معاملات الگوریتمی

اگر در بازار سرمایه فعال باشید، این روزها واژه «معاملات الگوریتمی» را زیاد می‌شنوید. در این مقالة کوتاه قصد داریم تعریفی از معاملات الگوریتمی ارائه داده و آشنایی مقدماتی با این مفهوم و انواع استراتژی‌های آن کسب نماییم.
معاملات الگوریتمی که گاهی به آن‌ها معاملات خودکار نیز گفته می‌شود، از یک نرم‌افزار رایانه‌ای به‌منظور ایجاد سفارش با دستورالعمل مشخص استفاده می‌نماید. این معاملات به جهت اعمال خودکار توسط رایانه، با سرعتی بالا ایجاد می‌گردند که توسط انسان و طور دستی امکان‌پذیر نمی‌باشد.
استراتژی‌های معاملات الگوریتمی را از جهات گوناگون می‌توان به دسته‌های مختلف تقسیم‌بندی کرد که آشنایی با بعضی از این دسته‌بندی‌ها می‌تواند جالب باشد.
از جهت روش‌های شناسایی موقعیت‌های مناسب معاملاتی می‌توان این استراتژی‌ها را به دسته‌های زیر تقسیم‌بندی نمود:
استراتژی‌های روند
هدف این استراتژی‌ها شناسایی به‌موقع تغییرات در روندها و گرفتن موقعیت در جهت آن‌هاست. از ساده‌ترین استراتژی‌های این دسته می‌توان به استفاده از میانگین متحرک اشاره نمود.
بازگشت به میانگین
این استراتژی‌ها از این ایده استفاده می‌کنند که میانگین قیمت نقشی محوری برای آن دارد، به‌طوری‌که قیمت حول آن نوسان کرده و با دورشدن از آن به آن بازمی‌گردد. در این دسته می‌توان به استراتژی‌های آربیتراژ آماری اشاره نمود؛ این استراتژی‌ها به اتخاذ موقعیت بر اساس تغییرات در روند قیمت دارایی‌های مشابه به هنگام دورشدن آن‌ها از هم می‌پردازد.
داده‌های جایگزین
امروزه باتوجه‌به پیشرفت‌های صورت‌گرفته در حوزه جمع‌آوری و تحلیل داده‌ها، زمینه به‌کارگیری طیف وسیع‌تری از داده‌ها به‌منظور تحلیل شرکت‌ها فراهم گردیده است. به گروهی از این داده‌ها که به طور سنتی برای تجزیه‌وتحلیل سهام به کار نمی‌روند به‌اصطلاح داده‌های جایگزین می‌گویند. داده‌هایی مانند متن، موقعیت مکانی، عکس‌های ماهواره‌ای، و غیره در این دسته قرار می‌گیرند. یک نمونه جالب از کاربرد این استراتژی‌ها مربوط به بررسی عکس‌های ماهواره‌ای از پارکینگ فروشگاه‌های زنجیره‌ای به‌منظور پیش‌بینی فروش آن‌ها پیش از انتشار گزارش‌های مالی می‌شود.
نسبت‌های مالی
در این مدل‌ها از متغیرهایی مانند نسبت قیمت به سود، ارزش دفتری به قیمت بازار، و سایر نسبت‌هایی که به‌منظور تعیین ارزان بود نسبی سهام به کار گرفته می‌شوند استفاده می‌گردد. برای مثال، یکی از ساده‌ترین این استراتژی‌ها شامل خرید سهام با نسبت قیمت به سود پایین و فروش سهام با نسبت قیمت به سود بالا می‌شود.
مدل‌های پیش‌بینی
گروهی دیگر از استراتژی‌ها به پیش‌بینی قیمت با استفاده از روش‌های کمی و هوش مصنوعی می‌پردازد. این گروه از استراتژی‌ها از تنوع بالایی از هر دو جهت ورودی‌های دریافتی مدل و روش‌های پردازش آن برخوردارند. روش‌های مختلف کمی و آماری مانند رگرسیون، مدل‌های یادگیری ماشین، و مدل‌های یادگیری عمیق در این دسته جای می‌گیرند.
دریافت سیگنال تنها بخشی از یک استراتژی معاملاتی الگوریتمی است؛ از دیگر بخش‌های بسیار مهم یک استراتژی می‌توان به لزوم لحاظ نمودن هزینه معاملات و روش‌های اجرای معاملات اشاره کرد. بسیاری از استراتژی‌های معاملات الگوریتمی منجر به معاملات متعددی می‌شوند که در صورت بی‌توجهی به هزینه معاملات می‌توانند حتی زیان‌ده باشند. همچنین باتوجه‌ به این که این سفارش‌ها به طور خودکار وارد بازار می‌شوند نیاز است تا مدلی هوشمند برای اجرای معاملات تدوین گردد تا همواره شرایط بازار مانند وضعیت تابلو و نقدشوندگی نماد را بررسی نماید.
همان‌طور که پیش‌تر گفته شد ویژگی مشترک استراتژی‌های معاملات الگوریتمی صورت‌پذیرفتن معامله بدون دخالت مستقیم انسان و بر اساس قواعد از پیش تعیین شده است.
در مقاله‌های بعدی بیشتر با کاربردهای معاملات الگوریتمی و مزایا و معایب آن آشنا می‌گردیم.