Sayensị nke Algo Trading: ụdị, Robots na-arụ ọrụ na atụmatụ 2024

Akụ na ụba nke oge a bụ ihe a na-apụghị ichetụ n’echiche na-enweghị mgbanwe na ahịa ngwaahịa. A na-akpọ ịzụ ahịa na saịtị ndị a
ahia . Ndị na-azụ ahịa na-arụsi ọrụ ike na-eji ohere nke teknụzụ kọmputa eme ka omume nke azụmahịa ha dị mfe. Ịzụ ahịa site na iji ụdị mgbakọ na mwepụ na teknụzụ kọmputa ka a na-akpọ trading algorithmic. Isiokwu a na-ekwu maka ụdị azụmaahịa a na ahịa ego, ụdị ya, ụzọ eji eme ihe, uru na ọghọm, ngwanrọ eji.

Gịnị bụ Algorithmic trading (algorithmic trading)

Okwu “algorithmic trading” ma ọ bụ “algorithmic trading” nwere ihe abụọ pụtara. N’okwu nke mbụ, okwu a pụtara usoro iji mezuo nnukwu iwu na ahịa, dịka nke a na-emepe ya nke nta nke nta dị ka iwu ụfọdụ si dị, a na-ekewa ya na-akpaghị aka n’ime ọtụtụ sub-iwu, nke nwere ọnụ ahịa na olu ha. A na-ezigara iwu ọ bụla n’ahịa maka igbu ya. Ebumnuche nke nkà na ụzụ bụ iji mee ka ọ dịkwuo mfe maka ndị na-azụ ahịa ka ha na-azụ ahịa buru ibu nke dị mkpa ka a na-eme n’ụzọ kacha nta a na-ahụ anya. Dịka ọmụmaatụ, ịkwesịrị ịzụta 200,000 mbak, na ọnọdụ ọ bụla gụnyere 4 mbak n’otu oge.
Ihe nke abụọ pụtara okwu a bụ usoro na-emepe iwu dịka algorithm nyere na-enweghị ntinye aka nke onye na-ere ahịa. Edebere algọridim ka ọ wee nweta uru ozugbo na nyocha ahịa akpaaka. A na-akpọkwa sistemụ ndị a ”
robot trading “. A na-eji azụmaahịa algọridim na azụmaahịa algorithmic na mgbanwe, gụnyere mgbanwe cryptocurrency na Forex.

Kedu ihe bụ isi nke trading algorithmic?

Azụmahịa Algo gụnyere ịnakọta data na otu akpan akpan dabere na akụkọ ntolite ya, ịhọrọ algọridim maka azụmahịa yana robots azụmaahịa dabara adaba. Iji chọpụta ọnụahịa ahụ, a na-etinye echiche nke ihe gbasara nke puru omume, adịghị ike ahịa na ohere nke nlọghachi ha n’ọdịnihu. Enwere ụdị nhọrọ atọ. Site na usoro ntuziaka, ọkachamara na-etinye usoro mgbakọ na mwepụ na ụdị anụ ahụ. Usoro mkpụrụ ndụ ihe nketa gụnyere mmepe nke iwu site na sistemụ kọmputa na ọgụgụ isi. A na-emepụta akpaaka site na mmemme kọmputa pụrụ iche nke na-ahazi usoro iwu ma nwalee ha.

Kedu ụdị azụmaahịa algorithmic dị?

A na-emejuputa azụmaahịa algorithmic n’ọtụtụ isi mpaghara:

1. Nyocha teknụzụ . Iji adịghị arụ ọrụ ahịa na-achọpụta ihe na-eme ugbu a site na mgbakọ na mwepụ oge gboo na nyocha anụ ahụ.
2. Ime ahịa . Usoro a na-edobe oke ego ahịa. A na-akwụghachi ndị na-eme ahịa ụgwọ site na mgbanwe site na afọ ojuju ọchịchọ, gụnyere megide uru. Usoro a dabere na ndekọ ego na ngwa ngwa nke ozi sitere na ahịa.
3. Na-agba ọsọ n’ihu . Nyocha nke olu nke iwu site na ngwá ọrụ na nhọrọ nke ndị kasị ukwuu n’ime ha. Usoro a dabere n’eziokwu na nnukwu usoro ga-enwe ọnụ ahịa buru ibu ma na-adọta ọtụtụ iwu counter. Algorithms na-enyocha teepu wee tụọ data akwụkwọ wee gbalịa idozi mmegharị n’oge nnukwu azụmahịa ngwa ngwa karịa ndị sonyere ndị ọzọ.
4. Ụzọ abụọ na ịzụ ahịa nkata . Ejikọtara ngwa abụọ ma ọ bụ karịa na njikọ dị elu, mana ọ bụghị otu-na-otu. Ntughari nke otu n’ime ngwa sitere na usoro enyere pụtara na o yikarịrị ka ọ ga-alaghachi na otu ya. Ịchọpụta njikọ ahụ na-enyere aka ịme ahịa ahịa bara uru.
5. Mkpebi ikpe . Usoro a gbadoro ụkwụ na atụnyere akụ na mgbanwe ọnụahịa yiri ya. A na-emebi myirịta a mgbe ụfọdụ n’ihi ihe dị iche iche. Ihe kacha mkpa nke mkpezi ikpe bụ ire ihe bara uru na ịzụrụ nke dị ọnụ ala. N’ihi ya, ihe onwunwe ga-ahaba na ọnụahịa, na ihe dị ọnụ ala ga-abawanye na ọnụahịa. Sistemụ azụmaahịa algorithmic na-achọpụta mgbanwe ọnụahịa n’ahịa ma na-eme azụmahịa mkpezi na-aba uru. [okwu id = “ihe mgbakwunye_12595” mezie = “aligncenter” obosara = “650”] Atụmatụ ịzụ ahịa algọridim pụrụ iche[/okwu]
6. Ịzụ ahịa volatility . Ụdị ịzụ ahịa dị mgbagwoju anya, nke gụnyere ịzụrụ nhọrọ dị iche iche. Onye na-ere ahịa na-atụ anya ka mgbanwe nke ngwaahịa na-abawanye mgbe ọ na-ere ma na-ebelata mgbe ịzụrụ. Ụdị ahia a chọrọ ikike akụrụngwa na ndị ọkachamara ruru eru.

Atụmatụ na-arụ ọrụ na algorithmic trading, eziokwu dum gbasara ịzụ ahịa robot: https://youtu.be/eg3s0c_X_ao

Mgbe na kedu ka algọridim azụmahịa si pụta, dị ka ihe ọhụrụ

Emepụtara azụmaahịa algorithmic na mbido 1970 site na imepụta NASDAQ, mgbanwe mbụ iji azụmaahịa kọmputa. N’oge ahụ, algorithmic trading dị naanị maka nnukwu ndị investors, ndị nkịtị enweghị ohere ịnweta nkà na ụzụ dị otú ahụ. Kọmputa ezughị oke mgbe ahụ, na 1987 enwere njehie ngwaike nke butere ọdịda nke ahịa America. N’afọ 1998, SEC – US Securities Commission nyere iwu ka iji usoro ịzụ ahịa eletrọnịkị. Afọ a kwesịrị ịtụle ụbọchị nke ọdịdị algorithmic trading n’ụdị nke oge a. [okwu id = “ihe mgbakwunye_12604” mezie = “aligncenter” obosara = “663”]
Ihe kpatara trading automation[/caption] Na mbido 2000s, a na-eji kọmputa eme azụmahịa n’ime sekọnd ole na ole. Mana òkè nke robots n’ahịa erughị 90%. Ka ọ na-erule afọ 2009, e dechara iwu maka mgbanwe na milliseconds, na
rọbọto ịzụ ahịa mere 60% nke azụmahịa. Mgbe 2012 gasịrị, ọnọdụ ahụ agbanweela. The unpredictability nke ahịa butere ọdịda na software dị mgbe ahụ. Pasent nke azụmaahịa emere na akpaghị aka ka ebelatala na 50% nke mkpokọta. Iji zere mmejọ, mmepe na mmejuputa ọgụgụ isi nke artificial amalitela.

Kedu ka ịzụ ahịa algọridim dị iche na ịzụ ahịa algọridim?

N’agbanyeghị myirịta pụtara ìhè nke echiche, onye kwesịrị ịmata ọdịiche dị n’etiti echiche nke “algorithmic trading” na “algorithmic trading”. N’okwu nke mbụ, usoro nke ime ihe dị ukwuu site n’ịkewaa ya n’ime akụkụ ma nyefee ya dịka iwu ụfọdụ si dị, na nke abụọ, ha na-ekwu maka usoro akpaghị aka nke na-emepụta iwu na-enweghị onye na-ere ahịa dịka ụfọdụ. algọridim. A na-eji algọridim na azụmaahịa algọridim dị mfe iji mee ka ogbugbu nke nnukwu azụmahịa site n’aka onye na-ere ahịa. Na algọridim trading, a na-eji ha nyochaa ahịa na-emeghe ọkwá na-amụba ego.

Kedu ngwanrọ dabara adaba maka ịzụ ahịa algọridim?

Ebe ọ bụ na ịzụ ahịa algọridim gụnyere iji teknụzụ kọmputa, ịkwesịrị ịhọrọ ngwanrọ ziri ezi. Robot azụmaahịa bụ isi ihe eji eme azụmaahịa akpaghị aka. Ị nwere ike ịzụlite ya n’onwe gị site na iji
asụsụ mmemme , ma ọ bụ jiri ikpo okwu mepụta ya.

Kedu ihe ekwesịrị icheta tupu ịme ahịa algorithmic?

Nke mbụ, ọ bara uru ịkọwa na onye na-ere ahịa algo kwesịrị inwe ike ịme mmemme, n’ihi na ọtụtụ nyiwe nwere ike ịmụta site na ịmụta nkà a. Asụsụ mmemme a na-eji maka ịzụ ahịa algọridim ga-adabarịrị na nyiwe na algọridim niile a na-emepụta. Asụsụ mmemme kacha dabara adaba bụ C # (C-sharp). A na-eji ya na nyiwe dị ka TSlab, StockSharp, WealthLab. N’ịmaghị asụsụ mmemme, mmemme 2 ikpeazụ ga-abụ nke ọma maka ọtụtụ ọnwa. [okwu id = “ihe mgbakwunye_12606” mezie = “aligncenter” obosara = “558”]
ahia ahia robot architecture[/ okwu]

TSlab bụ otu n’ime mmemme kachasị ewu ewu maka ịgba ọsọ algorithmbots.

Ikpo okwu maka imepụta, nwale na ịmalite
robots na sistemu azụmaahịa. Gụnyere onye na-ahụ maka ihe ngosi dabara adaba n’ụdị cubes, nke ga-enye gị ohere ịmepụta robot na-amaghị asụsụ mmemme. Ị nwere ike ikpokọta algọridim ahịa ahịa chọrọ site na cubes. Akụkọ ihe mere eme nke ngwá ọrụ azụmaahịa anakọtara site na mmemme ahụ ga-enye gị ohere ịchọta ma dozie njehie na edemede, ebe ngwaọrụ nyocha teknụzụ ga-enyere gị aka ịmepụta ngwọta pụrụ iche.

Nwụnye

Iji wụnye ikpo okwu, ịkwesịrị ibudata installer na ebe nrụọrụ weebụ gọọmentị. Ibe nbudata ahụ kwuru na mmemme a na-arụ ọrụ naanị na ụdị 64-bit nke Windows. Mgbe nbudata, mepee faịlụ nwụnye. Tupu ịwụnye, ọ ga-akpali gị ịwụnye ụdị .NET Framework kachasị ọhụrụ na Visual C++ Redistributable Studio.

Ọ bụrụ na nsụgharị dị mkpa nke mmemme ndị a adịghị, ị kwesịrị ịwụnye ha. Ikpo okwu agaghị arụ ọrụ na-enweghị ha. Ọ bụrụ na ụdị mmemme ndị a kacha ọhụrụ dị, windo mmalite installer ga-emeghe. Ka anyị pịa “Ọzọ”.
Anyị kwenyere na usoro nke nkwekọrịta ikike wee họrọ ụzọ ebe a ga-etinye mmemme ahụ.

Mgbe ahụ, ị ​​ga-enye ikike maka nrụnye wee chere ka ọ mezue.
Mgbe emechara nrụnye, windo kwekọrọ ga-emeghe. Ị nwere ike na-agba ọsọ usoro ihe omume mgbe echichi.

Ọzụzụ na algorithmic trading na TSlab

Nhazi onye na-ebubata ihe

Ka ịtọlite ​​​​ma nwalee rọbọt azụmaahịa, ịkwesịrị ịnwe akụkọ ihe mere eme nke nhota. Iji nweta akụkọ ihe mere eme nke nhota, ịkwesịrị ịtọlite ​​​​onye na-eweta data. Na “Data” menu, họrọ ihe “Suppliers”.
Taabụ ndị na-ere ihe efu ga-emeghe. Anyị kwesịrị pịa bọtịnụ “Tinye”. N’ime igbe okwu meghere, họrọ “Data akụkọ ihe mere eme”. N’oge a, ịkwesịrị ịhọrọ ụdị data maka nhota. N’okwu a, a na-ahọrọ faịlụ ederede nwere nrụtụ aka nwere nrịgo ọnụahịa nke 0.01. Budata faịlụ achọrọ site na ebe nchekwa.

Budata faịlụ 1.rand.quote.step=0.01_1m.txt.zip. Ozugbo ebudatara, chọta faịlụ na nchekwa nbudata wee wepụ ya na ebe nchekwa. Anyị na-alaghachi na TSlab wee họrọ ihe “Suppliers” na “Data” menu.
Window kwekọrọ ga-emeghe. Ịkwesịrị ịpị bọtịnụ “Tinye”.
Window Tinye Supplier ga-emeghe. N’ime ya, họrọ ihe ahụ “Data akụkọ ihe mere eme”, wee pịa “Ọzọ”.
Na mpio na-esote, ezipụta aha na ụdị data nke onye na-eweta ya. Tọọ aha na TextData na ụdị data na faịlụ ederede. Anyị pịa “Ọzọ”.
Họrọ ụzọ maka ndị na-ebubata ya. Ụzọ ndabara bụ C: ProgramData TLab TLab 2.1 Providers Ederede. Ị nwere ike ezipụta ụzọ dị iche site na ịpị … na ogwe ụzọ. Anyị na-edozi ụzọ nke faịlụ anyị, mgbe nke ahụ gasịrị, anyị na-edozi paramita: 1. Ọnụ ọgụgụ nke ebe iri bụ 2. 2. A na-ekpebi usoro ọnụahịa na-akpaghị aka ma ọ bụrụ na ọ na-erughị 1. Faịlụ nwere nzọụkwụ 0.01 na ịkọwa 1. banye na ntọala ga-ahọrọ nzọụkwụ nke 0.1
Pịa na bọtịnụ “Ọzọ”. Na mpio ndị na-enye ihe, a ga-ahụ onye na-eweta data TextData.

Ịmepụta edemede

Usoro TSlab na-enye gị ohere ịmepụta algọridim azụmahịa, nwalee ma mepụta robots trading – ndị ọrụ. Mana tupu ịmepụta algọridim trading, ịkwesịrị ịdere ya edemede. Iji mee nke a, họrọ “Lab” na menu. Họrọ “Scripts” na listi ndọpụta.
Igbe mkparịta ụka ga-emeghe, nke anyị pịa “Mepụta Ọhụrụ”. Na mpio nke abụọ, tinye aha nke edemede wee pịa “OK”.
Pịa bọtịnụ òké aka ekpe ugboro abụọ na edemede emepụtara maka edezi. Anyị ga-ahụ editọ script visual.

Ngwunye akụkụ anọ na-acha anụnụ anụnụ bụ “ngwa a na-ere ahịa”. Gray rectangle “Mpịakọta 1” – ọnụ ọgụgụ nke arụmọrụ na nhọrọ ma ọ bụ ọdịnihu contracts maka oge ụfọdụ. Mgbochi “Mmechi” na-egosipụta ọnụahịa mmechi nke ụlọ mmanya ahụ. Ihe mgbochi “panel eserese” na-emepụta panel kwekọrọ.
Pịa aka nri. Họrọ “Njirimara” site na menu ndọpụta. Họrọ taabụ Script.
Gbanyụọ “Jiri ụbọchị site na”. Họrọ taabụ “Isi iyi”, na n’ime ya – ngwá ọrụ. Pịa na ubi a. Window “Select securities” ga-emeghe, nke ị ga-achọ ịhọrọ onye na-eweta data TextData wee kọwapụta ngwá ọrụ – nhota nke faịlụ ederede 1.rand.quote.step=0.01_1m. Pịa “OK” iji gosi.

Mgbe ahọpụtara ngwá ọrụ ahụ, taabụ nwere foto eserese na ihe odide “Loading” ga-apụta n’elu windo ahụ. Mgbe ịhazi data ahụ, aha ngwá ọrụ ahọpụtara ga-apụta na taabụ a – 1.rand.quote.step=0.01_1m

Pịa “Chekwa ma mebie” mgbe ị bulitechara data ahụ.
Emebere edemede a iji gosipụta ngwa na eserese ahụ. N’ikpeazụ, taabụ eserese ga-emeghe. A na-ahazi algọridim azụmaahịa na ndị na-ere ahịa n’otu ụzọ ahụ. Dị ka ị pụrụ ịhụ, algorithmic trading na enyemaka nke TSlab dị maka ihe fọrọ nke nta ka ọ bụrụ onye ọ bụla na ọ dịghị achọ tupu ọzụzụ. Isi uru nke TSlab bụ na onye ọrụ ọ bụla nwere ike ịmalite ịchịkọta robots azụmaahịa mgbe ụbọchị 2-3 gachara ọmụmụ ihe. Onye ndezi anya na-akwado nke a. Site n’enyemaka nke onye nchịkọta akụkọ, ị ga-amụta echiche dị mkpa dị mkpa na ahia algorithmic. TSlab na-akwado asụsụ C #, enwere ike ịga n’ihu na mmemme n’elu ikpo okwu a site na iji API TSlab. Otú ọ dị, imikpu n’ihu na ịzụ ahịa algorithmic ka mma ịga n’ihu na mmemme mgbagwoju anya.

stocksharp

Stocksharp bụ ọbá akwụkwọ nke rọbọtụ azụmaahịa nke edere na C #. A na-achịkọta roboti ndị na-azụ ahịa na gburugburu mmemme Visual Studio. Ya mere, tupu ị dee robọt site na iji akụrụngwa a, ị ga-achọ ka ọ dịkarịa ala ọnwa isii ịmụta asụsụ mmemme. Ọ bụghị onye ọ bụla nwere ike imecha ọmụmụ ihe ahụ ruo ọgwụgwụ. Agbanyeghị, ojiji nke ikpo okwu a ziri ezi n’ụzọ zuru oke na omume.

WealthLab

WealthLab bụ ikpo okwu ọzọ maka ịnwale na ịzụlite robots na sistemụ sitere na Fidelity. Enwere ụdị mmemme abụọ: Pro maka ụmụ amaala US nwere akaụntụ Fidelity, yana Onye Mmepụta maka onye ọ bụla ọzọ. WealthLab na-enye gị ohere iji ngwaọrụ nyocha teknụzụ na mmepe nke robots, nata akara ịbanye na mechie nkwekọrịta ma nyefee ha na njedebe. Ọ bụrụ na onye ahịa amaghị ka esi eme mmemme, ọ nwere ike iji onye enyemaka (ọkachamara). Ikpo okwu dabere na C# na asụsụ mmemme Pascal. Ikpo okwu na-ese eserese n’ụdị nke ngalaba, oriọna ndị Japan, eserese ahịrị, wdg.
Isi ọrụ nke mmemme ahụ bụ njikarịcha na nyocha nke atụmatụ dabere na data akụkọ ihe mere eme. Enwere ike ịmụta WealthLab ọ bụghị ngwa ngwa ka TSlab, mana n’ime naanị ọnwa 2. Asụsụ mmemme etinyere na ya na-enye ohere dị ukwuu n’ịmepụta atụmatụ azụmaahịa bara uru. Onye na-ere ahịa nwere ike jikọta ikpo okwu na ngwugwu ngwanrọ Quik, nke ga-enye ohere ịnye iwu na-anọghị n’ịntanetị.

Kedu atụmatụ a na-eji maka ịzụ ahịa algọridim?

Maka ịzụ ahịa site na iji algọridim iji weta nsonaazụ a na-ahụ anya, ịkwesịrị ịrapara na atụmatụ e mere maka ọnọdụ akọwapụtara.

1. Atụmatụ nkọwa . Ezubere ya iji nweta ọnụahịa kacha mma maka ịbanye azụmahịa maka uru na-esote. Ndị ahịa nkeonwe na-ejikarị eme ihe.
2. ngwuputa data . Ịchọta ụkpụrụ ọhụrụ maka algọridim ọhụrụ. A na-anakọta ọtụtụ data na atụmatụ a tupu ule. A na-achọ ozi site na ntọala ntuziaka.
3. TWAP bụ ọnụ ahịa agbagoro ogologo oge. Imepe iwu n’oge nha anya n’oge kacha mma yana ọnụ ahịa na-enye.
4. VWAP – ọnụ ahịa nha nha olu. Imepe ọnọdụ n’otu akụkụ na otu olu maka oge ụfọdụ na ọnụ ahịa adịghị elu karịa nkezi uru.
5. Atụmatụ igbu egbu . Atụmatụ ejiri nweta akụ na ọnụ ahịa dị arọ na nnukwu olu. Ndị na-ere ahịa na ego mkpuchi na-ejikarị eme ihe.

[okwu id = “ihe mgbakwunye_12599” mezie = “aligncenter” obosara = “768”] Onye
nrụpụta maka ịmepụta atụmatụ azụmaahịa akpaghị aka[/caption]

Otu esi egbochi mfu mgbe ị na-eme ahia algorithmic, njikwa ihe egwu

Ọ bụ nnukwu ndudue ikwere na onye na-azụ ahịa algọridim naanị kwesịrị ịmepụta robot trading. A ghaghị igbochi ma kpochapụ ihe egwu niile. Nkwụsị na ọkụ eletrik, njikọ Ịntanetị na njehie na mgbakọ na mwepụ na mmemme nwere ike iduga nnukwu mfu ma napụ gị kpamkpam. [okwu id = “ihe mgbakwunye_12559” mezie = “aligncenter” obosara = “938”]
Otu esi emepụta atụmatụ ịzụ ahịa algọridim[/okwu] Ihe nkesa akụrụngwa ebe a na-eme ịzụ ahịa algọridim nwere ike daa na mberede ma ọ bụ sistemụ arụmọrụ nwere ike ịmalitegharị na ya. Iji kpochapụ nsogbu na ihe nkesa, ị nwere ike ịgbazite ihe nkesa ma ọ bụ bulie nke gị. Ọ bụrụ na nke a adịghị, ịkwesịrị iburu sava n’aka onye na-eweta kwụsiri ike nwere ezigbo njikọ. Sistemu kwesịrị inwe oke ike kacha nta nke 40-50%. Nsogbu njikọ na-eme mgbe niile na-atụghị anya ya. Ị nwere ike ịhazi njikọ ahụ ka mgbanwe ahụ mechie ọnọdụ mgbe njikọ ahụ kwụsịrị. A na-enyocha nrụrụ ngwugwu data site na algọridim nke WatchDog. Atụmatụ ịzụ ahịa eji na ịzụ ahịa ezughị oke na nchikota ha nwere ike ibute nsonaazụ dị iche iche kpamkpam. Na ngwa, API nwere ike ime mperi. Enwere ike igosipụta ọnụahịa, olu, uru nke nza na ezighi ezi. Ọzọkwa, enwere ike ịme azụmaahịa na ngwụsị izu ma ọ bụ ezumike, atụmatụ azụmaahịa ma ọ bụ oke akaụntụ mebiri.

Iji kpochapụ njehie ndị a, ọ dị mkpa iji nyochaa na nyochaa iwu na njedebe nke usoro ịzụ ahịa iji kpochapụ paramita na-ezighị ezi.

N’ọnọdụ ọnọdụ mberede, ọ dị mkpa ịgwa ndị niile nwere mmasị ozugbo banyere nke a site na SMS, e-mail, ndị ozi ngwa ngwa na ọwa nkwukọrịta ndị ọzọ. Ọ dị mkpa ka ịdekọ ọdịda ọ bụla na ndekọ iji gbochie ikwughachi ya n’ọdịnihu. Otu esi emepụta ego na-agafe agafe na ahia algorithmic: https://youtu.be/UeUANvatDdo

Algo trading: uru na ọghọm

Robots na-azụ ahịa adịghị n’okpuru ihe “mmadụ” nke nwere ike imetụta ọrụ ha: ike ọgwụgwụ, ndakpọ mmetụta uche, na ndị ọzọ. Nke a bụ isi uru algorithmic trading. Algorithms na-agbaso mmemme akọwara nke ọma na ọ dịghị mgbe esi na ya pụọ. Azụmahịa Algo nwere ọtụtụ ọghọm. Ndị a gụnyere, ọkachasị, enweghị ike ịnweta ozi gbasara ụdị azụmaahịa a na ngalaba ọha. Onye na-ere ahịa algọridim ga-abụrịrị ọkachamara na mmemme, nke siri ezigbo ike maka ọtụtụ ndị ọkachamara ego. Ọ bụrụ na ahịa gbanwere, ị ga-agbanwe kpamkpam algọridim. N’ịde robot trading, enwere ike imehie ihe nke ga-eduga algọridim dum n’ụzọ na-ezighị ezi, nke a ga-edugakwa na-efunahụ ego.
Azụmahịa Algorithmic bụ ụdị azụmaahịa dị mgbagwoju anya nke na-achọ ihe ọmụma ọ bụghị naanị na azụmaahịa, kamakwa na mgbakọ na mwepụ na mmemme. Ọ dị mkpa ọ bụghị naanị iji nwee ike ịmepụta algọridim chọrọ, kamakwa iji gbochie nsogbu njikọ, njehie na algọridim na koodu mmemme. Ịkwesịrị iche echiche nke ọma tupu ị kpebie ịzụ ahịa n’ụzọ dị otú a. Ka o sina dị, ebe ọ mụtara ya ma tinye ya n’ọrụ n’ụzọ ziri ezi na omume, onye ahịa ahụ ga-enweta mmụba dị ukwuu na ego ma mee ka ọrụ ya dịkwuo mfe.