Har du lyst til å bli en algoritmisk handelsmann med muligheten til å kode din egen handelsrobot? Og likevel er du frustrert over mengden uorganisert, villedende informasjon og falske løfter om overveldende velstand? Vel, Lucas Liew, skaperen av den elektroniske algoritmiske trading kurset AlgoTrading101, kan ha løsningen for deg. Etter å ha gode anmeldelser og garnering over 8 000 studenter siden første lansering i oktober 2014, viser Liews kurs, som har til formål å presentere grunnleggende for algoritmisk handel på en organisert måte, å være ganske populær. Han er overbevist om det faktum at algoritmisk handel er "ikke en rask rike ordning. "På bakgrunn av innsikt fra Liew og hans kurs, som er skissert nedenfor, er det grunnleggende for det som trengs for å designe, bygge og vedlikeholde din egen algoritmiske handelsrobot.

Hva er en Algoritmisk Trading Robot, og er

På det mest grunnleggende nivå er en algoritmisk handelsrobot en datakode som har mulighet til å generere og gjennomføre kjøp og salg av signaler i finansmarkeder. Hovedkomponentene til en slik robot inkluderer inngangsregler som signaliserer når man skal kjøpe eller selge, avslutte regler som angir når man skal lukke den nåværende posisjonen, og plassere størrelsesregler som definerer mengdene for å kjøpe eller selge. (For mer, se:

Grunnleggende om algoritmisk handel: Konsepter og eksempler .)

Hovedverktøyene

Det er klart at du trenger en datamaskin og en Internett-tilkobling. Deretter vil et Windows eller Mac-operativsystem være nødvendig for å kjøre MetaTrader 4 (MT4) - en elektronisk handelsplattform som bruker MetaQuotes Language 4 (MQL4) for koding av handelsstrategier. Selv om MT4 ikke er den eneste programvaren man kan bruke til å bygge en robot, har den en rekke betydelige fordeler.

Mens MT4s hovedaktivklasse er valutakurs (FX), kan plattformen brukes til å handle aksjer, aksjeindekser, råvarer og Bitcoins ved bruk av CFDs. Andre fordeler med å bruke MT4 i motsetning til andre plattformer inkluderer å være lett å lære, har mange tilgjengelige FX datakilder, og det er gratis. Dessverre tillater ikke MT4 direkte handel i aksjer og futures-markeder, og det kan være tungt å utføre statistisk analyse. MS Excel kan imidlertid brukes som et tilleggs statistisk verktøy.

Algoritmiske handelsstrategier

Det er viktig å begynne med å reflektere over noen kjerneegenskaper som enhver algoritmisk handelsstrategi bør ha. Strategien bør være markedsliktig fordi den er fundamentalt forsvarlig fra marked og økonomisk synspunkt. Også den matematiske modellen som brukes til å utvikle strategien, bør være basert på gode statistiske metoder.

Deretter er det avgjørende å avgjøre hvilken informasjon roboten har til hensikt å fange. For å kunne ha en automatisert strategi, må roboten din kunne identifisere, vedvarende markedseffektivitet.Algoritmiske handelsstrategier følger et stivt sett med regler som utnytter markedsadferd, og dermed er forekomsten av engangsmarkeds ineffektivitet ikke nok til å bygge en strategi rundt. Videre, hvis årsaken til markedets ineffektivitet er uidentifiserbar, vil det ikke være noen måte å vite om strategiens suksess eller fiasko skyldtes tilfeldighet eller ikke.

Med det ovenfor nevnte er det en rekke strategityper for å informere utformingen av din algoritmiske handelsrobot. Disse inkluderer strategier som utnytter (i) makroøkonomiske nyheter (for eksempel ikke-farm lønn eller renteendringer); (ii) grunnleggende analyse (for eksempel bruk av inntektsdata eller inntjeningsnotater) (iii) statistisk analyse (f.eks. korrelasjon eller samordning); iv) teknisk analyse (f.eks. glidende gjennomsnitt); (v) markedsmikrostruktur (f.eks. arbitrage- eller handelsinfrastruktur); eller (vi) hvilken som helst kombinasjon av det ovennevnte.

Design og testing av roboten Det er i hovedsak fire trinn som trengs for å bygge og administrere en handelsrobot: Foreløpig forskning

: Dette trinnet fokuserer på å utvikle en strategi som passer dine egne personlige egenskaper. Faktorer som personlig risikoprofil, tidsforpliktelse og handelskapital er alle viktige å tenke på når man utvikler en strategi. Du kan da begynne å identifisere de vedvarende markedseffektivitetene som er nevnt ovenfor. Etter å ha identifisert et marked ineffektivitet kan du begynne å kode en handelsrobot tilpasset dine egne personlige egenskaper.

Backtesting

: Dette trinnet fokuserer på å validere din handelsrobot. Dette inkluderer å sjekke koden for å sikre at den gjør hva du vil og forstår hvordan den utfører seg over ulike tidsrammer, aktivaklasser eller ulike markedsforhold, særlig i svarte svanktype hendelser som den globale globale krisen i 2008. Optimalisering

: Nå har du kodet en robot som fungerer, og på dette stadiet vil du maksimere ytelsen samtidig som du minimerer overfittingforstyrrelsen. For å maksimere ytelsen må du først velge et godt ytelsesmål som fanger risiko og belønne elementer, samt konsistens (f. Eks. Sharpe-forhold). Overfitting bias oppstår når roboten din er for tett basert på tidligere data; En slik robot vil gi opp illusjonen om høy ytelse, men siden fremtiden aldri ligner på fortiden, kan den faktisk mislykkes. Live Execution

: Du er nå klar til å begynne å bruke ekte penger. Men bortsett fra å være forberedt på følelsesmessige oppturer og nedturer som du kanskje opplever, er det noen tekniske problemer som må løses. Disse problemene inkluderer å velge en passende megler og implementere mekanismer for å håndtere både markedsrisiko og operasjonelle risikoer som potensielle hackere og nedetid i teknologi. Det er også viktig i dette trinnet å verifisere at robotens ytelse ligner den som oppleves i testfasen. Endelig er det nødvendig med kontinuerlig overvåking for å sikre at markedets effektivitet som roboten ble designet for fremdeles eksisterer.(For mer, se: Slik opprettes handelsalgoritmer

.) The Bottom Line Med tanke på at Richard Dennis, den legendariske handelshandleren, lærte en gruppe studenter sine personlige handelsstrategier som deretter gikk på å tjene over 175 millioner dollar på bare fem år, er det helt mulig for uerfarne handelsmenn å bli lært et stramt sett med retningslinjer og bli vellykkede handelsmenn. Dette er imidlertid et ekstraordinært eksempel, og nybegynnere bør definitivt huske å ha beskjedne forventninger. For å lykkes er det viktig å ikke bare følge et sett med retningslinjer, men for å forstå hvordan disse retningslinjene fungerer. Liew understreker at den viktigste delen av algoritmisk handel er "å forstå under hvilke typer markedsforhold robotene dine vil fungere og når det vil bryte ned", og "forstå når du skal gripe inn. "Algoritmisk handel kan være givende, men nøkkelen til suksess er forståelse. Ethvert kurs eller lærer lovende høye belønninger med minimal forståelse bør være et stort advarselsskilt.