دسته بندی الگوریتم معاملاتی

دقت داشته باشیم: معاملات کمی مبتنی بر روش های ریاضی و تحلیل های آماری با استفاده از نرم افزارهای برنامه نویسی هستند. هدف از مطلب حاضر دادن اطلاعات بیشتر در خصوص روش های نامبرده می باشد. اگر شما از ریاضیات سطح بالاتر و زبان های برنامه نویسی (در اینجا در خصوص MQL صحبت نمی کنیم) سعی کنید به شکل عمیق تر وارد شوید و در بخش کامنت ها نظر خود را بنویسید!

دسته بندی الگوریتم معاملاتی

توجه: هزینه ثبت نام کارگاه‌ها برای دانشجویان در صورت ارسال مدارک دانشجویی مشمول 30% تخفیف و برای دانشجویان دانشگاه خواجه نصیر مشمول 50% تخفیف خواهد بود.

چکیده:
تحلیل سیستم های پیچیده، مانند بازارهای مالی، حوزه ای از علم است که به علت پیچیدگی بیش از حد، قابل تحلیل با ابزارهای رایج نبوده و به همین علت مورد توجه دانشمندان علم داده و یادگیری ماشین قرار گرفته است. دانشگاه های معتبر جهان، در دوره دکتری، پژوهش هایی در این حوزه انجام می دهند.
در این کارگاه میخواهیم به توسعه یک سامانه مبتنی بر یادگیری ماشین بپردازیم که به تحلیل بازارهای مالی می پردازد. طی نمودن فرآیند داده کاوی شامل استخراج ویژگی، پیش پردازش، انتخاب ویژگی، مدلسازی، ارزیابی مدل، تجمیع مدل ها و ایجاد ابرمدل و . از جمله ویژگی های این کارگاه تئوری/عملی است.
----------------------------------------------------------------------------------
اهداف کارگاه:

استفاده از الگوریتم‌های دسته بندی مانند Artificial Neural Network, SVM, XGBOOST, Random Forest و . در زبان پایتون و پکیج scikit-learn
استفاده از الگوریتم های رگرسیون در زبان پایتون و پکیج scikit-learn
آشنایی عملی با نحوه تجمیع (Ensemble) الگوریتم ها با روش های Bagging و Boosting و Stacking
آشنایی با تحلیل داده‌ها در بازارهای مالی جهان
آشنایی با معاملات الگوریتمیک و نحوه پیاده سازی آن

کتاب تکنولوژی معاملات الگوریتمی پیشرفته تالیف سید امید موسوی

کتاب حاضر با هدف آموزش به معامله‌گران و مدیران سرمایه‌گذاری در زمینه مهارت‌های اولیه برنامه‌نویسی پایتون و ساخت سیستم‌های معاملاتی الگوریتمی قابل اعتماد و کاملا خودکار طراحی شده است. در این کتاب در مورد طبیعت یک سیستم معاملات الگوریتمی، چگونگی جمع‌آوری و سازماندهی داده‌های مالی، مفهوم بک‌تست و چگونگی اتصال به هسته معاملات و خودکار سازی فرآیند توضیح داده می‌شود.
این اثر به‌گونه‌ای طراحی شده است که مجموعه‌ای از استراتژی‌های معاملات الگوریتمی از ایده تا اجرای خودکار را تشکیل می‌دهد؛ همچنین مراحل ساخت استراتژی با روش پرایس اکشن توضیح داده خواهد شد.
هدف از تالیف این کتاب، افزایش کیفیت و کاهش هزینه‌های معاملاتی یک مشتری است.

فهرست مطالب کتاب

بخش اول: معرفی معاملات الگوریتمی
فصل اول: مقدمه
فصل دوم: معاملات الگوریتمی
فصل سوم: آماده‌سازی زیر ساخت
بخش دوم: ساخت یک استراتژی
فصل چهارم: منابع ایده‌ها و داده‌های مالی
فصل پنجم: بررسی الویت‌ها و محدودیت‌ها
فصل ششم: یک الگوریتم معاملاتی
فصل هفتم: نمونه‌ای از یک استراتژی واقعی معاملاتی در بازار سرمایه ایران
بخش سوم
فصل هشتم: اجرای موفق بک‌تست
فصل نهم: سیستم‌های معاملاتی خودکار و نیمه خودکار
بخش چهارم: مطالعه اختیاری
فصل دهم: مقدمات آمار و مدل‌سازی
فصل یازدهم: تحلیل سری زمانی
فصل دوازدهم: پیش‌بینی
بخش پنجم
فصل سیزدهم: اندازه‌گیری عملکرد
فصل چهاردهم: مدیریت ریسک و ثروت

جهت دسته بندی الگوریتم معاملاتی مشاهده مشخصات کتاب روی بخش اطلاعات کتاب کلیک کنید.

شما می توانید این کتاب را هم اکنون از فروشگاه کتاب کتابیار سفارش دهید.

کتاب تکنولوژی معاملات الگوریتمی پیشرفته تالیف سید امید موسوی

مشخصات کتاب
موضوع	سرمایه گذاری
ناشر	چالش
مولف	سید امید موسوی
نوبت چاپ	2
سال چاپ	1399
تعداد صفحات	335
قطع	وزیری
نوع جلد	گالینگور
شابک	‫‭9786226017244‬‬

Title: کتاب تکنولوژی معاملات الگوریتمی پیشرفته تالیف سید امید موسوی Author: سید امید موسوی Description: خرید کتاب تکنولوژی معاملات الگوریتمی پیشرفته (راهکارهای جدید در بازار سرمایه ایران) تالیف سید امید موسوی از نشر چالش با تخفیف Format: Paperback Pages: 335 سرمایه گذاری Published By: چالش Published: 1399 دسته بندی الگوریتم معاملاتی Language: Persian paper 2021-03-05 17:36:57 بازار-سرمایه,مدیریت-سرمایه-گذاری,کتاب-سرمایه-گذاری,معاملات-الگوریتمی, ISBN: ‏‫‭9786226017244‬‬ کتاب تکنولوژی معاملات الگوریتمی پیشرفته تالیف سید امید موسوی Price: 90,000 تومان

آشنایی با معاملات الگوریتمی بورس

معاملات الگوریتمی بورس مفهومی جذاب و کاربردی است. اگر در این مورد اطلاعات زیادی ندارید و یا علاقه دارید که بیشتر در این خصوص آگاه شوید، این نوید را به شما می‌دهیم که در ادامه، مباحث مرتبط با این مفهوم را بیان خواهیم کرد.

بررسی معاملات الگوریتمی بورس

مقدمه

اسم الگوریتم و معاملات الگوریتمی بورس که می‌آید، متوجه می‌شویم که پای تکنولوژی در میان است. به این ترتیب می‌توانیم حدس بزنیم که قرار است از چه چیزی صحبت کنیم. تکنولوژی در همه‌ی ابعاد روزمره و عادی زندگی بشر هم رخنه کرده است؛ چه برسد به بازارهای مالی. همین امر است که منجر به ظهور نرم‌افزار معاملات الگوریتمی شده است. اصلا بعید نیست که چند وقت دیگر این سبک معاملات همه‌ی بازار را فرا بگیرد. اصلا به همین دلیل است که این‌قدر بر یادگیری مفاهیم نوین و جدید در بازارهای مالی تاکید می‌شود.

روزگاری را به یاد بیاورید که با اینترنت‌ دایال‌آپ به شبکه‌ی جهانی متصل می‌شدیم. اگر قرار بود هم‌چنان در آن روزگار باقی بمانیم، اکنون برای مطالعه‌ی همین مطلب هم باید مدت زیادی صبر می‌کردید تا بارگذاری شود! اما به مدد تکنولوژی از آن روزگاران گذشتیم.

بازار بورس نیز چنین است. قطعا در آن سال‌های اولیه‌ی راه‌اندازی این بازار، معاملات حضوری انجام می‌شدند. کم‌کم و با گذشت زمان، ابزارهای مختلفی به این بازار افزوده شد تا این‌که امروز شاهد آن هستیم که مفهومی به نام معاملات الگوریتمی بورس به وجود آمده است و جهان را درگیر خود کرده است. آیا در سال‌های دور، کسی می‌توانست به این امر فکر کند که روزی کامپیوتر جای انسان را حتی در مباحث معاملاتی و بازارهای مالی بگیرد؟ بشر در آن زمان‌ها ذهنیتی داشت که حاکی از ناتوانی هوش مصنوعی در برابر هوش انسانی بود. هرچند هم‌اکنون هم هوش انسان برتر از هوش سیستم است. اما اگر کمی به پیشرفت‌های سالیان اخیر توجه کنیم، در می‌یابیم که دیگر هیچ‌ چیز غیرمحتملی در این جهان وجود ندارد. با همین تفکر به آینده‌ای نه چندان دور بیندیشید که ربات‌ها به جای انسان در تالارهای بورس رفت‌وآمد می‌کنند! با این تفاسیر حال که صحبت‌هایی از معاملات الگوریتمی با پایتون و ورود هوش مصنوعی به بازارهای مالی می‌شنویم دیگر نباید تعجب کنیم.

معاملات الگوریتمی در بورس چیست؟

معامله در بورس به کمک الگوریتم‌های کامپیوتری

حال بهتر است بدون پرداختن به مسئله‌ی دیگر، به مفهوم معاملات الگوریتمی بورس بپردازیم. اگر کسی از شما بپرسد که معاملات الگوریتمی در بورس چیست چه پاسخی خواهید داد؟ به طور کلی منظور آن است که مبنای این معاملات بر اساس الگوریتم‌های کامپیوتری است. این معاملات می‌توانند به صورت خودکار یا نیمه‌خودکار انجام شوند. نام دیگر این معاملات، الگو تریدینگ است که در سال‌های اخیر در کشور ما بسیار مورد توجه قرار گرفته است.

در معاملات الگوریتمی بورس مجموعه‌ای از دستورالعمل‌ها و فرامین وجود دارد که بر اساس معیارهای مختلفی طراحی و تنظیم شده‌اند. در واقع این دستورها به کمک زبان‌های برنامه‌نویسی به ماشین منتقل می‌شوند.

بشر اکنون تا حدود زیادی به آرزوهای خویش رسیده است. اگر بخواهیم ساده‌تر به این موضوع بپردازیم می‌توانیم بگوییم که اکنون به کمک انواع نرم‌افزار معاملات الگوریتمی و زبان‌های برنامه‌نویسی انسان می‌تواند هرچه را که در ذهن خود دارد، به فرمتی تبدیل کند که برای کامپیوتر قابل فهم باشد. در واقع دستوراتی که در معاملات الگوریتمی وجود دارند، برآیندی از ذهنیت و استراتژی‌های معامله‌گران هستند. با همین چند خط می‌توان دریافت که برخورداری از استراتژی صحیح تا چه میزان در این امر اثرگذار است.

بر اساس تعریف‌های که در پاسخ به پرسش معاملات الگوریتمی در بورس چیست ارائه می‌شود، می‌توان طیف گسترده‌ای از معاملات را در این دسته جای داد. اجازه دهید مثالی بزنیم. فرض کنید که دسته بندی الگوریتم معاملاتی برای تشخیص نقاط ورود به یک سهم، از یک اندیکاتور خاص استفاده می‌کنید. این اندیکاتور بر اساس معیارهایی که از پیش برای آن در نظر گرفته شده است، می‌تواند به طور خودکار موقعیت‌های خرید مناسب را تشخیص دهد. واضح است که این ابزار با توجه به آن‌چه از آن خواسته می‌شود می‌تواند پاسخی را برای کاربر ارائه کند.

پس به طور کلی زمانی که معاملاتی به صورت خودکار یا نیمه‌خودکار و توسط الگوریتم‌های از پیش‌تعیین‌شده انجام می‌شود، با معاملات الگوریتمی بورس سروکار داریم.

بحث و جدل بر سر معاملات الگوریتمی بورس

موافقان و مخالفان معاملات الگوریتمی بورس

آن‌چه که اکنون بسیار موردتوجه است این است که بحث و جدل‌های فراوانی بر سر این شیوه‌ی معاملاتی وجود دارد. برخی معتقدند که با استفاده از معاملات الگوریتمی بورس نمی‌توان به موفقیت رسید. استدلال این افراد این است که هوش مصنوعی قابلیت اصلاح و تصمیم‌گیری خودکار ندارد. تنها طبق آن‌چه که برنامه‌ریزی شده است عمل می‌کند. در واقع ایرادی که از دید این افراد به معاملات الگوریتمی بورس وارد است این است که این الگوهای زاییده‌ی ذهن و دست بشر هرگز نمی‌توانند انسان را به موفقیت برسانند. این افراد هم‌چنین معتقدند در صورتی که در طراحی الگوریتم این معاملات دقت نشود و همه‌ی جوانب سنجیده نشود، نه تنها سودی نصیب معامله‌گران نمی شود، بلکه زیان‌های سنگینی نیز در پی خواهد بود.

اما نقطه‌ی مقابل افرادی هستند که طرفدار تکنولوژی هستند. این افراد می‌پذیرند که احتمال خطا در نرم افزار معاملات الگوریتمی اصلا دور از ذهن نیست. اما می‌توان نرم‌افزار را اصلاح کرد. این افراد معتقد هستند حتی انسان هم با همه‌ی قدرت تفکر و هوش، اشتباه می‌کند و از این اشتباهات درس می‌گیرد. بر همین اساس ربات‌های معاملاتی را هم می‌توان اصلاح و بازبینی کرد. بسیاری از افرادی که از معاملات الگوریتمی بهره می‌برند، ابتدا در مراحل پیش‌تست ایراد کار خود را مشاهده و آن را برطرف می‌کنند. به این ترتیب با خیال آسوده‌تری از این الگوریتم‌ها در معاملات واقعی استفاده می‌کنند.

اگر بخواهیم به عنوان منتقدی بی‌طرف به استدلال این دو گروه نگاه کنیم، صادقانه باید نظر هر دو را بپذیریم. اما به هر حال نمی‌توانیم منکر این شویم که دیر یا زود باید به معاملات الگوریتمی بورس روی بیاوریم. نمی‌توانیم با همان شیوه‌های سنتی پیش برویم و از دنیا عقب بمانیم. بازارهای مالی همگی به سمت استفاده از شیوه‌های نوین و به‌روز می‌روند. اگر قرار است در این بازارها حرفی برای گفتن داشته باشیم، باید به جای مقاومت و مخالفت، آن را بپذیریم و به نفع خود از آن استفاده کنیم.

لزوم تعیین استراتژی معاملاتی

نقش استراتژی معاملاتی در معاملات الگوریتمی

اما پیش‌تر و در سطرهای قبلی اشاره کردیم که معاملات الگوریتمی بورس بر اساس استراتژی‌های افراد عمل می‌کنند. این جمله به آن معناست که اساس و پایه‌ی این الگوریتم‌ها، نگرش‌های مالی و راهبردهای مختلف افراد است. زمانی که شما به عنوان یک معامله‌گر حتی خود نیز نمی‌دانید که باید چه شیوه‌ای را در پیش بگیرید، چگونه می‌توانید این شیوه‌ی نامعلوم را در قالب معاملات الگوریتمی اجرا کنید؟ در آن صورت با چه فرامینی می‌خواهید ماشین را تغذیه کنید؟

پس به راحتی مشخص است که تعیین استراتژی معاملاتی پیش‌نیاز این معاملات است. زمانی که قصد داریم معاملات الگوریتمی با پایتون را طراحی کنیم حتما باید بدانیم که دقیقا چه خروجی را مدنظر داریم. در صورتی که استراتژی معاملاتی را به درستی پیاده کنیم، قطعا پاسخ‌های خوبی را خواهیم گرفت. در واقع اگر واقعا به دنبال فرصت‌های معاملاتی بهینه هستیم، باید از همان آغاز مسیر خود را مشخص کنیم.

آشنایی با نرم افزار معاملات الگوریتمی

اما برای آن‌که بتوانیم استراتژی و دیدگاه‌های معاملاتی خود را به درستی پیاده کنیم، به یک بستر نرم‌افزاری هم نیاز داریم. نرم افزار معاملات الگوریتمی فرصتی را برای ما ایجاد می‌کند با بهره‌گیری از زبان‌ها و ابزارهای برنامه‌نویسی، الگوریتم خود را پیاده‌سازی کنیم. این نرم‌افزارها به معامله‌گران اجازه می‌دهند با دانشی اندک از برنامه‌نویسی وارد این دنیای پیچیده شوند. یکی از زبان‌های رایج برای نوشتن اندیکاتورها و ابزارهای معاملاتی خودکار MQL است. این زبان در بازارهای مالی کاربرد فراوانی دارد و می‌توان به کمک آن استراتژی‌های مختلف را پیاده کرد. علاوه بر این زبان، با استفاده از کدهای پایتون نیز می‌توان نرم افزار معاملات الگوریتمی را پیاده‌سازی کرد. اکنون محیط‌های برنامه‌نویسی تحت وب به زبان پایتون برای کاربران ایرانی طراحی شده است. به این ترتیب می‌توان به آسانی از این بستر بهره برد و از معاملات الگوریتمی با پایتون در بازار سهام استفاده کرد.

بسترها و نرم‌ افزار معاملات الگوریتمی

البته برخی از انواع نرم افزار معاملات الگوریتمی به گونه‌ای طراحی شده‌اند که ادعا می‌کنند نیازی به دانش کدنویسی ندارند. اما از آن‌جایی که الگوریتم‌نویسی و قدرت تجزیه و تحلیل خود یکی از پایه‌های اصلی کار است نمی‌توان گفت که نیازی به کدنویسی نیست. مسائل مربوط به معاملات الگوریتمی قابل یادگیری است؛ ولی هرگز گمان نکنید که به آسانی می‌توان به آن‌ها دست یافت. اصلا یکی از دلایلی که برخی از افراد در مقابل استفاده از این شیوه‌ی معاملاتی واکنش‌های مثبتی نشان نمی‌دهند دقیقا به همین دلیل است که با کدنویسی و یا حتی کامپیوتر چندان آشنایی ندارند.

اکنون که بازار معاملات الگوریتمی با پایتون داغ است، بهتر است که بهترین ابزار را در این زمینه پیدا کنید و استراتژی خود را پیاده کنید. نتایج شگفت‌انگیز این معاملات قطعا شما را مجاب می‌کند که هرچه بیشتر برای یادگیری و استفاده از ابزارهای مرتبط با فناوری در بازارهای مالی و به خصوص بازار بورس تلاش کنید.

مزایا و معایب معاملات الگوریتمی بورس

حال که دریافتیم معاملات الگوریتمی در بورس چیست و این‌همه از لزوم و اهمیت آن صحبت کردیم، شاید برخی این سوال را از خود پرسیده باشند که در کنار این‌همه مزیت چه معایبی در این شیوه‌ی معاملاتی وجود دارد. برای آن‌که بتوانیم جانب انصاف را رعایت کنیم، این موارد را در کنار هم و در نگاهی اجمالی بررسی می‌کنیم. اجازه دهید ابتدا مزایای معاملات الگوریتمی بورس را بررسی کنیم و در ادامه به معایب آن بپردازیم.

مزایای معاملات الگوریتمی

• این امکان وجود دارد که در مراحل پیش‌تست بتوانیم عملکرد الگوریتم‌های نوشته‌شده با نرم افزار معاملات الگوریتمی را بسنجیم. به این ترتیب احتمال خطا کاهش پیدا می‌کند و نتایج محتمل در دسترس‌تر خواهند بود.
• به کمک این شیوه می‌توان میزان زیادی از اطلاعات را بررسی کرد؛ عملی که انسان از انجام آن عاجز است. هم‌چنین به این امر هم دقت کنید که این پردازش اطلاعاتی در چه زمان کوتاهی انجام می‌شود. مثلا اگر انسان بخواهد چند نماد را بررسی کند مدت زیادی طول می‌کشد. حال آن‌که انجام این کار از طریق معاملات الگوریتمی بورس در زمانی بسیار کوتاه انجام می‌شود.
• دخیل کردن احساسات در تصمیم‌های مالی همیشه نتایج نامطلوبی به همراه دارد. اما الگوریتم به این دلیل که فاقد احساسات است کار خود را بر اساس الگوهای از پیش تعریف‌شده انجام می‌دهد.

معایب معاملات الگوریتمی

بررسی نقاط قوت و ضعف معاملات الگوریتمی

• درست است که نرم‌افزارهای کامپیوتری بر اساس منطق عمل می‌کنند، اما این منطق، منطق بشری است و آسیب‌پذیر است. اگر استراتژی معاملاتی با منطقی اشتباه پایه‌ریزی شده باشد، قطعا نباید توقع نتایج خارق‌العاده‌ای از معاملات الگوریتمی بورس داشته باشیم.
• ممکن است فرد استراتژی صحیحی داشته باشد اما در پیاده‌سازی آن به درستی عمل نکند و این امر منجر به آزمون و خطاهای فراوانی شود.
• استفاده از این شیوه‌ی معاملاتی نیازمند دانش و آشنایی هر چند اندک با کدنویسی است. اگر از آن دسته افرادی هستید که با تکنولوژی ارتباط چندان خوبی ندارید، نمی‌توانید با این شیوه‌ها کنار بیایید.
• کامپیوتر بدون ورودی صحیح نمی‌تواند خروجی موثری تولید کند. شاید شما زمانی دست به معامله‌ای می‌زنید ولی درست قبل از آن‌که بخواهید آن را قطعی کنید متوجه می‌شوید که جایی اشتباه کرده‌اید و می‌توانید همان لحظه استراتژی خود را تغییر دهید. نرم افزار معاملات الگوریتمی چنین قدرتی ندارد و برای اصلاح و تغییر به شما و دانش شما نیاز دارد.
• پیاده‌سازی و اجرای معاملات الگوریتمی بورس نیازمند تجهیزات سخت‌افزاری و نرم‌افزاری موردنیاز است. در حالی‌که اگر قرار باشد خودتان به صورت شخصی اقدام به معامله کنید، با یک گوشی تلفن همراه هم می‌توانید به همان روش همیشگی کار خود را پیش ببرید.

معاملات الگوریتمی در بورس ایران

در بازار ایران انجام معاملات به کمک الگوریتم‌ در مدت زمان محدودی ممنوع بود . اما با این‌همه، انتظار آن می‌رود که به زودی شاهد یک شروع قدرت‌مند در زمینه‌ی معاملات الگوریتمی بورس باشیم. کارشناسان بازار بورس همواره معتقدند که بازار بورس ایران نیز باید با جهان همگام شود و به سمت الگوریتمی شدن پیش برود.

کلام پایانی

در این مقاله کوشیدیم در پاسخ به پرسش معاملات الگوریتمی در بورس چیست مسائل و موارد زیادی را مطرح و بررسی کنیم. سپس به مزایا و معایب این شیوه‌ی معاملاتی پرداختیم و از اهمیت آن سخن گفتیم. اگر قصد دارید در بازارهای مالی ماندگار شوید، نمی‌توانید از این مطلب غافل شوید که همواره باید در حال یادگیری باشید. هرگز نباید گمان کرد که یادگیری تنها مختص افراد تازه‌وارد به این بازارهاست. چه بسا تازه‌واردها به دلیل ناآشنایی با بافت و بستر این بازارها، همواره به دنبال کسب اطلاعات و دانش جدید بروند و از افراد مجرب هم پیشی بگیرند.

داشتن تجربه فاکتور بسیار مهمی در بازار بورس است. گسترش تکنولوژی و ظهور مواردی نظیر معاملات الگوریتمی با پایتون نشان داد که می‌توان این تجربه را به کمک نر‌م‌افزارهای معاملاتی و در قالب فرامین مختلف در اختیار کامپیوتر قرار داد و به این ترتیب از خطاهای سهوی انسانی جلوگیری کرد و به سودهای کلانی دست یافت.

درباره مدیریت سایت

از کوچیکی علاقه زیادی به کامپیوتر داشتم و از همون موقع دوست داشتم کارای جالبی باهاش انجام بدم و نه فقط بازی کنم پس خلاصه بگم یه برنامه نویس شدم

معامله ی کمی

معاملات کلاسیک از تحلیل فاندمنتال و تحلیل تکنیکال استفاده می کنند، اما در استراتژی های معاملاتی کمی از رویکرد به شدت متفاوتی استفاده می شود که بیشتر شبیه معاملات الگوریتمی و شبکه ای است که همبستگی مستقیمی با معاملات فرکانس بالا (High Frequency Trading - HFT) دارد. استراتژی های معاملاتی کمی بیشتر بر روی مدل سازی ریاضی با استفاده از نرم افزارهای الگوریتمی و روش های آماری تکیه دارد. به بیان دیگر، این استراتژی ها در واقع سیستم هایی خودکار هستند که در زبان های برنامه نویسی مثل ++C و Python و غیره و در نرم افزارهایی مانند EViews و MATLAB تهیه می شوند. آیا معامله گران عادی هم به این موارد دسترسی دارند؟ پاسخ به این پرسش بدیهی است اما حتی اگر فقط معامله گران بزرگ بازار مثل صندوق های پوشش ریسک و بانک های سرمایه گذاری باشند که از آن ها استفاده کنند باز هم ما به فهمیدن آن ها نیاز داریم.

استراتژی های معاملاتی کمی به عنوان جایگزینی برای تحلیل تکنیکال و فاندمنتال

کدام استراتژی پرسود تر است: استراتژی مبتنی بر تحلیل تکنیکال یا فاندمنتال؟ استراتژی هایی که برایشان کتاب راهنما وجود دارد و یا آن هایی که باید به خاطرشان از مشاوره های مالی استفاده کرد؟ مثالی که صندوق های پوشش ریسک بزرگ دنیا برایمان ایجاد کرده اند نشان می دهند که نه تحلیل فاندمنتال و نه تحلیل تکنیکال به تنهایی انتظارات را برآورده نمی کنند وضعیت در خصوص استراتژی های کمی به شکل دیگری است. در این مطلب می خواهم به ماهیت این استراتژی بپردازم و تفاوت های عمده ی آن را از استراتژی های معاملاتی معمولی که بر اساس اندیکاتورهای تحلیل فاندمنتال و تکنیکال شکل گرفته اند بیان کنم.

دقت داشته باشیم: معاملات کمی مبتنی بر روش های ریاضی و تحلیل های آماری با استفاده از نرم افزارهای برنامه نویسی هستند. هدف از مطلب حاضر دادن اطلاعات بیشتر در خصوص روش های نامبرده می باشد. اگر شما از ریاضیات سطح بالاتر و زبان های برنامه نویسی (در اینجا در خصوص MQL صحبت نمی کنیم) سعی کنید به شکل عمیق تر وارد شوید و در بخش کامنت ها نظر خود را بنویسید!

استراتژی معاملاتی کمی برای معامله گران خصوصی (عادی): تعریف و چگونگی مدل سازی

کار معامله گر تعیین جهت روند و نقاطی است که احتمالا این روند معکوس خواهد شد. تا زمانی که موارد استفاده این هدف را به دست می آورند مهم نیست که از چه ابزارها، استراژی ها، و تحلیل هایی برای این کار استفاده می شود. تنها چیزی که به آن نیاز داریم این است که با نقاط مرتبط دسته بندی الگوریتم معاملاتی با معکوس شدن روند آشنایی داشته باشیم، میزان قوی بودن روند را تعیین کنیم و در ابتدای روند وارد بازار شویم.

• در تحلیل فاندمنتال معامله گر تلاش می کند تا حرکت آتی شاخص را پس از انتشار اخبار و یا حرکات موجی شاخص های اقتصاد جهانی مشخص کند. این استراتژی مبتنی بر این حقیقت است که بازار به اخبار منتشره واکنش نشان می دهد و میزان تقاضا یا عرضه را تحریک می کند.
• در تحلیل تکنیکال عوامل فاندمنتال دخالتی ندارند. معامله گر پیشینه ی ابزار معاملاتی را بررسی می کند و از آن ها الگو در می آورد. فورس ماژور و سایر عوامل فاندمنتال به صورت خودکار در روند کلی ابزار معاملاتی لحاظ می شوند.

البته همانطور که اشاره داشتیم یک روش معاملاتی دیگر وجود دارد که مستلزم استفاده از تحلیل فاندمنتال یا تکنیکال نیست. در این تحلیل پیش بینی جهت آینده ی روند یک موضوع ثانویه است و گزارش هایی که بانک های مرکزی منتشر می کنند چندان مهم نیستند. همچنین، شاخص های ارزی صرفا یک سری داده های ورودی ساده هستند که شبکه ی الگوریتمی بر اساس آن به فعالیت می پردازد. به این روش استراتژی معاملاتی کمی با استراتژی معاملاتی مبتنی بر کمیت می گویند.

نکته در استراتژی معاملاتی کمی این است که در آن نباید جهت آتی روند پیش بینی شود، بلکه باید یک استراتژی بهینه و بهترین ابزارهای معاملاتی به وسیله ی انتخاب پارامترهای ریاضی انتخاب شود که اجازه ی کسب سود ثابت را به معامله گر بدهند.

بد نیست کمی از پیشینه ی معاملات کمی بدانیم:

معاملات مبتنی بر الگوریتم و استراتژی های کمی برای بیش از نیم قرن شناخته شده اند و توسط صندوق های پوشش ریسک به شکل فعال استفاده شده اند.

یکی از نخستین شرکت هایی که از استراتژی های معاملاتی کمی استفاده کردند بنیاد جورج سوروس بود. او قادر بود در عمل اثبات کند که تحلیل فاندمنتال و تکنیکال در مقایسه با قدرت خود سرمایه در مرتبه ای پایین تر قرار دارند. وی از طریق اطلاعات محرمانه و شکل دهی مصنوعی به افکار عمومی از طریق رسانه های جمعی مطابق خواست خود جهت آتی روند برخی ابزارهای مالی پرحجم را تغییر داد و سیاست بانک های مرکزی را تخریب کرد. به همین دلیل است که موسسه ی تحت فرمان او از نخستین موسساتی بوده که دست از تحلیل سیاست بانک های مرکزی کشیده و به جایش به دنبال الگوهای تکنیکال مبتنی بر مدل سازی ریاضی و برنامه نویسی رفته است.

در سال ۱۹۷۳ میلادی Fischer Black و Myron Scholes برای نخستین بار فرمول قیمت گذاری آپشن ها را منتشر کردند. نکته ی اصلی در تعیین عدد مرتبط با آپشن میزان نوسانات مورد انتظار ابزارهای مالی بود که به وسیله ی محاسبات ریاضی انجام می شد. بدون ورود به جزئیات باید در اینجا اشاره کنیم که این فرمول تابع توزیع تجمعی (Cumulative Distribution Function) مرتبط با یک تابع توزیع نرمال (Standard Normal Distribution)، نرخ بهره ی بدون ریسک (شبیه به نسبت شارپ)، قیمت بازاری و قیمت اعمال (Strike Price)، و در نهایت نوسانات بازار را در بر می گیرد. برای تعیین میزان حساسیت قیمت آپشن به تغییراتی که در برخی اعداد به وقوع می پیوندد ضریب ها به وسیله ی اعداد یونانی ( که به آن ها Greeks گفته می شود) تعیین می گردند.

در سال ۱۹۹۸ مدل Black-Scholes جایزه ی نوبل اقتصاد را برد و به شکل اساسی رویکردهای موجود نسبت به توسعه ی استراتژی های معاملاتی را تغییر داد. سود ۷۵-۸۰ درصدی معاملات مبتنی بر تحلیل ریاضی به سندی در خصوص میزان موثر بودن این تکنیک تبدیل شده، به طوری که خیلی از معامله گران بزرگ بازار و بانک های سرمایه گذاری این روش را اتخاذ کرده اند. مثال های واقعی استفاده از مدل های کمی عبارتند از:

• صندوق Two Sigma Investments: این صندوق در سال ۲۰۰۱ میلادی تاسیس شد و استراتژی های معاملاتی آن مبتنی بر متدهایی است که بر اساس هوش مصنوعی و یادگیری ماشین ها و رایانش توزیع شده (Distributed Computing) تنظیم شده اند.
• صندوق DE Shaw&Co که در سال ۱۹۸۸ تاسیس شد: این شرکت را با توسعه ی سیستم های مدل سازی پیچیده اش و برنامه هایی که برای دنبال کردن اتفاقات خلاف قاعده ی بازار ساخته می شناسند.
• شرکت Renaissance Technologies LLC: این شرکت در سال ۱۹۸۲ میلادی تاسیس شد که تخصصش انجام معامله بر اساس مدل های کمی ای است که بر اساس تحلیل ریاضی و آماری ساخته شده اند.

تقریبا می توان گفت که در روش های معاملاتی این شرکت ها هیچ مداخله ی انسانی ای صورت نمی گیرد.

معامله ی کمی چیست و چگونه کار می کند؟

معاملات کمی بر اساس عبارت ''هر چه بیشتر بهتر'' تنظیم شده اند. جنبه ی ریاضی این معاملات به شما اجازه می دهد که استراتژی های متعددی که برای ابزارهای مالی متفاوت وجود دارد نگاهی انداخته و آن را دسته بندی کنید و در نهایت بهترین نتیجه ای که نسبت میان سود به ریسک به شما می دهد را انتخاب کنید. به بیانی کلی می توان گفت که الگوریتم از تحلیل یک بازه ی زمانی خاص استفاده می کند، بازه ی زمانی ای که اعداد موجود در آن تثبیت شده هستند (مثلا قیمت بسته شده ی یک ابزار معاملاتی). داده های به دست آورده شده به شکل زیر تفسیر می گردند:

• به عنوان یک عملکرد: کار یک برنامه نویس که کدهای مدل را می نویسد پیدا کردن این عملکرد (یا همان معادله ی ریاضی) است که می تواند نحوه ی توزیع شاخص ها در سری های زمانی را پیدا کند
• به عنوان سری های زمانی که توسط روش های آماری تفسیر می شوند: میزان دقت پیش بینی ها به وسیله ی داده های تکرار پذیر آماری به وسیله ی دوره های زمانی دیگر تست می شوند (به آن Forward Testing) می گویند

معامله گر استفاده کننده از روش کاهش کمی می تواند امتیازات بی شماراتی را از عملکرد و از سری های زمانی در چارت قیمتی به دست آورد. با اضافه کردن یک ویژگی ریاضی اضافی (مثل تقریب (Approximation) و آنتروپی) می توانید نقاطی که شیب روند کند می شود یا به حالت افقی در می آید را شناسایی کرده و یا نقاط استاپ لاس محاسبه شده را محاسبه کنید. تنها پس از طی این مراحل است که معامله گر استفاده کننده از روش کاهش کمی می تواند با اعمال کردن قواعد مدیریت ریسک در معاملات واقعی از آن استفاده کند.

یکی دیگر از روش های اقتصاد سنجی (Econometrics) که استراتژی معاملاتی کمی بر آن استوار است تقسیم بازه های زمانی به بخش های جدا است، بخش هایی که در آن می توانید بر اساس الگویی مشخص یک حرکت قیمتی را به طور واضح ببینید. به طور مثال، یک بازه ی ۱۰ ساله می تواند به بخش هایی با طول مدت متفاوت (مثل ۱ روز، ۱ هفته ..) تقسیم شوند (لازم نیست که این بخش ها حتما یکسان باشند). این بخش ها البته می توانند با یکدیگر همپوشانی داشته باشند. وضعیت فعلی بازار می تواند با الگوهای رفتاری مشابه در گذشته مقایسه شود که مبتنی بر آن پیش بینی ها در خصوص آینده انجام می شود.

شرایط الزامی استفاده از استراتژی معاملاتی کمی:

• نقدینگی بالا: تنها ابزارهای معاملاتی ای که نقدینگی بالایی دارند برای استراتژی های معاملاتی کمی انتخاب می شوند و به همین دلیل است که از این روش بیشتر از بازار فارکس در بازار سهام استفاده می شود.
• متنوع سازی: استراتژی های معاملاتی کمی مستلزم اجرای الگوریتم های ریاضی برای تعداد زیادی از ابزارهای معاملاتی است و بر روی یک ابزار معاملاتی خاص کار نمی کند. به همین دلیل باید ضریب همبستگی میان ابزارهای معاملاتی تا حد ممکن پایین باشد
• تحلیل کمی در خصوص بیشترین تعداد الگوریتم ممکن کارایی دارد (به سه مورد از آن ها در بالا اشاره کردیم که عبارتند از: جستجوی عملکرد، توزیع مقدارهای عددی، و معامله بر اساس نمونه).

مدل معاملات کمی با مشاوره های معاملاتی مبتنی بر الگوریتم در یک مورد مشترک است و آن این است که فرمول میانگین های حرکتی (Moving Averages) در تلاشند تا الگوهای حرکتی قیمتی را پیدا کنند. در طی زمان علاقمندان به تحلیل تکنیکال یک سری ضرایب را به فرمول مذکور اضافه کردند که EMA، LMA و غیره نام گرفتند. اگرچه، مشکل همچنان یکسان باقی ماند: هیچ ابزار معاملاتی ایده آلی که بتواند با سودآوری ۱۰۰ درصدی همراه باشد وجود ندارد.

معاملات کمی در فارکس را هنوز نمی توان الماسی ارزشمند دانست که همواره سودآوری به همراه داشته باشد زیرا به هر حال در بسط و توسعه ی الگوریتم ها و فروش محصولات به معامله گران خصوصی شرکت ها دخیل هستند. از نظر من با توجه به پیچیدگی محصولات، نیاز به حمایت نرم افزاری و هزینه ها استفاده از سیستم های معامله ی کمی برای معاملات شخصی و خصوصی چندان منطقی نیست.

اما در هر حال معاملات کمی مبتنی بر روش های ریاضی و آماری را می توان یک قدم به سوی ساخت یک استراتژی جامع و سودآور دانست. خیلی از معامله گران کمی وجود دارند که معتقدند این مدل در بازارهای مالی بسیار بهتر از تحلیل تکنیکال و فاندمنتال کار می کند اما من شخصا به اطلاعاتی در این خصوص دست نیافته ام.

از استراتژی های معامله ی کمی تنها باید در بازار سهام استفاده شود. به طور مثال می توان به سهام های شرکتی و یا شاخص های سهام در بازار اشاره داشت.

دانستن این روش ها مفید است حتی اگر تنها به دلیل تبدیل شدن آن ها به رویکرد اصلی در معاملات اتوماتیک در آینده باشد. اگر در خصوص معاملات کمی تجربه دارید لطفا در بخش کامنت ها تجربه خود را شرح دهید.

معاملات کمی به شما اجازه می دهند که بهینه ترین روش و بهترین ابزارهای معاملاتی را به وسیله ی انتخاب یک سری از پارامترهای ریاضی انتخاب کنید، انتخابی که در نهایت به شما اجازه ی دستیابی به سود ثابت را می دهند. استفاده از ریاضی در معاملات کمی به شما اجازه می دهد تا استراتژی های زیادی که در خصوص ابزارهای معاملاتی وجود دارد را دسته بندی کنید و بهترین نتیجه ای که در خصوص نسبت سود به ریسک به دست می آید را انتخاب نمایید.

پا نوشت: آیا نوشته ی من مورد پسندتان قرار گرفت؟ لطفا در شبکه های اجتماعی آن را به اشتراک بگذارید: این بهترین ''تشکر'' خواهد بود :)

از من سوال بپرسید و در زیر نظرتان را پست کنید. از پاسخ به شما و دادن توضیحات لازم خوشحال خواهم شد.

لینک های مفید:

• پیشنهاد می کنم که با یک کارگزار (بروکر) مطمئن معامله کنید اینجا. سیستم این امکان را به شما می دهد که یا خودتان به معامله بپردازید یا معامله ی معامله کنندگان موفق از سرتاسر دنیا را کپی کنید.
• در پلتفرم LiteFinance از کد تشویقی BLOG برای گرفتن امتیاز سپرده گذاری 50% استفاده کنید. به هنگام سپرده گذاری سپرده گذاری در حساب معاملاتی خود تنها لازم است که این کد را در محل مناسب وارد نمایید.
• کانال تلگرام با تحلیل های باکیفیت، مطالب مربوط به فارکس، مقالات آموزشی، و سایر مطالب مفید برای معامله گران https://t.me/farsi_forex_trading_blog

محتویات این مقاله نظرات شخصی نویسنده بوده و لزوما بازتابی از موضع رسمی LiteFinance نیست. محتویات این صفحه صرفا جهت اطلاع رسانی منتشر شده و نباید به عنوان مشاوره ی سرمایه گذاری آنگونه که در دستور العمل 2004/39/EC اتحادیه اروپا ذکر شده تلقی گردد.

روش های کسب درآمد از ترید

زمان مطالعه: 5 دقیقه روش‌های مختلفی برای انجام یک استراتژی معاملاتی فعال استفاده می‌شود که هر کدام دارای محیط‌های بازار مناسب و ریسک‌های ذاتی.

لینک کوتاه صفحه

روش‌های مختلفی برای انجام یک استراتژی معاملاتی فعال استفاده می‌شود که هر کدام دارای محیط‌های بازار مناسب و ریسک‌های ذاتی در استراتژی هستند. در اینجا چهار مورد از رایج ترین استراتژی های معاملاتی فعال و هزینه های داخلی هر استراتژی آورده شده است.

معاملات روز

معاملات روزانه شاید شناخته شده ترین سبک معاملاتی فعال باشد. اغلب به عنوان یک نام مستعار برای تجارت فعال در نظر گرفته می شود. معاملات روزانه همانطور که از نامش پیداست روش خرید و فروش اوراق بهادار در همان روز است.

هنگام معامله روزانه، پوزیشن ها در همان روزی که گرفته می شوند بسته می شوند و هیچ پوزیشنی یک شب نگهداری نمی شود. به طور سنتی، معاملات روزانه توسط معامله گران حرفه ای مانند متخصصان یا بازارسازان انجام می شود. با این حال، تجارت الکترونیکی این روش را به روی معامله گران تازه کار باز کرده است.

نکات مثبت +

فرصت های نوسان فوری در بازار را غنیمت بشمارید .

با نگهداری یک شبه به شرط قیمت گذاری پس از بازار یا قبل از بازار، سرمایه در معرض خطر نداشته باشید.

یکی از هیجان‌ انگیزترین و سریع‌ ترین روش‌های معاملاتی

نکات منفی –

به دلیل مقادیر بالاتر سفارشات، احتمال بیشتری برای پرداخت هزینه تراکنش های متعدد وجود دارد

نیاز به زمان و توجه بیشتری برای اجرا دارد

به احتمال زیاد منجر به سودهای افزایشی کمتر در مقابل بردهای بزرگتر می شود

معاملات موقعیتی

برخی در واقع معاملات موقعیت را یک استراتژی خرید و نگه داشتن می دانند و نه تجارت فعال. با این حال، معامله موقعیت، زمانی که توسط یک معامله گر پیشرفته انجام شود، می تواند نوعی معامله فعال باشد.

معاملات موقعیتی از نمودارهای بلندمدت – از روزانه تا ماهانه – در ترکیب با روش های دیگر برای دسته بندی الگوریتم معاملاتی تعیین روند جهت بازار فعلی استفاده می کند. این نوع معاملات بسته به روند ممکن است از چند روز تا چند هفته و گاهی بیشتر طول بکشد.

معامله‌گران ترند برای تعیین روند یک اوراق بهادار به دنبال اوج های بالاتر یا بالاترین پی در پی هستند. معامله‌گران روند با پرش و سوار شدن بر روی “موج” هدف دارند از هر دو جنبه صعودی و نزولی حرکات بازار سود ببرند. معامله‌گران روند به دنبال تعیین جهت بازار هستند، اما سعی نمی کنند هیچ سطح قیمتی را پیش بینی کنند.

به طور معمول، معامله‌گران روند پس از اینکه روند خود را تثبیت کرد، روی آن می پرند و زمانی که روند شکسته می شود، معمولاً از موقعیت خارج می شوند. این بدان معنی است که در دوره های نوسانات بالای بازار، معاملات روند دشوارتر است و موقعیت آن به طور کلی کاهش می یابد.

نکات مثبت +

اغلب استرس کمتری نسبت به سایر روش های معاملات فعال دارد

اجرای آسان استراتژی ها حتی با اهرم کم

به طور گسترده از طریق ابزارهای تحلیل تکنیکال که سیگنال های تجاری را نشان می دهد پشتیبانی می شود

نکات منفی –

به پیشینه تحلیل تکنیکال قوی نیاز دارد

اغلب برای تشخیص تغییرات طولانی مدت در قیمت اوراق بهادار به صبر نیاز است

ممکن است منجر به نوسانات کوچکی شود که منجر به تبدیل سود به زیان شود

معاملات نوسانی

هنگامی که یک روند شکسته می شود، معامله گران نوسانی معمولا وارد بازی می شوند. در پایان یک روند، معمولاً مقداری نوسان قیمت وجود دارد زیرا روند جدید سعی می کند خود را تثبیت کند. معامله‌گران نوسانی با شروع نوسانات قیمت، خرید یا فروش می‌کنند. معاملات نوسانی معمولاً برای بیش از یک روز اما برای مدت کوتاه‌ تری نسبت به معاملات روند برگزار می‌شوند. معامله گران نوسانی اغلب مجموعه ای از قوانین معاملاتی را بر اساس تحلیل تکنیکال یا بنیادی ایجاد می کنند.

این قوانین یا الگوریتم های معاملاتی برای شناسایی زمان خرید و فروش اوراق بهادار طراحی شده اند. در حالی که یک الگوریتم نوسانی نباید دقیق باشد و اوج یا دره حرکت قیمت را پیش بینی کند، به بازاری نیاز دارد که در یک جهت یا جهت دیگر حرکت کند. بازار محدود یا جانبی برای معامله گران نوسانی یک ریسک است.

نکات مثبت +

اغلب به زمان و توجه کمتری نسبت به معاملات روزانه نیاز دارد

پتانسیل بالاتری برای بازده بیشتر در هر معامله دارد

ممکن است بتواند در حالی که بازارها بسته هستند معامله کند

نکات منفی –

ممکن است در حین تعقیب بخشی از روندها، سود بیشتری را از دست بدهند

پتانسیل بالاتری برای زیان بیشتر در هر معامله دارد

دارایی های متمرکز تر؛ موقعیت های کمتر و متمرکز تر را باز کنید

اسکالپینگ

اسکالپینگ یکی از سریع ترین استراتژی هایی است که توسط معامله گران فعال استفاده می شود. اساساً مستلزم شناسایی و بهره‌ برداری از اسپردهای پیشنهادی است که به دلیل عدم تعادل موقت در عرضه و تقاضا، کمی گسترده‌ تر یا محدودتر از حد معمول هستند.

یک اسکالپر سعی نمی کند از حرکات بزرگ استفاده کند یا حجم بالایی را انجام دهد. در عوض، آنها به دنبال سرمایه گذاری بر روی حرکات کوچکی هستند که به طور مکرر اتفاق می افتد، با حجم معاملات اندازه گیری شده.

از آنجایی که سطح سود در هر معامله کوچک است، اسکالپرها به دنبال بازارهای نسبتا قابل نقد هستند تا تعداد معاملات خود را افزایش دهند. برخلاف معامله‌ گران نوسان، اسکالپرها بازارهای آرامی را ترجیح می‌دهند که مستعد تغییرات ناگهانی قیمت نیستند.

نکات مثبت +

اغلب نیازی به داشتن پیشینه فنی قوی نیست

به طور کلی ریسک بازار کمتری دارد زیرا می توان معاملات را با دارایی های کم نوسان انجام داد

حتی با تغییرات اندک قیمت، همچنان می توانید سود کسب کنید

نکات منفی –

معمولاً به مقدار زیادی سفارش نیاز دارد که منجر به کارمزد تراکنش دسته بندی الگوریتم معاملاتی دسته بندی الگوریتم معاملاتی بالاتر می شود

اغلب به سرمایه اولیه بالایی برای ایجاد بازدهی متوسط ​​نیاز دارد (به دلیل مقدار اندک سود در هر معامله).

از جمله زمان برترین استراتژی ها

هزینه های ذاتی استراتژی های معاملاتی

دلیلی وجود دارد که زمانی استراتژی های معاملاتی فعال فقط توسط معامله گران حرفه ای استفاده می شد. نه تنها وجود یک کارگزاری داخلی هزینه های مربوط به معاملات با فرکانس بالا را کاهش می دهد، بلکه اجرای بهتر معامله را نیز تضمین می کند.

” کارمزد کمتر و اجرای بهتر دو عنصری هستند که پتانسیل سود را بهبود می بخشند”

به همین دلیل است که استراتژی‌های منفعل و نمایه‌ شده که موضع خرید و نگه‌ داری دارند، کارمزدها و هزینه‌های معاملاتی کمتری را ارائه می‌کنند. علاوه بر این، سرمایه‌ گذاری غیرفعال معمولاً در صورت فروش یک موقعیت سودآور منجر به رویدادهای مشمول مالیات کمتر می‌شود. با این حال، استراتژی‌های غیرفعال نمی‌ توانند بازار را شکست دهند زیرا شاخص گسترده بازار را در اختیار دارند. معامله گران فعال به دنبال آلفا هستند به این امید که سود معاملاتی از هزینه ها فراتر رود و یک استراتژی بلند مدت موفق را ایجاد کند.