معاملات با فرکانس بالا

“هیچ کس نمی خواهد اولین کسی باشد که چنین چیزی را انجام می دهد. زیرا اگر شما اولین نفر هستید و همه چیز اشتباه می شود، خطر شغلی وجود دارد. این در نقطه ای برعکس خواهد شد.»

تایم فریم چیست؟

به منظور کسب درآمد مداوم در بازارها ، تریدرها باید بیاموزند که چگونه یک روند اساسی را شناسایی کرده و بر اساس آن ترید کنند . کلیشه های رایج عبارتند از: “ترید همراه با روند”، “با روند مبارزه نکنید” و “روند دوست شما است“ اما روند چقدر ادامه دارد؟ چه زمانی باید وارد ترید شوید یا از آن خارج شوید ؟ معامله کوتاه مدت دقیقاً به چه معناست ؟ در اینجا ما بیشتر به چارچوب های زمانی معامله میپردازیم.

روشهای کلیدی

• چارچوب زمانی به مدت زمانی که یک روند برای یک بازار ادامه می دهد اشاره دارد که توسط تریدرها قابل شناسایی و استفاده است.
• چارچوب های زمانی اولیه یا فوری در حال حاضر قابل اجرا هستند و مورد توجه تریدرهای روز و معاملات با فرکانس بالا هستند.
• بازه های زمانی دیگری نیز باید در رادار شما باشد که بتواند الگویی را تأیید یا رد کند ، یا روندهای همزمان یا متناقضی را که در حال وقوع است نشان دهد.
• این بازه های زمانی ممکن است از چند دقیقه یا چند ساعت تا چند روز یا هفته یا حتی بیشتر باشد.

دوره زمانی

روندها را می توان به عنوان اولیه، میانی و کوتاه مدت طبقه بندی کرد . با این حال ، بازارها به طور همزمان در چندین بازه زمانی وجود دارند . به همین ترتیب ، بسته به بازه زمانی در نظر گرفته شده ، ممکن است روندهای متناقضی در یک سهام خاص وجود داشته باشد. در شرایطی که سهام در روند نزولی میان مدت و کوتاه مدت قرار دارد ، قرار گرفتن در روند صعودی اولیه غیر عادی نیست .

به طور معمول ، تریدرهای مبتدی در یک بازه زمانی خاص قفل می شوند، و روند اصلی قدرتمندتر را نادیده می گیرند. متناوباً تریدرها ممکن است روند اصلی را معامله کنند اما اهمیت تصفیه ورودی های خود را در یک بازه زمانی کوتاه مدت ایده آل دست کم میگیرند.

چه تایم فریم های زمانی را باید ردیابی کنید؟

یک قانون کلی این است که هرچه بازه زمانی طولانی تر باشد، سیگنال های داده شده قابل اطمینان تر هستند. همانطور که در چارچوب های زمانی تمرین می کنید ، نمودارها با حرکات کاذب درگیر می شوند. در حالت ایده آل ، تریدرها باید برای تعیین روند اصلی هرکاری که معامله می کنند، از یک بازه زمانی طولانی تر استفاده کنند.

پس از تعریف روند اساسی، تریدرها می توانند از چارچوب زمانی ترجیحی خود برای تعریف روند میانی و یک چارچوب زمانی سریعتر برای تعریف روند کوتاه مدت استفاده کنند. برخی از مثالهای استفاده از چندین چارچوب زمانی عبارتند از :

یک تریدر در نوسان، که برای تصمیم گیری بر روی نمودارهای روزانه تمرکز دارد، می تواند از نمودارهای هفتگی برای تعیین روند اولیه و نمودارهای 60 دقیقه ای برای تعریف روند کوتاه مدت استفاده کند.

یک تریدر روزانه می تواند در نمودارهای 15 دقیقه ای معامله کند، از نمودارهای 60 دقیقه ای برای تعریف روند اولیه و یک نمودار پنج دقیقهای (یا حتی نمودار کناری) برای تعریف روند کوتاه مدت استفاده کند.

یک تریدر در بلند مدت می تواند در نمودارهای هفتگی تمرکز کند در حالی که از نمودارهای ماهانه برای تعریف روند اصلی و نمودارهای روزانه برای اصلاح ورودی ها و خروجی ها استفاده می کند.

انتخاب اینکه چه گروهی از بازه های زمانی استفاده شود، مختص هر تریدر است. در حالت ایده آل، تریدرها چارچوب زمانی اصلی مورد نظر خود را انتخاب می کنند و سپس برای تکمیل چارچوب زمانی اصلی، چارچوبی را در بالا و پایین آن انتخاب می کنند.

به این ترتیب، آنها از نمودار بلند مدت برای تعریف روند، نمودار میان مدت برای ارائه سیگنال معاملاتی و نمودار کوتاه مدت برای تصفیه ورود و خروج استفاده می کنند. با این حال، یک یادداشت هشدار این است که درگیر هیجانات نمودار کوتاه مدت نشوید و بیش از حد یک معامله را تجزیه و تحلیل کنید. نمودارهای کوتاه مدت معمولاً برای تأیید یا از بین بردن یک فرضیه از نمودار اصلی استفاده می شوند.

مثال برای ترید در تایم فریم های متفاوت

شرکت Holly Frontier (NYSE: HFC) ، Holly Corp، در اوایل سال 2007 با نزدیک شدن به بالاترین سطح 52 هفته ای خود و نشان دادن قدرت نسبی در برابر سهام دیگر در بخش خود، شروع به ظاهر شدن در برخی از صفحات نمایش سهام ما کرد. همانطور که از نمودار زیرمشاهده می کنید، نمودار روزانه یک محدوده تجاری بسیار محدود را نشان می دهد که بالاتر از میانگین متحرک ساده 20 و 50 روزه است. بولینگر باند نیز به دلیل کاهش نوسانات و هشدار نسبت به افزایش احتمالی راه، انقباض شدیدی نشان داده است. از آنجا که نمودار روزانه چارچوب زمانی ترجیحی برای شناسایی معاملات بالقوه نوسان است، برای تعیین روند اصلی و تأیید همسویی آن با فرضیه ما، باید از نمودار هفتگی کمک گرفت.

با یک نگاه سریع به هفته نامه مشخص شد که نه تنها HOC قدرت نشان می دهد، بلکه بسیار نزدیک است که به بالاترین رکورد جدید برسد. علاوه بر این، این یک معامله احتمالی بازگشت احتمالی در محدوده معاملات تجاری نشان داده شده بود، نشان می دهد که شکست به زودی رخ می دهد.

هدف پیش بینی شده برای چنین شکستی 20 امتیاز بود. با همگام سازی دو نمودار، HOC به عنوان یک ترید بالقوه به لیست تماشا اضافه شد. چند روز بعد، HOC اقدام به شکستن کرد و پس از یک هفته و نیم ناپایدار، HOC موفق شد کل آن را ببندد.

HOC به دلیل افزایش نوسانات، ترید بسیار دشواری در نقطه شکست بود. با این وجود، این نوع شکست ها معمولاً در اولین بازگشت پس از شکست، ورود بسیار مطمئنی دارند. هنگامی که شکست در نمودار هفتگی تأیید شد، در صورت یافتن ورودی مناسب، احتمال خرابی در نمودار روزانه به میزان قابل توجهی کاهش می یابد. استفاده از چندین بازه زمانی به شناسایی دقیق پایین بازپرداخت در اوایل آوریل 2007 کمک کرد. نمودار زیر نشان می دهد که یک کندل چکشی در میانگین متحرک ساده 20 روزه و پشتیبانی میانی بولینگر باند تشکیل شده است. همچنین نشان می دهد HOC در حال نزدیک شدن به نقطه شکست قبلی است که معمولاً پشتیبانی نیز ارائه می دهد. ورودی در نقطه ای بود که سهام می توانست قسمت بالای کندل چکشی را ترجیحاً با افزایش حجم پاک کند.

با کار کردن در یک بازه زمانی پایین تر، تشخیص اینکه عقب نشینی رو به پایان است و احتمال بالقوه شکست وجود دارد آسان تر شد. نمودار زیر یک نمودار 60 دقیقه ای با یک کانال روند نزولی روشن را نشان می دهد.

توجه کنید که HOC به طور مداوم با میانگین متحرک ساده 20 دورهای پایین می آید. نکته مهم این است که اکثر شاخص ها در چندین بازه زمانی نیز کار خواهند کرد . HOC در اولین ساعت معاملات در 4 آوریل 2007 بیش از بالاترین نرخ روز گذشته بسته شد و این نشان دهنده ورود بود. کندل 60 دقیقه ای بعدی، با حرکت قوی روی افزایش حجم، به وضوح تأیید کرد که این عقب نشینی تمام شده است. ترید می تواند در چندین بازه زمانی بیشتر که به روند طولانی تر اختصاص داده می شود، کنترل شود.

با اختصاص وقت برای تجزیه و تحلیل چندین بازه زمانی، تریدرها می توانند شانس خود را برای یک ترید بسیار موفق افزایش دهند. مرور نمودارهای بلند مدت می تواند به تریدرها کمک کند تا فرضیه های خود را تأیید کنند، اما مهمتر از آن، همچنین می تواند به تریدرها از عدم اختلاف سنسورهای زمانی جداگانه هشدار دهد.

با استفاده از چارچوب های زمانی کم تر، تریدرها می توانند ورودی و خروجی خود را نیز بسیار بهبود بخشند. در نهایت، ترکیب چندین بازه زمانی به تریدرها امکان می دهد روند معاملات خود را بهتر درک کنند و به تصمیمات خود اعتماد کنند.

استراتژی های معاملات الگوریتمی (Algorithmic Trading)

معاملات الگوریتمی برای حذف فاکتورهای انسانی ایجاد شده اند و در عوض استراتژی های از پیش تعیین شده و مبتنی بر آمار را دنبال می کنند که با حداقل نظارت می توانند توسط رایانه هایی به صورت شبانه روزی اجرا شوند.

رایانه ها می توانند مزایای متعددی را نسبت به معامله گران انسانی ارائه دهند. برای مثال ، آنها می توانند در تمام طول روز و بی وقفه فعال باشند. آنها همچنین می توانند داده ها را به طور دقیق تجزیه و تحلیل کرده و به تغییرات در کسری از ثانیه پاسخ دهند. علاوه بر این ، آنها بر اساس آمار و بدون احساسات تصمیم می گیرند. به همین دلیل ، مدتهاست که بسیاری از سرمایه گذاران این موضوع را درک کرده اند که دستگاه ها با توجه به اینکه از راهکارهای صحیح استفاده می کنند ، می توانند معامله گرهای بسیار خوبی باشند.

اینگونه زمینه معاملات الگوریتمی تکامل یافته است. در حالی که این روش با معاملات کامپیوتری در بازارهای سنتی آغاز شد ، افزایش دارایی های دیجیتال و اکسچنج ها آن را به سطح جدیدی رسانده است. تقریباً به نظر می رسد که معاملات خودکار و کریپتوکارنسی ها برای تکمیل یکدیگر ساخته شده اند. درست است که کاربران همچنان باید استراتژی های خود را نیز به کار گیرند ، اما استفاده صحیح از این تکنیک ها می تواند به معامله گران کمک کند تا به راحتی معامله کنند و اجازه دهند ریاضیات بقیه کار را برایشان انجام دهند.

استراتژی های اولیه چیست؟

فلسفه های اصلی معاملات الگوریتمی حول محور استفاده از نرم افزار برای کشف فرصت های سودآور و استفاده از آنها با سرعتی که در توانایی انسان نیست می چرخد. متداول ترین روش ها عبارتند از معامله بر اساس مومنتوم (momentum trading) ، بازگشت به میانگین (mean reversion)، آربیتراژ (arbitrage) و انواع استراتژی های یادگیری ماشین (machine-learning) .

اکثر استراتژی های معاملات الگوریتمی بر شناسایی فرصت ها در بازار بر اساس آمار متمرکز هستند. انجام معاملات بر اساس مومنتوم (momentum trading) به دنبال پیروی از روندهای فعلی است. بازگشت به میانگین (mean reversion) به دنبال تفاوت های آماری در بازار است. آربیتراژ (arbitrage) به دنبال تفاوت در قیمت های نقدی در اکسچنج های مختلف است و استراتژی یادگیری ماشین (machine-learning) سعی دارد فلسفه های پیچیده تری را خودکار کند یا چندین مورد را با هم ادغام کند. هیچ یک از این موارد تضمینی ساده برای کسب سود نیستند و معامله گران باید درک کنند چه زمانی و کجا الگوریتم صحیح یا “ربات” را اجرا کنند.

معمولاً ربات ها در برابر داده های تاریخی بازار آزمایش شده اند ، که به آن امکان آزمایش سیستم در گذشته یا بک تستینگ (backtesting) گفته می شود. این امر به کاربران امکان می دهد استراتژی خود را بر روی اطلاعات گذشته سهام مختلف ارزیابی کرده و مشاهده کنند در صورت استفاده از این الگوریتم در گذشته چه سودی کسب شده است. برخی از ریسک های انجام این کار می تواند شامل “overfitting” یا بیش برازش باشد ، یعنی زمانی که یک ربات به خوبی تعمیم نیافته است و بر اساس داده های تاریخی اجرا معاملات با فرکانس بالا می شود که به طور دقیق شرایط فعلی را منعکس نمی کنند ، بنابراین به یک استراتژی منجر می شود که نتیجه ای نخواهد داشت. برای مثال اگر شما یک ربات را در برابر داده های یک بازار صعودی طراحی و آزمایش کرده باشید ، اما آن را برای راه اندازی در یک بازار نزولی اجرا کنید. بدیهی است ، بازدهی مورد انتظار خود را نخواهید دید.

معامله بر اساس مومنتوم (momentum trading) چیست؟

مومنتوم تریدینگ مبتنی بر این منطق است که اگر یک روند غالب در بازار در حال حاضر قابل مشاهده باشد ، احتمالا آن روند حداقل تا زمانی که سیگنال ها نشان دهند به پایان رسیده است ، ادامه خواهد یافت.

ایده معامله بر اساس مومنتوم این است که اگر یک دارایی خاص چندین ماه در یک جهت حرکت کرده باشد ، پس با اطمینان می توان فرض کرد که این روند ادامه می یابد ، حداقل تا زمانی که داده ها برعکس این وضعیت را نشان دهند. بنابراین ، این طرح برای خرید در هر سقوط و قفل کردن سود در هر صعود ، و یا برعکس آن در صورت فروش ، برنامه ریزی شده است. البته ، معامله گران باید بدانند که چه زمانی یک بازار علائم بازگشت روند را نشان می دهد ، در غیر این صورت این استراتژی می تواند خیلی سریع برعکس عمل کند.

همچنین لازم به ذکر است که معامله گران نباید استراتژی هایی را تعیین کنند که سعی در خرید و فروش در کف و سقف قیمتی دارند ، که به اصطلاح(catching the knife) نامیده می شود ، بلکه در سطحی که ایمن باشد اقدام به قفل کردن سود و خرید متقابل (buy back) کند. معامله الگوریتمی برای این اقدام ایده آل است ، زیرا کاربران می توانند درصدهایی را که می خواهند به راحتی تعیین کنند و کد بقیه کارها را انجام می دهد. با این حال اگر یک بازار به صورت جانبی (sideways) حرکت کند یا آنقدر بی ثبات باشد که روند مشخصی ایجاد نشده باشد استفاده از این تکنیک به تنهایی می تواند بی اثر باشد.

یکی از شاخص های عالی برای بررسی روند ، شاخص میانگین متحرک (moving average) است. درست همانطور که از اسمش پیداست ، میانگین متحرک یک خط در نمودار قیمت است که میانگین قیمت یک دارایی را بیش از X روز (یا ساعت ، هفته ، ماه و غیره) نشان می دهد. غالباً مقادیری مانند ۵۰ ، ۱۰۰ یا ۲۰۰ روزه مورد استفاده قرار می گیرند ، اما استراتژی های مختلف به منظور پیش بینی معامله ، تایم فریم های مختلفی را بررسی می کنند.

به طور کلی ، هنگامی که قیمت پایین تر یا بالاتر از میانگین متحرک حرکت کند یک روند پرقدرت در نظر گرفته می شود و وقتی به میانگین متحرک نزدیک می شود یا از خط میانگین متحرک عبور می کند ، روند ضعیف در نظر گرفته می شود. علاوه بر این ، میانگین متحرک هایی که بر اساس دوره های زمانی طولانی تر انجام می شوند ، معمولاً نسبت به نمونه هایی که در بازه های کوتاهتر برای مثال طی ۱۰۰ ساعت انجام می شوند ، اطلاعات بیشتری را ارائه می دهند و برای بررسی روند مناسب ترند.

بازگشت به میانگین (mean reversion) چیست؟

بازگشت به میانگین به این واقعیت اشاره دارد که از نظر آماری ، قیمت دارایی باید به سمت میانگین قیمت تاریخی گرایش یابد. انحرافات شدید از این قیمت دلالت بر شرایط اشباع خرید (overbought) یا اشباع فروش (oversold) و احتمال وقوع بازگشت (reversal) دارند.

حتی در مورد یک دارایی مانند بیت کوین (BTC) ، که در واقع فقط در بازار نزولی قرار داشته است ، می توان سقف ها و کف های قیمتی قابل توجهی را مشاهده کرد که از مسیری که قیمت آن به طور تاریخی در آن قرار داشته منحرف می شوند. اغلب اوقات بازارها پس از مدت کوتاهی به سمت این میانگین قیمت می روند. الگوریتم ها با بررسی میانگین های طولانی مدت می توانند با اطمینان بگویند که انحراف شدید قیمت زیاد دوام نمی آورد و سفارشات معامله را آغاز کنند.

به عنوان مثال ، یک حالت خاص از این وضعیت، بازگشت انحراف معیار (standard deviation reversion) نامیده می شود و با یک شاخص به نام باندهای بولینگر (Bollinger Bands) اندازه گیری می شود. اصولاً ، این باندها به عنوان حد های صعودی و نزولی در انحراف از یک میانگین متحرک مرکزی عمل می کنند. وقتی حرکت قیمت به سمت یکی از این نقاط پیش می رود ، احتمال بازگشت قیمت به سمت مرکز وجود دارد.

البته یکی از بزرگترین ریسک هایی که در این وضعیت وجود دارد این است که الگوریتم نمی تواند تغییرات اساسی را به حساب آورد. اگر یک بازار به دلیل نقصی در دارایی پایه در حال سقوط باشد ، احتمال دارد روند قیمت هرگز بهبود نیابد یا حداقل این بهبودی به سرعت انجام نمی شود. در این حالت معامله گران باید شرایط خاصی که الگوریتم ها قادر به مشاهده و بررسی آن نیستند را نظارت و محاسبه کنند.

شکل دیگری از بازگشت به میانگین (mean reversion) ممکن است در چندین دارایی اتفاق بیفتد و استفاده از این روش معامله جفت (pairs trading) نامیده می شود. برای مثال می توانیم بگوییم دو دارایی به طور سنتی با یکدیگر همبستگی دارند. یعنی وقتی یکی از آنها افزایش می یابد ، از نظر آماری ، دیگری نیز صعود می کند. یک الگوریتم می تواند برای مشاهده ی یکی از این دارایی ها ایجاد شود، سپس براساس این احتمال که دارایی دیگر نیز به زودی از این روند پیروی می کند ، معامله را انجام دهد. استفاده از تایم فریم های کوتاهتر برای بررسی این تفاوت ها ماهیت خودکار این استراتژی را بسیار ارزشمندتر می کند.

آربیتراژ (arbitrage) چیست؟

آربیتراژ یک استراتژی است که از اختلاف قیمت یک دارایی در چندین بازار بهره می گیرد.

بعضی اوقات محصول مشابهی مانند کالا یا ارز می تواند معاملات با فرکانس بالا به طور موقت در اکسچنج های مختلف قیمت متفاوتی داشته باشد. این می تواند فرصتی عالی جهت سودآوری برای کسانی باشد که قبل از اینکه تعادل قیمت ایجاد شود عملکردی سریع برای معامله بین این بازارها داشته باشند. برای این منظور ، یک الگوریتم می تواند برای بررسی دارایی های مختلف در بازارهای مختلف و آغاز معاملات به محض یافتن اختلاف قیمتی ایجاد شود.

این تکنیک چندان پیچیده نیست ، اما معامله گرانی که می توانند سریع ترین واکنش را داشته باشند ، نسبت به افرادی که کندتر هستند در این روش موفق تر عمل می کنند. این استراتژی برای معاملات فرکانس بالا (High Frequency Trading) قطعاً از مزیت قابل توجهی برخوردار است ، زیرا دقیقا معامله گرانی از این شرایط بازار استفاده می کنند که باعث شکاف و سقوط قیمت ها می شود.

استراتژی یادگیری ماشین (machine-learning) چیست؟

یادگیری ماشین و هوش مصنوعی معاملات الگوریتمی را به سطوح جدیدی سوق می دهند. نه تنها استراتژی های پیشرفته تر در این استراتژی قابل استفاده و انطباق هستند بلکه تکنیک های جدیدی مانند پردازش زبان طبیعی (Natural Language Processing) مقالات خبری نیز می تواند راه های بیشتری را برای دریافت اطلاعات ویژه ای در مورد حرکات بازار فراهم کند.

الگوریتم ها می توانند مطابق با استراتژی ها و داده های از پیش تعیین شده تصمیمات پیچیده ای بگیرند ، اما با یادگیری ماشین ، این استراتژی ها می توانند خود را بر اساس آنچه در واقع موفق عمل می کند ، بروزرسانی کنند. به جای منطق فازی اگر / آنگاه “if/then” ، یک الگوریتم یادگیری ماشین (ML) می تواند چندین استراتژی را ارزیابی کرده و معاملات بعدی را براساس بالاترین بازده ممکن اصلاح کند، در حالی که آنها همچنان کار خود را برای راه اندازی انجام می دهند ، این بدان معنی است که معامله گران حتی هنگامی که شرایط بازار فراتر از پارامترهای اولیه است ، می توانند به ربات خود اطمینان داشته باشند.

یکی از انواع محبوب استراتژی یادگیری ماشین ، (naive Bayes) نامیده می شود. در این تکنیک ، الگوریتم های یادگیری معاملات را بر اساس آمار قبلی و احتمال انجام می دهند. به عنوان مثال ، داده های تاریخی بازار نشان می دهد که بیت کوین (Bitcoin) پس از سه روز سقوط متوالی ، ۷۰ درصد رشد می کند. یک الگوریتم (naive Bayes) مشاهده می کند که طی سه روز اخیر کاهش قیمت رخ داده است و به طور خودکار سفارش امروز خود را بر اساس احتمال افزایش قیمت اجرا می کند. این سیستم ها بسیار قابل تنظیم هستند و همه معامله گران این اختیار را دارند که پارامترهای خود را برای مواردی مانند نرخ ریسک و پاداش تعیین کنند و هنگامی که از میزان تعادل راضی بودند ، می توانند اجازه دهند با حداقل تداخل کار کند.

یکی دیگر از مزایای استراتژی (ML)، توانایی ماشین آلات برای خواندن و تفسیر گزارش های خبری است. با اسکن کلمات کلیدی و در اختیار داشتن استراتژی های مناسب ، این نوع رباتها هنگام انتشار خبرهای مثبت یا منفی در عرض چند ثانیه می توانند معامله کنند. بدیهی است که فقط به نسبت منطق موجود در سیستمشان دقیق عمل می کنند و در نتیجه اجرای آنها دشوار است اما با این حال در زمینه تنظیم صحیح ، نسبت به سایر معامله گران برتری دارند.

توجه داشته باشید که این یک روش پیشرو در معاملات خودکار است. بنابراین ، یافتن ربات هایی که در این زمینه کار می کنند ممکن است دشوارتر باشد یا هزینه دسترسی بیشتری داشته باشند ، و یا نسبت به بعضی از تکنیک هایی که بیشتر آزمایش شده اند کمتر قابل پیش بینی باشد.

تعقیب سفارش (order chasing) چیست؟

تعقیب سفارش عبارت است از بررسی سفارشات خاص و بسیار بزرگ و سپس تلاش برای حرکت سریع بر اساس این فرض که این امر در نهایت منجر به حرکت بیشتر قیمت ها خواهد شد.

معمولاً ، توانایی پیش بینی یک سفارش بزرگ از سوی معامله گر ، به نوعی به اطلاعات داخلی نیاز دارد ، و انجام معاملات با چنین اطلاعاتی به طور کلی غیرقانونی است. با این حال ، برخی از معامله گران فرکانس بالا (high-frequency traders) روش های قانونی را برای گرداوری داده ها از فروم های معاملاتی خارج از بورس (over-the-counter) به نام “Dark Pools” پیدا کرده اند. این نوع از فروم های معاملاتی لازم نیست داده های سفارش خود را مانند اکسچنج ها ارائه دهند که در نهایت حرکتشان در بازار به تأخیر بیفتد. با جمع آوری و پیاده سازی این داده ها سریع تر از یک معامله گر ، کاربران این تکنیک می توانند مزیت بزرگی نسبت به افراد دیگر داشته باشند.

به عنوان مثال ، می بینید که یک سفارش فروش عظیم در یک دارک پوول (Dark Pool) اجرا می شود. این موضوع به شما می گوید که به زودی با ارسال این اطلاعات به بازار ، بسیاری از فروشندگان کوچک تر احتمالاً با انجام سفارشات خود به آن معاملات با فرکانس بالا واکنش نشان می دهند. از آنجا که می توان این موضوع را پیش بینی کرد ، می توانید از این موج فراتر روید و جزو اولین کسانی باشید که برای فروش اقدام می کنند ، به این معنی که هنگام کاهش هیجانات می توانید به راحتی برای خرید متقابل (buy back) اقدام کنید. تا زمانی که داده ها از طریق کانال های مناسب جمع آوری شده باشند، این روش غیرقانونی نیست و بسیاری از معامله گران الگوریتمی این روش را برای استراتژی انتخاب خود کرده اند.

از کجا می توانم برای انجام معاملات الگوریتمی کریپتوکارنسی اقدام کنم؟

وب سایت های بسیاری وجود دارند که انواع مختلفی از الگوریتم های معاملاتی را ارائه می دهند ، که می توانید از طریق آن به اکسچنج دارایی دیجیتال مورد نظر خود متصل شوید.

سرویس های بسیار اندکی وجود دارند که می توانند به سرعت امکان انجام معاملات الگوریتمی را برای شما فراهم کنند. سایت هایی مانند (TradeSanta) ، (Bitsgap) و (Cryptohopper) همه انواع مختلفی از حساب ها را ارائه می دهند که بسته به اینکه چه ابزارهایی در دسترس هستند ، می توانند از انواع مختلف تا قیمت های مختلف را در بر بگیرند. برای مبتدیان ، یک حساب کاربری رایگان برای شروع گزینه های زیادی را ارائه می دهد ، اما اگر می خواهید حرفه ای تر عمل کنید ، حساب های پرداختی می توانند بسیار مفید باشند.

این سایت ها به طور کلی آموزش و مطالب دیگری را نیز ارائه می دهند تا بتوانید برای یافتن ربات ها و راهکارهای مناسب اطلاعات لازم را کسب کنید. با وجود این که سرویس ها با تمامی اکسچنج ها سازگار نیستند معاملات با فرکانس بالا ، اما متوجه خواهید شد که اکثر آنها تقریباً از بزرگترین و محبوب ترین اکسچنج های موجود پشتیبانی می کنند. برخی حتی برای استفاده از ربات های خود در ارتباط با یک پلتفرم خاص پروموشن های ویژه ای دارند ، بنابراین کاربران گزینه های زیادی برای انتخاب خواهند داشت.

مسلما تکنیک ها و سرویس های بیشتری نیز برای استفاده وجود دارد ، اما این راهنما اصول لازم را برای شما فراهم کرده است تا با معاملات الگوریتمی آشنا شوید. آهسته پیش بروید و تا جای ممکن اطلاعات کافی را کسب کنید تا در نهایت یک استراتژی خودکار که برای شما مناسب است را پیدا کنید.

مدیران سابق سیتادل 50 میلیون دلار برای پلتفرم معاملاتی کریپتو با فرکانس بالا جمع آوری کردند

استارت‌آپ ارزهای دیجیتال Portofino Technologies رسما پلتفرم معاملاتی با فرکانس بالا خود را برای دارایی‌های دیجیتال راه‌اندازی کرد و سرمایه‌گذاری عمده‌ای را از شرکت‌های سرمایه‌گذاری خطرپذیر در این فرآیند تضمین کرد.

پورتوفینو در راه اندازی پلتفرم خود فاش کرد که 50 میلیون دلار سرمایه سهام از Valar Ventures، Global Founders Capital و Coatue جمع آوری کرده است. اگرچه پورتوفینو نحوه استفاده از بودجه را فاش نکرد، این شرکت در زمینه استخدام فعال بوده و بیش از 35 کارمند را در 5 مکان جهانی استخدام کرده است.

Portofino در سال 2021 توسط کارمندان معاملات با فرکانس بالا سابق Citadel Securities الکس کازیمو و لئونارد لانچیا تأسیس شد. این شرکت در حال ساخت فناوری معاملاتی با فرکانس بالا متمرکز بر رمزنگاری است که عمدتاً همینطور است مورد استفاده صندوق های تامینی . در حالی که این شرکت به تازگی از حالت مخفی خارج شده است، اما ادعا می کند که میلیاردها دلار در صرافی های رمزنگاری متمرکز و غیرمتمرکز معامله کرده است.

تجارت با فرکانس بالا یا HFT به پلتفرم های معاملاتی خودکاری که معمولاً توسط آنها استفاده می شود اشاره دارد موسسات مالی بزرگ برای اجرای دسته های بزرگ سفارشات با سرعت بسیار بالا. این پلتفرم ها برای تجزیه و تحلیل روندهای بازار و فرصت های معاملاتی که می توانند در چند ثانیه اجرا شوند، به الگوریتم های پیچیده متکی هستند.

صندوق های تامینی کمی طعم عسل را می چشند.

گزارش اخیر PwC نشان می دهد که یک سوم از 89 صندوق سنتی بررسی شده در دارایی های دیجیتال سرمایه گذاری می کنند. https://t.co/Tm4uNEZo5V

— Cointelegraph (@Cointelegraph) 9 ژوئن 2022

در زمینه ارزهای دیجیتال، استراتژی‌های HFT اکنون می‌توانند در صرافی‌های غیرمتمرکز یا DEX اجرا شوند. برخلاف صرافی های متمرکز، DEX ها سرعت معاملات بسیار سریع تری را ارائه می دهند و فرصت های آربیتراژ جدید. فناوری HFT پورتوفینو به دنبال ایجاد این قابلیت ها با افزایش دسترسی به نقدینگی است.

صندوق های تامینی و سایر سرمایه گذاران نهادی علاقه شدیدی به ارزهای دیجیتال نشان داده اند، اما پذیرش کلی به دلیل چندین عامل از جمله مقررات و کمبود زیرساخت کند بوده است. به عنوان رئیس مدیر سرمایه گذاری کریپتو آپولو کپیتال به کوین تلگراف گفت:

“هیچ کس نمی خواهد اولین کسی باشد که چنین چیزی را انجام می دهد. زیرا اگر شما اولین نفر هستید و همه چیز اشتباه می شود، خطر شغلی وجود دارد. این در نقطه ای برعکس خواهد شد.»

Wash trading چیست؟

معامله شستشو فرآیندی است که به موجب آن معامله گر اوراق بهاداری را خریداری کرده و می فروشد تا اطلاعات گمراه کننده را به بازار عرضه کند. در برخی موارد معاملات شستشو توسط یک معامله گر و یک دلال که با یکدیگر تبانی می کنند انجام می شود و در موارد دیگر معاملات شستشو توسط سرمایه گذاران انجام می شود که هم خریدار و هم فروشنده اوراق بهادار هستند. طبق قوانین ایالات متحده تجارت شستشو غیرقانونی است.

نکات کلیدی

• معامله شستشو یک نوع معامله غیرقانونی است که در آن یک معامله گر و یک دلال با ارائه اطلاعات گمراه کننده به بازار با یکدیگر تبانی می کنند.
• شرکت های معاملاتی با فرکانس بالا و صرافی های ارزهای دیجیتال از معاملات شستشو برای دستکاری قیمت ها استفاده می کنند.

درک معاملات شستشو

پس از تصویب قانون بورس کالا در سال 1936 قانونی که معامله شستشو را تصویب می کرد توسط دولت فدرال ممنوع شد. همچنین معامله کالاها در بورس های تحت نظارت انجام می شد. قبل از ممنوعیت آنها در دهه 1930 معاملات شستشو یک روش رایج برای دست اندرکاران سهام جهت نشان دادن علاقه دروغین به سهام در تلاش برای افزایش ارزش بود به طوری که این دستکاری ها می توانستند پول کمی را در سهام ایجاد کنند.

مقررات کمیسیون تجارت آتی کالا (CFTC) همچنین معامله گران را از سودآوری در معاملات شستشو منع می کند حتی اگر آنها ادعا کنند که از مقاصد معامله گران مطلع نبوده اند.

IRS همچنین مقررات سختگیرانه ای در مورد معاملات شستشو دارد و از مالیات دهندگان می خواهد از کسر خسارات ناشی از فروش لباسشویی خودداری کنند. IRS معامله شستشو را به عنوان معامله ای توصيه مي كند كه ظرف 30 روز پس از خريد اوراق بهادار رخ مي دهد و منجر به ضرر مي شود.

معامله شستشو و معامله فرکانس بالا

معاملات شستشو در سال 2013 درست به عنوان پدیده معاملات با فرکانس بالا در حال گسترش بود. معاملات با فرکانس بالا عبارت است از استفاده از کامپیوترهای فوق سریع و اتصالات پرسرعت اینترنت برای انجام ده ها هزار معامله در ثانیه.

از سال 2012 بارت چیلتون کمیسر وقت کمیسیون معاملات آتی کالا قصد خود را برای تحقیق در مورد صنعت معامله فرکانس بالا به دلیل نقض قوانین معامله شستشو و با توجه به این که شرکت هایی با این فناوری به راحتی می توانند معامله شستشو را انجام دهند اعلام کرد .

در سال 2014 کمیسیون اوراق بهادار و (SEC) اوراق بهادار Wedbush را به دلیل عدم “کنترل مستقیم و انحصاری بر تنظیمات در سکوهای معاملاتی مورد استفاده مشتریان خود” متهم کرد. نقصی که برخی معامله گران فرکانس بالا را قادر به انجام معاملات شستشو و سایر رفتارهای ممنوع و دستکاری کننده کرد.

همچنین مشخص شده است که معاملات شستشو در معاملات در صرافی های ارزهای دیجیتال نقش دارد. طبق تحقیقات موسسه Blockchain Transparency بیش از 80 درصد از 25 جفت معاملاتی برتر بیت کوین در صرافی های ارزهای دیجیتال در سال 2018 به صورت شستشو انجام شد.

نمونه هایی از معاملات شستشو

معاملات شستشو اساساً معاملاتی هستند که یکدیگر را لغو می کنند و به همین دلیل ارزش معاملاتی ندارند. اما از آنها در موقعیت های مختلف معاملاتی استفاده می شود.

به عنوان مثال معاملات شستشو در رسوایی LIBOR برای پرداخت سود دلال هایی که پنل های ارائه LIBOR را برای ین ژاپن دستکاری کردند مورد استفاده قرار گرفت. با توجه به اتهامات ثبت شده توسط مقامات مالی بریتانیا معامله گران UBS با 9 شرکت معامله شستشو و با یک شرکت دلالی اقدام کردند تا به دلیل نقش آن در دستکاری نرخ 170.000 پوند هزینه به عنوان پاداش برای شرکت LIBOR دریافت کنند.

معاملات شستشو همچنین می تواند جهت تولید حجم جعلی برای سهام و پمپاژ قیمت آن استفاده شود. فرض کنید یک معامله گر XYZ و یک شرکت دلالی برای خرید و فروش سریع سهام ABC با هم تبانی می کنند. با توجه به فعالیت سهام سایر معامله گران ممکن است برای جا به جایی قیمت آن به ABC پول واریز کنند. سپس XYZ سهام را کوتاه می کند و در نتیجه از حرکت نزولی قیمت آن سود می برد.

السالوادور برای مقابله با آربیتراژ داده‌های قیمتی بیتکوین را از برنامه Chivo حذف می کند

دولت السالوادور به منظور جلوگیری از سوءاستفاده کاربران از کیف پول دیجیتالی Chivo برای کسب سود از طریق آربیتراژ ،از قابلیت مسدود کردن قیمت برنامه استفاده کرده است.

در 19 اکتبر(27 مهر) ، حساب توییتری Chivo اعلام کرد که کاربران کیف پول نمی توانند قیمت مرجع ارائه شده برای معاملات انجام شده با استفاده از ویژگی انجماد قیمت را مشاهده کنند که به معامله گران اجازه می دهد تا قیمت بیت کوین (BTC) ارائه شده توسط برنامه معاملات با فرکانس بالا را تا یک دقیقه حفظ کنند.

Chivo توییت کرد که معامله گران فرصت طلب از ویژگی انجماد قیمت برای آربیتراژ در سایر پلتفرم های معاملاتی ارزهای رمزنگاری شده در سطح جهان در دوره های بی ثباتی قیمت بیت کوین استفاده می کنند. Chivo توضیح داد که ویژگی قیمت منجمد به معامله گران این فرصت را می دهد تا از شکاف قیمت در سایر نرخ های ارز استفاده کنند و در عین حال به سرعت از شبکه لایتنینگ برای جابجایی دارایی ها استفاده کنند.

اسکالپینگ Chivo دارای این قابلیت بود که نرخ را به مدت 1 دقیقه ثابت کند و معامله گر از آن یک دقیقه استفاده کرده تا نرخ را با سایر صرافی ها مقایسه کند و ببیند آیا قیمت بیت کوین کاهش یافته یا افزایش یافته است. “
علیرغم اسکالپ با فرکانس بالا که شامل یک شکل قانونی در معاملات می شود ، معامله گران از قیمتهای منجمد Chivoبرای معامله در برابر مبادلات بلادرنگ استفاده می کردند که به طور بالقوه سود “بی پایان” را از طریق “کلاهبرداری” به همراه داشت.

Chivo قصد دارد ویژگی قیمت را حذف کرده و مراجع قیمت واقعی را برای معامله گران بیت کوین با استفاده از برنامه خود ارائه دهد.

این مطلب صرفاً ترجمه از منبع ذکر شده بوده و مسئولیت آن با آکادمی پرشیا بلاکچین نمی‌باشد.