알고리즘 거래 (자동 거래, 블랙 박스 거래 또는 알고리즘 거래라고도 함)는 정의 된 지침 세트 (알고리즘)에 따라 거래를하는 컴퓨터 프로그램을 사용합니다. 이론적으로 거래는 인간 거래자에게는 불가능한 속도와 빈도로 수익을 창출 할 수 있습니다.
정의 된 명령어 세트는 타이밍, 가격, 수량 또는 모든 수학적 모델을 기반으로합니다. 거래자에 대한 이익 기회와는 별도로, algo-trading은 거래 활동에 대한 인간의 감정의 영향을 배제함으로써 시장을보다 유동적이고 거래를보다 체계적으로 만듭니다.
실제로 알고리즘 거래
트레이더가 다음과 같은 간단한 트레이드 기준을 따르는 경우
- 50 일 이동 평균이 200 일 이동 평균을 초과하면 주식 50 주를 매수하십시오. (이동 평균은 일일 가격 변동을 완화하여 추세를 식별하는 과거 데이터 포인트의 평균입니다.) 50 일 이동 평균이 200 일 이동 평균보다 낮을 때 주식의 주식을 판매하십시오.
이 두 가지 간단한 지침을 사용하여 컴퓨터 프로그램은 자동으로 주가 (및 이동 평균 지표)를 모니터링하고 정의 된 조건이 충족되면 구매 및 판매 주문을합니다. 거래자는 더 이상 실시간 가격과 그래프를 모니터링하거나 수동으로 주문할 필요가 없습니다. 알고리즘 거래 시스템은 거래 기회를 올바르게 식별하여이를 자동으로 수행합니다.
알고리즘 거래의 기초
알고리즘 거래의 이점
알고리즘 거래는 다음과 같은 이점을 제공합니다.
- 거래는 가능한 최고의 가격으로 실행됩니다. 거래 주문 배치는 즉각적이고 정확합니다 (원하는 수준에서 실행 가능성이 높음). 거래는 정확한 가격으로 큰 가격 변동을 피하기 위해 정확하고 즉각적으로 시간이 정해집니다. 거래 비용이 줄어 듭니다. 다양한 시장 조건 거래시 수동 오류 위험 감소 사용 가능한 과거 및 실시간 데이터를 사용하여 알고리즘 거래를 백 테스트 할 수 있습니다 정서적 및 심리적 요소를 기반으로 휴먼 트레이더의 실수 가능성을 줄였습니다.
오늘날 가장 많이 거래되는 거래는 고주파 거래 (HFT)이며, 이는 다수의 주문을 여러 시장에서 빠른 속도로 사전 프로그래밍 된 명령을 기반으로하는 여러 의사 결정 매개 변수로 활용하려고합니다.
알고리즘 거래는 다음과 같은 다양한 형태의 거래 및 투자 활동에 사용됩니다.
- 연금 투자, 뮤추얼 펀드, 보험 회사와 같은 중장기 투자자 또는 매수 측 기업은 이산, 대규모 투자로 주식 가격에 영향을 미치지 않으려는 경우 주식을 대량 구매하기 위해 알고리즘 거래를 사용합니다. 중개인 및 판매자 측 참가자 — 시장 제작자 (예: 중개 업체), 투기자와 중재인 — 자동화 된 무역 집행의 혜택; 또한 체계적인 트레이더 — 트렌드 팔로워, 헤지 펀드 또는 페어 트레이더 (시장 중립 거래 전략, 높은 포지션에서 짧은 포지션과 짧은 포지션을 일치시키는 마켓 중립적 거래 전략) 두 종목, ETF (거래 거래 자금) 또는 통화와 같은 관련 상품 — 거래 규칙을 프로그래밍하고 프로그램이 자동으로 거래되도록하는 것이 훨씬 효율적입니다.
알고리즘 거래는 거래자의 직관이나 본능에 기반한 방법보다 적극적인 거래에 대한 체계적인 접근을 제공합니다.
알고리즘 거래 전략
알고리즘 거래를위한 모든 전략에는 수익 개선 또는 비용 절감 측면에서 수익성있는 식별 된 기회가 필요합니다. 다음은 알고리즘 거래에 사용되는 일반적인 거래 전략입니다.
트렌드 추종 전략
가장 일반적인 알고리즘 거래 전략은 이동 평균, 채널 급등, 가격 수준 변동 및 관련 기술 지표의 추세를 따릅니다. 이 전략은 예측이나 가격 예측을 포함하지 않기 때문에 알고리즘 거래를 통해 구현하는 가장 쉽고 간단한 전략입니다. 거래는 바람직한 경향의 발생에 기초하여 시작되며, 예측 분석의 복잡성에 빠지지 않고 알고리즘을 통해 쉽고 간단하게 구현할 수 있습니다. 50 일 및 200 일 이동 평균을 사용하는 것이 인기있는 추세를 따르는 전략입니다.
차익 거래 기회
한 시장에서 더 낮은 가격에 이중 상장 주식을 구입하고 다른 시장에서 더 높은 가격으로 동시에 판매하면 위험이없는 이익 또는 차익 거래와 같은 가격 차이를 제공합니다. 때때로 가격 차이가 존재하기 때문에 주식과 선물 상품에 대해 동일한 작업을 복제 할 수 있습니다. 이러한 가격 차이를 식별하고 주문을 효율적으로 배치하는 알고리즘을 구현하면 수익성있는 기회를 얻을 수 있습니다.
인덱스 펀드 리 밸런싱
인덱스 펀드는 보유한 자산을 각각의 벤치 마크 지수와 동등하게하기 위해 재조정 기간을 정의했습니다. 이는 인덱스 펀드 재조정 직전에 인덱스 펀드의 주식 수에 따라 20-80 베이시스 포인트 이익을 제공하는 예상 거래를 자본화하는 알고리즘 거래자에게 수익성있는 기회를 제공합니다. 이러한 거래는시기 적절한 실행과 최상의 가격을 위해 알고리즘 거래 시스템을 통해 시작됩니다.
수학적 모델 기반 전략
델타 중립 거래 전략과 같은 입증 된 수학적 모델을 사용하면 옵션과 기본 보안 조합을 거래 할 수 있습니다. 델타 중립은 긍정적, 부정적 델타를 상쇄하는 여러 위치로 구성된 포트폴리오 전략으로, 일반적으로 시장성이 높은 자산의 자산 가격 변동을 파생 상품 가격의 해당 변동과 비교하여 전체적으로 해당 자산의 델타는 총 0입니다.)
거래 범위 (평균 전환)
평균 복귀 전략은 자산의 고가와 저가가 주기적으로 평균 가치 (평균 가치)로 되돌아가는 일시적 현상이라는 개념을 기반으로합니다. 가격 범위를 식별 및 정의하고이를 기반으로 알고리즘을 구현하면 자산 가격이 정의 된 범위를 벗어나는 경우 거래가 자동으로 이루어집니다.
거래량 가중 평균 가격 (VWAP)
대량 가중 평균 가격 전략은 대량 주문을 해소하고 주식 별 과거 볼륨 프로파일을 사용하여 시장에 작은 주문을 동적으로 결정합니다. 목표는 VWAP (Volume-weighted Average Price)에 가까운 주문을 실행하는 것입니다.
시간 가중 평균 가격 (TWAP)
시간 가중 평균 가격 전략은 대량 주문을 분류하고 시작 시간과 종료 시간 사이에 균등하게 분할 된 시간 슬롯을 사용하여 동적으로 결정된 주문의 작은 청크를 시장에 출시합니다. 목표는 시작 시간과 종료 시간 사이의 평균 가격에 가까운 주문을 실행하여 시장 영향을 최소화하는 것입니다.
부피 백분율 (POV)
거래 주문이 완전히 채워질 때까지이 알고리즘은 정의 된 참여 비율과 시장에서 거래되는 수량에 따라 부분 주문을 계속 보냅니다. 관련 "단계 전략"은 시장 규모의 사용자 정의 비율로 주문을 보내고 주가가 사용자 정의 수준에 도달하면이 참여율을 늘리거나 줄입니다.
구현 부족
구현 부족 전략은 실시간 시장을 거래함으로써 주문의 실행 비용을 최소화하여 주문 비용을 절감하고 실행 지연 기회 비용의 이점을 얻는 것을 목표로합니다. 이 전략은 주가가 호의적으로 움직일 때 목표 참여율을 높이고 주가가 불리하게 움직일 때이를 감소시킵니다.
일반적인 거래 알고리즘을 넘어
다른 쪽에서 "합법"을 식별하려고 시도하는 몇 가지 특수한 알고리즘 클래스가 있습니다. 예를 들어, 판매 측 마켓 메이커가 사용하는 이러한 "스니핑 알고리즘"에는 대량 주문의 구매 측에서 알고리즘의 존재를 식별하는 내장 인텔리전스가 있습니다. 알고리즘을 통한 이러한 탐지는 시장 제작자가 대량 주문 기회를 식별하고 더 높은 가격으로 주문을 작성함으로써 이익을 얻을 수 있도록 도와줍니다. 이것은 때로는 첨단 프론트 러닝으로 식별됩니다.
알고리즘 거래를위한 기술 요구 사항
컴퓨터 프로그램을 사용하여 알고리즘을 구현하는 것은 알고리즘 테스팅의 마지막 구성 요소이며 백 테스팅과 함께 과거 주식 시장 성과의 과거 기간에 알고리즘을 사용하여 수익성이 있었는지 확인합니다. 문제는 식별 된 전략을 주문을 위해 거래 계정에 액세스 할 수있는 통합 전산화 프로세스로 변환하는 것입니다. 다음은 알고리즘 거래에 대한 요구 사항입니다.
- 필요한 거래 전략, 고용 된 프로그래머 또는 사전 제작 된 거래 소프트웨어를 프로그래밍하기위한 컴퓨터 프로그래밍 지식 네트워크 연결 및 주문을위한 거래 플랫폼에 대한 액세스 주문을위한 알고리즘에 의해 모니터링 될 시장 데이터 피드에 액세스합니다. 시스템이 실제 시장에 출시되기 전에 일단 구축되면 시스템을 백 테스트 할 수있는 능력과 인프라.
알고리즘 거래의 예
Royal Dutch Shell (RDS)은 AEX (Amsterdam Stock Exchange) 및 LSE (London Stock Exchange)에 상장되어 있습니다. 우리는 차익 거래 기회를 식별하는 알고리즘을 구축하는 것으로 시작합니다. 몇 가지 흥미로운 관찰 결과는 다음과 같습니다.
- AEX는 유로화로 거래되고 LSE는 영국 파운드 스털링으로 거래됩니다.1 시간 시차로 인해 AEX는 LSE보다 1 시간 일찍 열린 다음 두 거래소가 다음 몇 시간 동안 동시에 거래되고 마지막 시간 동안 LSE에서만 거래됩니다. AEX가 닫힙니다.
이 두 시장에 상장 된 Royal Dutch Shell 주식에 대한 차익 거래 가능성을 두 가지 통화로 살펴볼 수 있습니까?
요구 사항:
- 현재 시장 가격을 읽을 수있는 컴퓨터 프로그램 LSE 및 AEX의 가격 피드 GBP-EUR의 외환 (외환) 환율 피드 주문을 올바른 거래소로 라우팅 할 수있는 주문 배치 기능 과거 가격에 대한 백 테스팅 기능 피드.
컴퓨터 프로그램은 다음을 수행해야합니다.
- 사용 가능한 외환 환율을 사용하여 한 통화의 가격을 다른 통화로 변환하십시오. 가격 불일치가 큰 경우 (중개 비용 제외) 수익성있는 기회로 이어질 경우 이 프로그램은 구매 주문을 저가 거래소에 배치하고 주문을 고가 거래소에 판매해야하며, 주문이 원하는대로 실행되면 차익 거래 이익이 따릅니다.
간단하고 쉽습니다! 그러나 알고리즘 거래의 관행은 유지 관리 및 실행이 그렇게 간단하지 않습니다. 한 투자자가 알고리즘으로 생성 된 거래를 할 수 있다면 다른 시장 참가자도 참여할 수 있습니다. 결과적으로 가격은 밀리 초 및 심지어 마이크로 초 단위로 변동합니다. 위의 예에서, 구매 거래가 실행되지만 주문이 시장에 도달 할 때 판매 가격이 변경되어 판매 거래가되지 않는 경우 어떻게됩니까? 거래자는 차익 거래 전략을 무가치하게 만드는 열린 입장을 유지할 것입니다.
시스템 장애 위험, 네트워크 연결 오류, 거래 주문과 실행 사이의 시간 지연 및 가장 중요한 불완전한 알고리즘과 같은 추가 위험과 문제가 있습니다. 알고리즘이 복잡할수록 더 엄격한 백 테스팅이 필요합니다.
