به گزارش پایگاه خبری «عصر بازار» به نقل از سنا ، معامله گران در بازارهای مالی در گذشته به فرآیند ساخت و مدیریت راهبردهای مالی می پرداختند. در واقع در جایگاه های مشخصی با تعدادی صفحه نمایش باز می نشستند و به اطلاعات بی درنگی که مرتباً نیز در حال تغییر بود خیره می شدند و تصمیم به معامله می گرفتند.

معامله گران در این روش با پیگیری دستی تحلیل ها و الگوها به این نتیجه می رسیدند که چه وقت و کجا سفارش خرید و فروش را در سامانه های معاملاتی وارد کنند. سپس با مدیریت این سفارش ها بررسی می کردند که آیا اهداف اولیه از آن معامله به دست آمده است یا خیر؟

در حالی که همچنان این شیوه مرسوم است و کاربرد دارد اما امکان خطا در تحلیل و تصمیم گیری در این روش به دلایلی چون تغییرات بی درنگ اطلاعات بازار، سرعت پایین پردازش اطلاعات، تکیه بر دانش فردی معامله گر و مواردی از این دست بالاست.

اما در حوزه معاملات الگوریتمی،انجام معاملات به کامپیوترها، نرم افزارها و به طور مشخص به الگورتیم ها محول می شود. "الگوریتم" توصیف کننده دنباله ای از گام ها برای انجام معاملات توسط کامپیوتر است.

بر همین اساس معاملات الگوریتمی، به “algo trading” و “معاملات جعبه سیاه” نیز مشهور است، سیستم معاملاتی است که از مدل ها و فرمول های پیچیده و پیشرفته ریاضیات، به منظور تصمیم گیری سریع و انجام سریع معامله در بازارهای مالی استفاده می کند.

معاملات الگوریتمی شامل به کارگیری برنامه های کامپیوتری سریع و الگوریتم های پیچیده با هدف ساخت و شناسایی استراتژی های معاملاتی و کسب بازده حداکثری است.

بعضی از استراتژی های سرمایه گذاری و معاملاتی مانند آربیتراژ، اسپردینگ بین بازاری، بازارگردانی و نوسان گیری، می توانند از طریق معاملات الگوریتمی بهبود یابند.

پلتفرم های الکترونیکی می توانند به طور کامل، استراتژی های سرمایه گذاری و معاملاتی را اجرا کنند. به همین ترتیب، الگوریتم ها قادرند دستورات معاملاتی را تحت شرایط خاص قیمت، حجم معاملات و زمان اجرا کنند.

به دلیل اینکه مقدار سهام زیادی، روزانه توسط سرمایه گذاران حقوقی خریداری می شود، آنها بیشترین استفاده را از معاملات الگوریتمی دارند. الگوریتم های پیچیده، به این سرمایه گذاران اجازه می دهند که بدون اینکه تغییر چشم گیری در قیمت سهم و به تبع آن افزایش هزینه های خرید ایجاد شود، سهامشان را با بهترین قیمت ممکن خریداری کنند.

از استراتژی های محبوب می توان به آربیتراژ، معامله قبل از توازن مجدد (rebalancing) صندوق شاخصی، بازگشت به میانگین و نوسان گیری اشاره کرد که در ادامه، نحوه بهینه سازی این استراتژی ها توسط الگوریتم ها، توضیح داده خواهد شد.

آربیتراژ

به کسب سود به دلیل اختلاف قیمت یک سهم در دو بازار مختلف، آربیتراژ می گویند. آربیتراژ، بیشتر در بازارهای بین المللی انجام می شود. برای مثال، شرکت هایی هستند که می توانند از مواد اولیه یا نیروی کار ارزان تر دیگر کشورها سود کسب کنند. این شرکت ها قادرند هزینه ها را کاهش و به تبع آن، سود را افزایش دهند. مثالی دیگر اینکه فرض کنید قیمت خودرو در کارخانه 20 میلیون تومان و در نمایندگی 21 میلیون تومان است. فردی که توانایی این را دارد که خودرو را از کارخانه بخرد و با قیمت نمایندگی بفروشد، در واقع به اندازه یک میلیون تومان از آربیتراژ معامله سود برده است.

آربیتراژ همچنین می تواند در معامله قراردادهای آتی S&P و سهام S&P500 به کار گرفته شود. وجود اختلاف قیمت در قراردادهای آتی S&P و سهام S&P500 امری شایع است و زمانی این اتفاق می افتد که سهامی در بازارهای NASDAQ و NYSE معامله شود و قیمت آن نسبت به قراردادهای آتی S&P یا بیشتر باشد یا کمتر؛ اینجاست که فرصتی برای آربیتراژ فراهم شده است.

معاملات الگوریتمی پرتواتر (HFT)، می توانند این حرکت قیمت ها را ردیابی کنند و به محض یافتن اختلاف قیمت، نهایت استفاده را از این فرصت ببرند.

معامله قبل از توازن مجدد صندوق شاخصی

پس اندازهای بازنشستگی اکثرا در صندوق های سرمایه گذاری مشترک، سرمایه گذاری می شوند. صندوق های شاخصی شرکتهای سرمایه گذاری مشترک، دائما طوری تنظیم می شوند که دارایی های پایه صندوق را براساس قیمت های جدید بازار به روزرسانی کنند. قبل از اینکه چنین توازن مجددی رخ دهد، دستورات معاملاتی از پیش برنامه نویسی شده، توسط استراتژی های معاملات الگوریتمی اعمال می شوند که می توانند سود را از سرمایه گذاران به معامله گران الگوریتمی انتقال دهند.

بازگشت به میانگین

بازگشت به میانگین، یک روش ریاضی است که میانگین متحرک بیشترین و کمترین قیمت سهام را در یک دوره محاسبه می کند. این دسته از الگوریتم های معاملاتی، فرض می کنند که همواره قیمت ها به میانگین باز می گردند. معاملات الگوریتمی، این میانگین را محاسبه کرده و از سود بالقوه نهفته در این جابجایی قیمت سهام، بهره می برند، چه اینکه قیمت در حال دور شدن از قیمت میانگین باشد و یا اینکه به سمت آن حرکت کند.

به عنوان مثال، اگر سهمی از میانگین 200 روزه خود بسیار پایین تر باشد، این دسته از الگوریتم های معاملاتی این سهم را خریداری می کنند، با این امید که قیمت به میانگین باز گردد.

نوسان گیری

نوسان گیرها از معاملات سریع و متناوب در یک روز بر روی تفاوت مظنه خرید و فروش، سود کسب می کنند.

در این استراتژی، حرکات قیمت باید کمتر از اسپرد ورقه بهادار باشد. این حرکات، در یک دقیقه یا کمتر رخ می دهند، بنابراین به دلیل نیاز به تصمیم گیری سریع، می توانند بوسیله فرمول های معاملات الگوریتمی بهینه شوند.

دیگر استراتژی ها مانند کاهش هزینه های معاملاتی و دیگر استراتژی های مرتبط با بازار غیرشفاف (dark pool) نیز به وسیله معاملات الگوریتمی قابل بهینه سازی هستند.

یادآور می شود فردا همزمان با برگزاری نمایشگاه بین المللی بورس، بانک و فرصت های سرمایه گذاری کیش کارگاه آموزشی معرفی معاملات الگوریتمی و الزامات آن برگزار می شود. آموزش این کارگاه را  مطهره مروج مدیر فناوری اطلاعات سازمان بورس و اوراق بهادار و امید موسوی مدیر عامل شرکت الگوریتیم تحلیلگر امید به عهده خواهند داشت.