سری آموزش ویدئویی مبانی معاملات الگوریتمی تلاش می‌کند با نقد روش‌های سنتی طراحی استراتژی، مباحثی را در زمینه معاملات الگوریتمی به مخاطبان عرضه کند که کاملا تازه و منحصر به فرد هستند.
در این مجموعه، مهندس مهدی صفایی ضمن بررسی دلایل عدم موفقیت اکثر معامله‌گران، به معرفی تکنیک‌ها و نرم‌افزارهای تخصصی هوش مصنوعی در زمینه طراحی و تست پیشرفته استراتژی‌های معاملاتی می‌پردازد.
مقدمه ای از آموزش ویدیویی معاملات الگوریتمی
دلایل شکست معامله‌گران در معاملات الگوریتمی
دلایل شکست معامله‌گران – اکتفا کردن صرف به تحلیل‌های سنتی، دیر یا زود به شکست معامله‌گران و زیان آنان خواهد انجامید. در این ویدئوی آموزشی، دلایل ناکارآمدی روش‌های تحلیلی سنتی مطرح میشوند.
• آموزش ناکافی
آموزش‌های مرتبط با تحلیل و معامله‌گری در بازارهای سرمایه در ایران به شدت سنتی هستند. در نتیجه، افراد پس از دریافت آموزش‌های ناقص و ناکافی، وارد بازار میشوند و عمدتا با زیان از بازار خارج میشوند.
• ناکارآمدی تحلیل تکنیکال
چالش اساسی تحلیل تکنیکال، یکی از فرض‌های بنیادین آن، یعنی تکرار تاریخ است. بر خلاف این فرض، بازار گذشته خود را همواره تکرار نمی‌کند. همین امر، طراحی استراتژی کارآمد و قابل اتکا را بر اساس گذشته نمودار، با چالش جدی مواجه می‌سازد.
• ناکارآمدی تحلیل بنیادی و روانشناسی معاملات
تحلیل‌های بنیادی و روانشناسی معاملات، کیفی هستند. در نتیجه توانایی شناسایی نقاط ورود و خروج و در نتیجه طراحی استراتژی معاملاتی را ندارند.
• تاثیرات روانی بر معاملات
ذهن و معاملات، در فرایندی دو طرفه بر یک دیگر تاثیر می‌گذارند. یک معامله‌گر با عادات نادرست معاملاتی نمی‌تواند نتیجه مثبتی از معاملات خود بگیرد. از سوی دیگر، وقوع چند معامله سودده یا زیان‌ده پیاپی، ذهن و روان معامله‌گر را در هم ریخته و مانع از تمرکز او بر سیستم معاملاتی‌اش می‌شود.
آشفتگی بازار و مدیریت ریسک
یکی از مسائلی که فعالان بازارهای سرمایه باید آن را به درستی درک کنند، آشفتگی بازار (Chaos کامل بازار) و مبحث مدیریت ریسک است. معامله‌گران سال‌ها وقت صرف می‌کنند تا بتوانند رابطه‌ای را کشف کنند که نشان دهد روند حرکت بازار چگونه است. این در حالی است که بازار، از هیچ رابطه مشخصی پیروی نمی‌کند.
مدیریت ریسک
یکی از اشتباهات رایج معامله‌گران، عدم توجه به مبحث مدیریت ریسک است. همان گونه که در این ویدئو نمایش داده می‌شود، عدم توجه به میزان ریسک و مدیریت سرمایه در یک بازار با ریسک ۵۰-۵۰ نهایتا منجر به صفر شدن حساب معاملاتی می‌شود.
از این رو، می‌بایست به مبحث مدیریت ریسک و نگه داشتن ریسک معاملات خود در حد ۱ تا ۲ درصد و یا نهایتا ۵ درصد پایبند باشید.
در صورت تمایل می‌توانید با مراجعه به صفحه مدیریت ریسک، از این ابزار استفاده کرده و احتمال صفر شدن حساب خود را بر حسب میزان ریسک، محاسبه کنید.
طراحی دستی استراتژی معاملاتی
یکی از روش‌های طراحی استراتژی معاملاتی ، طراحی دستی است. به این ترتیب که تحلیل‌گر، با مرور گذشته قیمت و بررسی ترکیب‌های مختلفی از اندیکاتورها و الگوهای شمعی و قیمتی، تلاش می‌کند محدوده‌های مناسب خرید و فروش را شناسایی کرده و بر اساس آن‌ها، به یک سیستم معاملاتی برسد.
استفاده از برنامه متاتریدر به عنوان یکی از متداول‌ترین ابزارهای تحلیل و معامله‌گری، مشکلاتی در این زمینه به همراه دارد. از جمله این مشکلات می‌توان به وجود و نمایش حرکت آینده قیمت، خطا در تشخیص سیگنال اندیکاتورها، عدم شبیه‌سازی گذشته بازار و… اشاره کرد.
در این ویدئوی آموزشی، مختصرا به قابلیت‌های نرم افزار بورس تستر پرداخته می‌شود. نرم‌افزار بورس‌تستر یک شبیه‌سازی قوی گذشته بازار است و به شما این امکان را میدهد تا به نزدیک‌ترین حالت ممکن، گذشته بازار را شبیه‌سازی کرده و تجربه‌ای بسیار نزدیک به شرایط تحلیل و معامله‌گری در بازار واقعی را به دست بیاورید.
در قیاس با متاتریدر، بورس‌تستر نرم‌افزاری به مراتب قدرت‌مندتر برای طراحی دستی استراتژی‌های معاملاتی به شمار می‌رود.
دلایل عدم کارایی استراتژی‌های معاملاتی
پس از طراحی هر استراتژی معاملاتی ضرورت دارد که آن استراتژی را روی گذشته بازار مورد آزمون یا بک تست قرار دهیم. اولین انتظار ما از یک استراتژی معاملاتی سودده، کسب سود مناسب توسط آن استراتژی در گذشته بازار است.
اما مساله اینجاست که سودده بودن یک استراتژی معاملاتی در گذشته بازار به معنای سودده بودن آن در آینده نخواهد بود. اینجاست که دانش و تخصص انجام بک تست و تست استحکام اهمیت پیدا می‌کند.
• ایراد در طراحی استراتژی معاملاتی
ایراد در طراحی استراتژی معاملاتی می‌تواند در سطوح مختلف و به دلایل مختلف رخ دهد. به عنوان مثلا، اگر کسی بر اساس اعداد رند بخواهد روی نمودارهای تعدیل‌شده برای نمادهای بورس اوراق بهادار تهران استراتژی معاملاتی پیدا کند، دچار خطا در طراحی استراتژی شده است.
زیرا قیمت‌های واقعی در گذشته، با آنچه در نمودار تعدیل شده دیده می‌شود تفاوت دارد. خطای دیگر می‌تواند شناسایی نادرست سیگنال‌های معاملاتی باشد. به عنوان مثلا در جایی که هنوز میانگین‌های متحرک از هم عبور نکرده‌اند، بر اثر خطای دید، سیگنال معاملاتی استنباط شود.
• ایراد در استحکام استراتژی
اساسا به استناد سودده بودن یک استراتژی معاملاتی در گذشته بازار نمی‌توان حکم به سودده بودن آن در آینده داد. برای بررسی این مساله، نیازمند انجام تست استحکام هستیم.
در تست استحکام، با اعمال تغییرات در پارامترهای استراتژی و در قیمت و مشخصات گذشته بازار، استراتژی را پیش از مواجه شدن با شرایط دشوار، با شرایط مشابه آن مواجه می‌کنیم تا از سودده ماندن آن اطمینان بیشتری حاصل کنیم.
• ایراد در بک‌تست استراتژی معاملاتی
پارامترهایی در انجام بک تست وجود دارند که عدم توجه به آن‌ها، نتایج غیر کاربردی برای ما به ارمغان خواهد آورد. به عنوان مثال، آن گونه که در ویدئو مورد بحث قرار گرفته است، تست‌های بسیاری در متاتریدر وجود دارند که در مدلینگ با کیفیت ۹۰ درصد، یک نمودار سوددهی عالی را به نمایش می‌گذارند در حالی که در تست با مدلینگ دقیق کاملا زیان‌ده ظاهر میشوند.
طراحی استراتژی با هوش مصنوعی
شاخص های مهم بک تست
این شاخص ها نتایج تست آماری استراتژی را نمایش میدهند.
گزینه هایی مثل نرخ سود به زیان – حداکثر زیان – نرخ شارپ و موارد دیگر که هر کدام یک فرمولی دارند و بر اساس یک سیستمی محاسبه میشوند و این شاخص ها به شما نشان میدهد که نتایج استراتژی از لحاظ سودآوری و ریسک یعنی بیشتر مبتنی بر این هستند که میزان سود استراتژی و میزان ریسک این استراتژی برای بدست آوردن آن سود در نظر گرفته را به شما نشان بدهند.
همینطور نشان بدهند که در طول زمان که نحوه عملکرد این استراتژی به چه صورت بوده است. در واقع گیج هایی هستند که به ما میگویند که این استراتژی نسبت به استراتژی دیگر چه قابلیت ها و چه نقطه ضعف هایی دارد. دانستن این شاخص ها به نحو صحیح بسیار مهم است.
سبد استراتژی در معاملات الگوریتمی
الگوریتم‌های هوش مصنوعی
از میان الگوریتم های هوش مصنوعی که در معاملات به کار می‌روند دو الگوریتم اصلی است که بیشتر مورد استفاده قرار می‌گیرد: که یکی از آن‌ها الگوریتم تصادفی (رندم) است و دیگری الگوریتم ژنتیک (وراثتی).
الگوریتم تصادفی
در ارتباط با الگوریتم تصادفی، باید این توضیح را خدمتتان ارائه کرد که این الگوریتم یک استخر (Pull) را از اندیکاتورها، اسیلاتورها، پرایس اکشن‌ها، کندل استیک‌ها و دیگر گزینه‌های تکنیکال و روابط منطقی که بین آن‌ها است را در نظر می‌گیرد.
با توجه به اینکه روابط منطقی درست را باید در آن‌ها لحاظ کند باید نتیجه‌گیری‌هایی را دارا باشد که بر اساس آن میزان سود ما و نتایجی که میخواهیم را نشان دهد تا متوجه شویم که استراتژی می‌تواند در آن شرایط خواسته شده عمل کند. بنابراین، کامپیوتر حالات مختلفی را از ترکیب اندیکاتورها، اسیلاتورها و موارد تکنیکال دیگر را به صورت منطقی باهم در نظر می‌گیرد و آن‌ها را باهم مخلوط می‌کند تا به یک استراتژی می‌رسد
اگر آن استراتژی شرایط خواسته شده ما را از لحاظ سود آوری و ریسک کم داشت آن را جزءاستراتژی‌های دلخواه ما قرار میدهد و اگر آن شرایط را نداشت از آن استراتژی صرف نظر می‌کند و یک ترکیب تصادفی دیگر را ایجاد می‌کند و همینطور این کار را ادامه میدهد و می‌تواند در زمان بسیار کمی میلیاردها حالت مختلف را چک کند. ترکیب‌های خاصی که از این طریق بوجود می‌آید شاید هیچ وقت به مغز کسی خطور نکند که یک همچین ترکیبی می‌توانست در استراتژی‌ها استفاده کند و در بازار سرمایه به کار برد.
این قابلیت و قدرت بسیار بالایی در طراحی استراتژی در بازارهای مالی به ما میدهد.
الگوریتم ژنتیک
همانطور که عرض کردیم، الگوریتم دیگری که وجود دارد الگوریتم ژنتیک است.
این الگوریتم در ابتدای کار، بر اساس الگوریتم رندم یک تعدادی استراتژی ایجاد می‌کند و آن را به عنوان جمعیت در نظر می‌گیرد و بعد با ترکیب ضربدری از این استراتژی‌ها، استراتژی‌های جدیدی ایجاد می‌کند که به صورت پدر و فرزندی عمل می‌کنند.
ترکیباتی که به صورت پدر و فرزندی به وجود می‌آیند اگر خاصیت بهتری از والدین خود داشته باشند استراتژی‌های والد را کنار گذاشته و استراتژی‌های فرزند را که بهتر هستند در نظر می‌گیرد و همینطور این‌ها را با استراتژی‌ها دیگر ترکیب می‌کند و ترکیب میلیاردها حالت مختلف را به همین صورت شاخه‌ای ادامه میدهد و هربار استراتژی‌های بهتر را با استراتژی‌های دیگر ترکیب می‌کند تا به یک نتیجه خیلی خوب برسد.
این سیستمی است که طبیعت عمل می‌کند و در واقع رفتار ژنتیک برای رسیدن به ژن‌های بهتر به همین صورت است.
