سیگنال بورس، اخبار بورس تهران و تحلیل سهام ها

هرآنچه را که درباره معاملات الگوریتمی؛ ربات های معامله گر یا اکسپرتها باید بدانید.

مقدمه

پیش از تعریف معاملات الگوریتمی حتما تا به حال در معاملات خود با گذاشتن حد سود و ضرر و رسیدن قیمت به اعداد خاصی، دستور خرید یا فروش اتوماتیک را انجام داده­‌اید. همینکار شما که اصطلاحا Buy limit و Sell limit گفته می­شود یک الگوریتم پایه‌­ای و ساده معاملاتی است که به صورت خودکار و بدون دخالت انسان، کامپیوتر شما دست به معامله می­زند.

درست حدس زدید، پیشرفت فناوری در بازارهای مالی هم دردسرساز شد. با مقایسه قدرت محاسباتی کامپیوترها در جمع­‌آوری و تحلیل سریع داده­ه‌ای معاملاتی پیچیده می­توان دریافت که چرا­ استفاده از الگوریتم­‌ها و معاملات الگوریتمی  در بازارهای مالی در حال رشد سریع و فراگیر شدن هستند و Market Maker ها، بانک‌ها، صندوق‌های سرمایه‌گذاری هر روز بیشتر به این روش از معاملات و استفاده از اکسپرت­ها (Expert) روی می­آورند.

اگرچه علم هوش مصنوعی و یادگیری ماشین هرروزه پیشرفت­های چشم­گیری را کسب می­کند ولی هنوز ماشین­ها مثل انسان­ها قدرت فکر و یادگیری ندارند. اما قادرند به راحتی و بسیار سریع و بدون خطا کلیه دیتای بازار مالی را به­ همراه تعداد زیادی از متغیرها و ابزارها برحسب استراتژی یا استراتژی‌­های معامله­‌گر به صورت تکراری و کارا تحلیل کنند و بهترین نمادها را جستجو کند یا به معامله آن­ها بپردازند.

الگوریتم چیست؟

زنجیره­­ای از همین دستورات است که قرار است به صورت گام­ به­ گام و با ترتیبی خاص خوانده و اجرا شوند و درنهایت به حل یک مسئله بپردازند.

مفاهیم الگو تریدینگ یا معاملات الگوریتمی (Algoritmic trading)

الگو تریدینگ یا معاملات الگوریتمی یک روش­ معاملاتی است، که از کامپیوتر، برنامه‌ها و الگوریتم­های کامپیوتری ( به این الگوریتم­ها Black box هم گفته می­شود) و به کارگیری یک زبان برنامه­‌نویسی کامپیوتری متناسب با پلتفرم معاملاتی آن بازار مالی به صورت اتوماتیک (بدون دخالت انسان) یا نیمه اتوماتیک برای اجرای زنجیره دستورالعمل­ها برای جستجوی بازار یا اجرای سفارش معاملات بهره می­گیرد. و تفاوت عمده این ربات­ها در این است که قرار است تنها به جستجو و تحلیل بازار (Scanning) بپردازند یا اینکه به صورت خودکار (Auto trading) معامله انجام بدهند و به مدیریت آن پوزیشن بپردازند یا خیر.

مجموعه‌­ای از این الگوریتم­ها با مجموعه‌­ای از استراتژی­‌های معاملاتی به برنامه‌­ها یا ربات­های معامله‌­گر خودکار یا نیمه­خودکار و هوشمند می­انجامند که حتی قادرند با جستجو در سهم­‌های بازارهای مالی مختلف سهام، کوین­ها و توکن­های بازار ارز­های دیجیتال یا جفت­ارزهای بازار فارکس پس از تشخیص فرصت­های معاملاتی و تشخیص سبد دارایی و تخصیص سرمایه به هر نماد از سبد پس از تعیین نقاط ورود و خروج پوزیشن خرید یا فروش بگیرند و بهمراه مدیریت پوزیشن­های باز شده، مدیریت ریسک و سرمایه را هم توامان انجام دهند.

درک نحوه عملکرد ربات­های خودکار و اسکنرها

به طور کلی الگوتریدینگ می­تواند در تمام مراحل معامله­‌گری در وظایفی نظیر انتخاب بازار مالی، انتخاب نماد معاملاتی و فرصت های معاملاتی مناسب بر حسب استراتژی تعریف‌­شده، مدیریت ریسک و سرمایه، ورود به پوزیشن و مدیریت پوزیشن­های باز به شما کمک کند. گاه تمام این وظایف به­ صورت خودکار و بدون دخالت انسان (Auto trade) و گاه تعدادی از این وظایف توسط انسان و به صورت نیمه خودکار انجام می­شود. همچنین در معاملات الگوریتمی قابلیت کدنویسی تمام موارد تحلیل تکنیکال خط روند، واگرایی­ها، الیوت، الگوهای هارمونیک و اندیکاتورها وجود دارد اما در هنگام به کارگیری چندین استراتژی باید کنترل ریسک به ضریب همبستگی آن استراتژی­ها توجه ویژه­ای داشت.

این  برنامه­‌های کامپیوتری یا ربات­های هوشمند (اکسپرت­های) خودکار (Auto traders) بر اساس دستورالعمل­هایی نظیر این مثال نوشته می­شوند. معامله­‌گر می­داند اگر مووینگ اوریج کوچک یک مووینگ اوریج بزرگ را شکست و اندیکاتور RSI هم همزمان Oversold شده بود، بازار قرار است حرکت صعودی کند. همین استراتژی‌ ساده به صورت دستورالعمل‌هایی به یک ربات معامله­‌گر با زبان برنامه‌نویسی کامپیوتری داده ­شده تا بدون دخالت انسان و بصورت خودکار اقدام به خرید و فروش و معاملات ­کند. سیستم­های اکسپرت هنگام معامله خیلی چیزهای دیگر را در نظر نمیگیرند و دید کاملی نسبت به بازار ندارند و فقط بر مبنای تحلیل تکنیکال و آن هم شاید نه بصورت کامل کار می­کنند. این مورد در کنار عدم توانایی تحلیل فاندامنتال یک محدودیت یا ضعف برای این سیستم­ها محسوب می­شود. این ربات­ها گاه در مدیریت سرمایه و تعیین حجم ورود داینامیک نیز ضعف­‌هایی دارند که ما توصیه میکنیم حتما در معاملات از طریق ربات مدیریت ریسک و تحلیل‌های مرتبط را درنظر بگیرید.

ربات های معامله گر

ربات­های دستیار معاملاتی نیمه‌­خودکار یا اسکنرها همانند ابزار فیلتر نویسی در سایت tse بورس تهران عمل می­کنند. که با گرفتن شرایطی از شما نظیر استراتژی مثال بالا تمام سهم­‌های بازار را به صورت تکراری اسکن می­کند تا سهم‌­های دارای ویژگی­های خاص شما را بیابند و به عنوان سیگنال به شما اطلاع دهند. این دستیارهای معاملاتی به شما کمک می­کنند تا از لیست وسیعی از نمادهای بازار تنها تعداد محدودی را تحلیل کنید. و شاید با اطلاعات فاندامنتال خود پس از غربالگری و تشخیص سیگنال­های Fake بتوانید یکی از آن­ها را انتخاب کنید و در زمان خود صرفه­‌جویی کنید. 

معاملات الگوریتمی متعلق به کدام بازارهای مالی است؟

همانطور که گفته شد الگو تریدینگ درواقع یک ربات دستیار معاملاتی اتوماتیک یا نیمه اتوماتیک و هوشمند (Expert یا اکسپرت) است. که برای معامله­‌گران مستقل از نوع آن بازار مالی آن­ها، نظیر بازار سهام ایران، بازار سهام خارج از ایران، بازار ارزهای دیجیتال، بازار فارکس و ... قابل استفاده است. اما فرد استفاده کننده می­بایست با دانش برنامه‌­نویسی و دانش معامله­‌گری و تعیین استراتژی­های معاملاتی آشنایی کامل داشته باشد.

مزایای الگوتریدینگ نسبت به معامله­‌گری سنتی

  • محدودیت­های انسانی
  • زمان و صبر محدود: یک معامله­‌گر حرفه­‌ای برای شکار پوزیشن دلخواه خود گاها زمان زیادی را نظاره­‌گر بازار با تعداد زیادی از نمادها است تا به پوزیشن و موقعیت دلخواه برسد، که این بلحاظ زمانی خسته­‌کننده است و صبر زیادی را می­طلبد. اما ربات­ها بسادگی پوزیشن دلخواه معامله­‌گر را طبق استراتژی شخصی او شناسایی و شکار می­کند. از طرفی این خستگی انسانی گاها موجب بروز خطا در تحلیل و محاسبات می­شود که در ربات­های معاملاتی وجود ندارد.
  • سرعت: انجام سفارشات خرید و فروش در الگوتریدینگ با توجه به اختلاف زیاد سرعت عکس­‌العمل کامپیوتر نسبت به انسان به سرعت و دقت انجام می­شود به طوری که از ضررهای مالی ناشی از تاخیر در ثبت سفارشات خرید و فروش جلوگیری می­شود.
  • خواب: در بازارهای هفت 24 نظیر بازار کریپتوکارنسی ممکن است پوزیشن دلخواه معامله­‌گر در تایم خواب او رخ دهد. یا در آن زمان به کامپیوتر یا اینترنت دسترسی نداشته باشد و فرصت معاملاتی را از دست بدهد. همینطور در صورتی که پوزیشن بازی داشته باشد و نتواند به موقع آن را ببندد، او را متضرر سازد.
  • عدم وجود احساسات و هیجانات انسانی: عدم وجود شک و تردید، ترس، استرس و طمع و ... در ربات­های معامله گر باعث می­شود که بر اساس منطق دستوری خود عمل کنند، به استراتژی پایبند باشند و مانند انسان­ها بر اساس احساسات و هیجانات شخصی تصمیم­گیری نکنند. همچنان که بعضی معامله­‌گران با چندمرتبه سود دچار طمع می­شوند و مدیریت سرمایه و حجم معاملات خود را در نظر نمی­گیرند و یا در حد سود خود طمع می­کنند. و برخی دیگر به هنگام ترس حد ضرر خود را رعایت نمی­کنند. پس اجرای مهمترین موضوع در معامله­‌گری، مدیریت ریسک و سرمایه به صورت سیستمی و به دور از احساسات و خطا با داشتن الگو تریدینگ ممکن می­شود.
  • تخلفات انسانی: یکی از دلایل میل تمام بازارسازها به الگوتریدینگ این است که انسان در این معاملات دخیل نیست و ماشین­ها تخلف نمی­کنند.
  • بررسی سریع و دقیق استراتژی­های معاملاتی و تعویض آن­ها

در ربات­های معامله­‌گر می­توان با تست یک استراتژی از روی تاریخچه دیتا بازار در شرایط مشابه بهینگی آن استراتژی را تعیین کرد که به آن Back test گفته می­شود. اینکار معامله­‌گر را قادر می­سازد تا در صورت کارا نبودن یک استراتژی بتواند استراتژی معاملاتی خود را به موقع تعویض کند. بارها آن را با متغیرهای گوناگون از طریق بک تست استراتژی جدید در گذشته ، مورد بررسی و آزمایش قرار دهد و نسبت به آن اطمینان کسب کند، ریسک خود را کاهش دهد و برای استفاده از آن تصمیم بگیرد. کاری که در روش سنتی معامله­‌گری سال­ها به طول می­انجامد. این استراتژی­ها می­توانند در هرکدام از بازارهای رنج یا روند به صورت جداگانه تعریف شوند. همچنین به دلیل آنکه تحلیل در الگوتریدینگ توسط کامپیوتر صورت می­گیرد، امکان پیاده‌­سازی استراتژی­های پیچیده­ تر و ترکیبی از استراتژی­ها هم وجود دارد.

  • تست استراتژی در بازارهای مختلف و سودآوری در بازارهای بیشتر

معامله­‌گر را قادر میسازد به راحتی استراتژی­های معاملاتی خود را در بازارهای مالی مختلف تست کند و پس از پیاده­‌سازی در بازارهای مالی بیشتری را رصد کند و به سودآوری بپردازد.

  • امکان بهینه‌­سازی پارامترهای استراتژی شخصی

استراتژی معاملاتی­‌ای را شامل دو اندیکاتور macd و rsi که به ترتیب 4 و 2 پارامتر ورودی دارند، در نظر بگیرید. برای یک معامله­‌گر سنتی امکان بهینه سازی این پارامترها وجود ندارد. در حالی که در الگو تریدینگ پارامترهای نظیر استراتژی­های مختلف بارها و بارها توسط الگوریتم­های هوش مصنوعی نظیر الگوریتم ژنتیک یا ازدحام ذرات مکررا تست و بهینه­‌سازی می­شوند.

  • اسکنرها یا اسکرینرها و صرفه­‌جویی در زمان

معامله­‌گر می­تواند با تعریف شرایط ورود و خروج سهم­‌ها سیگنال­های اعلام این موقعیت­ها را از دستیار معاملاتی نیمه­‌خودکار خود دریافت و با صرفه­‌جویی در زمان نسبت به ورود به پوزیشن سریعا اقدام کند.

 

معایب الگوتریدینگ

برای درک بهتر معایب معاملات الگریتمی باید با بستر مورد نیاز برای اجرای صحیح آن آشنا باشید. در ابتدا باید توسط رابط برنامه­‌نویسی (API) که آن نوع از بازار در اختیار معامله‌­گر قرار می­دهد ( برای مثال کلید API صرافی یا بروکر خود)، فرمت دیتای بازار را به فرمت قابل پردازش تبدیل کرد و با دادن کلید API به ربات تریدر اجازه دسترسی به حساب خود در بروکر یا صرافی مورد نظر را می­دهید. سپس این اطلاعات توسط یک سخت­‌افزار پردازشگر بر اساس استراتژی الگوریتم­‌های برنامه­‌ریزی شده پردازش می­شوند و سیگنال پوزیشن­‌گیری ارسال می­کنند. سپس برای ورود به پوزیشن­ها باید سفارشات بر اساس زبان برنامه­‌نویسی بازار سرمایه مجددا به بازار بازگردند تا این چرخه کامل گردد. برای مثال ربات های معامله گری خودکار در پلتفرم متاتریدر 4 و 5 تحت زبان برنامه نویسی mql4 وmql5  که توسط سازندگان این پلتفرم توسعه یافته است، نوشته می­شوند. حال معایب الگوتریدینگ را بهتر می­توان شناخت:

  • سختی کدنویسی: کدنویسی توابع، متغیرها، عملگرها، اندیکاتورها، مدیریت پوزیشن­ها و ریسک و سرمایه و ... بسیار مشکل است و هرگونه اشتباه انسانی در کدنویسی الگوریتم‌­ها و استراتژی­های معاملاتی منجر به اجرای اشتباه و خسارات جبران­‌ناپذیری می­شود.
  • نیاز به اینترنت و سخت‌­افزار: پیاده‌­سازی ربات­های معاملاتی باید در بستر اینترنت و توسط یک سیستم کامپیوتری و دارای پردازشگر و سخت افزار مناسب صورت بگیرد. گاها قطعی اینترنت یا برق با عدم دسترسی به دیتای بازار و اجرا نشدن کامل استراتژی الگوریتم­ها موجب زیان می­شود. به همین جهت عمده این ربات­ها بر روی vps ها پیاده‌سازی می­شوند.
  • نیاز به بهینه‌­سازی دائم: ربات­های معاملاتی دائما باید بر اساس دیتای به روز بازار و خطاهای بک تست بهینه‌­سازی شوند.

انواع الگوریتم­ها در الگوتریدینگ 

این الگوریتم­ها می­توانند معاملات را برحسب دستورالعمل­های تعریف­ شده توسعه‌دهندگان یا شخص معامله‌گر انجام دهند، یا اینکه از فعالیت‌های تحلیل‌گران و تریدرهای خبره کپی‌برداری کنند که به آن ربات کپی تریدینگ (Copy trading) گفته می­شود. سایر الگوریتم­ها بر اساس دستورالعمل­های درخواستی توسط توسعه‌­دهندگان به شرح زیر می­باشد:

الگوریتم­های تکنیکالی تشخیص روند یا سیگنال

تکنیکالیست­ها با اندیکاتورهایی نظیر rsi، macd و ایچی موکو که در تحلیل روند بازار به آن­ها کمک می­کند، آشنایی دارند. این اندیکاتورها درواقع خود به نوعی یک الگوریتم تکنیکالی سیگنا­ل­‌دهی هستند که قابلیت کدنویسی دارند و روند صعودی و نزولی هریک از نمادها را براساس ترکیب الگوریتم­ها تشخیص می­دهند. اما باید در کنار سایر ابزارهای تکنیکال و فاندامنتال استفاده شوند تا کارآ باشند.

الگوریتم­های شکستن سفارش

عموما معاملات با حجم بالا توسط بازارسازها با این الگوریتم صورت می­پذیرد. این دسته از الگوریتم­ها که باز هم قابلیت کدنویسی دارند با شکستن سفارشات با حجم زیاد در بازه­‌های زمانی مختلف اقدام به خرید می­کنند تا از افزایش قیمت نماد مورد نظر در اثر ورود حجم زیادی از نقدینگی به یک نماد و بالا رفتن قدرت خریدار جلوگیری کند.

الگوریتمهای اسکرنر

این دسته از الگوریتم­ها وظیفه اسکن و مانیتورینگ بازار را در نمادهای مختلف برعهده دارند.

الگوریتم­های کم بسامد و فرکانس پایین (Low frequency trading)

این دسته از الگوریتم­ها به صورت خودکار وظیفه خرید نماد مورد نظر برحسب استراتژی تعیین شده (برای مثال استراتژی خرید در کف و در بازار ایران خرید در صف فروش) و نگهداری آن و سپس فروش آن در قیمتی بالاتر (برای مثال در بازار ایران فروش به محض تبدیل شدن نماد به صف خرید) به قصد نوسان­گیری بلندمدت برعهده دارند. منظور از بلندمدت در حوزه نوسان­گیری نگهداری سهم بصورت ساعتی یا روزانه می­باشد. نام دیگر الگوریتم کم بسامد که با ساختار بازار سهام ایران بسیار خوب عمل می­کند، position trading می­باشد.

الگوریتم­های پربسامد و فرکانس بالا (High frequency trading)

در تضاد با تفکر سرمایه­‌گذاری و نگهداری سهم به صورت بلند مدت، عده­‌ای دیگر از الگوریتم­ها به نام HFT یا ترید پرسرعت در تلاشند با وارد کردن حجم زیاد در زمان کوتاه­‌مدت و انجام تعداد معاملات زیاد ( با فرکانس بالا) به این شکل با استفاده از دقت و سرعت عمل در کامپیوترها با جمع این سودهای کم به سودهای زیادی برسند. منظور از نگهداری کوتاه مدت نماد در اینجا در واقع فاصله زمانی کمتر از 5 دهم ثانیه بین خرید و فروش نماد است که اصلا از دست انسان­ها بر نمی‌­آید و تنها کار ربات­هاست. درواقع تریدرها با سرعت زیادی وارد پوزیشن و با کسب سودی اندک به سرعت از آن خارج می­شوند. و این سودهای اندک جمع شده و به مقدار قابل توجهی می­رسد.

این دسته از الگوریتم­ها با توجه به ساختار کارمزد و مالیات در بازار سهام ایران عموما ضررده هستند. اما این معاملات کم سود و فرکانس بالا در بازارهای جهانی مثل فارکس با توجه به آنکه با ساختار مالیات در این بازارها که براساس سود هرمعامله به صورت نمایی محاسبه می­شود، هم خوانی زیادی دارد و باعث حداقل شدن درصد مالیات معاملات تجمعی می­شود بسیار پرکاربرد است.

این دسته از الگوریتم­ها نیازمند بستر خاصی برای فراهم ساختن سرعت بالای اینترنت به منظور دست­یابی سریعتر به اطلاعات بازارها حتی به میزان چند صدم ثانیه می­باشند. همچنین اهمیت سرعت سخت افزار و پردازشگر نیز باعث شده تا سوپر کامپیوترهای قدرتمندی عملیات جستجو و تحلیل بازارها، پردازش الگوریتم­های کوآنت­ها (معامله­‌گران یا نخبه­‌های مالی با تخصص بسیار بالا در حوزه­‌های علوم سیستم­های الگوریتمیک، ریاضیات و کامپیوتر، فیزیک یا ستاره­‌شناسی برای ایجاد الگوریتم­ها و تکنولوژی­های معاملاتی نظیر میکرو اسکلپینگ) و اجرای تعداد زیادی سفارشات در بازه زمانی کوتاه را برعهده بگیرند.

این مدل از معاملات پرسرعت ابتدا برای نظم بخشیدن به سبد بازارسازها وارد چرخه تریدری شدند به طوری که امروزه کلیه استراتژی­های معاملاتی را بدون دخالت انسان با استفاده از هوش مصنوعی(AI) انجام می­دهند. بعدها ثابت شد رابطه معکوسی با اختلاف قیمت خرید و فروش دارند. و درواقع هرچه معاملات فرکانس بالا بیشتر باشد، اختلاف قیمت خرید و فروش کم­تر می­شود. از طرفی با افزایش معاملات فرکانس بالا با تزریق بیشتر نقدینگی حجم معاملات بالا می­رود درحالی که ثابت شده است این معاملات هیچ تاثیری در قیمت واقعی خرید و فروش ندارند و حتی کارآیی این قیمت­ها را افزایش می دهند.

استفاده از این نوع معاملات سرعتی در ایران بسیار کم است. اما گاها سازمان بورس با برگزاری مسابقات الگوریتم سعی در فرهنگ­سازی در این حوزه دارد.

الگوتریدینگ در بازارهای مالی ایران و جهان

الگو تریدینگ در معاملات بازارهای پیشرفته بین‌المللی نقش ویژه‌­ای پیدا کرده است. گرچه در ایران فعالان این حوزه با درج تگ الگوریتمی توسط نهاد ناظر بازار نظارت می­شوند، امار حجم معاملات توسط الگوریتم­های معاملاتی در بازارهای مالی دنیا مشخص نیست. شرکت­های پیشرو در زمینه الگوتریدینگ در دنیا در ابتدا یکی از بزرگترین شرکت های مدیریت سرمایه در دنیا با نام Black rock در نیویورک سیتی آمریکا است. شرکت General trade golding در قلب مرکز تجاری لندن نیز با همکاری شرکت j capital  در حوزه هوش مصنوعی توانسته است بیشترین سود را در حوزه معاملات الگوریتمی بسازد. همچنین شرکت هدج فاند Citadel در شهر لندن با ریسک کم به فعالیت در این حوزه می­پردازد. شرکت­های هدج فاند (Hedge fund)  یک نوع صندوق سرمایه­‌گذاری هستند که علاوه بر سهام تمرکز خود را برروی سایر بازارها نظیر طلا و نفت و ... به منظور کاهش ریسک پرتفو و افزایش برآیند سوددهی قرار داده­‌اند.

استفاده از الگوتریدینگ و ربات­های معامله­گر در ایران در کنار عدم امکان باز کردن معاملات و مدیریت پوزیشن­ها توسط افراد حقیقی و همچنین گاه غیرتکنیکالی و هیجانی بودن بازار و رفتار کوتاه­‌مدتی و نوسان­گیری حقوقی­‌های بازار و بازارسازها و گاها هماهنگی بازارسازها با بازیگر سهام بسیار مشکل است. در کنار همه این مشکلات عدم ثبات در قوانین بازار نظیر ایجاد فاصله در معاملات، دستور لغو الگوتریدینگ و سایر قوانین روزانه بازار که گاها به سرعت تغییر می­کنند و پس گرفته می­شوند، به همراه محدودیت­های حجم مبنا و صف­های خرید و فروش و شناوری کم سهم‌ها و ... موجب می شوند که این ربات­ها به راحتی عمل نکنند.

 

استراتژی­های الگوریتم­‌های معاملاتی  

سوال این است که در صورتی که همه با ربات­های معامله­گر دست به معامله بزنند، آن­گاه تمامی آن­ها به یک شکل ترید می­کنند و هیچ­کس سود یا زیان نمی­کند؟ و شغل تریدری از بین می­رود؟

خیر به همان دلیل که با اختراع دستگاه سی تی اسکن شغل پزشکی از بین نرفت و پزشک­ها بهتر توانستند بیماری را تشخیص دهند. ربات هرکس استراتژی­های شخصی او را دنبال می­کند و موقعیت­های مد نظر او را می­یابد و ربات شرکت­ها و بانک­ها استراتژی­های دیگری دنبال می­کنند. یکی کوتاه مدت معامله می­کند و دیگری بلند مدت معامله می­کند و یا در تایم فریم­‌های کوچکتر یا بزرگتر معامله می­کنند. درواقع الگوریتم­های معاملاتی برای سوددهی روش­ها و استراتژی­های گوناگونی را به کار میگیرند و بر اساس آ­ن­ها تصمیم­‌گیری می­کنند.

استراتژی تشخیص روند یا ترند فالووینگ

این استراتژی خیلی ساده با دنبال کردن میانگین‌های متحرک شکست کانال، تغییرات سطح قیمت و اندیکاتورهای تکنیکالی نظیر rsi و macd و روند پیش بینی شده آن­ها صورت می­گیرد. الگوریتم­ها این استراتژی را پیاده و پوزیشن­گیری می­کنند.

استراتژی یافتن فرصت آربیتراژی

اختلاف قیمت یک نماد در دو بازار مختلف یا دو صرافی مختلف یا دو بروکر مختلف که سودی با ریسک صفر است را سود اربیتراژی می­نامند. معامله­‌گر می­تواند بدون آنکه ریسکی متحمل شود نمادی را از یک بازار بخرد و به دیگری بفروشد. استراتژی­های یافتن فرصت­های اربیتراژی با جستجوی این تفاوت قیمت­ها سعی در بدست آوردن سودی بدون ریسک با ارسال سفارشات سریع توسط کامپیوترها دارند.

استراتژی معامله قبلا از به روزرسانی دارایی صندوق های شاخصی

صندوق­‌های سرمایه­‌گذاری شاخصی همیشه همگام با یکی از شاخص­های بازار حرکت می­کنند، که پیش از به روزرسانی دارایی این صندوق­ها در دوره­‌های پیش­بینی شده مشخص یک فرصت خوب برای معاملات الگوریتمی در بهترین زمان و قیمت می­باشد.

استراتژی­های براساس مدل­های ریاضی

گاه الگوریتم­‌های معاملاتی در معاملات الگوریتمی براساس استراتژی­های مبتنی بر مدل­های ریاضی اثبات شده نظیر استراتژی دلتا خنثی و استراتژی تحلیل پوششی داده­‌ها (DEA) برنامه ریزی و اجرا می­شوند.

استراتژی خرید و فروش سینوسی

در این استراتژی خرید و فروش­ها با ریتم سینوسی و یکی پس از دیگری به ترتیب دارای پوزیشن buy و سپس پوزیشن sell صورت می­گیرند. اولین پوزیشن در این استراتژی بر اساس اولین سیگنال در الگوتریدینگ اینکه خرید یا فروش باشد انجام می­شود.

استراتژی مارتینگل

در این استراتژی برای داشتن ریسک کمتر در مدیریت سرمایه پس از باز شدن هر پوزیشن منطق الگو تریدینگ قادر است تا چندین پوزیشن دیگر در جهت سفارش انجام شده به منظور میانگین کم کردن انجام بدهد.

استراتژی خرید و فروش همزمان

در این استراتژی دو پوزیشن خرید و فروش همزمان باز می­شوند و پس از بسته شدن یکی در سود سعی در به سود رساندن استراتژی مخالف با مکانیسم مارتینگل دارد.

استراتژی بازگشت به میانگین

این استراتژی بر اساس پوزیشن­گیری در نزدیک محدوده میانگین قیمتی سهام در بازه­‌های زمانی مختلف با این فرض که قیمت همیشه به میانگین بیشترین و کمترین قیمت خود باز می­گردد، تعریف می­شود.

استراتژی میانگین موزون حجم قیمت

معاملات الگوریتمی در استراتژی میانگین موزون حجم قیمت (Volume Weighted Average Price) به منظور خرید سهام در پایین VWAP و فروش آن در قیمتهای بالاتر عمل می­کنند. VWAP  یک مبنای تصمیم­‌گیری با این تعریف که میانگین قیمت­های معامله شده یک سهم براساس حجم آن­ها در هرروز محاسبه میشود، می­باشد. برای کاهش تاثیر سرمایه­‌های بزرگ در بازار این سرمایه­‌ها به بخش­های کوچکتری تقسیم و روانه بازار می­شوند.

استراتژی میانگین موزون زمان قیمت

میانگین موزون زمان قیمت (Time Weighted Average Price) میانگین قیمت­های معامله شده یک سهم براساس معیار زمان می­باشد. برای کاهش تاثیر سرمایه­‌های بزرگ در بازار این سرمایه‌­ها به بخش­های کوچکتری تقسیم و در بازه­‌های زمانی معین روانه بازار می­شوند.

استراتژی درصد حجمی

در استراتژی POV یا  Percent Of Volume با قصد دیده نشدن معاملات و تاثیر کم آن­ها در بازار، الگوریتم ارسال سفارشات کوچکتر با درصدی پایین­تر از حجم کلی معاملات تا رسیدن به اتمام سفارشات را انجام می­دهد.

استراتژی کسری اجرا و پیاده­‌سازی

در این استراتژی کسری اجرا و پیاده سازی (Implementation Shortfall)، الگوریتم‌ نرخ مشارکت در معاملات یک نماد را در محدوده‌ مشخصش با توجه به حرکت مطلوب یا نامطلوب قیمت سهام افزایش یا کاهش می‌دهد.

بهینه­‌سازی (Optimization)

در علم مهندسی بهینه‌­سازی مفهوم بهینه‌­سازی ریاضی در مدلسازی تمام سیستم­ها در حقیقت انتخاب بهترین مقدار برای متغیرها به منظور بیشینه­‌سازی سود یا کمینه‌­سازی هزینه در تابع هدف مدل می­باشد.

حال همانطور که پیش­تر گفته شد، یک استراتژی معاملاتی ساده شامل دو اندیکاتور macd و rsi را در نظر بگیرید که به ترتیب دارای 4 و 2 پارامتر ورودی می­باشند. این 6 پارامتر ورودی از استراتژی ما می­تواند مقادیر متغیری در هر حالت اختیار کند. حال الگوریتم­های هوش مصنوعی نظیر الگوریتم ژنتیک به کمک ما می­آیند تا تمامی حالات ممکن از این متغیرها را بسیار سریع چک کنیم تا دریابیم کدام یک از مقادیر هریک از این پارامترها، سود ما را در این استراتژی بهینه می­کند. و یک جواب بهینه شدنی و گلوبال به ما می­دهند.

اکنون که با مفهوم بهینه­‌سازی آشنایی دارید باید بدانید که تمام ربات­هایی که در گذشته عملکرد خوبی را از خود نشان می­دهند، لزوما در آینده گزینه مناسبی نیستند. چون استراتژی­های معاملاتی دائما نیاز به بهینه‌­سازی دارند تا بخوبی در بازار جواب دهند.

بک تست (Backtest)

آزمایش عملکرد یک استراتژی معاملاتی را در ربات­های معامله­‌گر روی تاریخچه دیتا بازار در شرایط مشابه و بازه زمانی معین می­باشد. که در پاسخ به ما تعداد معاملات، میزان سود و ضرر و متوسط میزان سود به ضرر را می­دهد. در متاتریدر 4 و 5 در نرم‌افزار Strategy Tester معامله­‌گر قادر است استراتژی توسعه­‌داده شده خود را در گذشته تاریخی بازار آزمایش و برحسب مقادیر خروجی مشخص کند که یک استراتژی مناسب است یا خیر.

فوروارد تست (Forward test)

به منظور ارزیابی پایداری نتایج بدست آمده، بک تست صورت می­گیرد. در فوروارد تست پس از تقسیم بازه زمانی مشخص به دو قسمت با این فرض که بخش دوم بازه زمانی همان آینده است به بک تست گیری از بازه زمانی اول می­پردازیم. سپس با مقادیر بدست امده از بازه زمانی اول و جایگذاری آن­ها در بازه زمانی دوم به بک تست گرفتن از بازه زمانی دوم می­پردازیم و نتایج را با بازه زمانی اول مقایسه می­کنیم. درصورت نزدیک بودن نتایج، نتایج بدست امده از بک تست بر حسب کیفیت بالای داده­‌های گذشته با احتمال زیادی  پایدار است.

نقش هوش مصنوعی و یادگیری ماشین در الگو تریدینگ

آیا هوش مصنوعی (Artificial Intelligence) همان ربات­ها هستند؟ خیر، هوش مصنوعی درواقع یک تکنولوژی است که به نوعی توانسته­ است در تقلید از انسان به قدرت تفکر دست یابد. هوش مصنوعی یا AI درواقع ماشینی است که با شبیه‌سازی هوش انسانی سعی در تقلید رفتار انسان و فکر کردن مثل او را دارد.

یادگیری ماشین (Machine learning) به طور خلاصه زیر مجموعه‌­ای از هوش مصنوعی است که به ماشین امکان یادگیری و پیشرفت خودکار و بدون نیاز به برنامه­‌نویسی را می­دهد. فرآیند یادگیری ماشین­ها مشاهدات با داده­‌ها اغاز و با استفاده از دستورالعمل­‌های تعریف شده و کسب تجربه در اثر تکرار به یک الگو می­رسد و بر اساس آن تصمیم­گیری جدیدی صورت می­گیرد.

بازارهای مالی نیز هرروزه در حال توسعه با این دو تکنولوژی می­باشد. در واقع هوش مصنوعی به ربات­های معاملاتی ساده تحلیل­گر قدرت تفکر و بینش و یادگیری می­بخشد. در بازارهای مالی تا­کنون دو الگوریتم هوش مصنوعی ژنتیک و الگوریتم‌های تصادفی بیشتر مورد استفاده قرار گرفته‌­اند.

در بک تست استراتژی­های معاملاتی با تعیین حداقل سود و حداکثر ضرر در یک بازه زمانی معین نتایج بدست آمده توسط الگوریتم­های تصادفی از آن استراتژی ذخیره و استراتژی بهینه بدست می­آید. به منظور دست یابی سریعتر به جواب بهینه گلوبال از الگوریتم ژنتیک بهره میبرند. به طوری که استراتژی های بهتر در الگوریتم تصادفی به عنوان جواب پایه به صورت دوتایی به عنوان کروموزوم ترکیب و در آن­ها جهشی ایجاد می­شود. سپس جمعیت فعلی را با جمعیت جدید از ترکیب کروموزوم­های والد و جهش­‌یافته ترکیب می­کنیم. بدین صورت با استفاده از فیت نس فانکشن مناسب و عملگرهای انتخاب و تولیدمثل با حذف جواب­های نامناسب و تکثیر جواب­های بهتر دائما هر نسل از جواب را بلحاظ خصوصیات مختلف ارتقا میبخشیم تا به پاسخ بهینه و استراتژی­های سودآور برسیم.

مجموعه آموزش بورس هم بر اساس استراتژی جامع استاد هومن مقراضی رباتی هوشمند برای یافتن موقعیت­های خوب معاملاتی در بازار فارکس طراحی کرده است. ربات بسیار هوشمند موقعیت‌­یاب فارکس این مجموعه که حاصل سالها کار تحقیقاتی و علمی است با بررسی الگوریتم­های مختلف تکنیکالی نظیر واگرایی macd، اشباع در rsi، آرایش میانگین متحرک­ها و نزدیکی قیمت به مقاومت­ پیوت لاین­ها قادر است جفت ارزهای زیادی را در تایم فریم­های مختلفی بررسی و به شما سیگنال بدهد.

این مطلب رو با دوستانتون در شبکه های اجتماعی به اشتراک بگذارید تا اون­ها هم با تکنولوژی­‌های بازار مالی و الگو تریدینگ و مفاهیم مربوط به آن­ها آشنا شوند.

انجمن خبرگان بورس‌ تهران

برای کسب حداکثر سود در بازار بورس تهران به چه چیزهایی نیاز داریم؟ شما برای موفقیت در این بازار چقدر آماده و مسلط هستید؟
در انجمن خبرگان بورس تهران ما پرتفوی از سهام ها به همراه زمان خرید و فروش را به شما خواهیم داد و همچنین اخبار مهم پیش روی بازار سرمایه توسط اساتید بررسی و سهام‌های روبه رشد آینده مورد تحلیل قرار می گیرد. در آخر تمام تحلیل های و اشکالات شما توسط اساتید برطرف شده یا در تالار گفتگو پاسخ داده می شود.