알고리즘 트레이딩의 기초 : 개념과 예제.
알고리즘은 작업 또는 프로세스를 수행하기 위해 명확하게 정의 된 지침 집합입니다.
알고리즘 트레이딩 (자동 트레이딩, 블랙 박스 트레이딩, 또는 단순한 알 고 트레이딩)은 a 컴퓨터가 불가능한 속도와 빈도로 이익을 창출하기 위해 거래를하기 위해 정의 된 명령어 세트를 따르도록 프로그래밍 된 컴퓨터를 사용하는 프로세스입니다. 인간 상인. 정의 된 규칙 집합은 타이밍, 가격, 수량 또는 모든 수학적 모델을 기반으로합니다. 상인에 대한 이익 기회와는 별도로, 알 고향 거래는 시장을보다 유동적으로 만들고 무역 활동에 대한 정서적 인적 영향을 배제함으로써보다 체계적인 거래를 만듭니다. (자세한 내용은 올바른 알고리즘 트레이딩 소프트웨어 선택을 확인하십시오.)
거래자가 다음과 같은 간단한 거래 기준을 따랐다 고 가정 해보십시오.
50 일 이동 평균이 200 일 이동 평균보다 커지면 50주의 주식을 매수하십시오. 50 일 이동 평균이 200 일 이동 평균보다 낮아지면 주가는 주식의 주식을 매도합니다.
이 두 가지 간단한 지침을 사용하면 정의 된 조건이 충족 될 때 주가 및 이동 평균 지표를 자동으로 모니터링하고 구매 및 판매 주문을하는 컴퓨터 프로그램을 작성하기 쉽습니다. 상인은 더 이상 실시간 가격 및 그래프를 감시하거나 수동으로 주문할 필요가 없습니다. 알고리즘 거래 시스템은 거래 기회를 정확하게 식별함으로써 자동으로 거래를 수행합니다. 이동 평균에 대한 자세한 내용은 단순 이동 평균을 참조하십시오.
[입증 된 전략과 궁극적으로 알 고리즘 트레이딩 시스템으로 작업 할 수있는 포인트 전략에 대해 자세히 알아 보려면 Investopedia Academy의 Become a Day Trader 코스를 확인하십시오. ]
알고리즘 트레이딩의 이점.
Algo-trading은 다음과 같은 이점을 제공합니다.
가능한 최상의 가격으로 실행되는 거래 신속하고 정확한 거래 주문 배치 (따라서 원하는 수준의 실행 가능성 높음) 중요한 가격 변동을 피하기 위해 정확하고 즉각적인 거래 시간 단축 트랜잭션 비용 절감 (아래의 구현 부족 예 참조) 여러 항목에 대한 동시 자동 점검 시장 조건 거래 배치시 수동 오류 위험 감소 사용 가능한 과거 및 실시간 데이터를 기반으로 알고리즘 백 테 스트 정서적 및 심리적 요인에 기반한 인적 자원 거래자의 실수 가능성 감소.
현재의 고액 거래의 가장 큰 부분은 고주파 거래 (high frequency trading, HFT)입니다. 이 프로그램은 미리 프로그래밍 된 지침에 따라 여러 시장 및 여러 결정 매개 변수에 걸쳐 매우 빠른 속도로 대량 주문을 활용하려고 시도합니다. (고주파 거래에 대한 자세한 내용은 고주파 거래 (HFT) 회사의 전략과 비밀을 참조하십시오.)
Algo-trading은 다음과 같은 다양한 거래 및 투자 활동에 사용됩니다.
주식을 대량 구매하지만 불특정 다수의 투자로 주식 가격에 영향을 미치고 싶지 않은 중장기 투자자 또는 매수 측 회사 (연기금, 뮤추얼 펀드, 보험 회사). 단기 거래자 및 매도자 측 참가자 (시장 형성 자, 투기자 및 중개인)는 자동 거래 실행의 혜택을받습니다. 또한, algo-trading은 시장에있는 판매자에게 충분한 유동성을 창출하는 데 도움을줍니다. 체계적인 거래자 (추종자, 쌍 거래자, 헤지 펀드 등)는 거래 규칙을 프로그래밍하고 프로그램이 자동으로 거래되도록하는 것이 훨씬 더 효율적이라는 것을 알게됩니다.
알고리즘 거래는 인간 상인의 직감이나 본능에 기반한 방법보다 적극적인 거래에 대한 체계적인 접근 방식을 제공합니다.
알고리즘 트레이딩 전략.
알고리즘 거래를위한 모든 전략에는 향상된 수익 또는 비용 절감 측면에서 수익성이 확인 된 기회가 필요합니다. 다음은 algo-trading에서 사용되는 일반적인 거래 전략입니다.
가장 일반적인 알고리즘 트레이딩 전략은 이동 평균, 채널 이탈, 가격 수준 이동 및 관련 기술 지표의 추세를 따릅니다. 이러한 전략은 예측이나 가격 예측을하지 않기 때문에 알고리즘 거래를 통해 구현하는 가장 쉽고 간단한 전략입니다. 거래는 바람직한 추세의 발생을 기반으로 시작되며, 이는 예측 분석의 복잡성에 빠지지 않고 알고리즘을 통해 구현하기 쉽고 간단합니다. 위에서 언급 한 50 일과 200 일 이동 평균의 예는 인기있는 추세 전략입니다. (추세 거래 전략에 대한 자세한 내용은 추세를 활용하는 간단한 전략을 참조하십시오.)
한 시장에서 더 낮은 가격에 이중 상장 주식을 매수하고 다른 시장에서 더 높은 가격으로 동시에 매각하는 것은 가격 차이를 무위험 수익 또는 차익 거래로 제공합니다. 가격 차이가 수시로 존재하기 때문에 동일한 작업이 주식 대 선물 상품에 대해 복제 될 수 있습니다. 이러한 가격 차이를 식별하고 주문을하는 알고리즘을 구현하면 효율적인 방식으로 수익성있는 기회를 얻을 수 있습니다.
인덱스 펀드는 보유 자산을 각각의 벤치 마크 지수와 동등하게 유지하기 위해 재조정 기간을 정했습니다. 이는 인덱스 펀드 재조정 직전에 인덱스 펀드의 주식 수에 따라 20-80의 베이시스 포인트 이익을 제공하는 예상 거래를 활용하는 알고리즘 트레이더에게 수익성있는 기회를 창출합니다. 이러한 거래는 적시 실행 및 최적의 가격을 위해 알고리즘 거래 시스템을 통해 시작됩니다.
델타 중립적 인 거래 전략과 같이 입증 된 많은 수학 모델은 포트폴리오 델타가 0으로 유지되도록 양수 및 음수 델타를 상쇄하기 위해 거래가 이루어지는 옵션과 기본 보안의 조합에 대한 거래를 허용합니다.
평균 회귀 전략은 자산의 고가와 저가가 주기적으로 평균값으로 되돌아가는 일시적인 현상이라는 생각에 기반합니다. 가격 범위를 식별하고 정의하고이를 기반으로 알고리즘을 구현하면 자산 가격이 정의 된 범위를 벗어날 때 거래가 자동으로 배치됩니다.
볼륨 가중 평균 가격 전략은 대량의 주문을 분해하고 주식 관련 과거 볼륨 프로파일을 사용하여 동적으로 결정된 작은 주문 청량을 출시합니다. 목표는 VWAP (Volume Weighted Average Price)에 가까운 주문을 실행하여 평균 가격으로 이익을 얻는 것입니다.
시간 가중 평균 가격 전략은 대량 주문을 해체하고 시작 시간과 종료 시간 사이의 균등하게 나뉘어 진 시간 슬롯을 사용하여 동적으로 결정된 작은 주문 청량을 출시합니다. 목표는 시작 및 종료 시간 사이의 평균 가격에 가까운 주문을 실행하여 시장 영향을 최소화하는 것입니다.
거래 주문이 완전히 채워질 때까지이 알고리즘은 정의 된 참여율과 시장에서 거래되는 거래량에 따라 부분 주문을 계속 전송합니다. 관련 "단계 전략"은 사용자 정의 시장 볼륨 비율로 주문을 보내고 주가가 사용자 정의 수준에 도달하면이 참여율을 높이거나 낮 춥니 다.
구현 부족 전략은 실시간 시장을 거래함으로써 주문의 실행 비용을 최소화함으로써 주문 비용을 절감하고 지연된 실행의 기회 비용으로부터 이익을 얻는 것을 목표로합니다. 이 전략은 주식 가격이 호의적으로 움직일 때 목표로하는 참여율을 높이고, 주가가 반대로 움직이면 목표 참여율을 낮출 것입니다.
다른 측면에서 "사건"을 식별하려고 시도하는 몇 가지 특별한 클래스의 알고리즘이 있습니다. 예를 들어, 판매 측 시장에서 사용되는 이러한 "스니핑 알고리즘"은 대규모 주문의 구매 측면에서 알고리즘의 존재를 식별 할 수있는 내장 인텔리전스를 갖추고 있습니다. 이러한 알고리즘을 통한 탐지는 시장에서 대량 주문 기회를 파악하고 더 높은 가격으로 주문을 작성함으로써 이익을 얻을 수있게 해줍니다. 이것은 때로는 하이테크 전방 주행으로 확인됩니다. (고주파 거래 및 사기 행위에 대한 자세한 내용은 다음을 참조하십시오 : 주식을 온라인으로 구입할 경우 HFT에 관여 함)
알고리즘 거래에 대한 기술적 요구 사항.
컴퓨터 프로그램을 사용하여 알고리즘을 구현하는 것이 마지막 부분으로, 백 테스트가 있습니다. 문제는 식별 된 전략을 주문 거래 계정에 액세스 할 수있는 통합 된 전산 프로세스로 변환하는 것입니다. 다음이 필요합니다.
필요한 거래 전략, 고용 된 프로그래머 또는 미리 만들어진 거래 소프트웨어를 프로그래밍하기위한 컴퓨터 프로그래밍 지식 주문을하기위한 네트워크 연결 및 거래 플랫폼에 대한 액세스 주문을 할 수있는 기회를 알고리즘이 모니터 할 시장 데이터 피드에 액세스 능력 및 인프라 실제 시장에 출시되기 전에 빌드 된 시스템을 백 테스팅하기 알고리즘에서 구현 된 규칙의 복잡성에 따라 백 테스트를위한 사용 가능한 과거 데이터.
다음은 포괄적 인 예입니다 : Royal Dutch Shell (RDS)은 암스테르담 증권 거래소 (AEX)와 런던 증권 거래소 (LSE)에 상장되어 있습니다. 차익 거래 기회를 식별하는 알고리즘을 구축해 보겠습니다. 흥미로운 관찰은 거의 없습니다.
AEX는 유로화로 거래되며, LSE는 스털링 파운드로 거래됩니다. AEX는 1 시간의 시간차로 인해 LSE보다 1 시간 빠르며, 다음 두 시간 동안 동시에 거래가 이루어지며 AEX가 마감되면서 지난 1 시간 동안 LSE에서만 거래됩니다 .
이 두 시장에 상장 된 Royal Dutch Shell 주식에 대해 서로 다른 통화로 차익 거래를 할 수 있는지 알아볼 수 있습니까?
현재 시장 가격을 읽을 수있는 컴퓨터 프로그램 LSE 및 AEX의 가격 피드 GBP-EUR 환율에 대한 외환 환율 피드 주문을 올바른 교환으로 전달할 수있는 주문 배치 기능 과거 가격 피드에 대한 백 테스트 기능.
컴퓨터 프로그램은 다음을 수행해야합니다.
두 거래소의 RDS 주식의 수신 가격 피드를 읽습니다. 사용 가능한 환율을 사용하여 한 통화의 가격을 다른 통화로 변환합니다. 수익성있는 기회로 이어지는 충분히 큰 가격 불일치 (중개 비용을 할인)가 존재하는 경우, 낮은 가격의 거래소에서 주문하고 높은 가격의 거래소에서 주문을 판매합니다. 원하는대로 주문을 실행하면 차익 거래 이익이 발생합니다.
간단하고 쉬운! 그러나 알고리즘 트레이딩의 실행은 유지 관리 및 실행이 간단하지 않습니다. 알 고가 생성 한 거래를 배치 할 수 있다면 다른 마켓 참여자도 마찬가지입니다. 따라서 가격은 밀리 초 및 심지어 마이크로 초 단위로 변동합니다. 위의 예에서 구매 주문 거래가 실행되면 어떻게되지만 주문이 시장에 출시 될 때까지 판매 가격이 변경되지 않습니다. 당신은 개방적인 자세로 앉아 결국 귀하의 차용액 전략을 쓸모 없게 만들 것입니다.
시스템 장애 위험, 네트워크 연결 오류, 거래 주문과 실행 간의 시간 지연, 그리고 무엇보다 불완전한 알고리즘과 같은 추가 위험과 과제가 있습니다. 알고리즘이 복잡할수록 더 엄격한 백 테스팅이 필요합니다.
결론.
알고리즘의 성능을 정량적으로 분석하는 것은 중요한 역할을하므로 비판적으로 검사해야합니다. 돈을 쉽게 벌기위한 개념을 가진 컴퓨터의 도움을 받아 자동화하는 것은 흥미로운 일입니다. 그러나 시스템을 철저히 테스트하고 필요한 한계를 설정해야합니다. 분석적 거래자는 올바른 전략을 확실하게 구현하는 데 자신감을 갖기 위해 스스로 프로그래밍 및 시스템을 학습하는 것을 고려해야합니다. 신중한 사용과 철저한 거래로 수익성 높은 기회를 창출 할 수 있습니다. (자세한 내용은 자신의 Algo 거래 로봇을 코딩하는 방법을 참조하십시오.)
기계적인 Forex.
기계 거래 전략을 사용하여 외환 시장에서 거래합니다.
임의 대 V 대 알고리즘 거래 : 다른 거래보다 나은가요? 아니!
나는 당신이 거래에서 여행을 시작한 이후로 대부분의 사람들이 당신의 마음에 대해 아주 간단한 질문을 가지고있을 것이라고 생각합니다. 시스템 트레이딩보다 임의 매매가 더 나은가? 그것을 얻는 상인들에게 & # 8221; 단순히 통계적으로 건전한 시스템을 사용하는 사람들보다 우위에 서 있습니까? 알고리즘 트레이딩도 & # 8220; 작업 & # 8221; 조금도? 시장에 접근하는 두 가지 방법의 장기적인 성공이 무엇인지 진정으로 알 수있는 증거가 거의 없기 때문에 이러한 질문에 대한 대답은 그리 쉽지 않습니다. 오늘 나는 버클리 헤지 그룹의 임의 대 Vs 알고리즘 트레이더 인덱스에 대해 이야기 할 것인데, 여기서 당신은 임의 트레이더가 알고리즘 트레이더에 비해 이점이 없다는 것을 알게 될 것입니다. 결국 두 가지 거래 방법 모두 다음과 같은 몇 가지 단락에서 논의 할 구체적인 차이점이 있지만 매우 유사한 수익을 얻습니다.
알고리즘 거래가 임의 거래보다 나은지 어떻게 알 수 있습니까? 100여 개 이상의 기업 및 개인 거래 시장에서 정보를 수집하고 지난 20 년 이상 실적을 비교 한 정보원을 쉽게 찾을 수 있습니다. 그런 정보 원천이 있습니까? 예! 바클레이 헤지 그룹 (Barclay Hedge Group)은 지난 20 년 동안 어떤 접근법이 더 나은지를 보여주기 위해 임의 및 체계적 지수를 사용하여이 데이터를 수집했습니다. 임의 지수는 현재 의사의 65 % 이상에서 의사 결정을 내리는 150 명의 기여자 (개인 거래자와 회사 간)를 특징으로하며 반면 알고리즘 상인 지수는 최소한 95 명의 자동화 시스템을 사용하여 의사 결정을 내리는 400 명 이상의 기여자를 특징으로합니다 %의 경우.
두 그래프를 비교할 때 그 결과는 육안으로 명백합니다. 24 년 후의 두 지수의 최종 결과는 매우 유사하고 & # 8211; 이익 관점에서 & # 8211; 알고리즘 적 및 임의적 거래자 모두 전반적으로 유사한 수익을 올렸다. 이것은 임의이자 알고리즘 트레이딩이 & nbsp; & nbsp; 최상위 레벨에서 & # 8211; 그들의 전반적인 이익 능력에 관해서는 아주 유사합니다. 이것은 & # 8211; 결국 & # 8211; 두 유형의 거래자는 동일한 시장 이후에 있으며 따라서 장기적으로 활용할 수있는 특성은 근본적으로 동일합니다. 임의의 상인이 장기 추세로부터 이익을 얻으면 수동 상인이 될 수 있고 자동화 된 시스템은 24/5 거래 및 번개 빠른 실행으로부터 이익을 얻을 수 있지만 이것은 이해의 더 높은 수준에 의해 보상되는 것으로 보인다. 임의의 거래를 통해 인간의 뇌에 내재 된 결국 이익에 관한 결과는 매우 유사합니다.
인하 적 관점에서 볼 때, 체계적인 상인 지수의 최대 인하 깊이는이 지수의 최대 인출 기간이 첫 번째보다 두 배 이상 길지만 임의의 상장 지수의 두 배 이상입니다. 전반적인 & # 8211; 두 요인을 모두 고려할 때 & # 8211; 체계적인 상인 지수는 실제로 임의의 상인 지수보다 낮은 Ulcer 지수를 갖는다. 따라서 우리는 여기서 체계적인 거래자가 임의의 거래자보다 더 깊지 만 더 짧아지는 경향이있는 반면, 임의의 거래자는 더 작지만 훨씬 더 긴 회수 기간에 들어가는 경향이 있다고 말해야합니다. 결국 체계적 지수는 훨씬 더 선형적인 형량 곡선을 가지지 만 임의 지수는 선형성이 훨씬 낮다. 보기.
여기에 또 다른 중요한 요소는 결과의 통계적 중요성입니다. 체계적인 상인은 자유 재량 자보다 거의 3 배 더 풍부하므로 체계적인 지수는 활동 거래 인구의 높은 비율을 나타 내기 때문에 통계적 가치가 더 큽니다. 자유 재량 적 거래자가 150 명에 불과하지만, 체계적인 거래자는 457 명이며, 이 높은 수치는 체계적인 상장 지수가 더 많은 '극단적 인' 그 같은 인구로부터는 임의의 지수가 더 제한된다.
전반적으로 이러한 지수는 시장에 대해 매우 중요한 정보를 제공하며, 기간 길이를 줄이는 체계적인 거래 작업은 임의 거래자보다 전반적으로 작고 깊이를 줄이는 것은 임의의 시스템보다 평균적으로 더 큰 경향이 있음을 보여줍니다. 임의 시스템이 알고리즘 거래자보다 1 톤 더 많은 이익을 얻는가? 아니! 두 거래 유형 모두 & # 8211; 최상위 레벨에서 & # 8211; 동일한 이익 능력. 컴퓨터가 진화함에 따라이 색인에 주목하는 것은 매우 재미있을 것입니다. 우리가 이것이 한 거래 유형의 실적에 어떤 영향을 미치는지 보게 될 것입니다. 내 예측은 시스템이 훨씬 더 높은 성능을 얻을 때 효과가 커질 것입니다 (인간의 두뇌에 접근하기 시작할 때 처리 능력). 1987-1995 년 중 자유 재량 적 거래가 더 잘 수행되었지만 지난 몇 년간 (2008-2011) 어떻게 체계적인 거래가가 수익성 측면에서 앞서 나가는지 주목하십시오.
다음에 누군가가 알고리즘 트레이딩이 작동하는지 묻습니다. Barclay의 체계적인 상인 지수를 알려주십시오! 자동 거래에서의 여행에 대해 더 자세히 알고 싶다면이 분야에 대해 어떻게 배우고 진정한 교육을받을 수 있는지 알아보십시오. • 교육 동영상, 거래 시스템, 개발 및 건전하고 정직하고 투명한 웹 사이트 인 Asirikuy에 가입하십시오. 일반적으로 자동화 된 거래로 접근합니다. 나는이 기사를 즐겼기를 바랍니다! :영형)
임의의 대 알고리즘 트레이딩에 대한 5 가지 응답 : 다른 것보다 하나가 낫습니까? 아니요! & # 8221;
이 주제가 내 목구멍에 얼마나 많이 던져 졌는지 믿지 못할 것입니다. 자동화 된 거래는 불가능하다고 사람들은 계속 말했지만, 나는 계속 전진하고 그들을 무시했다.
증거를 가져 주셔서 감사합니다!
어떤 EA를 사용하는지 조언 해 줄 수 있습니까?
그래서 체계적인 상인들은 돈을 벌었고, 임의의 상인들은 돈을 벌었 다. 그러나 우리 모두는 거래가 마이너스 제로섬 게임 (브로커 / 마켓 메이커들이 돈을 벌었 음)이라고 알고 있기 때문에 & # 8211; 그래서 도대체 누가 돈을 잃었 는가?
악마가 세부 사항에 있거나 원하는 경우 작은 거짓말, 큰 거짓말 및 통계가 있습니다. 나는이 방법론을 알지 못한다면이 숫자의 가치를 의심합니다. 그 돈이 어디에서 왔는지 알고 싶습니다. & # 8230;
게시 해 주셔서 감사합니다. o) Barclay 상장 지수는 시장 출연자의 일부분 만 다루고 있지만, 모두는 dicretionary 또는 자동 거래 전략을 사용하여 지난 10-20 년 동안 거래 한 감사인입니다. 이 상인들이 돈을 벌 수 있도록 돈을 잃은 사람은 누구입니까? 그 밖의 몇몇 거래자들 : o) 인덱스는 감사 대상의 견본가의 샘플 일 뿐이지 만 확실하게 시장의 상당 부분을 차지하지는 않습니다 (대부분의 시장 참가자가 돈을 잃고, 증거가 +90 점임을 기억하십시오 소매 Forex에서 -99 %). 중요한 것은 장기적으로 심각한 감사를 한 공연자들이 기계적 또는 임의의 방식으로 100 % 거래를하든 비슷한 금액의 돈을 벌 수 있다는 것입니다. 나는 이것이 이것을 깨끗케하기를 바란다. o)
No comments:
Post a Comment