داشتن تجربه در تجارت الگوریتمی ناشی از داشتن دانش لازم برای آن، سالها پشتکار و مقداری آزمون و خطا است. و هنگامی که از نکات مفید افراد با تجربه در حوزه استفاده می کنید، می توانید دانش عملی را بسیار سریعتر بسازید.
به عنوان یک مبتدی در حوزه معاملات الگوریتمی، رویکرد عملی برای اجرای معاملات مطلوب، نقطه عطف دیگری است درست پس از کسب دانش نظری. در این مقاله، اجازه دهید دریابیم که متخصصان باتجربه QuantInsti در مورد معامله با کمک الگوریتم‌ها چه پیشنهادی می‌دهند.
7 نکته مفید تجارت الگوریتمی از معامله گران و متخصصان با تجربه الگوریتمی:
پارادایم های استراتژی یکپارچه هستند
اول از همه، شما باید از پارادایم های استراتژی و چرایی اهمیت آنها آگاهی داشته باشید. توسعه استراتژی در معاملات زنده حیاتی ترین بخش است، بنابراین، باید به صورت متوالی انجام شود.
شما با فرضیه استراتژی معاملاتی شروع می‌کنید، سپس کدنویسی را انجام می‌دهید، سپس بک‌آزمایش را انجام می‌دهید و سپس تست راه رفتن را انجام می‌دهید. این فرآیند با معاملات زنده در بازار به پایان می رسد.
یک فروشنده قابل اعتماد اطلاعات مالی دریافت کنید
بدست آوردن یک فروشنده داده قابل اعتماد یکی دیگر از موارد مهم در تجارت الگوریتمی است. یک فروشنده داده های مالی داده هایی را از بازارهای مالی ارائه می دهد.
فروشنده داده های مالی که توسط معامله گران و سرمایه گذاران استفاده می شود، داده های بازار را پس از قالب بندی و بدون خطا در اختیار شما قرار می دهد. به عنوان مثال، داده‌های SPY (زنده و همچنین تاریخی) می‌توانند در داده‌ها تکراری باشند، مقادیر داده‌های گمشده و غیره اشتباه است و در صورت استفاده برای ایجاد استراتژی‌های معاملاتی ممکن است منجر به نتایج نادقیق شود.
شرکت هایی مانند بلومبرگ، تامسون رویترز و تجزیه و تحلیل مودی نمونه های رایج فروشندگان داده های بازار هستند.
هنگام معامله محصولات اهرمی محتاط باشید
در حالی که تجارت محصولات دارای اهرم در بازارهای مالی می تواند به شما کمک کند تا در بخش قرض گرفته شده یا اهرمی کل معامله به دست آورید، همچنین خطر از دست دادن بیشتر از آنچه دارید را به همراه دارد.
اجازه دهید فرض کنیم که شما یک موقعیت 100000 دلاری با وجوه اهرمی موجود در بازار دارید اما مال شما فقط 500 دلار است. اگر بازار مالی بالا برود، در موقعیتی خواهید بود که به سود رضایت می دهید. فرض کنید بازار بالا می رود و موقعیت شما در بازار 102000 دلار می شود. در این سناریو، شما 1500 دلار بیش از سرمایه گذاری 500 دلاری خود به دست خواهید آورد.
برعکس، فرض کنید متوجه می‌شوید که بازار سقوط می‌کند و موقعیت شما در بازار 98000 دلار است. در این مورد، ضرر شما 2000 دلار در معرض اولیه 100،000 دلار خواهد بود. این امر روشن می‌کند که شما نه تنها مجبورید ضرر 500 دلاری خود را متحمل شوید، بلکه 1500 دلار نیز متحمل خواهید شد زیرا کارگزاران معمولاً مارجین تماس می‌گیرند.
مارجین فراخوان توسط کارگزار آغاز می شود. در صورتی که ارزش حساب شما کمتر از آستانه تعیین شده باشد، کارگزار شما از شما می خواهد که وجوه بیشتری را در حساب واریز کنید. این به این دلیل اتفاق می افتد که کارگزار سعی می کند در صورت از دست دادن ارزش حساب و عدم امکان بازپرداخت بدهی، خود را ایمن کند.
اگر ارزش بازار پایین بیاید، بهترین کاری که یک الگوریتم می تواند انجام دهد این است که یک دستور توقف محدود یا دستور توقف ضرر را روی محصول اهرمی خود قرار دهد (خروج از بازار) و شما را از متحمل شدن ضررهای هنگفت با شروع کاهش قیمت در بازار نجات دهد. اما، زیان اولیه همچنان وجود دارد که ارزش بازار حساب کارگزار پایین می‌آید.
استفاده از اهرم در برخی اوراق بهادار مانند ETF ها ریسک بیشتری نسبت به سایرین دارند. ETF ها دارای هزینه هایی مانند نسبت هزینه، مالیات و هزینه های گردش مالی هستند. علاوه بر ضرر اضافی، معامله گر نیز برای متحمل شدن هزینه این هزینه ها مورد نیاز است.
با این حال، می‌توانید اهرم‌ها را با صندوق‌های تامینی مدیریت کنید، زیرا مدیران صندوق‌های تامینی دقیقاً می‌دانند که چه زمانی از اهرم استفاده کنند و چه زمانی نه، تا خود را از متحمل شدن زیان‌های بزرگ نجات دهند. مدیران صندوق های تامینی معمولاً نهادهای خصوصی هستند و به حداقل سرمایه ای نیاز دارند که در بازار مالی نگهداری می کنند یا با آن معامله می کنند.
بیاموزید که به طور سیستماتیک بک تست کنید و هر ایده معاملاتی را با دقت بررسی کنید
معامله گران معمولاً به دلیل عدم تصمیم گیری معاملاتی بر اساس تحقیقات صحیح و آزمون های برگشتی، سرمایه خود را از دست می دهند. این بسیار مهم است که احساسات را از تصمیمات تجاری خود حذف کنید و استراتژی یا ایده معاملاتی را مورد آزمایش قرار دهید. بک تست فرآیند آزمایش یک فرضیه/استراتژی تجاری بر روی داده های تاریخی است.
بیایید سعی کنیم این را بهتر درک کنیم. فرض کنید یک فرضیه معاملاتی دارید که بازدهی مثبت اوراق بهادار خاص را طی دو ماه آینده بیان می کند. این فرضیه بر اساس بازده مثبتی است که در دو سال گذشته رخ داده است.
اکنون، آزمایش این فرضیه و دانستن اینکه آیا استراتژی کار خواهد کرد یا خیر، دو چیز اصلی در اینجا هستند. این فرضیه را می توان با کمک آزمون پشتیبان تأیید کرد که به معنای یافتن عملکرد یک استراتژی معاملاتی بر روی داده های تاریخی بازار است.
به عنوان مثال ، در استراتژی معاملاتی حرکت ، سرمایه گذاران وقتی اوج فرض می شوند ، اوراق بهادار مالی خریداری می کنند و آنها را می فروشند. در اینجا ، این فرضیه می تواند افزایش مثبت سهام برای یک دوره زمانی دو ماه باشد. پس از دو ماه ، سهام عدالت به اوج خود می رسد زیرا این اتفاق در یک سال گذشته رخ داده است.
بگذارید بگوییم که بازده تمام سهام Nifty 50 3 ٪ پیش بینی می شود. این انتظار این فرضیه را بیان می کند که بازده 3 ٪ خواهد بود اما برای آزمایش فرضیه ما از آزمایش فرضیه استفاده می کنیم.
یک پشتی خوب اطمینان می دهد که اشکالاتی یا تعصب زیر رخ نمی دهد که پتانسیل تغییر نتایج پشتی شما را دارند:
-
- هنگامی که بیش از حد اتفاق می افتد ، نتیجه Backtest استراتژی تجارت عملکرد خوبی از استراتژی را در داده های تاریخی نشان می دهد اما احتمالاً بر روی هر داده جدید کم کار خواهد شد.- استفاده از اطلاعات موجود در پشتی قبل از اینکه در واقع در نمای عمومی ظاهر شود ، به دنبال تعصب است. این می تواند منجر به نتایج ناچیز در هنگام پشتی شود. به عنوان مثال ، اگر به دلیل گزارش سه ماهه درآمد سازمان خود ، تأثیر بازار سهام را ارزیابی می کنید ، این گزارش را فرض می کنید که هنوز در پایان سه ماهه ارائه نشده است.- تعصب که فقط برندگان هنگام تجزیه و تحلیل داده های تاریخی در نظر گرفته می شوند ، در حالی که بازنده ها در نظر گرفته نمی شوند. از این رو شامل کل جهان داده ها در حالی که پشتی بسیار مهم است. به عنوان مثال ، برخی از صندوق های متقابل ممکن است در رکود بهتر عمل کرده باشند اما سایر صندوق های متقابل ممکن است نداشته باشند. اما سرمایه گذاری در صندوق های متقابل در رکود بعدی با در نظر گرفتن تنها مواردی که در آخرین رکود اقتصادی عملکرد خوبی داشته اند ، تعصب بقا خواهد بود.
- نادیده گرفتن هزینه های معاملات - هزینه های معاملاتی/معاملات مانند کمیسیون ، مالیات و لغزش در هنگام پشتکار استراتژی بسیار قابل توجه است. از جمله این هزینه ها تصویری واقعی از بازده استراتژی می دهد.
علاوه بر این ، تعداد مشخصی وجود ندارد که باید استراتژی خود را پشت سر بگذارید. می توانید چندین بار استراتژی را تغییر دهید. اما ، تغییر مداوم می تواند به بیش از حد منجر شود ، بنابراین مطمئن شوید که بیش از حد از آن استفاده نمی کنید.
پس از اتمام کار برگشت ، می توانید ابتدا استراتژی معاملاتی خود را برای معاملات کاغذی ابتدا و سپس تجارت زنده در نظر بگیرید.
تجارت کاغذ قبل از تجارت زنده
اگر از عملکرد استراتژی پشتی راضی هستید ، می توانید تجارت کاغذ را شروع کنید. و هنگامی که نتایج معاملات کاغذ رضایت بخش باشد ، می توانید تجارت زنده را شروع کنید. به این ترتیب ، شما از صحت استراتژی خود اطمینان می دهید.
روند تجارت کاغذ و تجارت زنده
منبع: مراحل معاملاتی کاغذ برای تجارت کاغذ و تجارت زنده
برخی از مزایای تجارت کاغذ عبارتند از:
- هیچ خطری و استرس برای از دست دادن پول در معاملات کاغذی وجود ندارد زیرا این یک عمل تجاری واقعی نیست. معاملات کاغذ فقط به شما در ایده ای از نتایج حاصل از تجارت واقعی کمک می کند.
- معامله گر در سناریوی واقعی بازار مالی تجارت می کند. از این رو ، می توان در هر عنصر از فرآیند معاملات از آماده سازی قبل از بازار تا سود نهایی یا ضرر ، تجربه خوبی کسب کرد.
حال ، سوال واقعی این است: "تا چه مدت باید قبل از زندگی به تجارت کاغذ بچسبید؟"
و پاسخ این امر بیش از یک ماه نیست یا باید تجارت کاغذی باشید زیرا تجربه ای که از تجارت زنده بدست می آورید با تجربه به دست آمده از تجارت کاغذ بسیار متفاوت خواهد بود.
از این رو ، درسهایی که در تجارت زنده آموخته می شود برای درک سناریوی بازار واقعی که در آن پول واقعی شما در معرض خطر قرار خواهد گرفت ، بسیار مفید خواهد بود. با این وجود ، شما باید خطرات موجود در بازار زنده را که در بخش بعدی درباره آنها بحث خواهیم کرد ، مدیریت کنید.
مدیریت ریسک مهم است
مدیریت ریسک در تجارت برای مدیریت خطر تحمل ضررهای ناشی از روند نزولی در بازارهای مالی ضروری است. این در رویدادهایی مانند Covid-19 ، Tsunami و غیره امکان پذیر است.
بگذارید نگاهی به این جدول بیندازیم که نمونه ای از این است که چقدر مهم است که چک را در مورد ضرر و زیان خود نگه دارید ، زیرا با هر 5 ٪ ضرر اضافی ، درصد سود شما برای بازیابی ضررها افزایش می یابد. این به سادگی به معنای ضرر بیشتر است ، بازیابی آن سخت تر است:
