Algo ကုန်သွယ်မှု- ၎င်း၏အနှစ်သာရ၊ ကုန်သွယ်မှုဗျူဟာများနှင့် အန္တရာယ်များ

လက်ရှိတွင်၊ လဲလှယ်ခြင်းဆိုင်ရာ လုပ်ဆောင်ချက်အများစုကို အထူးစက်ရုပ်များအသုံးပြု၍ လုပ်ဆောင်နေပြီး အမျိုးမျိုးသော algorithms များကို ထည့်သွင်းထားသည်။ ဤနည်းဗျူဟာကို algorithmic trading ဟုခေါ်သည်။ ဤသည်မှာ စျေးကွက်ကို ပုံစံအမျိုးမျိုးဖြင့် ပြောင်းလဲခဲ့သော မကြာသေးမီ ဆယ်စုနှစ်များအတွင်း လမ်းကြောင်းတစ်ခုဖြစ်သည်။

algorithmic trading ဆိုတာ ဘာလဲ။

အယ်ဂိုရီသမ်ကုန်သွယ်ခြင်း၏ အဓိကပုံစံမှာ HFT ကုန်သွယ်မှုဖြစ်သည်။ အဓိကအချက်မှာ ငွေပေးငွေယူ ချက်ခြင်း အပြီးသတ်ရန်ဖြစ်သည်။ တစ်နည်းဆိုရသော် ဤအမျိုးအစားသည် ၎င်း၏အဓိကအားသာချက် – မြန်နှုန်းကို အသုံးပြုသည်။ algorithmic trading ၏သဘောတရားတွင် အဓိက အဓိပ္ပါယ်ဖွင့်ဆိုချက် နှစ်ခုရှိသည်။

• Algo အရောင်းအ၀ယ်။ ၎င်းကိုပေးထားသည့် algorithm တွင် ကုန်သည်မပါဘဲ အရောင်းအဝယ်ပြုလုပ်နိုင်သော အော်တိုစနစ်။ စျေးကွက်၏အလိုအလျောက်ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့်ဖွင့်လှစ်ထားသောရာထူးများကြောင့်တိုက်ရိုက်အမြတ်ရရှိရန်အတွက်စနစ်သည်လိုအပ်သည်။ ဤ algorithm ကို “ကုန်သွယ်စက်ရုပ်” သို့မဟုတ် “အကြံပေး” ဟုခေါ်သည်။
• Algorithmic ကုန်သွယ်မှု။ စျေးကွက်အတွင်းရှိကြီးမားသောအမိန့်များကိုကွပ်မျက်ခြင်း, ၎င်းတို့ကိုအစိတ်အပိုင်းများအဖြစ်အလိုအလျောက်ခွဲခြားပြီးသတ်မှတ်ထားသောစည်းမျဉ်းများနှင့်အညီဖြည်းဖြည်းချင်းဖွင့်လှစ်သောအခါ။ အရောင်းအ၀ယ်ပြုလုပ်ရာတွင် ကုန်သည်များ၏ လက်လုပ်လက်စားလုပ်အားကို လွယ်ကူချောမွေ့စေရန် အဆိုပါစနစ်ကို အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ ရှယ်ယာ 100,0,000 ကိုဝယ်ရန်တာဝန်ရှိလျှင်, သင်သည် 1-3 ရှယ်ယာများကိုတစ်ချိန်တည်းတွင်ရာထူးဖွင့်ရန်လိုအပ်သည်

ရိုးရိုးရှင်းရှင်းပြောရလျှင် algorithmic trading သည် စတော့အချက်အလက်ခွဲခြမ်းစိတ်ဖြာရန်၊ သင်္ချာမော်ဒယ်များတွက်ချက်ရန်နှင့် အရောင်းအ၀ယ်ပြုလုပ်ရန် လိုအပ်သည့်အချိန်ကို လျှော့ချပေးသည့် ကုန်သည်များလုပ်ဆောင်သည့် နေ့စဉ်လုပ်ငန်းဆောင်တာများ၏ အလိုအလျောက်စနစ်ဖြစ်သည်။ စနစ်သည် စျေးကွက်လုပ်ဆောင်မှုတွင် လူသား၏အခန်းကဏ္ဍ (စိတ်ခံစားမှု၊ ထင်ကြေးပေးမှု၊ “ကုန်သည်၏ ပင်ကိုယ်ဥာဏ်”) ကို ဖယ်ရှားပေးကာ တစ်ခါတစ်ရံတွင် အလားအလာအကောင်းဆုံးဗျူဟာ၏ အမြတ်အစွန်းကိုပင် ပျက်ပြားစေသည်။

algorithmic ကုန်သွယ်မှုပေါ်ပေါက်ရေးသမိုင်း

1971 ကို algorithmic trading ၏ အစမှတ်အဖြစ် သတ်မှတ်သည် (၎င်းကို ပထမဆုံး အလိုအလျောက် ကုန်သွယ်မှုစနစ် NASDAQ နှင့် တပြိုင်နက် ပေါ်လာသည်)။ 1998 ခုနှစ်တွင် US Securities Commission (SEC) သည် အီလက်ထရွန်နစ် ကုန်သွယ်မှုပလပ်ဖောင်းများကို အသုံးပြုရန် တရားဝင်ခွင့်ပြုခဲ့သည်။ ထို့နောက်တွင် မြင့်မားသောနည်းပညာများ၏ တကယ့်ပြိုင်ဆိုင်မှု စတင်ခဲ့သည်။ ဖော်ပြရကျိုးနပ်သည့် algorithmic trading ၏ဖွံ့ဖြိုးတိုးတက်မှုအတွက်အောက်ပါအရေးကြီးသောအခိုက်အတန့်များ-

• ၂၀၀၀ ခုနှစ်များအစောပိုင်း။ အလိုအလျောက် ငွေပေးငွေယူများကို စက္ကန့်အနည်းငယ်အတွင်း ပြီးမြောက်ခဲ့သည်။ စက်ရုပ်များ၏ စျေးကွက်ဝေစုသည် 10% ထက်နည်းပါသည်။
• ၂၀၀၉ ခုနှစ်။ အမိန့်ချမှတ်ခြင်း၏ အရှိန်သည် မီလီစက္ကန့်များစွာအထိ အကြိမ်များစွာ လျှော့ချခဲ့သည်။ ကုန်သွယ်မှုလက်ထောက်များ၏ရှယ်ယာသည် 60% အထိမြင့်တက်လာသည်။
• 2012 နှင့်အထက်။ ဖလှယ်မှုများတွင် အဖြစ်အပျက်များ ကြိုမခန့်မှန်းနိုင်ခြင်းကြောင့် ဆော့ဖ်ဝဲလ်အများစု၏ တင်းကျပ်သော အယ်လဂိုရီသမ်များတွင် အမှားအယွင်းများစွာကို ဖြစ်စေသည်။ ယင်းကြောင့် အလိုအလျောက်ကုန်သွယ်မှု ပမာဏကို စုစုပေါင်း၏ 50% သို့ လျှော့ချခဲ့သည်။ Artificial Intelligence နည်းပညာကို တီထွင်ပြီး မိတ်ဆက်လျက်ရှိသည်။

ယနေ့ခေတ်တွင် ကြိမ်နှုန်းမြင့် ကုန်သွယ်မှုသည် ဆက်စပ်ဆဲဖြစ်သည်။ ပုံမှန်လုပ်ငန်းဆောင်တာများစွာ (ဥပမာ၊ စျေးကွက်ချဲ့ထွင်ခြင်း) ကို အလိုအလျောက်လုပ်ဆောင်ပြီး ကုန်သည်များအတွက် ဝန်ထုပ်ဝန်ပိုးကို သိသိသာသာ လျှော့ချပေးပါသည်။ သို့သော်လည်း စက်သည် လူတစ်ဦး၏ အသက်မွေးဝမ်းကြောင်းဆိုင်ရာ ဉာဏ်ရည်ဉာဏ်သွေးကို အပြည့်အဝ အစားထိုးနိုင်ခြင်းမရှိသေးပေ။ သိသာထင်ရှားသော စီးပွားရေးဆိုင်ရာ နိုင်ငံတကာသတင်းများ ထုတ်ဝေမှုကြောင့် စတော့ဈေးကွက်၏ မငြိမ်မသက်မှုများ ပြင်းထန်စွာ တိုးလာသောအခါ အထူးသဖြင့် ဤသည်မှာ မှန်ပါသည်။ ဤကာလအတွင်း စက်ရုပ်များကို အားကိုးခြင်းမပြုရန် အထူးအကြံပြုလိုပါသည်။

algorithmic trading ၏ အားသာချက်များနှင့် အားနည်းချက်များ

algorithm ၏အားသာချက်များသည် manual trading ၏အားနည်းချက်များဖြစ်သည်။ လူသားများသည် စိတ်ခံစားမှု၏ လွှမ်းမိုးမှုကို အလွယ်တကူခံရသော်လည်း စက်ရုပ်များ မဟုတ်ပါ။ စက်ရုပ်သည် အယ်လဂိုရီသမ်အရ တင်းကြပ်စွာ ကုန်သွယ်မှုပြုလိမ့်မည်။ သဘောတူညီချက်သည် အနာဂတ်တွင် အမြတ်အစွန်းရနိုင်လျှင် စက်ရုပ်က သင့်ထံသို့ ပို့ဆောင်ပေးမည်ဖြစ်သည်။ ထို့အပြင် လူတစ်ဦးသည် မိမိလုပ်ဆောင်မှုအပေါ် အပြည့်အဝအာရုံစူးစိုက်နိုင်စွမ်းမရှိသည့်အပြင် တစ်ခါတစ်ရံတွင် အနားယူရန် လိုအပ်သည်။ စက်ရုပ်များသည် ထိုသို့သော ချို့ယွင်းချက် ကင်းစင်ပါသည်။ သူတို့တွင်၎င်းတို့၌၎င်းတို့ရှိကြ၏။

• အယ်လဂိုရီသမ်များကို တင်းကျပ်စွာ လိုက်နာခြင်းကြောင့် စက်ရုပ်သည် ပြောင်းလဲနေသော စျေးကွက်အခြေအနေများနှင့် လိုက်လျောညီထွေမဖြစ်နိုင်ပါ။
• algorithmic ကုန်သွယ်မှုကိုယ်တိုင်၏ရှုပ်ထွေးမှုနှင့်ပြင်ဆင်မှုအတွက်မြင့်မားသောလိုအပ်ချက်များ;
• စက်ရုပ်ကိုယ်တိုင်က မတွေ့နိုင်သော မိတ်ဆက်ထားသော အယ်လဂိုရီသမ်များ၏ အမှားများ (ဒါက လူသားတစ်ဦးဖြစ်နေပြီ၊ သို့သော် စက်ရုပ်များသည် ၎င်းကို မလုပ်ဆောင်နိုင်သေးသော်လည်း၊ လူတစ်ဦးသည် ၎င်း၏အမှားများကို ရှာဖွေပြီး ပြုပြင်နိုင်သည်)။

ကုန်သွယ်စက်ရုပ်များကို ကုန်သွယ်မှုတွင် ငွေရှာရန် တစ်ခုတည်းသောနည်းလမ်းအဖြစ် သင်မစဉ်းစားသင့်ပါ၊ အဘယ်ကြောင့်ဆိုသော် အလိုအလျောက်ကုန်သွယ်ခြင်းနှင့် manual trading ၏အမြတ်အစွန်းသည် လွန်ခဲ့သောနှစ်ပေါင်း 30 ကျော်က တူညီလုနီးပါးဖြစ်လာသောကြောင့်ဖြစ်သည်။

algorithmic ကုန်သွယ်မှု၏အနှစ်သာရ

Algo ကုန်သည်များ (အခြားအမည် – ကွမ်တမ်ကုန်သည်များ) သည် လိုအပ်သည့်အတိုင်းအတာအတွင်း စျေးနှုန်းများကျဆင်းသွားနိုင်သည့် ဖြစ်နိုင်ခြေသီအိုရီကိုသာ အသုံးပြုသည်။ တွက်ချက်မှုသည် ယခင်စျေးနှုန်းစီးရီး သို့မဟုတ် ငွေကြေးဆိုင်ရာ တူရိယာများစွာအပေါ် အခြေခံသည်။ စျေးကွက်အမူအကျင့် အပြောင်းအလဲနှင့်အတူ စည်းမျဉ်းများသည် ပြောင်းလဲသွားမည်ဖြစ်သည်။
Algorithmic ကုန်သည်များသည် စျေးကွက်မထိရောက်မှု၊ သမိုင်းတွင် ထပ်တလဲလဲကိုးကားမှုပုံစံများနှင့် အနာဂတ်တွင် ထပ်တလဲလဲကိုးကားချက်များကို တွက်ချက်နိုင်စွမ်းကို အမြဲရှာဖွေနေပါသည်။ ထို့ကြောင့်၊ အယ်လဂိုရစ်သမ်ကုန်သွယ်ခြင်း၏ အနှစ်သာရမှာ ပွင့်လင်းသောရာထူးများနှင့် စက်ရုပ်အုပ်စုများကို ရွေးချယ်ခြင်းအတွက် စည်းမျဉ်းများပေါ်တွင် တည်ရှိသည်။ ရွေးချယ်မှုမှာ-

• လက်စွဲ – သင်္ချာနှင့် ရုပ်ပိုင်းဆိုင်ရာ မော်ဒယ်များကို အခြေခံ၍ သုတေသီမှ ကွပ်မျက်ခြင်းကို လုပ်ဆောင်သည်။
• အလိုအလျောက် – ပရိုဂရမ်အတွင်း စည်းမျဉ်းများနှင့် စမ်းသပ်မှုများကို အစုလိုက်အပြုံလိုက် စာရင်းကောက်ယူရန်အတွက် လိုအပ်သော၊
• မျိုးရိုးဗီဇ – ဤတွင် စည်းကမ်းများကို ဉာဏ်ရည်တုပါ၀င်သော ပရိုဂရမ်တစ်ခုက တီထွင်ထားသည်။

algorithmic trading နှင့် ပတ်သက်၍ အခြားသော အယူအဆများနှင့် Utopias များသည် စိတ်ကူးယဉ်ဆန်သည်။ စက်ရုပ်များပင်လျှင် 100% အာမခံချက်ဖြင့် အနာဂတ်ကို “ကြိုတင်ခန့်မှန်းခြင်း” မလုပ်နိုင်ပါ။ စက်ရုပ်များကို အချိန်မရွေး နေရာမရွေး ကျင့်သုံးနိုင်သော စည်းမျဉ်းများ ချမှတ်ထားသောကြောင့် စျေးကွက်သည် ထိရောက်မှု မရှိနိုင်ပါ။ အယ်လဂိုရီသမ်များ (ဥပမာ၊ Renessance Technology၊ Citadel၊ Virtu) အသုံးပြုသည့် ရင်းနှီးမြုပ်နှံမှုကုမ္ပဏီများတွင် ရာနှင့်ချီသော အုပ်စုများ (မိသားစုများ) သည် တူရိယာထောင်ပေါင်းများစွာကို လွှမ်းခြုံထားသော ကုန်သွယ်စက်ရုပ်များဖြစ်သည်။ ၎င်းသည် ၎င်းတို့ကိုနေ့စဉ်အမြတ်အစွန်းများယူဆောင်လာပေးသည့် အယ်လဂိုရီသမ်များ ကွဲပြားမှုတစ်ခုဖြစ်သည့် ဤနည်းလမ်းဖြစ်သည်။

Algorithms အမျိုးအစားများ

အယ်လဂိုရီသမ်တစ်ခုသည် တိကျသောအလုပ်တစ်ခုကိုလုပ်ဆောင်ရန် ဒီဇိုင်းထုတ်ထားသော ရှင်းလင်းသောညွှန်ကြားချက်များအစုတစ်ခုဖြစ်သည်။ ငွေကြေးဈေးကွက်တွင်၊ အသုံးပြုသူ algorithms များကို ကွန်ပျူတာများဖြင့် လုပ်ဆောင်သည်။ စည်းမျဥ်းစည်းကမ်းများ ဖန်တီးရန်၊ နောင်လာမည့် ငွေပေးငွေယူများ၏ စျေးနှုန်း၊ ပမာဏနှင့် အကောင်အထည်ဖော်ချိန်ဆိုင်ရာ အချက်အလက်များကို အသုံးပြုပါမည်။ စတော့နှင့် ငွေကြေးဈေးကွက်များတွင် Algo ရောင်းဝယ်ခြင်းကို အဓိက အမျိုးအစား လေးမျိုး ခွဲခြားထားသည်။

• စာရင်းအင်း။ ဤနည်းလမ်းသည် ကုန်သွယ်မှုအခွင့်အလမ်းများကို ဖော်ထုတ်ရန်အတွက် သမိုင်းဝင်အချိန်စီးရီးများကို အသုံးပြု၍ ကိန်းဂဏန်းခွဲခြမ်းစိတ်ဖြာမှုအပေါ် အခြေခံထားသည်။
• အော်တို။ ဤနည်းဗျူဟာ၏ရည်ရွယ်ချက်မှာ စျေးကွက်တွင်ပါဝင်သူများ အရောင်းအဝယ်ဖြစ်နိုင်ချေကို လျှော့ချရန် စည်းမျဉ်းများဖန်တီးရန်ဖြစ်သည်။
• အမှုဆောင်။ ဤနည်းလမ်းသည် ကုန်သွယ်မှုအမှာစာများ အဖွင့်အပိတ်များနှင့် သက်ဆိုင်သည့် သီးခြားအလုပ်များကို လုပ်ဆောင်ရန် ဖန်တီးထားသည်။
• တည့်တည့်။ ဤနည်းပညာသည် စျေးကွက်သို့ဝင်ရောက်မှု၏အမြင့်ဆုံးအမြန်နှုန်းကိုရရှိရန်နှင့် ကုန်သွယ်မှုဂိတ်သို့ algorithmic ကုန်သည်များ၏ဝင်ရောက်မှုနှင့်ချိတ်ဆက်မှုကုန်ကျစရိတ်ကိုလျှော့ချရန်ရည်ရွယ်သည်။

ကြိမ်နှုန်းမြင့် အယ်လဂိုရီသမ်ကုန်သွယ်ခြင်းကို စက်မှုလယ်ယာစနစ်ဖြင့် ကုန်သွယ်မှုအတွက် သီးခြားဧရိယာအဖြစ် သတ်မှတ်နိုင်သည်။ ဤအမျိုးအစား၏ အဓိကအင်္ဂါရပ်မှာ အမှာစာဖန်တီးမှု ကြိမ်နှုန်းမြင့်မားသည်- ငွေပေးငွေယူများကို မီလီစက္ကန့်အတွင်း ပြီးမြောက်ပါသည်။ ဤနည်းလမ်းသည် အကျိုးကျေးဇူးများစွာကို ပေးစွမ်းနိုင်သော်လည်း အချို့သော အန္တရာယ်များကိုလည်း သယ်ဆောင်ပေးပါသည်။

အလိုအလျောက် ကုန်သွယ်မှု- စက်ရုပ်များနှင့် ကျွမ်းကျင်သူ အကြံပေးများ

1997 ခုနှစ်တွင် သုတေသီ Tushar Chand သည် သူ၏ စာအုပ် “Beyond Technical Analysis” (မူလက “Beyond Technical Analysis”) တွင် စက်ပိုင်းဆိုင်ရာ ကုန်သွယ်မှုစနစ် (MTS) ကို ပထမဆုံး ဖော်ပြခဲ့သည်။ ဤစနစ်ကို ကုန်သွယ်စက်ရုပ် သို့မဟုတ် ငွေကြေးလွှဲပြောင်းမှုဆိုင်ရာ အကြံပေးတစ်ဦးဟုခေါ်သည်။ ၎င်းတို့သည် စျေးကွက်ကို စောင့်ကြည့်ခြင်း၊ ကုန်သွယ်မှုအမိန့်များထုတ်ခြင်းနှင့် ဤအမိန့်များကို အကောင်အထည်ဖော်ခြင်းကို ထိန်းချုပ်သည့် ဆော့ဖ်ဝဲမော်ဂျူးများဖြစ်သည်။ စက်ရုပ်ကုန်သွယ်ပရိုဂရမ် နှစ်မျိုးရှိသည်။

• အလိုအလျောက် “မှ” နှင့် “သို့” – ၎င်းတို့သည် ကုန်သွယ်မှုတွင် အမှီအခိုကင်းသော ဆုံးဖြတ်ချက်များချနိုင်သည်၊
• အရောင်းအ၀ယ်ကို ကိုယ်တိုင်ဖွင့်ရန် ကုန်သည် အချက်ပြမှုများ ပေးသည့်အချက်မှာ ၎င်းတို့ကိုယ်တိုင် အမှာစာများ မပို့ပါ။

algorithmic အရောင်းအ၀ယ်ကိစ္စတွင်၊ 1st စက်ရုပ် သို့မဟုတ် အကြံပေးသူကိုသာ ထည့်သွင်းစဉ်းစားပြီး ၎င်း၏ “စူပါတာဝန်” သည် ကိုယ်တိုင်ကုန်သွယ်သည့်အခါ မဖြစ်နိုင်သည့် အဆိုပါဗျူဟာများကို အကောင်အထည်ဖော်ခြင်းဖြစ်သည်။

Renaissance Institutiona Equlties Fund သည် algorithmic trading ကိုအသုံးပြုသည့် အကြီးဆုံးပုဂ္ဂလိကရန်ပုံငွေဖြစ်သည်။ James Harris Simons မှ 1982 ခုနှစ်တွင်တည်ထောင်ခဲ့သော Renaissance Technologies LLC မှအမေရိကန်တွင်ဖွင့်လှစ်ခဲ့သည်။ Financial Times က နောက်ပိုင်းတွင် Simons ကို “ဉာဏ်အကောင်းဆုံး ဘီလီယံနာ” ဟုခေါ်ဆိုခဲ့သည်။

ကုန်သွယ်စက်ရုပ်များကို မည်သို့ဖန်တီးသနည်း။

စတော့ရှယ်ယာဈေးကွက်တွင် algorithmic ကုန်သွယ်မှုအတွက်အသုံးပြုသော စက်ရုပ်များသည် အထူးပြုကွန်ပျူတာပရိုဂရမ်များဖြစ်သည်။ ဗျူဟာများ အပါအဝင် စက်ရုပ်များ လုပ်ဆောင်မည့် အလုပ်အားလုံးအတွက် ရှင်းလင်းသော အစီအစဉ်တစ်ခု အသွင်အပြင်ဖြင့် ၎င်းတို့၏ ဖွံ့ဖြိုးတိုးတက်မှုသည် အစပြုပါသည်။ ပရိုဂရမ်မာ-ကုန်သွယ်သူတစ်ဦးရင်ဆိုင်နေရသောတာဝန်မှာ သူ၏အသိပညာနှင့် ကိုယ်ရေးကိုယ်တာအကြိုက်များကို ထည့်သွင်းစဉ်းစားသည့် algorithm တစ်ခုကို ဖန်တီးရန်ဖြစ်သည်။ ဟုတ်ပါတယ်၊ အရောင်းအဝယ်တွေကို အလိုအလျောက်ဖြစ်စေတဲ့ စနစ်ရဲ့ ကွဲပြားချက်အားလုံးကို ရှင်းရှင်းလင်းလင်း နားလည်ထားဖို့ လိုပါတယ်။ ထို့ကြောင့်၊ အတွေ့အကြုံမရှိသေးသော ကုန်သည်များသည် TC algorithm ကို ၎င်းတို့ဘာသာ ဖန်တီးရန် အကြံပြုထားခြင်း မရှိပါ။ ကုန်သွယ်မှုစက်ရုပ်များ၏ နည်းပညာပိုင်းဆိုင်ရာ အကောင်အထည်ဖော်မှုအတွက် အနည်းဆုံး ပရိုဂရမ်းမင်းဘာသာစကားကို သင်သိထားရန် လိုအပ်ပါသည်။ ပရိုဂရမ်များရေးရန် mql4, Python, C#, C++, Java, R, MathLab ကိုသုံးပါ။
ပရိုဂရမ်လုပ်နိုင်စွမ်းသည် ကုန်သည်များကို အကျိုးကျေးဇူးများစွာပေးသည်-

• ဒေတာဘေ့စ်များဖန်တီးနိုင်မှု;
• ပစ်လွှတ်ခြင်းနှင့် စမ်းသပ်ခြင်းစနစ်များ၊
• ကြိမ်နှုန်းမြင့်ဗျူဟာများကို ခွဲခြမ်းစိတ်ဖြာပါ။
• အမှားများကိုအမြန်ပြင်ပါ။

ဘာသာစကားတစ်ခုစီအတွက် အလွန်အသုံးဝင်သော open source စာကြည့်တိုက်များနှင့် ပရောဂျက်များစွာရှိသည်။ အကြီးဆုံး algorithmic ကုန်သွယ်မှုပရောဂျက်များထဲမှတစ်ခုသည် C++ တွင်တည်ဆောက်ထားသော QuantLib ဖြစ်သည်။ ကြိမ်နှုန်းမြင့်သော အယ်လဂိုရီသမ်များကို အသုံးပြုရန်အတွက် Currenex၊ LMAX၊ Integral သို့မဟုတ် အခြားသော ငွေဖြစ်လွယ်ဝန်ဆောင်မှုပေးသူများထံ တိုက်ရိုက်ချိတ်ဆက်ရန် လိုအပ်ပါက၊ သင်သည် Java တွင် ချိတ်ဆက်မှု API များကို ကျွမ်းကျင်စွာ ရေးသားနိုင်ရပါမည်။ ပရိုဂရမ်းမင်းကျွမ်းကျင်မှုမရှိပါက၊ ရိုးရှင်းသောစက်ပိုင်းဆိုင်ရာကုန်သွယ်မှုစနစ်များကိုဖန်တီးရန် အထူး algorithmic ကုန်သွယ်မှုပရိုဂရမ်များကို အသုံးပြုနိုင်သည်။ ထိုကဲ့သို့သော ပလပ်ဖောင်းများ၏ ဥပမာများ-

• TSLab;
• whelthlab;
• Metatrader;
• S#.Studio;
• များစွာသောဇယားများ;
• ကုန်သွယ်ရေးစခန်း။

စတော့ဈေးကွက်တွင် အယ်လ်ဂိုရီသမ်ဖြင့် ရောင်းဝယ်မှု

စတော့ခ်နှင့် အနာဂတ်စျေးကွက်များသည် အလိုအလျောက်စနစ်များအတွက် အခွင့်အလမ်းများစွာကို ပေးစွမ်းသော်လည်း အယ်လ်ဂိုရီသမ်နည်းဖြင့် ကုန်သွယ်မှုသည် ပုဂ္ဂလိကရင်းနှီးမြှုပ်နှံသူများထက် ကြီးမားသောရန်ပုံငွေများကြားတွင် ပို၍အဖြစ်များပါသည်။ စတော့ဈေးကွက်တွင် algorithmic trading အမျိုးအစားများစွာရှိသည်။

• နည်းပညာပိုင်းဆိုင်ရာခွဲခြမ်းစိတ်ဖြာမှုအပေါ်အခြေခံတဲ့စနစ်။ ခေတ်ရေစီးကြောင်းများ၊ စျေးကွက်လှုပ်ရှားမှုများကို ဖော်ထုတ်ရန်အတွက် စျေးကွက်မထိရောက်မှုနှင့် ညွှန်းကိန်းများစွာကို အသုံးပြုရန် ဖန်တီးထားသည်။ မကြာခဏ ဤနည်းဗျူဟာသည် ရှေးရိုးနည်းပညာပိုင်းဆိုင်ရာခွဲခြမ်းစိတ်ဖြာမှုနည်းလမ်းများမှ အကျိုးအမြတ်ရရှိရန် ရည်ရွယ်သည်။
• တွဲနှင့်ခြင်းတောင်း ရောင်းဝယ်ရေး။ စနစ်သည် အချိုးအစားနှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော တူရိယာများကို အသုံးပြုသည် (ထိုအရာများထဲမှ တစ်ခုသည် “လမ်းညွှန်” ဖြစ်သည်၊ ဆိုလိုသည်မှာ ၎င်းတွင် ပထမပြောင်းလဲမှုများ ဖြစ်ပေါ်ပြီး၊ ထို့နောက် 2nd နှင့် နောက်ဆက်တွဲတူရိယာများကို ဆွဲထုတ်သည်) အတော်လေးမြင့်မားသော ရာခိုင်နှုန်းနှင့် 1 နှင့် မညီမျှပါ။ ကိရိယာသည် သတ်မှတ်လမ်းကြောင်းမှ သွေဖည်သွားပါက၊ သူသည် သူ့အဖွဲ့ထံ ပြန်သွားနိုင်သည်။ ဤသွေဖည်မှုကို ခြေရာခံခြင်းဖြင့်၊ အယ်လဂိုရီသမ်သည် အရောင်းအ၀ယ်ပြုလုပ်နိုင်ပြီး ပိုင်ရှင်အတွက် အမြတ်အစွန်းရစေနိုင်သည်။
• စျေးကွက်ဖော်ဆောင်ရေး။ ဤသည်မှာ စျေးကွက်ငွေဖြစ်လွယ်မှုကို ထိန်းသိမ်းရန်တာဝန်ဖြစ်သော အခြားဗျူဟာတစ်ခုဖြစ်သည်။ သို့မှသာ ပုဂ္ဂလိက ကုန်သည် သို့မဟုတ် ခြံရံပုံငွေသည် မည်သည့်အချိန်တွင်မဆို ကုန်သွယ်မှုတူရိယာကို ဝယ်နိုင်၊ ရောင်းချနိုင်မည်ဖြစ်သည်။ စျေးကွက်ဖန်တီးသူများသည် အမျိုးမျိုးသော တူရိယာဝယ်လိုအားနှင့် လဲလှယ်မှုမှအမြတ်များကို ဖြည့်ဆည်းရန် ၎င်းတို့၏အမြတ်ငွေများကိုပင် အသုံးပြုနိုင်သည်။ သို့သော် ၎င်းသည် လျင်မြန်သော အသွားအလာနှင့် စျေးကွက်ဒေတာများအပေါ် အခြေခံ၍ အထူးဗျူဟာများအသုံးပြုခြင်းကို တားဆီးမည်မဟုတ်ပါ။
• ရှေ့ပြေး။ ထိုသို့သောစနစ်၏တစ်စိတ်တစ်ပိုင်းအနေဖြင့်၊ ငွေပေးငွေယူပမာဏကိုခွဲခြမ်းစိတ်ဖြာရန်နှင့်ကြီးမားသောအမှာစာများကိုခွဲခြားသတ်မှတ်ရန်ကိရိယာများကိုအသုံးပြုသည်။ ကြီးမားသောအမှာစာများသည် စျေးနှုန်းကိုထိန်းထားနိုင်ပြီး ဆန့်ကျင်ဘက်ကုန်သွယ်မှုများကို ဆန့်ကျင်ဘက်ဦးတည်ချက်တွင်ပေါ်လာစေသည်ဟု algorithm က ထည့်သွင်းစဉ်းစားသည်။ အမှာစာများနှင့် feeds များတွင် စျေးကွက်ဒေတာကို ပိုင်းခြားစိတ်ဖြာမှု အရှိန်အဟုန်ကြောင့် ၎င်းတို့သည် မတည်ငြိမ်မှုများ ကြုံတွေ့ရမည်ဖြစ်ပြီး၊ အခြားပါဝင်သူများကို စွမ်းဆောင်ရည်ထက် သာလွန်စေရန်နှင့် အလွန်ကြီးမားသော အမှာစာများကို လုပ်ဆောင်သည့်အခါ အနည်းငယ် မတည်ငြိမ်မှုကို လက်ခံမည်ဖြစ်သည်။
• အနု။ ဤသည်မှာ ငွေကြေးတူရိယာများကို အသုံးပြု၍ ငွေပေးငွေယူတစ်ခုဖြစ်ပြီး ၎င်းတို့အကြား ဆက်စပ်မှုသည် တစ်ခုနှင့်တစ်ခု နီးစပ်ပါသည်။ စည်းကမ်းအရ၊ ထိုတူရိယာများသည် အသေးဆုံးသွေဖီမှုများရှိသည်။ စနစ်သည် ဆက်စပ်တူရိယာများအတွက် စျေးနှုန်းပြောင်းလဲမှုများကို စောင့်ကြည့်ပြီး ဈေးနှုန်းများကို ညီမျှစေရန် arbitrage လုပ်ငန်းများကို လုပ်ဆောင်သည်။ ဥပမာ- ကုမ္ပဏီတစ်ခုတည်း၏ မတူညီသော ရှယ်ယာအမျိုးအစား 2 ခုကို ရယူပြီး 100% ဆက်စပ်မှုနှင့်အတူ တပြိုင်တည်းပြောင်းလဲသွားပါသည်။ သို့မဟုတ် တူညီသောရှယ်ယာများကို ယူသော်လည်း မတူညီသောစျေးကွက်များတွင် ရယူပါ။ လဲလှယ်မှုတစ်ခုတွင်၊ အခြားတစ်ခုထက် အနည်းငယ်စောပြီး မြင့်တက်/ကျသည်။ 1 ရက်နေ့တွင် ဤအခိုက်အတန့် “ဖမ်း” ခြင်းဖြင့် သင်သည် 2nd တွင် အပေးအယူများဖွင့်နိုင်သည်။
• မတည်ငြိမ်မှု ကုန်သွယ်မှု။ ရွေးချယ်စရာ အမျိုးအစားအမျိုးမျိုးကို ဝယ်ယူပြီး အချို့သော တူရိယာတစ်ခု၏ မငြိမ်မသက်မှု တိုးလာမှုကို မျှော်လင့်ခြင်းအပေါ် အခြေခံ၍ ၎င်းသည် အရှုပ်ထွေးဆုံး ကုန်သွယ်မှု အမျိုးအစားဖြစ်သည်။ ဤ algorithmic ကုန်သွယ်မှုသည် ကွန်ပျူတာစွမ်းအားနှင့် ကျွမ်းကျင်သူအဖွဲ့များစွာ လိုအပ်ပါသည်။ ဤတွင်၊ အကောင်းဆုံးစိတ်များသည် တူရိယာအမျိုးမျိုးကို ခွဲခြမ်းစိတ်ဖြာပြီး ၎င်းတို့အနက်မှ မည်သည့်အရာသည် မတည်ငြိမ်မှုကို တိုးပွားစေနိုင်သည်ဟူသော ခန့်မှန်းချက်များကို ပြုလုပ်ကြသည်။ ၎င်းတို့သည် ၎င်းတို့၏ ခွဲခြမ်းစိတ်ဖြာမှု ယန္တရားများကို စက်ရုပ်များအဖြစ် ထည့်သွင်းကာ ၎င်းတို့သည် အချိန်တန်လျှင် ယင်းကိရိယာများအတွက် ရွေးချယ်စရာများကို ဝယ်ယူကြသည်။

algorithmic ကုန်သွယ်မှု၏အန္တရာယ်များ

မကြာသေးမီအချိန်များတွင် algorithmic ကုန်သွယ်မှု၏သြဇာလွှမ်းမိုးမှုသိသိသာသာတိုးလာခဲ့သည်။ သဘာဝအားဖြင့်၊ ကုန်သွယ်မှုနည်းလမ်းအသစ်များသည် ယခင်က မမျှော်လင့်ထားသည့် အန္တရာယ်အချို့ကို သယ်ဆောင်လာပါသည်။ အထူးသဖြင့် HFT အရောင်းအ၀ယ်များသည် ထည့်သွင်းစဉ်းစားရန် လိုအပ်သည့် အန္တရာယ်များနှင့် လာပါသည်။
algorithms ဖြင့် အလုပ်လုပ်သောအခါ အန္တရာယ်အရှိဆုံး

• ဈေးခြယ်လှယ်ခြင်း။ တူရိယာတစ်ခုချင်းစီကို တိုက်ရိုက်အကျိုးသက်ရောက်စေရန် အယ်လဂိုရီသမ်များကို ပြင်ဆင်သတ်မှတ်နိုင်သည်။ ဤနေရာတွင် အကျိုးဆက်များသည် အလွန်အန္တရာယ်များသည်။ 2013 ခုနှစ်တွင် ကမ္ဘာလုံးဆိုင်ရာ BATS စျေးကွက်တွင် အရောင်းအ၀ယ်ပြုလုပ်သည့် 1 ရက်မြောက်နေ့တွင်၊ ကုမ္ပဏီ၏လုံခြုံရေးတန်ဖိုး အမှန်တကယ်ကျဆင်းသွားခဲ့ပါသည်။ 10 စက္ကန့်အတွင်းမှာပဲ စျေးနှုန်းက 15 ဒေါ်လာကနေ ဆင့်နှစ်ဆင့်အထိ ကျဆင်းသွားပါတယ်။ အကြောင်းရင်းမှာ ရှယ်ယာဈေးနှုန်းများကို လျှော့ချရန် တမင်တကာ စီစဉ်ခဲ့သည့် စက်ရုပ်၏ လုပ်ဆောင်ချက်ဖြစ်သည်။ ဤမူဝါဒသည် အခြားပါဝင်သူများကို လှည့်ဖြားနိုင်ပြီး ဖလှယ်မှုတွင် အခြေအနေကို အလွန်အမင်း ကမောက်ကမဖြစ်စေနိုင်သည်။
• လုပ်ငန်းအရင်းအနှီးများ စီးဆင်းမှု။ စျေးကွက်တွင် ဖိစီးမှုအခြေအနေရှိပါက စက်ရုပ်များအသုံးပြု၍ ပါဝင်သူများသည် ကုန်သွယ်မှုကို ရပ်ဆိုင်းသည်။ အမှာစာအများစုသည် auto-advisers များမှလာသောကြောင့်၊ ကိုးကားချက်အားလုံးကို ချက်ချင်းချပေးသည့် ကမ္ဘာလုံးဆိုင်ရာထွက်ပေါက်တစ်ခုရှိသည်။ ထိုသို့သောလဲလှယ်မှု “လွှဲခြင်း” ၏အကျိုးဆက်များသည် အလွန်ပြင်းထန်နိုင်ပါသည်။ ထို့အပြင် ငွေဖြစ်လွယ်မှု စီးဆင်းမှုသည် ကျယ်ပြန့်သော ထိတ်လန့်မှုကို ဖြစ်စေပြီး ခက်ခဲသော အခြေအနေများကို ပိုမိုဆိုးရွားစေမည်ဖြစ်သည်။
• မတည်ငြိမ်မှု သိသိသာသာ မြင့်တက်လာသည်။ တစ်ခါတစ်ရံတွင် ကမ္ဘာ့ဈေးကွက်အားလုံးတွင် ပိုင်ဆိုင်မှုတန်ဖိုးများ မလိုအပ်ဘဲ အတက်အကျရှိတတ်သည်။ စျေးနှုန်းများ သိသိသာသာ မြင့်တက်လာခြင်း သို့မဟုတ် ကပ်ဘေးကျရောက်ခြင်း ဖြစ်နိုင်သည်။ ဤအခြေအနေကို ရုတ်တရက် ပျက်ကွက်ခြင်းဟုခေါ်သည်။ မကြာခဏ အတက်အကျဖြစ်စေသော အကြောင်းရင်းမှာ ကြိမ်နှုန်းမြင့် စက်ရုပ်များ၏ အပြုအမူကြောင့် ဖြစ်သည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းတို့၏ စျေးကွက်ပါဝင်သူ စုစုပေါင်း၏ ရှယ်ယာသည် အလွန်များပြားသောကြောင့် ဖြစ်သည်။
• ကုန်ကျစရိတ်တွေ တိုးလာတယ်။ စက်ပိုင်းဆိုင်ရာ အတိုင်ပင်ခံ အများအပြားသည် ၎င်းတို့၏ နည်းပညာဆိုင်ရာ စွမ်းရည်များကို အဆက်မပြတ် မြှင့်တင်ရန် လိုအပ်ပါသည်။ ရလဒ်အနေဖြင့်၊ အကောက်ခွန်ပေါ်လစီသည်ပြောင်းလဲနေပြီး၊ ကုန်သည်များ၏အကျိုးအတွက်မဟုတ်ပေ။
• လုပ်ငန်းလည်ပတ်မှုအန္တရာယ်။ တစ်ပြိုင်နက်တည်း ဝင်လာသော အမှာစာ အများအပြားသည် ကြီးမားသော စွမ်းရည်ရှိသော ဆာဗာများကို ကျော်လွန်နိုင်သည်။ ထို့ကြောင့်၊ တစ်ခါတစ်ရံတွင် တက်ကြွသောကုန်သွယ်မှု၏ အထွတ်အထိပ်ကာလတွင်၊ စနစ်သည် အလုပ်မလုပ်တော့ဘဲ၊ အရင်းအနှီးစီးဆင်းမှုအားလုံးကို ဆိုင်းငံ့ထားကာ ပါဝင်သူများသည် ဆုံးရှုံးမှုကြီးကြီးမားမားရှိတတ်သည်။
• စျေးကွက်ကြိုတင်ခန့်မှန်းနိုင်မှုအဆင့် ကျဆင်းသွားသည်။ စက်ရုပ်များသည် အရောင်းအဝယ်စျေးနှုန်းများပေါ်တွင် သိသာထင်ရှားသော သက်ရောက်မှုရှိသည်။ ထို့အတွက်ကြောင့် ခန့်မှန်းချက်၏ တိကျမှု လျော့နည်းလာပြီး အခြေခံခွဲခြမ်းစိတ်ဖြာမှု၏ အခြေခံအုတ်မြစ်များ ပျက်ပြားသွားပါသည်။ ထို့အပြင် မော်တော်ယာဥ်လက်ထောက်များသည် ရိုးရာကုန်သည်များကို ကောင်းမွန်သောစျေးနှုန်းများကို ဆုံးရှုံးစေပါသည်။

စက်ရုပ်များသည် သာမာန်စျေးကွက်တွင် ပါဝင်သူများကို တဖြည်းဖြည်း အသိအမှတ်ပြုခြင်းဖြစ်ပြီး၊ ၎င်းသည် အနာဂတ်တွင် ကိုယ်တိုင်လုပ်ဆောင်မှုများကို အပြီးအပြတ် ငြင်းပယ်ခြင်းဆီသို့ ဦးတည်စေသည်။ အခြေအနေသည် အယ်လဂိုရီသမ်စနစ်၏ အနေအထားကို အားကောင်းစေမည်ဖြစ်ပြီး ၎င်းတို့နှင့် ဆက်စပ်နေသော အန္တရာယ်များကို တိုးလာစေသည်။

Algorithmic Forex ရောင်းဝယ်ရေး

အယ်လဂိုရီသမ် နိုင်ငံခြားငွေလဲလှယ်ရောင်းဝယ်မှု၏ ကြီးထွားမှုသည် အဓိကအားဖြင့် လုပ်ငန်းစဉ်များ၏ အလိုအလျောက်စနစ်နှင့် ဆော့ဖ်ဝဲလ် အယ်လဂိုရီသမ်များကို အသုံးပြု၍ နိုင်ငံခြားငွေလွှဲပြောင်းမှုပြုလုပ်သည့်အချိန်ကို လျှော့ချခြင်းကြောင့်ဖြစ်သည်။ ၎င်းသည် လည်ပတ်မှုကုန်ကျစရိတ်ကိုလည်း လျှော့ချပေးသည်။ Forex သည် နည်းပညာပိုင်းခြားစိတ်ဖြာမှုနည်းလမ်းများကို အခြေခံ၍ စက်ရုပ်များကို အဓိကအသုံးပြုသည်။ အသုံးအများဆုံး terminal သည် MetaTrader ပလပ်ဖောင်းဖြစ်သောကြောင့်၊ platform developer များမှပေးဆောင်သော MQL programming language သည် စက်ရုပ်များရေးသားခြင်းအတွက် အသုံးအများဆုံးနည်းလမ်းဖြစ်လာပါသည်။

Quantitative Trading

Quantitative trading သည် ကုန်သွယ်မှု၏ ဦးတည်ချက်ဖြစ်ပြီး၊ ရည်ရွယ်ချက်မှာ အမျိုးမျိုးသော ငွေကြေးပိုင်ဆိုင်မှုများ၏ ဒိုင်းနမစ်များကို ဖော်ပြကာ တိကျသော ခန့်မှန်းချက်များကို ပြုလုပ်နိုင်စေမည့် မော်ဒယ်တစ်ခု ဖန်တီးရန်ဖြစ်သည်။ ကွမ်တမ်ကုန်သည်များဟုလည်းသိကြသော ပမာဏကုန်သည်များသည် များသောအားဖြင့် ၎င်းတို့၏နယ်ပယ်တွင် ပညာတတ်များဖြစ်ကြသည်- စီးပွားရေးပညာရှင်၊ သင်္ချာပညာရှင်များ၊ ပရိုဂရမ်မာများ။ ကွမ်တမ်ကုန်သည်တစ်ဦးဖြစ်လာရန်၊ အနည်းဆုံး သင်္ချာကိန်းဂဏန်းများနှင့် ဘောဂဗေဒဆိုင်ရာ ကိန်းဂဏန်းများကို အနည်းဆုံး သိထားရပါမည်။

မြင့်မားသောကြိမ်နှုန်း algorithmic ကုန်သွယ်မှု / HFT ကုန်သွယ်မှု

ဤသည်မှာ အလိုအလျောက်ကုန်သွယ်မှု၏ အသုံးအများဆုံးပုံစံဖြစ်သည်။ ဤနည်းလမ်း၏ အင်္ဂါရပ်မှာ အရောင်းအ၀ယ်များကို အမျိုးမျိုးသော တူရိယာများတွင် အရှိန်အဟုန်မြင့်စွာ လုပ်ဆောင်နိုင်ပြီး၊ ရာထူးများ ဖန်တီးခြင်း/ပိတ်ခြင်း သံသရာသည် တစ်စက္ကန့်အတွင်း ပြီးဆုံးသွားခြင်း ဖြစ်သည်။

HFT အရောင်းအဝယ်များသည် လူသားများထက် ကြီးမားသော မြန်နှုန်းမြင့် ကွန်ပျူတာများ၏ အဓိက အားသာချက်ကို အသုံးပြုသည်။

စိတ်ကူးကို ရေးသားသူမှာ Stephen Sonson ဖြစ်ပြီး D. Whitcomb နှင့် D. Hawks တို့နှင့်အတူ 1989 ခုနှစ်တွင် ကမ္ဘာ့ပထမဆုံးသော အလိုအလျောက် ရောင်းဝယ်ရေးစက် (Automatic Trading Desk) ကို ဖန်တီးခဲ့သူဟု ယုံကြည်ရသည်။ နည်းပညာ၏တရားဝင်ဖွံ့ဖြိုးတိုးတက်မှုသည် 1998 တွင်သာစတင်ခဲ့သော်လည်း၊ American exchanges တွင်အီလက်ထရွန်းနစ်ပလပ်ဖောင်းများအသုံးပြုမှုကိုအတည်ပြုခဲ့သည်။

HFT ကုန်သွယ်မှု၏အခြေခံမူများ

ဤအရောင်းအ၀ယ်သည် အောက်ပါဝေလငါးများကို အခြေခံထားသည်။

• နည်းပညာမြင့်စနစ်များအသုံးပြုခြင်းသည် ရာထူးများကို အကောင်အထည်ဖော်သည့်ကာလကို 1-3 မီလီစက္ကန့်အဆင့်တွင် ထိန်းသိမ်းထားသည်။
• စျေးနှုန်းများနှင့် အနားသတ်များတွင် အသေးစားပြောင်းလဲမှုများမှ အမြတ်၊
• ကြီးမားသော မြန်နှုန်းမြင့် အရောင်းအ၀ယ်များနှင့် အမြတ်ငွေကို တခါတရံ တစ်ရာခိုင်နှုန်းအောက် လျော့နည်းသည့် အနိမ့်ဆုံး အစစ်အမှန်အဆင့်တွင် လုပ်ဆောင်ခြင်း (HFT ၏ အလားအလာသည် သမားရိုးကျ ဗျူဟာများထက် အဆများစွာ ပိုကြီးသည်)။
• arbitrage အရောင်းအ၀ယ်အမျိုးအစားအားလုံး၏လျှောက်လွှာ;
• အရောင်းအ၀ယ်ပြုလုပ်သည့်နေ့တွင် တင်းကြပ်စွာပြုလုပ်ထားပြီး၊ session တစ်ခုစီ၏ အရောင်းအ၀ယ်ပမာဏသည် သောင်းနှင့်ချီ၍ရောက်ရှိနိုင်သည်။

ကြိမ်နှုန်းမြင့် ကုန်သွယ်မှု မဟာဗျူဟာများ

ဤနေရာတွင် သင်သည် မည်သည့် algorithmic ကုန်သွယ်မှုဗျူဟာကိုမဆို သုံးနိုင်သော်လည်း တစ်ချိန်တည်းတွင် လူသားများလက်လှမ်းမမီနိုင်သော မြန်နှုန်းဖြင့် ကုန်သွယ်မှုပြုနိုင်သည်။ ဤသည်မှာ HFT ဗျူဟာများ၏ နမူနာအချို့ဖြစ်သည်။

• ငွေဖြစ်လွယ်မှုမြင့်မားသော ရေကန်များကို ဖော်ထုတ်ခြင်း။ ဤနည်းပညာသည် လျှို့ဝှက်ထားသော (“အမှောင်”) သို့မဟုတ် အမြောက်အများ အမှာစာများကို ထောက်လှမ်းရန် ရည်ရွယ်ပြီး စမ်းသပ်မှုအသေးစားများကို ဖွင့်ပေးသည်။ ပန်းတိုင်သည် အသံအတိုးအချဲ့များဖြင့် ထုတ်ပေးသော ပြင်းထန်သောလှုပ်ရှားမှုကို တိုက်ဖျက်ရန်ဖြစ်သည်။
• အီလက်ထရွန်းနစ်စျေးကွက်ဖန်တီးခြင်း။ စျေးကွက်တွင်ငွေဖြစ်လွယ်မှုတိုးမြှင့်ခြင်းလုပ်ငန်းစဉ်တွင်၊ ပျံ့နှံ့မှုအတွင်းကုန်သွယ်မှုမှတဆင့်အမြတ်အစွန်းများကိုသဘောပေါက်သည်။ အများအားဖြင့်၊ စတော့အိတ်ချိန်းတွင် အရောင်းအဝယ်လုပ်သောအခါ ပျံ့နှံ့မှု ကျယ်ပြန့်လာမည်။ စျေးကွက်ထုတ်လုပ်သူတွင် လက်ကျန်ကိုထိန်းထားနိုင်သော ဖောက်သည်များမရှိပါက၊ ကြိမ်နှုန်းမြင့်ကုန်သည်များသည် တူရိယာ၏ထောက်ပံ့မှုနှင့် ဝယ်လိုအားကိုကာမိရန် ၎င်းတို့၏ကိုယ်ပိုင်ရန်ပုံငွေများကို အသုံးပြုရမည်ဖြစ်သည်။ လဲလှယ်မှုများနှင့် ECN များသည် လည်ပတ်မှုကုန်ကျစရိတ်များအတွက် လျှော့စျေးများကို ဆုအဖြစ် ပေးပါမည်။
• ရှေ့ပြေး။ နာမည်က “ရှေ့သို့ပြေးပါ” ဟု ဘာသာပြန်ဆိုသည်။ ဤနည်းဗျူဟာသည် လက်ရှိဝယ်ရောင်းအမှာစာများ၊ ပိုင်ဆိုင်မှုငွေဖြစ်လွယ်မှုနှင့် ပျမ်းမျှအတိုးအလျှော့များအပေါ် အခြေခံထားသည်။ ဤနည်းလမ်း၏ အနှစ်သာရမှာ ကြီးမားသော အမှာစာများကို ရှာဖွေပြီး သင့်ကိုယ်ပိုင် အသေးအမွှားများကို အနည်းငယ်ပိုမိုမြင့်မားသော စျေးနှုန်းဖြင့် ထားရှိခြင်းဖြစ်သည်။ မှာယူမှုကို လုပ်ဆောင်ပြီးနောက်၊ အယ်လဂိုရီသမ်သည် အခြားသော ကြီးမားသော အမှာစာများအနီးတွင် စျေးနှုန်းအတက်အကျများ ဖြစ်နိုင်ခြေ မြင့်မားမှုကို အသုံးပြုပြီး နောက်ထပ် ပိုမိုမြင့်မားသော အမှာစာများကို သတ်မှတ်သည်။
• နှောင့်နှေးအနုနည်း။ ဤနည်းဗျူဟာသည် ဆာဗာများနှင့် ပထဝီဝင်အနေအထားအရ သို့မဟုတ် အဓိကဆိုက်များသို့ စျေးကြီးသော တိုက်ရိုက်ချိတ်ဆက်မှုများ ရယူခြင်းကြောင့် ဒေတာဖလှယ်ရန် တက်ကြွစွာဝင်ရောက်ခွင့်ကို အခွင့်ကောင်းယူပါသည်။ ငွေကြေးအားထိန်းညှိမှုအပေါ် အားကိုးသောကုန်သည်များက ၎င်းကို မကြာခဏအသုံးပြုသည်။
• စာရင်းအင်းဆိုင်ရာ ခုံသမာဓိ။ ကြိမ်နှုန်းမြင့်သော ကုန်သွယ်မှုနည်းလမ်းသည် ပလပ်ဖောင်းများ သို့မဟုတ် သက်ဆိုင်ရာ ပိုင်ဆိုင်မှုပုံစံများ (ငွေကြေးအတွဲများနှင့် ၎င်းတို့၏ ပြိုင်ဘက်များ၊ ဆင်းသက်လာများနှင့် စတော့ရှယ်ယာများ) အကြား တူရိယာများ၏ ဆက်စပ်မှုကို ခွဲခြားသတ်မှတ်ခြင်းအပေါ် အခြေခံသည်။ ထိုသို့သော အရောင်းအဝယ်များကို အများအားဖြင့် ပုဂ္ဂလိကဘဏ်များ၊ ရင်းနှီးမြှုပ်နှံမှုရန်ပုံငွေများနှင့် အခြားလိုင်စင်ရ အရောင်းကိုယ်စားလှယ်များက ဆောင်ရွက်ကြသည်။

ကြိမ်နှုန်းမြင့်သည့် လုပ်ဆောင်ချက်များကို ပမာဏအများအပြားဖြင့် ပေးချေသည့် အသေးစား ပမာဏဖြင့် လုပ်ဆောင်ပါသည်။ ဤကိစ္စတွင်၊ အရှုံးအမြတ်ကိုချက်ချင်းပြင်သည်။

algorithmic ကုန်သည်များအတွက် ပရိုဂရမ်များ၏ ခြုံငုံသုံးသပ်ချက်

algorithmic trading နှင့် robot programming အတွက် အသုံးပြုသည့် ဆော့ဖ်ဝဲလ်၏ အစိတ်အပိုင်း အနည်းငယ် ရှိပါသည်။

• TSlab ရုရှားလုပ် C# ဆော့ဖ်ဝဲ။ Forex နှင့် စတော့ပွဲစားအများစုနှင့် လိုက်ဖက်သည်။ အထူးဘလောက်ပုံချပ်ကြောင့်၊ ၎င်းတွင် အတော်လေးရိုးရှင်းပြီး သင်ယူရလွယ်ကူသော အင်တာဖေ့စ်တစ်ခုရှိသည်။ စနစ်ကို စမ်းသပ်ရန်နှင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ရန် ပရိုဂရမ်ကို အခမဲ့အသုံးပြုနိုင်သော်လည်း အမှန်တကယ် အရောင်းအ၀ယ်ပြုလုပ်ရန်အတွက် သင်သည် စာရင်းသွင်းမှုတစ်ခုကို ဝယ်ယူရန် လိုအပ်မည်ဖြစ်သည်။
• WealthLab C# တွင် အယ်လဂိုရီသမ်များ ဖန်တီးရန် အသုံးပြုသည့် ပရိုဂရမ်တစ်ခု။ ၎င်းနှင့်အတူ၊ သင်သည် Coding လုပ်ငန်းစဉ်ကို များစွာရိုးရှင်းလွယ်ကူစေသည့် algorithmic trading software ရေးသားရန် Wealth Script စာကြည့်တိုက်ကို အသုံးပြုနိုင်သည်။ အမျိုးမျိုးသောရင်းမြစ်များမှ ကိုးကားချက်များကို ပရိုဂရမ်သို့လည်း ချိတ်ဆက်နိုင်သည်။ နောက်ကြောင်းပြန်စစ်ဆေးခြင်းအပြင်၊ အစစ်အမှန်ငွေပေးငွေယူများသည်လည်း ငွေကြေးဈေးကွက်တွင် ဖြစ်ပွားနိုင်သည်။
• r စတူဒီယို။ Quants အတွက် ပိုမိုအဆင့်မြင့်သော ပရိုဂရမ် (အစပြုသူများအတွက် မသင့်လျော်ပါ)။ ဆော့ဖ်ဝဲလ်သည် ဒေတာနှင့် အချိန်စီးရီးလုပ်ဆောင်ခြင်းအတွက် အထူး R ဘာသာစကားကို အသုံးပြုသည့် ဘာသာစကားများစွာကို ပေါင်းစပ်ထားသည်။ အယ်လဂိုရီသမ်များနှင့် အင်တာဖေ့စ်များကို ဤနေရာတွင် ဖန်တီးထားသည်၊ စမ်းသပ်မှုများနှင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း၊ စာရင်းဇယားများနှင့် အခြားဒေတာများကို ရယူနိုင်သည်။ R Studio သည် အခမဲ့ဖြစ်သော်လည်း ၎င်းသည် အလွန်လေးနက်သည်။ ပရိုဂရမ်သည် တပ်ဆင်ထားသည့် စာကြည့်တိုက်များ၊ စမ်းသပ်သူများ၊ မော်ဒယ်များ စသည်တို့ကို အသုံးပြုသည်။

algorithmic ကုန်သွယ်မှုအတွက် မဟာဗျူဟာများ

Algo ကုန်သွယ်မှုတွင် အောက်ပါဗျူဟာများ ရှိသည်။

• TWAP ဤအယ်လဂိုရီသမ်သည် အကောင်းဆုံးသောလေလံ သို့မဟုတ် ကမ်းလှမ်းသည့်စျေးနှုန်းဖြင့် မှာယူမှုများကို ပုံမှန်ဖွင့်သည်။
• အကောင်အထည်ဖော်မှုဗျူဟာ။  အယ်လဂိုရီသမ်သည် ကြီးမားသောပါဝင်သူများ (hedge funds နှင့် ပွဲစားများ) မှအသုံးပြုလေ့ရှိသော အလေးချိန်ပျမ်းမျှစျေးနှုန်းများဖြင့် ပိုင်ဆိုင်မှုအများအပြားကို ဝယ်ယူမှုလိုအပ်သည်။
• VWAP အယ်လဂိုရီသမ်ကို အချိန်အတိုင်းအတာတစ်ခုအတွင်း ပေးထားသောပမာဏတစ်ခု၏ တူညီသောအစိတ်အပိုင်းတစ်ခုတွင် ရာထူးများကိုဖွင့်ရန်အသုံးပြုပြီး စျေးနှုန်းသည် စတင်ရောင်းချချိန်တွင် အလေးချိန်ရှိသော ပျမ်းမျှစျေးနှုန်းထက် မပိုသင့်ပါ။
• ဒေတာတူးဖော်ခြင်း ၎င်းသည် အယ်လဂိုရီသမ်အသစ်အတွက် ပုံစံအသစ်များကို ရှာဖွေခြင်းတစ်ခုဖြစ်သည်။ စမ်းသပ်မှုမစတင်မီ ထုတ်လုပ်မှုရက်စွဲများ၏ 75% ကျော်သည် ဒေတာစုဆောင်းမှုဖြစ်သည်။ ရှာဖွေမှုရလဒ်များသည် ပရော်ဖက်ရှင်နယ်နှင့် အသေးစိတ်နည်းလမ်းများပေါ်တွင်သာ မူတည်ပါသည်။ ရှာဖွေမှုကိုယ်တိုင်က အမျိုးမျိုးသော algorithms များကိုအသုံးပြု၍ ကိုယ်တိုင်ပြင်ဆင်သတ်မှတ်ထားသည်။
• ရေခဲတောင်။ အမှာစာများတင်ရာတွင် အသုံးပြုသည့် စုစုပေါင်းအရေအတွက်သည် ကန့်သတ်ချက်များရှိ သတ်မှတ်ထားသည့် အရေအတွက်ထက် မကျော်လွန်ပါ။ ဖလှယ်မှုများစွာတွင်၊ ဤ algorithm သည် စနစ်၏ core တွင်တည်ဆောက်ထားပြီး၊ ၎င်းသည် သင့်အား အမိန့်ဘောင်များတွင် ပမာဏကို သတ်မှတ်နိုင်စေပါသည်။
• မှန်းဆနည်းဗျူဟာ။ ၎င်းသည် နောက်ဆက်တွဲအမြတ်တစ်ခုရရှိရန် ရည်ရွယ်ချက်ဖြင့် ကုန်သွယ်မှုအတွက် အကောင်းဆုံးဖြစ်နိုင်သောစျေးနှုန်းကို ရယူလိုသည့် ပုဂ္ဂလိကကုန်သည်များအတွက် စံနမူနာတစ်ခုဖြစ်သည်။

သင်တန်းနှင့် algorithmic ကုန်သွယ်မှုဆိုင်ရာစာအုပ်များ

ကျောင်းအသိုင်းအဝန်းမှာ ဒီလိုမျိုး ဗဟုသုတတွေ ရလာမှာ မဟုတ်ပါဘူး။ ဤသည်မှာ အလွန်ကျဉ်းမြောင်းပြီး တိကျသော ဧရိယာဖြစ်သည်။ ဤနေရာတွင် အမှန်တကယ် ယုံကြည်စိတ်ချရသော လေ့လာမှုများကို ဖော်ထုတ်ရန် ခက်ခဲသော်လည်း ကျွန်ုပ်တို့ ယေဘုယျအားဖြင့်ဆိုလျှင်၊ algorithmic trading တွင် ပါဝင်ရန် အောက်ပါ အဓိက အသိပညာ လိုအပ်ပါသည်။

• သင်္ချာအပြင် စီးပွားရေးပုံစံများ၊
• ပရိုဂရမ်းမင်းဘာသာစကားများ — Python, С++, MQL4 (Forex အတွက်);
• လဲလှယ်မှုဆိုင်ရာ စာချုပ်များနှင့် တူရိယာများ၏အင်္ဂါရပ်များ (ရွေးချယ်စရာများ၊ အနာဂတ်များ စသည်) ဆိုင်ရာ အချက်အလက်များ။

ဤလမ်းညွှန်ချက်ကို အဓိကအားဖြင့် သင်ကိုယ်တိုင် ကျွမ်းကျင်ရမည်။ ဤအကြောင်းအရာနှင့်ပတ်သက်သော ပညာရေးဆိုင်ရာ စာပေများကို ဖတ်ရှုရန်အတွက် စာအုပ်များကို စဉ်းစားနိုင်သည်-

• “Quantum Trading” နှင့် “Algorithmic Trading” – Ernest Chen;
• “Algorithmic ကုန်သွယ်မှုနှင့်ဖလှယ်မှုမှတိုက်ရိုက်ဝင်ရောက်ခွင့်” – Barry Johnsen;
• “ငွေကြေးသင်္ချာ၏နည်းလမ်းများနှင့် algorithms” – Lyu Yu-Dau;
• “အနက်ရောင်သေတ္တာအတွင်းပိုင်း” – Rishi K. Narang;
• “ကုန်သွယ်မှုနှင့် ဖလှယ်မှုများ- လက်တွေ့သမားများအတွက် စျေးကွက်၏ အသေးစားဖွဲ့စည်းပုံ” – Larry Harris။

သင်ယူမှုလုပ်ငန်းစဉ်စတင်ရန် အကျိုးအရှိဆုံးနည်းလမ်းမှာ စတော့ရှယ်ယာရောင်းဝယ်ရေးနှင့် နည်းပညာပိုင်းခြားစိတ်ဖြာမှုဆိုင်ရာ အခြေခံများကို လေ့လာကာ အယ်လဂိုရီသမ်ကုန်သွယ်ခြင်းဆိုင်ရာ စာအုပ်များကို ဝယ်ယူပါ။ ပရော်ဖက်ရှင်နယ်စာပေအများစုကို အင်္ဂလိပ်ဘာသာဖြင့်သာ တွေ့ရှိနိုင်သည်ကို သတိပြုသင့်သည်။

ဘက်လိုက်မှုရှိသော စာအုပ်များအပြင် ဖလှယ်သည့်စာပေများကို ဖတ်ရှုရာတွင်လည်း အသုံးဝင်မည်ဖြစ်သည်။

အယ်လ်ဂိုရီသမ် ကုန်သွယ်မှုဆိုင်ရာ ကျော်ကြားသော ဒဏ္ဍာရီများ

စက်ရုပ်ကုန်သွယ်ခြင်းကို အသုံးပြုခြင်းဖြင့် အမြတ်အစွန်းသာရရှိနိုင်ပြီး ကုန်သည်များသည် လုံးဝလုပ်စရာမလိုဟု လူအများက ယုံကြည်ကြသည်။ ဘယ်ဟုတ်မလဲ။ စက်ရုပ်ကို စောင့်ကြည့်စစ်ဆေးရန်၊ ၎င်းကို အကောင်းဆုံးဖြစ်အောင် ထိန်းချုပ်ရန်နှင့် အမှားအယွင်းများ မဖြစ်ပေါ်စေရန် အမြဲတမ်း လိုအပ်ပါသည်။ စက်ရုပ်တွေက ငွေရှာလို့မရဘူးလို့ တချို့က ထင်နေကြတယ်။ ဤသူများသည် နိုင်ငံခြားငွေလွှဲပြောင်းမှုများအတွက် လိမ်လည်သူများရောင်းချသည့် အရည်အသွေးနိမ့် စက်ရုပ်များကို ယခင်က ကြုံတွေ့ဖူးသူများဖြစ်သည်။ ငွေရှာနိုင်တဲ့ အရည်အသွေးရှိတဲ့ စက်ရုပ်တွေရှိပါတယ်။ ကောင်းသောငွေကို ယူဆောင်လာသောကြောင့် သူတို့ကို ရောင်းမည်မဟုတ်ပါ။ စတော့အိတ်ချိန်းတွင် ရောင်းဝယ်ခြင်းသည် ဝင်ငွေအတွက် ကြီးမားသော အလားအလာရှိသည်။ Algorithmic trading သည် ရင်းနှီးမြုပ်နှံမှုနယ်ပယ်တွင် တကယ့်အောင်မြင်မှုတစ်ခုဖြစ်သည်။ စက်ရုပ်များသည် အချိန်များစွာယူခဲ့ရသော နေ့စဉ်လုပ်ငန်းဆောင်တာများ နီးပါးကို တာဝန်ယူကြသည်။