Algo trading: ang kakanyahan nito, mga diskarte sa pangangalakal at mga panganib

Sa kasalukuyan, ang karamihan sa mga operasyon sa mga palitan ay isinasagawa gamit ang mga espesyal na robot, kung saan naka-embed ang iba’t ibang mga algorithm. Ang taktikang ito ay tinatawag na algorithmic trading. Ito ay isang trend ng kamakailang mga dekada na nagbago sa merkado sa maraming paraan.

Ano ang algorithmic trading?

Ang pangunahing anyo ng algorithmic trading ay HFT trading. Ang punto ay upang makumpleto kaagad ang transaksyon. Sa madaling salita, ginagamit ng ganitong uri ang pangunahing bentahe nito – bilis. Ang konsepto ng algorithmic trading ay may dalawang pangunahing kahulugan:

• Algo kalakalan. Isang autosystem na maaaring makipagkalakalan nang walang mangangalakal sa algorithm na ibinigay dito. Ang sistema ay kinakailangan para sa pagtanggap ng direktang tubo dahil sa auto-analysis ng merkado at pagbubukas ng mga posisyon. Ang algorithm na ito ay tinatawag ding “trading robot” o “adviser”.
• Algorithmic trading. Pagpapatupad ng malalaking order sa merkado, kapag sila ay awtomatikong nahahati sa mga bahagi at unti-unting binuksan alinsunod sa tinukoy na mga patakaran. Ang sistema ay ginagamit upang mapadali ang manu-manong paggawa ng mga mangangalakal kapag nagsasagawa ng mga transaksyon. Halimbawa, kung may gawain na bumili ng 100 libong pagbabahagi, at kailangan mong buksan ang mga posisyon sa 1-3 pagbabahagi nang sabay-sabay, nang hindi nakakaakit ng pansin sa feed ng order.

Sa madaling salita, ang algorithmic na kalakalan ay ang automation ng pang-araw-araw na operasyon na ginagawa ng mga mangangalakal, na binabawasan ang oras na kinakailangan upang pag-aralan ang impormasyon ng stock, kalkulahin ang mga mathematical na modelo, at magsagawa ng mga transaksyon. Tinatanggal din ng system ang papel ng salik ng tao sa paggana ng merkado (emosyon, haka-haka, “intuition ng mangangalakal”), na kung minsan ay tinatanggihan kahit ang kakayahang kumita ng pinaka-promising na diskarte.

Ang kasaysayan ng paglitaw ng algorithmic trading

Ang 1971 ay itinuturing na panimulang punto ng algorithmic trading (ito ay lumitaw nang sabay-sabay sa unang awtomatikong sistema ng kalakalan na NASDAQ). Noong 1998, opisyal na pinahintulutan ng US Securities Commission (SEC) ang paggamit ng mga electronic trading platform. Pagkatapos ay nagsimula ang tunay na kumpetisyon ng mga matataas na teknolohiya. Ang mga sumusunod na makabuluhang sandali sa pagbuo ng algorithmic trading, na nagkakahalaga ng pagbanggit:

• Maagang 2000s. Nakumpleto ang mga awtomatikong transaksyon sa loob lamang ng ilang segundo. Ang bahagi ng merkado ng mga robot ay mas mababa sa 10%.
• taong 2009. Ang bilis ng pagpapatupad ng order ay nabawasan nang maraming beses, na umabot ng ilang millisecond. Ang bahagi ng mga katulong sa pangangalakal ay tumaas sa 60%.
• 2012 at higit pa. Ang hindi mahuhulaan ng mga kaganapan sa mga palitan ay humantong sa isang malaking bilang ng mga error sa mga mahigpit na algorithm ng karamihan sa software. Nagdulot ito ng pagbawas sa dami ng automated na kalakalan sa 50% ng kabuuan. Ang teknolohiya ng artificial intelligence ay binuo at ipinakilala.

Sa ngayon, may kaugnayan pa rin ang high-frequency trading. Maraming mga nakagawiang operasyon (halimbawa, pag-scale ng merkado) ay awtomatikong ginagawa, na makabuluhang binabawasan ang pasanin sa mga mangangalakal. Gayunpaman, ang makina ay hindi pa ganap na napalitan ang buhay na talino at nabuo ang intuwisyon ng isang tao. Ito ay totoo lalo na kapag ang pagkasumpungin ng stock market ay tumataas nang husto dahil sa paglalathala ng makabuluhang pang-ekonomiyang internasyonal na balita. Sa panahong ito, lubos na inirerekomenda na huwag umasa sa mga robot.

Mga kalamangan at kawalan ng algorithmic trading

Ang mga bentahe ng algorithm ay ang lahat ng mga disadvantages ng manual trading. Ang mga tao ay madaling maimpluwensyahan ng mga emosyon, ngunit ang mga robot ay hindi. Ang robot ay makikipagkalakalan nang mahigpit ayon sa algorithm. Kung ang deal ay maaaring kumita sa hinaharap, dadalhin ito ng robot sa iyo. Gayundin, ang isang tao ay malayo sa palaging ganap na tumutok sa kanyang sariling mga aksyon at paminsan-minsan ay nangangailangan siya ng pahinga. Ang mga robot ay wala sa gayong mga pagkukulang. Ngunit mayroon silang sariling at kabilang sa kanila:

• dahil sa mahigpit na pagsunod sa mga algorithm, ang robot ay hindi maaaring umangkop sa pagbabago ng mga kondisyon ng merkado;
• ang pagiging kumplikado ng algorithmic trading mismo at mataas na mga kinakailangan para sa paghahanda;
• mga error ng ipinakilala na mga algorithm na ang robot mismo ay hindi nakikita (ito, siyempre, ay isang kadahilanan ng tao, ngunit ang isang tao ay maaaring makakita at iwasto ang kanyang mga pagkakamali, habang ang mga robot ay hindi pa magawa ito).

Hindi mo dapat isaalang-alang ang mga robot sa pangangalakal bilang ang tanging posibleng paraan upang kumita ng pera sa pangangalakal, dahil ang kakayahang kumita ng awtomatikong pangangalakal at manu-manong pangangalakal ay naging halos pareho sa nakalipas na 30 taon.

Ang kakanyahan ng algorithmic trading

Ang mga mangangalakal ng Algo (isa pang pangalan – mga mangangalakal ng quantum) ay gumagamit lamang ng teorya ng posibilidad na ang mga presyo ay nasa loob ng kinakailangang hanay. Ang pagkalkula ay batay sa nakaraang serye ng presyo o ilang mga instrumento sa pananalapi. Magbabago ang mga panuntunan sa mga pagbabago sa gawi sa merkado.
Ang mga algorithm na mangangalakal ay palaging naghahanap ng mga inefficiencies sa merkado, mga pattern ng umuulit na mga quote sa kasaysayan, at ang kakayahang kalkulahin ang mga umuulit na quote sa hinaharap. Samakatuwid, ang kakanyahan ng algorithmic trading ay nakasalalay sa mga patakaran para sa pagpili ng mga bukas na posisyon at grupo ng mga robot. Ang pagpipilian ay maaaring:

• manu -mano – ang pagpapatupad ay isinasagawa ng mananaliksik batay sa matematika at pisikal na mga modelo;
• awtomatiko – kinakailangan para sa mass enumeration ng mga patakaran at pagsubok sa loob ng programa;
• genetic – dito ang mga patakaran ay binuo ng isang programa na may mga elemento ng artificial intelligence.

Ang iba pang mga ideya at utopia tungkol sa algorithmic trading ay fiction. Kahit na ang mga robot ay hindi maaaring “hulaan” ang hinaharap na may 100% na garantiya. Ang merkado ay hindi maaaring maging hindi mahusay na mayroong isang hanay ng mga patakaran na nalalapat sa mga robot anumang oras, kahit saan. Sa malalaking kumpanya ng pamumuhunan na gumagamit ng mga algorithm (halimbawa, Renessaince Technology, Citadel, Virtu), mayroong daan-daang grupo (pamilya) ng mga robot sa pangangalakal na sumasaklaw sa libu-libong instrumento. Ang pamamaraang ito, na isang pagkakaiba-iba ng mga algorithm, ang nagdudulot sa kanila ng pang-araw-araw na kita.

Mga Uri ng Algorithm

Ang algorithm ay isang hanay ng mga malinaw na tagubilin na idinisenyo upang magsagawa ng isang partikular na gawain. Sa merkado sa pananalapi, ang mga algorithm ng gumagamit ay isinasagawa ng mga computer. Upang lumikha ng isang hanay ng mga panuntunan, gagamitin ang data sa presyo, dami at oras ng pagpapatupad ng mga transaksyon sa hinaharap. Ang Algo trading sa stock at currency market ay nahahati sa apat na pangunahing uri:

• Istatistika. Ang pamamaraang ito ay batay sa istatistikal na pagsusuri gamit ang makasaysayang serye ng panahon upang matukoy ang mga pagkakataon sa pangangalakal.
• Auto. Ang layunin ng diskarte na ito ay lumikha ng mga patakaran na nagpapahintulot sa mga kalahok sa merkado na bawasan ang panganib ng mga transaksyon.
• Tagapagpaganap. Ang paraang ito ay nilikha upang magsagawa ng mga partikular na gawain na may kaugnayan sa pagbubukas at pagsasara ng mga order sa kalakalan.
• Diretso. Ang teknolohiyang ito ay naglalayong makuha ang pinakamataas na bilis ng pag-access sa merkado at bawasan ang halaga ng pagpasok at koneksyon ng mga algorithmic na mangangalakal sa terminal ng kalakalan.

Ang high-frequency na algorithmic na kalakalan ay maaaring itangi bilang isang hiwalay na lugar para sa mekanisadong kalakalan. Ang pangunahing tampok ng kategoryang ito ay ang mataas na dalas ng paggawa ng order: ang mga transaksyon ay nakumpleto sa millisecond. Ang diskarte na ito ay maaaring magbigay ng mahusay na mga benepisyo, ngunit nagdadala din ito ng ilang mga panganib.

Automated Trading: Mga Robot at Expert Advisors

Noong 1997, unang inilarawan ng analyst na si Tushar Chand sa kanyang aklat na “Beyond Technical Analysis” (orihinal na tinatawag na “Beyond Technical Analysis”) ang mechanical trading system (MTS). Ang sistemang ito ay tinatawag na isang trading robot o isang tagapayo sa mga transaksyon sa pera. Ito ang mga software module na sumusubaybay sa merkado, naglalabas ng mga trade order at nagkokontrol sa pagpapatupad ng mga order na ito. Mayroong dalawang uri ng mga robot trading program:

• automated “mula sa” at “sa” – nagagawa nilang gumawa ng mga independiyenteng desisyon sa pangangalakal;
• na nagbibigay ng mga senyales sa mangangalakal na magbukas ng deal nang manu-mano, sila mismo ay hindi nagpapadala ng mga order.

Sa kaso ng algorithmic trading, ang 1st type lang ng robot o advisor ang isasaalang-alang, at ang “super task” nito ay ang pagpapatupad ng mga diskarteng iyon na hindi posible kapag manual na trading.

Ang Renaissance Institutiona Equlties Fund ay ang pinakamalaking pribadong pondo na gumagamit ng algorithmic trading. Binuksan ito sa USA ng Renaissance Technologies LLC, na itinatag noong 1982 ni James Harris Simons. Kalaunan ay tinawag ng Financial Times si Simons na “the smartest billionaire”.

Paano nilikha ang mga robot sa pangangalakal?

Ang mga robot na ginagamit para sa algorithmic trading sa stock market ay mga dalubhasang programa sa computer. Ang kanilang pag-unlad ay nagsisimula, una sa lahat, sa paglitaw ng isang malinaw na plano para sa lahat ng mga gawain na gagawin ng mga robot, kabilang ang mga estratehiya. Ang gawaing kinakaharap ng isang programmer-trader ay lumikha ng isang algorithm na isinasaalang-alang ang kanyang kaalaman at mga personal na kagustuhan. Siyempre, kinakailangan na malinaw na maunawaan nang maaga ang lahat ng mga nuances ng system na nag-automate ng mga transaksyon. Samakatuwid, ang mga baguhang mangangalakal ay hindi inirerekomenda na lumikha ng TC algorithm sa kanilang sarili. Para sa teknikal na pagpapatupad ng mga trading robot, kailangan mong malaman ang kahit isang programming language. Gumamit ng mql4, Python, C#, C++, Java, R, MathLab upang magsulat ng mga programa.
Ang kakayahang magprograma ay nagbibigay sa mga mangangalakal ng maraming pakinabang:

• ang kakayahang lumikha ng mga database;
• mga sistema ng paglulunsad at pagsubok;
• pag-aralan ang mga diskarte sa mataas na dalas;
• ayusin ang mga error nang mabilis.

Mayroong maraming napaka-kapaki-pakinabang na open source na mga aklatan at proyekto para sa bawat wika. Isa sa pinakamalaking algorithmic trading projects ay ang QuantLib, na binuo sa C++. Kung kailangan mong direktang kumonekta sa Currenex, LMAX, Integral, o iba pang liquidity provider para gumamit ng mga high-frequency na algorithm, dapat na bihasa ka sa pagsulat ng mga API ng koneksyon sa Java. Sa kawalan ng mga kasanayan sa programming, posible na gumamit ng mga espesyal na algorithmic trading program upang lumikha ng mga simpleng mechanical trading system. Mga halimbawa ng naturang mga platform:

• TSLab;
• wheltlab;
• Metatrader;
• S#.Studio;
• multichart;
• tradestation.

Algorithmic trading sa stock market

Ang mga stock at futures market ay nagbibigay ng maraming pagkakataon para sa mga automated system, ngunit ang algorithmic na kalakalan ay mas karaniwan sa malalaking pondo kaysa sa mga pribadong mamumuhunan. Mayroong ilang mga uri ng algorithmic trading sa stock market:

• Isang sistemang batay sa teknikal na pagsusuri. Ginawa upang gamitin ang mga inefficiencies sa merkado at ilang mga tagapagpahiwatig upang matukoy ang mga uso, paggalaw ng merkado. Kadalasan ang diskarte na ito ay naglalayong kumita mula sa mga pamamaraan ng klasikal na teknikal na pagsusuri.
• Pair at basket trading. Gumagamit ang system ng ratio ng dalawa o higit pang mga instrumento (isa sa mga ito ay isang “gabay”, ibig sabihin, ang mga unang pagbabago ay nangyayari dito, at pagkatapos ay ang ika-2 at kasunod na mga instrumento ay hinila pataas) na may medyo mataas na porsyento, ngunit hindi katumbas ng 1. Kung ang instrumento ay lumihis sa ibinigay na ruta, malamang na bumalik siya sa kanyang grupo. Sa pamamagitan ng pagsubaybay sa paglihis na ito, ang algorithm ay maaaring makipagkalakalan at kumita para sa may-ari.
• Marketmaking. Ito ay isa pang diskarte na ang gawain ay upang mapanatili ang pagkatubig ng merkado. Upang anumang oras ang isang pribadong mangangalakal o isang hedge fund ay maaaring bumili o magbenta ng instrumento sa pangangalakal. Maaaring gamitin ng mga gumagawa ng merkado ang kanilang mga kita upang matugunan ang pangangailangan para sa iba’t ibang mga instrumento at kita mula sa palitan. Ngunit hindi nito pinipigilan ang paggamit ng mga espesyal na diskarte batay sa mabilis na trapiko at data ng merkado.
• tumatakbo sa harap. Bilang bahagi ng naturang sistema, ginagamit ang mga tool upang pag-aralan ang dami ng mga transaksyon at tukuyin ang malalaking order. Isinasaalang-alang ng algorithm na hahawakan ng malalaking order ang presyo at magiging sanhi ng paglitaw ng magkasalungat na kalakalan sa kabilang direksyon. Dahil sa bilis ng pagsusuri ng data ng merkado sa mga order book at feed, makakatagpo sila ng pagkasumpungin, susubukang malampasan ang pagganap ng iba pang mga kalahok, at tumatanggap ng kaunting volatility kapag nagpapatupad ng napakalaking mga order.
• Arbitrasyon. Ito ay isang transaksyon gamit ang mga instrumento sa pananalapi, ang ugnayan sa pagitan ng mga ito ay malapit sa isa. Bilang isang patakaran, ang mga naturang instrumento ay may pinakamaliit na paglihis. Sinusubaybayan ng system ang mga pagbabago sa presyo para sa mga kaugnay na instrumento at nagsasagawa ng mga operasyon ng arbitrage upang ipantay ang mga presyo. Halimbawa: 2 magkaibang uri ng share ng parehong kumpanya ang kinuha, na nagbabago nang sabay-sabay na may 100% na ugnayan. O kumuha ng parehong mga pagbabahagi, ngunit sa iba’t ibang mga merkado. Sa isang palitan, ito ay tataas / bababa nang kaunti kaysa sa isa. Ang pagkakaroon ng “nahuli” ang sandaling ito sa ika-1, maaari kang magbukas ng mga deal sa ika-2.
• Pagkakasundo ng kalakalan. Ito ang pinaka-kumplikadong uri ng pangangalakal, batay sa pagbili ng iba’t ibang uri ng mga opsyon at pag-asa ng pagtaas sa pagkasumpungin ng isang partikular na instrumento. Ang algorithmic trading na ito ay nangangailangan ng maraming computing power at isang team ng mga eksperto. Dito, sinusuri ng pinakamahuhusay na isipan ang iba’t ibang instrumento, na gumagawa ng mga hula kung alin sa mga ito ang maaaring magpapataas ng pagkasumpungin. Inilalagay nila ang kanilang mga mekanismo ng pagsusuri sa mga robot, at bumibili sila ng mga opsyon sa mga instrumentong ito sa tamang oras.

Mga panganib ng algorithmic trading

Ang impluwensya ng algorithmic trading ay tumaas nang malaki sa mga nagdaang panahon. Natural, ang mga bagong paraan ng pangangalakal ay nagdadala ng ilang mga panganib na hindi inaasahan dati. Ang mga transaksyon sa HFT ay lalo na may mga panganib na kailangang isaalang-alang.
Ang pinaka-mapanganib kapag nagtatrabaho sa mga algorithm:

• Pagmamanipula ng presyo. Maaaring i-configure ang mga algorithm upang direktang makaapekto sa mga indibidwal na instrumento. Ang mga kahihinatnan dito ay maaaring maging lubhang mapanganib. Noong 2013, sa unang araw ng pangangalakal sa pandaigdigang merkado ng BATS, nagkaroon ng tunay na pagbaba sa halaga ng mga securities ng kumpanya. Sa loob lamang ng 10 segundo, bumaba ang presyo mula $15 hanggang ilang sentimo lang. Ang dahilan ay ang aktibidad ng robot, na sadyang na-program upang mabawasan ang mga presyo ng pagbabahagi. Maaaring linlangin ng patakarang ito ang iba pang mga kalahok at lubos na baluktutin ang sitwasyon sa palitan.
• Outflow ng working capital. Kung may nakababahalang sitwasyon sa merkado, sinuspinde ng mga kalahok na gumagamit ng mga robot ang pangangalakal. Dahil ang karamihan sa mga order ay nagmumula sa mga auto-adviser, mayroong isang pandaigdigang pag-agos, na agad na ibinababa ang lahat ng mga panipi. Ang mga kahihinatnan ng naturang exchange “swing” ay maaaring maging napakaseryoso. Bukod dito, ang pag-agos ng pagkatubig ay nagdudulot ng malawakang gulat na magpapalala sa mahirap na sitwasyon.
• Ang pagkasumpungin ay tumaas nang husto. Minsan may mga hindi kinakailangang pagbabago sa halaga ng mga ari-arian sa lahat ng mga merkado sa mundo. Maaari itong maging isang matalim na pagtaas sa mga presyo o isang sakuna na pagbagsak. Ang sitwasyong ito ay tinatawag na biglaang pagkabigo. Kadalasan ang sanhi ng mga pagbabago ay ang pag-uugali ng mga high-frequency na robot, dahil ang kanilang bahagi sa kabuuang bilang ng mga kalahok sa merkado ay napakalaki.
• Pagtaas ng gastos. Ang isang malaking bilang ng mga mechanical consultant ay kailangang patuloy na mapabuti ang kanilang mga teknikal na kakayahan. Bilang resulta, nagbabago ang patakaran sa taripa, na, siyempre, ay hindi para sa kapakinabangan ng mga mangangalakal.
• operasyong panganib. Ang isang malaking bilang ng sabay-sabay na mga papasok na order ay maaaring mag-overload ng malalaking server. Samakatuwid, kung minsan sa panahon ng peak period ng aktibong kalakalan, ang sistema ay huminto sa paggana, ang lahat ng mga daloy ng kapital ay sinuspinde, at ang mga kalahok ay nagkakaroon ng malaking pagkalugi.
• Bumababa ang antas ng predictability sa merkado. Malaki ang epekto ng mga robot sa mga presyo ng transaksyon. Dahil dito, ang katumpakan ng hula ay nabawasan at ang mga pundasyon ng pangunahing pagsusuri ay pinahina. Gayundin, inaalis ng mga auto assistant ang mga tradisyunal na mangangalakal ng magagandang presyo.

Unti-unting sinisiraan ng mga robot ang mga ordinaryong kalahok sa merkado at humahantong ito sa kumpletong pagtanggi sa mga manu-manong operasyon sa hinaharap. Ang sitwasyon ay magpapalakas sa posisyon ng sistema ng mga algorithm, na hahantong sa pagtaas ng mga panganib na nauugnay sa kanila.

Algorithmic Forex Trading

Ang paglago ng algorithmic foreign exchange trading ay higit sa lahat dahil sa automation ng mga proseso at ang pagbawas sa oras para sa pagsasagawa ng mga transaksyon sa foreign exchange gamit ang software algorithm. Binabawasan din nito ang mga gastos sa pagpapatakbo. Pangunahing ginagamit ng Forex ang mga robot batay sa mga pamamaraan ng teknikal na pagsusuri. At dahil ang pinakakaraniwang terminal ay ang MetaTrader platform, ang MQL programming language na ibinigay ng mga platform developer ay naging pinakakaraniwang paraan para sa pagsusulat ng mga robot.

Dami ng kalakalan

Ang quantitative trading ay ang direksyon ng pangangalakal, ang layunin nito ay bumuo ng isang modelo na naglalarawan sa dynamics ng iba’t ibang financial asset at nagbibigay-daan sa iyong gumawa ng mga tumpak na hula. Ang dami ng mangangalakal, na kilala rin bilang mga quantum trader, ay karaniwang may mataas na pinag-aralan sa kanilang larangan: mga ekonomista, mathematician, programmer. Upang maging isang quantum trader, dapat ay alam mo man lang ang mga pangunahing kaalaman ng matematikal na istatistika at econometrics.

High frequency algorithmic trading/HFT trading

Ito ang pinakakaraniwang paraan ng awtomatikong pangangalakal. Ang isang tampok ng pamamaraang ito ay ang mga transaksyon ay maaaring isagawa sa mataas na bilis sa iba’t ibang mga instrumento, kung saan ang cycle ng paglikha/pagsasara ng mga posisyon ay nakumpleto sa loob ng isang segundo.

Ginagamit ng mga transaksyon sa HFT ang pangunahing bentahe ng mga computer kaysa sa mga tao – mega-high speed.

Ito ay pinaniniwalaan na ang may-akda ng ideya ay si Stephen Sonson, na, kasama sina D. Whitcomb at D. Hawks, ay lumikha ng unang awtomatikong trading device sa mundo noong 1989 (Automatic Trading Desk). Kahit na ang pormal na pag-unlad ng teknolohiya ay nagsimula lamang noong 1998, nang ang paggamit ng mga elektronikong platform sa mga palitan ng Amerikano ay naaprubahan.

Mga pangunahing prinsipyo ng HFT trading

Ang pangangalakal na ito ay batay sa mga sumusunod na balyena:

• ang paggamit ng mga high-tech na sistema ay nagpapanatili ng panahon ng pagpapatupad ng mga posisyon sa antas ng 1-3 millisecond;
• tubo mula sa maliliit na pagbabago sa mga presyo at margin;
• pagsasagawa ng malakihang high-speed na mga transaksyon at tubo sa pinakamababang tunay na antas, na kung minsan ay mas mababa sa isang sentimo (ang potensyal ng HFT ay maraming beses na mas malaki kaysa sa tradisyonal na mga diskarte);
• aplikasyon ng lahat ng uri ng mga transaksyon sa arbitrage;
• ang mga transaksyon ay ginawa nang mahigpit sa araw ng pangangalakal, ang dami ng mga transaksyon ng bawat session ay maaaring umabot sa libu-libo.

High Frequency Trading Strategies

Dito maaari mong gamitin ang anumang algorithmic na diskarte sa pangangalakal, ngunit sa parehong oras ay kalakalan sa bilis na hindi naa-access ng mga tao. Narito ang ilang halimbawa ng mga diskarte sa HFT:

• Pagkilala sa mga pool na may mataas na pagkatubig. Ang teknolohiyang ito ay naglalayong matukoy ang mga nakatagong (“madilim”) o maramihang mga order sa pamamagitan ng pagbubukas ng maliliit na transaksyon sa pagsubok. Ang layunin ay upang labanan ang malakas na paggalaw na nabuo ng mga pool ng dami.
• Paglikha ng elektronikong merkado. Sa proseso ng pagtaas ng pagkatubig sa merkado, ang mga kita ay natanto sa pamamagitan ng pangangalakal sa loob ng spread. Kadalasan, kapag nakikipagkalakalan sa stock exchange, lalawak ang spread. Kung ang market maker ay walang mga kliyente na maaaring mapanatili ang balanse, pagkatapos ay ang mga high-frequency na mangangalakal ay dapat gumamit ng kanilang sariling mga pondo upang masakop ang supply at demand ng instrumento. Ang mga palitan at ECN ay magbibigay ng mga diskwento sa mga gastusin sa pagpapatakbo bilang gantimpala.
• Frontrunning. Ang pangalan ay isinasalin bilang “tumakbo pasulong.” Ang diskarte na ito ay batay sa pagsusuri ng mga kasalukuyang buy at sell order, asset liquidity at average na bukas na interes. Ang kakanyahan ng pamamaraang ito ay upang makita ang malalaking mga order at ilagay ang iyong sariling maliliit na mga order sa isang bahagyang mas mataas na presyo. Pagkatapos maisagawa ang order, ginagamit ng algorithm ang mataas na posibilidad ng mga pagbabago sa presyo sa paligid ng isa pang malaking order upang magtakda ng isa pang mas mataas.
• Naantalang Arbitrasyon. Sinasamantala ng diskarteng ito ang aktibong pag-access upang makipagpalitan ng data dahil sa geographic na kalapitan sa mga server o ang pagkuha ng mga mamahaling direktang koneksyon sa mga pangunahing site. Madalas itong ginagamit ng mga mangangalakal na umaasa sa mga regulator ng pera.
• Statistical arbitrage. Ang pamamaraang ito ng high-frequency na kalakalan ay batay sa pagtukoy ng ugnayan ng iba’t ibang instrumento sa pagitan ng mga platform o kaukulang anyo ng mga asset (mga futures ng pares ng pera at ang kanilang mga katapat na spot, derivatives at stock). Ang ganitong mga transaksyon ay karaniwang isinasagawa ng mga pribadong bangko, mga pondo sa pamumuhunan at iba pang mga lisensyadong dealer.

Ang mga high-frequency na operasyon ay ginagawa sa mga micro volume, na binabayaran ng malaking bilang ng mga transaksyon. Sa kasong ito, agad na naayos ang kita at pagkawala.

Pangkalahatang-ideya ng mga programa para sa mga algorithmic na mangangalakal

Mayroong maliit na bahagi ng software na ginagamit para sa algorithmic trading at robot programming:

• TSlab. C# software na gawa sa Russia. Tugma sa karamihan ng forex at stock broker. Salamat sa isang espesyal na block diagram, mayroon itong medyo simple at madaling matutunan na interface. Maaari mong gamitin ang programa nang libre upang subukan at i-optimize ang system, ngunit para sa mga tunay na transaksyon kakailanganin mong bumili ng isang subscription.
• WealthLab. Isang program na ginamit upang bumuo ng mga algorithm sa C#. Gamit ito, maaari mong gamitin ang library ng Wealth Script upang magsulat ng algorithmic trading software, na lubos na nagpapadali sa proseso ng coding. Maaari mo ring ikonekta ang mga quote mula sa iba’t ibang mga mapagkukunan sa programa. Bilang karagdagan sa backtesting, ang mga tunay na transaksyon ay maaari ding maganap sa financial market.
• r studio. Mas advanced na programa para sa quants (hindi angkop para sa mga nagsisimula). Ang software ay nagsasama ng ilang mga wika, isa sa mga ito ay gumagamit ng isang espesyal na wika ng R para sa pagproseso ng data at time series. Ang mga algorithm at interface ay nilikha dito, ang mga pagsubok at pag-optimize ay isinasagawa, ang mga istatistika at iba pang data ay maaaring makuha. Ang R Studio ay libre, ngunit ito ay medyo seryoso. Gumagamit ang programa ng iba’t ibang built-in na library, tester, modelo, atbp.

Mga diskarte para sa algorithmic trading

Ang Algo trading ay may mga sumusunod na estratehiya:

• TWAP. Ang algorithm na ito ay regular na nagbubukas ng mga order sa pinakamahusay na bid o presyo ng alok.
• diskarte sa pagpapatupad.  Ang algorithm ay nangangailangan ng malalaking pagbili ng mga asset sa weighted average na presyo, kadalasang ginagamit ng malalaking kalahok (hedge fund at broker).
• VWAP. Ang algorithm ay ginagamit upang magbukas ng mga posisyon sa isang pantay na bahagi ng isang ibinigay na volume sa loob ng isang tiyak na tagal ng panahon, at ang presyo ay hindi dapat mas mataas kaysa sa weighted average na presyo sa paglulunsad.
• data mining. Ito ay isang paghahanap para sa mga bagong pattern para sa mga bagong algorithm. Bago magsimula ang pagsubok, higit sa 75% ng mga petsa ng produksyon ay pangongolekta ng data. Ang mga resulta ng paghahanap ay nakasalalay lamang sa mga propesyonal at detalyadong pamamaraan. Ang paghahanap mismo ay na-configure nang manu-mano gamit ang iba’t ibang mga algorithm.
• malaking bato ng yelo. Ginagamit upang maglagay ng mga order, ang kabuuang bilang nito ay hindi lalampas sa bilang na tinukoy sa mga parameter. Sa maraming mga palitan, ang algorithm na ito ay binuo sa core ng system, at pinapayagan ka nitong tukuyin ang volume sa mga parameter ng order.
• ispekulatibo na diskarte. Ito ay isang karaniwang modelo para sa mga pribadong mangangalakal na naglalayong makuha ang pinakamahusay na posibleng presyo para sa pangangalakal na may layuning kumita ng kasunod na kita.

Pagsasanay at mga libro sa algorithmic trading

Hindi ka makakakuha ng ganoong uri ng kaalaman sa mga lupon ng paaralan. Ito ay isang napakakitid at tiyak na lugar. Mahirap itangi ang mga talagang maaasahang pag-aaral dito, ngunit kung i-generalize natin, kailangan ang sumusunod na pangunahing kaalaman upang makisali sa algorithmic trading:

• mathematical pati na rin ang mga modelong pang-ekonomiya;
• mga programming language — Python, С++, MQL4 (para sa Forex);
• impormasyon tungkol sa mga kontrata sa palitan at mga tampok ng mga instrumento (mga opsyon, futures, atbp.).

Ang direksyon na ito ay dapat na pinagkadalubhasaan pangunahin sa iyong sarili. Para sa pagbabasa ng literatura na pang-edukasyon sa paksang ito, maaari mong isaalang-alang ang mga libro:

• “Quantum Trading” at “Algorithmic Trading” – Ernest Chen;
• “Algorithmic trading at direktang access sa exchange” – Barry Johnsen;
• “Mga pamamaraan at algorithm ng matematika sa pananalapi” – Lyu Yu-Dau;
• “Sa loob ng itim na kahon” – Rishi K. Narang;
• “Trade at exchange: ang microstructure ng merkado para sa mga practitioner” – Larry Harris.

Ang pinaka-produktibong paraan upang simulan ang proseso ng pag-aaral ay upang matutunan ang mga pangunahing kaalaman ng stock trading at teknikal na pagsusuri, at pagkatapos ay bumili ng mga libro sa algorithmic trading. Dapat ding tandaan na ang karamihan sa mga propesyonal na publikasyon ay matatagpuan lamang sa Ingles.

Bilang karagdagan sa mga aklat na may bias, magiging kapaki-pakinabang din ang pagbabasa ng anumang palitan ng literatura.

Mga sikat na alamat tungkol sa algorithmic trading

Marami ang naniniwala na ang paggamit ng robot na kalakalan ay maaari lamang kumikita at ang mga mangangalakal ay hindi kailangang gumawa ng anuman. Syempre hindi. Laging kinakailangan na subaybayan ang robot, i-optimize ito at kontrolin ito upang hindi mangyari ang mga error at pagkabigo. Ang ilang mga tao ay nag-iisip na ang mga robot ay hindi maaaring kumita ng pera. Ito ang mga taong, malamang, ay nakatagpo dati ng mga mababang kalidad na robot na ibinebenta ng mga scammer para sa mga transaksyon sa foreign exchange. May mga dekalidad na robot sa currency trading na maaaring kumita ng pera. Ngunit walang magbebenta sa kanila, dahil nagdadala na sila ng magandang pera. Ang pangangalakal sa stock exchange ay may malaking potensyal para kumita. Ang algorithm na kalakalan ay isang tunay na tagumpay sa larangan ng pamumuhunan. Kinukuha ng mga robot ang halos bawat araw-araw na gawain na dati ay tumatagal ng maraming oras.