Sayansi w’okusuubula Algo: Ebika, Roboti ezikola n’obukodyo 2025

Ebyenfuna eby’omulembe tebiyinza kulowoozebwako awatali kuwaanyisiganya ssente n’akatale k’emigabo. Okusuubula ku mikutu gino kiyitibwa
okusuubula . Abasuubuzi bakozesa nnyo ebisoboka mu tekinologiya wa kompyuta okusobola okwanguyiza okutambuza bizinensi yaabwe. Okusuubula nga okozesa ebikozesebwa mu kubala ne tekinologiya wa kompyuta kiyitibwa algorithmic trading. Ekiwandiiko kino kyogera ku kika kino eky’okusuubula mu butale bw’ebyensimbi, ebika byakyo, enkola ezikozesebwa, ebirungi n’ebibi, pulogulaamu ezikozesebwa.

Okusuubula mu ngeri ya Algorithmic kye ki (okusuubula mu ngeri ya algorithmic) .

Ekigambo “algorithmic trading” oba “algorithmic trading” kirina amakulu abiri. Mu mbeera esooka, ekigambo kino kitegeeza enkola y’okukola ekiragiro ekinene ku katale, okusinziira ku yo kiggulwawo mpolampola okusinziira ku mateeka agamu era ne kigabanyizibwamu otomatika mu ndagiriro entonotono eziwerako, ezirina omuwendo gwazo n’obunene bwazo. Buli kiragiro esindikibwa ku katale okutuukiriza. Ekigendererwa kya tekinologiya ono kwe kwanguyiza abasuubuzi okukola emirimu eminene egyetaaga okukolebwa mu ngeri etategeerekeka. Okugeza olina okugula emigabo 200,000, era buli kifo kirimu emigabo 4 omulundi gumu.
Amakulu ag’okubiri ag’ekigambo kino ge nkola eggulawo ebiragiro okusinziira ku nkola eweereddwa awatali kwetaba kwa musuubuzi. Algorithms ziteekebwawo okusobola okufuna obutereevu amagoba okuva mu kwekenneenya akatale okw’otoma. Enkola zino era ziyitibwa ”
trading robot “. Algorithmic trading ne algorithmic trading zikozesebwa ku exchanges, omuli cryptocurrency exchanges, ne Forex.

Omusingi gw’okusuubula mu ngeri ya algorithmic kye ki?

Okusuubula kwa Algo kuzingiramu okukung’aanya ebikwata ku kintu ekigere okusinziira ku byafaayo by’enkulaakulana yaakyo, okulonda enkola z’okutunda ebintu ne roboti ezisaanira ez’okusuubula. Okuzuula omuwendo, endowooza y’obusobozi (theory of probability) ekozesebwa, ensobi z’akatale n’obulabe bw’okuddamu okuziddamu mu biseera eby’omu maaso zisalibwawo. Okusunsulamu waliwo ebika bisatu. Ng’akozesa enkola ey’omu ngalo, omukugu akozesa ensengekera z’okubala n’ebikozesebwa mu kubala. Enkola y’obuzaale erimu okukola amateeka nga bakozesa enkola za kompyuta n’amagezi ag’obutonde. Automatic ekolebwa pulogulaamu ya kompyuta ey’enjawulo ekola ku nsengeka z’amateeka n’okugagezesa.

Bika ki eby’okusuubula mu ngeri ya algorithmic ebiriwo?

Okusuubula kwa algorithmic kuteekebwa mu nkola mu bitundu ebikulu ebiwerako:

1. Okwekenenya eby’ekikugu . Okukozesa obutakola bulungi mu katale n’okuzuula emitendera egy’omulembe nga tuyita mu kwekenneenya okw’okubala okw’edda n’okw’omubiri.
2. Okukola akatale . Enkola eno ekuuma ssente z’akatale. Abakola akatale basasulwa olw’okuwanyisiganya nga bamatiza obwetaavu, omuli n’okufuna amagoba. Enkola eno yeesigamiziddwa ku kubala ebitabo n’okutambula amangu kw’amawulire okuva mu butale.
3. Okudduka mu maaso . Okwekenenya obungi bw’ebiragiro okusinziira ku bikozesebwa n’okulonda ebisinga obunene ku byo. Enkola eno yeesigamiziddwa ku kuba nti order ennene ejja kuba n’ebbeeyi ennene era ejja kusikiriza counter orders nnyingi. Algorithms zeekenneenya tape ne order book data era zigezaako okutereeza entambula mu biseera by’okutunda ennene amangu okusinga abeetabye abalala.
4. Okusuubula Babiri n’Ebisero . Ebivuga bibiri oba okusingawo bikwatagana n’enkolagana eya waggulu, naye si ya kimu ku kimu. Okuva kw’ekimu ku bivuga okuva ku kkoosi eweereddwa kitegeeza nti kitera okudda mu kibinja kyakyo. Okuzuula enkolagana kiyamba okukola obusuubuzi obuvaamu amagoba.
5. Okusala emisango . Enkola eno yeesigamiziddwa ku kugeraageranya eby’obugagga ebirina enkyukakyuka y’emiwendo efaanagana. Okufaanagana kuno oluusi kutyobolwa olw’ensonga ez’enjawulo. Ekikulu mu arbitrage kwe kutunda eky’obugagga eky’ebbeeyi n’okugula eky’ebbeeyi entono. N’ekyavaamu, eby’obugagga bijja kwenkana mu bbeeyi, era eky’obugagga eky’ebbeeyi entono kijja kweyongera mu bbeeyi. Enkola z’okusuubula mu ngeri ya algorithmic zizuula enkyukakyuka mu miwendo mu katale ne zikola ddiiru za arbitrage ezikola amagoba.

   

6. Okusuubula okukyukakyuka . Ekika ky’okusuubula ekizibu, ekirimu okugula engeri ez’enjawulo. Omusuubuzi asuubira nti okukyukakyuka kwa sitooka kweyongera ng’atunda ate okukendeera ng’agula. Obusuubuzi obw’ekika kino bwetaaga obusobozi obw’amaanyi obw’ebyuma n’abakugu abalina ebisaanyizo.

Enkola z’okukola mu kusuubula algorithmic, amazima gonna ku kusuubula roboti: https://youtu.be/eg3s0c_X_ao

Ddi era etya okusuubula kwa algorithmic kwalabika, nga ekintu ekirabika

Okusuubula kwa algorithmic kwakolebwa ku ntandikwa y’emyaka gya 1970 nga watondebwawo NASDAQ, okuwanyisiganya okwasooka okukozesa okusuubula kwa kompyuta. Mu biseera ebyo, algorithmic trading yali efunibwa bamusigansimbi abanene bokka, abantu ba bulijjo tebaalina tekinologiya ng’oyo. Kompyuta zaali tezituukiridde mu kiseera ekyo, era mu 1987 waaliwo ensobi mu byuma (hardware error) eyaviirako akatale k’Amerika okugwa. Mu 1998, SEC – akakiiko k’ebyemisolo mu Amerika kakkiriza mu butongole okukozesa emikutu gy’okusuubula egy’ebyuma bikalimagezi. Omwaka guno gulina okutwalibwa ng’olunaku lw’okulabika kwa algorithmic trading mu ngeri yaayo ey’omulembe. Ku ntandikwa y’emyaka gya 2000, okutunda nga tukozesa kompyuta kwakolebwanga mu sikonda ntono. Wabula omugabo gwa robots ku katale gwali wansi wa 90%. Mu mwaka gwa 2009, ebiragiro ku kuwanyisiganya ebintu byaggwa mu milisekondi, era
roboti ezisuubula zaakola ebitundu 60% ku nkolagana. Oluvannyuma lwa 2012, embeera ekyuse. Obutategeerekeka bw’akatale bwavaako okulemererwa mu pulogulaamu ezaaliwo mu kiseera ekyo. Ebitundu by’obusuubuzi ebikolebwa mu ngeri ey’otoma bikendeezeddwa okutuuka ku bitundu 50% ku byonna. Okusobola okwewala ensobi, okukola n’okussa mu nkola enkola ya artificial intelligence etandise.

Okusuubula kwa algorithmic kwawukana kutya ku kusuubula kwa algorithmic?

Wadde nga endowooza zino zirabika nga zifaanagana, omuntu alina okwawula wakati w’endowooza za “algorithmic trading” ne “algorithmic trading”. Mu mbeera esooka, enkola y’okukola oda ennene nga bagigabanyaamu ebitundu n’oluvannyuma ne bagiwaayo okusinziira ku mateeka agamu etegeeza, ate mu mbeera eyokubiri, boogera ku nkola ey’otoma ekola oda nga tewali musuubuzi okusinziira ku mateeka agamu enkola ya algorithm. Algorithms mu algorithmic trading zikozesebwa okwanguyiza okukola emirimu eminene omusuubuzi. Mu kusuubula kwa algorithmic, zikozesebwa okwekenneenya akatale n’okuggulawo ebifo okwongera ku nnyingiza.

Software ki esaanira okusuubula mu ngeri ya algorithmic?

Okuva okusuubula mu ngeri ya algorithm bwe kuzingiramu okukozesa tekinologiya wa kompyuta, olina okulonda pulogulaamu entuufu. Roboti y’okusuubula kye kimu ku bikozesebwa mu kwegezaamu mu kusuubula okw’otoma. Osobola okugikola ggwe kennyini ng’okozesa
ennimi za pulogulaamu , oba okukozesa omukutu okugikola.

Kiki ekirina okujjukirwanga nga tonnaba kukola algorithmic trading?

Ekisooka, kirungi okwogera nti omusuubuzi wa algo yeetaaga okusobola okukola pulogulaamu, kubanga emikutu egisinga gisobola okukuguka mu bukugu buno. Olulimi lwa programming olukozesebwa mu kusuubula algorithmic lulina okukwatagana ne platforms zonna ne algorithms ezikolebwa. Olulimi olusinga okusaanira okukola pulogulaamu ye C# (C-sharp). Ekozesebwa mu mikutu nga TSLab, StockSharp, WealthLab. Nga tomanyi lulimi lwa pulogulaamu, pulogulaamu 2 ezisembayo zijja kuba zirina okukuguka okumala emyezi egiwerako.

TSLab y’emu ku pulogulaamu ezisinga okwettanirwa okuddukanya algorithmbots.

Omukutu gw’okukola, okugezesa n’okutongoza
roboti n’enkola ezisuubula. Mulimu ekintu ekirabika obulungi mu ngeri ya cubes, ekijja okukusobozesa okukola roboti nga tomanyi lulimi lwa programming. Osobola okukuŋŋaanya enkola y’okusuubula gy’oyagala okuva mu cubes. Ebyafaayo by’ebikozesebwa mu kusuubula ebikung’aanyizibwa pulogulaamu bijja kukusobozesa okuzuula n’okutereeza ensobi mu scripts, ate ebikozesebwa mu kwekenneenya eby’ekikugu bijja kukuyamba okukola eky’okugonjoola eky’enjawulo.

Okuteeka mu nkola

Okusobola okuteeka omukutu guno, olina okuwanula ekintu ekyo okuva ku mukutu omutongole. Olupapula lw’okuwanula lugamba nti pulogulaamu eno ekola ku nkyusa za Windows eza 64-bit zokka. Oluvannyuma lw’okuwanula, ggulawo fayiro y’okussaako. Nga tonnaba kugiteeka, ejja kukusaba okuteeka enkyusa eyasembyeyo eya .NET Framework ne Visual C++ Redistributable Studio.

Singa enkyusa ezeetaagisa eza pulogulaamu zino teziriiwo, olina okuziteekamu. Omukutu tegujja kukola nga tebaliiwo. Singa enkyusa za pulogulaamu zino ezisembyeyo zibaawo, eddirisa ly’okutandika ly’omuteeka lijja kugguka. Katunyige ku “Ekiddako”.
Tukkiriziganya n’ebiragiro ebiri mu ndagaano ya layisinsi era ne tulonda ekkubo pulogulaamu gy’egenda okuteekebwamu.

Olwo olina okuwa olukusa lw’okussaako n’olinda okuggwa.
Okuteeka bwe kunaggwa, eddirisa erikwatagana lijja kugguka. Osobola okuddukanya pulogulaamu oluvannyuma lw’okugiteeka.

Okutendekebwa mu kusuubula kwa algorithmic ku TSlab

Enteekateeka y’abagaba ebintu

Okuteekawo n’okugezesa roboti y’okusuubula, olina okuba n’ebyafaayo by’ebijuliziddwa. Okufuna ebyafaayo bya quotes, olina okuteekawo data provider. Mu “Data” menu, londa ekintu “Suppliers”.
Taabu y’abatunzi etaliimu kintu kyonna ejja kugguka. Tulina okunyiga ku “Add” button. Mu kasanduuko k’okukubaganya ebirowoozo akaggulawo, londa “Historical Data”. Ku mutendera guno, olina okulonda ekika kya data eky’okujuliza. Mu mbeera eno, fayiro y’ebiwandiiko erimu ebijuliziddwa nga erina omutendera gw’ebbeeyi ogwa 0.01 elonda. Wano wefunire fayiro eyeetaagisa okuva mu tterekero.

Wano wefunire fayiro 1.rand.quote.step=0.01_1m.txt.zip. Bw’omala okuwanula, funa fayiro eyo mu folda gy’owanula ogiggye mu archive. Tudda ku TSlab ne tulonda ekintu “Suppliers” mu “Data” menu.
Eddirisa erikwatagana lijja kugguka. Olina okunyiga ku “Add” button.
Edirisa lya Add Supplier lijja kugguka. Mu yo, londa ekintu “Historical data”, n’oluvannyuma koona ku “Next”.
Mu ddirisa eriddako, lambika erinnya n’ekika kya data eky’omuwa. Teeka erinnya ku TextData ate ekika kya data ku Text Files. Tunyiga “Ekiddako”.
Londa ekkubo erigenda eri oyo agaba ebintu. Ekkubo erisookerwako ye C:ProgramDataTSLabTSLab 2.1ProvidersText. Osobola okulaga ekkubo ery’enjawulo ng’onyiga … mu bbaala y’ekkubo. Tuteeka ekkubo lya fayiro yaffe, oluvannyuma ne tuteekawo ebipimo: 1. Omuwendo gw’ebifo bya decimal guli 2. 2. Omutendera gw’ebbeeyi gusalibwawo otomatiki singa guba wansi wa 1. Fayiro erimu omutendera gwa 0.01 era nga gulaga 1 okuyingira mu nteekateeka kijja kulonda omutendera gwa 0.1
Nywa ku “Next” button. Mu ddirisa lya Providers, omuwa data wa TextData ajja kufuuka alabika.

Okukola ekiwandiiko

Omukutu gwa TSLab gukusobozesa okukola enkola z’okusuubula, okugezesa n’okukola robots z’okusuubula – ba agenti. Naye nga tonnaba kukola algorithm ya trading, olina okugiwandiika script. Okukola kino, londa “Lab” mu menu. Londa “Scripts” okuva mu lukalala olukka wansi.
Akabokisi k’okukubaganya ebirowoozo kajja kugguka, mwe tunyiga ku “Create New”. Mu ddirisa eryokubiri, ssaamu erinnya ly’ekiwandiiko n’onyiga “OK”.
Koona emirundi ebiri ku bbaatuuni ya mouse eya kkono ku script eyatondebwa okulongoosa. Tujja kulaba omuwandiisi w’ebiwandiiko ebirabika.

Bbulooka eya bbululu eya nneekulungirivu ye “ekintu ekisuubulirwa”. Grey rectangle “Volume 1” – omuwendo gw’emirimu egy’enjawulo oba endagaano z’ebiseera eby’omu maaso okumala ekiseera ekigere. Block “Closing” eraga bbeeyi y’okuggalawo ebbaala. “Graph panel” block ekola panel ekwatagana.
Koona ku ddyo. Londa “Properties” okuva mu menu egwa wansi. Londa ekitundu ekiyitibwa Script.
Lemesa “Kozesa.” olunaku okuva ku”. Londa ekitundu “Ensonda”, era mu kyo – ekintu ekikozesebwa. Nywa ku kifo kino. Edirisa lya “Londa emigabo” lijja kugguka, nga mu yo ojja kwetaaga okulonda omuwa data wa TextData era olage ekintu – quotes za fayiro y’ebiwandiiko 1.rand.quote.step=0.01_1m. Nywa ku “OK” okukakasa.

Oluvannyuma lw’okulonda ekintu, ekitundu ekiriko ekifaananyi ky’ekipande n’ekiwandiiko “Loading” kijja kulabika waggulu ku ddirisa. Oluvannyuma lw’okukola ku data, erinnya ly’ekintu ekirondeddwa lijja kulabika ku tabu eno – 1.rand.quote.step=0.01_1m

Nywa ku “Save and execute” oluvannyuma lw’okutikka data.
Ekiwandiiko kino kikoleddwa okulaga ekivuga ku kipande. N’ekisembayo, ekitundu kya giraafu kijja kugguka. Enkola z’okusuubula ne agenti z’okusuubula ziteekebwawo mu ngeri y’emu. Nga bw’olaba, okusuubula mu ngeri ya algorithmic nga tuyambibwako TSlab kumpi buli muntu asobola era tekyetaagisa kutendekebwa nga bukyali. Ekirungi ekikulu ekya TSLab kiri nti omukozesa yenna asobola okutandika okukung’aanya robots ezisuubula oluvannyuma lw’ennaku 2-3 ng’asoma omukutu guno. Kino kyanguyirwa omuwandiisi w’ebifaananyi. Nga oyambibwako omuwandiisi, ojja kuyiga endowooza eyetaagisa eyeetaagisa mu kusuubula kwa algorithmic. TSLab ewagira olulimi lwa C#, pulogulaamu endala ku musingi guno esobola okugenda mu maaso nga okozesa TSLab API. Naye, okwongera okunnyika mu kusuubula algorithmic kirungi okugenda mu maaso ne pulogulaamu ezisingako obuzibu.

stocksharp

Stocksharp ye tterekero lya robots ezisuubula nga ziwandiikiddwa mu C#. Roboti ezisuubula zikuŋŋaanyizibwa mu mbeera ya pulogulaamu ya Visual Studio. N’olwekyo, nga tonnawandiika roboti ng’okozesa ekintu kino, ojja kwetaaga okumala waakiri emyezi mukaaga ng’oyiga olulimi lwa pulogulaamu. Si buli muntu nti asobola okumaliriza okusoma okutuuka ku nkomerero. Naye okukozesa omukutu guno kituufu mu bujjuvu mu nkola.

ObugaggaLab

WealthLab ye nkola endala ey’okugezesa n’okukola robots ezisuubula n’enkola okuva mu Fidelity. Waliwo enkyusa bbiri eza pulogulaamu eno: Pro eri bannansi ba Amerika abalina akawunti ya Fidelity, ne Developer eri abalala bonna. WealthLab ekusobozesa okukozesa ebikozesebwa mu kwekenneenya eby’ekikugu mu kukola robots, okufuna signals okuyingira n’okuggalawo ddiiru n’okuzikyusa ku terminal. Omusuubuzi bw’aba tamanyi kukola pulogulaamu, asobola okukozesa omuyambi (omugezigezi). Omukutu guno gwesigamiziddwa ku nnimi za pulogulaamu za C# ne Pascal. Omukutu guno gukuba ebipande mu ngeri y’ebitundu, ebikondo by’ettaala eby’e Japan, ebipande bya layini n’ebirala.
Omulimu omukulu ogwa pulogulaamu eno kwe kulongoosa n’okugezesa enkola nga zeesigamiziddwa ku biwandiiko eby’ebyafaayo. WealthLab esobola okuyigibwa si mangu nga TSLab, wabula mu myezi 2 gyokka. Olulimi lwa pulogulaamu oluzimbibwamu luwa emikisa mingi mu kutondawo enkola z’okusuubula ezikola amagoba. Omusuubuzi asobola okuyunga omukutu guno ku pulogulaamu ya Quik, ejja okusobozesa okuteeka oda nga tolina mukutu gwa yintaneeti.

Bukodyo ki obukozesebwa mu kusuubula mu ngeri ya algorithmic?

Ku kusuubula nga okozesa algorithms okuleeta ebivaamu ebirabika, olina okunywerera ku nkola ekoleddwa ku mbeera eyeetongodde.

1. Enkola ey’okuteebereza . Kigendereddwamu okutuuka ku bbeeyi esinga obulungi ey’okuyingira mu nkolagana okusobola okufuna amagoba agaddirira. Ekozesebwa okusinga abasuubuzi ab’obwannannyini.
2. okusima amawulire . Okuzuula enkola empya ez’enkola empya. Ebisinga obungi ku bikwata ku nkola eno bikuŋŋaanyizibwa ku nkola eno nga tebannaba kugezesebwa. Amawulire ganoonyezebwa okusinziira ku nteekateeka z’omu ngalo.
3. TWAP ye bbeeyi eya wakati epimiddwa obudde. Okuggulawo oda mu biseera eby’enkanankana ku miwendo egy’okugula n’okuwaayo okusinga obulungi.
4. VWAP – bbeeyi ya wakati epimiddwa mu bungi. Okuggulawo ekifo mu bitundu ebyenkanankana nga kiriko obuzito bwe bumu okumala ekiseera ekigere ate nga emiwendo egitasukka muwendo gwa wakati.
5. Enkola y’okutuukiriza . Enkola ekozesebwa okufuna eky’obugagga ku bbeeyi eya wakati mu bungi obunene. Okusinga ekozesebwa ba broker ne hedge funds.

Engeri y’okuziyiza okufiirwa nga okola algorithmic trading, risk management

Ensobi nnene okukkiriza nti omusuubuzi wa algorithmic yeetaaga okukola roboti y’okusuubula yokka. Obulabe bwonna bulina okuziyizibwa era ne buggyibwawo. Okutaataaganyizibwa mu masannyalaze, yintaneeti n’ensobi mu kubalirira ne pulogulaamu kiyinza okukuviirako okufiirwa ennyo n’okukuggyako ddala ssente z’ofuna. Seva y’ebintu ebikozesebwa okusuubula mu nkola ya algorithm eyinza okulemererwa amangu ddala oba enkola y’emirimu eyinza okuddamu okutandika ku yo. Okumalawo obuzibu ku seva, osobola okupangisa seva oba okusitula eyiyo. Kino bwe kitabaawo, olina okulonda seva okuva ku mugabi omunywevu alina omukutu omulungi. Enkola eno erina okuba n’amaanyi agasinga obutono aga 40-50%. Ebizibu by’okuyunga bulijjo bibaawo mu ngeri etasuubirwa. Osobola okutegeka omukago okuwanyisiganya ne kuggalawo ebifo oluvannyuma lw’omukago okubula. Okwonoonebwa kwa data packet kulondoolebwa okuyita mu WatchDog tracking algorithms. Enkola z’okusuubula ezikozesebwa mu kusuubula tezituukiridde era okuzigatta kuyinza okuvaamu ebivaamu eby’enjawulo ddala. Mu nkola, ensobi za API ziyinza okukolebwa. Bbeeyi, obungi, omuwendo gwa looti ziyinza okulagibwa mu bukyamu. Ekirala, okusuubula kuyinza okukolebwa ku wiikendi oba ennaku enkulu, enkola y’okusuubula oba ekkomo ku akawunti limenya.

Okumalawo ensobi zino, kyetaagisa okulondoola n’okwekenneenya ebiragiro n’ekkomo ly’obukodyo bw’okusuubula okusobola okumalawo ebipimo ebikyamu.

Singa wabaawo embeera ey’amangu, kyetaagisa okutegeeza amangu abantu bonna abakwatibwako ku nsonga eno ng’oyita ku bubaka bwa SMS, e-mail, obubaka obw’amangu n’emikutu emirala egy’empuliziganya. Kikulu nnyo okuwandiika buli kulemererwa mu biwandiiko okusobola okuziyiza okuddiŋŋana kwakwo mu biseera eby’omu maaso. Engeri y’okukolamu ssente ezitakola nga okozesa enkola ya algorithmic trading: https://youtu.be/UeUANvatDdo

Algo trading: ebirungi n’ebibi

Roboti ezisuubula tezifugibwa nsonga “ez’abantu” eziyinza okukosa omulimu gwazo: obukoowu, okumenyawo enneewulira, n’ebirala. Eno y’enkizo enkulu ey’okusuubula mu ngeri ya algorithm. Algorithms zigoberera pulogulaamu etegeerekese obulungi era teziva ku yo. Okusuubula Algo kulina ebizibu ebiwerako. Mu bino mulimu naddala obutafuna mawulire agakwata ku busuubuzi obw’ekika kino mu bifo eby’olukale. Omusuubuzi wa algorithmic alina okuba nga mukugu mu kukola programming, ekintu ekizibu ennyo eri abakugu mu by’ensimbi abasinga obungi. Singa akatale kakyuka, ojja kuba olina okukyusa ddala algorithm. Mu kuwandiika roboti esuubula, ensobi esobola okukolebwa ejja okutwala algorithm yonna mu kkubo erikyamu, era kino kijja kuleetera okufiirwa ssente.
Okusuubula kwa algorithmic kika kya kusuubula okuwanyisiganya ssente ekizibu ennyo nga kyetaagisa okumanya si mu kusuubula kwokka, naye ne mu kubala ne pulogulaamu. Kyetaagisa si kusobola kukola algorithm eyagala yokka, naye n’okuziyiza ebizibu by’okuyunga, ensobi mu algorithms ne program code. Olina okulowooza obulungi nga tonnasalawo kusuubula mu ngeri eno. Wadde kiri kityo, ng’amaze okukikugukamu n’okukikozesa obulungi mu nkola, omusuubuzi ajja kufuna okweyongera okw’amaanyi mu nnyingiza era ajja kwanguyiza omulimu gwe.