ساختار ماشه روباتیک
عوامل بسیاری قادر به ایجاد اعوجاج در بازارهای جهانی هستند. علاوهبر چند نوع از این عوامل که انسانی هستند مانند اشتباههای عملیاتی (که بیشتر بهواسطه احساسها و غریزهها رخ میدهند)، انواع دیگر به نوع بازی در بازارهای جهانی مربوط میشود. ایجاد امواج از سوی هولدرهای بزرگ که به والها معروف هستند، جهت بازار را به دلخواه تغییر میدهند و معاملهگرانی که پیرو امواج هستند نیز سوار بر موج ایجاد شده به امید کسب سود هستند (ماهیها و گوسفندها از این نوع معاملهگران محسوب میشوند). گروه دیگر که به لاکپشتها مشهور هستند معمولا از قافله عقب میمانند. البته معاملهگران مستقلی موسوم به کوسهها بدون درگیر شدن با حواشی امواج و جهتدهی بازیگران عمده در کسب سود خود موفق عمل میکنند. در هر صورت والها توان تغییر جهت بازار به سود خود را دارا هستند. بنابراین توان ایجاد اختلال در بازار را دارند (بهخصوص با ایجاد موج اشتباه). از سوی دیگر معاملات الگوریتمی یا اتوماتیک (مبتنیبر روباتهای از پیش طراحی شده و برنامهنویسیهای پیچیده الگوریتمی) نیز توان ایجاد این اعوجاج را دارند. همانگونه ایجاد فلشکرشها (Flash Crash)، ایجاد صف فروش غیر منطقی با ارسال فرمان فروش در زمانی که حد زیان در برنامه الگوریتم فعال شده است (مانند تعطیلی بازار سهام نیویورک با سقوط ۵ درصدی). از سوی دیگر روند روبه رشد حجم معاملات ماشینی که بیش از یک سوم معاملات والاستریت را پشتیبانی میکند(حتی براساس دادههای دیگر به سهم ۸۵ درصدی روباتها اشاره شده)، خطر بروز چنین اعوجاجهایی را افزایش داده است.
پلتفرمهای دموکراسیخواه خام
یکی دیگر از عوامل به وجود آورنده اعوجاج در بازارها پلتفرمهای جدید مبادلاتی هستند. یکی از این پلتفرمها که با استقبال بسیاری روبهرو شده است «رابین هود» نام دارد. رابین هود این امکان را برای کاربران خود فراهم میکند که بتوانند بهصورت رایگان در بازار سرمایهگذاری کنند. معاملهگران فعال در رابین هود بدون آنکه هزینه اشتراک یا هزینه معامله پرداخت کنند در محیطی بسیار ساده به خرید و فروش سهام مشغول میشوند. البته حجم معاملات آنها بسیار کوچکتر از کارگزاریهای دیگر است. در واقع آنها سهمهای کوچکی را خرید و فروش میکنند. این پلتفرم که از سال ۲۰۱۳ میلادی مطرح شد، تا پیش از امسال ۳ میلیون کاربر داشت اما با شروع پاندمی کرونا تعداد کاربران این سامانه به بیش از ۱۳ میلیون نفر افزایش یافت. کاربرانی که نه تنها حجم معاملات (معاملات خرد در تعداد بالا) را بسیار بالا بردهاند، بلکه اکثر آنها مواد و تجربه لازم برای ورود به بازار را ندارند. این مساله بارها مشکل آفرین شده است، اما در شرایط کنونی که بازارها با بیثباتی به کار خود مشغول هستند وجود چنین پلتفرمهایی که برای دموکراتیزه کردن بازارها به وجود آمدهاند میتواند مشکلات جدیدی را برای بازار ایجاد کند.
«فلشکرش»های متعدد در دهه اخیر
سقوط ۲۳ آوریل سال ۲۰۱۳ میلادی موسوم به فلشکرش Frankenshock، فلشکرش فرانک سوئیس در تاریخ ۱۵ ژانویه سال ۲۰۱۵ میلادی، فلشکرش پوند انگلیس در ۶ اکتبر سال ۲۰۱۶ میلادی و سقوطهای مشابه دیگری مانند دلار آمریکا در برابر ین ژاپن و دلار استرالیا در تاریخ ۲ ژانویه سال ۲۰۱۹ میلادی چند نمونه مطرح این پدیده هستند. فلشکرش از سوی کارشناسان و اقتصاددانان ناشی از عوامل متفاوتی معرفی شده است و نظر یکپارچهای در این باره وجود ندارد. تنها وجه اشتراکی که میتوان از میان دلایل مطرحشده عنوان کرد: «تفاوت زمانی میان بسته شدن یک بازار و بازگشایی همان بازار در جای دیگر (مانند نیویورک و توکیو) با کاهش حجم معاملات همراه است تا جهت بازار شکل گیرد. در همین حین، معاملات کم، همراه با الگوریتمهای متفاوتی که هریک در بازار، هدف مخصوص خود را دارد، منجر به پراکندگی قیمتها و افزایش دامنه نوسانات میشود. تا حدی که ظرف چند دقیقه به کمک یک محرک قوی اولیه، سفارشهای فروش بسیاری از افت ارزش ابتدایی نشات میگیرند و ظرف چند دقیقه یک گپ یا سکته نزولی شدید را تولید میکنند که در قریب به تمام آنها ظرف دقایقی با روند بازگشتی گپ را پر میکنند».
تکرار فلشکرشها در دهه اخیر
آسیبپذیری والاستریت: در سال ۲۰۱۰ میلادی بازار سهام نیویورک دچار این پدیده شد و ۱/ ۴ میلیارد دلار از سرمایه در گردشی که حول زمان فلشکرش در بازار موجود بود از بین رفت. البته ظرف ۱۵ دقیقه بازار به وضعیت عادی خود بازگشت. این اتفاق از یک کامپیوتر در انگلستان شروع شد. نوجوانی که در خانه پدری خود به ثبت سفارشهای سنگینی که به دلیل فاصله با قیمت حقیقی پذیرفته نمیشدند، مشغول بود. هدف او ایجاد جو فروش برای سهمی خاص بود تا با ریزش آن خرید خود را آغاز کند. او ۹۰۰ میلیون دلار سود کسب کرد که البته رقم کمی در انتها برایش ماند.
پوند در قعر: در سال 2016 میلادی پوند به دلار ریزش 6 درصدی را تجربه کرد که پوند را به کفی بالغ بر یک دهه نزول داد.
سقوط اتریوم: در سال 2017 میلادی اتریوم افتی از قیمت 300 دلار به کمتر از یک دلار را تجربه کرد که به دلیل یک سفارش حجیم (یا یک خطا در روباتهای معاملهگر یک هلدر بزرگ) رخ داد.
نزول دلار: در سال 2019 میلادی دلار آمریکا در برابر دلار استرالیا و ین ژاپن افت 4 درصدی را تجربه کرد که به دلیل پدیده فلشکرش رخ داده بود. مطابق معمول این ریزش نیز با ریکاوری همراه شد.
موارد زیادی از فلشکرشها در دهه اخیر بهچشم میخورد که برای بازار نگرانکننده خواهد بود.
فروش اتوماتیک
به زبان ساده معاملات الگوریتمی به هر نوع معامله خودکار (شامل معاملات فرکانس بالا (HFT) یا معاملات معمولی) گفته میشود که در آن روباتهای معاملهگر با استراتژیهای معاملاتی گوناگونی طراحی و فعالیت میکنند. معاملات الگوریتمی که معاملات بلکباکس نیز نامیده میشود، از زبانهای برنامهنویسی همراه با مجموعه دستورات تعریف شده یا همان الگوریتمها برای معاملات استفاده میکند. بهعنوان مثال، در یک معامله الگوریتمی، با رسیدن قیمت به اعداد مشخصی، دستور خرید یا فروش بهصورت خودکار اعمال میشود و در واقع حد سود و زیان با یک تابع ساده یا یک الگوریتم پیچیده تعیین میشود. در بسیاری از بازارهای مالی، هوش مصنوعی (AI) و یادگیری ماشین (Machine Learning) از جایگاه ویژهای برخوردار هستند. شرکتهای بزرگ آمریکایی نظیر بلکراک (BlackRock) بهعنوان یکی از پیشگامان عرصه سرمایهگذاری الگوریتمی در بازارهای مالی شناخته میشود و با افزایش سهم این نوع معاملات در بازارها، بالطبع سهم نمونههای شرکت بلکراک نیز افزایش خواهد یافت. از سال 2012 میلادی که حجم معاملات ماشینی یا اتوماتیک (به هر روشی) از یک چهارم کل گذشت، اثرگذاری معاملات الگوریتمی و شرکتهایی که از آن بهره میبرند افزایش یافت.
برخی الگوریتمها مانند تعیین حاشیه سود، حد زیان و الگوریتمهای اینچنینی در زمره الگوریتمهای معاملاتی پایهای و بسیار ساده قرار میگیرند؛ چراکه الگوریتمهای معاملاتی بسیار پیشرفتهای وجود دارند که بدون دخالت انسان تمام نمادها را بررسی و ارزیابی میکنند و با در نظر گرفتن عوامل تکنیکال و بنیادی نسبت به انتخاب سبد سهام، تخصیص دارایی و خرید و فروش در نقطه مناسب بهصورت کاملا اتوماتیک اقدام میکنند. نکته اصلی ماجرای معاملات روباتیک این واقعیت است که کنترل انسانی به تدریج در آن کمرنگتر میشود. در حال حاضر الگوریتمهای معاملاتیای در دنیا وجود دارند که تمام این سلسله را بهصورت خودکار و هوشمند انجام میدهند.در معاملات الگوریتمی مجموعهای از دستورالعملهای از پیش تعریف شده بر اساس پارامترهایی نظیر زمان، قیمت و هر مدل ریاضی دخیل در بازار بهصورت خودکار اجرا میشوند. جز فرصتهای زیادی که معاملهگران برای کسب سود بهدست میآورند، این شیوه یکی از مهمترین خطاهای انسانی را که تحت تاثیر احساسها و غرایز است تا حد زیادی از بین میبرد و معاملات را به سبک منطق ماشینی انجام میدهد. هرچند خطای ماشینی نیز در میان خواهد بود که میتواند خفیف یا بسیار خطرناک باشد.امروزه استفاده از معاملات الگوریتمی بهعنوان یک مزیت رقابتی در میان شرکتهای سرمایهگذاری فعال در بازارهای مالی دنیا محسوب میشود و سبب شده تا شرکتهایی که از این نوع معاملات بهره میبرند، در مدت زمان کوتاهی بتوانند شرکتهای قدیمی را تماما از بازار خارج کنند. به دلیل قدرت بالای پردازش کامپیوترها نسبت به انسان، در حوزه سرعت تحلیل، سرعت اجرای دستورات و تصمیمگیری، عدم خستگی و خطا و همچنین عدم تاثیر احساسات بر معامله و استراتژی، میتوان پیشبینی کرد که در آیندهای نه چندان دور، جایی برای روشهای سنتی معامله باقی نخواهد ماند. مگر آنکه خطرات این دگردیسی نمایان شوند. آن هم زمانی که سهم معاملات الگوریتمی به بالای 80 درصد خواهد رسید.
بنابراین میتوان گفت که کامپیوترها و الگوریتمهای خاص معاملاتی توانستهاند در بازارهای مالی امروزی خلاقیت و نوآوری زیادی ایجاد کنند و بازدهی بالاتری در کسب سود نسبت به انسان داشته باشند. در واقع جز روباتها، بهترین تریدرها و تحلیلگران دنیا هستند که هنوز توسط الگوریتمهای معاملاتی از بازار رانده نشدهاند و البته این عده میتوانند طراح و اجراکننده الگوریتمهای معاملاتی باشند.
انواع معاملات الگوریتمی
مهمترین معاملات الگوریتمی از لحاظ عملکرد به 5 نوع تقسیم میشوند: اجرای معاملات، سیگنالده، مانیتورینگ، الگوریتمهای کمبسامد و الگوریتمهای HFT یا پربسامد.
الگوریتمهای اجراکننده دستورات: این نوع از الگوریتمهای معاملاتی، صرفا بهعنوان دستیار معاملهگران و برای اجرای دستورات معاملاتی آنها طراحی شدهاند. در واقع معاملهگر، نماد و نقاط ورود و خروج مورد نظر خودش را انتخاب میکند و سایر مراحل انجام معامله از قبیل گذاشتن حدضرر، تقسیم سرمایه و خریدوفروش پلهای توسط روبات معاملهگر (اکسپرت Expert) اجرا میشود.
الگوریتمهای سیگنالده: الگوریتمهای سیگنالده، اطلاعات در اختیار معاملهگران قرار میدهند. در واقع فرآیند انتخاب و تصمیمگیری معاملهگر را بهینه کرده و امکان بازدهی بالاتر در معاملات را فراهم میکنند. این نوع از الگوریتمهای معاملاتی باید در کنار عوامل تحلیلی دیگر مورد استفاده قرار گیرند و به خودی خود سودآور نیستند.
الگوریتمهای مانیتورینگ: این الگوریتمها، زیرمجموعه الگوریتمهای سیگنالده محسوب میشوند. این نوع الگوریتمها وظیفه نظارت و مانیتور کردن بازار را بهصورت دقیق بر عهده دارند. با استفاده از الگوریتمهای ناظر بازار و اعمال فیلتر و جستوجوی شرایط مورد نظر بر همه یا بخشی از بازار، عملیات مانیتورینگ بهینه انجام میشود.
الگوریتمهای معامله بلندمدت یا کمبسامد: این الگوریتمها نوعی استراتژی ترکیبی از معامله کردن و سرمایهگذاری بهشمار میروند. در حوزه معاملات الگوریتمی هر معاملهای که بیش از یک ساعت ماندگار باشد در حوزه بلندمدت در نظر گرفته میشود. این الگوریتمها نسبت به دیگر الگوریتمها قابلیتهای بیشتری ارائه میکنند و میتوانند نقاط ورود و خروج را با دقت بالاتری تشخیص دهند.
الگوریتمهای پربسامد یا کوتاهمدت (HFT): این الگوریتمها قادرند در زمان کوتاهی، در حدود نیم ثانیه، تعداد زیادی از سفارشهای خرید و فروش را اجرا کنند. در بازارهای سرمایه بینالمللی، اغلب به حجم و ارزش معاملات توجهی نمیشود، بلکه به ازای هر معاملهای که انجام میشود کارمزد ثابتی دریافت میشود. ارزش معامله با این روش باید آنقدر زیاد باشد که با توجه به کارمزدها و سود پایین (به دلیل زمان کوتاه معاملات) صرفه داشته باشد. این نوع از روباتها خطر بیشتری برای بازار دارند؛ چراکه میتوانند با یک موج اشتباه یا تعمدی، ارزش یک سهم را دچار سکته یا حباب کنند. از آنجا که عملیات خودکار است، زمانی که سیگنال فروش به حدی قدرت داشته باشد که جمعیت پرشمار روباتها را یکی پس از دیگری وارد صف فروش کند، ریزش ارزش شدید رخ خواهد داد. نمونه معروف استفادهکنندگان از این الگوریتمها اسکالپرها هستند.
اسکالپرها: چنین معاملهگرانی در بازارهای گوناگون مانند سهام، اوراق، کالایی و فارکس (بازار ارز بینالمللی)، در طول روز، بارها با ارقام سنگین، معامله میکنند. آنها خرید خود را در پایینترین قیمت و فروش خود را به بالاترین قیمت، ظرف چند ثانیه یا حتی کسری از آن انجام داده و از بازار خارج میشوند. این نوع معاملهگران بهندرت موقعیتهای معاملاتی خود را به روز بعد منتقل میکنند و به روند بازار اهمیتی نمیدهند.
دیدگاه تان را بنویسید