را مقصر سقوط فلش در سال 2010 می دانند که منجر به شکست 9 درصدی میانگین صنعتی داوجونز و از بین رفتن حدود 1 تریلیون دلار ارزش سهام در عرض چند دقیقه شد. حادثه مشابهی در سال 2018 در بازارهای هند رخ داد که شاخص Nifty در عرض چند ثانیه حدود 900 نقطه سقوط کرد، اما در پایان روز به طور کامل بهبود یافت. چنین معاملات عجیب و غریبی باعث توقف ضرر سایر موقعیت های باز می شود که فشار فروش را بیشتر بزرگ می کند.
• موانع نظارتی - Algo Trading تحت چندین محدودیت نظارتی در کشورهای مختلف قرار دارد. هیئت بورس و اوراق بهادار هند (SEBI) در چند وقت اخیر اقدامات زیادی را برای کاهش نوسانات بازار و کاهش خطرات سیستماتیک مرتبط با معاملات الگو ارائه کرده است. این نکته بعداً در ماژول به طور جداگانه مورد بحث قرار خواهد گرفت.
• طول عمر کوتاه - همه الگوریتم ها در شرایط مختلف بازار به طور موثر عمل نمی کنند. ماهیت بی ثبات ذاتی بازارهای سهام، سازگاری سریع با چشم انداز در حال تغییر را ضروری می سازد. به عنوان مثال، اجازه دهید یک استراتژی ساده را ارزیابی کنیم که صرفاً روی سهامی که بالاتر از 50 DMA بسته می شود، به مدت طولانی ادامه می دهد. موفقیت چنین رویکردی برای بافت بازار بسیار مهم است. اگر بازارها مسیر خود را معکوس کنند و به حالت نزولی بروند، معاملات به احتمال زیاد به دفعات بیشتری به ضرر ضرر خواهند رسید. تدوین الگوریتم ها و استراتژی ها فرآیندی مستمر است و شامل نظارت منظم، بهبود و اختراع مجدد مطابق با پویایی بازار است.
• نیاز به منابع-یک معامله گر نیاز به ترتیب منابع قابل توجه بالا و همچنین زیرساخت های کم تأخیر دارد. هزینه های مکان همکار بزرگ (به بالا 13 پوند لخ در سال برای یک قفسه کامل طبق اطلاعات موجود در وب سایت NSE) همراه با آن وجود دارد. چنین هزینه هایی همراه با کمبود تخصص در نگهداری و عیب یابی ، محل کار را برای شرکتهای کارگزار کوچک/متوسط غیرقابل اجتناب می کند. ما باید این نکته را با جزئیات بیشتر در اسلاید بعدی پوشش دهیم.
• خطر ابتلا به بهینه سازی بیش از حد - استراتژی های روی کاغذ حتی اگر به طور کامل با پشت سر هم نتواند در معاملات زنده اجرا کند. داده های آزمایش شده ممکن است یک دوره یا شرایط خاص بازار را نشان دهد که کاملاً برای سناریوی امروزی فراموشی است. همیشه یک خطر در حال اجرا وجود دارد که این برنامه ممکن است بیش از حد آموزش داده شود تا متناسب با روندهای خاص ، خطر ابتلا به بهینه سازی بیش از حد باشد.
• Front-Ruing-صندوق های کمکی از الگوریتم های آینده نگر استفاده می کنند که پتانسیل تشخیص سفارشات بزرگ قریب الوقوع توسط سرمایه گذاران نهادی را دارند که بازرگانان را قادر می سازد تا از این اوراق بهادار از جلو بهره مند شوند. به عبارت دیگر ، پس از سنجش یک جریان سفارش ورودی ، سیستم سفارشات خرید را تولید می کند و سپس به اطراف می چرخد و آنها را با قیمت کمی بالاتر به موسسه می فروشد.

آیا این واحد را دوست داشتید؟