En algoritme er et spesifikt sett med klart definerte instruksjoner som skal utføre en oppgave eller prosess.

Algoritmisk handel (automatisert handel, svart bokhandel eller ganske enkelt algo-trading) er prosessen med å bruke datamaskiner som er programmert til å følge et definert sett med instruksjoner for å sette en handel for å generere fortjeneste med en hastighet og frekvens som er umulig for en menneskehandel. De definerte settene av regler er basert på timing, pris, kvantitet eller hvilken som helst matematisk modell. Bortsett fra profittmuligheter for næringsdrivende, gjør algo-trading markeder mer likvide og gjør handel mer systematisk ved å utelukke følelsesmessige menneskelige konsekvenser for handelsaktiviteter. (For mer, sjekk ut Plukke riktig algoritmisk handelsprogramvare .)

Anta at en forhandler følger disse enkle handlekriteriene:

• Kjøp 50 aksjer på en aksje når 50-dagers glidende gjennomsnitt går over 200-dagers glidende gjennomsnitt
• Selg aksjer på aksjene når det 50-dagers glidende gjennomsnittet går under det 200-dagers glidende gjennomsnittet

Ved å bruke dette settet med to enkle instruksjoner, er det enkelt å skrive et dataprogram som automatisk overvåker aksjekursen (og de bevegelige gjennomsnittlige indikatorene) og plasserer Kjøp og selg bestillinger når de definerte vilkårene er oppfylt. Trafikken trenger ikke lenger å holde øye med livepriser og grafer, eller legge inn ordrene manuelt. Det algoritmiske handelssystemet gjør det automatisk for ham ved korrekt å identifisere handelsmuligheten. (For mer om bevegelige gjennomsnitt, se Enkle bevegelige gjennomsnittsverdier Gjør trendene stående ut .)

[Hvis du vil lære mer om bevist og til poengstrategier som til slutt kan bli jobbet i et algoritmisk handelssystem, sjekk ut Investopedia Academys Dagligvarehandel.]

Fordeler med Algoritmisk handel

Algo-handel gir følgende fordeler:

• Handler utført til best mulig pris
• Øyeblikkelig og nøyaktig handelsordreplassering (derved høye muligheter for utførelse på ønsket nivå)
• Handler timet riktig og umiddelbart , for å unngå betydelige prisendringer
• Reduserte transaksjonskostnader (se gjennomføringsfeileksempelet nedenfor)
• Samtidig automatisert kontroll av flere markedsforhold
• Redusert risiko for manuelle feil i å plassere handelen
• Backtest algoritmen basert på på tilgjengelige historiske og sanntidsdata
• Redusert mulighet for feil av menneskelige handelsmenn basert på følelsesmessige og psykologiske faktorer

Den største delen av dagens algo-trading er høyfrekvent handel (HFT), som forsøker å kapitalisere seg på å plassere et stort antall bestillinger med svært høye hastigheter på tvers av flere markeder og flere beslutningsparametre basert på på forhåndsprogrammerte instruksjoner.(For mer om handel med høyfrekvent handel, se Strategier og hemmeligheter for HFT-firmaer .)

Algo-trading brukes i mange former for handels- og investeringsaktiviteter, inkludert:

• Midtre til langsiktige investorer eller kjøpe sidefirmaer (pensjonsmidler, verdipapirfond, forsikringsselskaper) som kjøper i aksjer i store mengder, men ikke vil påvirke aksjekursene med diskrete, store voluminvesteringer.
• Kortsiktige forhandlere og selger sideaktører (markedsførere, spekulanter og arbitragerer) drar nytte av automatisert handelstiltak; i tillegg, algo-trading hjelpemidler for å skape tilstrekkelig likviditet for selgere i markedet.
• Systematiske handelsfolk (trendfølgere, parhandlere, hedgefond, etc.) finner det mye mer effektivt å programmere handelsreglene og la programmet handle automatisk.

Algoritmisk handel gir en mer systematisk tilnærming til aktiv handel enn metoder basert på en menneskelig næringsdrivendes intuisjon eller instinkt.

Algoritmiske handelsstrategier

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

• Trend Følgende Strategier:

De vanligste algoritmiske handelsstrategiene følger trender i flytende gjennomsnitt, kanalbrudd, prisnivåbevegelser og tilhørende tekniske indikatorer. Dette er de enkleste og enkleste strategiene for å implementere gjennom algoritmisk handel fordi disse strategiene ikke innebærer å gjøre noen spådommer eller prisprognoser. Handler er initiert basert på forekomsten av ønskelige trender, som er enkle og enkle å implementere gjennom algoritmer uten å komme inn i kompleksiteten av prediktiv analyse. Ovennevnte eksempel på 50 og 200 dagers glidende gjennomsnitt er en populær trend-strategi. (For mer om trend trading strategier, se: Enkle strategier for kapitalisering på trender .)

• Arbitrage Opportunities:

Kjøp en dobbelt børsnotert aksje til en lavere pris i ett marked og samtidig selge den på En høyere pris i et annet marked gir prisforskjellen som risikofri gevinst eller arbitrage. Samme operasjon kan replikeres for aksjer kontra futures instrumenter, da prisforskjeller eksisterer fra tid til annen. Implementering av en algoritme for å identifisere slike prisforskjeller og å plassere ordrene gir lønnsomme muligheter på en effektiv måte.

• Indeksfondrefinansiering :

Indeksfondene har definert perioder med rebalansering for å bringe sine beholdninger på nivå med sine respektive referanseindekser. Dette skaper lønnsomme muligheter for algoritmiske handelsmenn, som utnytter forventede bransjer som tilbyr 20-80 basispoeng fortjeneste avhengig av antall aksjer i indeksfondet, like før indeksfondets rebalansering. Slike handler initieres via algoritmiske handelssystemer for rettidig utførelse og beste priser.

• Matematiske modellbaserte strategier:

Mange påviste matematiske modeller, som den delta-nøytrale handelsstrategien, som tillater handel på kombinasjon av opsjoner og den underliggende sikkerheten der transaksjoner plasseres for å kompensere positive og negative deltakere slik at Porteføljen deltaet holdes på null.

• Gjennomsnittlig reverseringsstrategi er basert på ideen om at høye og lave priser på en eiendel er et midlertidig fenomen som regelmessig vender tilbake til gjennomsnittlig verdi. Identifisere og definere et prisklasse og en implementeringsalgoritme basert på det tillater handel å bli plassert automatisk når prisen på aktivet bryter inn og ut av sitt definerte område.

Volumvektet gjennomsnittspris (VWAP):

• Volumvektet gjennomsnittsprisstrategi bryter opp en stor ordre og frigjør dynamisk bestemte mindre stykker av ordren til markedet ved hjelp av aksjespesifikke historiske volumprofiler. Målet er å gjennomføre bestillingen nær Volumvektet Gjennomsnittlig Pris (VWAP), og derved nytte av gjennomsnittsprisen.

Tidsvektet gjennomsnittspris (TWAP):

• Tidsvektet gjennomsnittsprisstrategi bryter opp en stor ordre og utgivelser dynamisk bestemte mindre biter av bestillingen til markedet ved å bruke jevnt fordelte tidsluker mellom start og sluttid. Målet er å gjennomføre bestillingen nær gjennomsnittlig pris mellom start- og sluttider, og dermed minimere markedsvirkningen.

Prosentandel av volum (POV):

• Inntil handelsordren er fullstendig, fortsetter denne algoritmen å sende partielle ordrer, i henhold til definert deltakelsesforhold og i henhold til volumet som handles på markedene. Den relaterte "trinnstrategien" sender ordrer til en brukerdefinert prosentandel av markedsvolumer og øker eller reduserer denne deltakelsesraten når aksjekursen når brukerdefinerte nivåer.

Implementeringsmangel:

• Strategien for gjennomføring av mangler har til formål å minimere eksekveringsprisen for en ordre ved å handle i sanntidsmarkedet, og dermed spare på kostnadene for ordren og dra nytte av mulighetskostnaden ved forsinket utførelse. Strategien vil øke den målrettede deltakelsesraten når aksjekursen beveger seg gunstig og reduserer den når aksjekursen beveger seg negativt.

Utover de vanlige handelsalgoritmene:

• Det finnes noen spesielle klasser av algoritmer som forsøker å identifisere "happenings" på den andre siden. Disse "sniffing-algoritmene", 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 gjenkjenning gjennom algoritmer vil hjelpe markedsmakeren til å identifisere store ordre muligheter og gjøre det mulig for ham å få fordel ved å fylle ordrene til en høyere pris. Dette er noen ganger identifisert som high-tech front-running. (For mer om høyfrekvent handel og bedragerisk praksis, se:

Hvis du kjøper aksjer på nettet, blir du involvert i HFTs .) Tekniske krav til algoritmisk handel

Implementering av algoritmen ved hjelp av en datamaskin Programmet er den siste delen, clubbed med backtesting. Utfordringen er å omdanne den identifiserte strategien til en integrert datastyrt prosess som har tilgang til en handelskonto for å plassere ordrer. Følgende er nødvendige:

Programmeringskunnskap for å programmere den nødvendige handelsstrategien, ansatte programmerere eller ferdigstillede handelsprogramvare

• Nettverkstilkobling og tilgang til handelsplattformer for bestilling av bestillinger
• Tilgang til markedsdata feeds som vil overvåkes av algoritmen for muligheter til å plassere ordrer
• Evnen og infrastrukturen til å sikkerhetskopiere systemet en gang bygget, før den går live på ekte markeder
• Tilgjengelige historiske data for backtesting, avhengig av kompleksiteten av regler implementert i algoritmen < Her er et omfattende eksempel: Royal Dutch Shell (RDS) er notert på Amsterdam Stock Exchange (AEX) og London Stock Exchange (LSE).La oss bygge en algoritme for å identifisere arbitrage muligheter. Her er noen få interessante observasjoner:
• AEX handler i euro, mens LSE handler i Sterling Pounds

På grunn av en times tidsforskjell åpner AEX en time tidligere enn LSE, etterfulgt av begge børser som handler samtidig for de neste par timene og deretter handler kun i LSE i løpet av den siste timen når AEX lukkes.

• Kan vi undersøke muligheten for arbitragehandel på Royal Dutch Shell-aksjen notert på disse to markedene i to forskjellige valutaer?
• Krav:

Et dataprogram som kan lese gjeldende markedspriser

Prisfeeds fra både LSE og AEX

• A forex rate feed for GBP-EUR valutakurs
• Bestill plassering evne som kan rute ordre til riktig utveksling
• Backtestingskapasitet på historiske prisfeeder
• Dataprogrammet bør utføre følgende:
• Les innkommende prismating av RDS-lager fra begge børser

Bruk av tilgjengelige valutakurser , konvertere prisen på en valuta til andre

• Hvis det foreligger en stor nok prisavvik (rabatt på meglingskostnadene) som gir en lønnsom mulighet, legger du kjøpsordren på lavere prisutveksling og salgsordre på høyere prisbytte > Hvis ordrene blir utført som ønsket, vil arbitrasjonsresultatet følge
• Enkelt og enkelt! Men algoritmisk handel er ikke så enkelt å vedlikeholde og gjennomføre. Husk at hvis du kan plassere en algo-generert handel, så kan de andre markedsdeltakere. Følgelig varierer prisene i milli- og til og med mikrosekunder. I eksemplet ovenfor, hva skjer hvis kjøpekjøpet ditt blir henrettet, men selger handel, ikke som salgsprisene endrer seg når bestillingen din treffer markedet? Du vil ende opp med å sitte med en åpen stilling, noe som gjør din arbitrage-strategi verdiløs.
• Det er flere risikoer og utfordringer: for eksempel systemfeil, nettverkstilkoblingsfeil, tidsforsinkelse mellom handelsordre og utførelse, og viktigst av alt, ufullkomne algoritmer. Jo mer komplekse en algoritme, desto strengere backtesting er nødvendig før den blir satt i gang.
• Bunnlinjen

Kvantitativ analyse av algoritmenes ytelse spiller en viktig rolle og bør undersøkes kritisk. Det er spennende å gå for automatisering støttet av datamaskiner med en ide å tjene penger uten problemer. Men man må sørge for at systemet er grundig testet og at det stilles krav om grenser. Analytiske handelsfolk bør vurdere å lære programmerings- og byggesystemer alene, for å være sikre på å implementere de riktige strategiene på idiotsikker måte. Forsiktig bruk og grundig testing av algo-handel kan skape lønnsomme muligheter. (For mer, se Slik koder du din egen Algo Trading Robot.)