Algoritmisk handel Algoritmisk handel. også kalt automatisert handel. black-box trading. eller algo trading. er bruk av elektroniske plattformer for å legge inn handelsordrer med en algoritme som utfører forhåndsprogrammerte handelsinstruksjoner hvis variabler kan inkludere timing, pris eller kvantitet av bestillingen, eller i mange tilfeller initiering av ordren med en robot uten menneskelig inngrep. Algoritmisk handel er mye brukt av investeringsbanker. pensjonsfond. verdipapirfond. og andre kjøpside (investor-drevne) institusjonelle handelsmenn, å dele store handler i flere mindre handler for å håndtere markedsvirkninger og risiko. 1 2 Selg sidehandlere, for eksempel markeds beslutningstakere og noen hedgefond. gi likviditet til markedet, generere og gjennomføre bestillinger automatisk. En spesiell klasse med algoritmisk handel er høyfrekvent handel (HFT). Mange typer algoritmiske eller automatiserte handelsaktiviteter kan beskrives som HFT. Som et resultat, i februar 2012 dannet Commodity Futures Trading Commission (CFTC) en spesiell arbeidsgruppe som inkluderte akademikere og industrieksperter for å gi råd til CFTC om hvordan man best kan definere HFT. 3 4 HFT-strategier bruker datamaskiner som gjør utførlige beslutninger om å initiere ordrer basert på informasjon som mottas elektronisk, før menneskelige handler er i stand til å behandle informasjonen de observerer. Algoritmisk handel og HFT har resultert i en dramatisk forandring av markedets mikrostruktur, særlig i likhet med likviditeten. 5 Algoritmisk handel kan brukes i enhver investeringsstrategi. inkludert markedsfremstilling. intermarked spredning, arbitrage. eller ren spekulasjon (inkludert trend som følger). Investeringsbeslutningen og gjennomføringen kan økes på et hvilket som helst tidspunkt med algoritmisk støtte eller kan fungere helt automatisk. Et av hovedproblemene knyttet til HFT er vanskeligheten ved å bestemme hvor lønnsomt det er. En rapport utgitt i august 2009 av TABB-konsernet, et finansnært næringslivsforskningsfirma, anslår at de 300 verdipapirforetakene og hedgefondene som spesialiserer seg på denne type handel, tok maksimalt US21 milliarder i fortjeneste i 2008, 6 som forfatterne kalt forholdsvis liten og overraskende beskjeden i forhold til markedets samlede handelsvolum. En tredjedel av alle EU-aksjer og amerikanske aksjer i 2006 ble drevet av automatiske programmer eller algoritmer, ifølge Boston-baserte finansieringsindustriens forsknings - og konsulentfirma Aite Group. 7 Fra 2009 foreslo studier for HFT-firmaer 60-73 av alle amerikanske aksjemarkedsvolumer, og tallet faller til omtrent 50 i 2012. 8 9 I 2006, på London Stock Exchange. Over 40 av alle ordrer ble inngått av algoritmiske handelsmenn, med 60 spådde for 2007. Amerikanske markeder og europeiske markeder har generelt en høyere andel av algoritmiske handler enn andre markeder, og estimater for 2008 varierer så høyt som 80 prosent i enkelte markeder. Valutamarkeder har også aktiv algoritmisk handel (ca. 25 ordrer i 2006). 10 Futures-markeder anses å være ganske enkle å integrere i algoritmisk handel, 11 med ca. 20 valgmuligheter volum forventes å bli datagenerert innen 2010. Skriptfeil Skriptfeil 91 datert info 93 12 Obligasjonsmarkeder beveger seg mot mer tilgang til algoritmiske handelsmenn. 13 Algoritmisk og HFT har vært gjenstand for mye offentlig debatt siden USAs Securities and Exchange Commission og Commodity Futures Trading Commission sa i rapporter at en algoritmisk handel inngått av et aksjeselskap selskap utløste en bølge av salg som førte til 2010 Flash Crash . 14 15 16 17 18 19 20 21 Samme rapport funnet HFT-strategier kan ha bidratt til påfølgende volatilitet. Som et resultat av disse hendelsene, opplevde Dow Jones Industrial Average sin nest største intradag punktsvinge til den dato, selv om prisene raskt ble gjenopprettet. (Se Liste over største daglige endringer i Dow Jones Industrial Average.) En rapport fra International Securities Commission (IOSCO), en internasjonal gruppe verdipapirregulatorer, konkluderte med at mens algoritmer og HFT-teknologi har blitt brukt av markedet i juli 2011 deltakere til å styre sin handel og risiko, var deres bruk også tydelig en medvirkende faktor i flashkrasjhendelsen 6. mai 2010. 22 23 Enkelte algoritmiske handeler før indeksfondets rebalansering overfører overskudd fra investorer. 24 25 26 Historikk Rediger Datastyring av ordreflyten i finansmarkedene begynte tidlig på 1970-tallet, med enkelte landemerker som introduksjonen av New Yorks Børs s-ordnede ordreavlesningssystem (DOT og senere SuperDOT), som dirigerte ordrer elektronisk til riktig handelspost, som utførte dem manuelt. Åpningsautomatisert rapporteringssystem (OARS) hjalp spesialisten til å bestemme markedsavklaringsåpningsprisen (SOR Smart Order Routing). Programhandel er definert av New York Stock Exchange som en ordre om å kjøpe eller selge 15 eller flere aksjer verdsatt til over USD1 millioner totalt. I praksis betyr dette at alle programhandler inngås ved hjelp av en datamaskin. På 1980-tallet ble programhandel blitt mye brukt i handel mellom SampP500-aksjemarkedet og futures-markedene. I aksjeindeks arbitrage kjøper en næringsdrivende (eller selger) en aksjeindeks futures kontrakt som SampP 500 futures og selger (eller kjøper) en portefølje på opptil 500 aksjer (kan være en mye mindre representativ delmengde) på NYSE som er matchet mot futures handel. Programhandelen på NYSE ville være forhåndsprogrammert til en datamaskin for automatisk å komme inn på ordren i NYSEs elektroniske bestillingsrutingssystem på en tid da futuresprisen og aksjeindeksen var langt nok fra hverandre for å tjene penger. På omtrent samme tid var porteføljeforsikring utformet for å skape et syntetisk salgsmulighet på en børsportefølje ved dynamisk trading aksjeindeks futures i henhold til en datamodell basert på BlackScholes opsjonsprisemodell. Begge strategiene, ofte rett og slett klumpet sammen som programhandel, ble klandret av mange mennesker (for eksempel ved Brady-rapporten) for å forverre eller til og med begynne krisen i aksjemarkedet i 1987. Likevel er virkningen av datastyrt handel på aksjemarkedskrasj uklart og diskutert mye i det akademiske samfunnet. 27 Finansmarkeder med full elektronisk utførelse og lignende elektroniske kommunikasjonsnett utviklet i slutten av 1980-tallet og 1990-tallet. I USA-desimalisering. som endret minimum tick størrelse fra 116 av en dollar (US0.0625) til US0.01 per aksje, kan ha oppmuntret algoritmisk handel som det forandret markedet mikrostruktur ved å tillate mindre forskjeller mellom tilbud og tilbudspriser, redusere markeds beslutningstakere handelsfordel, og dermed øke likviditeten i markedet. Denne økte likviditeten i markedet førte til at institusjonelle forhandlere splittet ordrer i henhold til datalgoritmer, slik at de kunne utføre ordrer til en bedre gjennomsnittspris. Disse gjennomsnittlige prisbehandlingsmålene måles og beregnes av datamaskiner ved å bruke den tidsvektede gjennomsnittsprisen eller mer vanligvis ved den volumvektede gjennomsnittsprisen. En ytterligere oppmuntring til godkjenning av algoritmisk handel på finansmarkedene kom i 2001 da et team av IBM-forskere publiserte et dokument 28 på den internasjonale felleskonferansen om kunstig intelligens der de viste at i eksperimentelle laboratorieversjoner av de elektroniske auksjonene som ble brukt i den finansielle markeder, to algoritmiske strategier (IBMs egen MGD. og Hewlett-Packard s ZIP) kunne konsekvent utføre menneskelige handelsmenn. MGD var en modifisert versjon av GD-algoritmen oppfunnet av Steven Gjerstad forsterker John Dickhaut i 19967 29 ZIP-algoritmen ble oppfunnet hos HP av Dave Cliff (professor) i 1996. 30 I deres papir skrev IBM-teamet at den økonomiske effekten av deres resultater viser MGD og ZIP overpresterende menneskelige handelsmenn. kan bli målt i milliarder av dollar årlig genererte IBM-papiret internasjonal mediedekning. Etter hvert som flere elektroniske markeder åpnet, ble det innført andre algoritmiske handelsstrategier. Disse strategiene blir lettere implementert av datamaskiner, fordi maskiner kan reagere raskere til midlertidig misprising og undersøke priser fra flere markeder samtidig. For eksempel Stealth (utviklet av Deutsche Bank), Sniper og Guerilla (utviklet av Credit Suisse 31), arbitrage. statistisk arbitrage. trenden følger. og gjennomsnittlig reversering. Denne typen handel er det som driver den nye etterspørselen etter Low Latency Proximity Hosting og Global Exchange Connectivity. Det er viktig å forstå hva latens er når man setter sammen en strategi for elektronisk handel. Latency refererer til forsinkelsen mellom overføring av informasjon fra en kilde og mottak av informasjonen på en destinasjon. Latency har som en nedre grense lysets hastighet dette tilsvarer ca 3,3 millisekunder per 1000 kilometer optisk fiber. Ethvert signalegenskaperings - eller rutingsutstyr introduserer større latens enn denne lyshastighetsgrunnlinjen. Strategier Redigere Trading før indeksfondrebalansering Redigere De fleste pensjonsbesparelser. slik som private pensjonskasser eller 401 (k) og individuelle pensjonskonto i USA, er investert i verdipapirfond. Den mest populære er indeksfond som må periodisk balansefjøre eller justere porteføljen for å matche de nye prisene og markedsverdiene til de underliggende verdipapirene i aksjen eller annen indeks som de sporer. 32 33 Dette gjør det mulig for algoritmiske forhandlere (80 av hverandre involverer de 20 mest populære verdipapirene 32) å forutse og handle før aksjekursendringer forårsaket av rebalansering av fondene, noe som gir fortjeneste på forhåndskunnskap om de store institusjonelle blokkordrene. 24 34 Dette resulterer i overskudd overført fra investorer til algoritmiske handelsmenn, beregnet til å være minst 21 til 28 basispunkter årlig for SampP 500 indeksmidler, og minst 38 til 77 basispoeng per år for Russell 2000-midler. 25 John Montgomery fra Bridgeway Capital Management sier at den resulterende fattige investorens avkastning fra handel foran fond er elefanten i rommet som sjokkerende, snakker folk ikke om. 26 Relatert tidssonearbitrage mot verdipapirfond og deres underliggende verdipapirer som handles på oversjøiske markeder, vil trolig skade økonomisk integrering mellom USA, Asia og Europa. 35 Trend etter Rediger Trend følger er en investeringsstrategi som forsøker å dra nytte av langsiktige, mellomlangtids - og kortsiktige bevegelser som noen ganger forekommer i ulike markeder. Strategien tar sikte på å utnytte en markedstendens på begge sider, gå lang (kjøp) eller kort (selge) i et marked for å forsøke å tjene på oppgang og nedgang i aksjemarkedet eller futuresmarkedet. Traders som bruker denne tilnærmingen kan bruke nåværende markedsprisberegning, bevegelige gjennomsnitt og kanalbrudd for å bestemme den generelle retningen på markedet og å generere handelssignaler. Traders som abonnerer på en trendstrategi, tar ikke sikte på å prognose eller forutsi bestemte prisnivåer de starter en handel når en trend ser ut til å ha startet, og gå ut av handel når trenden ser ut til å ha avsluttet. 36 Parhandel Rediger Parhandel eller Parhandel er en langvarig. ideelt markeds nøytral strategi som gjør det mulig for handelsmenn å dra nytte av forbigående avvik i relativ verdi av nærtliggende erstatninger. I motsetning til klassisk arbitrage, i tilfelle parhandel, kan loven av en pris ikke garantere konvergens av priser. Dette gjelder spesielt når strategien gjelder for enkelte aksjer - disse ufullkomne erstatninger kan faktisk avvike på ubestemt tid. I teorien bør strategiens langvarige karakter gjøre det til å fungere uansett aksjemarkedsretningen. I praksis kan utførselsrisiko, vedvarende og store avvik, samt en svak volatilitet gjøre denne strategien urentabel i lange perioder (for eksempel 2004-7). Det tilhører bredere kategorier av statistisk arbitrage. konvergenshandel. og relative verdi strategier. 37 Delta-nøytrale strategier Redigere I finans beskriver delta-nøytral en portefølje av tilknyttede finansielle verdipapirer, hvor porteføljeværdien forblir uendret på grunn av små endringer i verdien av den underliggende sikkerheten. En slik portefølje inneholder vanligvis opsjoner og tilhørende underliggende verdipapirer slik at positive og negative deltakomponenter oppveies, noe som resulterer i at porteføljeværdien er relativt ufølsom for endringer i verdien av den underliggende sikkerheten. Arbitrage Rediger I økonomi og finans. arbitrage r b t r er praksis for å utnytte en prisforskjell mellom to eller flere markeder. slår en kombinasjon av samsvarende avtaler som utnytter ubalansen, hvor fortjenesten er forskjellen mellom markedsprisene. Når det brukes av akademikere, er en arbitrage en transaksjon som ikke involverer noen negativ kontantstrøm i enhver probabilistisk eller midlertidig tilstand, og en positiv kontantstrøm i minst en stat på enkle vilkår, det er muligheten for et risikofri resultat til null kostnad. Vilkår for arbitrage Rediger Arbitrage er mulig når en av tre betingelser er oppfylt: Den samme eiendelen handler ikke til samme pris på alle markeder (loven om en pris er midlertidig krenket). To eiendeler med identiske kontantstrømmer handler ikke til samme pris. En eiendel med en kjent pris i fremtiden handler ikke i dag til sin fremtidige pris nedsatt til den risikofrie renten (eller aktivet har ikke ubetydelige kostnader for lagring som sådan, for eksempel gjelder denne tilstanden for korn, men ikke for verdipapirer). Arbitrage er ikke bare handlingen med å kjøpe et produkt i ett marked og selge det i en annen til en høyere pris på et senere tidspunkt. De lange og korte transaksjonene bør ideelt sett skje samtidig for å minimere eksponeringen mot markedsrisiko, eller risikoen for at prisene kan endres på ett marked før begge transaksjonene er ferdige. Praktisk sett er dette generelt kun mulig med verdipapirer og finansielle produkter som kan handles elektronisk, og selv da når første handelsben (er) utføres, kan prisene i de andre benene ha blitt forverret, låst i en garantert tap. Mangler ett av handelsbenet (og senere å åpne det til en verre pris) kalles eksekveringsrisiko eller mer spesifikt inn-og utleggsrisiko. notat 1 I det enkleste eksempelet, bør en hvilken som helst god solgt i ett marked selge til samme pris i en annen. Traders kan for eksempel finne ut at prisen på hvete er lavere i landbruksregioner enn i byer, kjøp det gode, og transporter det til en annen region for å selge til en høyere pris. Denne typen prisarbitrage er den vanligste, men dette enkle eksemplet ignorerer kostnadene ved transport, lagring, risiko og andre faktorer. Sann arbitrage krever at det ikke er noen markedsrisiko involvert. Når verdipapirer handles på mer enn en børs, oppstår arbitrage ved samtidig å kjøpe i en og selge på den andre. En slik samtidig gjennomføring, dersom perfekte erstatninger er involvert, minimerer kapitalbehovet, men i praksis oppretter det aldri en selvfinansiert (fri) stilling, da mange kilder tar feil på å følge teorien. Så lenge det er noen forskjell i markedsverdien og risikoen for de to bena, må kapitalen bli satt opp for å bære den lange arbitrageposisjonen. Gjennomsnittlig reversering Rediger Gjennomsnittlig reversering er en matematisk metode som noen ganger brukes til å investere i aksjer, men den kan brukes til andre prosesser. Generelt er tanken at både aksjer høye og lave priser er midlertidige, og at en aksjekurs har en gjennomsnittlig pris over tid. Gjennomsnittlig reversering innebærer først å identifisere handelsområdet for en aksje og deretter beregne gjennomsnittsprisen ved hjelp av analytiske teknikker når det gjelder eiendeler, inntjening osv. Når dagens markedspris er lavere enn gjennomsnittsprisen, anses aksjen attraktiv for kjøp , med forventning om at prisen vil stige. Når dagens markedspris er over gjennomsnittsprisen, forventes markedsprisen å falle. Med andre ord ventes avvik fra gjennomsnittsprisen å gå tilbake til gjennomsnittet. Standardavviket til de siste prisene (for eksempel de siste 20) brukes ofte som en kjøps - eller salgsindikator. Lagerrapporteringstjenester (som Yahoo Finance, MS Investor, Morningstar, etc.), tilbyr vanligvis flytende gjennomsnitt for perioder som 50 og 100 dager. Mens rapporteringstjenester gir gjennomsnittet, er det fortsatt nødvendig å identifisere høye og lave priser for studieperioden. Scalping Edit Scalping (trading) er en metode for arbitrage av små prisforskjeller opprettet av bud-ask-spredningen. Scalpers forsøker å opptre som tradisjonelle markedsførere eller spesialister. Å gjøre spredningen betyr å kjøpe til kjøpesummen og selge til forespørselsprisen, for å få differansen på budsjettet. Denne prosedyren gir profitt selv når budet og spørgene ikke beveger seg i det hele tatt, så lenge det er handelsmenn som er villige til å ta markedspriser. Det innebærer normalt å etablere og likestille en posisjon raskt, vanligvis innen minutter eller sekunder. Rollen som en scalper er faktisk rollen som markeds beslutningstakere eller spesialister som skal opprettholde likviditeten og ordrenes flyt av et produkt av et marked. En markedsfører er i utgangspunktet en spesialisert scalper. Volumet en markedsfører handler er mange ganger mer enn gjennomsnittet individuelle scalpers. En markedsfører har et sofistikert handelssystem for å overvåke handelsaktiviteten. Imidlertid er en markedsfører bundet av strenge utvekslingsregler mens den enkelte næringsdrivende ikke er. For eksempel krever NASDAQ at hver markedsfører skal legge inn minst ett bud og en spør på noe prisnivå, for å opprettholde et tosidig marked for hver aksje representert. Transaksjonskostnadsreduksjon Redigere De fleste strategier referert til som algoritmisk handel (så vel som algoritmisk likviditetssøkende) faller inn i kostnadsreduksjonskategorien. Den grunnleggende ideen er å slå ned en stor ordre i små ordrer og plassere dem i markedet over tid. Valget av algoritme avhenger av ulike faktorer, hvorav det viktigste er volatilitet og likviditet i aksjene. For eksempel, for en svært flytende aksje, som matcher en viss prosentandel av de samlede ordrebeholdningen (kalt voluminlinealgoritmer), er det vanligvis en god strategi, men for en svært illikvide aksje, prøver algoritmer å matche hver ordre som har en gunstig pris ( kalt likviditetssøkende algoritmer). Suksessen til disse strategiene måles vanligvis ved å sammenligne gjennomsnittsprisen der hele bestillingen ble utført med gjennomsnittsprisen oppnådd gjennom en benchmark-utførelse i samme varighet. Vanligvis brukes volumvektet gjennomsnittspris som referanseindeks. Til tider blir kjøpsprisen også sammenlignet med prisen på instrumentet på tidspunktet for bestillingen. En spesiell klasse av disse algoritmene forsøker å oppdage algoritmiske eller isfjellbestillinger på den andre siden (dvs. hvis du prøver å kjøpe, vil algoritmen forsøke å oppdage bestillinger for selgesiden). Disse algoritmene kalles sniffing algoritmer. Et typisk eksempel er Stealth. Noen eksempler på algoritmer er TWAP, VWAP, Implementation shortfall, POV, Skjermstørrelse, Likviditetssøker og Stealth. Strategier som bare gjelder mørke bassenger Rediger Nylig har HFT, som består av et bredt sett av buy-side samt markedsførende selger sidehandlere, blitt mer fremtredende og kontroversielt. 38 Disse algoritmer eller teknikker er vanligvis gitt navn som Stealth (utviklet av Deutsche Bank), Isberg, Dagger, Guerilla, Sniper, BASOR (utviklet av Quod Financial) og Sniffer. 39 Mørke bassenger er alternative elektroniske børser der handel foregår anonymt, med de fleste ordre skjult eller isfjermet. 40 Spillere eller haier snu ut store bestillinger ved å pinge små markedsordrer til å kjøpe og selge. Når flere små ordrer er fylt kan hahaene oppdage nærværet av en stor isbergt rekkefølge. Nå er det et våpenløp, sier Andrew Lo, direktør for Massachusetts Institute of Technology s Laboratory for Financial Engineering. Alle bygger mer sofistikerte algoritmer, og jo mer konkurranse eksisterer, desto mindre er resultatet. 41 High-Frequency Trading Edit I USA representerer høyfrekvenshandel (HFT) firmaer 2 av de ca 20.000 selskapene som opererer i dag, men tegner seg for 73 av alle aksjemarkedsvolum. 42 Fra første kvartal 2009 var forvaltningskapitalen for sikringsfond med HFT-strategier US141 milliarder, ned 21 prosent fra høye. 43 HFT-strategien ble først oppnådd av Renaissance Technologies. 44 Høyfrekvente fond begynte å bli spesielt populær i 2007 og 2008. 43 Mange HFT-firmaer er markeds beslutningstakere og gir likviditet til markedet, noe som har senket volatiliteten og bidratt til å begrense budsjetteringsspreadene som gjør handel og investere billigere for andre markedsdeltakere. 43 45 46 HFT har vært gjenstand for intenst offentlig fokus siden US Securities and Exchange Commission og Commodity Futures Trading Commission uttalte at både algoritmisk og HFT bidro til volatilitet i 2010 Flash Crash. Hovedaktører i HFT inkluderer GETCO LLC, Jump Trading LLC, Tower Research Capital, Hudson River Trading samt Citadel Investment Group, Goldman Sachs, DE Shaw, Renaissance Technologies. 14 15 16 17 Det er fire hovedkategorier av HFT-strategier: Markedsføring basert på ordrestrøm, markedsfremstilling basert på tick data, hendelsesarbitrage og statistisk arbitrage. Alle beslutninger om porteføljeallokering utføres av datastyrt kvantitative modeller. Suksessen til HFT-strategiene er i stor grad drevet av deres evne til samtidig å behandle informasjonsvolumer, noe som vanlige menneskehandlere ikke kan gjøre. type flyttebildefil: Merge-arrow. svg imageright klassestil tekstteksttekst Det har blitt foreslått at denne artikkelen slås sammen i Skriptfeil. (Diskuter) Foreslått siden august 2013. Små småbilder Småbilder Småtekst-datoenavn Markedsføring Redigering Markedsføring er et sett med HFT-strategier som innebærer å sette en grenseordre for å selge (eller tilby) over gjeldende markedspris eller en buy limit order (eller bud) under dagens pris for å dra nytte av bud-spør-spredningen. Automated Trading Desk. som ble kjøpt av Citigroup i juli 2007, har vært en aktiv markedsfører, som tegner seg for rundt 6 av totalt volum på både NASDAQ og New York Stock Exchange. 47 Statistisk arbitrage Rediger Et annet sett med HFT-strategier er klassisk arbitrage-strategi kan innebære flere verdipapirer som dekket renteparitet på valutamarkedet som gir et forhold mellom prisene på et innenlandsk obligasjon, et obligasjonslån i utenlandsk valuta, stedet pris på valutaen, og prisen på en terminkontrakt på valutaen. Hvis markedsprisene er tilstrekkelig forskjellig fra de som er underforstått i modellen for å dekke transaksjonskostnaden, kan fire transaksjoner gjøres for å sikre et risikofri resultat. HFT tillater lignende arbitragter ved hjelp av modeller med større kompleksitet som involverer mange mer enn 4 verdipapirer. TABB-konsernet anslår at årlig samlet fortjeneste av lavtidsarbitrage-strategier for tiden overstiger US21 milliarder kroner. 8 Et bredt spekter av statistiske arbitrage-strategier er utviklet, hvorved handelsbeslutninger utføres på grunnlag av avvik fra statistisk signifikante forhold. Som markedsstrategier kan statistisk arbitrage brukes i alle aktivaklasser. Arrangement arbitrage Rediger En delmengde av risiko, fusjon, konvertibel eller nødsituert verdipapirarbitrage som teller på en bestemt begivenhet, for eksempel kontraktsunderskrift, regulatorisk godkjenning, rettsavgjørelse mv for å endre pris - eller renteforholdet mellom to eller flere finansielle instrumenter og la arbitrageeren tjene penger. 48 Fusjonsarbitrage, også kalt risikoarbitrage, vil være et eksempel på dette. Fusjonsarbitrage består vanligvis av å kjøpe aksjene til et selskap som er målet for en overtakelse mens du kortlegger aksjene i det overtakende selskapet. Normalt er markedsprisen på målselskapet mindre enn prisen som tilbys av det overtakende selskapet. Spredningen mellom disse to prisene avhenger hovedsakelig av sannsynligheten og tidspunktet for overtakelsen som er gjennomført, samt det aktuelle rentenivået. Innsatsen i en fusjonsarbitrage er at et slikt spredning vil til slutt være null, hvis og når overtakelsen er fullført. Risikoen er at avtalen bryter og spredningen utvides massivt. Low latency trading Rediger HFT er ofte forvekslet med lav latency trading som bruker datamaskiner som utfører handler innen mikrosekunder, eller med ekstremt lav latens i handelens jargong. Low-latency-forhandlere er avhengige av ultra-low latency-nettverk. De tjener ved å gi informasjon, for eksempel konkurrerende bud og tilbud, til sine algoritmer microsekunder raskere enn sine konkurrenter. 8 Det revolusjonerende fremskrittet i fart har ført til behovet for at bedrifter har en real-time, colocated trading plattform for å dra nytte av å implementere høyfrekvente strategier. 8 Strategier blir stadig endret for å gjenspeile de subtile endringene i markedet, samt å bekjempe trusselen om at strategien blir omvendt utviklet av konkurrenter. Det er også et sterkt press for kontinuerlig å legge til funksjoner eller forbedringer i en bestemt algoritme, for eksempel klientspesifikke modifikasjoner og ulike ytelsesforbedrende endringer (med hensyn til referansehandel, resultatreduksjon for handelsfirmaet eller en rekke andre implementeringer). Dette skyldes den evolusjonerende karakteren av algoritmiske handelsstrategier, de må kunne tilpasse og handle intelligent, uavhengig av markedssituasjoner, som innebærer å være fleksible nok til å motstå et stort utvalg av markedsscenarier. Som et resultat blir en betydelig del av nettoinntektene fra bedrifter brukt på RampD av disse autonome handelssystemene. 8 Strategiimplementering Redigere De fleste av de algoritmiske strategiene implementeres ved hjelp av moderne programmeringsspråk, selv om noen fortsatt implementerer strategier utformet i regneark. Algoritmer som brukes av store meglerhus og eiendomsforvaltere blir i økende grad skrevet til FIX-protokollene Algoritmic Trading Definition Language (FIXatdl), som gjør det mulig for firmaer som mottar ordre, å spesifisere nøyaktig hvordan deres elektroniske ordrer skal uttrykkes. Ordrer bygget med FIXatdl kan da overføres fra handelssystemer via FIX-protokollen. 49 Grunnmodeller kan stole på så lite som en lineær regresjon, mens mer komplekst spillteoretisk og mønstergjenkjenning 50 eller prediktive modeller også kan brukes til å starte handel. Nevrale nettverk og genetisk programmering har blitt brukt til å lage disse modellene. Utgaver og utvikling Rediger Algoritmisk handel har vist seg å forbedre markeds likviditeten vesentlig 51 blant andre fordeler. Imidlertid har forbedringer i produktiviteten hentet av algoritmisk handel vært imot av menneskelige meglere og forhandlere som står overfor stiv konkurranse fra datamaskiner. Bekymringer Redusere Ulempen med disse systemene er deres svarte box-ness, sier Mr. Williams. Traders har intuitive sanser av hvordan verden fungerer. Men med disse systemene helles du i en mengde tall, og noe kommer ut den andre enden, og det er ikke alltid intuitivt eller klart hvorfor den svarte boksen låst på bestemte data eller relasjoner. 41 Financial Services Authority har holdt et våkent øye med utviklingen av black box trading. I sin årsrapport merket regulatøren på de store fordelene med effektivitet som ny teknologi bringer til markedet. Men det påpekte også at større tillit til sofistikert teknologi og modellering medfører en større risiko for at systemfeil kan føre til driftsavbrudd. 52 Storbritannias finansminister Lord Myners har advart om at selskaper kan bli lekene til spekulanter på grunn av automatisk høyfrekvent handel. Lord Myners sa at prosessen risikerte å ødelegge forholdet mellom en investor og et selskap. 53 Andre problemer er det tekniske latensproblemet eller forsinkelsen med å få sitater til forhandlere, 54 sikkerhet og muligheten for et komplett systembrudd som fører til en markedskrasj. 55 Goldman bruker millioner av dollar på disse tingene. De har flere som jobber i sitt teknologiske område enn folk på handelsbordet. Markedets natur har endret seg dramatisk. 56 Den 1. august 2012 opplevde Knight Capital Group et teknologiproblem i sitt automatiserte handelssystem, 57 med et tap på 440 millioner. Dette problemet var relatert til Knights installasjon av handelsprogramvare og resulterte i at Knight sendte mange feilaktige bestillinger i NYSE-noterte verdipapirer til markedet. Denne programvaren er fjernet fra selskapets systemer. .. Klienter ble ikke negativt påvirket av feilaktige bestillinger, og programvareproblemet var begrenset til ruting av visse børsnoterte aksjer til NYSE. Knight har handlet ut av hele sin feilaktige handelsstilling, noe som har resultert i et realisert tap før skatt på ca 440 millioner. Algoritmisk og HFT ble vist å ha bidratt til volatilitet under Flash Crash 6 mai 2010, 14 16 da Dow Jones Industrial Average døde bare 600 poeng for å gjenopprette tapene i løpet av minutter. På den tiden var det den nest største punktsvingen, 1,010,14 poeng, og den største engangspoengfallet, 998,5 poeng, på en intradag basis i Dow Jones Industrial Average History. 58 Nylige utviklinger Rediger Finansmarkedet nyheter blir nå formatert av firmaer som trenger å vite nyheter. Thomson Reuters. Dow Jones. og Bloomberg. å bli lest og handlet på via algoritmer. Datamaskiner blir nå brukt til å generere nyhetsberetninger om resultatene fra bedriftens resultater eller økonomisk statistikk etter hvert som de blir utgitt. Og denne nesten øyeblikkelige informasjonen danner en direkte feed i andre datamaskiner som handler på nyhetene. 59 Algoritmene handler ikke bare på enkle nyhetsberetninger, men tolker også vanskeligere å forstå nyheter. Noen firmaer forsøker også å automatisk tildele sentiment (bestemme om nyheten er bra eller dårlig) til nyhetsshistorier, slik at automatisert handel kan fungere direkte på nyhetshistorien. 60 I økende grad ser folk på alle slags nyheter og bygger sine egne indikatorer rundt på den på en halvstrukturert måte, da de stadig søker nye handelsfordeler, sier Rob Passarella, global direktør for strategi på Dow Jones Enterprise Media Group. Hans firma gir både en lav latency nyhetsmat og nyhetsanalyse for handelsmenn. Passarella pekte også på at ny akademisk forskning utføres i den grad som hyppige Google-søk på ulike aksjer kan tjene som handelsindikatorer, den potensielle effekten av ulike setninger og ord som kan vises i Securities and Exchange Commission-uttalelser og den nyeste bølgen av nettsamfunn viet til aksjehandel temaer. 60 Markeder er i sin natur samtaler, har vokst ut av kaffebarer og tavernaer, sa han. So the way conversations get created in a digital society will be used to convert news into trades, as well, Passarella said. 60 There is a real interest in moving the process of interpreting news from the humans to the machines says Kirsti Suutari, global business manager of algorithmic trading at Reuters. More of our customers are finding ways to use news content to make money. 59 An example of the importance of news reporting speed to algorithmic traders was an advertising campaign by Dow Jones (appearances included page W15 of the Wall Street Journal. on March 1, 2008) claiming that their service had beaten other news services by 2 seconds in reporting an interest rate cut by the Bank of England. In July 2007, Citigroup. which had already developed its own trading algorithms, paid 680 million for Automated Trading Desk, a 19-year-old firm that trades about 200 million shares a day. 61 Citigroup had previously bought Lava Trading and OnTrade Inc. In late 2010, The UK Government Office for Science initiated a Foresight project investigating the future of computer trading in the financial markets, 62 led by Dame Clara Furse. ex-CEO of the London Stock Exchange and in September 2011 the project published its initial findings in the form of a three-chapter working paper available in three languages, along with 16 additional papers that provide supporting evidence. 63 All of these findings are authored or co-authored by leading academics and practitioners, and were subjected to anonymous peer-review. The Foresight project is set to conclude in late 2012. In September 2011, RYBN has launched ADM8, 64 an open source Trading Bot prototype, already active on the financial markets. Technical design Edit The technical designs of such systems are not standardized. Conceptually, the design can be divided into logical units: The data stream unit (the part of the systems that receives data (e. g. quotes, news) from external sources) The decision or strategy unit The execution unit With the wide use of social networks, some systems implement scanning or screening technologies to read posts of users extracting human sentiment and influence the trading strategies. 65 Effects Edit Though its development may have been prompted by decreasing trade sizes caused by decimalization, algorithmic trading has reduced trade sizes further. Jobs once done by human traders are being switched to computers. The speeds of computer connections, measured in milliseconds and even microseconds. have become very important. 66 67 More fully automated markets such as NASDAQ, Direct Edge and BATS, in the US, have gained market share from less automated markets such as the NYSE. Economies of scale in electronic trading have contributed to lowering commissions and trade processing fees, and contributed to international mergers and consolidation of financial exchanges. Competition is developing among exchanges for the fastest processing times for completing trades. For example, in June 2007, the London Stock Exchange launched a new system called TradElect that promises an average 10 millisecond turnaround time from placing an order to final confirmation and can process 3,000 orders per second. 68 Since then, competitive exchanges have continued to reduce latency with turnaround times of 3 milliseconds available. This is of great importance to high-frequency traders, because they have to attempt to pinpoint the consistent and probable performance ranges of given financial instruments. These professionals are often dealing in versions of stock index funds like the E-mini SampPs, because they seek consistency and risk-mitigation along with top performance. They must filter market data to work into their software programming so that there is the lowest latency and highest liquidity at the time for placing stop-losses andor taking profits. With high volatility in these markets, this becomes a complex and potentially nerve-wracking endeavor, where a small mistake can lead to a large loss. Absolute frequency data play into the development of the traders pre-programmed instructions. 69 Spending on computers and software in the financial industry increased to 26.4 billion in 2005. 1 Communication standards Edit Algorithmic trades require communicating considerably more parameters than traditional market and limit orders. A trader on one end (the buy side ) must enable their trading system (often called an order management system or execution management system ) to understand a constantly proliferating flow of new algorithmic order types. The RampD and other costs to construct complex new algorithmic orders types, along with the execution infrastructure, and marketing costs to distribute them, are fairly substantial. What was needed was a way that marketers (the sell side ) could express algo orders electronically such that buy-side traders could just drop the new order types into their system and be ready to trade them without constant coding custom new order entry screens each time. FIX Protocol LTD fixprotocol. org is a trade association that publishes free, open standards in the securities trading area. The FIX language was originally created by Fidelity Investments, and the association Members include virtually all large and many midsized and smaller broker dealers, money center banks, institutional investors, mutual funds, etc. This institution dominates standard setting in the pretrade and trade areas of security transactions. In 2006-2007 several members got together and published a draft XML standard for expressing algorithmic order types. The standard is called FIX Algorithmic Trading Definition Language (FIXatdl ). 70 The first version of this standard, 1.0 was not widely adopted due to limitations in the specification, but the second version, 1.1 (released in March 2010) is expected to achieve broad adoption and in the process dramatically reduce time-to-market and costs associated with distributing new algorithms. Algorithms Edit Some common trading algorithms include: 71 72 List of algorithms - TILT - 2-step 2200 BTUs 4-Wheel Drive 60-Step The Abyss Algo Mountains Almost Human Apollo Asimovs Nightmare The Awakening Back to School The Bagman Bankers Ball Bankers Blitz BAT Cave BAT Code BAT Discovery BAT Dribble BAT Fence BAT Hats BAT Horizon BAT Lego Bat Pig Batastic Batsicles BBOBomber The Beach Beyond the Blue Wall Bid Stuffer The Bird Blast This Blockhead Blotter Blue Bandsaw The Blue Bidder Blue Blaster Blue Blind Blue Blocker Blue Flicker Blue Ice The Blue Pig Blue Stubble Blue Thicket Blue Wave Blue Zinger Bluegrass Boston Buckr Boston Shuffle Boston Zapper Bot Town Bot Wars Botastic BOTvsBOT The Bridge Bristles Broken BAT Broken Highway Broken SKY Broken Zanti Buckaroo Banzai The Bug The Bunker CancelBot CancelBot Jr. Cancelled Check Cannons Cannons 2 The Carnival Castle Wall Changing Tide Cherokee Nation The Circus Comes to Town City Of BATS City Under Siege The Click Clockwork Orange Clog ged Artery Continental Crust Control Tower Crazy Eyes The Crown Danger Will Robinson Day Trippin The Dead Pool The Deep The Deer Hunter Deer vs. Bat Depth Ping Detox Dinosaur Hunt Dirty Glaciers Dont Tread On Me Double Dip Double Pole, Double Throw The Drowning Early Discovery Early Riser Enchanted Forest EPIC Zapper Eraser Head Faster Zapper Flag Repeater The Flood Flutter Focus The Follower Fred Frog Pond From Above From Below Full Moon Rising Fuzzy Orange Gold Finger Gone Fishing Good Luck Human The Green Flash The Green Hornet Ground Strike Hairline Heart Attack High EQ High Tide Im A PC Inner Chart Jump Shot Junior Just Ask The Knife Landmine Life and Death Lightning Strike Living On The Edge Local Dump Low Tide Made in America Mainframe Mannie, Moe and Jack Marco Polo Market Share Master Blaster Maxy-Zapper Meteors The Monster Monster Mash Morning Zanti The Morphing NARA Zapper No Joy No Reason Obstructus Maximus One Ping Only Orange Crush Orange Marmalade The Outer Limits Pacifi c Rim The Palace Penny Pincher The Pepsi Challenge Periscopes Petting Zoo Pinger Plate Shift Platform Drilling The Port Power Line Power Tower Puzzle Pieces The Quota Quota Catcher Quota Machine The Raceway Racing Stripe Railway The Ramp Red Sky at Night Red Tide Redline Repeater Wars Robot Fight Robot Hunting Rock Star Rollerball The Ron Rougue Wave The Rover Runaway S. O.S. Scissors Scofflaw Sea Level Sea of BATS Sea of BATS Star The Search Search Bots The Seekers Seen Too Much Seizure Shades of Blue The Shredder Simple BAT Single Track Social Butterfly Solar Flare Soylent Blue The Spartan Spastic BAT Street Lamps Stubby Triangles Sunshowers T1 Killer Take Two Tank Tracks Teslas Cathedral Test Pattern Them tHigh EQ The Thin Blue Line Thin Blue Line Things that make you go hmmmm The Tickler To The Moon, Alice Twilight Wading Pool Wake Up Call Warp 15 Waste Pool When the Levee Breaks Wild Thing Wild Thing Edge Yellow Picket Fence Yellow Snow You Dont Know Jack Zanti Mahem The Zanti Misfit Zapata Zappa Street Zapper Clone Zero to Sixty See also Edit Notes Edit As an arbitrage consists of at least two trades, the metaphor is of putting on a pair of pants, one leg (trade) at a time. The risk that one trade (leg) fails to execute is thus leg risk. Some sample trading systems: Intro to Algorithmic Trading with Heikin-Ashi Trendfollowing and mean reversion trading strategies code in MATLAB and Python Crude oil and natural gas focused trading strategies explained in this webinar: Quantitative trading strategies can turn any actionable market insight into a quantitative (math) based trade execution. Although hard to emulate, even the intuition of veteran traders can generally be whittled down into a purely automated quantitative strategy. These systems can be based on any combination of technical analysis, fundamental analysis, newsevents, and sentiment analysis to name a few. In terms of an actual breakdown of algorithmic trading, check out Investopedias post . (Disclaimer: I work at Quantiacs) Once youre ready to make money as a quant, you can join the latest Quantiacs automated trading contest, with a total of 2,250,000 in investments available: Can you compete with the best quants 2.1k Views middot View Upvotes middot Not for Reproduction More Answers Below. Related Questions What are some good trading algorithms Which are the best algorithmic trading strategies Can I build an algorithm trading based on a trend strategy and use it to trade forex for ten years for example What is the fastest way to create algorithmic trading strategies that work What are alternative trading strategies, and what are some examples Where can I find examples or simulations for active trading strategies Is algorithm trading all about algorithm execution Is there no signal identification or complicated trading strategies What is a practical example of algorithmic trading Do MNCs follow it Does every Indian company What are some examples of what automated trading algorithms actually do What are the best Forex Trading Tips Will Zerodha steal my successful algorithmic trading strategies on their platform and sell it to Hedge funds How can retail investors in India execute algorithmic trading strategies Is there any floor for the minimum investment that can be made W hat are the requirements to start trading in Sensex First, be careful not to conflate what we conventionally consider to be systematic quantitative trading and algorithmic trading. In industry parlance, algorithmic trading more often refers to the use of execution algorithms that split up a pointwise parent order into a set of child orders spread out over an interval and attempt to hit some benchmark, e. g. VWAP or minimization of slippage. Rightfully, it is now fairly commonplace to incorporate alpha predictions into an execution algo, and similarly, one may employ generic algorithms (e. g. Bellman-Ford) or execution algorithms in quantitative trading strategies. So perhaps being specific about the differences between the two is limited to a job search: The responsibilities are quite different between a quantitative trading team at a hedge fund and an algorithmic trading desk at a broker-dealer. Nevertheless, for the purpose of added clarity to my answer, I will distinguish the two. A simple algorithmic trading strategy to understand is a naive TWAP strategy, which simply splits a large parent order into smaller, equally-sized child orders distributed uniformly over the time interval, which is empirically (and theoretically, under certain assumptions of price formation process) found to reduce market impact. As for systematic quant strategies, at a longer horizon, many of these are still motivated by factor models or mean-variance optimization. In the former, a basic strategy expresses the future returns of an asset as a linear combination of historical factors and normally distributed noise. Common equity factors are market returns, market capitalization, book-to-market ratio and momentum. For fixed income, term and default risk factors are often used. The factor loadings or constant coefficients of the factors are solved with least squares over some window of historical data - this part is almost always carried out by a computer, thus algorithmic. As a side-note: This model also predates the popular idea of a market neutral strategy, practiced by many hedge funds, with the belief in a strong mean-reverting behavior in the residual time series. In the general form of mean-variance optimization, one expresses your portfolio expected returns, variance and constraints as functions of position sizes in each security in your portfolio. This is an archetypal problem for the method of Lagrange multipliers, and there are mature numerical libraries that solve it very fast on a CPU. This is an elegant and flexible formulation: indeed, you can express a variety of interesting constraints in the weights, be it long-only, leverage, gamma-weighted, or beta neutrality, quadratic transaction costs - these special cases motivate their algorithmic implementations in a long-short equity fund, beta neutral fund, 13030 fund, and so on. As another example, volatility arbitrage strategies aim to capture the difference between implied volatility and forecasted realized volatility. At the lower level, such strategies may employ lattice models and Monte Carlo simulations which have to be solved numerically, thus essentially limiting the practice of these strategies to a certain degree of algorithmic implementation. Advancements in GPGPU processing and parallel computing frameworks enable interesting pursuits of systematic trading in this space. 2.7k Views middot View Upvotes middot Not for Reproduction Algorithmic Trading is a process to Buy or Sell a security based on some pre-defined set of rules which are backtested on Historical data. These rules can be based on Technical Analysis, charts, indicators or even Stock fundamentals. For example, suppose you have a trading plan that you would Buy a particular stock if it closes in Red for 5 consecutive days. You can formulate this rule into Algorithmic Trading system and even automate it so that Buy order is placed automatically when your condition is met. You may even define your stoploss, target and position sizing in the algorithm which would make your Trading life easier. Check out the below link which contains a bunch of Algorithmic Trading strategies based on Excel and Amibroker: Also, refer this article to develop your own Algorithmic trading system from scratch: 361 Views middot View Upvotes middot Not for Reproduction Heres a nice write up on different types of algorithmic trading strategies. Algorithmic Trading Strategies, Paradigms and Modelling Ideas if you interested in an example strategy, find some of the blog links below Momentum Based Strategies for Low and High Frequency Trading EXCEL MODEL EPAT Final Project by Jacques Joubert Statistical Arbitrage Strategy in R Predictive Modeling in R for Algorithmic Trading Hope this helps. Let me know if you have further queries 30 Views middot Not for Reproduction Huck Zou. studied at University of Illinois Class of 2017 Here are some classic strategies. Rotation strategies. long a few best performers and short a few worst performers in an industry. Moving average crossovers. 160 Views middot Not for ReproductionData, information, and material (ldquocontentrdquo) is provided for informational and educational purposes only. This material neither is, nor should be construed as an offer, solicitation, or recommendation to buy or sell any securities. Any investment decisions made by the user through the use of such content is solely based on the users independent analysis taking into consideration your financial circumstances, investment objectives, and risk tolerance. Neither KJTradingSystems (KJ Trading) nor any of its content providers shall be liable for any errors or for any actions taken in reliance thereon. By accessing the KJ Trading site, a user agrees not to redistribute the content found therein unless specifically authorized to do so. Individual performance depends upon each studentrsquos unique skills, time commitment, and effort. Students sharing their stories have not been compensated for their testimonials. Student stories have not been independently verified by KJ Trading. Results may not be typical and individual results will vary. 8203U. S. Government Required Disclaimer - Commodity Futures Trading Commission. Futures and options trading has large potential rewards, but also large potential risk. Du må være oppmerksom på risikoen og være villig til å akseptere dem for å investere i futures og opsjonsmarkeder. Ikke handle med penger du ikke har råd til å tape. This website is neither a solicitation nor an offer to BuySell futures or options. Ingen representasjon blir gjort at en hvilken som helst konto vil eller vil trolig oppnå fortjeneste eller tap som ligner de som diskuteres på denne nettsiden. Tidligere resultater av ethvert handelssystem eller metode er ikke nødvendigvis indikativ for fremtidige resultater. CFTC REG 4.41 - HYPOTETISKE ELLER SIMULERTE RESULTATRESULTATER HAR VISSE BEGRENSNINGER. I FORBINDELSE MED EN AKTUELL PRESTASJONSOPPTAK, FORTSATT SIMULERTE RESULTATER IKKE VIRKELIG HANDEL. ALSO, SINCE THE TRADES HAVE NOT BEEN EXECUTED, THE RESULTS MAY HAVE UNDER-OR-OVER COMPENSATED FOR THE IMPACT, IF ANY, OF CERTAIN MARKET FACTORS, SUCH AS LACK OF LIQUIDITY, SIMULATED TRADING PROGRAMS IN GENERAL ARE ALSO SUBJECT TO THE FACT THAT THEY ARE DESIGNED WITH THE BENEFIT OF HINDSIGHT. INGEN REPRESENTASJON SKAL GJORT AT ENKEL KONTO VIL ELLER ER LIKELIG Å HENT RESULTAT ELLER TAP SOM LIKKER SOM VISES. Testimonials appearing on this site are actually received via email submission or web survey comments. They are individual experiences, reflecting real life experiences of those who have used our products andor services in some way or other. However, they are individual results and results do vary. We do not claim that they are typical results that consumers will generally achieve. The testimonials are not necessarily representative of all of those who will use our products andor services. The testimonials displayed are given verbatim except for correction of grammatical or typing errors. Some have been shortened, meaning not the whole message received by the testimony writer is displayed, when it seemed lengthy or the testimony in its entirety seemed irrelevant for the general public. Email: kdavey at kjtradingsystems (c) Copyright - KJ Trading Systems. All Rights Reserved Worldwide. KJ Trading SystemsAn algorithm is a specific set of clearly defined instructions aimed to carry out a task or process. 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 menneskelig næringsdrivende. 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. Anta at en næringsdrivende 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 50-dagers glidende gjennomsnitt går under 200-dagers glidende gjennomsnitt 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 legger kjøps - og salgsordrene når de definerte betingelsene 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 å flytte gjennomsnitt, se: Enkle bevegelige gjennomsnittsverdier Gjør utfordringer.) Algo-trading gir følgende fordeler: Handler utført til best mulig pris Øyeblikkelig og nøyaktig handelsordreplassering (derved høye muligheter for utførelse på ønsket nivå) Handler tidsbestemt korrekt og øyeblikkelig for å unngå betydelige prisendringer. Reduserte transaksjonskostnader (se gjennomføringsbristeksemplet nedenfor) Samtidig automatisert kontroll av flere markedsforhold. Redusert risiko for manuelle feil i å plassere bransjene. Teste algoritmen basert på tilgjengelige historiske og sanntidsdata Redusert Mulighet for feil av menneskelige handelsfolk basert på følelsesmessige og psykologiske faktorer Den største delen av dagens algo-trading er HFT (High Frequency Trading), som forsøker å kapitalisere seg på å plassere et stort antall bestillinger med svært høye hastigheter på tvers av flere markeder og flere beslutninger parametere, basert på forhåndsprogrammerte instruksjoner. (For mer om handel med høyfrekvent handel, se: Strategier og hemmeligheter for høyfrekvenshandelsvirksomhet). Algo-trading brukes i mange former for handels - og investeringsaktiviteter, blant annet: Midtre til langsiktige investorer eller kjøpsselskaper (pensjonskasser , fond, forsikringsselskaper) som kjøper i aksjer i store mengder, men ikke vil påvirke aksjekursene med diskrete, store voluminvesteringer. Short term traders and sell side participants ( market makers. speculators. and arbitrageurs ) benefit from automated trade execution in addition, algo-trading aids in creating sufficient liquidity for sellers in the market. Systematic traders ( trend followers. pairs traders. hedge funds. etc.) find it much more efficient to program their trading rules and let the program trade automatically. Algorithmic trading provides a more systematic approach to active trading than methods based on a human trader039s intuition or instinct. 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: De vanligste algoritmiske handelsstrategiene følger trender i flytende gjennomsnitt. kanalutbrudd. 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.) Å kjøpe en dobbelt 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 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. 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. Mathematical Model Based Strategies: A lot of proven mathematical models, like the delta-neutral trading strategy, which allow trading on combination of options and its underlying security, where trades are placed to offset positive and negative deltas so that the portfolio delta is maintained at zero. 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. Volume Weighted Average Price (VWAP): Volume weighted average price strategy breaks up a large order and releases dynamically determined smaller chunks of the order to the market using stock specific historical volume profiles. Målet er å gjennomføre bestillingen nær Volumvektet Gjennomsnittlig Pris (VWAP), og derved nytte gjennomsnittlig pris. Time Weighted Average Price (TWAP): Time weighted average price strategy breaks up a large order and releases dynamically determined smaller chunks of the order to the market using evenly divided time slots between a start and end time. Målet er å gjennomføre bestillingen nær gjennomsnittlig pris mellom start - og sluttider, og dermed minimere markedsvirkningen. 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. The related quotsteps strategyquot sends orders at a user-defined percentage of market volumes and increases or decreases this participation rate when the stock price reaches user-defined levels. Strategien for gjennomføring av mangler har til hensikt å minimere eksekveringsprisen for en ordre ved å avregne realtidsmarkedet, 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. Beyond the Usual Trading Algorithms: There are a few special classes of algorithms that attempt to identify happenings on the other side. These quotsniffing algorithms, quot used, for example, by a sell side market maker have the in-built intelligence to identify the existence of any algorithms on the buy side of a large order. 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, er du involvert i HFT.) Tekniske krav til algoritmisk handel Implementering av algoritmen ved hjelp av et dataprogram er den siste delen, klubbbedret med backtesting. Utfordringen er å omdanne den identifiserte strategien til en integrert datastyrt prosess som har tilgang til en handelskonto for å plassere ordrer. The following are needed: Computer programming knowledge to program the required trading strategy, hired programmers or pre-made trading software Network connectivity and access to trading platforms for placing the orders Access to market data feeds that will be monitored by the algorithm for opportunities to place orders The ability and infrastructure to backtest the system once built, before it goes live on real markets Available historical data for backtesting, depending upon the complexity of rules implemented in algorithm Here is a comprehensive example: Royal Dutch Shell (RDS) is listed on Amsterdam Stock Exchange ( AEX ) and London Stock Exchange ( LSE ). Lar bygge en algoritme for å identifisere arbitrage muligheter. Here are few interesting observations: AEX trades in Euros, while LSE trades in Sterling Pounds Due to the one hour time difference, AEX opens an hour earlier than LSE, followed by both exchanges trading simultaneously for next few hours and then trading only in LSE during the last hour as AEX closes Can we explore the possibility of arbitrage trading on the Royal Dutch Shell stock listed on these two markets in two different currencies A computer program that can read current market prices Price feeds from both LSE and AEX A forex rate feed for GBP-EUR exchange rate Order placing capability which can route the order to the correct exchange Back-testing capability on historical price feeds The computer program should perform the following: Read the incoming price feed of RDS stock from both exchanges Using the available foreign exchange rates, convert the price of one currency to other If there exists a large enough price discrepancy (discounting the brokerage costs) leading to a profi table opportunity, then place the buy order on lower priced exchange and sell order on higher priced exchange If the orders are executed as desired, the arbitrage profit will follow Simple and Easy However, the practice of algorithmic trading is not that simple to maintain and execute. 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. In the above example, what happens if your buy trade gets executed, but sell trade doesnt as the sell prices change by the time your order hits the market You will end up sitting with an open position, making your arbitrage strategy worthless. 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. The Bottom Line Quantitative analysis of an algorithms performance plays an important role and should be examined critically. Det er spennende å gå for automatisering hjulpet 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.
No comments:
Post a Comment