دنیای شگفت انگیز اجرای بهینه تجارت و پردازش یک میلیارد دلار ارزش سهام.

در پست قبلی خود ، من در سطح بالایی انواع مختلف الگوریتم های معاملاتی را به همراه کاربردهای آنها توضیح دادم ، پیشنهاد می کنم اگر تازه وارد این موضوع هستید ، از آنجا شروع کنید.

در این پست ما به الگوریتم های اجرای معاملات ، که اولین و شایع ترین نمونه های الگوریتم های معاملاتی خودکار صنعت هستند ، خواهیم پرداخت.

آیا تجارت انتشار گازهای گلخانه ای می تواند ما را نجات دهد؟|داده های سرمایه گذار محور

تجارت انتشار گازهای گلخانه ای ، همچنین به عنوان CAP و Trade شناخته می شود ، دارای دو مؤلفه است. ابتدا یک کلاه بر روی انتشار کلی برای…

برای توضیح خلاصه مفهوم ، تصور کنید که 5 میلیارد دلار ارزش سهام آمازون (AMZN) را که می خواهید بفروشید ، داشته باشید. براساس قیمت فعلی (2700 دلار) ، این تقریباً 1. 85 میلیون سهام است. متوسط حجم روزانه سهام AMZN 3M است. بنابراین اگر قرار بود بلافاصله موقعیت خود را بفروشید ، با بیش از 60 ٪ از عرضه روزانه در یک حرکت ، بازار را سیل می کنید ، با توجه به این نکته برای یکی از مایع ترین سهام اطراف آن است. نه تنها بعید نیست که موقعیت را به سرعت پر کنید ، بلکه شوک چنین موقعیت بزرگ فروش در بازار احتمالاً قیمت سهام را به طرز چشمگیری کاهش می دهد و باعث می شود با تخفیف گسترده ای بفروشید. اثرات مشابه دیگری وجود دارد که بر فروش شما تأثیر می گذارد ، که همه آنها تحت عنوان "لغزش" گروه بندی می شوند (اگر علاقه کافی به این موضوع وجود داشته باشد ، من این را در یک مقاله جداگانه پوشش خواهم داد).

یک الگوریتم اعدام تجاری (TEA) به شما امکان می دهد تا با آزاد کردن آرام و برنامه ای موقعیت خود را به بازار ، که معمولاً بر اساس مداخله های زمان یا رفتار حجم است ، لغزش را کاهش دهید.

چای ها از اوایل دهه 1970 شروع به کار کردند ، هنگامی که بورس اوراق بهادار نیویورک سیستم "چرخش سفارش تعیین شده" (DOT) را معرفی کرد. این سیستم به شرکت کنندگان در بازار اجازه می دهد تا سفارشات خود را هرچند یک سیستم رایانه ای ، با عبور از کارگزاران ، رزرو کنند.

معاملات چای (معروف به معاملات برنامه در آن زمان) در سالهای بعد به سرعت رشد کرد ، و برخی حتی تصادف بازار سهام 1987 را به آن نسبت دادند ، اگرچه پیوندها مشخص نیست (وقایع بعدی ، مانند سقوط فلش 2010 به وضوح ناشی از الگوریتمی بودتجارت)

سقوط فلش سال 2010 ، که در آن الگوریتم های مختلف اعدام به یکدیگر واکنش نشان دادند و دارایی های فروش داشتند و این اثرات را تشدید می کنند.

محبوبیت چای در سال 2001 هنگامی که کمیته مبادله اوراق بهادار (SEC) اعشاری از همه نقل قول های سهام را تحمیل کرد و حداقل اندازه تیک را از 1/16 دلار (0. 0625 دلار) به 0. 01 دلار در هر سهم تغییر داد. این اندازه از اندازه های مکرر کوچکتر به نفع ، توانایی و انعطاف پذیری چای را افزایش می دهد.

امروزه ، اکثریت (اگر نه همه) بانکهای اصلی و موسسات مالی یک راه حل تجارت الگوریتمی ، از جمله AES Credit Suisse ، Chameleon ، Viper و Iguana توسط BNP Paribas (از طریق سرویس قشر IP) و رفع مورگان استنلی ارائه می دهند.

مفهوم چایها نسبتاً ساده است ، به این دلیل که شما به سادگی سعی در اجرای یک موقعیت با بهترین قیمت/بهینه راندمان دارید ، اما پیچیدگی بازارهای امروزی به معنای اجرای چنین الگوریتم ها به طرز مشوقه ای با مؤسسات بسیار دشوار است. دائماً در حال بهبود تکنیک های خود هستند.

من با ساده ترین اجرای برای درک شروع می کنم:

قیمت متوسط وزن (TWAP)

قیمت متوسط وزن متوسط متوسط قیمت یک ابزار مالی در یک دوره زمانی خاص است (توجه داشته باشید که این دوره ثابت نیست ، می تواند یک ساعت ، روز ، ماه و غیره باشد).

یک الگوریتم TWAP سعی می کند با اجرای سفارشات کوچکتر به مرور زمان (به فکر موقعیت 5 میلیارد دلاری ما در اینجا) باشد (به فکر موقعیت 5 میلیارد دلاری ما در اینجا) باشد (فروش 500 دلار ارزش سهام هر 5 دقیقه تا زمانی که 5 میلیارد دلار فروخته شویم).

در واقعیت ، الگوریتم ها به سرعت در پیچیدگی افزایش می یابند (تغییر فاصله زمانی/اندازه سفارش را برای سایر شرکت کنندگان در بازار سخت تر می کند و الگوریتم خود را پیش بینی می کند و بسته به زمان روز و غیره در بازارهای مختلف اجرا می شود) اما مفهوم یکسان است: برای کاهش لغزش ، یک سفارش بزرگ را در یک دوره کوچکتر خرد کنید.

قیمت اجرای TWAP برای AMZN ، توجه کنید که چگونه قیمت به دست آمده در واقع میانگین متحرک قیمت سهام با گذشت زمان است

من یک الگوریتم ساده Twap Python را در یک مقاله آینده منتشر می کنم تا به طور کامل این موضوع را توضیح دهم ، بنابراین با ما همراه باشید!

قیمت متوسط وزن (VWAP)

قدرت الگوریتم های TWAP سادگی آنها ، اما ضعف آنها است. شکستن سفارش به قطعات کوچکتر که در طول روز به همان اندازه معامله شود ، ساده است ، اما حجم تغییر بازار را در کل در نظر نمی گیرد ، ممکن است خود را هنوز در موقعیتی پیدا کنید که در حال سیل در بازار هستید ، یا از این مزیت استفاده نمی کنیدجلسات تجاری شلوغ

یک الگوریتم VWAP براساس حجم معامله شده برای چنین امنیتی ، سفارش را تجزیه می کند و در صورت بزرگتر بودن حجم و برعکس ، مبلغ بیشتری را معامله می کند. این در مثال زیر نشان داده شده است:

حجم معاملات الگوریتم VWAP ، نشان دهنده سنبله ها در فعالیت های افزایش یافته و لاله ها در طول زمان ، Natixis است.

بیایید این را با استفاده از مثال AMZN در زیر توضیح دهیم. این همان سری قیمت است که در بالا وجود دارد ، با این حال من مشخصات حجم (پایین نمودار) را برجسته تر کرده ام. توجه کنید که مشخصات حجم در بیشتر روزها یک U را نشان می دهد. در شروع و پایان بازار بزرگتر و به سمت وسط (وقت ناهار ایالات متحده).

یک تجارت الگوریتم TWAP به طور مساوی در طول روز ، حجم اضافی را که در ابتدای روز معامله می شود از دست می دهد (می تواند مبلغ بیشتری را با لغزش کمتر تجارت کند) اما همچنین خطر لغزش را در طول لنگه های ناهار انجام می دهد.

قیمت سهام AMZN (بالا) و مشخصات حجم (پایین) که نشان دهنده سنبله در معاملات در شروع/پایان هر روز معاملاتی است.

برای اجرای یک الگوریتم VWAP به طور مؤثر ، باید مشخصات حجم را برای روز معاملاتی (یا هر دوره زمانی که در آن کار می کنید) بدانید. این می تواند از چیزی به سادگی استفاده از یک مقایسه سال به سال یا الگوریتم پیامبر فیس بوک ، که می تواند به طور خودکار فصلی روزانه ، هفتگی یا ماهانه را تشخیص دهد ، به یک سیستم شبکه عصبی کاملاً عکسبرداری با استفاده از منابع داده های بی شماری از جمله اقتصادی متغیر باشد. شاخص ها و احساسات خبری (در این مرحله ، بسیاری از مردم فریاد می زنند که چرا من از Arima ، Sarima یا سایر مدل های اتخاذ کننده خودکار یاد نکردم ، نکته اینجاست که جامع نیست ، یک میلیون راه برای نزدیک شدن به این وجود دارد ، من هستم. فقط ذکر برخی از روش هایی که در این زمینه با آنها آشنا هستم).

نمونه ای از پیش بینی الگوریتم پیامبر ، نشان دهنده قابلیت های ناهنجاری قوی و قابلیت تشخیص فصلی است.

درصد حجم (POV)

این الگوریتم همچنین به عنوان یک الگوریتم مشارکت شناخته می شود ، سعی می کند در یک جلسه معاملاتی درصد مشخصی از بازار باشد تا اینکه سفارش کامل انجام شود.

نمایه تجارت الگوریتم POV. توجه داشته باشید که یک الگوریتم POV می تواند در بازار باز شود و تا زمانی که حجم کافی باشد ، Natixis است.

ساده ترین راه برای توصیف این الگوریتم این است که "10 ٪ از بازار تا زمان تکمیل موقعیت شما" باشد. اکنون دقیقاً مانند VWAP ، شما باید بتوانید بفهمید که مشخصات واقعی حجم بازار چیست ، که می توانید با همان روشهای پیش بینی شده که قبلاً توضیح داده شد انجام دهید.

نقطه ضعف این الگوریتم این است که اگر موقعیتی را نگه دارید یا نرخ مشارکت را خیلی پایین تنظیم کنید، می‌توانید کل بازه زمانی معاملات را بدون تخلیه کامل موقعیتی که در اختیار داشتید کامل کنید، بنابراین آزمایش‌های برگشتی دقیق مورد نیاز است.

نتیجه

امیدواریم آنچه در بالا توضیح دادم به توضیح نحوه عملکرد برخی از محبوب‌ترین الگوریتم‌های اجرای تجارت کمک کرده باشد.

چیزی که هر چه بیشتر وارد این موضوع شوید شروع به پیدا کردن آن خواهید کرد این است که انواع الگوریتم‌ها به شدت همپوشانی دارند و همه نمونه‌های توصیف‌شده نیز می‌توانند به عنوان الگوریتم‌های اجرای استراتژی استفاده شوند و بالعکس. این بیشتر به مورد استفاده شما بستگی دارد (کسب پول یا به حداقل رساندن هزینه).

مطمئن شوید که من را دنبال می کنید و منتظر مقاله بعدی باشید که سایر زمینه های تجارت خودکار را در آینده توضیح می دهد.