algoritmisk handel (også kaldet automatiseret handel, sortbokshandel eller algo-handel) bruger et computerprogram, der følger et defineret sæt instruktioner (en algoritme) for at placere en handel. Handlen kan i teorien generere overskud med en hastighed og frekvens, der er umulig for en menneskelig erhvervsdrivende.

de definerede sæt instruktioner er baseret på timing, pris, mængde eller enhver matematisk model. Bortset fra profitmuligheder for den erhvervsdrivende gør algo-trading markederne mere likvide og handel mere systematisk ved at udelukke virkningen af menneskelige følelser på handelsaktiviteter.

algoritmisk handel i praksis

Antag, at en erhvervsdrivende følger disse enkle handelskriterier:

• køb 50 aktier i en aktie, når dens 50-dages glidende gennemsnit går over det 200-dages glidende gennemsnit. (Et glidende gennemsnit er et gennemsnit af tidligere datapunkter, der udjævner de daglige prisudsving og derved identificerer tendenser.)
• sælg aktier i aktien, når dens 50-dages glidende gennemsnit går under 200-dages glidende gennemsnit.

ved hjælp af disse to enkle instruktioner overvåger et computerprogram automatisk aktiekursen (og de glidende gennemsnitsindikatorer) og placerer købs-og salgsordrer, når de definerede betingelser er opfyldt. Den erhvervsdrivende behøver ikke længere at overvåge live priser og grafer eller lægge ordrene manuelt. Det algoritmiske handelssystem gør dette automatisk ved korrekt at identificere handelsmuligheden.

fordele ved algoritmisk handel

Algo-trading giver følgende fordele:

• handler udføres til de bedst mulige priser.Handelsordreplacering er øjeblikkelig og nøjagtig (der er stor chance for udførelse på de ønskede niveauer).
• handler er timet korrekt og øjeblikkeligt for at undgå betydelige prisændringer.
• reducerede transaktionsomkostninger.
• samtidig automatiseret kontrol af flere markedsforhold.
• reduceret risiko for manuelle fejl ved placering af handler.Algo-trading kan baktestes ved hjælp af tilgængelige historiske og realtidsdata for at se, om det er en levedygtig handelsstrategi.
• reducerede muligheden for fejl fra menneskelige forhandlere baseret på følelsesmæssige og psykologiske faktorer.

mest algo-handel i dag er højfrekvent handel (HFT), som forsøger at udnytte at placere et stort antal ordrer med hurtige hastigheder på tværs af flere markeder og flere beslutningsparametre baseret på forprogrammerede instruktioner. Algo-handel bruges i mange former for handels – og investeringsaktiviteter, herunder:

• Mid – til langsigtede investorer eller buy-side firmaer-pensionsfonde, fonde, forsikringsselskaber—brug algo—trading til at købe aktier i store mængder, når de ikke ønsker at påvirke aktiekurserne med diskrete investeringer i store mængder.
• kortsigtede forhandlere og deltagere på salgssiden-markedsmæglere (såsom mæglerhuse), spekulanter og arbitrageurs-drager fordel af automatiseret handelsudførelse; derudover hjælper algo—trading med at skabe tilstrækkelig likviditet for sælgere på markedet.
• systematiske forhandlere—trendfølgere, hedgefonde eller parhandlere (en markedsneutral handelsstrategi, der matcher en lang position med en kort position i et par stærkt korrelerede instrumenter såsom to aktier, børshandlede fonde (ETF ‘ er) eller valutaer)-finder det meget mere effektivt at programmere deres handelsregler og lade programmet handle automatisk.algoritmisk handel giver en mere systematisk tilgang til aktiv handel end metoder baseret på erhvervsdrivendes intuition eller instinkt.
  

  algoritmiske handelsstrategier

  enhver strategi for algoritmisk handel kræver en identificeret mulighed, der er rentabel med hensyn til forbedret indtjening eller omkostningsreduktion. Følgende er almindelige handelsstrategier, der anvendes i algo-handel:

  Trendfølgende strategier

  de mest almindelige algoritmiske handelsstrategier følger tendenser i glidende gennemsnit, kanaludbrud, prisniveaubevægelser og relaterede tekniske indikatorer. Dette er de nemmeste og enkleste strategier at implementere gennem algoritmisk handel, fordi disse strategier ikke involverer forudsigelser eller prisprognoser. Handler initieres baseret på forekomsten af ønskelige tendenser, som er lette og ligetil at implementere gennem algoritmer uden at komme ind i kompleksiteten af forudsigelig analyse. Brug af 50-og 200-dages glidende gennemsnit er en populær trendfølgende strategi.

  arbitrage muligheder

  at købe en børsnoteret aktie til en lavere pris på et marked og samtidig sælge den til en højere pris på et andet marked tilbyder prisforskellen som risikofri fortjeneste eller arbitrage. Den samme operation kan replikeres for aktier vs. futures instrumenter som prisforskelle eksisterer fra tid til anden. Implementering af en algoritme til at identificere sådanne prisforskelle og placere ordrer effektivt giver rentable muligheder.

  rebalancering af indeksfonde

  indeksfonde har defineret perioder med rebalancering for at bringe deres beholdninger på niveau med deres respektive benchmarkindeks. Dette skaber rentable muligheder for algoritmiske forhandlere, der udnytter forventede handler, der tilbyder 20 til 80 basispoint overskud afhængigt af antallet af aktier i indeksfonden lige før indeksfondens rebalansering. Sådanne handler initieres via algoritmiske handelssystemer til rettidig udførelse og de bedste priser.

  matematiske modelbaserede strategier

  dokumenterede matematiske modeller, som den delta-neutrale handelsstrategi, tillader handel på en kombination af optioner og den underliggende sikkerhed. (Delta neutral er en porteføljestrategi bestående af flere positioner med modregning af positive og negative deltaer—et forhold, der sammenligner ændringen i prisen på et aktiv, normalt et omsætteligt værdipapir, med den tilsvarende ændring i prisen på dets derivat—så det samlede delta for de pågældende aktiver udgør nul.)

  handelsområde (gennemsnitlig Reversion)

  gennemsnitlig reversionsstrategi er baseret på konceptet om, at de høje og lave priser på et aktiv er et midlertidigt fænomen, der regelmæssigt vender tilbage til deres middelværdi (gennemsnitsværdi). At identificere og definere et prisklasse og implementere en algoritme baseret på det gør det muligt at placere handler automatisk, når prisen på et aktiv bryder ind og ud af det definerede interval.

  volumenvægtet gennemsnitspris

  volumenvægtet gennemsnitsprisstrategi opdeler en stor ordre og frigiver dynamisk bestemte mindre bidder af ordren til markedet ved hjælp af aktiespecifikke historiske volumenprofiler. Målet er at udføre ordren tæt på den volumenvægtede gennemsnitspris.

  Tidsvægtet gennemsnitspris (to)

  tidsvægtet gennemsnitsprisstrategi opdeler en stor ordre og frigiver dynamisk bestemte mindre bidder af ordren til markedet ved hjælp af jævnt fordelte tidsintervaller mellem en start-og sluttid. Målet er at udføre ordren tæt på gennemsnitsprisen mellem start-og sluttidspunkterne og derved minimere markedspåvirkningen.

  procentdel af volumen (POV)

  indtil handelsordren er fuldt udfyldt, fortsætter denne algoritme med at sende delvise ordrer i henhold til det definerede deltagelsesforhold og i henhold til det volumen, der handles på markederne. Den relaterede “trinstrategi” sender ordrer til en brugerdefineret procentdel af markedsvolumener og øger eller mindsker denne deltagelsesrate, når aktiekursen når brugerdefinerede niveauer.

  Implementeringsmangel

  implementeringsmangelstrategien sigter mod at minimere eksekveringsomkostningerne for en ordre ved at handle ud af realtidsmarkedet og derved spare på omkostningerne ved ordren og drage fordel af mulighedsomkostningerne ved forsinket udførelse. Strategien vil øge den målrettede deltagelsesrate, når aktiekursen bevæger sig positivt og mindske den, når aktiekursen bevæger sig negativt.

  ud over de sædvanlige handelsalgoritmer

  der er et par specielle klasser af algoritmer, der forsøger at identificere “happenings” på den anden side. Disse”sniffingalgoritmer” —brugt for eksempel af en sælger-side market maker—har den indbyggede intelligens til at identificere eksistensen af algoritmer på købssiden af en stor ordre. En sådan detektion gennem algoritmer vil hjælpe market maker med at identificere store ordremuligheder og gøre det muligt for dem at drage fordel ved at udfylde ordrer til en højere pris. Dette identificeres undertiden som højteknologisk frontløb.

  tekniske krav til algoritmisk handel

  implementering af algoritmen ved hjælp af et computerprogram er den sidste komponent i algoritmisk handel ledsaget af backtesting (afprøvning af algoritmen på historiske perioder med tidligere aktiemarkedsresultater for at se, om det ville have været rentabelt at bruge det). Udfordringen er at omdanne den identificerede strategi til en integreret computeriseret proces, der har adgang til en handelskonto til placering af ordrer. Følgende er kravene til algoritmisk handel:

  • computerprogrammeringskendskab til at programmere den krævede handelsstrategi, hyrede programmører eller foruddefinerede handelsprogrammer.
  • netværksforbindelse og adgang til handelsplatforme for at placere ordrer.
  • adgang til markedsdata feeds, der vil blive overvåget af algoritmen for muligheder for at placere ordrer.
  • evnen og infrastrukturen til at backtest systemet, når det er bygget, før det går live på virkelige markeder.
  • tilgængelige Historiske data til backtesting afhængigt af kompleksiteten af regler implementeret i algoritmen.

  et eksempel på algoritmisk handel

  Royal Dutch Shell (RDS) er noteret på børsen i Amsterdam og London (LSE). Vi starter med at opbygge en algoritme til at identificere arbitrage muligheder. Her er et par interessante observationer:

  • AEK handler i euro, mens LSE handler i Britiske Pund sterling.
  • på grund af tidsforskellen på en time åbner Ase en time tidligere end LSE efterfulgt af begge børser, der handler samtidigt i de næste par timer og derefter kun handler i LSE i løbet af den sidste time, når ASE lukker.

  kan vi undersøge muligheden for arbitragehandel på Royal Dutch Shell-aktien noteret på disse to markeder i to forskellige valutaer?

  krav:

  • et computerprogram, der kan læse aktuelle markedspriser.
  • pris feeds fra både LSE og AEK.
  • et valutakursfeed for GBP-EUR.
  • Bestil-placering kapacitet, der kan dirigere ordren til den korrekte udveksling.
  • Backtesting kapacitet på historiske pris feeds.

  computerprogrammet skal udføre følgende:

  • Læs det indgående prisfeed for RDS-aktier fra begge børser.
  • brug de tilgængelige valutakurser til at konvertere prisen på den ene valuta til den anden.
  • hvis der er en stor nok prisforskel (diskontering af mægleromkostningerne), der fører til en rentabel mulighed, skal programmet placere købsordren på den billigere børs og sælge ordren på den højere børs.
  • hvis ordrerne udføres som ønsket, følger arbitrage-overskuddet.

  enkelt og nemt! Imidlertid er praksis med algoritmisk handel ikke så enkel at vedligeholde og udføre. Husk, hvis en investor kan placere en algo-genereret handel, så kan andre markedsdeltagere også. Derfor svinger priserne i milli-og endda mikrosekunder. I ovenstående eksempel, Hvad sker der, hvis en købshandel udføres, men sælgehandelen ikke fordi salgspriserne ændres, når ordren rammer markedet? Den erhvervsdrivende vil stå tilbage med en åben position gør arbitrage strategi værdiløs.

  der er yderligere risici og udfordringer såsom systemfejlrisici, netværksforbindelsesfejl, tidsforsinkelser mellem handelsordrer og udførelse og vigtigst af alt ufuldkomne algoritmer. Jo mere kompleks en algoritme er, desto strengere backtesting er nødvendig, før den tages i brug.