Grunderna för algoritmisk handel: Begrepp och exempel En algoritm är en specifik uppsättning tydliga instruktioner som syftar till att utföra en uppgift eller process. Algoritmisk handel (automatiserad handel, blackbox-handel eller helt enkelt algo-trading) är processen med att använda datorer som är programmerade att följa en definierad uppsättning instruktioner för att placera en handel för att generera vinst med en hastighet och frekvens som är omöjligt för en mänsklig näringsidkare. De definierade reglerna baseras på timing, pris, kvantitet eller någon matematisk modell. Bortsett från vinstmöjligheter för näringsidkaren gör algo-trading marknaderna mer likvida och gör handeln mera systematisk genom att utesluta emotionella mänskliga effekter på handelsverksamheten. Antag att en näringsidkare följer dessa enkla handelskriterier: Köp 50 aktier i ett lager när dess 50-dagars glidande medelvärde går över det 200-dagars glidande genomsnittet. Sälj aktier av aktierna när dess 50-dagars glidande medelvärde går under det 200-dagars glidande genomsnittet Med hjälp av denna uppsättning av två enkla instruktioner är det enkelt att skriva ett datorprogram som automatiskt kommer att övervaka aktiekursen (och de rörliga genomsnittliga indikatorerna) och placera köp - och säljorder när de fastställda villkoren är uppfyllda. Näringsidkaren behöver inte längre hålla koll på levande priser och grafer eller lägga in orderen manuellt. Det algoritmiska handelssystemet gör det automatiskt för honom genom att korrekt identifiera handelsmöjligheten. (För mer om glidande medelvärden, se: Enkla rörliga genomsnittsvärden. Trenden utgår.) Algo-trading ger följande fördelar: Handlar utförda till bästa möjliga priser. Instant och exakt orderingång (därmed höga chanser att genomföras på önskade nivåer). tidsbestämd korrekt och omedelbart för att undvika betydande prisförändringar. Minskade transaktionskostnader (se exempel på genomförandebortfall nedan). Samtidiga automatiserade kontroller på flera marknadsförhållanden. Minskad risk för manuella fel vid placering av affärerna. Backtest algoritmen baserat på tillgänglig historisk och realtidsdata. möjligheter till misstag av mänskliga handlare baserade på känslomässiga och psykologiska faktorer Den största delen av dagens algo-trading är högfrekvenshandel (HFT) som försöker kapitalisera att placera ett stort antal order med mycket snabba hastigheter över flera marknader och flera beslut parametrar, baserat på förprogrammerade instruktioner. (För mer om handel med högfrekventa handelar, se: Strategier och hemligheter hos högfrekvenshandeln). Algo-trading används i många former av handels - och investeringsverksamhet, bland annat: Mid till långsiktiga investerare eller köpsidor (pensionsfonder , fonder, försäkringsbolag) som köper aktier i stora mängder men inte vill påverka lagerpriserna med diskreta investeringar i stor volym. Kortfristiga näringsidkare och sälja sidodeltagare (marknadsmäklare, spekulanter och arbitrageare) drar nytta av automatiserad handelstillverkning i tillägg algo-handelshjälpmedel för att skapa tillräcklig likviditet för säljare på marknaden. Systematiska handlare (trendföljare, parhandlare, hedgefonder etc.) finner det mycket effektivare att programmera sina handelsregler och låta programmet handla automatiskt. Algoritmisk handel ger ett mer systematiskt tillvägagångssätt för aktiv handel än metoder baserade på en mänsklig handlare intuition eller instinkt. Algoritmiska handelsstrategier Alla strategier för algoritmisk handel kräver en identifierad möjlighet som är lönsam när det gäller förbättrat resultat eller kostnadsminskning. Följande är vanliga handelsstrategier som används i algo-trading: De vanligaste algoritmiska handelsstrategierna följer trender i glidande medelvärden. kanalbrytningar. prisnivå rörelser och relaterade tekniska indikatorer. Dessa är de enklaste och enklaste strategierna för att genomföra genom algoritmisk handel, eftersom dessa strategier inte innebär att man gör några förutsägelser eller prisprognoser. Trader initieras baserat på förekomsten av önskvärda trender. som är enkla och raka att implementera genom algoritmer utan att komma in i komplexiteten av prediktiv analys. Ovanstående exempel på 50 och 200 dagars glidande medelvärde är en populär trendstrategi. (För mer om trendstrategier se: Enkla strategier för att kapitalisera på trender.) Att köpa ett dubbelt noterat lager till ett lägre pris på en marknad och samtidigt sälja det till ett högre pris på en annan marknad ger prisskillnaden som riskfri vinst eller arbitrage. Samma operation kan replikeras för aktier kontra futuresinstrument, eftersom prisskillnaderna existerar från tid till annan. Genomföra en algoritm för att identifiera sådana prisskillnader och placera orderna möjliggör lönsamma möjligheter på ett effektivt sätt. Indexfonder har definierat perioder av ombalansering för att få sina innehav i nivå med sina respektive referensindex. Detta skapar lönsamma möjligheter för algoritmiska näringsidkare, som utnyttjar förväntad handel som erbjuder 20-80 basispoäng vinst beroende på antalet aktier i indexfonden, precis innan indexfonden ombalanseras. Sådana branscher initieras via algoritmiska handelssystem för snabb genomförande och bästa priser. Många beprövade matematiska modeller, som den delta-neutrala handelsstrategin, som tillåter handel på kombination av alternativ och dess underliggande säkerhet. där affärer placeras för att kompensera positiva och negativa delta så att portföljen delta hålls noll. Medelåtervändningsstrategin bygger på idén att de höga och låga priserna på en tillgång är ett tillfälligt fenomen som regelbundet återgår till deras medelvärde. Identifiera och definiera ett prisklass och en implementeringsalgoritm baserad på det gör det möjligt att placera affärer automatiskt när priset på tillgången bryter in och ut ur sitt definierade intervall. Volymvägd genomsnittsprisstrategi bryter upp en stor order och släpper dynamiskt bestämda mindre bitar av ordern till marknaden med hjälp av stockspecifika historiska volymprofiler. Syftet är att genomföra ordern nära Volymvägd Medelpris (VWAP) och därigenom dra nytta av genomsnittspriset. Tidsvägd genomsnittsprisstrategi bryter upp en stor order och släpper dynamiskt bestämda mindre bitar av ordern till marknaden med jämnt fördelade tidsluckor mellan start - och sluttid. Syftet är att genomföra ordern nära medelpriset mellan start - och sluttiderna och därigenom minimera marknadseffekterna. Till dess att ordern är fullt fylld fortsätter denna algoritm att skicka delbeställningar, enligt det definierade deltagandekvoten och enligt volymen på marknaden. Den relaterade stegstrategin skickar order till en användardefinierad procentandel av marknadsvolymer och ökar eller minskar denna delaktighet när aktiekursen når användardefinierade nivåer. Strategin för genomförandet av underskottet syftar till att minimera genomförandekostnaden för en order genom att handla i realtidsmarknaden och därigenom spara på orderkostnaden och dra nytta av möjlighetskostnaden för försenat genomförande. Strategin kommer att öka den riktade delaktighetsgraden när aktiekursen flyttas positivt och minska den när aktiekursen går negativt. Det finns några speciella klasser av algoritmer som försöker identifiera händelser på andra sidan. Dessa sniffningsalgoritmer, som till exempel används av en försäljningssidor, har den inbyggda intelligensen för att identifiera existensen av några algoritmer på köpesidan av en stor order. Sådan upptäckt genom algoritmer hjälper marknadsmakaren identifiera stora ordermöjligheter och gör det möjligt för honom att dra nytta av att fylla orderna till ett högre pris. Detta identifieras ibland som high-tech front-running. (För mer om handel med högfrekventa handelar och bedrägerier, se: Om du köper aktier online är du involverad i HFT.) Tekniska krav för algoritmisk handel Genom att implementera algoritmen med ett datorprogram är den sista delen, klubbad med backtesting. Utmaningen är att omvandla den identifierade strategin till en integrerad datoriserad process som har tillgång till ett handelskonto för beställning. Följande behövs: Datorprogrammeringskunskap för att programmera den nödvändiga handelsstrategin, de anställda programmörerna eller färdiga handelsprogramvaran Nätverksanslutning och tillgång till handelsplattformar för orderingång Tillgång till marknadsdata feeds som kommer att övervakas av algoritmen för möjligheter att placera order Förmåga och infrastruktur att backtest systemet en gång byggt innan det går live på reala marknader Tillgängliga historiska data för backtesting, beroende på komplexiteten av regler som implementeras i algoritmen Här är ett omfattande exempel: Royal Dutch Shell (RDS) är listat på Amsterdam Fondbörs (AEX) och London Stock Exchange (LSE). Låt oss bygga en algoritm för att identifiera arbitrage möjligheter. Här är några intressanta observationer: AEX handlar i euro, medan LSE handlar i Sterling Pounds På grund av en timmes tidsskillnad öppnar AEX en timme tidigare än LSE, följt av båda börserna samtidigt som de handlas under de närmaste timmarna och sedan endast handlar i LSE under den sista timmen när AEX stängs Kan vi undersöka möjligheten till arbitragehandel på Royal Dutch Shell-börsen som är listad på dessa två marknader i två olika valutor Ett datorprogram som kan läsa aktuella marknadspriser Prismatningar från både LSE och AEX A-valutahastighet för GBP-EUR-växelkurs Beställa placeringskapacitet som kan styra ordern till rätt utbyte Backtestningskapacitet på historiska prismatningar Dataprogrammet ska utföra följande: Läs det inkommande prismatningen av RDS-lager från båda börserna Använda de tillgängliga valutakurser . konvertera priset på en valuta till andra Om det finns en tillräckligt stor prisskillnad (rabatt på mäklarkostnader) som leder till ett lönsamt tillfälle, placerar du köpsordern på lägre prissättning och säljarorder på högre prissättning. Om beställningarna exekveras som Önskad, arbitrage vinsten kommer att följa Enkel och lätt Men övningen av algoritmisk handel är inte så enkelt att upprätthålla och genomföra. Kom ihåg att om du kan placera en algo-genererad handel, så kan andra marknadsaktörer. Följaktligen fluktuerar priserna i milli - och till och med mikrosekunder. I det ovanstående exemplet, vad händer om din köphandel blir verkställd, men sälja handel, eftersom försäljningspriserna ändras när din order träffar marknaden. Du kommer att sluta sitta med en öppen position. göra din arbitrage strategi värdelös. Det finns ytterligare risker och utmaningar: till exempel riskerar systemfel, nätverksanslutningsfel, tidsfördröjningar mellan handelsorder och utförande, och viktigast av allt, ofullkomliga algoritmer. Ju mer komplexa en algoritm krävs, desto strängare backtesting behövs innan den tas i bruk. Kvantitativ analys av algoritmernas prestanda spelar en viktig roll och bör granskas kritiskt. Det är spännande att gå till automatisering med hjälp av datorer med en uppfattning att tjäna pengar utan problem. Men man måste se till att systemet är noggrant testat och att gränserna är nödvändiga. Analytiska handlare bör överväga att lära sig programmering och byggsystem på egen hand, för att vara övertygade om att implementera rätt strategier i idiotsäkert sätt. Försiktig användning och noggrann testning av algo-handel kan skapa lönsamma möjligheter. Artikel 50 är en förhandlings - och avvecklingsklausul i EU-fördraget som beskriver de åtgärder som ska vidtas för något land som. Beta är ett mått på volatiliteten eller systematisk risk för en säkerhet eller en portfölj i jämförelse med marknaden som helhet. En typ av skatt som tas ut på kapitalvinster som uppkommit av individer och företag. Realisationsvinster är vinsten som en investerare. En order att köpa en säkerhet till eller under ett angivet pris. En köpgränsorder tillåter näringsidkare och investerare att specificera. En IRS-regel (Internal Revenue Service Rule) som tillåter utbetalningar från ett IRA-konto i samband med straff. Regeln kräver det. Den första försäljningen av lager av ett privat företag till allmänheten. IPOs utfärdas ofta av mindre, yngre företag som söker de 4 gemensamma aktiva handelsstrategierna. Aktiv handel är handel med att köpa och sälja värdepapper baserat på kortsiktiga rörelser för att dra nytta av prisrörelserna på ett kortfristigt aktiediagram. Den mentalitet som förknippas med en aktiv handelsstrategi skiljer sig från den långsiktiga, buy-and-hold-strategin. I buy-and-hold-strategin används en mentalitet som tyder på att prisrörelser på lång sikt kommer att överväga prisförändringarna på kort sikt, och som sådana bör kortsiktiga rörelser ignoreras. Aktiva handlare anser å andra sidan att kortsiktiga rörelser och fånga marknadsutvecklingen är där vinsten görs. Det finns olika metoder som används för att uppnå en aktiv handelsstrategi, var och en med lämpliga marknadsmiljöer och risker som är inneboende i strategin. Här är fyra av de vanligaste typerna av aktiv handel och de inbyggda kostnaderna för varje strategi. (Aktiv handel är en populär strategi för dem som försöker slå marknadens genomsnitt. För att läsa mer, kolla Hur man överträffar marknaden.) 1. Dag Trading Day trading är kanske den mest kända aktiv trading-stilen. Den anses ofta vara en pseudonym för aktiv handel själv. Dagshandling, som namnet antyder, är metoden att köpa och sälja värdepapper inom samma dag. Positionerna stängs ut samma dag som de tas och ingen position hålls över natten. Traditionellt görs daghandel genom professionella handlare, som specialister eller marknadsaktörer. Elektronisk handel har dock öppnat denna praxis för nybörjare. (För relaterad läsning, se även Dagshandelsstrategier för nybörjare.) Vissa anser faktiskt att positionshandling är en buy-and-hold-strategi och inte aktiv handel. Positionshandel, när den görs av en avancerad näringsidkare, kan emellertid vara en form av aktiv handel. Positionshandel använder längre siktdiagram - var som helst från dag till månad - i kombination med andra metoder för att bestämma utvecklingen i den nuvarande marknadsriktningen. Denna typ av handel kan vara i flera dagar till flera veckor och ibland längre, beroende på trend. Trendhandlare letar efter successiva högre höjder eller lägre höjder för att bestämma utvecklingen av en säkerhet. Genom att hoppa på och rida på vågan, strävar trendhandlare till att dra nytta av både upp och nackdelen av marknadsrörelserna. Trendhandlare ser till att bestämma riktningen på marknaden, men de försöker inte förutse några prisnivåer. Typiskt hoppar trendhandlare på trenden efter att den har etablerat sig, och när trenden bryts går de vanligtvis ut från positionen. Det innebär att trendhandeln i perioder med hög volatilitet på marknaden är svårare och dess positioner i allmänhet reduceras. När en trend bryter kommer swinghandlare att komma in i spelet. I slutet av en trend är det vanligen en viss volatilitet eftersom den nya trenden försöker etablera sig. Swing-handlare köper eller säljer som prisvolatiliteten sätter in. Swing-affärer hålls vanligtvis i mer än en dag men i kortare tid än trendhandel. Swing-handlare skapar ofta en uppsättning handelsregler baserade på teknisk eller fundamental analys är dessa handelsregler eller algoritmer utformade för att identifiera när man ska köpa och sälja en säkerhet. Medan en swing-trading algoritm inte behöver vara exakt och förutsäga topp eller dal av en prisrörelse, behöver den en marknad som rör sig i en riktning eller en annan. En range-bunden eller sidledes marknad är en risk för swinghandlare. (För mer om swing trading, se vår Introduktion till Swing Trading.) 4. Scalping Scalping är en av de snabbaste strategierna som används av aktiva handlare. Det innefattar att utnyttja olika prisluckor som orsakas av bidaskala och orderflöden. Strategin fungerar i allmänhet genom att sprida eller köpa till köpeskillingen och sälja till priset för att få skillnaden mellan de två prispunkterna. Scalpers försöker hålla sina positioner under en kort period och minskar risken för strategin. Dessutom försöker en scalper inte utnyttja stora drag eller flytta höga volymer, utan försöker dra fördel av små drag som uppträder ofta och flytta mindre volymer oftare. Eftersom vinstsnivån per handel är liten, söker scalpers efter att fler likvida marknader ökar frekvensen av sina affärer. Och till skillnad från swinghandlare, scalpers som tysta marknader som inte är föremål för plötsliga prisrörelser så att de potentiellt kan göra spridningen upprepade gånger på samma priser. (För att lära dig mer om denna aktiva handelsstrategi, läs Scalping: Små snabba vinster kan lägga upp.) Kostnader som inte överensstämmer med handelsstrategier Det är en anledning till aktiva handelsstrategier som en gång endast var anställda av professionella handlare. Inte bara med ett internt mäklarhus minskar kostnaderna för högfrekvent handel. men det säkerställer också ett bättre handelsutförande. Lägre provisioner och bättre genomförande är två faktorer som förbättrar strategins vinstpotential. Betydande inköp av hårdvara och mjukvara krävs för att framgångsrikt genomföra dessa strategier utöver realtidsmarknadsdata. Dessa kostnader gör framgångsrikt implementering och utnyttjar aktiv handel något otillåtet för den enskilda näringsidkaren, men inte alla tillsammans oåterkalleliga. Aktiva handlare kan använda en eller flera av de ovannämnda strategierna. Innan beslut fattas om att engagera sig i dessa strategier måste riskerna och kostnaderna i samband med varje undersökning undersökas och beaktas. (För relaterad läsning, se även Risk Management Techniques for Active Traders.) Artikel 50 är en förhandlings - och avvecklingsklausul i EU-fördraget som beskriver de åtgärder som ska vidtas för vilket land som helst. Beta är ett mått på volatiliteten eller systematisk risk för en säkerhet eller en portfölj i jämförelse med marknaden som helhet. En typ av skatt som tas ut på kapitalvinster som uppkommit av individer och företag. Realisationsvinster är vinsten som en investerare. En order att köpa en säkerhet till eller under ett angivet pris. En köpgränsorder tillåter näringsidkare och investerare att specificera. En IRS-regel (Internal Revenue Service Rule) som tillåter utbetalningar från ett IRA-konto i samband med straff. Regeln kräver det. Den första försäljningen av lager av ett privat företag till allmänheten. IPOs utfärdas ofta av mindre, yngre företag som söker. Först var försiktig så att vi inte konflaterar vad vi konventionellt anser vara systematisk kvantitativ handel och algoritmisk handel. I branschplikten hänvisar algoritmisk handel oftare till användningen av exekveringsalgoritmer som delas upp en punktvis förälderordning i en uppsättning barnorder som sprids ut över ett intervall och försöker träffa några riktmärken, t. ex. VWAP eller minimering av glidning. Rättvist är det nu ganska vanligt att införliva alfasprognoser i en exekveringsalgo, och på samma sätt kan man använda generella algoritmer (t ex Bellman-Ford) eller exekveringsalgoritmer i kvantitativa handelsstrategier. Så kanske det är specifikt om skillnaderna mellan de två är begränsat till en arbetssökning: Ansvaret är helt annorlunda mellan ett kvantitativt handelslag i en hedgefond och en algoritmisk handelsdisk hos en mäklare. Ändå kommer jag att skilja de två för att jag ska få tydligare svar på mitt svar. En enkel algoritmisk handelsstrategi att förstå är en naiv TWAP-strategi, som helt enkelt splittrar en stor förälderordning i mindre, lika stora barnorder som fördelas jämnt över tidsintervallet, vilket är empiriskt (och teoretiskt sett under vissa antaganden om prisbildningsförfarandet) befunnits minska marknadseffekterna. När det gäller systematiska kvantstrategier, på en längre tid, motiveras många av dessa fortfarande av faktormodeller eller medelvarianteroptimering. I den tidigare formuleringen uttrycks en grundläggande strategi den framtida avkastningen på en tillgång som en linjär kombination av historiska faktorer och normalt distribuerat ljud. Vanliga aktiefaktorer är marknadsavkastning, marknadsvärde, bokfört marknadsförhållande och momentum. För räntebindning används ofta termi - och standardfaktorer. Faktorbelastningarna eller konstanta koefficienterna för faktorerna löses med minsta kvadrater över något fönster med historiska data - den här delen utförs nästan alltid av en dator, alltså algoritmisk. Som en sidnotk: Denna modell föregår också den populära ideen om en marknadsneutral strategi, som praktiseras av många hedgefonder, med tron på ett starkt medelåterkallande beteende i återstående tidsserier. I den allmänna formen av medelvarianteroptimering uttrycker man din portfölj förväntad avkastning, varians och begränsningar som funktioner för positionsstorlekar i varje säkerhet i din portfölj. Detta är ett arketypiskt problem för metoden för Lagrange-multiplikatorer, och det finns mogna numeriska bibliotek som löser det väldigt snabbt på en CPU. Det här är en elegant och flexibel formulering. Du kan faktiskt uttrycka en mängd intressanta begränsningar i vikterna, vare sig det är enbart, hävstångseffekt, gammaviktad eller beta-neutralitet, kvadratiska transaktionskostnader - dessa speciella fall motiverar deras algoritmiska implementeringar i en långfristig aktiefond, beta-neutralfond, 13030-fond och så vidare. Som ett annat exempel strävar volatilitetsarbitrage strategier för att fånga skillnaden mellan underförstådd volatilitet och prognostiserad realiserad volatilitet. På den lägre nivån kan sådana strategier utnyttja gittermodeller och Monte Carlo-simuleringar som måste lösas numeriskt, vilket i hög grad begränsar utövandet av dessa strategier till en viss grad av algoritmisk implementering. Förbättringar i GPGPU-bearbetning och parallella beräkningsramar möjliggör intressanta sysslor med systematisk handel i detta utrymme. En algoritm är en specifik uppsättning tydliga instruktioner som syftar till att utföra en uppgift eller process. Algoritmisk handel (automatiserad handel, blackbox-handel eller helt enkelt algo-trading) är processen med att använda datorer som är programmerade att följa en definierad uppsättning instruktioner för att placera en handel för att generera vinst med en hastighet och frekvens som är omöjligt för en mänsklig näringsidkare. De definierade reglerna baseras på timing, pris, kvantitet eller någon matematisk modell. Bortsett från vinstmöjligheter för näringsidkaren gör algo-trading marknaderna mer likvida och gör handeln mera systematisk genom att utesluta emotionella mänskliga effekter på handelsverksamheten. Antag att en näringsidkare följer dessa enkla handelskriterier: Köp 50 aktier i ett lager när dess 50-dagars glidande medelvärde går över det 200-dagars glidande genomsnittet. Sälj aktier av aktierna när dess 50-dagars glidande medelvärde går under det 200-dagars glidande genomsnittet Med hjälp av denna uppsättning av två enkla instruktioner är det enkelt att skriva ett datorprogram som automatiskt kommer att övervaka aktiekursen (och de rörliga genomsnittliga indikatorerna) och placera köp - och säljorder när de fastställda villkoren är uppfyllda. Näringsidkaren behöver inte längre hålla koll på levande priser och grafer eller lägga in orderen manuellt. Det algoritmiska handelssystemet gör det automatiskt för honom genom att korrekt identifiera handelsmöjligheten. (För mer om glidande medelvärden, se: Enkla rörliga genomsnittsvärden. Trenden utgår.) Algo-trading ger följande fördelar: Handlar utförda till bästa möjliga priser. Instant och exakt orderingång (därmed höga chanser att genomföras på önskade nivåer). tidsbestämd korrekt och omedelbart för att undvika betydande prisförändringar. Minskade transaktionskostnader (se exempel på genomförandebortfall nedan). Samtidiga automatiserade kontroller på flera marknadsförhållanden. Minskad risk för manuella fel vid placering av affärerna. Backtest algoritmen baserat på tillgänglig historisk och realtidsdata. möjligheter till misstag av mänskliga handlare baserade på känslomässiga och psykologiska faktorer Den största delen av dagens algo-trading är högfrekvenshandel (HFT) som försöker kapitalisera att placera ett stort antal order med mycket snabba hastigheter över flera marknader och flera beslut parametrar, baserat på förprogrammerade instruktioner. (För mer om handel med högfrekventa handelar, se: Strategier och hemligheter hos högfrekvenshandeln). Algo-trading används i många former av handels - och investeringsverksamhet, bland annat: Mid till långsiktiga investerare eller köpsidor (pensionsfonder , fonder, försäkringsbolag) som köper aktier i stora mängder men inte vill påverka lagerpriserna med diskreta investeringar i stor volym. Kortfristiga näringsidkare och sälja sidodeltagare (marknadsmäklare, spekulanter och arbitrageare) drar nytta av automatiserad handelstillverkning i tillägg algo-handelshjälpmedel för att skapa tillräcklig likviditet för säljare på marknaden. Systematiska handlare (trendföljare, parhandlare, hedgefonder etc.) finner det mycket effektivare att programmera sina handelsregler och låta programmet handla automatiskt. Algoritmisk handel ger ett mer systematiskt tillvägagångssätt för aktiv handel än metoder som bygger på en mänsklig handlares intuition eller instinkt. Algoritmiska handelsstrategier Alla strategier för algoritmisk handel kräver en identifierad möjlighet som är lönsam när det gäller förbättrat resultat eller kostnadsminskning. Följande är vanliga handelsstrategier som används i algo-trading: De vanligaste algoritmiska handelsstrategierna följer trender i glidande medelvärden. kanalbrytningar. prisnivå rörelser och relaterade tekniska indikatorer. Dessa är de enklaste och enklaste strategierna för att genomföra genom algoritmisk handel, eftersom dessa strategier inte innebär att man gör några förutsägelser eller prisprognoser. Trader initieras baserat på förekomsten av önskvärda trender. som är enkla och raka att implementera genom algoritmer utan att komma in i komplexiteten av prediktiv analys. Ovanstående exempel på 50 och 200 dagars glidande medelvärde är en populär trendstrategi. (För mer om trendstrategier se: Enkla strategier för att kapitalisera på trender.) Att köpa ett dubbelt noterat lager till ett lägre pris på en marknad och samtidigt sälja det till ett högre pris på en annan marknad ger prisskillnaden som riskfri vinst eller arbitrage. Samma operation kan replikeras för aktier kontra futuresinstrument, eftersom prisskillnaderna existerar från tid till annan. Genomföra en algoritm för att identifiera sådana prisskillnader och placera orderna möjliggör lönsamma möjligheter på ett effektivt sätt. Indexfonder har definierat perioder av ombalansering för att få sina innehav i nivå med sina respektive referensindex. Detta skapar lönsamma möjligheter för algoritmiska näringsidkare, som utnyttjar förväntad handel som erbjuder 20-80 basispoäng vinst beroende på antalet aktier i indexfonden, precis innan indexfonden ombalanseras. Sådana branscher initieras via algoritmiska handelssystem för snabb genomförande och bästa priser. Matematiska modellbaserade strategier: Många beprövade matematiska modeller, som den delta-neutrala handelsstrategin, som möjliggör handel med kombinationer av optioner och dess underliggande säkerhet, där handeln placeras för att kompensera positiva och negativa delta så att portföljen delta bibehålls noll. Medelåtervändningsstrategin bygger på idén att de höga och låga priserna på en tillgång är ett tillfälligt fenomen som regelbundet återgår till deras medelvärde. Identifiera och definiera ett prisklass och en implementeringsalgoritm baserad på det gör det möjligt att placera affärer automatiskt när priset på tillgången bryter in och ut ur sitt definierade intervall. Volymviktat genomsnittligt pris (VWAP): Volymvägd genomsnittsprisstrategi bryter upp en stor order och släpper dynamiskt bestämda mindre bitar av ordern till marknaden med hjälp av aktiespecifika historiska volymprofiler. Syftet är att genomföra ordern nära Volymvägd Medelpris (VWAP) och därigenom dra nytta av genomsnittspriset. Time Weighted Average Price (TWAP): Tidsvägd genomsnittsprisstrategi bryter upp en stor order och släpper dynamiskt bestämda mindre bitar av ordern till marknaden med jämnt fördelade tidsluckor mellan start - och sluttid. Syftet är att genomföra ordern nära medelpriset mellan start - och sluttiderna och därigenom minimera marknadseffekterna. Till dess att ordern är fullt fylld fortsätter denna algoritm att skicka delbeställningar, enligt det definierade deltagandekvoten och enligt volymen på marknaden. Den relaterade quotisteps strategyquot skickar order till en användardefinierad procentandel av marknadsvolymer och ökar eller minskar denna delaktighet när aktiekursen når användardefinierade nivåer. Strategin för genomförandet av underskottet syftar till att minimera genomförandekostnaden för en order genom att handla i realtidsmarknaden och därigenom spara på orderkostnaden och dra nytta av möjlighetskostnaden för försenat genomförande. Strategin kommer att öka den riktade delaktighetsgraden när aktiekursen flyttas positivt och minska den när aktiekursen går negativt. Utöver de vanliga handelsalgoritmerna: Det finns några speciella klasser av algoritmer som försöker identifiera händelser på andra sidan. Dessa quotsniffing-algoritmer, som exempelvis används av en försäljningssida-marknadsförare, har den inbyggda intelligensen för att identifiera existensen av några algoritmer på köpsidan av en stor order. Sådan upptäckt genom algoritmer hjälper marknadsmakaren identifiera stora ordermöjligheter och gör det möjligt för honom att dra nytta av att fylla orderna till ett högre pris. Detta identifieras ibland som high-tech front-running. (För mer om handel med högfrekventa handelar och bedrägerier, se: Om du köper aktier online är du involverad i HFT.) Tekniska krav för algoritmisk handel Genom att implementera algoritmen med ett datorprogram är den sista delen, klubbad med backtesting. Utmaningen är att omvandla den identifierade strategin till en integrerad datoriserad process som har tillgång till ett handelskonto för beställning. Följande behövs: Datorprogrammeringskunskap för att programmera den nödvändiga handelsstrategin, de anställda programmörerna eller färdiga handelsprogramvaran Nätverksanslutning och tillgång till handelsplattformar för orderingång Tillgång till marknadsdata feeds som kommer att övervakas av algoritmen för möjligheter att placera order Förmåga och infrastruktur att backtest systemet en gång byggt innan det går live på reala marknader Tillgängliga historiska data för backtesting, beroende på komplexiteten av regler som implementeras i algoritmen Här är ett omfattande exempel: Royal Dutch Shell (RDS) är listat på Amsterdam Fondbörs (AEX) och London Stock Exchange (LSE). Låt oss bygga en algoritm för att identifiera arbitrage möjligheter. Här är några intressanta observationer: AEX handlar i euro, medan LSE handlar i Sterling Pounds På grund av en timmes tidsskillnad öppnar AEX en timme tidigare än LSE, följt av båda börserna samtidigt som de handlas under de närmaste timmarna och sedan endast handlar i LSE under den sista timmen när AEX stängs Kan vi undersöka möjligheten till arbitragehandel på Royal Dutch Shell-börsen som är listad på dessa två marknader i två olika valutor Ett datorprogram som kan läsa aktuella marknadspriser Prismatningar från både LSE och AEX A-valutahastighet för GBP-EUR-växelkurs Beställa placeringskapacitet som kan styra ordern till rätt utbyte Backtestningskapacitet på historiska prismatningar Dataprogrammet ska utföra följande: Läs det inkommande prismatningen av RDS-lager från båda börserna Använda de tillgängliga valutakurser , konvertera priset på en valuta till andra Om det finns en tillräckligt stor prissammanhang (diskontering av mäklarkostnader) som leder till en profi bordsmöjlighet och placera sedan köpordern på lägre prissättning och sälja order till högre prissättning. Om orderna genomförs enligt önskemål kommer arbitrageavkastningen att följa Simple and Easy. Men övningen av algoritmisk handel är inte så enkel att upprätthålla och genomföra . Kom ihåg att om du kan placera en algo-genererad handel, så kan andra marknadsaktörer. Följaktligen fluktuerar priserna i milli - och till och med mikrosekunder. I det ovanstående exemplet, vad händer om din köphandel blir verkställd, men sälja handel, eftersom försäljningspriserna ändras när din order träffar marknaden. Du kommer att sluta sitta med en öppen position, vilket gör din arbitrage strategi värdelös. Det finns ytterligare risker och utmaningar: till exempel riskerar systemfel, nätverksanslutningsfel, tidsfördröjningar mellan handelsorder och utförande, och viktigast av allt, ofullkomliga algoritmer. Ju mer komplexa en algoritm krävs, desto strängare backtesting behövs innan den tas i bruk. Bottom Line Kvantitativ analys av algoritmer prestanda spelar en viktig roll och bör granskas kritiskt. Det är spännande att gå till automatisering med hjälp av datorer med en uppfattning att tjäna pengar utan problem. Men man måste se till att systemet är noggrant testat och att gränserna är nödvändiga. Analytiska handlare bör överväga att lära sig programmering och byggsystem på egen hand, för att vara övertygade om att implementera rätt strategier i idiotsäkert sätt. Försiktig användning och noggrann testning av algo-handel kan skapa lönsamma möjligheter.
No comments:
Post a Comment