راهنمای معاملات کمی

۲۰۲۴.۰۶.۲۴ ۲۰۲۴.۰۶.۲۴ راهنمای معاملات کمی

میکائیل هایپوف (Mikhail Hypov)https://www.litefinance.org/fa/blog/authors/mikhail-hypov/

در این مقاله به طور جزیی به تمامی جنبه های تحلیل کمی و معاملات کمی خواهیم پرداخت. همچنین، شما با شرایط این معامله آشنا شده و داده های تاریخی مرتبط با آن را مطالعه خواهید کرد. با خواندن این مطلب خواهید فهمید که نوع کار با معامله ی کمی چگونه است، در این معاملات از چه نرم افزارهایی استفاده می شود، و کدام راهبردهای معامله ی کمی از همه سودده تر است.

معامله ی کمی چیست؟

معامله ی کمی ( Quantitative Trading - Quant Trading) مستلزم استفاده از الگوریتم های کامپیوتری و نرم افزارهایی خاص است. این معامله به شکلی گسترده در مقیاس فردی و نهادی برای انجام معاملات با بسامد بالا، معاملات الگوریتمی، آربیتراژ، و معاملات خودکار مورد استفاده قرار می گیرد.

وظیفه معامله گر کمّی تعیین جهت روند و نقاط برگشت احتمالی است. تا زمانی که بر این شیوه استوار بماند، مهم نیست در این راه از چه ابزار، استراتژی یا نوع تحلیلی استفاده می‌شود. شما فقط باید نقاط معکوس را پیدا کنید، قدرت روند را مشخص کنید، و در ابتدای آن وارد بازار شوید.

معامله گر کمی بر خلاف معامله گران عادی تقریبا در فرآیند معامله مشارکت نمی کند. معامله کمی مستلزم فعالیت های مرتبط با علوم داده ها و برنامه نویسی است. به بیانی ساده، معامله گر کمی باید الگوهای آماری و الگوهای حرکتی شاخص در یک ابزار معاملاتی را مشخص کند. از این داده ها در مرحله ی بعدی در نرم افزار برنامه نویسی ای در جهت انجام دادن معاملات خودکار استفاده می شود. 

مثال راهبرد معاملاتی مرتبط با معامله ی کمی پیش بینی وضعیت آب و هوا است. متخصصان هواشناسی توسط داده های کمی مرتبط با فشار اتمسفری، دما، و سرعت باد راهنمایی می شوند. متخصص هواشناسی با توجه به قوانین تغییر آب و هوا می تواند پیش بینی هایی نسبتا دقیق را بر اساس داده های مذکور ارائه کند. معامله گر کمی نیز به همین شکل فعالیت می کند.

نکات مهم

• معاملات کمّی وابسته به الگوریتم‌های خودکار و تجزیه و تحلیل داده‌ها می‌باشند.
• معاملات فرکانس بالا شامل استراتژی‌های متعددی است.
• تجزیه و تحلیل کمّی خطاهای محاسباتی را به حداقل می‌رساند.
• معاملات کمّی امکان تنوع موثر دارایی را فراهم می‌کند.
• استراتژی‌های کمّی در بازارهای با نقدشوندگی بالا بهترین عملکرد را دارند.

تاریخچه ی معاملات کمی

در سال 1973 فیشر بلک و میرون شولس برای بار اول فرمول محاسبه ی مدل قیمت گذاری قراردادهای حق اختیار یا آپشن را ارائه دادند. نکته ی اصلی در قیمت گذاری حق اختیار معامله میزان نوسانات قابل پیش بینی بود که می توان آن را با محاسبات ریاضی مشخص کرد. این فرمول شامل یک تابع توزیعی تجمعی از حالت توزیعی استاندارد، یک نرخ بهره ی بدون ریسک (که در نسبت شارپ نیز وجود دارد)، قیمت های بازار (Spot) و اعمال (Strike)، و نوسانات است. 

در سال 1997 مدل بلک-شولس برنده ی جایزه ی نوبل اقتصاد شد و این مدل به شکلی عمده روش توسعه ی راهبردهای معاملاتی را تغییر داد. سود 75-80 درصدی تراکنش ها بر اساس تحلیل ریاضی سوددهی این تکنیک را اثبات کرد و بدین ترتیب بازارسازها و بانک های سرمایه گذاری انجام معامله ی کمی سرمایه را در دستور کار خود قرار دادند.

چرا باید ار معامله ی کمی استفاده کنیم؟

جامعه ی معامله گران معامله ی کمی سهام را به عنوان یک تحول بعدی در تحلیل بازار در نظر گرفتند. تکنیک نامبرده چندین مزیت دارد:

• مقیاس پذیری

معامله گران معمولا از بیش از 5 تا 7 ابزار تحلیلی به شکل همزمان استفاده نمی کنند، مواردی که شامل ساده ترین ابزارهای تحلیلی در خصوص دنبال کردن روند یا ابزارهای مرتبط با تقاطع میانگین های حرکتی می شود. بر اساس فرض معاملات با بسامد بالا می تواند شامل تعدادی نامحدود از راهبردهای معاملاتی و داده های ورودی مثل روش های محاسباتی کلاسیک ریاضی و یا سو گیری های رفتاری باشد. تنها محدودیتی که در این میان وجود دارد در مورد میزان نیروی محاسباتی است، اما امروزه حتی سرمایه گذاران خرد هم با دسترسی با ده ها ابزار تحلیلی توانسته اند به تحلیل کمی دست پیدا کنند.

• فرصت های نامحدود برای متنوع سازی

تحلیل کمی مناسب هرگونه بازاری است. در معاملات مبادله ای در بورس می توان توزیع بهینه ی سرمایه را مهمترین جنبه ی کاهش ریسک دانست.

• حداقل میزان خطا

آربیتراژ آماری مستلزم استفاده از داده های بسیار دقیق است. برای شناسایی یک الگوی الگوریتمی و انجام یک پیش بینی بر اساس آن، یک کامپیوتر با صدها پارامتر مختلف و با دقتی تا ده ها هزار واحد (گاهی وقت ها حتی بیشتر) کار می کند و به همین دلیل امکان کاهش دادن خطاهای محاسباتی به سطحی حداقلی وجود دارد.

• سرعت اتخاذ تصمیم

محاسبه با عملکرد قوی امکان اتخاذ تصمیم معاملاتی سریع را می دهد. این موضوع به طور خاص به هنگام انجام معامله در کوتاه ترین تایم فریم ها مهم است.

چه زمانی به معامله ی کمی نیاز داریم؟

با افزایش روز افزون محبوبیت معاملات در بورس می توان گفت که کارایی تحلیل کلاسیک دستی به شکلی تدریجی در حال کاهش است. بنابراین، بسیاری از صندوق های پوشش ریسک از معاملات کلاسیک به معاملات کمی روی آورده اند. 

چه زمانی انجام معامله ی کمی لازم است؟ در وهله ی اول زمانی که معامله گر می خواهد تا جای ممکن سبد معاملاتی خود را متنوع کند این کار لازم است. در معاملات سنتی شما می توانید حداکثر چند ده ابزار معاملاتی را دنبال، تحلیل، و معامله کنید، اما اگر معامله ی کمی انجام دهید در چند صد ابزار مالی می توانید معامله کنید. همچنین، ساز و کار اجرای خودکار معاملات به شما امکان می دهد که به شکلی هم زمان چندین راهبرد معاملاتی را عملیاتی کنید. 

مثال دیگر: تست کردن راهبردها و روش های معاملاتی. در روش کمی زمان بسیار کمتری برای تست کردن یک راهبرد فعلی یا توسعه دادن یک سیستم معاملاتی جدید نیاز است؛ در این روش آمارهای گسترده در خصوص تاثیرگذاری روش های تست شده نیز از قبل جمع آوری شده است.

 شرایط بازاری لازم برای اعمال راهبردهای کمی

ابزارهای تحلیل کمی بر مبنای "هرچقدر بیشتر بهتر" توسعه یافته اند. منظورم این است که در تحلیل کمی عمق داده های تاریخی، تعداد الگوریتم های معامله ی کمی در دسترس و روش های تحلیلی، سناریوهای پیش بینی شده ی مرتبط با حرکات قیمتی، و مکانیزم های اجرای تراکنش ها همه در هم ادغام شده اند. هر چقدر که ساز و کارهای بیشتری در سیستم تحلیل کمی بیشتر داخل شده باشند دقت پیش بینی ها بیشتر است. 

علاوه بر این، در تحلیل کمی لازم است الگوریتم ها را بر روی ابزارهای مالی مختلفی اجرایی کنیم زیرا در غیر این صورت دستیابی به تارگت های سود ممکن نخواهد بود. به هنگام انتخاب ابزارهای معاملاتی لازم است بررسی ضریب همبستگی ابزارهای مالی با یکدیگر ارزشمند است. در برخی راهبردهای معاملاتی این همبستگی تا جای ممکن باید به سطح صفر نزدیک باشد و این در حالی است که از سوی دیگر برخی دیگر از راهبردها طوری طراحی شده اند که که باید در یک همبستگی مشخص با یکدیگر قرار گیرند. 

روش های تحلیل کمی هنوز آنقدر کامل نشده اند که بتوان آن ها را به تمامی انواع بازارها و ابزارهای مالی اعمال کرد. راهبردهای معامله ی کمی بیش از همه در ابزارهای معاملاتی ای که نقدینگی بالایی دارند کارایی دارند. تحلیل کمی می تواند در بازارهای متوازنی که در آن رقابت بالایی وجود دارد سود خوبی بدهد. به طور مثال، در معامله ی کمی سهام سوددهی تقریبا همیشه بالاتر از معامله با راهبردهای سنتی است. اگرچه، این را نیز باید گفت که از معامله ی کمی در فارکس کمتر استفاده می شود. 

یک حوزه ی دیگر بازارهای پرریسک مثل بازار رمزارزها است. ابزارهای معامله گر کمی زمانی که تنظیم شوند می توانند یک توزیع سرمایه ی بهینه به همراه داشته باشند. این ابزارها حداکثر میزان کاهش سرمایه را کنترل می کنند و ریسک را محاسبه می کنند. 

میزان کارایی راهبردهای معامله ی الگوریتمی-کمی همواره به تعداد معاملات سودده وابسته نیست. صندوق های معامله ی کمی نشانگر بازده سرمایه گذاری بالا با مجموع تعداد معاملات سودده بالاتر از 50 درصد هستند.

معامله ی کمی چگونه تدوین می شود؟

معامله ی کمی بر اساس تحلیل ریاضی شکل می گیرد. به عنوان بخشی از راهبرد معامله ی کمی از مدل های پیش بینی کننده استفاده می شود. به دانش برنامه نویسی برای توسعه، تست کردن، و تنظیم زبان هایی مثل C++ و C# و MATLAB و R و Python نیاز وجود دارد. پیشرفته ترین الگوریتم ها بر اساس شبکه های عصبی خودآموز تنظیم می شوند که توانایی های آن ها فراتر از ظرفیت الگوریتم های استاندارد است. 

تقریبا تمامی انواع معاملات کمی بر اساس مبانی یکسانی عمل می کنند:

• یک بازه ی زمانی مشخص انتخاب می شود؛
• یک سری داده گزینش می شود (به طور مثال: سطح باز و بسته شدن قیمت، سطح کاهش سرمایه، نقاط اوج و کف، و غیره)؛
• بر اساس داده های به دست آمده روش های الگوریتمی تحقیق در بازار انتخاب می شوند؛
• تایم فریم انتخاب شده بر اساس معیارهای گزینش شده مورد تحلیل قرار می گیرد؛ 
• بر اساس تحلیل انجام گرفته تصمیم معاملاتی اتخاذ می شود.

حال می خواهیم نگاهی به یک مثال ساده بیندازیم. فرض کنید که قیمت هر سهم در زمان باز شدن معامله 5 دلار بوده است. در ساعت 12 قیمت به 5.82 دلار و در ساعت 18 به 6.52 دلار می رسد و بعد از بسته شدن معاملات میان روز قیمت حرکتی نزولی طی کرده و به سطح 4.62 دلار بر می گردد. در نقاط پیووت اندیکاتور MACD وضعیت بیش خریداری شده و بیش فروخته شده را نشان می دهد. بنابراین، ساده ترین مدل ریاضی می تواند داده های زیر را در بر داشته باشد:

• زمان فعلی؛
• قیمت خرید و فروش (Bid و Ask)
• سطح باز شدن قیمت 
• نقطه ی کف و اوج
• جهت گیری فعلی قیمت 
• داده های اندیکاتور MACD

با چنین داده های اندکی معامله گر می تواند نتایج معاملاتی نسبتا خوبی را با استفاده از راهبردهای معاملاتی سنتی به دست بیاورد. البته فرض کنید که به جای 7 پارامتر، 30 یا 50 پارامتر در نظر گرفته شود. چنین تحلیلی فراتر از توانایی های انسانی است، مخصوصا اگر لازم باشد سریعا یک تصمیم معاملاتی اتخاذ کنید. 

معاملات پربسامد به شما اجازه ی تحلیل چند ده یا چندصد پارامتر را در کسری از ثانیه می دهد. این معاملات الگوها را به صورت خودکار شناسایی می کنند، روش های کارآمد تحلیل را انتخاب می کنند، و در نهایت بر اساس آن ها پیش بینی هایی احتمالی را مطرح می کند. در واقع یک معامله گر کمی به صورت جدا به سراغ اندیکاتورها نمی رود بلکه فورا با یک مدل آماده ی ریاضی سر و کار خواهد داشت که نقاط ورود به بازار، نقاط توقف، حوزه های حرکتی شاخص، روند های افقی، اسپردها، امکان به حداقل رساندن تراکنش ها و غیره را مشخص می کند. 

اگرچه، تنظیم الگوریتم را نمی توان بر عهده ی ماشین ها گذاشت. معامله گران کمی تلاش دارند تا پیش هایی که بر اساس الگوریتم ها انجام شده را بفهمند. آن ها در واقع یک تست کامل را بر روی راهبردهای معاملاتی و برای هر بازار انجام داده و ضمن بهبود بخشیدن نرم افزارها با هدف کاهش هزینه های معاملاتی و عملیاتی آمار جمع می کنند و در نهایت خطاهای سیستمی را شناسایی می کنند. تنها زمانی که ساز و کار نامبرده تنظیم شود و بهینه سازی شود می توان تراکنش مالی را بدون حضور معامله

تفاوت معامله ی کمی و معامله ی سنتی

شما ممکن است در خصوص تفاوت بین معاملات کمی و معاملات الگوریتمی سوال داشته باشید. قطعا معامله گران کمی و الگوریتمی در فعالیتی واحد حضور دارند. معامله ی کمی مستلزم ساختن یک مدل ریاضی برای تحلیل بازار، جستجوی ابزارهای معاملاتی، و شناسایی راهبردها است. معامله گر الگوریتمی یک الگوریتم ایجاد می کند که توزیع بهینه ی سرمایه و به حداکثر رساندن سود را بدون نیاز به دخالت عامل انسانی در پی دارد. 

در اینجا به تفاوت های معاملات کمی و الگوریتمی اشاره می کنیم:

• معاملات کمی به نوعی فاصله گرفتن از تحلیل های فاندمنتال و تکنیکال در معنی سنتی خود است. معامله گران الگوریتمی از تحلیل تکنیکال زمانی استفاده می کنند که می خواهند راهبرد معاملاتی تولید کنند. 
• معامله ی کمی مستلزم باز کردن موقعیت معاملاتی در شرایطی مشخص است؛ معاملات توسط یک ربات معاملاتی مدیریت می شود. معامله گر کمی یک مدل ایجاد می کند فرصت های معاملاتی را با انعطاف بیشتری ارزیابی می کند و تنها به طور غیر مستقیم به شرایط باز کردن معامله که الگوریتم های کلاسیک آن را مشخص می کنند ارتباط دارد.
• در معاملات کمی از ابزارهای مالی و اطلاعات بازاری بیشتری استفاده می شود. در این معاملات می توانید حداکثر داده های در دسترس را که برای جستجوی الگوهای قیمتی مفید هستند در دسترس داشته باشید.

در عین حال روش های الگوریتمی و کمی معاملاتی به راحتی می توانند با یکدیگر کار کنند. مثالی خوب از چنین ترکیبی را می توان معاملات آربیتراژ دانست. 

در معاملات آربیتراژ از نوسانات سیستم غیرمتمرکز بازار استفاده می شود، پس در آن می توانید از تفاوت های موجود در قیمت یک ابزار مالی مشابه در پلتفرم های معاملاتی متفاوت استفاده کنید. این معاملات یکی از انواع معاملات پربسامد که در آن چند ده بورس معاملاتی را تحت بررسی قرار داده و به سرعت می توانید تصمیم گیری کنید. چنین معاملاتی فراتر از توانایی های انسانی است و تنها با کمک روش الگوریتمی اجرایی می شود. روش های پیش بینی کمی در شناسایی الگوها در هر یک از پلتفرم های معاملاتی مفید هستند. این به شما امکان می دهد که یک قدم از بیشتر معامله گران آربیتراژ جلوتر باشید.

 مثال های استفاده از معامله ی کمی

صندوق Medallion Fund یکی از قدیمی ترین صندوق های مالی است که از راهبردهای کمی استفاده می کند. این صندوق را ریاضیدان و سرمایه گذار مطرح آمریکایی یعنی جیمز هریس سیمونس (با نام اختصاری جیم) که با نام "Quant King." هم شناخته می شود ایجاد کرد. در طی زمان فعالیت صندوق نامبرده این صندوق تنها یک مرتبه بازده منفی از خود نشان داد. در عین حال سوددهی میانگین سالیانه ی Medallion حتی از صندوق های پوشش ریسک جورج سوروس و پیتر لینچ و وارن بافت و سایر سرمایه گذاران مطرح پیشی گرفت. 

هیچ کس نمی داند که از چه سیستم معاملات کمی ای در Medallion استفاده می شود، اما همچنان برخی اطلاعات حداقلی در این مورد وجود دارد. الگوریتم این صندوق سرمایه هر روزه صدها هزار معامله باز می کند. بیشتر راهبردهای معاملاتی از لحاظ وضعیت بازار حالت خنثی دارند، یعنی هم زمانی که بازار صعودی می شود و هم زمانی که نزولی می شود کار می کنند. نسبت میانگین راهبردهای معاملاتی سودده بر خلاف آنچه معمولا انتظار می رود به ندرت از سطح 50 درصد عبور می کند. متخصصان Medallion را "سیاه ترین جعبه" در زمینه ی مدیریت پول نامیده اند زیرا هیچ کس نتوانسته رازهای جیمز سیمونس را برملا کند.

 مقایسه ی سوددهی Medallion و S&P 500

مثال های معاملات کمی موفق عبارتند از:

• صندوق Two Sigma Investments: این صندوق در سال 2001 تاسیس شد. راهبردهای معاملاتی بر اساس روش های تکنولوژیک مثل هوش مصنوعی، یادگیری ماشینی (شبیه به سیستم های عصبی)، و محاسبه ی توزیعی ایجاد شده اند. 
• صندوق D.E. Shaw & Co: این صندوق در سال 1988 میلادی ایجاد شد. این صندوق به دلیل توسعه ی سیستم های مدل ساز و برنامه ها برای دنبال کردن انحرافات خارج از قاعده ی بازار شناخته شده است.

سیستم های معاملاتی کمی

یک راهبرد معاملاتی کمی یک سیستم کامل برای شناسایی و اجرا کردن فرصت های معاملاتی است. به طور معمول راهبرد معاملاتی را می توان به 4 زیر سیستم دسته بندی کرد:

• شناسایی راهبرد معاملاتی - شناسایی سیستم معاملاتی، تحلیل ویژگی های عملیات معاملاتی.
• تست پیشین راهبرد معاملاتی - تست کردن الگوریتم داده های تاریخی، تحلیل سطح سوددهی، حذف خطاهای سیستمی برای کاهش دادن ریسک از دست دادن پول. 
• سیستم اجرایی - همزمان سازی الگوریتم با نرم افزار معاملاتی و حساب کارگزاری 
• مدیریت ریسک - تخصیص سرمایه، حسابداری برای به حداقل رساندن هزینه های تراکنش، پیش بینی ها، ریسک ها، و غیره.

 شناسایی راهبرد معاملاتی

همه چیز با تحقیقات بازاری و جستجوی روش های معاملاتی شروع می شود. انجام دادن معاملات کمی را می توان به دو نوع تقسیم کرد:

• راهبرد معاملاتی مرتبط با روند فضای روانی شرکت کنندگان در بازار و فاکتورهای تاثیرگذار بر روی حرکت قیمتی: شامل باز کردن معامله در جهت روند می شود
• راهبرد معکوس: بر اساس این مبنا کار می کند که قیمت تمایل به عدد میانگین خود دارد.

پارامترهای مهم راهبردهای معاملاتی کمی عبارتند از: زمان باز نگه داشته شدن معاملات و میزان تناوب آن ها. در راهبردهای معاملاتی با بسامد بالا معاملات به شکل میان روز انجام می شوند. در معاملات کم بسامد معامله گران معاملات خود را برای دو روز یا بیشتر نگه می دارند. همچنین، به هنگام شناسایی راهبردهای معاملاتی کمی، ده ها پارامتر دیگر مدنظر قرار می گیرند، پارامترهایی که معامله گران ترجیح می دهند به اشتراک نگذارند.

تست پس زمینه ای راهبرد معاملاتی

تست پس زمینه ای در واقع همان تست کردن عملکرد راهبرد معاملاتی است و مستلزم استفاده از یک نرم افزار مخصوص است که در واقع یک سری از نمونه داده ها را در یک بازه ی زمانی مشخص تست می کند. 

تست راهبرد کمی موارد زیر را در خود جای داده است:

• عامل بهینه سازی: سوددهی سیستم معاملاتی برای بازه ی زمانی انتخاب شده بررسی می شود؛
• فاکتور بقاء: تست کردن برای یک بازه ی تاریخی 10 ساله یا بیشتر برای بررسی حداکثر میزان کاهش سرمایه انجام می شود.

اگرچه، عملکرد تست شده سوددهی بالا را در آینده تضمین نمی کند. بازده مالی پایین و ریسک بالای از دست رفتن پول می تواند در نتیجه ی سوگیری بهینه سازی (Optimisation Bias)، دقت پایین داده های تاریخی، خطاهای سیستمی مختلف، و هزینه های تراکنش به وجود می آید.

 سیستم های اجرایی

برای تبدیل کردن یک سیستم الگوریتمی کمی به حالتی که نیاز به مشارکت معامله گران نداشته باشد (یا این مشارکت حداقلی که باشد) به یک ساز و کار اجرای دستورات معاملاتی نیاز داریم. این ساز و کار خود یک الگوریتم معاملاتی است که الگوهای الگوریتمی و سیگنال های تولید شده توسط راهبرد معاملاتی را به دستور معاملاتی در بازار تبدیل می کند. 

ساز و کار اجرایی می تواند دستی، نیمه خودکار، یا کاملا خودکار باشد. دو نوع اول در معاملات کم بسامد متداول هستند. در معاملات پربسامد یک معامله گر کمی نمی تواند اجرای تمامی دستورات معاملاتی را کنترل کند. بنابراین، چنین راهبردهای معاملاتی ای شامل یک مکانیزم خودکار هستند.

مدیریت ریسک

ریسک های معاملاتی می توانند جلوی کار کردن صحیح الگوریتم های معامله را بگیرند. این ریسک ها در واقع خطاهای راهبرد معاملاتی هستند که در زمان تست شدن مدنظر قرار نگرفته اند. مثالی که در این خصوص می توان زد تعاریف اشتباه در مورد معکوس شدن اصلی روند و یا سایر سیگنال ها است. البته ریسک های تکنیکی ای نیز در خصوص اجرای مداوم ماشین ها و سرورهای کارگزار و همچنین ریسک های شناختی تاثیر گذاری در مورد درک معامله گر از وضعیت کنونی وجود دارد. 

مدیریت پولی را فراموش نکنید. لازم است که همه چیز مدنظر قرار گیرد، از توزیع سرمایه گرفته تا حداکثر میزان قابل پذیرش کاهش سرمایه برای به حداقل رساندن هزینه های تراکنش.

مزایا و معایب معاملات کمی

معاملات کمی مثل سایر ابزارهای تحلیلی مزایا و معایب خود را دارد:

راهبردهای معاملاتی کمی

در اینجا می خواهم چند راهبرد پایه ای را در مورد معاملات کمی تشریح کنم. معامله گران کمی 6 راهبرد معاملاتی متداول را تعریف کرده اند:

• بازگشت به میانگین (Mean reversion)؛
• دنبال کردن روند؛
• آربیتراژ آماری؛
• شناسایی الگوی الگوریتمی؛
• شناسایی سوگیری رفتاری (Behavioral Bias)؛
• معامله بر اساس قواعد صندوق های قابل معامله در بورس

بازگشت به میانگین

بازگشت به میانگین یکی از نخستین راهبردهای معاملاتی کمی است.ایده ی اصلی در بازگشت به میانگین این است که قیمت اغلب به اعداد میانگین ثبت شده ی خود بر می گردد ( در ساده ترین نسخه با استفاده از میانگین حرکتی محاسبه می شود) که در واقع همان چیزی است که راهبرد معاملاتی کمی بر اساس آن ایجاد شده است.

شرایط ورود به معامله:

• قیمت از میانگین حرکتی منحرف می شود؛
• شاخص بازار به سمت میانگین حرکتی (که توسط اندیکاتور MACD تایید می شود) باز می گردد؛
• موقعیت معاملاتی در جهت میانگین حرکت باز می شود و زمانی بسته می شود که قیمت به میانگین حرکتی برسد.

خط آبی در چارت بالا نشان دهنده ی ورود به معامله ی فروش در زمانی است که کندل بزرگ قرمز بسته می شود. نقطه ی ورود توسط وضعیت بیش خریداری شده که اندیکاتور RSI آن را نشان می دهد تایید می گردد. خط قرمز نشانگر حدضرری است که در نقطه ی اوج داخلی قرار داده می شود. خط سبز نشان دهنده ی حد سود در نقطه ی پیوت نزدیک به EMA است.

دنبال کردن روند

دنبال کردن روند راهبرد متداول دیگری است که همه ی معامله گران کمی از آن استفاده کرده اند. هدف این راهبرد کسب درآمد در روند صعودی یا نزولی است. این روش بر اساس نظریه ی داو کار می کند. در صورتی که یک روند در بازار وجود داشته باشد در آِینده نیز ادامه پیدا می کند. 

موقعیت معاملاتی بعد از شکسته شدن نزدیکترین سطح حمایت یا مقاومت باز می شود. این سطوح معمولا همان نقاط اوج و کف هستند. شرایط خروج از معامله پدیدار شدن دو کندل استیک با بدنه های متوسط که در جهت های مخالف حرکت می کنند و یا یک کندل استیک با بدنه ی بزرگ است.

خط بنفش در چارت بالا نشان دهنده ی سطح حمایت داخلی است. معامله زمانی وارد بازار می شود که سطح حمایت شکسته شده و کندل استیک سیگنال بسته شود؛ سطح ورود به معامله با خط آبی مشخص می شود. معامله ی کمی زمانی بسته می شود که کندل استیک صعودی بزرگ بسته شود.

آربیتراژ آماری

در معامله ی کمی از طریق آربیتراژ آماری به وسیله ی خرید یک ابزار معاملاتی و فروش ابزار معاملاتی دیگر که با ابزارمعاملاتی اول همبستگی دارد سود به دست می آید. 

این راهبرد معاملاتی کمی مستلزم اندازه گیری اسپرد بین ابزارهای معاملاتی است. به محض آنکه اسپرد از میزان میانگین بیشتر شود موقعیت معاملاتی مخالف باز می شود. معامله ی خرید ابزار مالی با قیمتی کمتر و در زمانی که معامله ی فروش برای همان ابزار معاملاتی باز شده باز می شود. موقعیت های معاملاتی زمانی بسته می شوند که اسپرد دوبازه تا سطح میانگین بسته شود.

حال می خواهیم مثال جفت های EURUSD و USDCHF که با هم همبستگی دارند را بررسی کنیم. زمانی که اسپرد از سطح میانگین دچار انحراف می شود دو موقعیت معاملاتی مخالف باز کنید (با خطوط آبی مشخص شده اند). خطوط سبز در واقع نشانگر لحظاتی هستند که سود مطابق شرایط راهبرد معاملاتی برداشته شده است. این یعنی همان زمانی که عدد اسپرد به سطح میانگین خود باز می گردد (محدوده ی بنفش در چارت).

شناسایی الگوی الگوریتمی

معامله گران کمی از الگوهای کندل استیک استفاده می کنند و جستجوی آن ها به آسانی می تواند حالت خودکار پیدا کند. منظورم ساختارهای کلاسیکی مثل ستاره دنباله دار، انگالفینک نزولی و صعودی، چکش و غیره است. راهبرد معاملاتی کمی مستلزم جستجوی چنین الگوهایی و باز کردن موقعیت های معاملاتی بلافاصله بعد از معکوس شدن حرکت شاخص است. سود با استفاده از حدضرر کششی در نقاط کلیدی و یا بر اساس سایر سیگنال ها برداشته می شود.

دایره ی آبی در چارت الگوی انگالفینگ صعودی را مشخص می کند. کندل استیک سبز رنگ بزرگ کندل استیک قرمز قبلی را پوشش می دهد. زمانی که ساختار مربوطه ایجاد می شود، الگوریتم موقعیت معاملاتی را در لحظه ای باز می کند که الگو کامل شده باشد (خط آبی). حدضرر ها نیز در نقاط کف الگو و حد سود در سطح مقاومت (خط سبز) قرار داده می شوند.

 شناسایی سوگیری رفتاری

معامله ی کمی با استفاده از این راهبرد معاملاتی مستلزم جستجوی الگوهای رفتاری متداول برای معامله گران است:

• سوگیری وضع موجود (Status Quo bias) یکی از الگوهای رفتاری شبیه به سوگیری بازماندگی (survivorship bias) است که باعث می شود شخص وضعیت/ فعلی یا پیشین را نگه دارد (به طور مثال علیرغم اینکه شاخص در جهت دلخواه حرکت نکند معامله گر ممکن است از معامله خارج نشود). 
• حرکت گله ای (Herd behaviour) یعنی تصمیم به دنبال کردن رفتار دیگران (مثلا: اقدام به خرید در زمانی که سایر معامله گران در حال انجام معامله خرید هستند). 
• اطمینان بیش از حد: به معنی اغراق در توانایی دستیابی به اهداف (امید به کسب سود علیرغم وجود ریسک بالا) است. 
• اثر هالو: یک سوگیری مشترک و به معنی تمایل به تاثیرگذاری مثبت در مورد وضع آتی یک ابزار معاملاتی در دسترس علیرغم وجود نداشتن اطلاعات کافی است (مثال: تصمیم به خرید بر اساس اخبار مثبت). 
• سوگیری معطوف به گذشته همانند سوگیری معطوف به آینده یک قضاوت اشتباه در خصوص این مطلب است که یک واقعه در گذشته ی نزدیک قابل پیش بینی بوده است. به طور مثال، بعد از خرید ناموفق یک سهام، سرمایه گذار ممکن است به این باور برسد که به شکل حسی می دانست که قرار است قیمت یک حرکت نزولی را طی کند.

دایره ی آبی در چارت نشان دهنده ی وضعیت بیش فروخته شده در بازار به دلیل سقوط شدید شاخص بیت کوین است. حرکت گله ای و اطمینان بیش از حد می تواند معامله گران را تشویق به ادامه ی فروش کند. این عامل در الگوریتم کمی لحاظ می شود.موقعیت معاملاتی فروش در کندل استیک بعدی باز می شود و زمانی که بازار از وضعیت بیش فروخته شده خارج می شود موقعیت معاملاتی با سود بسته می شود.

معامله بر اساس قاعده ی صندوق قابل معامله در بورس

معامله ی کمی بر اساس قاعده ی صندوق قابل معامله در بورس بر مبنای این اصل طراحی شده که شاخص های تکی اغلب با شاخص های فراگیرسهامی که جزئی از آن هستند همبستگی دارند. بنابراین، دنبال کردن روند حرکت شاخص فراگیر سهام و پیش بینی قیمت بزرگترین شاخص های سهام تکی شرکتی امکان پذیر است.

تصویر بالا نشان دهنده ی چارت قیمتی روزانه ی شاخص سهام S&P 500 و Apple است. همانطور که می بینید این دو شاخص با یک انحراف اندک با یکدیگر همبستگی دارند. الگوریتم برای شاخص S&P 500 نشانه های معکوس شدن روند را در محدوده ای که با فلش آبی مشخص شده شناسایی کرده است. بنابراین، در بازار سهام اپل موقعیت خرید باز می شود (خط آبی). زمانی از معامله خارج می شویم که روند شاخص S&P 500 معکوس شود (با خط سبز به نمایش در آمده است).

نتیجه گیری

معامله ی کمی تلاش دیگری برای ایجاد یک ساز و کار معاملاتی ایده آل است که می تواند علیرغم رقابت رو به رشد در بین معامله گران یک درآمد با ثبات در پی داشته باشد. همچنین، باید این نکته را هم بگویم که پیشرفته ترین راهبردهای معامله ی کمی به این رویا نزدیک شده اند. به طور مثال، وضعیت صندوق Medallion Fund نشان می دهد که با کمک معامله ی کمی می تواند برای دهه ها سود به شکل مداوم کسب کرد. 

اگرچه، نباید راهبردهای معاملاتی کمی را یک تضمین 100 درصدی برای کسب سود دانست. در بازار تنها چند معامله گر کمی حرفه ای وجود دارند. نکته ای که در اینجا در حال بیان کردن هستیم چندان در مورد پیچیدگی راهبردهای معاملاتی نیست، بلکه در خصئص توانایی استفاده از ابزارهای آماری و ریاضی پیچیده با کمک ایستگاه های معاملاتی قدرتمند است. 

در عین حال راهبردهای معاملاتی سال های گذشته به خوبی از پس بازارهای پرریسک برآمده اند و رشد معاملات اجتماعی به معامله گران مبتدی امکان آن را می دهد که ضمن کپی کردن راهکارهای معاملات کمی شبیه به معامله گران حرفه ای معامله کنند. همچنین، ذکر این نکته لازم است که لایت فایننس یک پلتفرم برای انجام معاملات کپی ایجاد کرده که در آن می توانید در معاملات اجتماعی شرکت کنید. تنها موردی که باید در مورد آن به شما هشدار بدهم این است که نباید بر روی بیش از آنچه که تحمل از دست دادن آن را دارید ریسک کنید. هیچگونه عملکرد سودده ای که از یک معامله گر کمی حرفه ای در گذشته بر جای مانده کسب سود در آینده را تضمین نمی کند.