Algorytm to określony zestaw jasno zdefiniowanych instrukcji mających na celu wykonanie zadania. Handel algorytmiczny jest procesem wykorzystywania komputerów do przeprowadzenia określonego zestawu instrukcji dotyczących zawarcia transakcji w celu generowania zysków z prędkością i częstotliwością niemożliwą do uzyskania przez działającego manualnie inwestora. Zdefiniowane zestawy reguł są oparte na czasie, cenie, ilości lub dowolnym modelu matematycznym. Poza możliwościami zysku dla fundusz, algo-trading sprawia, że rynki są bardziej płynne i stają się bardziej systematyczne w swoich działaniach.

Załóżmy, że program ma przestrzegać następujących prostych kryteriów handlowych. Kup 50 akcji, gdy 20-dniowa średnia krocząca przekroczy średnią z 100 dni. Sprzedaj akcje, gdy 20-dniowa średnia krocząca spadnie poniżej średniej kroczącej z 100 dni. Korzystając z tego zestawu dwóch prostych instrukcji, łatwo jest napisać program, który automatycznie monitoruje cenę akcji oraz wskaźniki średniej ruchomej i umieszcza zamówienia kupna i sprzedaży po spełnieniu określonych warunków. Inwestor nie musi już dłużej obserwować cen i wykresów na żywo, ani składać zamówień ręcznie. Algorytmiczny system transakcyjny automatycznie robi to za niego, prawidłowo identyfikując możliwości handlowe.

Największą część dzisiejszego handlu algorytmicznego stanowi HFT (ang. High Frequency Trading). Handel algorytmiczny zapewnia bardziej systematyczne podejście do aktywnego handlu, niż metody oparte na intuicji inwestora. Każda strategia wymaga zidentyfikowanej możliwości, która przynosi zyski w postaci poprawy wyników lub redukcji kosztów. Poniżej omówię strategie transakcyjne stosowane w algo-tradingu.

© LexxIam / bigstockphoto.com

Strategie wykorzystujące trend

Najczęściej stosowane strategie handlu algorytmicznego są zgodne z trendami dotyczącymi średnich kroczących, wybić kanałów, zmian poziomu cen i powiązanych wskaźników technicznych. To najprostsze strategie w implementacji poprzez handel algorytmiczny, ponieważ strategie te nie wymagają dokonywania jakichkolwiek prognoz. Transakcje są inicjowane w oparciu o występowanie pożądanych trendów, które są łatwe i proste do wdrożenia za pomocą algorytmów bez wchodzenia w złożoność analizy predykcyjnej. Powyższy przykład średniej ruchomej jest popularnym przykładem dla początkujących.

Możliwości arbitrażowe

Zakup "podwójnie" notowanych spółek po niższej cenie na jednym rynku i jednoczesne sprzedawanie go po wyższej cenie na innym rynku. Ta sama operacja może być powielana w odniesieniu do akcji oraz instrumentów futures, ze względu na występowanie różnic w cenie. Wdrożenie algorytmu identyfikującego takie różnice cenowe i składanie zamówień pozwala na osiągać niewielkie zyski.

Rebalancing funduszy indeksowych

W przypadku funduszy istnieje pojęcie błędu naśladowania, gdzie rozbieżności po uwzględnieniu zmian cen mogą być dość znaczne. Implikuje to konieczność dostosowania portfela posiadanych aktywów w celu upewnienia się, że następnego dnia sesyjnego ekspozycja funduszu będzie prawidłowa. Stwarza to możliwości dla handlu algorytmicznego, w momencie spodziewanej transakcji na rynku.

Strategie oparte na modelach matematycznych

Wiele sprawdzonych modeli matematycznych, takich jak strategia neutralnego handlu delta, które umożliwiają handel kombinacjami opcji i zabezpieczeniami bazowymi, w których transakcje są umieszczane w celu kompensowania dodatnich i ujemnych delt, tak aby delta portfela utrzymywała się na poziomie zero.

Zakres handlu (powrotu do średniej)

Strategia opiera się na założeniu, że wysokie i niskie ceny aktywów są zjawiskiem przejściowym, które okresowo powracają do ich wartości średniej. Identyfikacja i definiowanie przedziału cenowego umożliwia automatyczne zawarcie transakcji, gdy cena aktywów znajduje się w pożądanym zakresie.

Poza zwykłymi strategiami istnieje kilka specjalnych klas algorytmów, które próbują zidentyfikować "zdarzenia" po drugiej stronie. Na przykład strona będąca sprzedawcą na rynku może chcieć zidentyfikować istnienie dowolnych algorytmów po stronie kupującej. Wykrycie strony popytowej pomoże animatorowi rynku zmaksymalizować wysokość zleceń i umożliwi wypełnienie drugiej strony po wyższej cenie. Jest to czasami określane jako front-running.

© Gleuschk / Wikimedia Commons

Strategie algorytmiczne są wykorzystywane na przeróżnych rynkach finansowych i towarowych. Większa część transakcji ma miejsce na rynku kontraktów terminowych. Automatyzacja procesu inwestycyjnego pozwala pozbyć się subiektywnych ocen analityków oraz inwestorów, którzy targani są emocjami. Niespotykany wzrost handlu algorytmicznego zapoczątkował nową falę robotów typu "zrób to sam" tworzonych przez indywidualnych inwestorów. W przypadku takiego rodzaju handlu niestabilność tworzy szanse na zysk. Wysoki poziom zmienności to idealne środowisko nawet dla najbardziej początkujących automatycznych strategii handlowych.

Jedną z najbardziej rozpoznawalnych postaci w branży jest James Simons. Amerykański matematyk oraz były zarządzający firmą Renaissance Technologies LLC. W 1982 roku założył jeden z pierwszych funduszy hedgingowych, który mógł pochwalić się znaczącymi sukcesami. Współpraca ze specjalistami w zakresie modelowania danych oraz matematyki zaowocowała miliardowymi zyskami na przestrzeni kilkudziesięciu lat. W 2006 roku Simons został mianowany Inżynierem Finansowym Roku przez International Association of Financial Engineers. Szacuje się, że tylko w 2007 r. zarobił 2,8 mld dolarów.