معامله الگوریتمی در عمل


طراحی یک سیستم معاملاتی خودکار با استفاده از شبکه عصبی پیچشی

1 دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران.

2 استادیار دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران

چکیده

در سال‌های اخیر مقالات و پژوهش‌های زیادی در زمینه‌ی استفاده از روش‌های یادگیری ماشینی و معاملات الگوریتمی در بازارهای مالی به منظور کسب بازدهی منتشر شده است. هدف این پژوهش ایجاد یک سیستم معاملاتی خودکار با استفاده از پردازش تصویر به وسیله‌ی شبکه عصبی پیچشی است. بدین منظور، در ابتدا پس از دریافت داده‌های مورد نیاز برای سهام منتخب، 28 اندیکاتور تحلیل تکنیکال انتخاب و مقادیر هر کدام به صورت جداگانه برای هر سهم محاسبه شد. سپس سری‌های زمانی این اندیکاتورها به تصاویر 2 بعدی تبدیل شده و در نتیجه برای هر داده روی سری زمانی قیمت سهم، یک تصویر دو بعدی با ابعاد 28×28 ساخته‌ شد. پس از برچسب‌گذاری هر تصویر با یکی از برچسب‌های خرید، فروش و نگهداری، این تصاویر به شبکه عصبی پیچشی وارد شدند. همچنین برای بررسی بازدهی و ریسک سیستم ارائه شده، یک روش برای خرید و فروش بر اساس نتایج مدل در زمان گذشته معرفی شده است. نتایج پژوهش نشان می‌دهد که در 80% موارد، این روش بازدهی بیشتری نسبت به استراتژی مرسوم خرید و نگهداری کسب کرده است. همچنین همواره از نظر معیارهای ریسک انحراف معیار و بیشترین افت بهتر عمل می‌کند. همچنین، نتایج نشان‌دهنده‌ی تأثیر زیاد کارمزد معاملات بورس اوراق بهادار تهران بر روی بازدهی مدل است. به گونه‌ای که مدل چند برابر سود کسب شده را برای پرداخت کارمزد از دست می‎دهد.

کلیدواژه‌ها

20.1001.1.26454637.1399.10.31.7.3

عنوان مقاله [English]

Designing an Automated Trading System Using Convolutional Neural Network

نویسندگان [English]

  • Amir Hossein Yaftian 1
  • Mohammad Ali Rastegar 2

2 Assistant Prof, Department of Industrial & Systems Engineering, Tarbiat Modares University, Tehran, Iran.

In recent معامله الگوریتمی در عمل years, many articles and researches have been published on the use of machine learning methods and algorithmic trading in financial markets in order to earn returns. The aim of this study is to create an automated trading system using image processing by convolutional neural network. For this purpose, initially, after receiving the data required for the selected stocks, 28 technical analysis indicators were selected and the values of each were calculated separately for each stock. Then the time series of these indicators were converted to 2D images, and as a result, for each data on the time series of the stock price, a 2D image with dimensions of 28 x 28 was created. After labeling each image with one of the buy, sell, or hold labels, these images entered the convolutional neural network. Also, to evaluate the return and risk of the proposed system, a method for buying and selling based on the results of the model in the past has been introduced. The results show that in 80% of cases, this method is more effective than the buy and hold strategy. It also always performs better in terms of standard deviation risk and maximum drawdown. Also, the results show the high impact of trading commission on the Tehran Stock Exchange on the return of the model. In such a way that the model loses many times the profit earned for the payment of the commission.

کلیدواژه‌ها [English]

  • Algorithmic trading
  • Technical analysis
  • Deep learning
  • Convolutional neural networks

مراجع

1. Ahmed, N. K., Atiya, A. F., Gayar, N. E., & El-Shishiny, H. (2010). An empirical comparison of machine learning models for time series forecasting. Econometric Reviews, 29(5-6), 594-621.

2. Bajlan, S., Fllah Poor, S., & Dana, N. (2017). Predicting stock price trends using a modified support vector machine with hybrid feature selection, Journal of Financial Management Perspective, 17(1), 69-86. (In Persian)

3. Canziani, A., Paszke, A., & Culurciello, E. (2016). An analysis of deep neural network models for practical applications. arXiv preprint arXiv:1605.07678.

4. Cartea, A., & Jaimungal, S. (2013). Modelling asset prices for algorithmic and high-frequency trading. Applied Mathematical Finance, 20(6), 512-547.

5. Das, G., Lin, K. I., Mannila, H., Renganathan, G., & Smyth, P. (1998, August). Rule Discovery from Time Series. In KDD (Vol. 98, No. 1, pp. 16-22).

6. Deng, Y., Bao, F., Kong, Y., Ren, Z., & Dai, Q. (2016). Deep direct reinforcement learning for financial signal representation and trading. IEEE transactions on neural networks and learning systems, 28(3), 653-664.

7. Esmaeili, Z., Abbasi, E., Fallahshams, M. (2018). Prediction of initial public offering short-term performance using nearest neighbor and support vector machine models. ـJournal of Financial Management Perspective, 8(21), 9-27. (In Persian)

8. Ganz, F., Puschmann, D., Barnaghi, P., & Carrez, F. (2015). A practical evaluation of information processing and abstraction techniques for the internet of things. IEEE Internet of Things journal, 2(4), 340-354.

9. Gudelek, M. U., Boluk, S. A., & Ozbayoglu, A. M. (2017, November). A deep learning based stock trading model with 2-D CNN trend detection. In 2017 IEEE Symposium Series on Computational Intelligence (SSCI) (pp. 1-8). IEEE.

10. Kalchbrenner, N., Grefenstette, E., & Blunsom, P. (2014). A convolutional neural network for modelling sentences. arXiv معامله الگوریتمی در عمل preprint arXiv:1404.2188.

11. Karpathy, A., Toderici, G., Shetty, S., Leung, T., Sukthankar, R., & Fei-Fei, L. (2014). Large-scale video classification with convolutional neural networks. In Proceedings of the IEEE conference on Computer Vision and Pattern Recognition (pp. 1725-1732).

12. Kalaitzakis, K., Stavrakakis, G. S., & Anagnostakis, E. M. (2002). Short-term load forecasting based on artificial neural networks معامله الگوریتمی در عمل parallel implementation. Electric Power Systems Research, 63(3), 185-196.

13. Kim, T., & Kim, H. Y. (2019). Forecasting stock prices with a feature fusion LSTM-CNN model using different representations of the same data. PloS one, 14(2), e0212320.

14. Kim, Y. (2014). Convolutional neural networks for sentence classification. arXiv preprint arXiv:1408.5882.

15. Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems (pp. 1097-1105).

16. Kuo, S. C., Li, S. T., Cheng, Y. C., & Ho, M. H. (2004, December). Knowledge discovery with SOM networks in financial investment strategy. In Fourth International Conference on Hybrid Intelligent Systems (HIS'04) (pp. 98-103). IEEE.

17. Pakbaz, M., Davari, M., & Balgourian, M. (2018). Investigating the predictive power of information content of accounting profit announcement by technical analysis signals. Journal of Financial Management Perspective, 20(4), 115-131. (In Persian)

18. Ramoni, M., Sebastiani, P., & Cohen, P. (2002). Bayesian clustering by dynamics. Machine learning, 47(1), 91-121.

19. Ratner, M., & Leal, R. P. (1999). Tests of technical trading strategies in the emerging equity markets of Latin America and Asia. Journal of Banking & Finance, 23(12), 1887-1905.

20. Sezer, O. B., & Ozbayoglu, A. M. (2018). Algorithmic financial trading with deep convolutional neural networks: Time series to image conversion approach. Applied Soft Computing, 70, 525-538.

21. Sezer, O. B., & Ozbayoglu, A. M. (2019). Financial trading model with stock bar chart image time series with deep convolutional neural networks. arXiv preprint arXiv:1903.04610.

22. Shen, F., Chao, J., & Zhao, J. (2015). Forecasting exchange rate using deep belief networks and conjugate gradient method. Neurocomputing, 167, 243-253.

23. Sweeney, R. J. (1988). Some new filter rule tests: Methods and results. Journal of Financial and Quantitative Analysis, 285-300.

24. Wen, Y., & Yuan, B. (2018, March). Use CNN-LSTM network to analyze secondary market data. In Proceedings of the 2nd International Conference on Innovation in Artificial Intelligence ,pp. 54-58.

چالش های معامله گری در بازار مالی

چالش های معامله گری در بازارهای مالی همواره به عنوان یکی از دغدغه هایی می باشد که فعالان بازار مالی دست و پنجه نذم میکنند. برخی از فعالان بازارهای مالی قادر به حل کردن این چالش ها هستند و برخی دیگر خیر. آنهایی که توانایی عبور از این چالش ها را دارند قاعدتا تبدیل به سرمایه گذاران موفقی در آینده خواهند شد و آنهایی که توانایی مدیریت این چالش ها را ندارند عموما دچار سرخوردگی شده و خیلی زود از این بازارها خارج می شوند. یکی از مهم ترین این چالش ها مربوط به رفتارهای سرمایه گذار در هنگام معامله گری می شود. رفتارهایی مانند ترس و طمع و عدم اعتماد به نفس لازم در معامله گری از جمله مهم ترین عوامل این چالش ها می باشد که البته میزان آن در افراد مختلف متفاوت می باشد و نوع این چالش ها هم در بین سرمایه گذاران متفاوت است به گونه ای که نمی توان نسخه ای واحد برای همه چیست. ما در ایتن مقاله سعی میکنیم برخی از چالش های معامله گری و نحوه مدیریت آن را به طور کامل همراه با مثال توضیح دهیم. پس تا انتهای مقاله با من همراه باشید.

چالش های معامله گری

انواع چالش های معامله گری در بازارهای مالی

قرارگیری در مسیر صحیح آموزش: یکی از چالش های معامله گری قرار گرفتن در مسیر صحیح آموزش می باشد. در روزهایی که تبلیغات اثر به سزایی در جذب مخاطب پیدا کرده است و افراد در رویارویی با تبلیغات متنوع در فضای مجازی جذب موضوعی خاص می شوند، به پدیده ای با عنوان (خود استاد پنداری) در زمینه ی بازارهای مالی مواجه می شویم که فعالان اینستاگرامی با سابقه فعالیت بسیار کم و عدم بازدهی مناسب در معاملات خود، اقدام به تحلیل می کنند و مخاطبان آنها را افراد تازه وارد به بورس تشکیل می دهند که مبنا و صحت تحلیل آنها نیز تعداد فالوورهای آن صفحه است یعنی هر چه تعداد فالوورهای آن صفحه اینستاگرامی و یا تعداد ممبرهای تلگرامی فرد بیشتر باشد اعتبار ان فرد به لحاظ تحلیل بیشتر می شود. حال جالب است بدانید که در حال حاضر ممبرهای فیک و حتی لایک های فیک نیز توسط ربات ها ایجاد و مدیریت می شود و کمتر کسی میتواند متوجه این موضوع شود؛ یعنی زرق و برق این صفحات به گونه ای مباشد که افراد مبتدی ناخواسته به دام این افراد می افتند.

در هین راستا متاسفانه افراد تازه وارد جذب این صفحات می شوند و در مواجهه با تبلیغ درآمدهایی راحت و کسب سودهای چند صد در صدی از بازارهای مختلف تاب نمی آورند و با خرید پکیج های اموزشی آن هم با نام هایی دهن پرکن که عمدتا حاوی یکسری مطالب پیش پا افتاده و سطحی است حاضر به پرداخت قیمت هایی گزاف می شوند چرا که با آن سطح از تبلیغات رنگین، رمز موفقیت خود را در همین بسته های آموزشی می بینند. این در حالی است که کسانی که خاک بازار را خورده اند و چالش های بازار را در برهه های حساس لمس کرده اند به انزوا کشیده شده اند، چرا که دیگر در میان سیل عظیم پکیج هایی که معامله گران با آن ها به نتیجه نرسیده اند، دیگر توانی برای اثبات خویش ندارند و رفته رفته همه با یک چشم دیده می شوند.

چالش های معامله گری

تجربه من از حل کردن چالش آموزش در مسیر معامله گری

زمانی که تصمیم گرفتم به بازارهای مالی وارد شوم، نمیدانستم از کجا باید شروع کنم، ذهنیتی مشخص از مسیر پیش رو نداشتم. طبعاً چون اطلاعات کافی نداشتم در این زمینه ساده و زود باور بودم. با شخصی آشنا شدم که معامله گری و سود آوری را بسیار ساده جلوه می داد، به طبع کسی نمی تواند ادعا کند که در مقابل کسب درآمد راحت و آن هم به دلار تحت تاثیر قرار نمی گیرد. من هم از این قاعده مستثنی نبودم و با یک مبلغ گزاف در کلاس های آن فرد شرکت کردم. به جرات می توانم بگویم که نه تنها مطلبی در راستای بازارهای مالی نیاموختم بلکه من را از مسیر درست خارج کرد. به بن بست رسیده بودم گمان می کردم کسب سود از بازارهای مالی دروغی بزرگ است که به مردم گفته اند که به اهداف مالی خودشان برسند. زمانی که به خودم آمدم متوجه شدم دو سال از عمرم را هدر داده ام و این مدت مسیر را اشتباه رفته ام. چند وقتی از بازار دور بودم مجدد شروع کردم. شروع به مطالعه ی کتاب های مختلف کردم تا چراغ راهم شوند و خدا رو شکر در این مسیر با کسانی آشنا شدم که توانستم مسیر درست را از بیراهه تمییز دهم. اصلا قصد ندارم در این مقاله شعار دهم چرا که گوش همه ی ما پر شده است از حرفای کلیشه ای. اما با تجربه های تلخ و شیرینی که کسب کردم عرض میکنم، به هیچ عنوان مطالعه کتاب را کنار نگذارید چرا که قطعا یکی از گزینه هایی است که می تواند شما را در مسیر صحیح آموزش قرار دهد. به سراغ هر شخصی که برای یاد گیری می روید رزومه ی کاری آن شخص را مورد بررسی قرار دهید نه تعداد لایک و فالورو و……… کسی که کسب سود از بازارهای مالی را راحت جلوه می دهد و شما را تشویق می کند به کسب درآمدهای آنچنانی بدون هیچ زحمت خاصی، مطمئن باشد آن شخص یا شیاد است و یا نادان.

دومین چالش معامله گری در بازارهای مالی

پیش بینی روند بازار، قبل از اینکه ستاپی کامل شود یکی از مواردی است که به شدت معامله گرانی عجول را متضرر می سازد. به طور مثال ورود در پولبک ها یکی از ستاپ هایی است که میزان موفقیت بالایی دارد اما طمع از دست دادن حداکثر میزان سود و ترس از ریسک بیش از حد دو مقوله ای هستند که موجب می شوند قبل از کامل شدن ستاپ، معامله گران به نماد مورد نظر ورود کنند. اساسا حرص برای کسب سود بیشتر و ترس از ریسک بیشتر موجب ورود زود هنگام معامله گران می شود که در اکثر موارد باعث متضرر شدن آن ها می گردد.

زمانی که وارد بازار فارکس شدم تمامی فکر و تمرکزم این بود که معامله ای را با ضرر نبندم و سعی می کردم که در پایین ترین قیمت ممکن وارد معامله شوم. به همین دلیل همیشه ترس از جا ماندن داشتم غافل از اینکه لزوما پایین ترین قیمت نمی تواند بهترین قیمت باشد. از آن جایی که نوسانات بازار فارکس شدید است، پوزیشن هایی که وارد سود می شد، از ترس اینکه آن حداقل ها را از دست ندهم با کمترین سود ممکن معامله را می بستم و اجازه ی رشد در جهت سود را نمیدادم. بعد از چند وقت که به استیتمنت حساب نگاه کردم متوجه شدم که تبدیل به معامله گری شده ام معامله الگوریتمی در عمل که سودهای کوچک با ضررهای نسبتا بزرگ را ثبت کرده ام. ترس در بازار فارکس و طمع در بورس ایران دو عاملی هستند که غالبا معامله گران در ابتدای فعالیتشان با آن دست و پنجه نرم می کنند. در کتاب استراتژیست به نقل از نیما آزادی، ترس و طمع دو واژه ای است که به طور کامل باید از فرهنگ لغت معامله گری ما حذف بشوند. ما بایستی در سیستم معاملاتی با تدوین بخش های مهم و کلیدی خود را از اسارت این دو احساس منفی برهانیم.

سومین چالش معامله گری در بازارهای مالی

خروج زود هنگام از معامله سومین چالش معامله گری می باشد. اغلب معامله گران آماتور صبر و تحمل کافی در موقعیت های معاملاتی رو به رشد را ندارند. مدام تابلو را زیر نظر دارند و با هر رنج مثبت و منفی تحت تاثیر قرار می گیرند. با وجود اینکه هنوز قیمت فاصله ی زیادی با تارگت مشخص شده دارد اما به محض مشاهده ی رنج منفی به سود کم رضایت می دهند و از معامله خارج می شوند. بدیهی است که بعد از مدتی جنبه ی تریدری شخص به خطر می افتد. برای رفع چنین مشکلی علاوه بر حد سود قیمتی می توان زمان رسیدن قیمت به هدف را هم تعیین کرد و تا رسیدن قیمت به تارگت در زمان مشخص شده به معامله فرصت داد (set and forget). چنانچه در زمان مشخص شده به تارگت مد نظر نرسید از معامله خارج شد. بنابراین با کمک گرفتن از پارامتر زمان می توان از شناسایی سودهای ریز در صورتی که سهم پتانسیل رشد دارد اجتناب کرد. البته در برخی از اوقات هم ممکن است معامله ای که با هدف رشد خوب وارد آن شده ایم پس از مدتی وارد زیان شود. در این حالت باید به دنیال علت بود. معمولا در بازار سرمایه ایران که دستخوش تغییرات سیاسی و یا دستکاری های زیاد در بازار می باشد این موضوع بیشتر به چشم می خورد. البته این نکته را هم باید در نظر داشت که مهنم برایند معاملات است و صرفا نباید با قرار گرفتن در این موقعیت ها که گاها اتفاق می افتد اصل موضوع را زیر سوال برد.

چهارمین چالش معامله گری در بازارهای مالی

اجازه ندهیم زیان های کوچک به ضررهای بزرگ تبدیل شوند: هیچ کسی حق ندارد که برای بازار تعیین تکلیف کند. تعصب بیش از حد بر روی تحلیل باعث می شود که وقتی معامله گر وارد ضرر می شود از بستن آن امتناع کند و با بزرگ کردن حد ضرر، دست به دعا به دنبال روزنه های امید برای برگشت به نقطه ی صفر می گردد. غافل از اینکه با این عمل در باتلاق ضرر فرو می رود.

چند هفته ای بود که برآیند معاملاتم مثبت بود و اعتماد به نفس بالایی پیدا کرده بودم این باعث شده بود که هر هفته نسبت به هفته قبل مغرورتر شوم. کار به جایی رسیده بود که اگر بازار در راستای تحلیل من پیش نمی رفت حرکت بازار را غیر طبیعی می دانستم. در یکی از معاملاتم روی یورو دلار گواه های زیادی را مبنی بر ریزش یورو جمع کرده بودم. اتفاقا از همیشه هم مطمئن تر بودم. اما هر چه بازار پیش می رفت یورو دلار رشد می کرد و حساب من افت. نمی خواستم که اشتباهم را بپذیرم، زیر لب میگفتم حتما هنوز معامله گران سازمانی وارد نشده اند و این هیجان به خاطر حضور معامله گران خرد در بازار است. با این تفکرات و تفاسیر و صد البته تحت فشار، تصمیم به بزرگ کردن استاپ گرفتم اما بازار درسی به من داد که هیچ وقت فراموش نخواهم کرد.

در کتاب به بورس خوش آمدید به نقل از مهدی افضلیان: بهتر است با رسیدن قیمت به حد زیان، واقعیت را بپذیرید و بدون هیچگونه غرور از معامله خارج شوید و به دنبال فرصت های معاملاتی بهتر در بازار باشید، چرا که در نهایت برآیند معاملات یک سرمایه گذار در میان مدت باید مثبت و روبه بالا باشد و ضررهای این چنینی نیز بخشی از فعالیت در بازار سرمایه به حساب می آید.

شک و تردید پنجمین چالش معامله گری در بازارهای مالی

نبود استراتژی و پلن معاملاتی شخصی همراه با عدم اعتماد به نفس معامله گر موجب می شود که پس از شناسایی یک فرصت معاملاتی مناسب وارد بازار نشود. اندکی بعد مارکت در جهت تحلیل پیش می رود و ثابت می کند که تجزیه و تحلیل معامله گر صحیح بوده است، و بعد از اینکه معامله گران حاضر در بازار سود خود را شناسایی کردند، تصمیم به ورود می گیرد و بلافاصله جهت مارکت عوض می شود. برخی معامله گران به توانایی خود در تحلیل اطمینان ندارند که این موضوع ناشی از روشی است که برای تحلیل انتخاب کرده اند. واضح است که استفاده ی همزمان از ابزارها و اندیکاتورهایی که ماهیت و نحوه ی به کار گیری آن ها را درک نکرده است اعتماد به نفس را از معامله گر می گیرد.

تجربه من از حل کردن چالش شک و تردید در مسیر معامله گری

تازه با تکنیکال آشنا شده بودم، هر چارتی که باز میکردم هر آنچه که بلد بودم را روی چارت پیاده میکردم. ابزار و اندیکاتوری نبود که من نحوه ی استفاده آن را بلد باشم اما روی چارت من قرار نگرفته باشد. زمانی که قصد معامله داشتم درگیر بودم با کلی ابزار که الان در این ناحیه بخرم یا بفروشم؟ چرا یک تعداد از ابزارها سیگنال خرید می دهند و یک تعداد فروش؟ من مانده بودم با یک چارت شلوغ و سردرگم و یک ذهن پریشان که الان به کدام ابزار اعتماد کنم و حرف کدام را را گوش کنم؟ تمامی این آشفتگی ها به این خاطر بود که من ماهیت آن ابزارها را درک نکرده بودم و نمی دانستم که هر کدام از آن ها در کجای چارت کاربرد دارد. به همین دلیل اغلب معاملاتم با شک و تردیدی همراه بود که همیشه از آن رنج میبردم. سعی کنید در وهله ی اول ماهیت و ذات ابزار را بفهمید و بعد با مکتوب کردن یک پلن معاملاتی که روی دیتای زیادی امتحان خود را پس داده است تصمیم به معامله بگیرید. وقتی پلن و استراتژی را نوشتید تحت هیچ شرایطی از آن تخطی نکنید همانند رباتی عمل کنید که به طور ثابت الگوریتم مورد نظر را مو به مو اجرا میکند.

در کتاب سهام نخرید مگر با شناخت رفتار و روانشناسی بازار به نقل از مهدی افضلیان: همواره در معاملات سهام، قاطعیت کافی داشته و از استراتژی تدوین شده پیروی کنید و حتی الامکان در انجام معاملات تردید نداشته باشید. در این صورت می توانید به یک معامله گر موفق و خبره در بازارهای مالی تبدیل شوید.

سندروم دست بی قرار ششمین چالش معامله گری در بازارهای مالی

برخی معامله گران بر این باورند که همیشه و در هر شرایطی باید معامله کنند چرا که ممکن است هر لحظه از رشد بازار عقب بمانند. با وجود موقعیت های نامناسب در چارت، این افراد دست به معامله می زنند. در واقع موضوعی که بیشتر برای این افراد اهمیت دارد ترشح آدرنالین است. حس انتقام جویی از دیگر حالات روحی است که معامله گر جهت جبران ضررهای خود دست به معاملات پی در پی و بدون تمرکز حواس می زند. بدیهی است که این سبک از معاملات به جز ضرر بیشتر دستاوردی برای معامله گر نخواهد داشت. در چنین شرایطی فاصله گرفتن از مارکت بهترین پیشنهاد است.

در ابتدای فعالیتم در بازار فارکس اگر معاملاتم به سود منجر می شد بسیار ذوق زده و خوشحال می شدم اما تحمل این را نداشتم که بازار پول من را بگیرد و اغلب مواقع اگر معامله ام با ضرر بسته می شد دست به یک تلاش نافرجام میزدم. سعی میکردم که بلافاصله و تحت هر شرایطی ضرر وارد شده به حساب را سریعاً جبران کنم و چون دیگر تمرکز حواس هم نداشتم تند و تند معامله میکردم و مارکت هم تند و تند با استاپ از من پذیرایی می کرد. و هر بار برگرداندن حساب سخت تر می شد. به هیچ عنوان معاملات احساسی انجام ندهید احساسات خود را قبل و بعد از هر معامله کنترل کنید همانند یک کارمند بانک باشید که وقتی پول را در حساب بانک می گذارید خوشحال نمی شود و هر زمان که پول خود را از حساب بانک بر می دارید، کارمند ناراحت نمی شود. در بازار کاملا ربات گونه رفتار کنید و به استراتژی که در بک تست امتحان خود را پس داده است پایبند باشید.

در کتاب استراتژیست به نقل از نیما آزادی، هر موقعیت معاملاتی مستقل بوده و کوچکترین وابستگی به معاملات دیگر ندارد. تک تک موقعیت های معاملاتی ما در راستای رشد حساب و سرمایه ما هستند و اگر در این بین برخی منجر به زیان شوند، موقعیت های دیگر در صدد جبران آن زیان نیستند، بلکه به شکل مستقل باید به آن نگریست.

اگر قصد دارید از تجربه های یک معامله گر با تجربه بازار به صورت کاربردی اطلاعات کسب کنید

معامله الگوریتمی در عمل

معاملات خودکار در بازار سرمایه آغاز شد

سرعت و پیچیدگی معاملات در بازارهای مالی،نیاز به استفاده از ابزارهای هوشمند را افزایش داده و معاملات الگوریتمی(خودکار) به منظور استفاده بهتر سرمایه گذاران از فرصت های بازار راه اندازی شد. به گزارش تفاهم به نقل از سازمان بورس و اوراق بهادار، سیداحمدعراقچی، معاون اجرایی سازمان بورس گفت: امروز افزایش سرعت معاملات، گستردگی ابزارهای نوین مالی در بازار سرمایه و پیچیده شدن بازارهای مالی، نیاز سرمایه گذاران و معامله گران را به تغییر نحوه معاملات خود از حالت سنتی به سمت روش‌های نوین افزایش داده است. معاون اجرایی سازمان بورس ادامه داد: در این راستا بهره گیری از معاملات الگوریتمی منجر به انجام بهتر و دقیق تر استراتژی های معاملاتی سرمایه گذاران می شود.وی افزود: سازمان بورس و اوراق بهادار در این راستا مجوزهای لازم را برای فراهم شدن بستر معاملات الگوریتمی صادر و توسعه این معاملات را به عنوان یک راهبرد اساسی در بازار سرمایه در دستور کار قرار داده است و پیش نیازهای لازم را در این زمینه از جمله بستر فنی مناسب برای سامانه معاملات در حوزه های تکنولوژی و IT مهیا کرده است.عراقچی با بیان اینکه در این راستا هر فرد یا شرکتی که توانایی ارایه خدمات مربوط به معاملات الگوریتمی را داشته باشد می تواند از آن بهره گیرد، گفت: سازمان بورس نیز نظارت لازم را برای اجرای قوانین و مقررات، دستورالعمل معامله الگوریتمی در عمل ها و همچنین تعهداتی که این افراد باید در قبال سرمایه گذاران داشته باشند را خواهد داشت.معاون اجرایی سازمان بورس خاطرنشان کرد: استفاده از این نوع معاملات می تواند به صندوق های بازارگردانی و بازارگردانان نیز در قبال انجام تعهداتی که به عهده دارند کمک کند.به گفته عراقچی، خوشبختانه عملکرد موفق شرکت های تامین سرمایه و صندوق های سرمایه گذاری در استفاده از این روش موید این موضوع است. وی ضمن اشاره به فراهم بودن پتانسیل و ظرفیت لازم برای توسعه معاملات الگوریتم دربازار سرمایه ایران تصریح کرد: یکی از الزامات دیگر در زمینه اجرای معاملات الگوریتمی، بحث دانش مالی و مدل سازی است که در این زمینه هم با توجه به پتانسیل و ظرفیت های علمی و تجربی نخبگان بازار سرمایه امکان طراحی الگو و ابزارهایی که بتوانند موفق عمل کنند وجود دارد.معاون اجرایی سازمان بورس با تاکید به آینده خوب و مطلوب این ابزارهای نوین افزود: از آنجایی که استفاده از این ابزارهای مانند همه ابزارهای نوین تبعاتی را هم به همراه دارد جا دارد که این موارد از سوی استفاده کنندگان از این ابزارها مورد توجه قرار گیرد.عراقچی در پایان با بیان اینکه برای استفاده از این ابزارها مجوز خاصی از سوی سازمان برای شرکت ها صادر نمی شود، خاطرنشان کرد: سازمان بورس در کنار مهیا کردن بسترهای لازم برای اجرایی شدن این معاملات اجازه عمومی صادر کرده و هر فرد یا شرکتی که توانایی و دانش کافی و البته تجربه لازم برای اجرای آن را داشته باشد می تواند از آن بهره بگیرد و سرمایه گذاران بایستی این موارد را مدنظر داشته باشند.وی افزود: سازمان بورس نظارت لازم برای اجرای قوانین و مقررات، دستورالعمل ها و همچنین تعهداتی که این افراد باید در قبال سرمایه گذاران داشته باشند را خواهد داشت و با توجه به مجوز سازمان، متولیان صندوق های سرمایه گذاری و بازار گردانی مجاز به استفاده از معاملات الگوریتمی هستند و در حوزه بورس کالا هم امکان استفاده از این معاملات برای همه وجود دارد.

فعالیت این سایت بر اساس قوانین جمهوری اسلامی ایران می‌باشد.
تمام حقوق برای پیشخوان محفوظ است. استفاده از مطالب و تصاویر این سایت فقط با ذکر نام پیشخوان و درج لینک به این سایت مجاز است.
دربارهٔ ما | تبلیغات در پیشخوان

معاملات الگوریتمی ابزار اتوماتیک کسب ثروت در بازار سرمایه است

معاملات الگوریتمی ابزار اتوماتیک کسب ثروت در بازار سرمایه است

رئیس سازمان بورس و اوراق بهادار از معاملات الگوریتمی به عنوان ابزار اتوماتیک کسب ثروت در بازار سرمایه یاد کردوگفت:در قالب الگوریتم‌ها می‌توان سفارش‌های متعددخرید وفروش را به آسانی ارسال کرد.

به گزارش خبرگزاری مهر به نقل از بازار سرمایه ایران، شاپور محمدی، رئیس سازمان بورس و اوراق بهادار در مراسم اختتامیه نخستین مسابقه معاملات الگوریتمی بازار سرمایه ایران، ضمن تقدیر از برگزار کنندگان این رویداد که به تقویت مقوله مهم فرهنگ سازی و انتقال اطلاعات در بازار سرمایه کمک کردند، به تشریح ویژگی‌های این معاملات پرداخت.

محمدی با بیان اهمیت معاملات الگوریتمی در بازار سرمایه اظهار داشت: معاملات الگوریتمی از پایه‌های اصلی روش‌های معاملاتی در دنیاست و اغلب کشورهای پیشرفته سهم عمده‌ای از معاملات را به معاملات الگوریتمی اختصاص داده‌اند و در ایران نیز خوشبختانه این تلاش با جدیت آغاز شده است.

رئیس سازمان بورس و اوراق بهادار با اشاره به اینکه معاملات الگوریتمی دانشگاهیان و نخبگان را به بازارهای مالی نزدیک می‌کند، افزود: در قالب الگوریتم‌ها می‌توان سفارش‌های متعدد خرید و فروش را به آسانی ارسال کرد.

محمدی همچنین از معاملات الگوریتمی به عنوان ابزار اتوماتیک کسب ثروت در بازار سرمایه یاد کرد و گفت: علاوه بر این ویژگی، این گونه معاملات نقش شایعات را کمرنگ و همچون سدی در مقابل اغوای قیمتی، تقلید و شایعات عمل می‌کنند.

سخنگوی سازمان بورس سپس با یادآوری نقش تأمین مالی، افزایش کارآیی ، کشف قیمت و منصفانه بودن معاملات به عنوان وظایف این سازمان افزود: با وجود معاملات الگوریتمی، تعداد دفعات کشف قیمت و در نتیجه کارایی در بازار سرمایه افزایش خواهد یافت.

وی در تبیین ویژگی دیگر معاملات الگوریتمی خاطر نشان کرد: به واسطه معاملات الگوریتمی، ارتباط دارایی‌های پایه و مشتقه بهتر برقرار می‌شود و در نتیجه از اغوای قیمتی، شکل گیری اطلاعات نهانی و دیگر جرم‌ها جلوگیری می‌کند.

رئیس سازمان بورس و اوراق بهادار افزود: از آنجا که در معاملات الگوریتمی نقش عوامل انسانی به شدت کمرنگ می‌شود، لذا به مدد این معاملات حتی ردیابی مسائل خارج از بازار سرمایه نیز میسر خواهد بود.

دکتر محمدی در پایان ابراز امیدواری کرد که این مسابقات در سال‌های آتی نیز با قوت تمام برگزار شود و حتی با برنامه ریزی در مقاطع مختلف سال، شاهد برگزاری فینال فینالیست‌ها باشیم.

بر اساس این گزارش، اولین مسابقات الگوریتمی بازار سرمایه در سه بخش رقابت در سهام، رقابت در اوراق بهادار با درآمد ثابت و رقابت در حل مساله این برگزار شد. در رقابت سهام تیم اول ۳۰ میلیون، تیم دوم ۲۰ میلیون و تیم سوم ۱۰ میلیون تومان اعتبار خرید سهام دریافت کردند.

همچنین در اوراق بهادار با درآمد ثابت، تیم اول ۲۰ میلیون، تیم دوم ۱۵ میلیون و تیم سوم ۱۰ میلیون اعتبار خرید سهام دریافت کردند. در بخش حل مساله نیز ۷ میلیون، ۵ میلیون و ۳ میلیون تومان اعتبار خرید سهام از سوی سازمان بورس و اوراق بهادار به تیم‌های اول و دوم و سوم تعلق گرفت.

دولت و مجلس نظاره‌گر سقوط بازار سرمایه هستند/ بانک‌ها به حال خود رها شده‌اند/ شوک سیاسی برجام بر بازار سرمایه سایه افکنده است/ دولت با دارایی و ثروت ۵۰ میلیون سهامدار بازی می‌کند

مصطفی صفاری تحلیلگر و کارشناس بازار سرمایه ضمن انتقاد از بی اعتنایی دولت سیزدهم به وضعیت سهامداران خُرد به دیده‌بان ایران معامله الگوریتمی در عمل گفت: دولت باید به ده قولی که داده است عمل کند و از طرف دیگر مدیران بازار به شدت جلوی معاملات الگوریتمی را بگیرند چراکه در حال حاضر از سهامداران خرد سواری می‌گیرند و کسی به داد آنها نمی‌رسد و نهاد ناظر نیز چشم خود را بر روی این معاملات بسته است.

دولت و مجلس نظاره‌گر سقوط بازار سرمایه هستند/ بانک‌ها به حال خود رها شده‌اند/ شوک سیاسی برجام بر بازار سرمایه سایه افکنده است/ دولت با دارایی و ثروت ۵۰ میلیون سهامدار بازی می‌کند

به گزارش سایت دیده‌بان ایران؛ بررسی کارنامه دولت سیزدهم در مدیریت بازار سرمایه از وعده‌هایی حکایت دارد که روی میز بی‌تدبیری‌ها خاک می‌خورند؛ وعده‌هایی که عملیاتی نشدن آنها موجب راهی شدن سهامداران بازار سرمایه به بازار‌های پولی به خصوص بازار ارزهای دیجیتال شده است.

طبق بررسی‌های صورت گرفته خروج سرمایه حقیقی‌ها از بازار سرمایه از خردادماه 1401 شدت گرفته است و تا اواسط مرداد ماه به اوج خود رسیده است به طوری که در بازه زمانی 7 هفته‌ای و یا 35 روزه 12 هزار و 222 میلیارد تومان پول حقیقی از این بازار خارج شد.

به طور کلی اما در یک ساله‌ی فعالیت دولت سیزدهم، از ۱۲ مرداد ۱۴۰۰ تا ۱۲ مرداد ۱۴۰۱ در ۲۴۱ روز کاری، ۶۳ هزار و ۲۳۸ میلیارد تومان پول حقیقی از بورس تهران خارج شده است.

بازار سرمایه در حالی در اولین سال ریاست جمهوری ابراهیم رئیسی با بحران فرار سهامداران مواجه شده است که رئیس جمهور دولت سیزدهم با شعار حمایت از بازار سرمایه و حفاظت از منافع سهامداران خرد روی کار آمد و از طرف دیگر سایر مقامات مسئول از جمله رئیس سازمان بورس و وزیر اقتصاد برای حمایت از سهامداران با سید ابراهیم رئیسی هم‌صدا شدند.

40122

بازار سهام به بازار اوراق بدل شده است

مصطفی صفاری، کارشناس بازار سرمایه و تحلیلگر بازارهای مالی در گفت‌وگو با سایت دیده‌بان ایران گفت: ما در اقتصاد یک سری شاخص داریم به نام شاخص‌های مقدم و بورس یکی از این شاخص‌ها است که هم شوک‌های سیاسی و هم شوک‌های اقتصادی در آن مشهود است.

این کارشناس بازار سرمایه در ادامه افزود: بحث رقابت بازار پول و بازار سرمایه یکی از تاثیرگذارترین فاکتور‌ها برای گریز پول از بورس است؛ زمانی که بالای 18 هزار میلیارد تومان در فرابورس اوراق فروخته می‌شود به این معنا است که بازار ما در حال حاضر به جای بازار سهام، بازار اوراق است و این امر به نرخ بهره بین بانکی نیز مربوط نمی‌شود.

صفاری با اشاره به برخی سیاست‌های بانکی، عنوان داشت: نر‌خ‌های بهره بین بانکی خوشبختانه پایین آورده شده است اما در عمل بانک‌ها کماکان پیشنهادهای بالای 22 درصد می‌دهند و بانک مرکزی متاسفانه نرخ‌های بهره را رصد نمی‌کند و بانک‌ها را رها کرده است.

سکوت مجلس، دولت و دستگاه‌ها در مقابل سقوط آزاد سهام‌ها

این کارشناس بازار سرمایه و تحلیلگر بازارهای مالی در ادامه گفت: زمانی که بانکی بدون ریسک 20 درصد سوددهی دارد و p به e بازار آن 5 است، قطعا سرمایه گذار به سراغ بانک می‌رود و در حال حاضر p به eبازار سرمایه 6.5 است، نسبت P/E یا قیمت به سود هر سهم یکی از متداول‌ترین معیارهای ارزیابی سهام شرکت‌ها است، از طرفی p به e خیلی از سهام‌های ارزنده 3، 3.5 و 4 است و قیمت سهام افت کرده است و سود‌دهی آنها بسیار کاهش پیدا کرده است.

وی در ادامه گفت: این اتفاق در حالی در بازار سرمایه می‌افتد که مجلس، دولت و سایر دستگاه‌ها همه سکوت کرده‌اند و هیچ اقدامی برای تقویت بازار نمی‌کنند و در نتیجه ما شاهد خروج پول از بازار سرمایه به سمت سرمایه‌های با درآمد ثابت و به خصوص اوراق هستیم و تا زمانی که این روند به عنوان سیاست‌های کلی اقتصادی اصلاح نشود، بازار عکس‌العملی نشان نخواهد داد.

دولتمردان عزمی برای جبران ضرر سهامداران خرد ندارند

صفاری در ادامه گفت: از طرفی اما تکلیف خیلی از سیاست‌های داخلی ما روشن نیست، قرار بود تا آخر خرداد ماه شرکت‌های خودرویی واگذار شوند و حال در حال رسیدن به شهریور ماه هستیم و کماکان دولتمردان هیچ عکس‌العملی از خودشان نشان نمی‌دهند و یک روز سهام خودرو مثبت است و روزی منفی و شرایط در سایر صنایع نیز مانند صنایع پتروشیمی و پالایشی مشابه است و تعیین تکلیفی صورت نگرفته است و دولتمردن عزم جبران ضرر سهامداران خرد را ندارند.

مصطفی صفاری در ادامه در خصوص تاثیر برجام بر بازار سرمایه افزود: در حال حاضر کماکان شوک سیاسی برجام بر بازار سرمایه سایه افکنده است و این مذاکرات حالت فرسایشی پیدا کرده است. مطمئنا امضا شدن برجام ریسک سیستماتیک را کاهش می‌دهد و کاهش این ریسک p به e را بالا می‌برد و قیمت معامله الگوریتمی در عمل سهام نیز به تلع آن بالا خواهد رفت و زمانی که ریسک در بازاری کاهش پیدا کند انتظار سود در بازار با p به e بالاتر نیز توجیه پذیر است و در نتیجه بازارهای سرمایه مثبت خواهند شد.

دولت با دارایی و ثروت 50 میلیون سهامدار بازی می‌کند

مصطفی صفاری در خصوص برخی از زمزمه‌ها که مبنی بر لزوم رهاسازی بازار سرمایه از سوی دولت شنیده می‌شود؛ گفت: سیاست‌های وزارت صمت و وزارت اقتصاد و از طرفی سازمان تامین اجتماعی بر روی بازار اثر دارد و سیاست‌هایی از قبیل حذف معافیت‌های مالیاتی صادرات نیز بر بازار اثر دارند و تمام دولت‌ها در سراسر دنیا بر روی بازار سرمایه، جایی که بیش از 50 میلیون سهامدار در آن است و عملا دارد با دارایی و ثروت 50 میلیون نفر بازی می‌شود، حساس هستند و امکان ندارد دولت‌ها در سراسر دنیا در برابر این بازار منفعل باشند.

وی در ادامه گفت: دولت‌ باید جلوی معاملات الگوریتمی را در بازار بگیرد، نفع این معاملات در جیب کارگزاری‌ها می‌رود و سهامدار خرد بازنده است. وجود این معاملات الگوریتمی خود به افت خیلی از سهام‌ها دامن می‌زند و الگوریتم‌های آنها بر روی روند منفی بازار است تا مثبت آن و تا زمانی که جلوی این معاملات گرفته نشود، شرایط بازار سرمایه تغییری نمی‌کند.

صفاری در ادامه افزود: از طرف دیگر رقابت نامتوازن در بازار ایجاد شده است که منجر به خروج سهامداران خرد با هر ضرری از بازار سرمایه خواهد شد و معاملات الگوریتمی نیز که بخش فروش آنها به شدت در حال سودآوری هستند در ایجاد این نامتوازنی بی‌تاثیر نبوده‌اند.

این کارشناس بازار سرمایه در ادامه گفت:‌ بازار سرمایه ما از درون مریض است و نهاد ناظر چشم خود را بر روی آن بسته است در صورتی که اگر نهاد ناظر حتی این معاملات الگوریتمی را نیز محدود کند ما اثر آن را در بازار خواهیم دید.

مصطفی صفاری در آخر افزود: دولت باید به ده قولی که داده است عمل کند و از طرف دیگر مدیران بازار به شدت جلوی معاملات الگوریتمی را بگیرند چراکه در حال حاضر از سهامداران خرد سواری می‌گیرند و کسی به داد آنها نمی‌رسد و نهاد ناظر نیز چشم خود را بر روی این معاملات بسته است.



اشتراک گذاری

دیدگاه شما

اولین دیدگاه را شما ارسال نمایید.