Common Algoritmisk Trading Strategier

Grunnleggende om Algoritmisk handel: Konsepter og eksempler En algoritme er et spesifikt sett med klart definerte instruksjoner som skal utføre en oppgave eller prosess. Algoritmisk handel (automatisert handel, svart bokhandel eller ganske enkelt algo-trading) er prosessen med å bruke datamaskiner som er programmert til å følge et definert sett med instruksjoner for å sette en handel for å generere fortjeneste med en hastighet og frekvens som er umulig for en menneskelig næringsdrivende. De definerte settene av regler er basert på timing, pris, kvantitet eller hvilken som helst matematisk modell. Bortsett fra profittmuligheter for næringsdrivende, gjør algo-trading markeder mer likvide og gjør handel mer systematisk ved å utelukke følelsesmessige menneskelige konsekvenser for handelsaktiviteter. Anta at en næringsdrivende følger disse enkle handlekriteriene: Kjøp 50 aksjer på en aksje når 50-dagers glidende gjennomsnitt går over 200-dagers glidende gjennomsnitt. Selg aksjer på aksjene når 50-dagers glidende gjennomsnitt går under 200-dagers glidende gjennomsnitt Ved å bruke dette settet med to enkle instruksjoner, er det enkelt å skrive et dataprogram som automatisk overvåker aksjekursen (og de bevegelige gjennomsnittlige indikatorene) og legger kjøps - og salgsordrene når de definerte betingelsene er oppfylt. Trafikken trenger ikke lenger å holde øye med livepriser og grafer, eller legge inn ordrene manuelt. Det algoritmiske handelssystemet gjør det automatisk for ham ved korrekt å identifisere handelsmuligheten. (For mer om å flytte gjennomsnitt, se: Enkle bevegelige gjennomsnittsverdier Gjør utfordringer.) Algo-trading gir følgende fordeler: Handler utført til best mulig pris Øyeblikkelig og nøyaktig handelsordreplassering (derved høye muligheter for utførelse på ønsket nivå) Handler tidsbestemt korrekt og øyeblikkelig for å unngå betydelige prisendringer. Reduserte transaksjonskostnader (se gjennomføringsbristeksemplet nedenfor) Samtidig automatisert kontroll av flere markedsforhold. Redusert risiko for manuelle feil i å plassere bransjene. Teste algoritmen basert på tilgjengelige historiske og sanntidsdata Redusert Mulighet for feil av menneskelige handelsfolk basert på følelsesmessige og psykologiske faktorer Den største delen av dagens algo-trading er HFT (High Frequency Trading), som forsøker å kapitalisere seg på å plassere et stort antall bestillinger med svært høye hastigheter på tvers av flere markeder og flere beslutninger parametere, basert på forhåndsprogrammerte instruksjoner. (For mer om handel med høyfrekvent handel, se: Strategier og hemmeligheter for høyfrekvenshandelsvirksomhet). Algo-trading brukes i mange former for handels - og investeringsaktiviteter, blant annet: Midtre til langsiktige investorer eller kjøpsselskaper (pensjonskasser , fond, forsikringsselskaper) som kjøper i aksjer i store mengder, men ikke vil påvirke aksjekursene med diskrete, store voluminvesteringer. Kortsiktige forhandlere og selger sidedeltakere (markedstakere, spekulanter og arbitragerer) drar nytte av automatisert handelstiltak i tillegg, algo-trading hjelpemidler for å skape tilstrekkelig likviditet for selgere i markedet. Systematiske handelsfolk (trendfølgere, parhandlere, hedgefond etc.) finner det mye mer effektivt å programmere handelsreglene og la programmet handle automatisk. Algoritmisk handel gir en mer systematisk tilnærming til aktiv handel enn metoder basert på en menneskelig handlende intuisjon eller instinkt. Algoritmiske handelsstrategier Enhver strategi for algoritmisk handel krever en identifisert mulighet som er lønnsom når det gjelder bedre inntjening eller kostnadsreduksjon. Følgende er vanlige handelsstrategier som brukes i algo-trading: De vanligste algoritmiske handelsstrategiene følger trender i flytende gjennomsnitt. kanalutbrudd. prisnivåbevegelser og tilhørende tekniske indikatorer. Dette er de enkleste og enkleste strategiene for å implementere gjennom algoritmisk handel fordi disse strategiene ikke innebærer å gjøre noen spådommer eller prisprognoser. Handler er initiert basert på forekomsten av ønskelige trender. som er enkle og enkle å implementere gjennom algoritmer uten å komme inn i kompleksiteten av prediktiv analyse. Ovennevnte eksempel på 50 og 200 dagers glidende gjennomsnitt er en populær trend-strategi. (For mer om trend trading strategier, se: Enkle strategier for kapitalisering på trender.) Å kjøpe en dobbelt børsnotert aksje til en lavere pris i ett marked og samtidig selge den til en høyere pris i et annet marked, tilbyr prisforskjellen som risikofri gevinst eller arbitrage. Samme operasjon kan replikeres for aksjer kontra futures instrumenter, da prisforskjeller eksisterer fra tid til annen. Implementering av en algoritme for å identifisere slike prisforskjeller og å plassere ordrene gir lønnsomme muligheter på en effektiv måte. Indeksfondene har definert perioder med rebalansering for å bringe sine beholdninger på nivå med sine respektive referanseindekser. Dette skaper lønnsomme muligheter for algoritmiske handelsmenn, som utnytter forventede bransjer som tilbyr 20-80 basispoeng fortjeneste avhengig av antall aksjer i indeksfondet, like før indeksfondets rebalansering. Slike handler initieres via algoritmiske handelssystemer for rettidig utførelse og beste priser. Mange påviste matematiske modeller, som delta-nøytral handelsstrategi, som tillater handel på kombinasjon av opsjoner og underliggende sikkerhet. hvor handler er plassert for å kompensere positive og negative deltakere slik at porteføljens delta blir opprettholdt til null. Gjennomsnittlig reverseringsstrategi er basert på ideen om at høye og lave priser på en eiendel er et midlertidig fenomen som regelmessig vender tilbake til gjennomsnittlig verdi. Identifisere og definere et prisklasse og en implementeringsalgoritme basert på det tillater handel å bli plassert automatisk når prisen på aktivet bryter inn og ut av sitt definerte område. Volumvektet gjennomsnittsprisstrategi bryter opp en stor ordre og frigjør dynamisk bestemte mindre biter av ordren til markedet ved hjelp av aksjespesifikke historiske volumprofiler. Målet er å gjennomføre bestillingen nær Volumvektet Gjennomsnittlig Pris (VWAP), og derved nytte av gjennomsnittsprisen. Tidsvektet gjennomsnittsprisstrategi bryter opp en stor ordre og frigjør dynamisk bestemte mindre biter av ordren til markedet ved å bruke jevnt fordelte tidsluker mellom en start og sluttid. Målet er å gjennomføre bestillingen nær gjennomsnittlig pris mellom start - og sluttider, og dermed minimere markedsvirkningen. Inntil handelsordren er fullstendig, fortsetter denne algoritmen å sende partielle ordrer, i henhold til definert deltakelsesforhold og i henhold til volumet som handles på markedene. Den relaterte trinnstrategien sender ordrer til en brukerdefinert prosentandel av markedsvolumer og øker eller reduserer denne deltakelsesraten når aksjekursen når brukerdefinerte nivåer. Strategien for gjennomføring av mangler har til hensikt å minimere eksekveringsprisen for en ordre ved å avregne realtidsmarkedet, og dermed spare på kostnadene for ordren og dra nytte av mulighetskostnaden ved forsinket utførelse. Strategien vil øke den målrettede deltakelsesraten når aksjekursen beveger seg gunstig og reduserer den når aksjekursen beveger seg negativt. Det er noen spesielle klasser av algoritmer som forsøker å identifisere hendelser på den andre siden. Disse sniffingsalgoritmene, som for eksempel brukes av en selger side markedsfører, har den innebygde intelligensen for å identifisere eksistensen av noen algoritmer på kjøpssiden av en stor ordre. Slik gjenkjenning gjennom algoritmer vil hjelpe markedsmakeren til å identifisere store ordre muligheter og gjøre det mulig for ham å få fordel ved å fylle ordrene til en høyere pris. Dette er noen ganger identifisert som high-tech front-running. (For mer om høyfrekvent handel og bedragerisk praksis, se: Hvis du kjøper aksjer på nettet, er du involvert i HFT.) Tekniske krav til algoritmisk handel Implementering av algoritmen ved hjelp av et dataprogram er den siste delen, klubbbedret med backtesting. Utfordringen er å omdanne den identifiserte strategien til en integrert datastyrt prosess som har tilgang til en handelskonto for å plassere ordrer. Følgende er nødvendige: Programmeringskunnskap for å programmere den nødvendige handelsstrategien, innleid programmører eller ferdigstillet handelsprogramvare Nettverkstilkobling og tilgang til handelsplattformer for å plassere ordrene Tilgang til markedsdata feeds som vil bli overvåket av algoritmen for muligheter til plassering ordrer Evnen og infrastrukturen til å sikkerhetskopiere systemet en gang bygget, før den går live på ekte markeder Tilgjengelig historisk data for backtesting, avhengig av kompleksiteten av regler implementert i algoritmen Her er et omfattende eksempel: Royal Dutch Shell (RDS) er notert på Amsterdam Børs (AEX) og London Stock Exchange (LSE). Lar bygge en algoritme for å identifisere arbitrage muligheter. Her er noen interessante observasjoner: AEX handler i euro, mens LSE handler i Sterling Pounds På grunn av en times tidsforskjell åpner AEX en time tidligere enn LSE, etterfulgt av begge børser som handler samtidig for de neste par timene og deretter handler kun i LSE under Den siste timen når AEX lukkes Kan vi undersøke muligheten for arbitragehandel på Royal Dutch Shell-børsen som er oppført på disse to markedene i to forskjellige valutaer. Et dataprogram som kan lese nåværende markedspriser. Prisene fra både LSE og AEX. A forex rate feed for GBP-EUR-vekslingskurs Bestill plasseringskapasitet som kan ordne bestillingen til riktig utveksling Tilbakestillingskapasitet på historiske prisfeeder Dataprogrammet bør utføre følgende: Les innkommende prisfôr av RDS-lager fra begge børser Ved hjelp av tilgjengelige valutakurser . konvertere prisen på en valuta til andre Hvis det eksisterer en stor nok prisavvik (rabatt på meglerkostnadene) som fører til en lønnsom mulighet, legger du kjøpsordren på lavere prissentral og salgsordre på høyere prissentral Hvis ordrene utføres som Ønsket, arbitrage fortjeneste vil følge Simple and Easy Imidlertid er praksis med algoritmisk handel ikke så enkelt å vedlikeholde og utføre. Husk at hvis du kan plassere en algo-generert handel, så kan de andre markedsdeltakere. Følgelig varierer prisene i milli - og til og med mikrosekunder. I eksemplet ovenfor, hva skjer hvis kjøpekjøpet ditt blir henrettet, men selger handel, da selgerprisene endrer seg når bestillingen din treffer markedet. Du vil ende opp med å sitte med en åpen stilling. gjøre arbitrage-strategien din verdiløs. Det er flere risikoer og utfordringer: for eksempel systemfeil, nettverkstilkoblingsfeil, tidsforsinkelse mellom handelsordre og utførelse, og viktigst av alt, ufullkomne algoritmer. Jo mer komplekse en algoritme, desto strengere backtesting er nødvendig før den blir satt i gang. Kvantitativ analyse av en algoritmeprestasjon spiller en viktig rolle og bør undersøkes kritisk. Det er spennende å gå for automatisering hjulpet av datamaskiner med en ide å tjene penger uten problemer. Men man må sørge for at systemet er grundig testet og at det stilles krav om grenser. Analytiske handelsfolk bør vurdere å lære programmerings - og byggesystemer alene, for å være sikre på å implementere de riktige strategiene på idiotsikker måte. Forsiktig bruk og grundig testing av algo-handel kan skape lønnsomme muligheter. Artikkel 50 er en forhandlings - og oppgjørsklausul i EU-traktaten som skisserer trinnene som skal tas for ethvert land som. Beta er et mål for volatiliteten, eller systematisk risiko, av en sikkerhet eller en portefølje i forhold til markedet som helhet. En type skatt belastet kapitalgevinster pådratt av enkeltpersoner og selskaper. Kapitalgevinst er fortjenesten som en investor. En ordre om å kjøpe en sikkerhet til eller under en spesifisert pris. En kjøpsgrenseordre tillater handelsmenn og investorer å spesifisere. En IRS-regelen (Internal Revenue Service) som tillater straffefri uttak fra en IRA-konto. Regelen krever det. Det første salg av aksjer av et privat selskap til publikum. IPOs utstedes ofte av mindre, yngre selskaper som søker de fire. Fellesaktive handelsstrategier. Aktiv handel er handelen med å kjøpe og selge verdipapirer basert på kortsiktige bevegelser for å profittere av prisbevegelsene på et kortsiktig aksjekart. Tanken knyttet til en aktiv handelsstrategi er forskjellig fra den langsiktige, buy-and-hold-strategien. Kjøp-og-hold-strategien anvender en mentalitet som tyder på at prisbevegelser på lang sikt vil veie opp mot prisbevegelsene på kort sikt, og som sådan bør kortsiktige bevegelser ignoreres. Aktive handelsfolk tror på den annen side at kortsiktige bevegelser og fange markedsutviklingen er hvor overskuddet blir gjort. Det er ulike metoder som brukes til å oppnå en aktiv handelsstrategi, hver med passende markedsmiljøer og risikoer som ligger i strategien. Her er fire av de vanligste typer aktiv handel og de innebygde kostnadene til hver strategi. (Aktiv handel er en populær strategi for de som prøver å slå markedsgjenomsnittet. Hvis du vil vite mer, sjekk ut hvordan du kan utnytte markedet.) 1. Dag Trading Day trading er kanskje den mest kjente aktiv trading-stilen. Det er ofte betraktet som et pseudonym for aktiv handel selv. Dagshandel, som navnet tilsier, er metoden for kjøp og salg av verdipapirer samme dag. Posisjoner er stengt ute samme dag de tas, og ingen stilling holdes over natten. Tradisjonelt er dagshandelen utført av profesjonelle handelsfolk, som spesialister eller markedsførere. Elektronisk handel har imidlertid åpnet denne praksisen til nybegynnere. (For relatert lesing, se også Day Trading Strategies for nybegynnere.) Noen anser faktisk posisjonshandel for å være en buy-and-hold-strategi og ikke aktiv handel. Posisjonshandel, når den gjøres av en avansert forhandler, kan imidlertid være en form for aktiv handel. Posisjonshandel bruker langsiktige diagrammer - hvor som helst fra daglig til månedlig - i kombinasjon med andre metoder for å bestemme utviklingen i dagens markedsretning. Denne typen handel kan vare i flere dager til flere uker og noen ganger lenger, avhengig av trenden. Trendhandlere ser etter suksessive høyere høyder eller lavere høyder for å bestemme utviklingen av en sikkerhet. Ved å hoppe på og ri bølgen, har trendhandlere som mål å dra nytte av både opp og nedside av markedsbevegelser. Trendhandlere ser ut til å bestemme retningen til markedet, men de prøver ikke å prognose noen prisnivå. Trendhandlere hopper vanligvis på trenden etter at den har etablert seg, og når trenden bryter, går de vanligvis ut av stillingen. Dette betyr at trendhandel i perioder med høy volatilitet i markedet er vanskeligere, og plasseringene er generelt redusert. Når en trend bryter, kommer swinghandlere vanligvis i spillet. På slutten av en trend er det vanligvis en viss prisvolatilitet som den nye trenden prøver å etablere seg. Swinghandlere kjøper eller selger ettersom prisvolatiliteten setter inn. Swing-handler holdes vanligvis i mer enn en dag, men i kortere tid enn trendhandler. Swing-forhandlere lager ofte et sett av handelsregler basert på teknisk eller grunnleggende analyse disse handelsreglene eller algoritmene er utformet for å identifisere når de skal kjøpe og selge en sikkerhet. Mens en swing-trading-algoritme ikke trenger å være nøyaktig og forutsi topp eller dal av en prisbevegelse, trenger den et marked som beveger seg i en eller annen retning. Et utvalgsbasert eller sidelengs marked er en risiko for swinghandlere. (For mer om swing trading, se vår Introduksjon til Swing Trading.) 4. Scalping Scalping er en av de raskeste strategiene som brukes av aktive handelsfolk. Den inkluderer utnyttelse av ulike prisgap som skyldes budsjettpresker og ordrerestrømmer. Strategien fungerer vanligvis ved å gjøre spredningen eller kjøpet til tilbudsprisen og selge til spørprisen for å motta forskjellen mellom de to prispoengene. Scalpers forsøker å holde sine stillinger i en kort periode, og dermed redusere risikoen forbundet med strategien. I tillegg forsøker en scalper ikke å utnytte store trekk eller flytte høye volumer heller, men prøver å utnytte små trekk som forekommer ofte og flytte mindre volumer oftere. Siden overskuddsnettet per handel er liten, ser scalpers etter flere likvide markeder å øke hyppigheten av sine bransjer. Og i motsetning til svinghandlere, scalpers som stille markeder som ikke er utsatt for plutselige prisbevegelser, slik at de potensielt kan spre spredningen gjentatte ganger på samme tilbudspriser. (For å lære mer om denne aktive handelsstrategien, les Scalping: Små fortjeneste kan legge opp.) Kostnader som er uforenelige med handelsstrategier Det er en grunn til at aktive handelsstrategier var en gang bare ansatt av profesjonelle handelsfolk. Ikke bare har det et internt meglerhus redusert kostnadene forbundet med høyfrekvent handel. men det sikrer også bedre handel. Lavere provisjoner og bedre gjennomføring er to elementer som forbedrer strategiens fortjenestepotensial. Vesentlige kjøp av maskinvare og programvare er nødvendig for å kunne implementere disse strategiene i tillegg til sanntids markedsdata. Disse kostnadene gjør det vellykket å implementere og profittere fra aktiv handel noe uoverkommelig for den enkelte næringsdrivende, men ikke alle sammen unakievable. Aktive handelsfolk kan benytte en eller flere av de nevnte strategiene. Men før du bestemmer deg for å engasjere seg i disse strategiene, må risikoen og kostnadene knyttet til hver enkelt utforskes og vurderes. (For relatert lesing, ta også en titt på risikostyringsteknikker for aktive handelsfolk.) Artikkel 50 er en forhandlings - og oppgjørsklausul i EU-traktaten som skisserer trinnene som skal tas for ethvert land som. Beta er et mål for volatiliteten, eller systematisk risiko, av en sikkerhet eller en portefølje i forhold til markedet som helhet. En type skatt belastet kapitalgevinster pådratt av enkeltpersoner og selskaper. Kapitalgevinst er fortjenesten som en investor. En ordre om å kjøpe en sikkerhet til eller under en spesifisert pris. En kjøpsgrenseordre tillater handelsmenn og investorer å spesifisere. En IRS-regelen (Internal Revenue Service) som tillater straffefri uttak fra en IRA-konto. Regelen krever det. Det første salg av aksjer av et privat selskap til publikum. IPOer utstedes ofte av mindre, yngre selskaper som søker. Først må du være forsiktig så du ikke conflate det vi tradisjonelt anser å være systematisk kvantitativ handel og algoritmisk handel. I bransjestørrelse refererer algoritmisk handel oftere til bruken av utførelsesalgoritmer som deler opp en punktvis foreldreordre i et sett med barnordre spredt over et intervall og forsøker å treffe noen referanser, f. eks. VWAP eller minimering av slippe. Riktig er det nå ganske vanlig å inkorporere alfaforutsigelser i en utførelsesalgo, og på samme måte kan man benytte generiske algoritmer (for eksempel Bellman-Ford) eller utførelsesalgoritmer i kvantitative handelsstrategier. Så kanskje å være spesifikk om forskjellene mellom de to er begrenset til et jobbsøk: Ansvaret er ganske forskjellig mellom et kvantitativt handelslag i et hedgefond og et algoritmisk handelsbord på en meglerforhandler. Likevel, for å få klarhet i svaret mitt, skiller jeg de to. En enkel algoritmisk handelsstrategi å forstå er en naiv TWAP-strategi, som bare splitter en stor overordnet rekkefølge i mindre, like store barnordrer fordelt jevnt over tidsintervallet, som er empirisk (og teoretisk under visse forutsetninger om prisdannelsesprosessen) funnet å redusere markedsvirkningen. Når det gjelder systematiske kvantstrategier, på en lengre horisont, er mange av disse fortsatt motivert av faktormodeller eller middelvariantoptimalisering. I den første uttrykker en grunnleggende strategi fremtidig avkastning av en eiendel som en lineær kombinasjon av historiske faktorer og normalt distribuert støy. Felles egenkapitalfaktorer er markedsavkastning, markedsverdi, bok-til-markedsforhold og momentum. For renteinntekter brukes ofte begivenheter og standardrisikofaktorer. Faktorbelastningene eller konstante koeffisientene til faktorene er løst med minst firkanter over et eller annet vindu med historiske data - denne delen utføres nesten alltid av en datamaskin, algoritmisk. Som et notat: Denne modellen forutser også den populære ideen om en markedsnøytral strategi, praktisert av mange hedgefond, med troen på en sterk gjennombruddsadferd i gjenværende tidsserier. I den generelle formen for gjennomsnittlig variansoptimalisering uttrykker du porteføljen din forventede avkastning, varians og begrensninger som funksjoner for posisjonstørrelser i hver sikkerhet i porteføljen. Dette er et arketypisk problem for metoden for Lagrange-multiplikatorer, og det finnes modne numeriske biblioteker som løser det veldig fort på en CPU. Dette er en elegant og fleksibel formulering: Du kan faktisk uttrykke en rekke interessante begrensninger i vektene, det være seg langvarig, innflytelse, gammavektet eller beta-nøytralitet, kvadratiske transaksjonskostnader - disse spesielle sakene motiverer deres algoritmiske implementeringer i et kort kort aksjefond, beta nøytralfond, 13030 fond, og så videre. Som et annet eksempel har volatilitetsarbitrage-strategier som mål å fange forskjellen mellom implisitt volatilitet og forventet realisert volatilitet. På lavere nivå kan slike strategier benytte gittermodeller og Monte Carlo-simuleringer som må løses numerisk, og begrenser i praksis praksis av disse strategiene til en viss grad av algoritmisk implementering. Fremskritt i GPGPU-prosessering og parallelle databehandlingsrammer muliggjør interessante sysler av systematisk handel i dette rommet. En algoritme er et spesifikt sett med klart definerte instruksjoner som skal utføre en oppgave eller prosess. Algoritmisk handel (automatisert handel, svart bokhandel eller ganske enkelt algo-trading) er prosessen med å bruke datamaskiner som er programmert til å følge et definert sett med instruksjoner for å sette en handel for å generere fortjeneste med en hastighet og frekvens som er umulig for en menneskelig næringsdrivende. De definerte settene av regler er basert på timing, pris, kvantitet eller hvilken som helst matematisk modell. Bortsett fra profittmuligheter for næringsdrivende, gjør algo-trading markeder mer likvide og gjør handel mer systematisk ved å utelukke følelsesmessige menneskelige konsekvenser for handelsaktiviteter. Anta at en næringsdrivende følger disse enkle handlekriteriene: Kjøp 50 aksjer på en aksje når 50-dagers glidende gjennomsnitt går over 200-dagers glidende gjennomsnitt. Selg aksjer på aksjene når 50-dagers glidende gjennomsnitt går under 200-dagers glidende gjennomsnitt Ved å bruke dette settet med to enkle instruksjoner, er det enkelt å skrive et dataprogram som automatisk overvåker aksjekursen (og de bevegelige gjennomsnittlige indikatorene) og legger kjøps - og salgsordrene når de definerte betingelsene er oppfylt. Trafikken trenger ikke lenger å holde øye med livepriser og grafer, eller legge inn ordrene manuelt. Det algoritmiske handelssystemet gjør det automatisk for ham ved korrekt å identifisere handelsmuligheten. (For mer om å flytte gjennomsnitt, se: Enkle bevegelige gjennomsnittsverdier Gjør utfordringer.) Algo-trading gir følgende fordeler: Handler utført til best mulig pris Øyeblikkelig og nøyaktig handelsordreplassering (derved høye muligheter for utførelse på ønsket nivå) Handler tidsbestemt korrekt og øyeblikkelig for å unngå betydelige prisendringer. Reduserte transaksjonskostnader (se gjennomføringsbristeksemplet nedenfor) Samtidig automatisert kontroll av flere markedsforhold. Redusert risiko for manuelle feil i å plassere bransjene. Teste algoritmen basert på tilgjengelige historiske og sanntidsdata Redusert Mulighet for feil av menneskelige handelsfolk basert på følelsesmessige og psykologiske faktorer Den største delen av dagens algo-trading er HFT (High Frequency Trading), som forsøker å kapitalisere seg på å plassere et stort antall bestillinger med svært høye hastigheter på tvers av flere markeder og flere beslutninger parametere, basert på forhåndsprogrammerte instruksjoner. (For mer om handel med høyfrekvent handel, se: Strategier og hemmeligheter for høyfrekvenshandelsvirksomhet). Algo-trading brukes i mange former for handels - og investeringsaktiviteter, blant annet: Midtre til langsiktige investorer eller kjøpsselskaper (pensjonskasser , fond, forsikringsselskaper) som kjøper i aksjer i store mengder, men ikke vil påvirke aksjekursene med diskrete, store voluminvesteringer. Kortsiktige forhandlere og selger sidedeltakere (markedstakere, spekulanter og arbitragerer) drar nytte av automatisert handelstiltak i tillegg, algo-trading hjelpemidler for å skape tilstrekkelig likviditet for selgere i markedet. Systematiske handelsfolk (trendfølgere, parhandlere, hedgefond etc.) finner det mye mer effektivt å programmere handelsreglene og la programmet handle automatisk. Algoritmisk handel gir en mer systematisk tilnærming til aktiv handel enn metoder basert på en menneskelig traderes intuisjon eller instinkt. Algoritmiske handelsstrategier Enhver strategi for algoritmisk handel krever en identifisert mulighet som er lønnsom når det gjelder bedre inntjening eller kostnadsreduksjon. Følgende er vanlige handelsstrategier som brukes i algo-trading: De vanligste algoritmiske handelsstrategiene følger trender i flytende gjennomsnitt. kanalutbrudd. prisnivåbevegelser og tilhørende tekniske indikatorer. Dette er de enkleste og enkleste strategiene for å implementere gjennom algoritmisk handel fordi disse strategiene ikke innebærer å gjøre noen spådommer eller prisprognoser. Handler er initiert basert på forekomsten av ønskelige trender. som er enkle og enkle å implementere gjennom algoritmer uten å komme inn i kompleksiteten av prediktiv analyse. Ovennevnte eksempel på 50 og 200 dagers glidende gjennomsnitt er en populær trend-strategi. (For mer om trend trading strategier, se: Enkle strategier for kapitalisering på trender.) Å kjøpe en dobbelt børsnotert aksje til en lavere pris i ett marked og samtidig selge den til en høyere pris i et annet marked, tilbyr prisforskjellen som risikofri gevinst eller arbitrage. Samme operasjon kan replikeres for aksjer kontra futures instrumenter, da prisforskjeller eksisterer fra tid til annen. Implementering av en algoritme for å identifisere slike prisforskjeller og å plassere ordrene gir lønnsomme muligheter på en effektiv måte. Indeksfondene har definert perioder med rebalansering for å bringe sine beholdninger på nivå med sine respektive referanseindekser. Dette skaper lønnsomme muligheter for algoritmiske handelsmenn, som utnytter forventede bransjer som tilbyr 20-80 basispoeng fortjeneste avhengig av antall aksjer i indeksfondet, like før indeksfondets rebalansering. Slike handler initieres via algoritmiske handelssystemer for rettidig utførelse og beste priser. Matematiske modellbaserte strategier: Mange påviste matematiske modeller, som den delta-nøytrale handelsstrategien, som tillater handel på kombinasjon av opsjoner og den underliggende sikkerheten der transaksjoner plasseres for å kompensere positive og negative deltakere slik at porteføljens delta blir opprettholdt på null. Gjennomsnittlig reverseringsstrategi er basert på ideen om at høye og lave priser på en eiendel er et midlertidig fenomen som regelmessig vender tilbake til gjennomsnittlig verdi. Identifisere og definere et prisklasse og en implementeringsalgoritme basert på det tillater handel å bli plassert automatisk når prisen på aktivet bryter inn og ut av sitt definerte område. Volumvektet gjennomsnittspris (VWAP): Volumvektet gjennomsnittsprisstrategi bryter opp en stor ordre og frigjør dynamisk fastsatte mindre biter av ordren til markedet ved hjelp av aksjespesifikke historiske volumprofiler. Målet er å gjennomføre bestillingen nær Volumvektet Gjennomsnittlig Pris (VWAP), og derved nytte av gjennomsnittsprisen. Tidsvektet gjennomsnittspris (TWAP): Tidsvektet gjennomsnittsprisstrategi bryter opp en stor ordre og utgivelser dynamisk bestemte mindre biter av ordren til markedet ved å bruke jevnt fordelte tidsluker mellom en start og sluttid. Målet er å gjennomføre bestillingen nær gjennomsnittlig pris mellom start - og sluttider, og dermed minimere markedsvirkningen. Inntil handelsordren er fullstendig, fortsetter denne algoritmen å sende partielle ordrer, i henhold til definert deltakelsesforhold og i henhold til volumet som handles på markedene. Den relaterte quotisteps strategyquot sender ordrer til en brukerdefinert prosentandel av markedsvolumer og øker eller reduserer denne deltakelsesraten når aksjekursen når brukerdefinerte nivåer. Strategien for gjennomføring av mangler har til hensikt å minimere eksekveringsprisen for en ordre ved å avregne realtidsmarkedet, og dermed spare på kostnadene for ordren og dra nytte av mulighetskostnaden ved forsinket utførelse. Strategien vil øke den målrettede deltakelsesraten når aksjekursen beveger seg gunstig og reduserer den når aksjekursen beveger seg negativt. Utover de vanlige handelsalgoritmene: Det finnes noen spesielle klasser av algoritmer som forsøker å identifisere hendelser på den andre siden. Disse quotsniffing-algoritmene, f. eks. Brukt av en selger side markedsfører, har den innebygde intelligensen for å identifisere eksistensen av noen algoritmer på kjøpssiden av en stor ordre. Slik gjenkjenning gjennom algoritmer vil hjelpe markedsmakeren til å identifisere store ordre muligheter og gjøre det mulig for ham å få fordel ved å fylle ordrene til en høyere pris. Dette er noen ganger identifisert som high-tech front-running. (For mer om høyfrekvent handel og bedragerisk praksis, se: Hvis du kjøper aksjer på nettet, er du involvert i HFT.) Tekniske krav til algoritmisk handel Implementering av algoritmen ved hjelp av et dataprogram er den siste delen, klubbbedret med backtesting. Utfordringen er å omdanne den identifiserte strategien til en integrert datastyrt prosess som har tilgang til en handelskonto for å plassere ordrer. Følgende er nødvendige: Programmeringskunnskap for å programmere den nødvendige handelsstrategien, innleid programmører eller ferdigstillet handelsprogramvare Nettverkstilkobling og tilgang til handelsplattformer for å plassere ordrene Tilgang til markedsdata feeds som vil bli overvåket av algoritmen for muligheter til plassering ordrer Evnen og infrastrukturen til å sikkerhetskopiere systemet en gang bygget, før den går live på ekte markeder Tilgjengelig historisk data for backtesting, avhengig av kompleksiteten av regler implementert i algoritmen Her er et omfattende eksempel: Royal Dutch Shell (RDS) er notert på Amsterdam Børs (AEX) og London Stock Exchange (LSE). Lar bygge en algoritme for å identifisere arbitrage muligheter. Her er noen interessante observasjoner: AEX handler i euro, mens LSE handler i Sterling Pounds På grunn av en times tidsforskjell åpner AEX en time tidligere enn LSE, etterfulgt av begge børser som handler samtidig for de neste par timene og deretter handler kun i LSE under Den siste timen når AEX lukkes Kan vi undersøke muligheten for arbitragehandel på Royal Dutch Shell-børsen som er oppført på disse to markedene i to forskjellige valutaer. Et dataprogram som kan lese nåværende markedspriser. Prisene fra både LSE og AEX. A forex rate feed for GBP-EUR-vekslingskurs Bestill plasseringskapasitet som kan ordne bestillingen til riktig utveksling Tilbakestillingskapasitet på historiske prisfeeder Dataprogrammet bør utføre følgende: Les innkommende prisfôr av RDS-lager fra begge børser Ved hjelp av tilgjengelige valutakurser , konvertere prisen på en valuta til andre Hvis det eksisterer en stor nok prisavvik (rabatt på meglerkostnadene) som fører til profi bordsmulighet, og legg deretter kjøpsordren på lavere prisutveksling og salgsordre på høyere prissentral. Hvis ordrene blir utført som ønsket, vil arbitrasjonsresultatet følge Simple and Easy. Det er imidlertid ikke så enkelt å vedlikeholde og gjennomføre algoritmisk handel med praksis. . Husk at hvis du kan plassere en algo-generert handel, så kan de andre markedsdeltakere. Følgelig varierer prisene i milli - og til og med mikrosekunder. I eksemplet ovenfor, hva skjer hvis kjøpekjøpet ditt blir henrettet, men selger handel, ettersom salgsprisene endrer seg når bestillingen din treffer markedet. Du vil ende opp med å sitte med en åpen posisjon, noe som gjør din arbitrage-strategi verdiløs. Det er flere risikoer og utfordringer: for eksempel systemfeil, nettverkstilkoblingsfeil, tidsforsinkelse mellom handelsordre og utførelse, og viktigst av alt, ufullkomne algoritmer. Jo mer komplekse en algoritme, desto strengere backtesting er nødvendig før den blir satt i gang. Bunnlinjen Kvantitativ analyse av algoritmenes ytelse spiller en viktig rolle og bør undersøkes kritisk. Det er spennende å gå for automatisering hjulpet av datamaskiner med en ide å tjene penger uten problemer. Men man må sørge for at systemet er grundig testet og at det stilles krav om grenser. Analytiske handelsfolk bør vurdere å lære programmerings - og byggesystemer alene, for å være sikre på å implementere de riktige strategiene på idiotsikker måte. Forsiktig bruk og grundig testing av algo-handel kan skape lønnsomme muligheter.