تجارت کوانت چیست؟

  • 2022-10-6

رویکردهای مختلفی برای معامله در بازارهای مالی وجود دارد. در حالی که برخی از روش‌های اختیاری استفاده می‌کنند و معاملات را به صورت دستی انجام می‌دهند که فکر می‌کنند به خوبی کار می‌کنند، برخی دیگر فرآیندهای معاملاتی خود را خودکار می‌کنند. حتی در بین روش‌های خودکار، برخی از روش‌های تحلیل تکنیکال پایه برای توسعه استراتژی‌ها استفاده می‌کنند، در حالی که برخی دیگر از مدل‌سازی کمی (کمی) - تجارت کمی استفاده می‌کنند.

معاملات کمی (معاملات کمی) در اصل یک روش معاملاتی است که مبتنی بر تحلیل کمی است. به این معنا که برای شناسایی فرصت های معاملاتی بر محاسبات ریاضی متکی است. قیمت و حجم دو مورد از رایج‌ترین ورودی‌های داده مورد استفاده در توسعه مدل‌های ریاضی مورد استفاده در معاملات کمی هستند.

این مقاله به شما می گوید که شما باید در مورد معاملات کوانت بدانید. و برای ساده‌تر شدن موضوع، در زیر عنوان‌های زیر به آن می‌پردازیم:

تجارت کوانت چیست؟

تجارت کوانت که به عنوان معاملات کمی نیز شناخته می شود، استفاده از الگوریتم ها و برنامه های رایانه ای است که بر اساس مدل های پیچیده ریاضی و آماری برای شناسایی و اجرای فرصت های معاملاتی موجود است. این رویکرد معاملاتی مبتنی بر تحلیل کمی است که از تحقیق و اندازه گیری برای تجزیه الگوهای رفتاری پیچیده به مقادیر عددی استفاده می کند. به طور کلی، معاملات کوانت در مورد انجام تحقیقات عمیق بازار با استفاده از داده‌های قیمت و حجم تاریخی، و همچنین روندهای بازار و اجتماعی، در تلاش برای شناسایی الگوهای ثابتی است که در بازار دارای مزیت هستند و سپس مدل‌هایی برای بهره‌برداری از آن مزیت ایجاد می‌کنند.

قبل از ظهور تجارت مبتنی بر رایانه، معاملات دارایی‌های مالی در مکان‌های فیزیکی انجام می‌شد و به معامله‌گران و بازارسازان اجازه می‌داد تا با هم تعامل داشته باشند، بر روی قیمت و مقدار توافق کنند و سپس معامله را روی کاغذ تسویه کنند. با این حال، همانطور که بازارها با دسترسی و گسترش جهانی دیجیتالی می شوند، معامله گران متبحر فناوری به طور فزاینده ای مسلط می شوند و گسترش گسترده، حجم زیادی از داده های معاملاتی، دارایی های جدید و اوراق بهادار را ارائه می دهند. از این رو، فرصتی برای داده کاوی، تحقیق، تجزیه و تحلیل و سیستم های معاملاتی خودکار به وجود آمد.

درک معاملات کمی

تجارت کوانت از فناوری مدرن، مدل‌های ریاضی و در دسترس بودن پایگاه‌های اطلاعاتی جامع برای تصمیم‌گیری منطقی معاملات استفاده می‌کند.

معامله گران کمی از یک تکنیک معاملاتی استفاده می کنند و یک مدل ریاضی ایجاد می کنند و سپس یک برنامه کامپیوتری ایجاد می کنند که مدل را در داده های تاریخی بازار اعمال می کند. پس از بک تست و بهینه سازی مدل، در صورت حصول نتایج مطلوب، سیستم در بازارهای بلادرنگ با سرمایه واقعی پیاده سازی می شود.

نحوه عملکرد مدل‌های معاملاتی کمی را می‌توان با استفاده از یک قیاس به بهترین شکل توصیف کرد. یک گزارش آب و هوا را در نظر بگیرید که در آن هواشناس احتمال بارش باران را 90٪ در حالی که خورشید می تابد پیش بینی می کند. هواشناس با جمع‌آوری و تجزیه و تحلیل داده‌های اقلیمی از حسگرها در سراسر منطقه، این نتیجه‌گیری خلاف واقع را به دست می‌آورد.

تجزیه و تحلیل کمی کامپیوتری الگوهای خاصی را در داده ها نشان می دهد. وقتی این الگوها با همان الگوهای آشکار شده در داده‌های آب و هوایی تاریخی مقایسه می‌شوند و 90 برابر از 100 بار نتیجه آن باران است، هواشناس می‌تواند با اطمینان نتیجه‌گیری کند - بنابراین 90 درصد پیش‌بینی می‌کند. معامله گران کمی همین فرآیند را در بازار مالی برای تصمیم گیری در مورد معاملات اعمال می کنند. علاوه بر این، آنها یک رویکرد مدیریت ریسک را اتخاذ می کنند که احتمال موفقیت مدل های آنها را تعیین می کند.

تجارت کمی چگونه کار می کند

تجارت کمی با استفاده از مدل های مبتنی بر داده برای تعیین احتمال یک نتیجه خاص اتفاق می افتد. بر خلاف سایر اشکال تجارت ، این امر فقط به روشهای آماری متکی است و به تحقیقات گسترده نیاز به قدرت محاسباتی زیادی دارد و فرضیه های قطعی را از مجموعه داده های عددی متعدد ایجاد می کند. در نتیجه ، تجارت کمی برای مدت طولانی حفظ مؤسسات برتر مالی و افراد با ارزش بالا بوده است. تا به امروز ، تجارت Quant ارتباط خود را از دست نداده است زیرا مشتریان خرده فروشی نیز از آن استفاده می کنند.

یک نمونه محبوب از مدل تجارت کمی ، تجزیه و تحلیل فشار صعودی است که در ساعت ناهار در NYSE تجربه شده است. سپس یک مقدار برنامه ای را برای مطالعه این الگوی در کل تاریخچه سهام تهیه می کند. اگر مشخص شود که این الگوی اتفاق می افتد ، می گویند 90 ٪ از زمان ، پس از آن مدل تجارت کمی توسعه یافته پیش بینی می کند که این الگوی 90 ٪ از زمان در آینده تکرار می شود.

مؤلفه های اساسی تجارت کمی

در اینجا مؤلفه های اصلی تجارت کمی آورده شده است:

شناسایی استراتژی

قبل از ایجاد یک سیستم ، Quants در مورد استراتژی مورد نظر خود تحقیق خواهد کرد. شناسایی استراتژی زمانی است که معامله گر نوع استراتژی را که باید متناسب با نمونه کارها که معامله گر می خواهد اعمال کند ، تصمیم می گیرد. به عنوان مثال ، یک معامله گر ممکن است یک استراتژی میان مدت را اجرا کند که به دنبال استفاده از درآمد و گزارش های سود سهام باشد ، در حالی که یک معامله گر دیگر ممکن است یک استراتژی کوتاه مدت را اعمال کند.

با وجود یک استراتژی ، وظیفه بعدی تبدیل آن به یک مدل ریاضی است ، سپس آن را برای افزایش بازده و ریسک پایین تر اصلاح کنید. این همچنین نکته ای است که در آن یک مقدار تصمیم می گیرد که سیستم چند بار تجارت می کند. سیستم های با فرکانس بالا هر روز بسیاری از موقعیت ها را باز و بسته می کنند ، در حالی که با فرکانس پایین هدف شناسایی فرصت های بلند مدت است.

استراتژی های مختلفی را می توان تدوین کرد ، مانند میانگین برگشت ، روند زیر یا تجارت حرکت. این مرحله با هدف جمع آوری تمام داده های لازم برای بهینه سازی استراتژی برای حداکثر بازده و حداقل ریسک در بازار انجام می شود. بنابراین ، به طور مؤثر یک استراتژی را به یک مدل ریاضی تبدیل می کند.

بازگشت به استراتژی

پس از شناسایی استراتژی مناسب ، استراتژی پشتی استراتژی انجام می شود. این کار برای واجد شرایط بودن استراتژی شناسایی شده انجام می شود. این شامل استفاده از استراتژی در داده های تاریخی برای تعیین میزان قابل اعتماد بودن آن در بازار است. در حین پشتکار ، این استراتژی در تلاش برای افشای نقص های ذاتی بهینه شده و بهینه می شود. نقص ها می توانند غیرقابل پیش بینی یا حتی در سطح عملکرد آنها باشند. بنابراین ، داده های تاریخی برای دستیابی به نتایج دقیق پشتی ، دقیقاً مانند پلت فرم نرم افزاری استفاده شده باید با کیفیت بالا باشند.

Backtesting یک بخش اساسی از هر سیستم معاملاتی خودکار است ، اما موفقیت در اینجا هیچ تضمینی برای سود در هنگام زنده بودن مدل نیست. دلایل مختلفی وجود دارد که چرا یک استراتژی کاملاً پشتیبان می تواند شکست بخورد: از جمله داده های نادرست تاریخی یا حرکات غیرقابل پیش بینی بازار.

سیستم اجرای استراتژی

هر سیستم تجاری باید یک عنصر اعدام داشته باشد ، به این ترتیب سیگنال های تجاری تولید شده در بازار قرار می گیرند. اعدام اغلب از کاملاً خودکار تا کاملاً دستی متغیر است. یک استراتژی خودکار معمولاً از API برای باز و بسته شدن موقعیت ها در اسرع وقت و بدون نیاز به ورودی انسانی استفاده می کند. یک کتابچه راهنمای کاربر ممکن است مستلزم معامله گر باشد که از کارگزار خود برای قرار دادن معاملات استفاده می کند.

ملاحظات اصلی برای اجرای شامل کاهش هزینه های معاملاتی مانند کمیسیون ، مالیات ، لغزش و گسترش است. اجرای خوب به یک سیستم معاملاتی اجازه می دهد تا به بهترین وجهی با بهترین قیمت های حاصل از آن در بازار کار کند. هر سیستم حاوی یک مؤلفه اجرا خواهد بود.

مدیریت ریسک

تجارت بازارهای مالی خطرات زیادی را به همراه دارد و به همین ترتیب ، مدیریت ریسک مناسب در هر مرحله از روند معاملات ضروری است. ریسک به هر چیزی که می تواند در موفقیت استراتژی اختلال ایجاد کند ، اشاره دارد. در بازار ، معامله گران کوکتی با انواع مختلفی از ریسک روبرو هستند. اول ، ریسک بازار وجود دارد که شامل تمام خطرات ناشی از تغییرات سریع و پویا در قیمت بازار دارایی های مالی اساسی است. معامله گران اغلب سعی می کنند با استفاده از پارامترهای مختلف مانند ضرر توقف ، میزان سهام ، زمان معاملات ، بازارهای قابل معامله و موارد دیگر ، چنین خطرات را کاهش دهند.

ریسک تخصیص سرمایه نیز وجود دارد. این یک منطقه مهم از مدیریت ریسک است که اندازه هر تجارت را در بر می گیرد یا اگر کمیت از چندین سیستم استفاده می کند ، چقدر سرمایه به هر مدل می رود. در حالی که این یک منطقه پیچیده است ، به خصوص هنگام برخورد با استراتژی هایی که از اهرم استفاده می کند ، ستون فقرات سیستم معاملاتی است زیرا قانون اصلی برای تجارت موفق محافظت از سرمایه است.

استفاده از یک استراتژی کاملاً خودکار به از بین بردن تعصب انسان کمک می کند ، اما تنها در صورتی که توسط خالق آن تنها بماند. معامله گران خرده فروشی باید یاد بگیرند که چگونه یک سیستم را ترک کنند تا بدون استفاده از بیش از حد بیش از حد اجرا شود.

تاریخچه تجارت کمی

هری مارکوویتز به عنوان پدر تجزیه و تحلیل کمی شناخته می شود زیرا او یکی از اولین سرمایه گذاران بود که مدلهای ریاضی را در بازارهای مالی اعمال می کرد. وی در پایان نامه دکتری خود ، که در مجله مالی منتشر شد ، وی ارزش عددی را برای مفهوم تنوع نمونه کارها به کار برد. در طول حرفه خود ، ماركوویتز برای اولین بار به مدیران صندوق اد تورپ و مایکل گودكین برای استفاده از رایانه ها برای داوری كمك كرد. با پیشرفت های بسیاری از تکنولوژیکی در دهه 1970 و 1980 ، تجارت کمی به تدریج جریان اصلی تر شد. برخی از این تحولات سیستم چرخش سفارش (DOT) تعیین شده بود که به بورس اوراق بهادار نیویورک (NYSE) اجازه می داد تا برای اولین بار سفارشات را به صورت الکترونیکی بپذیرند و اولین پایانه های بلومبرگ ، که داده های بازار زمان واقعی را برای معامله گران فراهم می کرد. در دهه 1990 ، سیستم های الگوریتمی متداول تر شدند که مدیران صندوق های تامینی شروع به اتخاذ روش های کوانتومی کردند. حباب Dot-Com یک تغییر دهنده بازی بود ، زیرا این استراتژی ها ثابت می کردند که نسبت به خرید دیوانه وار-و تصادف متعاقب آن-سهام اینترنتی مستعد کمتری هستند. علاوه بر این ، افزایش معاملات با فرکانس بالا افراد بیشتری را به مفهوم مقدار معرفی کرده است ، به گونه ای که از سال 2009 ، 60 ٪ معاملات سهام ایالات متحده توسط سرمایه گذاران HFT انجام شده است ، که برای پشتیبانی از استراتژی های خود به مدلهای ریاضی اعتماد می کردند. رکود اقتصادی بزرگ بر حجم و درآمد معاملات با فرکانس بالا تأثیر گذاشت ، اما مقدار کمتری از نظر قد و احترام به رشد خود ادامه می داد.

نمونه تجارت کمی

اجازه دهید مثالی بزنیم. فرض کنید فرض کنید که DAX 30 در یک نقطه خاص در روز معاملاتی به احتمال زیاد در جهت خاصی حرکت می کند. بنابراین شما برنامه‌ای می‌سازید که مجموعه بزرگی از داده‌های بازار DAX 30 را بررسی می‌کند و حرکت قیمت آن را در هر ثانیه در هر روز تجزیه می‌کند. با اطلاعاتی که از برنامه به دست می آورید، می توانید یک مدل آماری بسازید که مشخص می کند آیا بخش خاصی از روز وجود دارد که DAX در جهت خاصی معامله می کند یا خیر. اگر مدل الگویی را پیدا کرد - مثلاً اینکه شاخص در ساعت 11. 15 صبح به احتمال 60٪ حرکت صعودی داشته باشد - می توانید از آن اطلاعات برای باز کردن موقعیت ها برای کسب سود استفاده کنید.

موارد فوق یک مثال ساده از یک استراتژی معاملاتی کمی با استفاده از تنها یک پارامتر داده است: اقدام قیمت. با این حال، اکثر معامله گران کمی از چندین منبع مختلف به طور همزمان استفاده می کنند تا مدل های بسیار پیچیده تری را با احتمال بهتر شناسایی فرصت های سودآور بسازند.

همچنین، الگوریتم های معاملاتی کمی را می توان برای ارزیابی پارامترهای مختلف مربوط به یک سهام سفارشی کرد. برای مثال، مورد معامله‌گری را در نظر بگیرید که به سرمایه‌گذاری حرکتی اعتقاد دارد. آن‌ها می‌توانند برنامه‌ای ساده بنویسند که برندگان را در طول یک حرکت صعودی در بازارها انتخاب کند. سپس، در طی جهش بعدی بازار، برنامه آن سهام را خریداری خواهد کرد.

مزایای کلیدی تجارت کوانت

ماهیت اصلی معامله، محاسبه احتمال بهینه اجرای یک معامله سودآور است. یک معامله گر معمولی می تواند قبل از اینکه داده های دریافتی فرآیند تصمیم گیری را تحت الشعاع قرار دهد، به طور موثر نظارت، تجزیه و تحلیل و تصمیم گیری در مورد تعداد محدودی از اوراق بهادار را اتخاذ کند. استفاده از تکنیک‌های معاملاتی کمی این محدودیت را با استفاده از رایانه‌ها برای نظارت، تجزیه و تحلیل و تصمیم‌های معاملاتی خودکار حذف می‌کند.

ثانیاً، احساسات ما اغلب هنگام معامله گری مانع می شوند و این به یکی از فراگیرترین مشکلات تجارت تبدیل شده است. هنگام معامله، احساساتی مانند ترس و طمع می تواند تفکر منطقی را خفه کند که معمولاً منجر به ضرر می شود. کامپیوتر و ریاضیات دارای احساسات نیستند، بنابراین تجارت کمی این مشکل را از بین می برد.

معایب تجارت کوانت

با این حال، استفاده از استراتژی معاملاتی کمی دارای معایبی است. همانطور که ممکن است بدانید، بازارهای مالی نهادهای بسیار پویایی هستند و به همین دلیل، مدل‌های معاملاتی کمی باید به همان اندازه پویا باشند تا به طور مداوم موفق باشند. در نتیجه، بسیاری از معامله‌گران کمی مدل‌هایی را توسعه می‌دهند که به طور موقت برای شرایط بازاری که برای آن توسعه یافته‌اند سودآور هستند، اما در نهایت با تغییر شرایط بازار شکست می‌خورند.

سخنان پایانی

معاملات کمی از مدل‌های ریاضی برای شناسایی فرصت‌ها استفاده می‌کند، بنابراین معامله‌گران کوانتی تمایل دارند پیش‌زمینه ریاضی داشته باشند و در برنامه‌نویسی کامپیوتری بسیار خوب عمل می‌کنند. یک سیستم معاملاتی کوانتی خوب باید دارای استراتژی قوی باشد، دارای بک تست باشد، برای اجرای خودکار مجهز باشد و تکنیک مدیریت ریسک داشته باشد. استراتژی‌های رایج مورد استفاده در سیستم‌های معاملاتی کوانتی شامل بازگشت میانگین، پیروی از روند، آربیتراژ آماری و تشخیص الگوی الگوریتمی است.

برچسب ها

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.