کوانت: سیزیف مدرن!
با فراگیر شدن معاملات در بازار مالی و بالا رفتن تقاضا، گروه جدیدی از معامله‌گران کم‌کم شروع به شکل گیری کردند، این دسته از معامله‌گران با درک عمیق خود از بازار سعی میکردند با استفاده از عملیات و فرمول‌های ریاضی راه‌های جدیدی برای تعیین جهت حرکت بازار پیدا کنند، این نوع از معاملات خیلی زود به «Quantitative Trading» معروف شدند که همان اصطلاح کمتر استفاده شده‌ی معاملات الگوریتمی است.
کوانت‌ها معامله‌گرانی هستند که به صورت الگوریتمی بازار را تحلیل میکنند و سفارش میگذارند.
امروزه معاملات الگوریتمی را میتوان به دو دسته‌ی معاملات فرکانس پایین و معمالات فرکانس بالا (HFT) تقسیم کرد که با فراگیر شدن کتابخانه‌های متن باز، امروزه تقریبا هر کسی میتواند به سادگی و تنها با چند خط کد یک الگوریتم فرکانس پایین تولید کند!
شروع مسیر
بر خلاف تصور عموم یادگیری معاملات الگوریتمی به نوعی ساده‌تر از یادگیری ترید به صورت دستی است؛ به عنوان یک تریدر شما باید حداقل چند نمونه از الگوهای نمودار شمعی را به خاطر بسپارید و همچنین کار کردن با اندیکیتور‌های مختلف را یاد بگیرید و در نهایت تمامی این موارد را در محیط پر استرس بازار به خاطر بیاورید و سعی کنید بدون دخیل کردن احساسات و عواطف خود، استراتژی مورد نظر را اجرا کنید!
این مسیری بود که من چندین سال با آن دست و پنجه نرم کردم و در نهایت هم نتیجه‌ی مورد قبولی نگرفتم؛ پس تصمیم به تغییر مسیر و ورود به دنیای کوانت‌ها گرفتم و با استفاده از چند خط کد اولین استراتژی خود را تولید کردم. (که البته استراتژی موفقی نبود!)
مرگ یک رویا
من هم مثل بیشتر افراد بر اساس چیزهایی که شنیده بودم فکر میکردم که معاملات الگوریتمی سود بسیار زیادی خواهد داشت، بعد از نوشتن اولین استراتژی خیلی زود متوجه شدم که معادلات بازر در دنیای واقعی بسیار متفاوت از محیط تست است به این شکل که ربات با دیدن شرایط مناسب سفارش را باز میکرد اما به علت حرکت سریع بازار سفارشها پر نمیشدند و در نتیجه فرصت ترید از بین میرفت.
تصمیم گرفتم بیشتر تحقیق کنم و ریشه‌ی مشکل را پیدا کنم؛ با کمی جستجو به آمار جالبی رسیدم:
شرکت Renaissance Technologies که موفق ترین شرکت معاملات الگوریتمی در جهان است سالیانه ۳۷٪ سود خالص از طریق معاملات الگوریتمی بدست می‌آورد؛ پس تریدرهای اینستاگرام و یوتوب که ۲۰۰ یا ۳۰۰ درصد و بعضا بیشتر سود میکنند، همه استعدادهای کشف نشده هستند؟!
آمارها میتوانند فریبنده باشند؛ مجددا آمار قبل را با اضافه کردن جزییات بیشتر مرور کنیم:
شرکت Renaissance Technologies از سال ۱۹۸۸ تا ۲۰۲۱ به طور میانگین سالیانه ۳۷٪ سود خالص بدست آورده؛ داستان لاکپشت و خرگوش در دنیای واقعی.
نوشتن استراتژی که در یک حالت خاص و به طور شانسی سود خیلی زیادی بدهد کار خیلی سختی نیست اما باید توجه داشته باشید که این استراتژی‌ها غیر قابل پیش‌بینی هستند و ریسکشان بسیار زیاد است، به همین دلیل معمولا در آزمون‌های برگشتی هم نتایج خوبی نمیگیرند و نسبت شارپ خیلی پایینی خواهند داشت.
تولد سیزیف
مسیر معاملات الگوریتمی روزی برای من زیبا شد که فهمیدم نباید به فکر سود غیر منطقی و ناگهانی باشم، بلکه باید استراتژی‌هایی که ایجاد میکنم را به گونه‌ای بهینه کنم که درمرحله‌ی اول نسبت شارپ بالایی داشته باشند و بعد تعداد روزهای در ضرر در مدت انجام تست را به حداقل برسانم.
بر خلاف تصور، تنها یک استراتژی برای ساخت یک ربات معامله‌گر کافی نیست و عملا چیزی به اسم استراتژی طلایی وجود ندارد، چرا که بازار در شرایط مختلف اجتماعی و سیاسی به اشکال مختلفی حرکت خواهد کرد؛ پس همان طوری که سیزیف (یکی از اساطیر یونان) سنگی را به بالای کوه میبرد و شاهد غلتیدن آن به پایین قله بود، ما هم شاهد صعود و افول الگوریتم‌هایمان خواهیم بود.
نقشه راه
یک الگوریتم برای قرار گرفتن در جعبه ابزار معاملاتی ما باید از این چهار مرحله عبور کند:
- تست الگوریتم بر اساس اطلاعات تاریخی بازار: همانطور که در مقاله‌ی قبلی اشاره کردم الگوریتم‌ها نه تنها باید بر اساس اطلاعات تاریخی آزمایش شوند، بلکه باید در بازارهایی که به یکدیگر مرتبط نیستند هم آزمایش بشوند تا مشخص شود در هر شرایطی چه کارکردی خواهند داشت.
- تست الگوریتم بر اساس اطلاعات زنده: بعد از اینکه الگوریتمی از مرحله‌ی اول عبور کرد باید حداقل چندین روز بر اساس اطلاعات زنده بازار آزمایش شود چرا که ممکن است در ساخت الگوریتم از اندیکیتورهایی استفاده شده باشد که Look Ahead Bias داشته باشند. (Look Ahead Bias به حالتی گفته میشود که اطلاعات موجود در سطرهای بعدی در زمان تست روی اطلاعاتی که برای سطرهای قبل ایجاد میشود تاثیر بگذارد)
- تست الگوریتم برای شرایط غیرقابل پیش‌بینی: در این مرحله کاندید مناسبی داریم اما باید مجددا الگوریتم خود را با استفاده از اطلاعات ساخته شده کامپیوتری برای کارکرد در شرایط غیر عادی بررسی کنیم.
- تست الگوریتم در دنیای واقعی با پول واقعی: در آخرین مرحله هم پیشنهاد میشود که مبلغ کمی را به ربات خود بسپاریم تا بتوانیم شرایط را در دنیای واقعی نیز بسنجیم چرا که متغیرهای بسیاری از جمله میزان معاملات روزانه صرافی، دیر پر شدن سفارشها و… میتواند تاثیرات غیر قابل پیش‌بینی روی کارکرد الگوریتم بگذارند.
نتیجه‌گیری
معاملات الگوریتمی دستگاه چاپ پولی نیست که با ساخت یک استراتژی، در زمان خواب برای ما پول دربیاورد اما اگر اصول ساخت استراتژی‌ها را رعایت کنیم، میتوانیم مجموعه‌ای از استراتژی‌ها را به جعبه ابزار خود اضافه کنیم؛ در این صورت شاهد رشد حسابمان به صورت آهسته و پیوسته خواهیم بود.
دیدگاهتان را بنویسید