https://virgool.io/feed/@aminmortezaie Co-Founder at Sadra Finance Group fa 2026-07-07 17:36:50 https://files.virgool.io/upload/users/257833/avatar/avatar.png?height=120&width=120 https://virgool.io/@aminmortezaie https://virgool.io/SadraFinance/%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C%D9%90-%D9%87%D8%B4%D8%AA-%D8%A7%D9%81%D8%B3%D8%A7%D9%86%D9%87%D9%90-%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D8%AA%DA%A9%D9%86%DB%8C%DA%A9%D8%A7%D9%84-ctbwcwgp1bji برخی از معامله گران و سرمایه گذاران، تحلیل تکنیکال را به عنوان یک دانش سطحی از نمودار ها متهم می کنند که پاسخ های پرسود، محکم و یا قطعی به ما نمی دهد. برخی دیگر بر این باورند که، این دانش مانند یک شراب ناب است که ماهر شدن در آن تضمین سودهای هنگفت را به ما می دهد. این دیدگاه های ضد و نقیض ما را به سمت باورهای غلط در مورد تحلیل تکنیکال و اینکه چگونه باید از آن استفاده کنیم، سوق می دهد.برخی از مباحث جزئی در مورد تحلیل تکنیکال بر پایه تحصیلات و تمرین هستند. به طور مثال، یک معامله گر که به کمک تنها مباحث تحلیل بنیادی آموزش دیده است، مشخصا به تحلیل تکنیکال هیچگاه اعتماد نمی کند اما این بدین معنا نیست، کسی که تحلیل تکنیکال را آموزش دیده است نمی تواند از آن سود کند. دیگر افسانه ها بر پایه تجربه ساخته می شوند. به طور مثال، استفاده نادرست از اندیکاتور های تکنیکال گاهی اوقات ما را به سمت ضرر سوق می دهد. این به این معنی نیست که این روش لزوما بد است، احتمالا شخص استفاده کننده نیازمند این است که بیشتر آموزش ببیند و تمرین کند. مقصر دیگر افسانه ها، بازاریابی است که به شما وعده می دهد در صورت خرید این اندیکاتور ساده یک شبه پولدار می شوید.نکات کلیدیتحلیل تکنیکال تلاش می کند تا با رواشناسی بازار و احساسات آن به کمک بررسی و تحلیل ترندهای قیمت و الگوهای نمودار، بتواند شرایطی را برای معامله فراهم آورد.برخلاف تحلیل بنیادی، لزوما تحلیل تکنیکال توجه خاصی به شرکت های در پشت بازار سهام و سودهای آنها ندارد.برخی بر این باورند که تحلیل تکنیکال بهترین راه برای معامله است، در حالی که برخی دیگر ادعا می کنند که آنها گمراه اند و فاقد مبانی نظری هستند.در اینجا ما به بررسی برخی از افسانه هایی که در دو سمت این مناظره وجود دارد، می پردازیم.تحلیل تکنیکال فقط بدرد معامله کوتاه مدت و یا روزانه میخورد. این یکی از افسانه های شایع است که می گوید، تحلیل تکنیکال فقط بدرد معاملات کوتاه مدت و یا معاملات کامپیوتری، مثل تردینگ روزانه و یا معاملات با فرکانس بالا می خورد. تحلیل تکنیکال وجود دارد و قبل از اینکه کامپیوتر ها شایع شوند هم استفاده و تمرین می شد و برخی از پیشگامان در تحلیل تکنیکال را، سرمایه گذارن و تریدهای بلند مدت تشکیل می دادند. تحلیل تکنیکال توسط تمامی تریدها با هر تایم فریم زمانی، چه یک دقیقه ای باشند و چه هفتگی و یا ماهانه استفاده می شود.تنها معامله گران مستقل از تحلیل تکنیکال استفاده می کنند.زمانی که معامله گران مستقل از تحلیل تکنیکال استفاده می کنند، صندوق های پوشش ریسک و بانک های سرمایه گذاری به مقدار زیاد و کافی از تحلیل تکنیکال بهره می برند. بانک های سرمایه گذاری، تیم های اختصاصی دارند که از تحلیل تکنیکال بهره می برند.تحلیل تکنیکال درصد موفقیت پایینی دارد.با نگاه به لیستی از تریدهای موفق بازار، کسانی که دهه ها تجربه در زمینه معامله گری داشته اند، این افسانه رفع ابهام می شود. مصاحبه معامله گران موفق، نشانه هایی از تعدادی تریدر را نشان می دهد که، موفقیت خود را مدیون تحلیل تکنیکال و الگوهای آن هستند. به طور مثال، "معجزه بازار: مصاحبه با تریدهای سطح بالا" که توسط جک دی شوگر تهیه شده است، نشان داد که بسیاری از تریدها تنها به کمک تحلیل تکنیکال، سود کرده اند. (در مقاله: "پیشگامان تحلیل تکنیکال" بیشتر بخوانید.)تحلیل تکنیکال سریع و ساده است.اینترنت پر از دوره های آموزشی تحلیل تکنیکال است که به شما قول موفقیت در معامله گری را میدهد. اگرچه بسیاری از تریدهای مستقل، کار خود را با استفاده از یک اندیکاتور ساده تکنیکال شروع کرده اند، ادامه موفقیت در معامله گری، نیازمند دانش عمیق، تمرین، مدیریت سرمایه خوب و نظم کاری می باشد. این مسئله نیازمند زمان اختصاصی، دانش و توجه است. تحلیل تکنیکال، تنها یک ابزار و یک تکه از این پازل است.برنامه های آماده و ساخته شده می تواند به معامله گران کمک کنند تا به آسانی پول دربیاورند.متاسفانه این صحت ندارد. تعداد زیادی تبلیغات برای نرم افزارهای بی ارزش و پرهزینه وجود دارد که مدعی است، تمام تحلیل ها برای شما انجام می دهد. اضافه برآن، تریدهای کم تجربه گاهی اوقات، گیجِ ابزارهای تکنیکالی می شوند که کارگزاری ها برای معامله گری معرفی می کنند و تضمین سود آن را می دهند، در حالی که تحلیل تکنیکال، به ما در مورد ترندها و الگوها دیدمی دهد و لزوما در مورد سود دید نمی دهد. این بستگی به معامله گر دارد که چگونه دیتا و ترندها را تفسیر کند. (برای مطالعه بیشتر می توانید، "بهترین نرم افزارهای تحلیل تکنیکال" را مشاهده کنید.) اندیکاتور های تکنیکال در تمام بازار ها جواب می دهند.درحالی که در بسیاری از حالات این درست است، در تمام موارد درست نیست. کلاس دارایی های خاص دارای نیازمندی های خاص هستند. سهم ها، بازار آتی، آپشن ها، کالاها و اوراق قرضه همه با یکدیگر متفاوت اند. در آنها ممکن است الگوهای وابسته به زمان وجود داشته باشد مثل نوسان بالا در آتی بازار و آپشن های در حال انقضا و یا الگوهای فصلی در اوراق قرضه. باید توجه داشت و به اشتباه یک اندیکاتور تکنیکال که برای یک کلاس دارایی خاص است را برای دیگری استفاده نکنیم.تحلیل تکنیکال می تواند تخمین بسیار دقیقی از قیمت را ارائه دهد.بسیاری از تازه کاران انتظار دارند که توصیه های تحلیل های تکنیکالی و یا الگوهای نرم افزاری 100 درصد دقیق باشند. به طور مثال، یک ترید بی تجربه ممکن است با یک پیش بینی انتظار داشته باشد که سهم ABC در دوماه به قیمت 62 دلار برسد. اما یک تحلیلگر باتجربه معمولا از نقل کردن قیمت به طور خاص دوری می کند. معامله گرانی که پول خود را در توصیه های تکنیکال قمار می کنند باید بدانند که، تحلیل تکنیکال یک رنج و دامنه را پیش بینی می کند و نه یک عدد دقیق. تحلیل تکنیکال همیشه یک احتمال است و یک گارانتی و تضمین نیست. اگر چیزی بیش از بقیه کار می کند، نباید تصور داشت که همیشه کار می کند، این مسئله می تواند در سود کردن بسیار موثر باشد.درصد برد ها در تحلیل تکنیکال باید بالاتر باشد.این افسانه بسیار رایج است که درصد بالایی از معاملات برنده برای رسیدن به سودآوری نیاز است، اما این همیشه درست نیست. فرض کنید پیتر از پنج معامله چهار را می برد، درحالی که مولی تنها در یک معامله برنده می شود. چه کسی موفق تر است؟ اکثر افراد احتمالا می گویند: پیتر! اما ما نمی توانیم به درستی بدانیم تا زمانی که اطلاعات بیشتری کسب نکنیم. معامله گرِ درست، سودهای بیشتری از معاملات کمتر بدست می آورد. سودآوری یک ترکیب از درصد پیروزی و میزان ریسک/دستاورد می باشد. اگر پیتر 20 دلار مثبت در پیروزی و 80 دلار منفی در شکست بدست بیاورد، درنهایت بدون سود خارج شده است ولی اگر مولی 50 دلار مثبت در پیروزی و 10 دلار منفی در ضررها بدست آورد در نهایت با 10 دلار مثبت خارج شده است. مولی بهتر است هرچند معامله کمتری را برده است.نکته پایانیتحلیل تکنیکال یک سبد بزرگ از مفاهیم و ابزار را برای معامله ارائه می دهد. تعدادی از تریدهای موفق از آن استفاده می کنند و تعداد موفق دیگری نه. درنهایت امر، این به هر معامله گر برمی گردد که ببیند تحلیل تکنیکال برای او قابل استفاده است یا خیر. تحلیل تکنیکال تضمین سودهایی با دقت صد درصد را نمی دهد اما، اگر با پشتکار مفاهیم را تمرین کنید این برای شما می تواند احتمالا موفقیت واقعی ای را فراهم کند.مقاله اصلی: Debunking 8 Myths About Technical Analysisمترجم: محمدامین مرتضایی - گروه مالی صدرا محمدامین مرتضایی | Amin Mortezaie محمدامین مرتضایی | Amin Mortezaie Tue, 15 Sep 2020 01:20:24 +0430 https://virgool.io/SadraFinance/%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%85%D8%B9%D8%A7%D9%85%D9%84%D9%87-%DA%AF%D8%B1%DB%8C-jqyfec1gpu1u پیشگفتارتکنولوژی معنی می کند که کسب و کار در آینده به چه شکلی باید باشد.در دهه گذشته، دقیقا همین جمله نیروی محرکهِ هر چیزی که مرتبط به تکنولوژی، مانند سخنرانی و یا مقالات بود. اما با رشد انفجاری هوش مصنوعی (Artificial Intelligence) و زیر مجموعه های آن مانند یادگیری ماشین و یادگیری عمیق، در حال حاضر می توانیم با اطمینان بگوییم که آینده ساز ترین تکنولوژی ای که در مورد آن صحبت می کردیم دقیقا حالا پیش روی ماست. استراتژی های سرمایه گذاری هیچگاه خالی از ریسک و شک نبوده است حال این کار آسان ارزیابی می شود و غلبه بر آن ممکن شده است و بازگشتیِ سرمایه گذاری بسیار زیاد و قابل پیش بینی است. شکی نیست که ارزشی بالغ بر چند تریلیون دلارِ صنعت فینتکی، یکی از اولین نشانه های سازگاری تکنولوژی هوش مصنوعی و ترند اصلی بودن آن در تمامی عملیات ها برای تمامی دنیا می باشد. امروز می خواهیم به بررسی فواید یادگیری ماشین برای بحث برانگیز ترین قسمت فینتک یعنی معامله و ترید بپردازیم که با وجود این ابزار تغییرات بشدت سریعی در ترندهای این مسئله رخ داده است و تصمیماتی پرخطر و در عین حال امیدوار کننده در زمینه معامله گری و درنهایت داستان معامله گری اتفاق افتاده است.معامله و یا ترید چیست و چگونه انجام می شود؟قبل از اینکه به مبحث یادگیری ماشین و صحبت های در مورد آن ورود کنیم، در ابتدا می خواهیم اطلاعات اساسی ای همچون پایه و اساس تردینگ و معامله گری در بازار سهام را بررسی کنیم. به ساده ترین زبان، معامله به معنای خرید و فروش یک جنس می باشد. به طورطبیعی، معامله گران علاقه مندند تا از هر معامله که در آن حضور پیدا می کنند، سود کنند. این زمانی درست عمل می کند که دوطرف معامله یعنی خریدار و فروشنده احساس کنند که این معامله، معامله خوبی بوده است. (این دقیقا نکته و صفت کلیدی برای کیفیت و موثر بودن معامله می باشد.)با چه کسی معامله می کنید؟ با دیگر افرادی که در بازار و مارکت حضور دارند و سعی در کسب درآمد، درست مثل شما دارند. بروکرها یا کارگزاری ها درست مثل واسطه در میان مردم برای معامله جدید و وصل کردن آنها به هم عمل می کنند. هم خریدار و هم فروشنده به طور ثابت به بروکر ها در معامله اتکا می کنند. موجودی کالا (دارایی فعلی و یا کالایی با ارزش در معاملات، چیزی که مردم می خرند یا می فروشند) نیز نامیده می شود.موجودی از کالا و زمانی که باقی مانده است، نشان می دهد که تا چه میزان می توان در معامله تهاجمی برخورد کرد. (زمان کمتر و همچنین موجودی کمتر می تواند یک نیروی محرکه برای شما باشد!) همچنین اگر شما زمان بیشتری دارید و کالای موجود زیادی نیز دارید، می توانید صبور باشید و منتظر قیمت های بهتر بمانید.دنیای معامله گری با قوانین ساده اقتصاد پیش می رود، مثل اینکه اگر خریداران بیشتری از چیزهایی که برای فروش هست وجود دارند، تقاضا بیشتر می شود و قیمت شروع به افزایش می کند. به عنوان یک معامله گر، شما می خواهید چیزهایی بخرید که انتظار دارید قیمتش افزایش پیدا کند. هنگامی که شما یک پوزیشن کوتاه باز می کنید (پوزیشن کوتاه به معنای باز کردن یک درخواست فروش است. در بازارهای دوطرفه امکان خرید و فروش وجود دارد یعنی می توان یک پوزیشن باز کرد که از پایین رفتن نمودار سود حاصل شود.) و قیمت شروع به افزایش می کند، شما پولی را که می توانستید بالقوه با فروش سهم، کمی بعدتر بدست آورید، از دست می دهید. همیشه در معامله یک نفر برنده و دیگری بازنده است و این قانون معامله در همه جا است. این غیرممکن است که همیشه در سمت برندگان باشید اما شما به عنوان یک تریدر و معامله گر تلاش می کنید که بیشتر برنده باشید و از سود خود نگهداری کنید و تعادل مالی برقرار کنید. وارد شدن به یک پوزیشن بلند (پوزیشن بلند به معنای درخواست خرید است.) در یک سهام یک تصمیم جدی است و نیازمند تحلیل و تجربه، برای ایمن ماندن از ریخت و پاش های غیر ضروری است.پس چرا کسب و کار ها در وهله اول اول وارد بازار سهام می شوند؟ شما احتمالا از این غافلگیر نخواهید شد که حقیقت این است که شرکت ها برای افزایش درآمد عمومی، وارد می شوند. به طور پایه ای، آنها قسمت های کوچکی از خود را به شکل سهم برای کسانی که علاقه مند به خرید هستند، ارائه می دهند. زمانی که شما سهمی را می خرید این به معنای این است که شما صاحب جزئی از شرکت هستید. موقعیت شرکت در بازار امن تر است، قیمت سهم آن نیز بالاتر است. در همین زمان به طور تازه شرکت هایی که کمتر مشهورند و پایداری کمتری نیز دارند از قیمت های بسیار پایین شروع می کنند. زمانی که آنها رشد پیدا کردند، ارزش سهم آنها نیز افزایش پیدا می کند. چیزی که همیشه باید در ذهن داشت این است که هدف تمامی اعضای بازار سهام، رسیدن به قیمت بالاتر است. بی واسطه بودن و نرخ مبادله یکی از فاکتورهایی است که معامله گران و کارگزاری ها به آن توجه می کنند که ببینند این معامله بالقوه می تواند کار هوشمندانه باشد و یا خیر. به هرحال با هرحرکتی معامله گران تلاش می کنند تا درآمد را حداکثر و هزینه را حداقل کنند که در معامله گری راه های متفاوتی وجود دارد که موفقیت را به خوبی اندازه گیری می کند. در اینجا چند سنگ محک رایج که در معامله گری استفاده می شود، وجود دارد:میانگین وزنی حجم (VWAP)میانگین وزنی زمان (TWAP)پیاده سازی به کمک کسری و فاصله (نقطه میانه گسترش پیشنهاد قیمت در ابتدا)به کمک معیارهایی که در بالا لیست شدند، می توان یک دیتای آماریِ قابل مقایسه جمع آوری کرد که به عنوان یک رفرنس و مبنا برای فرصت های پیشرفت آینده استفاده شود.اگر یک نفر عمیق تر وارد بازار سرمایه شود، سوال های بیشتری نسبت به شروع خواهد داشت. به طور مثال، چرا یک نفر سهمی از یک شرکت معتبر که جایگاه پایداری در بازار دارد را، به فروش می رساند؟ دو پاسخ اصلی که مردم تصمیم می گیرند سهم های خود را بفروشند این است که: الف) یک فرد به پول در حال حاضر نیاز دارد و مبتدی ها نمی دانند که سهم ها تا زمانی که بفروش نرسند هیچ ارزش واقعی ای ندارند. سهم ممکن است ارزش زیادی داشته باشد ولی تا زمانی که سهامدار به پول واقعی آن را تبدیل نکند، ارزشش قفل است. امروزه، صنعت معامله گری پر از رازهای مختلف است و مهندسان نرم افزار در کنار هم به کمک تحلیل های فینتکی به سرعت دریافتند که برنامه های کاربریِ یادگیری ماشین پتانسیل اعجاب انگیزی در تردینگ دارند و آنها فقط قادر به انجام تسک های پیچیده برای انسان ها نیستند و میتوان به کمک توجهِ تازه واردان این صنعت، کار را راحت تر کرد و امنیت بیشتری در معامله پیدا کرد.یادگیری ماشین در مبحث معامله گری به چه معناست؟از زمان پیدایش یادگیری ماشین، هوش مصنوعی به شکل گسترده در صنعت فینتک استفاده شده است. مدل های پیشگو اولین استفادهِ هوش مصنوعی در این صنعت بودند که مزیت های خود را به کمک هوش مصنوعی در مسائل مالی آوردند. پس از آن، صنعت مالی شروع به سرمایه گذاری در زمینه نرم افزار های هوش مصنوعی کرد که در آن زمان بیش از اندازه معقول، دارای ریسک و همچنین غیرقطعی تلقی می شد. هوش مصنوعی به بانک ها اجازه داد که بودجه های خود را با کاهش سرمایه نیروی انسانی ذخیره کنند و میزانی از آن را به فعالیت هایی مثل نرم افزارهای تحلیلی و کاهش ریسک اختصاص دهند. در آن دوره، این مسئله به شروع یک ترند الگوریتمی در تمامی حوزه فینتک کمک نکرد ولی صنعت صندوق های پوشش ریسک به خوبی شروع به حرکت در زمینه معاملات الگوریتمی کردند.تنها مشکلی که با بازارهای سرمایه وجود داشت این بود که آنها مناطقی بودند که بشدت پویا و به سختی قابل پیش بینی بودند. این به معنای این است که معاملات الگوریتمی باید در طول زمان تغییر کند و در تمام اوقات سازگار شود. نیازی به گفتن نیست که برای انسان ها بسیار سخت بود که به موقع بتوانند (تحرکات بازار برای تغییر استراتژی را) دنبال کنند. در اینجا بود که یادگیری ماشین تبدیل به یک ضرورت شد و الگوریتم ها در آن می توانستند به طور خودکار تغییر کنند و عملکرد آنها به طور خودکار بررسی می شد. قدرت های هوش مصنوعی در تردینگبررسی جزئیِ بازار: یادگیری ماشین می تواند در لحظه فعالیت بازار را زیر نظر بگیرد پس می تواند قیمت را به کمک وضعیت بازار، به درستی پیش بینی کند، زمانی که تصمیم، یک پوزیشن کوتاه باشد. این بی واسطه بودن با قیمت، یک صفت است که عملکرد یک معامله گر را نشان می دهد و تجربه ی مثبت و منفی را حتی در زمان طولانی، از یکدیگر جدا می کند.تحلیل سابقهِ گذشته برای معامله های آینده: تحلیل سابقهِ گذشته یکی دیگر از ملاک های مهم می باشد، زمانی که آن، به یک رویکرد سیستماتیک برای رسیدن به معامله موفق در آینده تبدیل شود. صرف نظر از چیزی که ربات های هوش مصنوعیِ ساخته و توسعه یافته شده، برای معامله گری توسط شرکت ها به شما می گویند، معاملات الگوریتمی نیازمند ساعت های زیادی برای تست کردن می باشد و برای تست کردنِ یک مدل یادگیری ماشین، شما در حقیقت نیازمند شروع تردینگ هستید، پس بهتر است در ابتدا با حجم های کوچک شروع کنید. حتی زمانی که با حجم های کوچک شروع می کنید، یک مدلِ یادگیری ماشینِ به طور کامل تست شده، به شما امکان سفارش گذاری از یک دفتر که به کمک تاریخچه معاملات، شناسایی شده است را می دهد که یکی از مسائل کلیدی برای عملیات های کم ریسک با سهم ها می باشد. به آسودگی شما می توانید یک سری الگوریتم های جدید را بر روی بازار های شبیه سازی شده تست کنید. این امکان به نظر کم ریسک تر می آید، اما باید به یاد داشته باشید که بازار شبیه سازی شده با بازار واقعی تفاوت زیادی دارد.یادگیری تقویتی: ربات هوش مصنوعی می تواند یاد بگیرد تا قیمت ها را از نمودار های مالی بخواند. به هرحال هیچکس نمی تواند همه چیز را یکجا بداند، درمیان شک و تردید است که آیا قدرت پردازش نرم افزارهای هوش مصنوعیِ مدرن بیشتر است یا مغز انسان.اجرای بهینه: برخی از معامله گران برایشان سخت است تا بپذیرند اما حقیقت به آنها نشان می دهد که هوش مصنوعی، عملیات های سهم را بهتر از یک انسان معامله گر در اکثریت حالت ها انجام می دهد. هوش مصنوعی تنها قادر نیست که یک مدل رگرسیون خطی دقیق رسم کند بلکه می تواند دیتاهایی که از قبل درست شده است را بخواند و با یکدیگر برای تحلیل ادغام کند.برخلاف تصمیمات شخصی نرم افزار های یادگیری ماشین بر اساس اعداد سخت بنا شده اند و بدور از هرگونه تردیدِ "اگر اینطور شد.."، هستند.توجه به ریسک:تحلیل های حجم های زیاد بر اساس سابقه تاریخیِ دیتای آنها به ما این امکان را می دهد که ریسک را ارزیابی کنیم و تغییرات را پیش بینی کنیم. این مشاهدات کانالیزه شده به ما اجازه رفتن در مسیری هوشمند تر را می دهد، بدین معنی که هوش مصنوعی حتی می تواند بدون دخالت انسانی سفارشات را بخرد یا بفروشد و اشتباهات کمتر آماری (معاملات بدون سود)،نسبت به انسان انجام دهد.پیش بینی قیمت های سهام: شبکه عصبی به فینتک با کمک یادگیری عمیق معرفی شد که این علم اجازه می داد قیمت ها را ارزیابی و پیش بینی کنیم. عجالتاً افرادی که آماده سرمایه گذاری در هوش مصنوعی برای تجارت هستند به کمک انبوه توان محاسباتی مورد نیاز برای هر برنامه یادگیری عمیق، می توانند به این فعالیت بسیار پیچیده دسترسی داشته باشند، به هرحال مزیت هایی که این تکنولوژی آورده است شوک برانگیز است و بازگشت سرمایه ی زیادی این ریخت و پاش خواهد داشت.یادگیری عمیق برای عملیات های بازار سهامبه هرحال بیشتر برنامه ها از منطقی که مهندسان از پیش در آن قرار می دهند استفاده می کنند مثل ربات تردینگ که بدون در نظر گرفتن مبحث هر چیزی که شما دستور بدهید را انجام می دهد. نرم افزار های بر پایه یادگیری عمیق برای خودشان فکر می کنند و سابقه قیمت ها را تحلیل می کنند، نمودار معامله را بررسی می کنند و خیلی کارهای دیگر برای معامله بهتر انجام می دهند. تفاوت کلیدی بین یک انسان معامله گر و هوش مصنوعی در اعداد پنهان می شود: هنگامی که یک نفر به طور میانگین در پنج سال 5000 ترید انجام می دهد، ربات معامله گر می تواند تا 1 میلیون تراکنش را در یک شب انجام دهد. این به معنای این است که ربات های هوش مصنوعی، در روند بازار دستکاری میکنند، در یک ثانیه می خرند و می فروشند که به معاملات با فرکانس بالا شناخته می شود. علاوه بر این اتفاق به کمک یادگیری عمیق، برنامه های معامله تجربه خود را با هر ترید افزایش می دهند و باهوش تر می شوند و شما خواهید فهمید که چرا متخصصان می گویند که هوش مصنوعی 3.5 تریلیون دلار از صندوق های پوشش ریسک را شامل می شود.به هرحال، همه ما باید در ذهن بدون در نظر گرفتن قدرت پردازش درنظر داشته باشیم، ماشین های می توانند تنها خارج از زمینه اجتماعی پردازش کنند. به این معنا که اقتصاد، سیاست، فاکتور های اجتماعی و احساسات و یا بینش صنعت را از بیرون تغییر می دهد و نباید از تصمیمات هوش مصنوعی در این زمینه غفلت کرد.این می تواند به شکل اشکال غیر تهدید آمیز باشد زمانی که این در عملیات های با اعداد باشد اما اگر به چند موقعیت گذشته دراماتیک در دنیای اقتصاد نگاه کنیم، خواهید دید که گاهی اوقات ارزش احساسات از عقلانیت بالاتر است و احساسات به سادگی قابل شبیه سازی نیست.مقاله اصلی: Machine Learning for Tradingمترجم: محمدامین مرتضایی - گروه مالی صدرا محمدامین مرتضایی | Amin Mortezaie محمدامین مرتضایی | Amin Mortezaie Tue, 08 Sep 2020 21:30:13 +0430 https://virgool.io/SadraFinance/%D9%85%D9%82%D8%AF%D9%85%D9%87-%D8%A7%DB%8C-%DA%A9%D9%88%D8%AA%D8%A7%D9%87-%D8%A8%D8%B1-%D9%85%D8%B9%D8%A7%D9%85%D9%84%D8%A7%D8%AA-%D8%A7%D9%84%DA%AF%D9%88%D8%B1%DB%8C%D8%AA%D9%85%DB%8C-rd80ef1oyrb3 معاملات الگوریتمی (Machine Trading) مبحث شناخته شده ای است که در سال های اخیر محبوبیت زیادی پیدا کرده است.در سال 2018 تخمین زده میشود که به میزان یک تریلیون دلار در صندوق ها و مجموعه های زیر مجموعه‏ ی پوشش ریسک که تحت معاملات ماشینی هستند، سرمایه گذاری شده است که این میزان تقریبا دوبرابر میزانی است که در ده سال گذشته در آن سرمایه گذاری شده بود.معاملات الگوریتمیدر عصر دیجیتال سازی و یادگیری ماشین، میزان زیادی از افزایش علاقه نسبت به معاملات الگوریتی به جای سرمایه گذاری صرف دیده میشود. بسیاری از سرمایه گذاران قدیمی و با سابقه در حال جذب افرادی هستند که با یادگیری ماشین (Machine Learning) و یا علم اطلاعات (Data Science) آشنایی دارند و آنها امیدوارند که به کمک این دانش دقیق بتوانند میزان سود خود را افزایش دهند.آفرینش معاملات الگوریتمیایده معاملات الگوریتمی ایده جدیدی نیست و ریشه های آن را میتوان در فعالیت های هری مارکوویتز پیدا کرد.در سال 1952 او در مقاله ای به نام "انتخاب سبد سهام" که در یک ژورنال مالی به چاپ رسید، او از ایده ای پرده برداشت که در آن به کمک یک مدل ریاضیاتی مسئله پیدا کردن بهینه پورتفو را حل میکرد.بسیاری از پیشرفت ها در زمینه معاملات الگوریتی به وسیله انفجار فناوری که در بیست سال گذشته رخ داد انجام پذیرفت. با قدرت زیاد محاسبات منابع بیشتری برای ایجاد مدل های جدید که روز به روز بر تعداد آنها افزوده میشود و همچنین تعداد زیادی از دانشمندان علم ریاضی و علم کامپیوتر که علم مالی را پشت سر میگذارند فضای مناسبی فراهم شده است.مطمئناً فضای مناسبی که برای شروع در زمینه علاقه مندی به معاملات الگوریتی در واقعیت میتوان ترسیم کرد چیزی نیست جز پاسخ به سوال مهم " چگونه میتوان میزان سود و بازگشت را بیشتر و ریسک را کمتر کرد؟".وقتی عمیق تر به این دو مسئله یعنی افزایش سود و همچنین کاهش ریسک نگاه میکنیم، میبینیم که در حقیقت عمق و پایه ای مسئله یک سوال بهینه سازی میباشد و پاسخ آن را باید در علم ریاضیات جست و جو کرد!این مهم و ارزشمند است که به آن اشاره کنیم که تمام پروسه و فرآیند معاملات الگوریتی در حقیقت از یک مسئله بهینه سازی ناشی میشوند و قبل از هرچیز باید به این مسئله توجه لازم کرد.پس میتوان گفت مسئله محوری ما در معاملات الگوریتمی به طور خلاصه این است:چگونه یک نفر میتواند سود و ریسک را پیشبینی کند؟چیزی که معامله گران و محققان الگوریتمی سعی در انجام آن دارند چیزی جز پیشبینی ریسک و سود نیست البته روشهایی که برای این کار انجام می پذیرد ممکن از جایی به جای دیگر متفاوت باشد اما همواره مسئله اصلی همان است. پیشبینی سود و ریسکمطلب اول و اصلی ای که در ابتدا میخواهیم به آن اشاره کنیم این است که چگونه معامله گران و محققان پیشبینی می کنند. در اینجا راه های زیادی برای این کار وجود دارد، یکی از آنها بررسی به کمک تحلیل های آماری قیمت ها و دیگری بررسی دیتاست های جایگزین می باشد.یک مثال معروف از دیتاست های جایگزین، تصویر بزرگی از توقفگاه های تعداد زیادی از خرده سهامداران میباشد، بدین معنی که زمانی که تعداد زیادی از سهامداران خرد از یک سهم خریداری میکنند در حقیقت سود آن شرکت در حال افزایش است.این مثال در دسته بندی رفتار خریداران دسته بندی میشود و ما دسته بندی زیادی داریم که از آنها میتوانیم انتخاب کنیم. صنعت داده های جایگزین در دهه گذشته شکوفا شده است زیرا تقریباً نیمی از صنعت صندوق های پوشش ریسک از این روش برای فرآیند سرمایه گذاری خود متکی هستند.مسئله اصلی ای که در صنعت داده های جایگزین وجود دارد این است که به کمک آنها مدیران مالی میتوانند دید بهتری برای پیشبینی بازدهی داشته باشند تا این که به اجماعی در این زمینه برسند.به این نقطه لبه می گویند!البته روشهای دیگری از لبه نیز برای مدیران مالی وجود دارد که برای افرایش سود به آنها اتکا میکنند ولی یکی از این روشها را میتوان دیتای بهتر در نظر گرفت.چالشدر عمل، پیشبینی ریسک و بازدهی به این برمیگردد که دیتای ما به چه میزان زیاد و نویز دار است. همچنین اگر یک نفر قادر به پیشبینی یک میزان از دقت است این میزان از دقت در طول زمان تمایل به کاهش دارد.به طور مثال فرض کنید یک پیشبینی این باشد که یک سهم خاص هنگامی که یک اتفاق خاص میفتد با افزایش قیمت همراه است و استراتژی معامله در اینجا این است که این سهام در هنگام رخ دادن این اتفاق خریداری شود و با بدست آمدن سود فرض شده بعد از مدتی کوتاه به فروش برسد.یکی از مشکلاتی که ممکن است این استراتژی ایجاد کند این است که قیمت سهام کمی بالاتر برود و این به این معنی میباشد که پولی که برای خریدن سهام لازم است بدهیم بیشتر شده است و این یعنی میزان بهره وری ما کمتر خواهد بود.اینکه یک فرد سهام کوچکی را بخرد در حقیقت باعث تغییری در قیمت آن سهام نمیشود و در اصطلاح مالی میتوان گفت که این خرید سهام در بازار اثری ندارد. پس در حقیقت یک تعادل باید برای پیشگو بین اینکه بخواهد اثر کمی در بازار داشته باشد یا اینکه به میزانی که بتواند خرید کند تا سود کند باید برقرار باشد.بگذارید این مثال را دنبال کنیم و فرض کنیم که در این بازار افراد دیگری وجود دارند که از قضا پیشبینی های خوبی در سهم موردنظر دارند. آنها در اینجا دیگر خرید سهام را متوقف میکنند و دست نگه میدارند که این بدین معنی است که دیگر قیمت سهم بالاتر نمیرود و اینجا سهام دار ما که در قبل در موردش صحبت شد در نتیجه سودی که قرار بود بکند کمتر میشود و این نتیجه تصمیم آنها است.این دقیقا نکته بسیار مهم در معاملات الگوریتمی است که میزان سود استراتژی ها در طول زمان زیاد تمایل دارند که کاهش یابند که این دلیل این است که معامله گران همواره در پی کالیبره کردن دوباره استراتژی خود و پیدا کردن استراتژی بهتر هستند. مسابقه صفرنوع دیگری از لبه به تجهیزات تکنولوژی بهتر برمیگردد. در حقیقت اگر یک نفر بتواند از بازار سریع تر معامله کند، از تمام رقیبانش که از اطلاعات یکسانی بهره می برند جلوتر می افتد و همچنین میتواند بازدهی بیشتری داشته باشد.این مسئله مبحثی به نام معامله با فرکانس بالا را پایه گذاری میکند که در آن از ابزار پردازش و اجرای با سرعت بالاتر و همچنین بازدهی بیشتر و یا میزان بیشتر معامله ها در مقابل دیگر معامله گران، استفاده میگردد. این نوع خاص از معامله به شکل عمیقی بر دیتای مالی و ابزار الکترونیکی با فرکانس بالا تکیه دارد.به کمک این این قضیه هیچگاه پایانی بر افزایش سرعت ماشین های معامله گر وجود ندارد. در ابتدا میتوان به کمک بهبود ساختار کد زده شده و در مراحل بعدی به کمک ابزار سخت افزاری که مثلا بر روی GPU اجرا شود و یا بر روی FPGA میتوان این ساختار را بهبود داد که صد البته به برنامه نویس و توسعه برنامه نویس نیز مرتبط می باشد.یکی دیگر از روشهایی که برای افزایش سرعت در صندوق های پوشش ریسک و یا موسسات مالی استفاده میشود نیز بیشتر کردن سرعت ارتباط بین سرور ها و محل های معامله گری میباشد.یک مثال معروف در این زمینه میتوان به سرور های فیبر نوری که در شیکاگو در حال معامله بر روی NASDAQ در نیوجرسی در سال 2010 بودند که ارزش کلی آنها حدودا 300 میلیون دلار بود. این کابل قادر بود که اطلاعات را در این فاصله 800 مایلی در 6.5 میلی ثانیه انتقال بدهد که این رقم در حقیقت برابر با سرعت به ازای هر 125000 مایل در ثانیه بود.برای تطبیق با معامله گرانی که نیاز به معامله های سریع تر دارند نیاز است محلهایی که برای معامله استفاده میشود در آنها سرورهایی تعبیه شود که به آنها نزدیک باشد و سرعت معامله بالاتر باشد.خلاصهدر این مقاله ما به بررسی ایده اصلی معاملات الگوریتمی پرداختیم و سپس در مورد بیشترین مشوق های توسعه این کار پرداختیم و در نهایت به بررسی برخی از چالش های آن پرداختیم.مقاله اصلی: A brief introduction to algorithmic tradingمترجم: محمدامین مرتضایی- گروه مالی صدرا محمدامین مرتضایی | Amin Mortezaie محمدامین مرتضایی | Amin Mortezaie Mon, 07 Sep 2020 13:39:44 +0430