صفحه 1:
معاملات الگوریتمی
صفحه 2:
0 معاملات الگوریتمی چیست؟
معاملات الگوریتمی (که با امهای معاملات خودکار. معاملات جعبه سیاه با معاملات الگویی نیز شناخته
میشود) از یک برنامه کامپیوتری استفاده میکند که بر اساس مجموعهای از دستورات مشخص (یک
الگوریتم) عمل میکند تا یک معامله انجام دهد. اين معاملات میتوانند با سرعت و فرکانسی انجام
شوند که برای یک معاملهگر انسانی غبرممکن است و سودآوری ایجاد کند
3p yep SWeb™ سق
*مدل کاملاً خودکار که با دادههای جدید بهروزرسانی میشود
*سفارشهاتوسط پلرم الكوريتمى تصميمكيرى بر اسأس فواتين تعريف شده سيستم الكوريئين
تولید میشوند
*سفارشها بهطور خودکار از ریق نرمفزر معاملات خودکار به بورسها ارسال میشه::
Aortic |
som | atl
صفحه 3:
مقدمه
* معاملات الگوریتمی در دوران کنونی بازارهای مالی جهانی, بهعنوان یک استراتژی سرمایهگذاری برای دستیابی
امداق عالت [busy اهمیت دارد. استفاده:از الگوریتمجا توسط .مغامله گران: بانکهای سرمایهگذاری"
صندوقهای سرمایهگذاری و سایر فعالان مالی برای بهبود و اجرای استراتژیهای معاملاتی, چه بهطور کامل و
az بهصورت جزئی, بیش از سه دهه قدمت دارد.
* پیشرفت تکنولوژٍی همراه با توسعه روشهای جدید معاملات الگوریتمی, به بازارهای مالی کمک کرده است تا
به حجم معاملات بالاتر, کارایی بیشتر در اجرای معاملات از طریق کاهش wales gloat بهیود عملکرد
پرتفوی و شفافیت بهتر دست یابند. باتک تسویهحسابهای بینالمللی (2019) در گزارش «بررسی سهساله
پانک مرگزی: گردش معاملات ارزی در آوریل 2018» اعلام کرد که بازارهای ارزی بهتتهابی در آوریل 2019 به
گردش مالی چشمگیر 6.6 تریلیون دلار در روز دست یافتند (در مقایسه با 5.1 تریلیون دلار در سال 2016).
* یکی از مزایای اساسی استراتژیهای مبتنی بر روند لین است که معاملهگر با دنبال کردن روند. در جهت بازار
معامله میکند. بنابراین, معاملات مبتتی بر روند از منطق ذاتی برخوردارند. زیرا معامله در همان SU cage
منطقی است. بدین ترتیب, اگر بهدرستی انجام شوند. سود حاصل از معاملات موفق میتواند به میزان قابل
توجهی از زبانها بیشتر باشد.
صفحه 4:
ساختار پایه یک سیستم معاملاتی الگوریتمی
یک مدل آلفا, یک مدل ریسک, و یک مدل هزینه تراکنش, سه ماژول hol هستند که ساختار پایه یک معاملاتی
eas by Gea sell میدهند این ماژولها اطلاعانی تولید می کنند که به مدل تساخت پورجقولیو داده ميشود و ان مدل 2
توبه خود با مدل اجرایی در تعامل است.
مدل آلفا: بخشى از الكوريتم است كه براى ييشبينى قيمت دارايى طراحى شده است تا معاملهكر يتواند بازدهى إيجاد
مدل ریسک: برای محدود کردن مواجهههایی طراحی شده است که مئتواند معاملهكران را دجار زيان كند.
مدل هزینه تراکنش: برای شناسایی هزینههای باز کردن یا بستن موقعیتهای معاملائی
1
4
صفحه 5:
مدلهای آلفا
* چندین نام مترادف برای مدل آلفا عبارتاند از Lacie عوامل, آلفاهاء مدلها, استراتژیهاء
تخمینزنها با پیشبیتیکنندهها. همه مدلهای آلفای موفق به گونهای توسعه داده میشوند که
بتوانند آینده را به اندازه کافی خوب پیشبینی کنند تا پس از در نظر گرفتن زیان در برخی
معاملات, همچنان در بلندمدت سوداور باشند. از بين بخشهاي مختلف یگ استراتژی کمی, مدل
آلفا خوشبین است, متمرکز بر کسب سود از طزیی پیشنیتی أيقدة
اکثر معاملهگران کمی نظریهمحور هستند و بیشتر کارهایی که انجام میدهند در یکی از پنج دسته
پدبده قرار میگیرد: روند, بازگشت به:میانگین؛ اززش/بازده» رشد, و کیفیت: yal موارد رأ منتواث
آز طریق بررسی دادههای مرتبط با قیمت یا دادههای بنیادی درک کرد. درک ورودیهای یک
استراتژی برای فهم خود استراتژی حیاتی است.
استراتژیهای مبتنی بر روند و بازگشت به میانگین بر دادههای مربوط به قیمت تکیه
دارند. (تکتیکال)
۰ استراتژیهای مبتنی بر
۱ أرق استواز 4 ae we 3
|
1
7
ramen) [Trond [Reverie]
صفحه 6:
مزایای و چالش های مدلهای دادهمحور
* مزابای مدلهای دادهمحور
1 شناسایی رفتارهای ناشناحته:
استراتزیهایدادهمحور میتوانند رتاهابی را شناسابی کند.چهپیشتر توسط نظریهای شناسایی شدء
باشند يا نه. اين قابليت به اين معناست كه مدلها مىتوانتد رويدادهابى را مشاهدة كتتد يدون إينكه نیز به
درك علت وفوع آنها داشته باشند
2 کارابی زمانی کوتاهمد.
se
مشق ] لتقمفا سم :
/ تدای عام دورو یجان رن وید ماد ی اس سر چیه دای
۹ أن سره بل ججم ات ای دوجي در ين از زمانن آست که پزودشگر شاسس نی ری
ا ی ۱
مه مناه مالف ايسور اه و و |
2 انتخاب دقیق دادهها عمسم | #سصسكاعة | Tine novan
بزوهشكر بايد به دقت تصميم بگیرد که چه دادهای بهمدل داده شود. اكر انتخاب داددها به درستى اتجام
نشود. حجم دادهایی که الگوریتمهابید بررسی کنندمتان آنفدر زیدباشد که یز به یک ساحتا 2
سختافزاری عطیم و برهزيته باشد تا بتواند ييشبيتىها را به موقع براى معامله اتجام دهد. Sat: تست هو
2. سیگنالهای کادب: Ser rem | ممم
استفاده از دادهکاوی بهتتهایی بای تولید آلغ میتواند منجر به سیگنلهای نادرستی شود که بهاصطلاح
"تلههاى دادكاوى" ناميده م شوند. انوا اه | تم
Long Term
صفحه 7:
بر کنترل اندازه charles مطلوب یا مدیریت انواع مواجهههای نامطلوب تمرکز
دارند
* مدیریت ریسک شامل آگاهی از میزان سرمایهای است که معاملهگر مایل به ریسک کردن است,
همراه با مقدار سود مورد انتظار.
عدم درک اين موضوع میتواند متجر به نگه داشتن موقعیتهای زیانده برای مدت
طولانیتر یا بستن زودهنگام موقعیتهای سودآور شود
* سه ابزار اصلی برای مدیریت ریسک عبارتند از:
1.محدود کردن اندازه موقعیتها
2.نسبت ریسک-پاداش
3.دستور توقف-ضرر 0۲06۲ 5000-1055
صفحه 8:
* 1. محدود کیدن اندازه موقعیتها
* معاملهكر, در نقش مدیر ریسک, باید تصمیم بگیرد که کدام مواجههها مناسب هستند و این تصمیم را به مدل ريسك منتفل کند تا ارزش معامله را
آرزیای کند
* دو روش اصلی رای محدودیت انداز: ۱
محدوديت سحت: تين سقف ثابت برلى اندازه موقعيتها (مثلاً يع موفعتی نید بزرگتر از 903 موجودی حساب پاش
* ايع جريمه: اجازه م دهد اندازه موقعيت بيشتر أز جدتعیننشدهباشد. ما جريمدهابي براي اين كار اعمال مىكند كه مئتوائد بر اساس ذاددها با ape un el
2۰ نسبت ریسک-پاداش
* ابزاری قدرنمند برای حفط نسیت مثبت سود و زیان
* اين نسبت مشخص میکند که معامله چه مقدار سود بای دز مقابل مقداز زیسکی که برای باز کردن موقعیت متحمل میشود. کسب کدد.
* به عنوان یک قاعده سرانگشنی, اين نسبت تباید کمتر از 2:2 باشد.
۰ 3 دستور توفف-ضرر
* ابزاری ضرورى براى محدود كردن ضررها, در هماهنگی با اندازه ریسک موقعیت.
* جلوگیری از بازگشت تمام سود به بازار, حتی با وجود احتمال بالای معاملات سودآور.
* توصیه میشود که
* نس مهس ise نوسي قا انه رم هد سات يعمد دسم ميمه صرب عفر ريه سر يطل بسو
* برخ استراتزىها بحشي از موفعيت را زمانى كه سود برابر با مقدار ریسکشده شود. میدن
صفحه 9:
مدلهای هزینه تراکنش
+ مت هتکس یه فان زومی بزای flee مربب آنهام 1 1 1 7م BS pe
مدلهای فا و ریک برای تین بهترین برتوی قابلنتهداری استقده میشود
٠ هدف اصلى: بررسى اين كه آيا هزينه باز كردن يك موقعیت ارزشمند است یا خبر.
+ سين aS ps aap Jae gs cabs
٠ کمبرآورد هزینه تراکنش:
+ میتواند الگوریتم را به اتجام معاملات بیش از حد سوق دهد. معاملاتی که سود کافی ندارند.
۰ بیشبرآورد هزینه تراکنش
٠ ممكن است فرصتهای معاملاتی از دست برود یا موقعبتها بیش از حد نگه داشته شوند
+ انواع مدلهای هرینه تراکنش
1 مدل هزینه تراکنش ثابت ۴۱۵۴
هزيته معامله ثابت است. بدون توجه به اندازه سفارش
2. مدل هزينه تراكنش خطى 110686
هزیته معامله با افزايش اندازه تراکنش, در همان مقیاس رشد مىكند
3. مدلهای چندبخشی خطی و درجه دوم 003۵7۵86 6 196۵۲-عوببی:
در اين مدلهاء هزینه تراکتش بر اساس اندازه معامله به صورت غیرخطی تغییر میکند
صفحه 10:
مدلهای ساخت پرتفوی (ترکیبی)
* تصمیمگیری در تخصیص داراییها در یک پرتفوی بر اساس تعادل بین بازدهی مورد انتظار: یسک و
هزینه تراکنش صورت میگیرد.
۰ انواع مدلهای ساخت پرتفوی
1.مدلهای مبتنی بر فوانین Rule-based Models
1. بر اساس هوریستیکها (قوانین ابتکاری) که توسط معاملهگر کمی تعریف شدهاند.
2.مدلهای بهیتهسازی پرتفوی Optimized Models
:شامل روشهایی مانند
1 نظریه برتقوی مدرن مارکووینز (1952): بیسازی پرتفوی با در نظر گرفتن رسک و بازدهی
2. نوری جداسازی دوصندوق تون (1958): فاد از مجموته توا oy به مرحك براك حركت از تقمك شروع نه نقطلة
Leda od ۰ به معاملهگر اجازه میدهند تا با در نظر گرفتن تمام متغیرها, پرتفوبی بسازد که بازدهی مطلوب و ریسک قابل
قبول داشته باشد؛
صفحه 11:
*تعیین حجم معاملات همراه با موتور خرید/فروش, که شامل
نقاط ورود. حد ضرر. و حداکثر تخصیص ریسک برای هر معامله
است. سهپایه ساختاری مدیریت ریسک در عملیات معاملاتی را
تشکیل میدهد
صفحه 12:
تکنیکهای محبوب برای محاسبه حجم
دو روش اصلی برای تعیین حجم یک معامله را پيشنهاد میشود: معاملات
1.روش اختلاف قیمت و حد ضرر
*در اين تکنیک, ارزش پولی ریسک معامله به عنوان مقسوم علیه استفاده میشود.
*مقدار ریسک پولی تقسیم بر اختلاف بین قیمت فعلی خرید/فروش و قیمت حد ضرر محاسبه میشود
2.روش استفاده از شاخص دامنه وافعی میاتگین nase _ volume (ATR) دی ree ee es
*اين تکنیک از شاخص ۸۲ استفاده میکند که نوسانات دارایی در یک بازه رصبی wane SHOT) your
"این روش براى داراییهایی که نوسانات بیشتری دارند بسیار مناسب است.
پارامترهای تعریف شده در فرمولها ی
seurrentBalance: ارشب ولمع وجود تجسابدر لخطه معامله. ب تست
۱۳۱3۳۵۲۰۵09 دیس ریسترات رکفت کصیساده شده لست ATR
«ععصاهاه: مزارییست ی پلی رده Mitesh
3۰ مقدار شاخسدانه واقمباگی85008 ۸۵۳۵9۵1۳40 سرااراممورد تخر
کاربرد در معاملات
روش اختلاف قیمت و حد ضرر به معاملهگران اجازه میدهد تا ریسک معامله را به صورت مستقیم با فاصله از حد ضرر
بیق دهند.
«استفاده از ۸۲8 به معاملهگران کمک میکند تا حجم معاملات را با توجه به نوسانات دارایی در بازه زمانی مشخص تنظیم
کنند.
صفحه 13:
اندیکاتورهای تکنیکالی
۰ شاخصهای قنی سیگثالهای هبوزیستیک پا میتنن بر الگو هستند که به الگوهای گذشته
, حجم, و/یا منافع باز(10۵6۲651 0060 داراییها برای شناسایی روندهای قیمتی که بهطور
پیشبینیشده به آینده گسترش خواهند یافت, اتکا دارند.
* کاربرد شاخصهای فنی
- پیشبینی حرکات بازار: شاخصهای فنی به تحلیلگران کمک میکنند تا روندهای بازار را
شناسایی کرده و پیشبینیهایی برای چهت آینده قيمتها ارائه دهند.
اتکا به دادههای گذشته: این شاخصها عمدتاً از دادههای تاریخی مانند قيمتهای قبلی و
حجم معاملات برای شناسایی الگوها و روندها استفاده میکنند.
صفحه 14:
بررسی موردی: شاخص میانگین متحرک Moving Average
Indicator
* بهعتوان یکی از اولین ابزارهای معاملاتی که اختراع شدهاند و به دلیل سادگی و جذابیت
شهودی آن, ميائكين متحرى ۷۸ یکی از مجوبترین شاخصهای cil aad
- میانگین متحرک ابزاری در تحلیل تکنیکال است که دادههای قیمتی را در یک دوره خاص
ضاف ف كتد و مبالكين قبت يوطور جداوم بهزفر شوه ایجاه فیکند. این صاخ Tier
شناسایی روندهای بازار و حذف نویزهای قیمتی مفید است.
۰ 1۵ مقدار میانگینمتحرک
۰ فیمتدارلییدر دوه 8-1
٠ © تعداد دوههاوزمانی
٠ اين فرمول ميانكين قيمتها در طول يك دوره خاص (مثلً 24 روز, 50 روز؛ با 200 روز) را محاسبه میکند و په طور مداوم بهروز میشود
تا روندقیعتی را نان دهد
* مثال: معاملهكرى با بررسى متحرى 20 روزه و 50 روزه يك شرکت تصمیم به خرید سهام آن میگیرد. در زمانی که متحرک 20 روزه آن
بالاتر از 50 روزهاش است. اين معاملهگر سهام خریداری شدهاش را در زمانی که متحرک 20 روزه پایینتر از متحرک 50 روزه قرار بگیرد
میفروشد.
صفحه 15:
کاربرد هوش مصنوعی در الگو ترندینگ
* بستر کاملا کمی در بازارهای مالی, چه از نظر قیمتی و چه از نظر خروجی اندیکاتورهای تکنیکال,
بهترین فضا برای یکارگیری تکتیکهای هوش مصنوعی شناخته میشود. اساس کار الگو تریدینگ
اطلاعات و تحلیل آنها است و هوش مصنوعی میتواند به تحلیل و بررسی بهتر و عمیقتر این
اطلاعات کمک کند و نسبت به آرزشها و سهام موجود در بازار بینشی عمیق پیدا کند. بینشی که
به تحلیلهای دراز مدت و دیدهای آیندهنگر منجر میشود. آلگوریتمهای هوش مصنوعی که تا کنون
دز بازرهای wall مورد استفاده قرار گرفتهاند به دو دستهی الگوریتم تصادفی و الگوریتم ژنتیک
تقسیم میشوند.
الگوریتم تصادفی: در این روش روشها و ابزارهای مختلف تکنیکال با هم ترکیب شده و به یک
استزاتزی واخد تبدیل میشوند. نتپس ان استراتری واحد مورد,آزمایش و بکتشت قراز میگیرن.
* الگوریتم ژنتیک: در این روش استراتژیهای سودآور سریعتر از روش قبلی به دست میآید. چرا
که اشهراتزوهایبه دست آیده آل الكوريتس تصاد في نه لورت دادم aq هییفن مصنوعن: داوج
شود و سبين سیستم آنها را پرزشی کردح ف اسر ترفهانی مربظ با یکدیگر را جوریه ددرباهم
ترکیب ی کند وربه یک استزانژی جدید یرس
صفحه 16:
الگوریتمی
مزایا:
۰ءصرفهجویی در زمان
*کنترل احساسات در مدیریت معاملات
»کاهش تخلفات و تقلب در با
»کاهش هزینه
*اجرای استراتژیهای معاملاتی پیچیده
»قابلیت پیش تست
زار
معایب:
۰دقت پایین در کد نویسی
*نواقص قنی و مکانیکی
*اشتباهات در پی تست
صفحه 17:
چرخه حیات معاملات الگوریتمی
٠ چرخه معاملات الگوریتمی چگونه کار میکند؟ معاملات الگوریتمی با یک ایده
معاملاتی آغاز میشود که سپس به یک کد استراتژی الگوریتمی طراحی و توسعه
داده.میشود. این کد سيس در طول جندين سال و در بازارهاى مختلف ازمايش و
بهيندسازى مىشود. در نهايت, اين كد براى اجراى خودكار با استفاده از يى كد
الکوریتمی دیگز برای اجرا تنظيم مى شوو
صفحه 18:
مسیرهای کاری
معاملهگر مست
بهعنوان یک قُرد خوداشتغال فعالیت کنید و بهصورت تماموقت از طریق الگوریتمهای خود در بازار معامله کنید.
راهاندازی میز معاملاتی اختصاصی خود
یگ تیم کوچک استخدام کنید و میز معاملاتی اختصاصی (172009 (Proprietary 29 را راهاندازی کنید.
اهاندازی صندوق سرمایهگذاری (۴۰۸۳0 ۲۷۵۵96)
الگوزیمرهای بیچنده و کم پوسته دهیوریک پربامه suai چیه کنیم: رتیه آول جرب کب و دوگ
سرمایه گذازی خود را راهاندازی کنید
ستن به میز معاملاتی اختصاصی بانک/کار"
بذك مير متاملاس الکوریتمن اختصاصی در یک شركث sepsis سرمایهگذاری یا خزانهداری بپیوندید.
صفحه 19:
اتدارلیی
.بایدیاد گرفتکه ee mS. سل كني
آموزيش دن جارارهاقت
بهينه سارو رليند يادكيروخود در بازاره وواقعس
3
بادگیریهر جز
تسلطیر ما۳9 ی شناخکاملتمام اجزا
000 ركحرفملى
.معاملهگ ریهمانند صندووهایحرفهلی
5
لیجاد سیدهاعمتنوع | گوریتمی
.لیجاد سبدهاعمعامالتومتنوع با ان ود
تحلیلهایمعاملاتی
,درک عمیق ما هیا گوریتمهاعمعامللتی
رلمانداز یک سبوکار
سادگیریچنبهایت_جارجو مدیریتی گوریمهاحمعامللتی
صفحه 20:
طبقات دارايى
* انواع بازارها
سهام, فارکس, درآمد ثابت, کالاها
معامله در طبقات مختلف دارایی
در کدام طبقات مختلف دارایی معامله کنید و الگوریتمهایی بسازید که با شرایط
و ساختارهای مختلف بازار سازگار باشند.
* افقهای معاملاتی خود را گسترش دهید
بابياد ترق :معا قله در طيقات ذازاين محبلف..فرضيع فاق تتشترى :تزاف
معامله كرى ايجاد كنيم.
صفحه 21:
آموزش در بازارهای
زنده
۰ بهینهسازی یادگیری ماشین
۰ 1. آموزش در بازارهای زنده |
باید | seh نها ما الى را از yb
اید استراتژیهای تی را از طریق
آموزش در بازارهای زنده و محیطهای
شبیهسازیشده طراحی و پیادهسازی کنیم.
Define Risk/Reward/Goals Define Set of Rules
۰ 2. اتوماسیون کامل
معاملات و آیدههای تحقیقاتی خود را optimize simulate موه
بهطور کامل خودکار کنیم. استراتژیهای
رم فک فلت ها ساره اه
پلتفرمهای مختلف پیادهسازی کنید. یک ae ۳
زیرساخت کاری خودکار و ue آیجاد کنید.
route Stas Bie ae | تسس
يعمو
Development
صفحه 22:
چارچوبها و فریمورکهای مختلف در حوزه معاملهگری الگوریتمی و تحلیل
lesb slut Data Warehouse
len sot las a قالتهای پیشرفنه بای دسترسی
oo
إنواع دادمه: قتمت. داذمهاى بنبادى. جريان اغبار. توسانيذيرق و
سر
ale ae بالات anda را هد خاوما
soln aig slab lis ey slag
سارگاری و lal pi cd Jy
‘Lusssgavozole Feature Engineering Framework
جارجوس برای ابجاد.میریت و غاب ویژگیه:
tan la روى دادههاى قيملى و غير قبمنى.
تصويرسازى دقيق دادمها براى تجزيهوتخليل وار
كافش ايعاد دادمها: التخاب و استخراج وبزكنها.
مه و۴ وتا دامع 99ج جارجو سآيمون
9 ف
اجراى نستهاى اهميت براى بنش بن يديرى عوامل: ۰
تخليل رتيماى عوامل براى ارزيابت رقبار آزها es bain
Sa 2238 شبن در طول زمان. تعاريف و طبقات داراين.
كف لي نا ل
valyLorale Strategy Backtesting Framework
Seal
جارجوس جامع و العطافيدير براى آزمايش سريع ايددهاى معاملاقى:
یل سرت sitll aj ae
شیهساریهای al Sly هزیهای معاملای دقق.
تصويرسازى سفارشى دادمها: و ابزارهاى تجزيه وتخليل عملكرد.
طراحن شده براى جلوكيرى از تعصبات بارآرمايى.
ممع سدع ومتصيهها #متاعد! جارجونيادكبرى
coal
جارجوب بمشرفته بادكيرى مانشين براق بهيود فرآند سرمايدكتارى:
طراحى مازولار براى اجراى سريع الكوريتهاى مختلف.
موارد استقاده؛ خوشمبندى دارايسهاء مدل سازى بازدم. تعيين وز
داراس و خر
رویکردجمهسفید: ری درک عمیقمدلها
ezule Parameter Optimization Framework
هیمس اریی ارامترها
جارجوبى براى انتخاب بارامترهاى استرانزى و جلوگیری از تعصات؛
استفاده از روش هاى ly La سازى بارامترها.
بابدارى بارامترها: در طول رمان. طبقات دارابي و مجموعه دادمها.
داده
Portfolio Construction Framework جارچوب
ساح رتفوق
مازول ساعت برتقوى بويا با لهداف چندگاه
pled جندكاه: بازده. كاهش اقت سرمايه. توسانيذيرق و
ary
كاهش ریسک: از طریق خوشهبند دراه
لزكيب دارايت ها و عومل ریسک؛ رای تین پوی هید
Framework و۵980 و50۳۵ چارجوبآرمونه شار
مزول آزمون فر میتی بر yal lagu شیساه:
تخليل موسوفانیتطبر نیع ریسک: دای باه و ستاريوفاق:
oe
بارغورد به تخقيق؛ از طريق ستاسابى ريسكتفاق مديريتدة.
صفحه 23:
معاملهگری حرفهای
معامله مانند صندوقهای حرفهای
1.انتخاب فعال:
با تجزیهوتحلیل دقیق, داراییها و استراتژیهای معاملاتی را بهصورت فعال انتخاب کنید
ی از بازارهای نزولی:
یاد بگیرید وی در بازارهای نزولی نیز سود کسب کنید.
اهرم بهینهشده برای ریسک:
استفاده از Jal وه با مدیریت دقیق ریسک برای افزایش بازده.
4.کاهش ریسک سیستما
طراحی استراتژیهایی برای کاهش اثرات وهای سیستماتیک.
5.تنوعبخشی در بخشهای مختلف:
سرمایهگذاری در بخشهای گوناگون کاهش ریسک پرتفوی.
6.زمانبندی بازار:
پادگیری نحوه تشخیص زمان مناسب برای ورود و خروج از بازار.
صفحه 24:
ساخت استراتژیها/سبکها مانند یک صندوق پوشش:ریسک حرفهای
1- آينده مديريت شده / 8
عمدتً متتی بر ال کردن رود
امكان كسب سود از بازارهاى نزولى و صعودى.
مناسب براق تتوع بخشى بخشى به يرتفوى.
استفاده كارآمد ار محصولات مشتقه با هزنه کم
مشارکت در طیف گستردهای از محصولات مالى و بازارهاين كه.
در محصولات سرمابگذاری بستن (ماندکالاها در دسترمن"
توانابى به حداقل رساندن ريسك سيستماتيك.
2- سهام بلند / کوتاه
شامل سرمایگذری هم در موفعتهای خرید اند و
len? SUAS Se a
بزرگترین بعش از استرنزیهای سرماهذاری صندقهای
بتاى کمتر و کاهش رسک سیستمانک ete ale ls a
ارآ
رنه فرستهای منوع در بازارهاى نزولى و صعودى.
3- ارزش نسبی
استفاده همزمان از موقعيتهاى خريد و فروش در بزاهای
هرهگیری از اشتبهات قیمتگذاری و سایرفرصتها
كسب سود از اخلاف Saad دو داراين. در حالی که نسیت.
به سید خوامل خی بافی میاه
عدم همیستگی با بازارهای سهام و اراق قرضه عمومی.
4- فرصت طلبانه
تعصص در سرمایگذای دز بزارهای سرمای که ویزگیهای
See aU Ss
بهرهبداری از اکارآمدیهای اساسی: اهجاریها وتات در
estat
رویکد باه پاین برای شنانبایی فرصتهای سرمابدگذری
دکوتا مد
استفاده از فرستهای اضافی برای کسب پازده بل و مدبریت .
sa
5- مدلهای برتعوی کمی
aa برسي عن tad از لب مزر
le eee Sa کی رشن
استفادة از مدلهاى اختصاصى براى افرايش ls شكست
شامل استرائزى هاى ميننى بر حركت و استرائزىهاى معكوس.
تمرکز بر نوعبخشی و کاهش ریسکهای سپستمانک.
6- تنها موفعیتهای کوتاه بويا
lf jlo امل اوراق بهادارى كه در مقابسه با رز دا
ود قمت بای معامله مشود
als a قبمت ابن أوراق در بازعهاى كوتاهمدت تا ميان مدت
فروش اوراق بهاداری که یش از جدارزشگذاری شدان؛ بر
اساس BOT tale ella
كاهش ريسك سيستماتيك و بهرةورى در بازارهاى تزولى.
صفحه 25:
۰ بازار پویا همانند بازار جهانی ارز با توجه به برخورداری از عمق بالای معاملاتی را متاسفانه نمیتوان با بازار
سرمایه ایران. مورد مقایسه قرار داد. زمان انجام معاملات را میتوان بهعنوان یکی از معضلات در بورس
ایران محسوب کرد. عمق محدود معاملات هم جالش دیگری است. پنابراین نه به لحاظ زمانی و نه از نظر
عمق و حجم معاملات با فارکس قابلیت مقایسه وجود ندارد.
۰ بازار سرمایه ایران یک رت آستت:(پوزینهای-چهانن:آما لگوریيماژه یدوز نآزا زی موطرقت ip
مهمی را انجام میدهند. سرمایهگذار علاوهبر رشد قیمت از افت قیمت نیز بهتوعی منفعت کسب میکند.
میاه از الکوریتمهایی که در بورسهای جهانی مورد استفاده قرار میگیرند در بازار سهام نمیتوان بهره
رسنس ومو اراز آفزیسسأقت: دامنه نوسان حذف شد و از بسترهایی که بتوان از طریق آن اقدام به
رف ee ung د م وان bls as eae nail Gaul کم CE Ge و
حجم معاملات در ارقامی مطلوب وجود داشته باشد, هچ نوع الگوریتمی نمیتواند قيمتها را سرکوب کند.
صفحه 26:
ea a 00000 a
نتايج بررسی انجام شده سفارشات در بازه زمانی ابتدای سال جاری تا پایان مهرماه. نشاندهنده آن است
)1403( که حدود ۱۰ درصد از ارزش سفارشات خرد سهام و حق تقدم. شامل سفارشات الگورینمی است.
شرکتهای فعال در معاملات الگوریتمی هم باید فعالیت خود را به نهاد ناظر و بورس مربوطه اطلاع دهند و
برای تأبید الگوریتمهای مورد آستفاده خود باید مجوز الزام را از بورس اوراق بهادار دریافت کنند.
صفحه 27:
۰ یکی از استراتژیهای معاملات الگوریتمی که معمولاً مورد استفاده قرار میگیرد,
تقسیم سفارشهای بزرگ خرید و فروش به اندازههای کوچکتر بهمنظور به حداقل
رساندن اثر سفارشهای بزرگ بر قیمتِ بازار است. فناوریهای معاملات الگوریتمی
میتوانند با قدرت محاسیاتی بالا فورا به اخبار باژار انواع داراییها واکنش نشان
دهند. همچنین الگوریتمها میتوانند قيمتها را از چندین بازار به طور قمزمانٍ مورد
الکور,
پررسی قرار دهند و در مسیر شناسایی فرصتهای سودآور, نقد را در میان
مجاری معاملاتی متعدد تسهیل کنند. بنابراین هدف از معاملات الگوریتمی کمک به
سرمایهگذاران برای اجرای استراتژیهای مالی خاص در سریعترین ژمان ممکن به
منظور بهدستآوردن سود بیشتر است.
۰ از دیدگاه نهاد ناظر بازار سرمایه آمریکا, معاملات الگوریتمی با افزایش ریسک
عملیاتی ناشی از توسعه, آزمون و اجرای نامناسب الگوریتمها میتواند اثرات مخرب
شدیدی بر ثبات شرکتها و کل بازارها داشته باشد بنابراین عدم وجود الزامات و
محدودیتهای نظارتی برای معاملات الگوریتمی میتواند ریسکهای زیادی را به بازاز
وارد کرده و منجر به سقوط بازارهای مالی شود.
صفحه 28:
سخن پایانی
معاملات الكو يتم در سنطح جهاتن, از کشوزهای آمزیکا و ارویا گرفته تا هن چین و سنگاپوز به
سرعت در حال جایگزینی معاملات سنتی هستند و شرکتهایی که از اين روشها استفاده
میکنند, به طور فزایندهای بازارهای این کشورها را تحت سلطه خود قرار دادهاند. رقابت مبان
شرکتهای سرمایهگذاری برای بهرمیرداری از ايين تکنیکهای مدین شدت گرفته و معاملارت
الگوریتمی به جزئی از ساختار اصلی بازارهای مالی تبدیل شدهاند.
* مزایای برجسته معاملات الگورتمی و اکسبرتها (که از جمله مزاباى كامييوتر نسيت به اسان
محتبوب ميشوند) مانتد: تسرعت,بالا در تجلیل. ی و اجرای دستورات. فمجنین .عدم
خستگی, به تدریج فضای کمی برای روشهای سنتی در بازارهای مالی باقی ie
* در آینده. وظیفه انسان در بازارهای مالی جهانی به خلاقیت و طراحی استراتژیها و روشهای
جدید محدود خواهد شد و دیگر نیازی به رصد بازار و انجام معاملات نیست, چرا که کامپیوترها
هنوز نتواستهاند از نظر خلاقیت به سطح انسان برستد:
* بتابراین, برای حضور موثر در بازارهای مالی آینده. یا باید به استفادهکنندگان از ae
بریتمی بپيوندیم؛ يآ در زمره ان اين سیستمها قرار میم و در هر دو حالت, ياد
بیشتر در این حوزه از ضروریات حضور فعال در بازارهای آینده است.
صفحه 29:
نمونه عملیاتی برنامه معاملات الگوریتمی با پایتون
*پروژه با استفاده از کتابخانه های زیر برنامه نویسی شده است
* Pandas
+ Numpy
* Matplotlib
* برنامه داده ها را از فایل 0363.65۷ 5061 می خواند و سیگنال ورود
و خروج را بر اساس تقاطع میانگین متحرک 20 و 50 (کوتاه و بلند
مدت) صادر می کند و آن را در فایل 65۷ output, 60۷ ذخیره
میکند و نمودا فيمنت رما oe eae = هرجا میانگین متحرک
0 روز از میانگین متحرک 50 روزه بیشتر no شود می خرد و
بالعکس.
صفحه 30: