Algoritmisk handel (også kalt automatisert handel, black-box trading eller algo-trading) bruker et dataprogram som følger et definert sett med instruksjoner (en algoritme) for å plassere en handel. Handelen, i teorien, kan generere fortjeneste med en hastighet og frekvens som er umulig for en menneskelig handelsmann.

de definerte instruksjonssettene er basert på timing, pris, mengde eller en hvilken som helst matematisk modell. Bortsett fra profittmuligheter for den næringsdrivende, gjør algo-trading markeder mer likvide og handler mer systematisk ved å utelukke virkningen av menneskelige følelser på handelsaktiviteter.

Algoritmisk Handel i Praksis

Anta at en næringsdrivende følger disse enkle handelskriteriene:

• Kjøp 50 aksjer i en aksje når det 50-dagers glidende gjennomsnittet går over 200-dagers glidende gjennomsnittet. (Et glidende gjennomsnitt er et gjennomsnitt av tidligere datapunkter som jevner ut daglige prissvingninger og dermed identifiserer trender.)
• Selg aksjer av aksjen når 50-dagers glidende gjennomsnitt går under 200-dagers glidende gjennomsnitt.

Ved hjelp av disse to enkle instruksjonene, vil et dataprogram automatisk overvåke aksjekursen (og glidende gjennomsnittsindikatorer) og plassere kjøps-og salgsordrer når de definerte betingelsene er oppfylt. Traderen trenger ikke lenger å overvåke live priser og grafer eller legge inn ordrene manuelt. Det algoritmiske handelssystemet gjør dette automatisk ved å identifisere handelsmuligheten riktig.

Fordeler Med Algoritmisk Handel

Algo-trading gir følgende fordeler:

• Handler utføres til best mulig pris.
• Handelsordreplassering er øyeblikkelig og nøyaktig (det er stor sjanse for utførelse på ønsket nivå).
• Handler er tidsbestemt riktig og umiddelbart for å unngå betydelige prisendringer.
• Reduserte transaksjonskostnader.
• Samtidige automatiserte kontroller på flere markedsforhold.
• Redusert risiko for manuelle feil ved plassering av handler.Algo-trading kan backtested ved hjelp av tilgjengelige historiske og sanntidsdata for å se om det er en levedyktig handelsstrategi.
• Reduserte muligheten for feil av menneskelige handelsmenn basert på følelsesmessige og psykologiske faktorer.Mest algo-handel i dag er høyfrekvent handel (hft), som forsøker å kapitalisere på å plassere et stort antall ordrer med raske hastigheter på tvers av flere markeder og flere beslutningsparametere basert på forhåndsprogrammerte instruksjoner.

  Algo-trading brukes i mange former for handels-og investeringsaktiviteter, inkludert:Mid – til langsiktige investorer eller kjøpssidefirmaer-pensjonsfond, verdipapirfond, forsikringsselskaper—bruker algo-trading til å kjøpe aksjer i store mengder når de ikke vil påvirke aksjekursene med diskrete, store voluminvesteringer.Kortsiktige handelsmenn og deltakere på salgssiden-markedsaktører (som meglerhus), spekulanter og arbitrageurs—drar nytte av automatisert handelsutførelse; i tillegg hjelper algo-trading med å skape tilstrekkelig likviditet for selgere i markedet.Systematiske handelsmenn – trendfølgere, hedgefond eller parhandlere (en markedsnøytral handelsstrategi som samsvarer med en lang posisjon med en kort posisjon i et par høyt korrelerte instrumenter som to aksjer, børshandlede fond (Etf) eller valutaer)-finner det mye mer effektivt å programmere sine handelsregler og la programmet handle automatisk.Algoritmisk handel gir en mer systematisk tilnærming til aktiv handel enn metoder basert på trader intuisjon eller instinkt.

  Algoritmiske Handelsstrategier

  enhver strategi for algoritmisk handel krever en identifisert mulighet som er lønnsom når det gjelder forbedret inntjening eller kostnadsreduksjon. Følgende er vanlige handelsstrategier som brukes i algo-trading:

  Trendfølgende Strategier

  de vanligste algoritmiske handelsstrategiene følger trender i glidende gjennomsnitt, kanalbrudd, prisnivåbevegelser og relaterte tekniske indikatorer. Dette er de enkleste og enkleste strategiene å implementere gjennom algoritmisk handel fordi disse strategiene ikke innebærer å gjøre noen spådommer eller prisprognoser. Handler initieres basert på forekomsten av ønskelige trender, som er enkle og enkle å implementere gjennom algoritmer uten å komme inn i kompleksiteten til prediktiv analyse. Å bruke 50-og 200-dagers glidende gjennomsnitt er en populær trendfølgende strategi.

  Arbitrasjemuligheter

  Å Kjøpe en børsnotert aksje til en lavere pris i ett marked og samtidig selge den til en høyere pris i et annet marked tilbyr prisforskjellen som risikofri fortjeneste eller arbitrasje. Den samme operasjonen kan replikeres for aksjer vs futures instrumenter som prisforskjeller eksisterer fra tid til annen. Implementering av en algoritme for å identifisere slike prisforskjeller og plassere ordrene effektivt gir lønnsomme muligheter.

  Rebalansering av Indeksfond

  Indeksfond har definert perioder med rebalansering for å bringe sine eierandeler på linje med sine respektive referanseindekser. Dette skaper lønnsomme muligheter for algoritmiske handelsmenn, som kapitaliserer på forventede handler som tilbyr 20 til 80 basispoeng fortjeneste avhengig av antall aksjer i indeksfondet like før indeksfondets rebalansering. Slike handler initieres via algoritmiske handelssystemer for rettidig utførelse og de beste prisene.

  Matematiske Modellbaserte Strategier

  Påviste matematiske modeller, som den delta-nøytrale handelsstrategien, tillater handel med en kombinasjon av opsjoner og den underliggende sikkerheten. Delta nøytral er en porteføljestrategi som består av flere posisjoner med motregning av positive og negative deltaer-et forhold som sammenligner endringen i prisen på en eiendel, vanligvis en salgbar sikkerhet, til den tilsvarende endringen i prisen på derivatet—slik at det totale deltaet til de aktuelle eiendelene utgjør null.)

  Handelsområde (Gjennomsnittlig Reversering)

  Gjennomsnittlig reverseringsstrategi er basert på konseptet om at de høye og lave prisene på en eiendel er et midlertidig fenomen som går tilbake til gjennomsnittlig verdi (gjennomsnittlig verdi) periodisk. Ved å identifisere og definere et prisklasse og implementere en algoritme basert på det, kan handler plasseres automatisk når prisen på en eiendel bryter inn og ut av det definerte området.

  Volumvektet Gjennomsnittspris (VWAP)

  volumvektet gjennomsnittlig prisstrategi bryter opp en stor ordre og frigir dynamisk bestemte mindre biter av ordren til markedet ved hjelp av aksjespesifikke historiske volumprofiler. Målet er å utføre ordren nær volumvektet gjennomsnittspris (VWAP).

  TIDSVEKTET Gjennomsnittspris (TWAP)

  tidsvektet gjennomsnittlig prisstrategi bryter opp en stor ordre og frigjør dynamisk bestemte mindre biter av ordren til markedet ved å bruke jevnt fordelte tidsluker mellom en start-og sluttid. Målet er å utføre ordren nær gjennomsnittsprisen mellom start – og sluttider og dermed minimere markedspåvirkningen.

  Volumprosent (POV)

  Inntil handelsordren er fullstendig fylt, fortsetter denne algoritmen å sende delvise ordrer i henhold til det definerte deltakelsesforholdet og i henhold til volumet som handles i markedene. Den relaterte «steps strategy» sender ordrer til en brukerdefinert prosentandel av markedsvolumene og øker eller reduserer denne deltakelsesraten når aksjekursen når brukerdefinerte nivåer.

  Implementeringsunderskudd

  implementeringsunderskuddsstrategien tar sikte på å minimere utførelseskostnaden for en ordre ved å handle fra sanntidsmarkedet, og dermed spare på kostnaden for bestillingen og dra nytte av mulighetskostnaden for forsinket utførelse. Strategien vil øke den målrettede deltakelsen når aksjekursen beveger seg gunstig og redusere den når aksjekursen beveger seg negativt.

  Utover De Vanlige Handelsalgoritmer

  er det noen spesielle klasser av algoritmer som forsøker å identifisere «happenings» på den andre siden. Disse «sniffingalgoritmene» -som for eksempel brukes av en selger—side-markedsfører-har den innebygde intelligensen for å identifisere eksistensen av noen algoritmer på kjøpssiden av en stor ordre. Slik deteksjon gjennom algoritmer vil hjelpe market maker identifisere store ordremuligheter og gjøre dem i stand til å dra nytte av å fylle ordrene til en høyere pris. Dette er noen ganger identifisert som high-tech front-running.

  Tekniske Krav til Algoritmisk Handel

  Implementering av algoritmen ved hjelp av et dataprogram Er den siste komponenten av algoritmisk handel, ledsaget av backtesting (prøver algoritmen på historiske perioder med tidligere aksjemarkedsresultater for å se om bruk av det ville vært lønnsomt). Utfordringen er å forvandle den identifiserte strategien til en integrert datastyrt prosess som har tilgang til en handelskonto for å plassere ordrer. Følgende er kravene til algoritmisk handel:Dataprogrammeringskunnskap for å programmere den nødvendige handelsstrategien, innleide programmerere eller pre-laget handelsprogramvare.

• nettverkstilkobling og tilgang til handelsplattformer for å legge inn bestillinger.
• Tilgang til markedsdata feeds som vil bli overvåket av algoritmen for muligheter til å plassere ordre.
• evnen og infrastrukturen til å backtest systemet når det er bygget før det går live på virkelige markeder.
• Tilgjengelige historiske data for backtesting avhengig av kompleksiteten av regler implementert i algoritmen.

Et Eksempel På Algoritmisk Handel

Royal Dutch Shell (RDS) er notert På Amsterdam Stock Exchange (Aex) og London Stock Exchange (Lse). Vi starter med å bygge en algoritme for å identifisere arbitrage muligheter. HER er noen interessante observasjoner:

• AEX handler i euro mens LSE handler I Britiske pund sterling.
• På grunn av tidsforskjellen på en time åpner AEX en time tidligere ENN LSE etterfulgt av at begge børsene handler samtidig de neste timene og deretter bare handler I LSE i løpet av DEN siste timen NÅR AEX lukkes.

kan vi utforske muligheten for arbitrasjehandel på Royal Dutch Shell-aksjen notert på disse to markedene i to forskjellige valutaer?

Krav:

• et dataprogram som kan lese dagens markedspriser.
• Prisstrømmer fra BÅDE LSE og AEX.
• en valutakurs feed for GBP-EUR.
• Order-plassering evne som kan rute ordren til riktig utveksling.
• Backtesting evne på historiske pris feeds.

dataprogrammet skal utføre følgende:

• Les innkommende prismating AV rds-aksjer fra begge børsene.
• ved å bruke de tilgjengelige valutakursene, konverter prisen på en valuta til den andre.
• hvis det er en stor nok prisavvik (diskontering av meglerkostnadene) som fører til en lønnsom mulighet, bør programmet legge kjøpsordren på den billigere børsen og selge bestillingen på den høyere priset børsen.
• hvis ordrene utføres som ønsket, vil arbitrage fortjeneste følge.

Enkelt og greit! Men praksisen med algoritmisk handel er ikke så enkelt å vedlikeholde og utføre. Husk at hvis en investor kan plassere en algo-generert handel, så kan andre markedsdeltakere. Følgelig svinger prisene i milli-og til og med mikrosekunder. I eksemplet ovenfor, hva skjer hvis en kjøpshandel utføres, men salgshandelen ikke fordi salgsprisene endres når ordren treffer markedet? Trader vil bli igjen med en åpen posisjon som gjør arbitrage-strategien verdiløs.det er flere risikoer og utfordringer som systemfeilrisiko, feil i nettverkstilkobling, tidsforsinkelser mellom handelsordrer og utførelse og, viktigst av alt, ufullkomne algoritmer. Jo mer kompleks en algoritme er, desto strengere backtesting er nødvendig før den tas i bruk.