Dasar-Dasar Perdagangan Algorithmik: Konsep dan Contoh Algoritma adalah seperangkat instruksi yang didefinisikan secara jelas yang bertujuan untuk melaksanakan tugas atau proses. Perdagangan Algoritma (perdagangan otomatis, perdagangan kotak hitam, atau perdagangan algo-trading) adalah proses menggunakan komputer yang diprogram untuk mengikuti serangkaian instruksi yang ditetapkan untuk menempatkan perdagangan agar menghasilkan keuntungan dengan kecepatan dan frekuensi yang tidak mungkin dilakukan. Pedagang manusia Kumpulan aturan yang ditetapkan didasarkan pada timing, price, quantity atau model matematis. Terlepas dari peluang keuntungan bagi trader, algo-trading membuat pasar lebih likuid dan membuat perdagangan lebih sistematis dengan mengesampingkan dampak emosional manusia pada aktivitas perdagangan. Anggaplah seorang pedagang mengikuti kriteria perdagangan sederhana ini: Beli 50 saham dari saham ketika rata-rata pergerakan 50 hari di atas rata-rata pergerakan 200 hari Menjual saham saat rata-rata pergerakan 50 hari di bawah rata-rata pergerakan 200 hari Dengan menggunakan dua instruksi sederhana ini, mudah untuk menulis program komputer yang secara otomatis memantau harga saham (dan indikator rata-rata bergerak) dan menempatkan pesanan beli dan jual saat kondisi pasti terpenuhi. Pedagang tidak perlu lagi berjaga-jaga untuk harga langsung dan grafik, atau dimasukkan ke dalam pesanan secara manual. Sistem perdagangan algoritmik secara otomatis melakukannya untuknya, dengan mengidentifikasi peluang trading dengan benar. (Untuk informasi lebih lanjut mengenai moving average, lihat: Simple Moving Averages Membuat Trends Stand Out.) Algo-trading memberikan keuntungan sebagai berikut: Perdagangan dilaksanakan dengan harga terbaik. Penempatan order perdagangan instan dan akurat (dengan demikian kemungkinan eksekusi yang tinggi pada tingkat yang diinginkan) Perdagangan Berjangka waktu dengan benar dan seketika, untuk menghindari perubahan harga yang signifikan Mengurangi biaya transaksi (lihat contoh penerapan kekurangan di bawah ini) Pemeriksaan otomatis simultan pada beberapa kondisi pasar Mengurangi risiko kesalahan manual dalam menempatkan perdagangan Backtest algoritma, berdasarkan data historis dan real time yang ada Dikurangi Kemungkinan kesalahan oleh pedagang manusia berdasarkan faktor emosional dan psikologis Bagian terbesar dari perdagangan algo hari ini adalah perdagangan frekuensi tinggi (HFT), yang mencoba memanfaatkan penempatan sejumlah besar pesanan pada kecepatan yang sangat cepat di beberapa pasar dan beberapa keputusan. Parameter, berdasarkan instruksi yang telah diprogram sebelumnya. (Perdagangan valas yang lebih banyak, lihat: Strategi dan Rahasia Perusahaan Perdagangan Frekuensi Tinggi (HFT)) Algo-trading digunakan dalam berbagai bentuk aktivitas perdagangan dan investasi, termasuk: Investor jangka menengah hingga jangka panjang atau perusahaan penjual beli (dana pensiun , Reksadana, perusahaan asuransi) yang membeli saham dalam jumlah banyak namun tidak ingin mempengaruhi harga saham dengan investasi besar dan volume. Pedagang berjangka pendek dan pelaku jualan (pelaku pasar, spekulan, dan arbitrase) mendapat keuntungan dari pelaksanaan perdagangan otomatis di samping itu, alat bantu perdagangan algo untuk menciptakan likuiditas yang cukup bagi penjual di pasar. Pedagang yang sistematis (pengikut tren, pedagang pasang, hedge fund dll) merasa jauh lebih efisien untuk memprogram peraturan perdagangan mereka dan membiarkan program bertransaksi secara otomatis. Perdagangan algoritma menyediakan pendekatan yang lebih sistematis terhadap perdagangan aktif daripada metode yang didasarkan pada intuisi atau naluri pedagang manusia. Strategi Perdagangan Algoritmik Setiap strategi untuk perdagangan algoritmik memerlukan peluang teridentifikasi yang menguntungkan dalam hal peningkatan pendapatan atau pengurangan biaya. Berikut adalah strategi perdagangan umum yang digunakan dalam algo-trading: Strategi trading algoritmik yang paling umum mengikuti tren dalam moving averages. Saluran berjerawat Pergerakan tingkat harga dan indikator teknis terkait. Ini adalah strategi termudah dan paling sederhana untuk diterapkan melalui perdagangan algoritmik karena strategi ini tidak melibatkan prediksi atau perkiraan harga. Perdagangan dimulai berdasarkan terjadinya tren yang diinginkan. Yang mudah dan lugas untuk diimplementasikan melalui algoritma tanpa masuk ke kompleksitas analisis prediktif. Contoh yang disebutkan di atas tentang rata-rata pergerakan 50 dan 200 hari adalah tren yang populer mengikuti strategi. (Untuk informasi lebih lanjut tentang strategi perdagangan tren, lihat: Strategi Sederhana untuk Memanfaatkan Tren.) Membeli saham yang tercatat ganda dengan harga lebih rendah di satu pasar dan sekaligus menjualnya dengan harga lebih tinggi di pasar lain menawarkan selisih harga sebagai keuntungan bebas risiko Atau arbitrase Operasi yang sama dapat direplikasi untuk instrumen saham versus futures, karena perbedaan harga memang ada dari waktu ke waktu. Menerapkan algoritma untuk mengidentifikasi perbedaan harga tersebut dan menempatkan pesanan memungkinkan peluang menguntungkan secara efisien. Dana indeks telah menetapkan periode penyeimbangan ulang untuk membawa kepemilikan mereka setara dengan indeks benchmark masing-masing. Hal ini menciptakan peluang menguntungkan bagi pedagang algoritmik, yang memanfaatkan perdagangan yang diharapkan yang menawarkan keuntungan 20-80 basis poin bergantung pada jumlah saham dalam dana indeks, sebelum penyeimbangan dana indeks. Perdagangan semacam itu dimulai melalui sistem perdagangan algoritmik untuk eksekusi tepat waktu dan harga terbaik. Banyak model matematis yang telah terbukti, seperti strategi perdagangan delta-netral, yang memungkinkan perdagangan kombinasi pilihan dan keamanan mendasarnya. Dimana perdagangan ditempatkan untuk mengimbangi delta positif dan negatif sehingga delta portofolio dipertahankan pada nol. Strategi pengembalian rata-rata didasarkan pada gagasan bahwa harga aset tinggi dan rendah merupakan fenomena sementara yang kembali ke nilai rata-rata mereka secara berkala. Mengidentifikasi dan menentukan kisaran harga dan menerapkan algoritma berdasarkan pada yang memungkinkan perdagangan ditempatkan secara otomatis saat harga aset turun masuk dan keluar dari kisaran yang ditentukan. Strategi harga rata-rata tertimbang volume memecah pesanan besar dan melepaskan potongan pesanan yang ditentukan secara dinamis dari pesanan ke pasar dengan menggunakan profil volume historis tertentu. Tujuannya adalah untuk melaksanakan order mendekati Volume Weighted Average Price (VWAP), sehingga menguntungkan pada harga rata-rata. Strategi harga rata-rata tertimbang waktu mematahkan pesanan besar dan melepaskan potongan pesanan yang ditentukan secara dinamis dari pesanan ke pasar dengan menggunakan slot waktu yang dibagi rata antara waktu mulai dan akhir. Tujuannya adalah untuk melaksanakan perintah mendekati harga rata-rata antara waktu mulai dan akhir, sehingga meminimalkan dampak pasar. Sampai urutan perdagangan terisi penuh, algoritma ini terus mengirimkan sebagian pesanan, sesuai dengan rasio partisipasi yang ditentukan dan sesuai dengan volume yang diperdagangkan di pasar. Strategi langkah terkait mengirim pesanan pada persentase volume pasar yang ditentukan pengguna dan meningkatkan atau menurunkan tingkat partisipasi ini saat harga saham mencapai tingkat yang ditentukan pengguna. Strategi pelemahan implementasi bertujuan untuk meminimalkan biaya eksekusi suatu pesanan dengan melakukan perdagangan dari pasar real-time, sehingga menghemat biaya pesanan dan mendapatkan keuntungan dari biaya peluang eksekusi yang tertunda. Strategi ini akan meningkatkan tingkat partisipasi yang ditargetkan ketika harga saham bergerak dengan baik dan menurunkannya saat harga saham bergerak negatif. Ada beberapa kelas algoritma khusus yang mencoba mengidentifikasi kejadian di sisi lain. Algoritma sniffing ini, yang digunakan, misalnya, oleh pembuat pasar sell side memiliki kecerdasan bawaan untuk mengidentifikasi adanya algoritma pada sisi pembelian dengan pesanan besar. Deteksi seperti itu melalui algoritma akan membantu pembuat pasar mengidentifikasi peluang ketertiban besar dan memungkinkannya mendapatkan keuntungan dengan memenuhi pesanan dengan harga lebih tinggi. Ini kadang-kadang diidentifikasi sebagai front-running berteknologi tinggi. (Untuk informasi lebih lanjut tentang praktik perdagangan dan penipuan frekuensi tinggi, lihat: Jika Anda Membeli Saham Secara Online, Anda Terlibat dalam HFTs.) Persyaratan Teknis untuk Trading Algoritma Menerapkan algoritma yang menggunakan program komputer adalah bagian terakhir, dipukuli dengan backtesting. Tantangannya adalah mengubah strategi yang teridentifikasi menjadi proses terkomputerisasi terpadu yang memiliki akses ke akun trading untuk menempatkan pesanan. Berikut ini adalah yang diperlukan: Pengetahuan pemrograman komputer untuk memprogram strategi perdagangan yang dibutuhkan, pemrogram yang dipekerjakan atau perangkat lunak perdagangan pra-dibuat Konektivitas jaringan dan akses ke platform perdagangan untuk menempatkan pesanan Akses ke umpan data pasar yang akan dipantau oleh algoritme untuk mendapatkan kesempatan Perintah Kemampuan dan infrastruktur untuk mendukung kembali sistem yang pernah dibangun, sebelum diluncurkan di pasar riil Data historis yang ada untuk backtesting, tergantung pada kompleksitas peraturan yang diterapkan dalam algoritma Berikut adalah contoh komprehensif: Royal Dutch Shell (RDS) terdaftar di Amsterdam Stock Exchange (AEX) dan London Stock Exchange (LSE). Mari kita membangun sebuah algoritma untuk mengidentifikasi peluang arbitrase. Berikut adalah beberapa pengamatan yang menarik: Perdagangan AEX dalam Euro, sementara perdagangan LSE di Sterling Pounds Karena perbedaan waktu satu jam, AEX dibuka satu jam lebih awal dari LSE, diikuti oleh perdagangan bursa secara bersamaan selama beberapa jam berikutnya dan kemudian diperdagangkan hanya di LSE selama Jam terakhir saat AEX ditutup Dapatkah kita menjelajahi kemungkinan perdagangan arbitrase pada saham Royal Dutch Shell yang terdaftar di dua pasar ini dalam dua mata uang yang berbeda Program komputer yang dapat membaca harga pasar saat ini Harga feed dari kedua LSE dan AEX A feed valuta untuk Nilai tukar GBP-EUR Ketertiban menempatkan kemampuan yang dapat mengarahkan pesanan ke pertukaran yang benar Kemampuan pengujian kembali pada umpan harga historis Program komputer harus melakukan hal berikut: Baca umpan harga yang masuk dari saham RDS dari kedua bursa Dengan menggunakan kurs valuta asing yang tersedia . Mengubah harga satu mata uang ke mata uang lainnya Jika ada selisih harga yang cukup besar (diskon biaya broker) yang mengarah ke peluang yang menguntungkan, maka letakkan pesanan beli pada kurs dengan harga lebih rendah dan pesan jual pada harga yang lebih tinggi Jika pesanan dieksekusi sebagai Yang diinginkan, keuntungan arbitrase akan mengikuti Simple and Easy Namun, praktik perdagangan algoritmik tidak sesederhana itu untuk dipelihara dan dijalankan. Ingat, jika Anda bisa menempatkan perdagangan yang dihasilkan secara algo, demikian juga para pelaku pasar lainnya. Akibatnya, harga berfluktuasi dalam milenium dan bahkan mikrodetik. Dalam contoh di atas, apa yang terjadi jika perdagangan beli Anda akan dieksekusi, tapi menjual perdagangan tidak seperti harga jual berubah pada saat pesanan Anda menyentuh pasar Anda akan akhirnya duduk dengan posisi terbuka. Membuat strategi arbitrase Anda tidak berharga Ada risiko dan tantangan tambahan: misalnya, risiko kegagalan sistem, kesalahan konektivitas jaringan, kelambanan waktu antara pesanan dan eksekusi perdagangan, dan yang terpenting dari semua algoritma yang tidak sempurna. Algoritma yang lebih kompleks, backtesting yang lebih ketat diperlukan sebelum dilakukan. Analisis kuantitatif kinerja algoritma memainkan peran penting dan harus diperiksa secara kritis. Its menarik untuk pergi untuk otomatisasi dibantu oleh komputer dengan gagasan untuk menghasilkan uang dengan mudah. Tapi kita harus memastikan sistem diuji secara menyeluruh dan batas yang dibutuhkan ditetapkan. Analitik pedagang harus mempertimbangkan belajar pemrograman dan membangun sistem mereka sendiri, untuk yakin tentang pelaksanaan strategi yang tepat dengan cara yang sangat mudah. Penggunaan hati-hati dan pengujian menyeluruh terhadap algo-trading dapat menciptakan peluang yang menguntungkan. Jenis struktur kompensasi yang biasanya digunakan oleh hedge fund manager di bagian kompensasi mana yang berbasis kinerja. Perlindungan terhadap hilangnya pendapatan yang akan terjadi jika tertanggung meninggal dunia. Penerima manfaat bernama menerima. Ukuran hubungan antara perubahan kuantitas yang diminta dari barang tertentu dan perubahan harga. Harga. Total nilai pasar dolar dari seluruh saham perusahaan yang beredar. Kapitalisasi pasar dihitung dengan cara mengalikan. Frexit pendek untuk quotFrench exitquot adalah spinoff Prancis dari istilah Brexit, yang muncul saat Inggris memilih. Perintah ditempatkan dengan broker yang menggabungkan fitur stop order dengan pesanan limit. Sebuah stop-limit order will. Top 5 Essential Beginner Books untuk Algorithmic Trading Algorithmic trading biasanya dianggap sebagai area kompleks bagi pemula untuk bisa mengatasinya. Ini mencakup berbagai disiplin ilmu, dengan aspek-aspek tertentu yang memerlukan tingkat kematangan matematika dan statistik yang signifikan. Akibatnya, ini bisa sangat merugikan para pemula. Pada kenyataannya, konsep keseluruhan sangat mudah dipahami, sementara rinciannya dapat dipelajari dengan cara yang berulang-ulang. Keindahan perdagangan algoritmik adalah bahwa tidak perlu menguji pengetahuan tentang modal sebenarnya, karena banyak broker menyediakan simulator pasar yang sangat realistis. Meskipun ada beberapa keberatan yang terkait dengan sistem tersebut, mereka menyediakan lingkungan untuk mendorong tingkat pemahaman yang dalam, tanpa risiko modal sama sekali. Pertanyaan umum yang saya terima dari pembaca QuantStart adalah Bagaimana saya memulai dalam perdagangan kuantitatif. Saya telah menulis panduan pemula untuk perdagangan kuantitatif. Tapi satu artikel tidak bisa berharap bisa meliput keragaman subjek. Jadi saya telah memutuskan untuk merekomendasikan buku catatan quant entry level favorit saya di artikel ini. Tugas pertama adalah mendapatkan gambaran umum yang solid. Saya telah menemukan bahwa jauh lebih mudah untuk menghindari diskusi matematis yang berat sampai dasar-dasar dibahas dan dipahami. Buku terbaik yang saya temukan untuk tujuan ini adalah sebagai berikut: 1) Perdagangan Kuantitatif oleh Ernest Chan - Ini adalah salah satu buku keuangan favorit saya. Dr. Chan memberikan gambaran bagus tentang proses pembuatan sistem perdagangan kuantitatif ritel, dengan menggunakan MatLab atau Excel. Dia membuat subjek sangat mudah didekati dan memberi kesan bahwa setiap orang dapat melakukannya. Meskipun ada banyak rincian yang dilewati (terutama untuk singkatnya), buku ini merupakan pengantar yang bagus tentang bagaimana kerja perdagangan algoritmik. Dia membahas generasi alpha (model perdagangan), manajemen risiko, sistem eksekusi otomatis dan strategi tertentu (terutama momentum dan pengembalian rata-rata). Buku ini adalah tempat untuk memulai. 2) Di dalam Kotak Hitam oleh Rishi K. Narang - Dalam buku ini Dr. Narang menjelaskan secara rinci bagaimana hedge fund kuantitatif profesional beroperasi. Ini dilontarkan pada investor cerdas yang mempertimbangkan apakah akan berinvestasi di kotak hitam semacam itu. Meskipun tampaknya tidak relevan dengan pedagang eceran, buku tersebut benar-benar berisi banyak informasi tentang bagaimana sistem perdagangan quant yang tepat harus dilakukan. Misalnya, pentingnya biaya transaksi dan manajemen risiko digariskan, dengan gagasan tentang di mana mencari informasi lebih lanjut. Banyak pedagang eceran algo bisa melakukannya dengan baik untuk mengambil ini dan melihat bagaimana para profesional menjalankan perdagangan mereka. 3) Algoritma Trading amp DMA oleh Barry Johnson - Algoritma algorithmic trading, dalam industri keuangan, biasanya mengacu pada algoritma eksekusi yang digunakan oleh bank dan broker untuk melakukan trading yang efisien. Saya menggunakan istilah ini untuk mencakup tidak hanya aspek perdagangan, tapi juga perdagangan kuantitatif atau sistematis. Buku ini terutama tentang yang pertama, ditulis oleh Barry Johnson, seorang pengembang perangkat lunak kuantitatif di sebuah bank investasi. Apakah ini berarti tidak ada gunanya untuk barang ritel Tidak sama sekali. Memiliki pemahaman yang lebih dalam tentang bagaimana pertukaran kerja dan struktur mikro dapat sangat membantu profitabilitas strategi ritel. Meski menjadi buku tebal, perlu dipungut. Begitu konsep dasar digenggam, perlu mulai mengembangkan strategi trading. Ini biasanya dikenal sebagai komponen model alpha dari sistem perdagangan. Strategi mudah ditemukan akhir-akhir ini, namun nilai sebenarnya ada dalam menentukan parameter trading Anda sendiri melalui penelitian dan backtesting yang ekstensif. Buku-buku berikut membahas beberapa jenis sistem perdagangan dan eksekusi dan bagaimana cara menerapkannya: 4) Algorithmic Trading oleh Ernest Chan - Ini adalah buku kedua dari Dr. Chan. Dalam buku pertama dia menghindari momentum, pembalikan rata-rata dan strategi frekuensi tinggi tertentu. Buku ini membahas strategi semacam itu secara mendalam dan memberikan rincian pelaksanaan yang signifikan, walaupun dengan kompleksitas matematika lebih banyak daripada yang pertama (mis., Kalman Filter, StationarityCointegration, CADF dll). Strategi, sekali lagi, membuat penggunaan MatLab secara ekstensif namun kodenya dapat dengan mudah dimodifikasi menjadi C, Pythonpandas atau R untuk mereka yang memiliki pengalaman pemrograman. Ini juga memberikan update tentang perilaku pasar terbaru, karena buku pertama ditulis beberapa tahun yang lalu. 5) Perdagangan dan Pertukaran oleh Larry Harris - Buku ini berkonsentrasi pada pasar mikro. Yang saya rasakan secara pribadi adalah area penting untuk dipelajari, bahkan pada tahap awal perdagangan quant. Struktur pasar adalah ilmu bagaimana pelaku pasar berinteraksi dan dinamika yang terjadi dalam buku pesanan. Hal ini terkait erat dengan bagaimana pertukaran berfungsi dan apa yang sebenarnya terjadi ketika sebuah perdagangan ditempatkan. Buku ini kurang tentang strategi trading seperti itu, namun lebih banyak hal yang harus diperhatikan saat merancang sistem eksekusi. Banyak profesional di ruang keuangan quant menganggap ini sebagai buku bagus dan saya juga sangat merekomendasikannya. Pada tahap ini, sebagai pedagang eceran, Anda akan berada di tempat yang baik untuk mulai meneliti komponen lain dari sistem perdagangan seperti mekanisme eksekusi (dan hubungan dalamnya dengan biaya transaksi), serta manajemen risiko dan portofolio. Saya akan mencuss buku untuk topik ini di artikel selanjutnya. Memulai dengan Quantitative TradingQuantStart Books QuantStart telah menerbitkan tiga buku terpisah tentang topik perdagangan kuantitatif. Mereka dirancang untuk membantu Anda beralih dari pemula ke pakar dalam perdagangan algo, dengan deskripsi terperinci dan kode yang dapat ditiru sepenuhnya. Trading Algorithmic yang sukses ditulis untuk trader pemula pemula yang baru saja memasuki dunia perdagangan algo. Advanced Algo Trading menggali lebih dalam deret waktu dan pembelajaran mesin. Sukses Algorithmic Trading Berjuang Untuk Membuat Algo Menguntungkan Strategi Trading Dalam Algoritma Sukses Trading Anda akan belajar bagaimana menemukan ide strategi perdagangan baru dan menilai secara obyektif mereka untuk portofolio Anda. Anda akan belajar tentang strategi backtesting yang berhasil, pengukuran kinerja dan teknik manajemen risiko kelas industri. Paket lengkap dilengkapi dengan semua kode Python yang diperlukan yang Anda butuhkan untuk segera memulai strategi perdagangan algoritmik Anda. Mesin Trading Algoritma Maju yang Terapan Untuk Strategi Kuantitas Dunia Nyata Dalam Perdagangan Algoritma Tingkat Lanjut Anda akan belajar menerapkan strategi perdagangan tingkat lanjut menggunakan analisis deret waktu, pembelajaran mesin dan statistik Bayesian dengan R dan Python. Anda akan melihat secara rinci beberapa perpustakaan keuangan paling populer untuk Python dan R, termasuk panda, scikit-learn, statsmodels, timeseries, rugarch dan forecast. Paket lengkap dilengkapi dengan semua kode Python dan R yang diperlukan yang Anda butuhkan untuk mulai menerapkan model perdagangan yang lebih maju dan teknik manajemen risiko ke portofolio Anda. C Untuk Kuantitatif Keuangan Adalah Pertanyaan C Menghentikan Anda Mendapatkan Pekerjaan Bagaimana jika ada cara untuk mempelajari dengan tepat apa yang Anda butuhkan tanpa harus mengeluarkan sejumlah besar buku teks C dan minggu belajar yang tidak membantu dalam wawancara dengan C Untuk Kuantitatif Keuangan yang telah disuling Pengetahuan yang dibutuhkan untuk lulus wawancara kerja kuantitatif ke dalam paket studi yang mudah dipelajari, yang berkonsentrasi pada konsep inti yang dibutuhkan untuk mendapatkan peran yang didambakan. Berisi lebih dari 250 halaman pola desain C untuk keuangan kuantum, termasuk teknik kelas industri yang akan meningkatkan wawancara Anda. Mulai dengan Trading Kuantitatif
Comments
Post a Comment