En algoritm är en specifik uppsättning tydliga instruktioner som syftar till att utföra en uppgift eller process.

Algoritmisk handel (automatiserad handel, blackbox-handel eller helt enkelt algo-trading) är processen med att använda datorer som är programmerade att följa en definierad uppsättning instruktioner för att placera en handel för att generera vinster med en hastighet och frekvens som är omöjligt för en mänsklig näringsidkare. De definierade reglerna baseras på tid, pris, kvantitet eller någon matematisk modell. Bortsett från vinstmöjligheter för näringsidkaren gör algo-trading marknaderna mer likvida och gör handel mer systematisk genom att utesluta emotionella mänskliga effekter på handelsverksamheten. (För mer, kolla in Plocka rätt algoritmisk handelsprogramvara .)

Antag att en näringsidkare följer dessa enkla handelsvillkor:

• Köp 50 aktier i ett lager när dess 50-dagars glidande medelvärde går över det 200-dagars glidande medlet
• Sälj aktiernas andel när dess 50-dagars glidande medelvärde går under det 200-dagars glidande medlet

Med hjälp av denna uppsättning av två enkla instruktioner är det enkelt att skriva ett datorprogram som automatiskt kommer att övervaka aktiekursen (och de glidande medelindikatorerna) och placera Köp och sälj order när de fastställda villkoren är uppfyllda. Näringsidkaren behöver inte längre hålla koll på levande priser och grafer eller lägga in orderen manuellt. Det algoritmiska handelssystemet gör det automatiskt för honom genom att korrekt identifiera handelsmöjligheten. (Mer information om glidande medelvärden finns i Enkla rörliga genomsnittsvärden. Utveckla tendenser .)

[Om du vill lära dig mer om beprövade och strategiska strategier som så småningom kan fungera till ett algoritmiskt handelssystem, kolla in Investopedia Academys kurs för daglig handel.]

Fördelar med Algoritmic Trading

Algo-trading ger följande fördelar:

• Handlar utförda till bästa möjliga priser
• Omedelbar och exakt orderingång (därmed höga chanser att genomföra på önskade nivåer)
• Handlarna togs rätt och direkt , för att undvika betydande prisförändringar
• Minskade transaktionskostnader (se exempel på genomförandebrist nedan)
• Samtidiga automatiserade kontroller på flera marknadsförhållanden
• Minskad risk för manuella fel vid handeln
• Backtest algoritmen baserat på tillgänglig historisk och realtidsdata
• Minskad risk för misstag av mänskliga handlare baserat på känslomässiga och psykologiska faktorer

Den största delen av dagens algo-trading är handel med högfrekvenshandel (HFT), som försöker kapitalisera att placera ett stort antal order med mycket snabba hastigheter över flera marknader och flera beslutsparametrar, baserade på på förprogrammerade instruktioner.(För mer om handel med högfrekventa handelar, se Strategier och hemligheter hos företag med hög frekvenshandel .)

Algo-trading används i många former av handels- och investeringsverksamhet, bland annat:

• Många till långsiktiga investerare eller köpsidor (pensionsfonder, fonder, försäkringsbolag) som köper aktier i stora mängder men inte vill påverka lagerpriserna med diskreta investeringar i stor volym.
• Kortsiktiga näringsidkare och sälja sidodeltagare (marknadsförare, spekulanter och arbitrageurs) dra nytta av automatiserad handel Dessutom bidrar allokeringshjälpmedel till att skapa tillräcklig likviditet för säljare på marknaden.
• Systematiska handlare (trendföljer, parhandlare, hedgefonder etc.) finner det mycket effektivare att programmera sina handelsregler och låta programmet handla automatiskt.

Algoritmisk handel ger ett mer systematiskt tillvägagångssätt för aktiv handel än metoder som bygger på en mänsklig näringsidkares intuition eller instinkt.

Algoritmiska handelsstrategier

Alla strategier för algoritmisk handel kräver en identifierad möjlighet som är lönsam när det gäller förbättrat resultat eller kostnadsminskning. Följande är vanliga handelsstrategier som används i algo-trading:

• Trend efter strategier:

De vanligaste algoritmiska handelsstrategierna följer trenderna i glidande medelvärden, kanalbrytningar, prisnivårörelser och relaterade tekniska indikatorer. Dessa är de enklaste och enklaste strategierna för att genomföra genom algoritmisk handel, eftersom dessa strategier inte innebär att man gör några förutsägelser eller prisprognoser. Handeln initieras baserat på förekomsten av önskvärda trender, som är enkla och raka att genomföra genom algoritmer utan att komma in i komplexiteten av prediktiv analys. Ovanstående exempel på 50 och 200 dagars glidande medelvärde är en populär trendstrategi. (För mer om trendstrategier, se: Enkla strategier för kapitalisering på trender .)

• Arbitrage Opportunities:

Köp ett dubbelt börsnoterat lager till en lägre pris på en marknad och samtidigt sälja den till Ett högre pris på en annan marknad erbjuder prisskillnaden som riskfri vinst eller arbitrage. Samma operation kan replikeras för aktier kontra futures instrument, eftersom prisskillnaderna existerar från tid till annan. Genomföra en algoritm för att identifiera sådana prisskillnader och placera orderna möjliggör lönsamma möjligheter på ett effektivt sätt.

• Index Fund Rebalancing :

Indexfonder har definierat perioder av ombalansering för att få sina innehav i nivå med sina respektive referensindex. Detta skapar lönsamma möjligheter för algoritmiska handlare, som utnyttjar förväntad handel som erbjuder 20-80 basispoäng vinst beroende på antalet aktier i indexfonden, precis innan indexfonden ombalanseras. Sådana branscher initieras via algoritmiska handelssystem för snabb genomförande och bästa priser.

• Matematiska modellbaserade strategier:

Många beprövade matematiska modeller, som den delta-neutrala handelsstrategin, som möjliggör handel med kombinationer av alternativ och dess underliggande säkerhet, där handeln placeras för att kompensera positiva och negativa delta så att Portföljen delta hålls noll.

• Trading Range (Mean Reversion):

Genomsnittlig återgångsstrategi bygger på idén att de höga och låga priserna på en tillgång är ett temporärt fenomen som regelbundet återgår till deras medelvärde. Att identifiera och definiera ett prisklass och en implementeringsalgoritm baserad på det gör det möjligt att placera affärer automatiskt när priset på tillgången bryter in och ut ur sitt definierade intervall.

• Volymvägd genomsnittspris (VWAP):

Volymvägd genomsnittsprisstrategi bryter upp en stor order och släpper dynamiskt bestämda mindre bitar av ordern till marknaden med hjälp av stockspecifika historiska volymprofiler. Syftet är att genomföra ordern nära Volymvägd Medelpris (VWAP) och därigenom dra nytta av genomsnittspriset.

• Time Weighted Average Price (TWAP):

Tidsvägd genomsnittsprisstrategi bryter upp en stor order och släpper dynamiskt bestämda mindre bitar av ordern till marknaden med jämnt fördelade tidsluckor mellan start- och sluttid. Syftet är att genomföra ordern nära genomsnittskursen mellan start- och sluttiderna och därigenom minimera marknadseffekterna.

• Procentandel av volymen (POV):

Till dess att handelsordern är fullt fylld fortsätter denna algoritm att skicka delbeställningar, enligt det definierade deltagandekvoten och enligt volymen på marknaden. Den relaterade "stegstrategin" skickar order till en användardefinierad procentandel av marknadsvolymer och ökar eller minskar denna delaktighet när aktiekursen når användardefinierade nivåer.

• Implementeringsbrist:

Strategin för genomförandebrist syftar till att minimera genomförandekostnaden för en order genom att handla i realtidsmarknaden och därigenom spara på orderkostnaden och dra nytta av möjligheten till försenad genomförande. Strategin kommer att öka den riktade delaktighetsgraden när aktiekursen rör sig positivt och sänker den när aktiekursen rör sig negativt.

• Utöver de vanliga handelsalgoritmerna:

Det finns några speciella klasser av algoritmer som försöker identifiera "händelser" på andra sidan. Dessa "sniffing-algoritmer", som exempelvis används av en försäljningssida-marknadsförare, har den inbyggda intelligensen för att identifiera existensen av några algoritmer på köpsidan av en stor order. Sådan upptäckt genom algoritmer kommer att hjälpa marknadsmakaren att identifiera stora ordermöjligheter och möjliggöra för honom att dra nytta av att fylla orderna till ett högre pris. Detta identifieras ibland som high-tech front-running. (För mer om handel med högfrekventa handelar och bedrägerier, se: Om du köper aktier online är du involverad i HFTs .)

Tekniska krav för algoritmisk handel

Implementera algoritmen med hjälp av en dator Programmet är den sista delen, clubbed med backtesting. Utmaningen är att omvandla den identifierade strategin till en integrerad datoriserad process som har tillgång till ett handelskonto för beställning. Följande behövs:

• Datorprogrammeringskunskap för att programmera den nödvändiga handelsstrategin, anställda programmörer eller färdiga handelsprogramvaror
• Nätverksanslutning och tillgång till handelsplattformar för beställning
• Tillgång till marknadsdata matar övervakas av algoritmen för möjligheter att placera order
• Förmågan och infrastrukturen att backtest systemet en gång byggt innan den går live på reala marknader
• Tillgängliga historiska data för backtesting, beroende på komplexiteten av regler som implementeras i algoritmen < Här är ett omfattande exempel: Royal Dutch Shell (RDS) är noterat på Amsterdambörsen (AEX) och Londonbörsen (LSE).Låt oss bygga en algoritm för att identifiera arbitrage möjligheter. Här är några intressanta observationer:

AEX handlar i euro, medan LSE handlar i Sterling Pounds

• På grund av en timmes tidsskillnad öppnar AEX en timme tidigare än LSE, följt av att båda börserna handlar samtidigt för de närmaste timmarna och sedan handla endast i LSE under den sista timmen när AEX stänger
• Kan vi undersöka möjligheten till arbitragehandel på Royal Dutch Shell-börsen som är noterad på dessa två marknader i två olika valutor?

Krav:

Ett datorprogram som kan läsa aktuella marknadspriser

• Prismatningar från både LSE och AEX
• En valutahastighet för GBP-EUR-växelkurs
• Orderplaceringskapacitet som kan leda till ordna till rätt utbyte
• Backtestning på historiska prismatningar
• Dataprogrammet ska göra följande:

Läs inkommande prismatning av RDS-lager från båda börserna

• Använda tillgängliga valutakurser , konvertera priset för en valuta till en annan
• Om det finns en tillräckligt stor prissammanhang (diskontering av mäklarkostnader) som leder till en lönsam möjlighet, placera sedan köpordern på lägre prissättning och säljorder på högre prissättning > Om orderen genomförs enligt önskemål följer arbitrage vinsten
• Enkelt och enkelt! Men algoritmisk handel är inte så enkelt att upprätthålla och genomföra. Kom ihåg, om du kan placera en algo-genererad handel, så kan andra marknadsaktörer. Följaktligen fluktuerar priserna i milli- och till och med mikrosekunder. I det ovanstående exemplet, vad händer om din köphandel blir verkställd, men sälja handel sker inte som försäljningspriserna ändras när din order träffar marknaden? Du kommer att sluta sitta med en öppen position, vilket gör din arbitrage strategi värdelös.
• Det finns ytterligare risker och utmaningar: till exempel riskerar systemfel, nätverksanslutningsfel, tidsfördröjningar mellan handelsorder och utförande, och viktigast av allt, ofullkomliga algoritmer. Ju mer komplexa en algoritm krävs, desto strängare backtesting behövs innan den tas i bruk.

Bottom Line

Kvantitativ analys av en algoritms prestation spelar en viktig roll och bör granskas kritiskt. Det är spännande att gå till automation som stöds av datorer med en uppfattning att tjäna pengar utan problem. Men man måste se till att systemet är noggrant testat och att gränserna är nödvändiga. Analytiska handlare bör överväga att lära sig programmering och byggsystem på egen hand, för att vara övertygade om att implementera rätt strategier på idiotsäkert sätt. Försiktig användning och noggrann testning av algo-handel kan skapa lönsamma möjligheter. (För mer, se Så här kodar du din egen Algo Trading Robot.)