Grunnleggende om algoritmisk handel: konsepter og eksempler

Algoritmisk handel (også kalt automatisert handel, black-box-handel eller algo-trading) bruker et dataprogram som følger et definert sett med instruksjoner (en algoritme) for å plassere en handel. I teorien kan handelen generere overskudd med en hastighet og frekvens som er umulig for en menneskelig handelsmann.

De definerte instruksjonssettene er basert på timing, pris, mengde eller hvilken som helst matematisk modell. Bortsett fra gevinstmuligheter for den næringsdrivende, gjør algo-handel mer likviditet og handel mer systematisk ved å utelukke effekten av menneskelige følelser på handelsaktiviteter.

Algoritmisk handel i praksis

Anta at en næringsdrivende følger disse enkle handelskriteriene:

• Kjøp 50 aksjer av en aksje når det 50-dagers glidende gjennomsnitt går over 200-dagers glidende gjennomsnitt. (Et glidende gjennomsnitt er et gjennomsnitt av tidligere datapunkter som jevner ut de daglige prissvingningene og derved identifiserer trender.)
• Selg aksjer på aksjen når det 50-dagers glidende gjennomsnitt går under 200-dagers glidende gjennomsnitt.

Ved hjelp av disse to enkle instruksjonene vil et dataprogram automatisk overvåke aksjekursen (og indikatorene for glidende gjennomsnitt) og legge inn kjøps- og salgsordrer når de definerte betingelsene er oppfylt. Den næringsdrivende trenger ikke lenger å overvåke livepriser og grafer eller legge inn ordrene manuelt. Det algoritmiske handelssystemet gjør dette automatisk ved å identifisere handelsmuligheten riktig.

Grunnleggende om algoritmisk handel

Fordelene med algoritmisk handel

Algo-trading gir følgende fordeler:

• Handler utføres til best mulige priser.
• Handelsordreplassering er øyeblikkelig og nøyaktig (det er stor sjanse for utførelse på de ønskede nivåene).
• Handler er tidsinnstilt riktig og umiddelbart for å unngå betydelige prisendringer.
• Reduserte transaksjonskostnader.
• Samtidig automatisert kontroll av flere markedsforhold.
• Redusert risiko for manuelle feil når du handler.
• Algo-handel kan testes på nytt ved å bruke tilgjengelige historiske og sanntidsdata for å se om det er en levedyktig handelsstrategi.
• Redusert mulighet for feil fra menneskelige handelsmenn basert på emosjonelle og psykologiske faktorer.

Mest algo-handel i dag er høyfrekvent handel (HFT), som prøver å utnytte å plassere et stort antall bestillinger med raske hastigheter på tvers av flere markeder og flere beslutningsparametere basert på forhåndsprogrammerte instruksjoner.

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

• Midt- til langsiktige investorer eller kjøpesidefirmaer - pensjonsfond, verdipapirfond, forsikringsselskaper - bruker algohandel for å kjøpe aksjer i store mengder når de ikke vil påvirke aksjekursene med diskrete, store voluminvesteringer.
• Kortsiktige handelsmenn og deltakere på salgssiden - markedsaktører (for eksempel meglerhus), spekulanter og arbitrageurs - drar nytte av automatisk utførelse av handel; I tillegg hjelper algohandelen med å skape tilstrekkelig likviditet for selgere i markedet.
• Systematiske handelsmenn - trendfølgere, hedgefond eller parhandlere (en markedsnøytral handelsstrategi som matcher en lang posisjon med en kort posisjon i et par svært korrelerte instrumenter som to aksjer, børshandlede fond (ETF) eller valutaer) - finn 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 handelsmanns intuisjon eller instinkt.

Algoritmiske handelsstrategier

Enhver strategi for algoritmisk handel krever en identifisert mulighet som er lønnsom med tanke på forbedret inntjening eller kostnadsreduksjon. Følgende er vanlige handelsstrategier som brukes i algo-handel:

Trendfølgende strategier

De vanligste algoritmiske handelsstrategiene følger trender i glidende gjennomsnitt, kanaloppdeling, prisnivåbevegelser og relaterte tekniske indikatorer. Dette er de enkleste og enkleste strategiene å implementere gjennom algoritmisk handel fordi disse strategiene ikke innebærer å lage noen spådommer eller prisvarsler. Handler initieres basert på forekomsten av ønskelige trender, som er enkle og enkle å implementere gjennom algoritmer uten å komme inn i kompleksiteten til prediktiv analyse. Å bruke 50- og 200-dagers glidende gjennomsnitt er en populær trend-følgende strategi.

Arbitrage-muligheter

Å kjøpe en børsnotert aksje til en lavere pris i ett marked og samtidig selge den til en høyere pris i et annet marked tilbyr prisforskjellen som risikofri fortjeneste eller arbitrage. Den samme operasjonen kan kopieres for aksjer kontra futuresinstrumenter ettersom prisdifferanser eksisterer fra tid til annen. Å implementere en algoritme for å identifisere slike prisforskjeller og plassere ordrene effektivt muliggjør lønnsomme muligheter.

Ombalansering av indeksfond

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

Matematiske modellbaserte strategier

Påviste matematiske modeller, som den delta-nøytrale handelsstrategien, tillater handel med en kombinasjon av opsjoner og den underliggende sikkerheten. (Delta nøytral er en porteføljestrategi som består av flere posisjoner med motregning av positive og negative deltas - et forhold som sammenligner endringen i prisen på en eiendel, vanligvis en omsettelig verdipapir, med den tilsvarende endringen i prisen på dets derivat), slik at det samlede deltaet til de aktuelle eiendelene er null.)

Handelsområde (gjennomsnittlig tilbakevending)

Gjennomsnittlig tilbakeføringsstrategi er basert på konseptet om at de høye og lave prisene på en eiendel er et midlertidig fenomen som periodisk går tilbake til deres middelverdi (gjennomsnittsverdi). Å identifisere og definere en prisklasse og implementere en algoritme basert på den gjør det mulig å plassere handler automatisk når prisen på en eiendel bryter inn og ut av det definerte området.

Volumvektet gjennomsnittspris (VWAP)

Volumvektet gjennomsnittsprisstrategi bryter opp en stor ordre og slipper dynamisk bestemte mindre biter av ordren til markedet ved å bruke aksjespesifikke historiske volumprofiler. Målet er å utføre ordren nær volumvektet gjennomsnittspris (VWAP).

Tidsvektet gjennomsnittspris (TWAP)

Tidsvektet gjennomsnittsprisstrategi bryter opp en stor ordre og slipper dynamisk bestemte mindre biter av ordren til markedet ved å bruke jevnt delte tidsluker mellom en start- og sluttid. Målet er å utføre ordren nær gjennomsnittsprisen mellom start- og sluttid og dermed minimere markedseffekten.

Prosentandel av volum (POV)

Inntil handelsordren er fullstendig, fortsetter denne algoritmen med å sende delvis ordre i henhold til den definerte deltakelsesgraden og i henhold til volumet som omsettes i markedene. Den relaterte “trinnsstrategien” sender ordrer til en brukerdefinert prosentandel av markedsvolumene og øker eller reduserer denne deltagelsesgraden når aksjekursen når brukerdefinerte nivåer.

Gjennomføring mangel

Implementeringsunderskuddsstrategien tar sikte på å minimere utførelseskostnadene for en ordre ved å handle av sanntidsmarkedet, og dermed spare på kostnadene for ordren og dra fordel av mulighetskostnadene ved forsinket utførelse. Strategien vil øke den målrettede deltakelsesraten når aksjekursen beveger seg gunstig og redusere den når aksjekursen beveger seg negativt.

Utover de vanlige handelsalgoritmene

Det er noen spesielle klasser av algoritmer som prøver å identifisere "hendelser" på den andre siden. Disse "sniffing-algoritmene" - som for eksempel brukes av en selger-side-produsent - har den innebygde intelligensen for å identifisere eksistensen av eventuelle algoritmer på kjøpesiden av en stor ordre. Slik deteksjon gjennom algoritmer vil hjelpe produsenten med å identifisere store ordremuligheter og gjøre dem i stand til å dra nytte av å fylle ordrene til en høyere pris. Dette blir noen ganger identifisert som høyteknologisk front-running.

Tekniske krav til algoritmisk handel

Implementering av algoritmen ved bruk av et dataprogram er den siste komponenten i algoritmisk handel, ledsaget av backtesting (å prøve ut algoritmen på historiske perioder med tidligere aksjemarkedsytelse for å se om det ville ha vært lønnsomt å bruke den). Utfordringen er å forvandle den identifiserte strategien til en integrert datastyrt prosess som har tilgang til en handelskonto for bestilling. Følgende er kravene for algoritmisk handel:

• Dataprogrammeringskunnskap for å programmere den nødvendige handelsstrategien, innleide programmerere, eller ferdiglaget handelsprogramvare.
• Nettverkstilkobling og tilgang til handelsplattformer for å legge inn bestillinger.
• Tilgang til markedsdata-feeds som vil bli overvåket av algoritmen for muligheter for å legge inn bestillinger.
• Evnen og infrastrukturen til å backtest systemet når det er bygget før det går live på virkelige markeder.
• Tilgjengelige historiske data for backtesting avhengig av kompleksiteten i regler implementert i algoritmen.

Et eksempel på algoritmisk handel

Royal Dutch Shell (RDS) er notert på Amsterdam Stock Exchange (AEX) og London Stock Exchange (LSE). Vi starter med å bygge en algoritme for å identifisere arbitrage-muligheter. Her er noen interessante observasjoner:

• AEX handler i euro mens LSE handler i britisk pund.
• På grunn av tidsforskjellen på en time åpner AEX en time tidligere enn LSE etterfulgt av begge børser samtidig i løpet av de neste timene, og handler deretter bare i LSE i løpet av den siste timen når AEX stenger.

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

Krav:

• Et dataprogram som kan lese gjeldende markedspriser.
• Prisstrømmer fra både LSE og AEX.
• En valutakurs for fremmed valuta (GBP).
• Ordreplassering evne som kan rute ordren til riktig utveksling.
• Mulighet for backtesting på historiske prisstrømmer.

Dataprogrammet skal utføre følgende:

• Les innkommende prisstrøm på RDS-aksjer fra begge børsene.
• Ved å bruke de tilgjengelige valutakursene, konverterer du prisen på den ene valutaen til den andre.
• Hvis det er et stort nok prisavvik (diskontering av meglerkostnadene) som fører til en lønnsom mulighet, bør programmet plassere kjøpsordren på børsen til lavere pris og selge ordren på den dyre børsen.
• Hvis ordrene blir utført som ønsket, vil arbitrage-fortjenesten følge.

Enkelt og enkelt! Imidlertid er praksisen med algoritmisk handel ikke så enkel å vedlikeholde og utføre. Husk at hvis en investor kan plassere en algenerert handel, kan også andre markedsaktører. Følgelig svinger prisene i milli- og til og med mikrosekunder. Hva skjer i eksemplet ovenfor, hva skjer hvis en kjøpshandel utføres, men selgehandelen ikke fordi salgsprisene endrer seg når ordren treffer markedet? Den næringsdrivende vil sitte igjen med en åpen stilling som gjør arbitrage-strategien verdiløs.

Det er flere risikoer og utfordringer som systemfeilrisikoer, nettverkstilkoblingsfeil, tidsforsinkelser mellom handelsordrer og utførelse og, viktigst av alt, ufullkomne algoritmer. Jo mer kompleks en algoritme er, desto strengere backtesting er nødvendig før den settes i verk.