Vier große Risiken des algorithmischen Hochfrequenz-Handels Algorithmischer Handel (oder Algo-Handel) bezieht sich auf die Verwendung von Computer-Algorithmen (im Grunde genommen ein Satz von Regeln oder Anweisungen, um einen Computer eine bestimmte Aufgabe durchzuführen) für den Handel mit großen Blöcken von Aktien oder anderen finanziellen Vermögenswerten Während die Marktauswirkungen derartiger Geschäfte minimiert werden. Algorithmische Handel beinhaltet Platzierung von Trades auf definierte Kriterien und Carving bis diese Trades in kleinere Chargen, so dass der Preis der Aktie oder Asset nicht wesentlich beeinflusst wird. Die Vorteile des algorithmischen Handels liegen auf der Hand: Er sorgt für die bestmögliche Ausführung von Trades, da er das menschliche Element minimiert, und es kann verwendet werden, um mehrere Märkte und Vermögenswerte viel effizienter zu handeln als ein Fleisch-und-Knochenhändler hoffen könnte. (Lesen Sie weiter: Grundlagen des algorithmischen Handels: Konzepte und Beispiele). Was ist Algorithmic High-Frequency Trading Hochfrequenz-Handel (HFT) nimmt algorithmischen Handel auf eine andere Ebene insgesamt - denken Sie daran, wie algo Handel auf Steroiden. Wie der Begriff impliziert, beinhaltet der Hochfrequenzhandel Tausende von Aufträgen bei blendend schnellen Geschwindigkeiten. Das Ziel ist es, kleine Gewinne auf jedem Handel, oft durch die Kapitalisierung auf Preisdiskrepanzen für die gleiche Aktie oder Vermögenswert in verschiedenen Märkten zu machen. Die HFT unterscheidet sich von den traditionellen langfristigen Investitionen, da die Arbitrage und die Marktaktivitäten, die HFTs Brot und Butter sind, in der Regel innerhalb eines sehr kleinen Zeitfensters auftreten, bevor die Preisdiskrepanzen oder Mismatches verschwinden. Algorithmische Handel und HFT sind ein integraler Bestandteil der Finanzmärkte aufgrund der Konvergenz von mehreren Faktoren geworden. Dazu gehören die zunehmende Rolle der Technologie in den heutigen Märkten, die zunehmende Komplexität von Finanzinstrumenten und Produkten sowie der unaufhörliche Trend zu mehr Effizienz bei der Handelsausführung und niedrigeren Transaktionskosten. Während der algorithmische Handel und die HFT die Marktliquidität und die Vermögenspreis-Konsistenz verbessert haben, hat ihre zunehmende Verwendung auch gewisse Risiken verursacht, die nicht berücksichtigt werden können, wie nachfolgend erörtert wird. Das größte Risiko: Verstärkung des systemischen Risikos Eines der größten Risiken der algorithmischen HFT ist das, das es zum Finanzsystem aufwirft. Ein Juli-Bericht des Internationalen Ausschusses für Wertpapieraufsichtsbehörden (IOSCO) vom Juli 2011 stellte fest, dass aufgrund der starken Wechselbeziehungen zwischen den Finanzmärkten, wie z. B. in den US-amerikanischen Algorithmen, die Märkte betreiben, Schocks schnell von einem Markt zum nächsten übertragen können, Wodurch das systemische Risiko verstärkt wird. Der Bericht zeigte auf den Flash-Crash vom Mai 2010 als erstes Beispiel für dieses Risiko. Der Flash Crash bezieht sich auf den 5-6 Sprung und Rückstoß in den wichtigsten US-Aktienindizes innerhalb der Spanne von ein paar Minuten am Nachmittag des 6. Mai 2010. Der Dow Jones stürzte fast 1.000 Punkte auf einer Intraday-Basis, die zu diesem Zeitpunkt war Seine größten Punkte fallen auf Rekord. Wie der IOSCO-Bericht bemerkt, gingen zahlreiche Aktien und Exchange Traded Funds (ETFs) an diesem Tag in den Schatten und stürmten zwischen 5 und 15, bevor sie die meisten Verluste erholten. Mehr als 20.000 Trades in 300 Wertpapiere wurden zu Preisen so viel wie 60 entfernt von ihren Werten bloß Momente früher getan, wobei einige Trades zu absurden Preisen durchgeführt wurden, von so niedrig wie ein Pfennig oder so hoch wie 100.000. Diese ungewöhnlich unberechenbare Handelsaktion erschütterte die Anleger, vor allem weil sie knapp ein Jahr nach dem Rückgang der Märkte von ihren größten Rückgängen in mehr als sechs Jahrzehnten eingetreten war. Hat Spoofing zum Flash Crash beigetragen Was dieses bizarre Verhalten verursacht hat In einem gemeinsamen Bericht vom September 2010 veröffentlichten die SEC und die Commodity Futures Trading Commission die Schuld auf einen einzigen 4,1 Milliarden Programmhandel durch einen Händler bei einem Kansas-basierten Investmentfonds Unternehmen. Aber im April 2015 beauftragten die US-Behörden einen in London ansässigen Daytrader, Navinder Singh Sarao, mit Marktmanipulation, die zum Absturz beigetragen haben. Die Anschuldigungen führten zu Saraos Verhaftung und mögliche Auslieferung an die USA Sarao angeblich eine Taktik namens Spoofing, die die Platzierung großer Mengen von gefälschten Aufträge in einem Asset oder Derivat (Sarao verwendet die E-Mini SampP 500 Vertrag am Tag des Flash Crash ), Die abgebrochen werden, bevor sie gefüllt werden. Wenn solche großflächigen Scheinaufträge im Orderbuch auftauchen, geben sie anderen Händlern den Eindruck, dass größere Kauf - oder Verkaufsinteressen in Wirklichkeit bestehen, die ihre eigenen Handelsentscheidungen beeinflussen könnten. Zum Beispiel kann ein Spoofer bieten eine große Anzahl von Aktien an Lager ABC zu einem Preis, der ein wenig weg von der aktuellen Preis zu verkaufen. Wenn andere Verkäufer auf die Aktion springen und der Preis sinkt, senkt der Spoofer schnell seine Verkaufsaufträge in ABC und kauft die Aktie stattdessen. Dann setzt der Spoofer in eine große Anzahl von Kaufaufträgen, um den Preis von ABC zu fahren. Und nach diesem geschieht der Spoofer seine Bestände von ABC, steckt einen ordentlichen Gewinn und storniert die falschen Kaufaufträge. Spülen und wiederholen. Viele Marktbeobachter waren skeptisch gegenüber der Behauptung, dass eintägiger Händler einstündig einen Unfall verursacht haben könnte, der in der Nähe von einer Billionen Dollar Marktwert für US-Aktien innerhalb weniger Minuten ausgelöscht wurde. Aber ob Saraos Aktion tatsächlich verursacht den Flash Crash ist ein Thema für einen anderen Tag. Inzwischen gibt es einige gültige Gründe, warum algorithmische HFT vergrößert systemische Risiken. Warum Algorithmische HFT Amplify Systemische Risiko Algorithmische HFT verstärkt systemische Risiko für eine Reihe von Gründen. Intensivierung der Volatilität. Erstens, da theres eine große Menge von algorithmischen HFT-Aktivität in heutigen Märkten, versucht, outfox der Konkurrenz ist ein eingebauter Zug der meisten Algorithmen. Algorithmen können sofort auf Marktbedingungen reagieren. Folglich können Algorithmen in turbulenten Märkten ihre Bid-Ask-Spreads stark vergrößern (um nicht gezwungen werden, Tradingpositionen einzugehen) oder wird vorübergehend den Handel insgesamt beenden, was die Liquidität verringert und die Volatilität verschärft. Kräuselungseffekte. Angesichts des zunehmenden Integrationsgrades zwischen Märkten und Assetklassen in der Weltwirtschaft schwankt eine Kernschmelze in einem wichtigen Markt oder einer Assetklasse oftmals auf andere Märkte und Assetklassen in einer Kettenreaktion. Zum Beispiel verursachte der US-Immobilienmarkt-Crash eine globale Rezession und eine Schuldenkrise, weil umfangreiche Bestände an US-Subprime-Papieren nicht nur von US-Banken, sondern auch von europäischen und anderen Finanzinstituten gehalten wurden. Ein weiteres Beispiel für solche Welligkeitseffekte sind die nachteiligen Auswirkungen des Chinas-Börsencrashs sowie der Zusammenbruch der Rohölpreise auf globale Aktien von August 2015 bis Januar 2016. Unsicherheit. Algorithmische HFT ist ein bedeutender Beitrag zu einer übertriebenen Marktvolatilität, die die Unsicherheit der Anleger kurzfristig ankurbeln und das Vertrauen der Verbraucher langfristig beeinflussen kann. Wenn ein Markt plötzlich zusammenbricht, überlassen die Anleger sich die Gründe für einen solchen dramatischen Schritt. Während der Nachrichtenvakuum, das oft zu solchen Zeiten besteht, werden große Händler (einschließlich HFT-Firmen) ihre Handelspositionen senken, um das Risiko zurückzuzögern, wodurch mehr Druck auf die Märkte ausgeübt wird. Wenn die Märkte niedriger werden, werden mehr Stop-Verluste aktiviert, und diese negative Rückkopplungsschleife erzeugt eine Abwärtsspirale. Wenn sich eine Baisse aufgrund einer solchen Aktivität entwickelt, wird das Vertrauen der Verbraucher durch die Erosion des Aktienmarktes und die rezessiven Signale, die von einer Kernschmelze des Marktes ausgehen, erschüttert. Sonstige Risiken algorithmischer HFT-Algorithmen. Die schillernde Geschwindigkeit, bei der die meisten algorithmischen HFT-Handel stattfindet, bedeutet, dass ein fehlerhafter oder fehlerhafter Algorithmus Millionen von Verlusten in sehr kurzer Zeit aufbrauchen kann. Ein berüchtigtes Beispiel für den Schaden, den ein fehlerhafter Algorithmus verursachen kann, ist der von Knight Capital, einem Marktmacher, der 440 Millionen in einer 45-minütigen Periode am 1. August 2012 verloren hat. Ein neuer Handelsalgorithmus bei Knight machte Millionen von Fehlern 150 Aktien, kaufen sie an der höheren fragen Preis und sofort verkaufen sie zum niedrigeren Geldkurs. (Beachten Sie, dass Market Maker Aktien zum Kaufpreis von Anlegern kaufen und zum Angebotspreis verkaufen, wobei der Spread ihr Handelsergebnis ist. Lesen Sie weiter: Die Grundlagen der Bid-Ask Spread). Leider war die Hyper-Effizienz der algorithmischen HFT - bei der Algorithmen die Märkte ständig auf diese Art von Preisdiskrepanzen überwachen -, dass rivalisierende Händler eindrangen und das Ritter-Dilemma nutzten, während Ritter-Mitarbeiter verzweifelt versuchten, die Ursache des Problems zu isolieren. Durch die Zeit, die sie taten, war Knight in der Nähe von Konkurs gedrückt worden, was zu seiner eventuellen Übernahme durch Getco LLC führte. Riesige Investorenverluste. Volatilitätsschwankungen, die durch algorithmische HFT verschlechtert werden, können Investoren mit riesigen Verlusten satteln. Viele Anleger platzieren routinemäßig Stop-Loss-Aufträge auf ihre Lagerbestände auf Ebenen, die 5 weg von den aktuellen Börsenkursen sind. Wenn die Märkte ohne ersichtlichen Grund (oder sogar aus einem sehr guten Grund) abfallen, würden diese Stop-Verluste ausgelöst. Um eine Beleidigung der Verletzung hinzuzufügen, würden die Anleger, wenn sich die Aktien kurzfristig in kurzer Zeit erholen würden, unnötig Handelsverluste erleiden und ihre Beteiligungen verloren haben. Während einige Trades wurden rückgängig gemacht oder storniert bei ungewöhnlichen Kämpfe der Marktvolatilität wie der Flash Crash und der Ritter Fiasko, waren die meisten Trades nicht. Zum Beispiel waren die meisten der fast zwei Milliarden Aktien, die während der Flash Crash gehandelt wurden zu Preisen innerhalb von 10 ihrer 2:40 PM schließen (die Zeit, wenn der Flash Crash begann am 6. Mai 2010), und diese Berufe stand. Nur etwa 20.000 Trades mit insgesamt 5,5 Millionen Aktien, die zu Preisen über 60 weg von ihrem 2:40 PM-Preis durchgeführt wurden, wurden anschließend annulliert. So ein Investor mit einem 500.000 Aktien Portfolio von US-Blue-Chips, die 5 Stop-Verluste auf ihre Positionen während der Flash Crash würde höchstwahrscheinlich 25.000 sein. Am 1. August 2012 stornierte die NYSE Trades in sechs Aktien, die auftraten, als der Knight-Algorithmus Amok laufen ließ, weil sie zu Preisen 30 über oder unter dem Tage-Eröffnungskurs ausgeführt wurden. Die NYSEs Clearly Erroneous Execution-Regel gibt die numerischen Richtlinien für die Überprüfung solcher Trades an. (Siehe: Die Gefahren des Programmhandels). Verlust des Vertrauens in die Marktintegrität. Investoren Handel auf den Finanzmärkten, weil sie voller Glauben und Vertrauen in ihre Integrität. Jedoch könnten wiederholte Episoden der ungewöhnlichen Marktvolatilität wie der Blitz-Unfall dieses Vertrauen erschüttern und einige konservative Investoren führen, die Märkte total aufzugeben. Im Mai 2012 hatte Facebooks IPO zahlreiche technologische Probleme und verzögerte Bestätigungen, während am 22. August 2013 Nasdaq den Handel für drei Stunden wegen eines Problems mit seiner Software aufhörte. Im April 2014 mussten nahezu 20.000 fehlerhafte Geschäfte nach einer Computerstörung bei IntercontinentalExchange Groups zwei US-Optionsbörsen abgebrochen werden. Ein weiterer großer Blow-up wie die Flash-Crash könnte stark schütteln Investoren Vertrauen in die Integrität der Märkte. Maßnahmen zur Bekämpfung von HFT-Risiken Mit dem Flash Crash und Knight Handel Knightmare Hervorhebung der Risiken der algorithmischen HFT, haben Austausch und Regulierungsbehörden Schutzmaßnahmen. Im Jahr 2014 führte die Nasdaq OMX Group einen Kill-Switch für ihre Mitgliedsunternehmen ein, die den Handel abschneiden würden, sobald ein voreingestelltes Risikoengagement überschritten wird. Während viele HFT-Unternehmen bereits Kill-Switches haben, die unter bestimmten Umständen alle Handelsaktivitäten stoppen können, bietet der Nasdaq-Switch ein zusätzliches Maß an Sicherheit, um Schurkenalgorithmen entgegenzuwirken. Circuit-Breaker wurden nach Black Monday im Oktober 1987 eingeführt, und werden verwendet, um Markt-Panik zu unterdrücken, wenn theres eine riesige Sell-off. Die SEC genehmigt überarbeitete Regeln im Jahr 2012, dass Leistungsschalter zu treten, wenn die SampP 500 Index taumelt 7 (von der vorherigen Tage Schließung Ebene) vor 3:25 PM EST, die Markt-Trading für 15 Minuten stoppen würde. Ein 13-Sprung vor 15:25 Uhr würde einen weiteren 15-minütigen Stopp auf dem gesamten Markt auslösen, während ein 20-Tauchgang den Aktienmarkt für den Rest des Tages schließen würde. Im November 2014 hat die Commodity Futures Trading Commission Vorschriften für Unternehmen vorgeschlagen, die algorithmischen Handel mit Derivaten anwenden. Diese Regelungen würden es erforderlich machen, dass diese Unternehmen Risikokontrollen vor dem Handel durchführen, während eine umstrittene Bestimmung verlangt, dass sie den Quellcode ihrer Programme der Regierung auf Verlangen zur Verfügung stellen. Die Bottom Line Algorithmic HFT hat eine Reihe von Risiken, von denen die größte das Potenzial zur Verstärkung des systemischen Risikos ist. Die Neigung zur Intensivierung der Marktvolatilität kann auf andere Märkte rascheln und die Unsicherheit der Anleger stören. Wiederholte Angriffe von ungewöhnlichen Marktvolatilität könnte erodieren viele Investoren Vertrauen in die Marktintegrität. RBI warnt vor möglichen systemischen Risiken in Algo, hochfrequente Handel Bestellungen Heavy Volumes geschehen in Algo und Hochfrequenz-Handel Die Reserve Bank of India hat Volumes im Zusammenhang mit algo gesagt Befürchtungen im Zusammenhang mit systemischen Risiken. Der Anteil der Algo-Aufträge an den Gesamtaufträgen und der Anteil der stornierten Algo-Aufträge an der Gesamtzahl der stornierten Aufträge beträgt rund 90 Prozent. Systemisches Risiko ist das Risiko, dass ein gesam - tes Finanzsystem aufgrund einer Ansteckung, die sich aus dem Ausfall von wenigen Einheiten innerhalb des Systems ergibt, zerfällt. Die globale Kreditschmelze von 2008 ist ein Beispiel. Die RBI beobachtete, dass die Volumina im Handel und im Handel mit Hochfrequenz (HFT) im Bargeldsegment des Aktienmarktes sowohl bei den Börsen im März 2015 von 17 Prozent (NSE) als auch von 11 Prozent auf rund 40 Prozent der gesamten Handelsgeschäfte deutlich zulegten (BSE) im Jahr 2011. Halten Sie Schritt mit der Komplexität Ein Bericht der Senior Supervisors Group (SSG 8212 eine Gruppe von 10 Supervisoren aus Kanada, Frankreich, Deutschland, Spanien, Niederlande, Italien, Schweiz, Großbritannien, Japan Und die USA, die Risiken im Zusammenhang mit algorithmischen Handel bewertet und identifiziert risikobasierte Kontrollprinzipien) am 30. April hat vorgeschlagen, ein höheres Maß an Kontrollen, um systemische Risiken zu mildern. SEBI verfolgt die Entwicklungen aufmerksam, um eine angemessene Politik auf der Grundlage von Empfehlungen der SSG zu formulieren. RBI fügte hinzu, dass es bestimmte Fälle von anormalen Marktbewegungen in indischen Aktien gegeben haben, die von Marktexperten algo tradingHFT zugeschrieben wurden. Einige dieser Episoden, obwohl sind mit anderen Faktoren als algo Handel HFT erklären, sagte RBI. SEBI hatte im Januar dieses Jahres zusätzlich zu den bestehenden koordinierten Handelsplätzen in allen Aktien - und Aktienderivatmärkten auf 10 Prozent, 15 Prozent und 20 Prozent Bewegungen des Sensex und des Nifty-Kontrakts die Kontrollen seines Stromkreisunterbrechermechanismus gestrafft . SEBI leitete die NSE und die BSE, um die Nifty und die Sensex nach jedem Handel in den Indexbeständen zu berechnen und auf Verletzung der marktweiten Leistungsschaltergrenzen nach jeder solchen Berechnung des Index zu überprüfen. Sie leitete die Börsen, um die Anpassung der Aufträge zu stoppen, um einen Handelsstillstand herbeizuführen und alle nicht ausgeglichenen Aufträge im Falle eines Bruchs der marktweiten Trennschalterbegrenzung zu beseitigen. SEBI leitete auch die BSE und die NSE, um sicherzustellen, dass alle Meldungen im Zusammenhang mit marktüblichen Index-Leistungsschaltern höhere Priorität gegenüber anderen Meldungen erhalten. Sie fügte hinzu, dass die Systeme, einschließlich des Netzes für die Berechnung des marktweiten Index, die Überprüfung der Verletzung der Leistungsschaltergrenzen und die Initiierung der Meldung, die Abstimmung der ausführbaren Ordnung und die Annahme neuer Aufträge zu stoppen, nicht für andere Zwecke genutzt werden sollten. (Dieser Artikel wurde am 25. Juni 2015 veröffentlicht) Erhalten Sie mehr Ihrer Lieblingsnachrichten, die an Ihren Posteingang geliefert werden Nie verfehlen Sie irgendwelche spätesten Nachrichten, die wir es heiß zu Ihrem inboxBasics des algorithmischen Handels erhalten haben: Konzepte und Beispiele Ein Algorithmus ist ein spezifischer Satz klar Die zur Ausführung einer Aufgabe oder eines Prozesses bestimmt sind. Algorithmischer Handel (automatisierter Handel, Black-Box-Handel oder einfach Algo-Handel) ist der Prozess der Verwendung von Computern programmiert, um eine definierte Reihe von Anweisungen für die Platzierung eines Handels folgen, um Gewinne mit einer Geschwindigkeit und Häufigkeit, die unmöglich ist, Menschlichen Händler. Die definierten Regelsätze basieren auf Timing, Preis, Menge oder jedem mathematischen Modell. Neben den Gewinnchancen für den Trader macht algo-trading die Märkte liquider und macht den Handel systematischer, indem er emotionale menschliche Auswirkungen auf die Handelsaktivitäten ausschließt. Angenommen, ein Trader folgt diesen einfachen Handelskriterien: Kaufe 50 Aktien einer Aktie, wenn der 50-Tage-Gleitende Durchschnitt über dem 200-Tage-Gleitdurchschnitt liegt. Verkaufe Aktien der Aktie, wenn der 50-Tage-Gleitende Durchschnitt unter den 200-Tage-Gleitender Durchschnitt fällt Unter Verwendung dieses Satzes von zwei einfachen Anweisungen ist es einfach, ein Computerprogramm zu schreiben, das automatisch den Aktienkurs (und die gleitenden Durchschnittsindikatoren) überwacht und die Kauf - und Verkaufsaufträge platziert, wenn die definierten Bedingungen erfüllt sind. Der Händler muss nicht mehr eine Uhr für Live-Preise und Grafiken, oder legen Sie die Aufträge manuell zu halten. Das algorithmische Handelssystem tut es automatisch, indem er die Handelschance korrekt identifiziert. (Mehr zu den gleitenden Durchschnitten finden Sie unter: Einfache Bewegungsdurchschnitte machen Trends aus.) Algo-trading bietet die folgenden Vorteile: Handel zu bestmöglichen Preisen ausgeführt Sofortige und genaue Auftragsabwicklung (dadurch hohe Chancen bei der Ausführung auf gewünschten Ebenen) Trades Timing korrekt und sofort, um signifikante Preisänderungen zu vermeiden Reduzierte Transaktionskosten (siehe nachfolgendes Beispiel für die Implementierungsminderung) Gleichzeitige automatisierte Überprüfung mehrerer Marktbedingungen Reduziertes Risiko für manuelle Fehler bei der Platzierung der Trades Backtest den Algorithmus auf der Grundlage verfügbarer historischer und Echtzeitdaten Reduziert Möglichkeit von Fehlern durch menschliche Händler auf der Grundlage emotionaler und psychologischer Faktoren Der größte Teil des heutigen Algo-Handels ist der Hochfrequenzhandel (HFT), der versucht, eine große Anzahl von Aufträgen mit sehr schnellen Geschwindigkeiten auf mehrere Märkte und mehrfache Entscheidung zu setzen Parameter, basierend auf vorprogrammierten Anweisungen. Algo-Trading wird in vielen Formen von Handels - und Investitionsaktivitäten eingesetzt, darunter: mittel - bis langfristige Anleger oder Buy-Side-Gesellschaften (Pensionskassen) , Investmentfonds, Versicherungsgesellschaften), die zwar in großen Mengen kaufen, die Aktienpreise aber nicht mit diskreten, großvolumigen Investitionen beeinflussen wollen. Kurzfristige Händler und Verkaufsseitenteilnehmer (Marktmacher, Spekulanten und Arbitrageure) profitieren von automatisierter Handelsausführung, algo-Handelshilfen, um genügend Liquidität für Verkäufer auf dem Markt zu schaffen. Systematische Händler (Trendfolger, Paare Händler, Hedgefonds usw.) finden es viel effizienter, ihre Handelsregeln zu programmieren und das Programm automatisch handeln zu lassen. Algorithmischen Handel bietet einen systematischeren Ansatz für den aktiven Handel als Methoden auf der Grundlage einer menschlichen Händler Intuition oder Instinkt. Algorithmische Handelsstrategien Jede Strategie für den algorithmischen Handel erfordert eine identifizierte Chance, die in Bezug auf ein verbessertes Ergebnis oder eine Kostensenkung rentabel ist. Die folgenden handelsstrategien werden im algo-handel verwendet: Die gebräuchlichsten algorithmischen handelsstrategien folgen den trends bei gleitenden durchschnitten. Kanal Ausbrüche. Preisniveaubewegungen und damit zusammenhängende technische Indikatoren. Dies sind die einfachsten und einfachsten Strategien, um durch den algorithmischen Handel zu implementieren, da diese Strategien keine Prognosen oder Preisvorhersagen beinhalten. Trades werden basierend auf dem Auftreten von wünschenswerten Trends initiiert. Die einfach und unkompliziert durch Algorithmen implementiert werden können, ohne in die Komplexität der Vorhersageanalyse einzutreten. Das oben genannte Beispiel für 50 und 200 Tage gleitenden Durchschnitt ist ein beliebter Trend nach Strategie. (Für mehr über Tendenzhandelsstrategien siehe: Einfache Strategien zur Aktivierung von Trends.) Der Kauf eines dualen börsennotierten Wertpapiers zu einem niedrigeren Kurs in einem Markt und der gleichzeitigen Veräußerung zu einem höheren Preis in einem anderen Markt bietet die Preisdifferenz als risikofreien Gewinn Oder Arbitrage. Der gleiche Vorgang kann für Aktien gegen Futures-Instrumente repliziert werden, da Preisunterschiede von Zeit zu Zeit bestehen. Die Implementierung eines Algorithmus zur Identifizierung solcher Preisunterschiede und die Platzierung der Aufträge ermöglicht profitable Chancen in effizienter Weise. Die Indexfonds haben definierte Perioden des Ausgleichs festgelegt, um ihre Bestände auf ihre Benchmark-Indizes zu bringen. Dies schafft profitable Chancen für algorithmische Händler, die auf erwarteten Trades, die 20-80 Basispunkte Gewinne in Abhängigkeit von der Anzahl der Aktien im Index-Fonds, kurz vor dem Index Fonds Rebalancing bieten zu profitieren. Solche Trades werden über algorithmische Handelssysteme für rechtzeitige Ausführung und beste Preise initiiert. Viele bewährte mathematische Modelle, wie die delta-neutrale Trading-Strategie, die den Handel auf Kombination von Optionen und die zugrunde liegenden Sicherheit ermöglichen. Wo Trades zum Ausgleich von positiven und negativen Deltas platziert werden, so dass das Portfolio-Delta auf Null gehalten wird. Die mittlere Reversionsstrategie basiert auf der Idee, dass die hohen und niedrigen Preise eines Vermögenswertes ein temporäres Phänomen sind, das periodisch auf ihren Mittelwert zurückgeht. Ermittlung und Definition einer Preisspanne und Implementierung Algorithmus auf der Grundlage, dass Trades automatisch platziert werden, wenn der Preis für Asset Pausen in und aus der definierten Bereich ermöglicht. Die volumengewogene durchschnittliche Preisstrategie bricht einen großen Auftrag auf und gibt dynamisch bestimmte kleinere Stücke des Auftrags auf den Markt ab, indem sie spezifische historische Volumenprofile verwendet. Ziel ist es, die Order in der Nähe des volumengewichteten Durchschnittspreises (VWAP) auszuführen und damit den Durchschnittspreis zu nutzen. Die zeitgewichtete durchschnittliche Preisstrategie baut einen großen Auftrag auf und gibt dynamisch bestimmte kleinere Stücke des Auftrags auf dem Markt unter Verwendung gleichmäßig geteilter Zeitschlitze zwischen einer Anfangs - und einer Endzeit frei. Ziel ist es, die Order in der Nähe des Durchschnittspreises zwischen der Start - und Endzeit auszuführen, wodurch die Marktwirkung minimiert wird. Solange der Handelsauftrag nicht vollständig gefüllt ist, setzt dieser Algorithmus fort, Teilaufträge entsprechend der definierten Teilnahmequote und entsprechend dem auf den Märkten gehandelten Volumen zu senden. Die zugehörige Schrittstrategie sendet Aufträge zu einem benutzerdefinierten Prozentsatz der Marktvolumina und erhöht oder verringert diese Beteiligungsquote, wenn der Aktienkurs auf benutzerdefinierte Ebenen ankommt. Die Implementierungs-Defizit-Strategie zielt darauf ab, die Ausführungskosten eines Auftrags durch den Handel auf dem Real-Time-Markt zu minimieren, wodurch die Kosten der Bestellung eingespart werden und die Opportunitätskosten der verzögerten Ausführung profitieren. Die Strategie wird die angestrebte Beteiligungsquote erhöhen, wenn sich der Aktienkurs positiv entwickelt und sinkt, wenn der Aktienkurs sich negativ bewegt. Es gibt einige spezielle Klassen von Algorithmen, die versuchen, Ereignisse auf der anderen Seite zu identifizieren. Diese Sniffing-Algorithmen, die beispielsweise von einem Sell-Market-Hersteller genutzt werden, haben die eingebaute Intelligenz, um die Existenz von Algorithmen auf der Buy-Seite eines großen Auftrags zu identifizieren. Eine solche Erkennung durch Algorithmen hilft dem Marktmacher, große Orderchancen zu identifizieren und ihm zu ermöglichen, durch das Ausfüllen der Aufträge zu einem höheren Preis zu profitieren. Dies wird manchmal als Hightech-Front-Run bezeichnet. (Für mehr über Hochfrequenzhandel und betrügerische Praktiken, siehe: Wenn Sie Aktien kaufen, sind Sie in HFTs beteiligt.) Technische Anforderungen für Algorithmic Trading Die Umsetzung der Algorithmus mit einem Computer-Programm ist der letzte Teil, mit Backtesting clubbed. Die Herausforderung besteht darin, die identifizierte Strategie in einen integrierten EDV-gestützten Prozess umzuwandeln, der Zugang zu einem Handelskonto für die Auftragserteilung hat. Die folgenden werden benötigt: Programmierkenntnisse, um die erforderliche Handelsstrategie zu programmieren, angeheuerte Programmierer oder vorgefertigte Handelssoftware Netzwerkkonnektivität und Zugang zu Handelsplattformen, um die Aufträge zu vergeben Zugang zu Marktdatenfeeds, die durch den Algorithmus auf Gelegenheitsmöglichkeiten überwacht werden Bestellungen Die Fähigkeit und Infrastruktur, Backtest System einmal gebaut, bevor es live auf realen Märkten Erhältliche historische Daten für Backtesting, abhängig von der Komplexität der Regeln in Algorithmen implementiert Hier ist ein umfassendes Beispiel: Royal Dutch Shell (RDS) ist in Amsterdam gelistet (AEX) und der London Stock Exchange (LSE). Erstellen Sie einen Algorithmus, um Arbitrage-Chancen zu identifizieren. Hier sind einige interessante Beobachtungen: AEX-Geschäfte in Euros, während LSE in Sterling Pfund handelt Wegen der einstündigen Zeitverschiebung, öffnet AEX eine Stunde früher als LSE, gefolgt von beiden Börsen, die gleichzeitig für die nächsten paar Stunden gehandelt werden und dann nur im LSE Handel Die letzte Stunde als AEX schließt Können wir erkunden die Möglichkeit des Arbitrage-Handels auf der Royal Dutch Shell-Aktien auf diesen beiden Märkten in zwei verschiedenen Währungen aufgeführt Ein Computer-Programm, das aktuelle Marktpreise lesen können Preis-Feeds von LSE und AEX A forex Rate Feed für GBP-EUR-Umrechnungskurs Auftragsvergabe, die den Auftrag an den richtigen Austausch weiterleiten kann Rücktestfähigkeit auf historische Preisvorschübe Das Computerprogramm sollte folgende Schritte ausführen: Lesen Sie den eingehenden Preisvorschub des RDS-Bestands von beiden Börsen mit den verfügbaren Wechselkursen . Wandeln Sie den Preis einer Währung in einen anderen um. Wenn es eine ausreichend große Preisdiskrepanz gibt (Rabatt auf die Maklergebühren), die zu einer rentablen Chance führt, dann legen Sie den Kaufauftrag auf den günstigeren Devisenumtausch und Verkaufsauftrag auf höherer Kurswährung an Erwünscht, wird die Arbitrage Profit folgen Einfach und leicht Aber die Praxis der algorithmischen Handel ist nicht so einfach zu pflegen und auszuführen. Denken Sie daran, wenn Sie einen Algo-generierten Handel platzieren können, so können die anderen Marktteilnehmer. Infolgedessen schwanken die Preise in Milli - und sogar Mikrosekunden. In dem obigen Beispiel, was passiert, wenn Ihr Kaufhandel ausgeführt wird, aber verkaufen Handel nicht, wie die Verkaufspreise ändern sich durch die Zeit Ihre Bestellung trifft den Markt Sie werden am Ende sitzen mit einer offenen Position. So dass Ihre Arbitrage-Strategie wertlos. Es gibt zusätzliche Risiken und Herausforderungen: zum Beispiel Systemausfallrisiken, Netzwerkkonnektivitätsfehler, Zeitverzögerungen zwischen Handelsaufträgen und Ausführung und vor allem unvollständige Algorithmen. Je komplexer ein Algorithmus ist, desto strenger ist das Backtesting, bevor es in die Tat umgesetzt wird. Quantitative Analyse einer Algorithmen-Performance spielt eine wichtige Rolle und sollte kritisch untersucht werden. Seine spannende für die Automatisierung von Computern mit einer Vorstellung, um Geld zu machen mühelos gehen. Aber man muss sicherstellen, dass das System gründlich getestet wird und die erforderlichen Grenzen gesetzt sind. Analytische Händler sollten das Lernen von Programmierungs - und Gebäudesystemen selbst in Erwägung ziehen, um sicherzustellen, dass die richtigen Strategien in narrensicherer Weise umgesetzt werden. Eine vorsichtige Anwendung und gründliche Prüfung von algo-trading kann zu profitable Chancen führen.
No comments:
Post a Comment