En algoritme er et specifikt sæt af klart definerede instruktioner, der tager sigte på at udføre en opgave eller proces.

Algoritmisk handel (automatiseret handel, handel med sorte bokse eller simpelthen algo-handel) er processen med at bruge programmer, der er programmeret til at følge et defineret sæt instruktioner til handel med henblik på at generere overskud med en hastighed og frekvens, der er umuligt for en menneskelig erhvervsdrivende. De definerede regelsæt er baseret på timing, pris, mængde eller enhver matematisk model. Bortset fra forretningsmulighederne for erhvervsdrivende gør algo-handel markederne mere likvide og gør handel mere systematisk ved at udelukke følelsesmæssige menneskelige virkninger på handelsaktiviteter. (Se mere Valg af den rigtige algoritmiske handelssoftware .)

Antag, at en erhvervsdrivende følger disse enkle handelskriterier:

• Køb 50 aktier i en aktie, når det 50-dages glidende gennemsnit går over det 200-dages glidende gennemsnit
• Selg aktier på lageret når dets 50-dages glidende gennemsnit går under det 200-dages glidende gennemsnit

Ved hjælp af dette sæt af to enkle instruktioner er det let at skrive et computerprogram, der automatisk overvåger aktiekursen (og de glidende middelindikatorer) og placerer købs- og salgsordrer, når de definerede betingelser er opfyldt. Den erhvervsdrivende behøver ikke længere at holde øje med livepriser og grafer eller lægge ordrene manuelt. Det algoritmiske handelssystem gør det automatisk for ham ved korrekt at identificere handelsmuligheden. (For mere om glidende gennemsnit, se Simple Moving Averages Gør Trends Stand Out .)

[Hvis du vil lære mere om dokumenterede og strategiske strategier, der til sidst kan arbejdes ind i et algorithmisk handelssystem, skal du se Investopedia Academys daglige handler kursus.]

Fordele ved Algorithmic Trading

Algo-handel giver følgende fordele:

• Handler udført til de bedst mulige priser
• Øjeblikkelig og præcis handelsordreplacering (derved høje chancer for eksekvering på ønskede niveauer)
• Handler timet korrekt og øjeblikkeligt , for at undgå betydelige prisændringer
• Reducerede transaktionsomkostninger (se nedenstående gennemførelsesfald eksempel)
• Samtidig automatiseret kontrol af flere markedsforhold
• Reduceret risiko for manuelle fejl ved at placere handlerne
• Backtest algoritmen baseret på ledige historiske og realtidsdata
• Reduceret mulighed for fejl hos menneskelige handlende baseret på følelsesmæssige og psykologiske faktorer

Den største del af dagens algo-handel er højfrekvenshandel (HFT), som forsøger at kapitalisere sig på at placere et stort antal ordrer med meget hurtige hastigheder på tværs af flere markeder og flere beslutningsparametre baseret på på forudprogrammerede instruktioner.(For mere om højfrekvenshandel, se Strategier og hemmeligheder hos højfrekvenshandelsvirksomheder .)

Algo-handel anvendes i mange former for handels- og investeringsaktiviteter, herunder:

• Mid-til langsigtede investorer eller købsvirksomheder (pensionskasser, fonde, forsikringsselskaber), der køber aktier i store mængder, men ikke ønsker at påvirke aktiekurserne med diskrete investeringer i store mængder.
• Kortsigtede forhandlere og sælger sidedeltagere (markedsmagere, spekulanter og arbitrageurs) drager fordel af automatiseret handel; Hertil kommer, at algo-handelshjælpemidler skaber tilstrækkelig likviditet for sælgere på markedet.
• Systematiske forhandlere (trendfølgere, parhandlere, hedgefonde mv.) 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 en menneskelig 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:

• Trend Følgende strategier:

De mest almindelige algoritmiske handelsstrategier følger tendenser i flytende gennemsnit, kanalbrud, prisniveaubevægelser og relaterede tekniske indikatorer. Disse er de nemmeste og enkleste strategier til at gennemføre gennem algoritmisk handel, fordi disse strategier ikke indebærer nogen forudsigelser eller prisprognoser. Handler er initieret baseret på forekomsten af ​​ønskelige tendenser, som er nemme og lette at implementere gennem algoritmer uden at komme ind i kompleksiteten af ​​prædiktiv analyse. Det ovennævnte eksempel på 50 og 200 dages glidende gennemsnit er en populær trend efterfølgende strategi. (For mere om trend trading strategier se: Simple Strategies for Capitalizing on Trends .)

• Arbitrage muligheder:

Køb en dobbelt børsnoteret aktie til en lavere pris på et marked og samtidig sælge det på en højere pris på et andet marked tilbyder prisforskellen som risikofri overskud eller arbitrage. Den samme operation kan replikeres for aktier i forhold til futuresinstrumenter, da prisforskelle eksisterer fra tid til anden. Implementering af en algoritme til at identificere sådanne prisforskelle og placere ordrer giver mulighed for rentable muligheder på en effektiv måde.

• Index Fund Rebalancing :

Indeksfonde har defineret perioder med rebalancering for at bringe deres beholdninger på niveau med deres respektive benchmarkindekser. Dette skaber lønsomme muligheder for algoritmiske forhandlere, der udnytter forventede handler, der tilbyder 20-80 basispoint overskud afhængigt af antallet af aktier i indeksfonden, lige før indeksfondsrebalancering. Sådanne handler indledes via algoritmiske handelssystemer til rettidig udførelse og bedste priser.

• Matematiske modelbaserede strategier:

Mange afprøvede matematiske modeller, som den delta-neutrale handelsstrategi, som tillader handel på kombination af muligheder og dens underliggende sikkerhed, hvor handlerne er placeret for at kompensere positive og negative deltager, således at Portefølje deltaet opretholdes til nul.

• Trading Range (Mean Reversion):

Gennemsnitlig reverseringsstrategi er baseret på ideen om, at de høje og lave priser på et aktiv er et midlertidigt fænomen, der regelmæssigt vender tilbage til deres gennemsnitlige værdi. At identificere og definere et prisklasse og implementeringsalgoritme baseret på det tillader, at handler placeres automatisk, når prisen på aktivet bryder ind og ud af dets definerede interval.

• Volumenvægtet gennemsnitspris (VWAP):

Volumenvægtet gennemsnitsprisstrategi bryder op for en stor ordre og frigiver dynamisk bestemte mindre stykker af ordren til markedet ved hjælp af lagerspecifikke historiske volumenprofiler. Målet er at gennemføre ordren tæt på volumenvægtet gennemsnitspris (VWAP) og derved drage fordel af gennemsnitsprisen.

• Tidsvægtet gennemsnitspris (TWAP):

Tidsvægtet gennemsnitsprisstrategi bryder op for en stor ordre og frigiver dynamisk bestemte mindre stykker af ordren til markedet ved brug af jævnt fordelte tidslukker mellem start- og sluttidspunkt. Målet er at gennemføre ordren tæt på gennemsnitsprisen mellem start- og sluttiderne og derved minimere markedsvirkningen.

• Andel af volumen (POV):

Indtil handelsordren er fyldt, fortsætter denne algoritme med at sende delvise ordrer i henhold til den definerede deltagelsesgrad og i forhold til det volumen, der handles på markederne. Den relaterede "trinstrategi" sender ordrer til en brugerdefineret procentdel af markedsvolumener og øger eller nedsætter denne deltagelsesrate, når aktiekursen når brugerdefinerede niveauer.

• Implementeringsmangel:

Strategien for implementering af mangler sigter mod at minimere eksekveringsomkostningerne for en ordre ved at afregne realtidsmarkedet og derved spare på ordreomkostningerne og drage fordel af muligheden for forsinket gennemførelse. Strategien vil øge den målrettede deltagelsesrate, når aktiekursen bevæger sig positivt og reducerer 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 "sniffing algoritmer", som f.eks. Anvendes af en sælger side markedsfører, har den indbyggede intelligens til at identificere eksistensen af ​​algoritmer på købssiden af ​​en stor ordre. Sådan opdagelse gennem algoritmer vil hjælpe markedsføreren med at identificere store ordre muligheder og sætte ham i stand til at udnytte ved at udfylde ordrene til en højere pris. Dette er nogle gange identificeret som high-tech front-running. (For mere om højfrekvent handel og svigagtig praksis se: Hvis du køber aktier online, er du involveret i HFTs .)

Tekniske krav til algoritmisk handel

Implementering af algoritmen ved hjælp af en computer Programmet er den sidste del, clubbed med backtesting. Udfordringen er at omdanne den identificerede strategi til en integreret edb-proces, der har adgang til en handelskonto til at placere ordrer. Følgende er nødvendige:

• Computerprogrammeringskendskab til programmering af den krævede handelsstrategi, hyrede programmører eller færdigfremstillet handelssoftware
• Netværksforbindelse og adgang til handelsplatforme til bestilling af ordrer
• Adgang til markedsdata feeds, der vil overvåges af algoritmen for muligheden for at placere ordrer
• Evnen og infrastrukturen til at backtest systemet, når den er bygget, før den går live på reelle markeder
• Tilgængelige historiske data til backtesting afhængig af kompleksiteten af ​​regler implementeret i algoritmen < Her er et omfattende eksempel: Royal Dutch Shell (RDS) er noteret på Amsterdam Stock Exchange (AEX) og London Stock Exchange (LSE).Lad os bygge en algoritme for at identificere arbitrage muligheder. Her er nogle få interessante observationer:

AEX handler i euro, mens LSE handler i Sterling Pounds

• På grund af en times tidsforskel åbner AEX en time tidligere end LSE, efterfulgt af begge børser, der handler samtidigt i de næste par timer og så handler kun i LSE i den sidste time, da AEX lukker.
• Kan vi undersøge muligheden for arbitragehandel på Royal Dutch Shell-børsen, der er opført på disse to markeder i to forskellige valutaer?

Krav:

Et computerprogram, der kan læse aktuelle markedspriser

• Prisfeeds fra både LSE og AEX
• A forex rate feed for GBP-EUR valutakurs
• Bestilplaceringsevne, som kan lede Bestil den korrekte udveksling
• Backtestfunktion på historiske prisfeeds
• Computerprogrammet skal udføre følgende:

Læs det indgående prisfeed af RDS-lager fra begge børser

• Brug af de tilgængelige valutakurser , konvertere prisen på en valuta til andre
• Hvis der eksisterer en stor nok prisafvigelse (rabat på mæglervirksomheden), der fører til en rentabel mulighed, skal du placere købsordren på lavere prissætning og sælge ordre på højere prissætning > Hvis ordren udføres som ønsket, vil arbitrageoverskuddet følge
• Enkelt og nemt! Men algoritmisk handel er ikke så let at vedligeholde og udføre. Husk, hvis du kan placere en algo-genereret handel, så kan de andre markedsdeltagere. Derfor svinger priserne i milli- og endda mikrosekunder. I ovenstående eksempel, hvad sker der, hvis din købshandel bliver henrettet, men sælger handel sker ikke som salgspriserne ændrer sig, når din ordre rammer markedet? Du vil ende med at sidde med en åben position, hvilket gør din arbitrage strategi værdiløs.
• Der er yderligere risici og udfordringer: F.eks. Risikerer systemfejl, netværksforbindelsesfejl, tidsforsinkelser mellem handelsordrer og henrettelser, og vigtigst af alt ufuldkomne algoritmer. Jo mere komplekse en algoritme er, desto strengere backtesting er nødvendig, før det sættes i gang.

Bundlinjen

Kvantitativ analyse af en algoritmens præstationer spiller en vigtig rolle og bør undersøges kritisk. Det er spændende at gå efter automatisering med hjælp fra computere med en ide om at tjene penge uden problemer. Men man skal sørge for at systemet er grundigt testet og krævede grænser er indstillet. Analytiske forhandlere bør overveje at lære programmerings- og bygningssystemer alene, for at være sikre på at implementere de rigtige strategier på idiotsikker måde. Forsigtig brug og grundig test af algo-handel kan skabe lønsomme muligheder. (Se mere for at kode din egen Algo Trading Robot.)