Algoritma adalah kumpulan spesifik instruksi yang didefinisikan dengan jelas yang bertujuan untuk melaksanakan tugas atau proses.

Perdagangan algoritma (perdagangan otomatis, perdagangan kotak hitam, atau perdagangan algo-trading) adalah proses penggunaan komputer yang diprogram untuk mengikuti serangkaian instruksi yang ditetapkan untuk menempatkan perdagangan agar menghasilkan keuntungan pada kecepatan dan frekuensi yang tidak mungkin bagi seorang pedagang manusia Kumpulan aturan yang ditetapkan didasarkan pada waktu, harga, kuantitas atau model matematis manapun. Terlepas dari peluang keuntungan bagi trader, algo-trading membuat pasar lebih likuid dan membuat perdagangan lebih sistematis dengan mengesampingkan dampak emosional manusia pada aktivitas perdagangan. (Untuk informasi lebih lanjut, lihat Memilih Perangkat Lunak Algoritma yang Tepat .)

Misalkan seorang trader mengikuti kriteria perdagangan sederhana ini:

• Beli 50 saham suatu saham ketika rata-rata pergerakan 50 hari di atas rata-rata pergerakan 200 hari
• Jual saham ketika rata-rata pergerakan 50 hari berjalan di bawah rata-rata pergerakan 200 hari

Dengan menggunakan dua instruksi sederhana ini, mudah untuk menulis program komputer yang secara otomatis akan memantau harga saham (dan indikator rata-rata bergerak) dan tempat pesanan beli dan jual saat kondisi pasti terpenuhi. Pedagang tidak perlu lagi berjaga-jaga untuk harga langsung dan grafik, atau dimasukkan ke dalam pesanan secara manual. Sistem perdagangan algoritmik secara otomatis melakukannya untuknya, dengan mengidentifikasi peluang trading dengan benar. (Untuk lebih lanjut tentang moving averages, lihat Simple Moving Averages Membuat Trends Stand Out .)

[Jika Anda ingin mempelajari lebih lanjut tentang strategi yang terbukti dan tepat sasaran yang pada akhirnya dapat bekerja dalam sistem perdagangan alorithmik, lihatlah kursus Pakar Perdagangan Jadi Investama Akademi Forex.]

Manfaat dari Perdagangan Algoritma

Algo-trading memberikan keuntungan sebagai berikut:

• Perdagangan dieksekusi pada harga terbaik
• Penempatan order perdagangan instan dan akurat (sehingga kemungkinan eksekusi yang tinggi pada tingkat yang diinginkan)
• Perdagangan berjangka waktu dengan benar dan seketika , untuk menghindari perubahan harga yang signifikan
• Mengurangi biaya transaksi (lihat contoh penerapan di bawah ini)
• Pemeriksaan otomatis simultan pada beberapa kondisi pasar
• Mengurangi risiko kesalahan manual dalam menempatkan perdagangan
• Backtest algoritma, berdasarkan pada data historis dan real time yang ada
• Mengurangi kemungkinan kesalahan oleh pedagang manusia berdasarkan faktor emosional dan psikologis

Bagian terbesar dari perdagangan algo hari ini adalah perdagangan frekuensi tinggi (HFT), yang mencoba memanfaatkan sejumlah besar pesanan pada kecepatan yang sangat cepat di beberapa pasar dan beberapa parameter keputusan, berdasarkan pada instruksi yang telah diprogram.(Untuk informasi lebih lanjut tentang perdagangan frekuensi tinggi, lihat

Strategi dan Rahasia Perdagangan Frekuensi Tinggi (HFT) . Algo-trading digunakan dalam berbagai bentuk aktivitas perdagangan dan investasi, termasuk:

Investor jangka menengah hingga jangka panjang atau pihak buy side (dana pensiun, reksadana, perusahaan asuransi) yang membeli saham dalam jumlah banyak namun tidak ingin mempengaruhi harga saham dengan investasi besar dan volume.

• Pedagang berjangka pendek dan peserta sell side (pembuat pasar, spekulan, dan arbitrase) mendapat keuntungan dari pelaksanaan perdagangan otomatis; Selain itu, algo-trading membantu dalam menciptakan likuiditas yang cukup bagi penjual di pasar.
• Pedagang sistematis (pengikut tren, pedagang pasang, hedge fund, dll.) Merasa jauh lebih efisien dalam memprogram peraturan perdagangan mereka dan membiarkan program tersebut berjalan secara otomatis.
• Perdagangan algoritma menyediakan pendekatan yang lebih sistematis terhadap perdagangan aktif daripada metode yang didasarkan pada intuisi atau naluri trader manusia.

Strategi Perdagangan Algoritma

Setiap strategi untuk perdagangan algoritmik memerlukan peluang teridentifikasi yang menguntungkan dalam hal peningkatan pendapatan atau pengurangan biaya. Berikut adalah strategi perdagangan umum yang digunakan dalam perdagangan algo:

Strategi Mengikuti Tren:

• Strategi perdagangan algoritmik yang paling umum mengikuti tren pergerakan rata-rata, terobosan saluran, pergerakan tingkat harga dan indikator teknis terkait. Ini adalah strategi termudah dan termudah untuk diterapkan melalui perdagangan algoritmik karena strategi ini tidak melibatkan prediksi atau perkiraan harga. Perdagangan dimulai berdasarkan kemunculan tren yang diinginkan, yang mudah dan mudah diterapkan melalui algoritme tanpa masuk ke kompleksitas analisis prediktif. Contoh yang disebutkan di atas tentang rata-rata pergerakan 50 dan 200 hari adalah tren yang populer mengikuti strategi. (Untuk informasi lebih lanjut tentang strategi perdagangan tren, lihat:

Strategi Sederhana untuk Memanfaatkan Tren . Peluang Arbitrase:

• Membeli saham terdaftar ganda dengan harga lebih rendah di satu pasar dan sekaligus menjualnya di harga yang lebih tinggi di pasar lain menawarkan perbedaan harga sebagai keuntungan bebas risiko atau arbitrase. Operasi yang sama dapat direplikasi untuk instrumen saham versus futures, karena perbedaan harga memang ada dari waktu ke waktu. Menerapkan algoritma untuk mengidentifikasi perbedaan harga tersebut dan menempatkan pesanan memungkinkan peluang menguntungkan secara efisien.

Index Fund Rebalancing

• : Indeks dana telah menetapkan jangka waktu penyeimbangan untuk membawa kepemilikan mereka ke nilai nominal dengan indeks benchmark masing-masing. Hal ini menciptakan peluang menguntungkan bagi pedagang algoritmik, yang memanfaatkan perdagangan yang diharapkan yang menawarkan keuntungan 20-80 basis poin bergantung pada jumlah saham dalam dana indeks, sebelum penyeimbangan dana indeks. Perdagangan semacam itu dimulai melalui sistem perdagangan algoritmik untuk eksekusi tepat waktu dan harga terbaik.

Model Matematika Berdasarkan Strategi:

• Banyak model matematis yang telah terbukti, seperti strategi perdagangan delta-netral, yang memungkinkan perdagangan kombinasi pilihan dan keamanan mendasarnya, di mana perdagangan ditempatkan untuk mengimbangi delta positif dan negatif sehingga delta portofolio dipertahankan pada nol.

Rentang Perdagangan (Mean Reversion):

• Strategi pengembalian rata-rata didasarkan pada gagasan bahwa harga aset tinggi dan rendah merupakan fenomena sementara yang kembali ke nilai rata-rata mereka secara berkala. Mengidentifikasi dan menentukan kisaran harga dan menerapkan algoritma berdasarkan pada yang memungkinkan perdagangan ditempatkan secara otomatis saat harga aset masuk dan keluar dari kisaran yang ditentukan.

Volume Weighted Average Price (VWAP):

• Strategi harga rata-rata tertimbang volume memecah pesanan besar dan melepaskan potongan pesanan yang ditentukan secara dinamis dari pesanan ke pasar dengan menggunakan profil volume historis tertentu. Tujuannya adalah untuk melaksanakan order mendekati Volume Weighted Average Price (VWAP), sehingga menguntungkan pada harga rata-rata.

Harga Rata-rata Tertimbang Waktu (TWAP):

• Strategi harga rata-rata tertimbang waktu memecah pesanan besar dan melepaskan potongan pesanan yang ditentukan secara dinamis dari pesanan ke pasar dengan menggunakan slot waktu yang dibagi rata antara waktu mulai dan akhir. Tujuannya adalah untuk melaksanakan perintah mendekati harga rata-rata antara waktu mulai dan akhir, sehingga meminimalkan dampak pasar.

Persentase Volume (POV):

• Sampai pesanan perdagangan terisi penuh, algoritma ini terus mengirimkan sebagian pesanan, sesuai dengan rasio partisipasi yang ditentukan dan sesuai dengan volume yang diperdagangkan di pasar. "Strategi langkah" terkait mengirimkan pesanan pada persentase volume pasar yang ditentukan pengguna dan meningkatkan atau menurunkan tingkat partisipasi ini saat harga saham mencapai tingkat yang ditentukan pengguna.

Implementasi Shortfall:

• Strategi pelemahan implementasi bertujuan untuk meminimalkan biaya eksekusi suatu pesanan dengan melakukan perdagangan dari pasar real-time, sehingga menghemat biaya pesanan dan mendapatkan keuntungan dari biaya peluang eksekusi yang tertunda. Strategi ini akan meningkatkan tingkat partisipasi yang ditargetkan ketika harga saham bergerak dengan baik dan menurunkannya ketika harga saham bergerak negatif.

Di luar Algoritma Perdagangan Biasa:

• Ada beberapa kelas algoritma khusus yang mencoba mengidentifikasi "kejadian" di sisi lain. "Algoritma sniffing" ini, yang digunakan, misalnya, oleh pembuat pasar sell side memiliki kecerdasan bawaan untuk mengidentifikasi adanya algoritma pada sisi pembelian dengan pesanan besar. Deteksi semacam itu melalui algoritma akan membantu pembuat pasar mengidentifikasi peluang ketertiban besar dan memungkinkannya mendapatkan keuntungan dengan memenuhi pesanan dengan harga lebih tinggi. Hal ini terkadang diidentifikasikan sebagai front-running berteknologi tinggi. (Untuk informasi lebih lanjut tentang praktik perdagangan dan penipuan frekuensi tinggi, lihat:

Jika Anda Membeli Saham Secara Online, Anda Terlibat dalam HFT .) Persyaratan Teknis untuk Perdagangan Algorithm

Menerapkan algoritma menggunakan komputer Program adalah bagian terakhir, dipukuli dengan backtesting. Tantangannya adalah mengubah strategi yang teridentifikasi menjadi proses terkomputerisasi terpadu yang memiliki akses ke akun trading untuk menempatkan pesanan. Berikut adalah kebutuhan:

Pengetahuan pemrograman komputer untuk memprogram strategi perdagangan yang dibutuhkan, pemrogram yang dipekerjakan atau perangkat lunak perdagangan yang telah dibuat sebelumnya

• Konektivitas jaringan dan akses ke platform perdagangan untuk menempatkan pesanan
• Akses ke umpan data pasar yang akan dipantau oleh algoritma untuk kesempatan untuk memesan
• Kemampuan dan infrastruktur untuk mendukung sistem yang telah dibangun sebelumnya sebelum diluncurkan di pasar riil
• Data historis yang ada untuk backtesting, tergantung pada kompleksitas peraturan yang diterapkan dalam algoritma < Berikut adalah contoh yang komprehensif: Royal Dutch Shell (RDS) terdaftar di Amsterdam Stock Exchange (AEX) dan London Stock Exchange (LSE).Mari kita membangun sebuah algoritma untuk mengidentifikasi peluang arbitrase. Berikut adalah beberapa pengamatan menarik:
• Perdagangan AEX dalam Euro, sementara perdagangan LSE di Sterling Pounds

Karena perbedaan waktu satu jam, AEX dibuka satu jam lebih awal dari LSE, diikuti oleh perdagangan bursa secara simultan selama beberapa jam berikutnya dan lalu berdagang hanya di LSE selama satu jam terakhir saat AEX tutup

• Bisakah kita menjajaki kemungkinan perdagangan arbitrase pada saham Royal Dutch Shell yang terdaftar di dua pasar ini dalam dua mata uang yang berbeda?
• Persyaratan:

Program komputer yang dapat membaca harga pasar saat ini

Harga umpan dari LSE dan AEX

• Angka tukar valas untuk nilai tukar GBP-EUR
• Kemampuan penempatan pesanan yang dapat mengarahkan Agar benar pertukaran
• Kemampuan pengujian ulang pada umpan harga historis
• Program komputer harus melakukan hal berikut:
• Baca umpan harga yang masuk dari saham RDS dari kedua bursa

Dengan menggunakan nilai tukar mata uang asing yang tersedia , mengonversi harga satu mata uang ke mata uang lain

• Jika ada selisih harga yang cukup besar (dengan mendiskontokan biaya perantara) yang mengarah ke peluang yang menguntungkan, maka letakkan pesanan pembelian di bursa dengan harga lebih rendah dan pesan jual pada pertukaran dengan harga lebih tinggi > Jika perintah dieksekusi sesuai keinginan, keuntungan arbitrase akan mengikuti
• Sederhana dan mudah! Namun, praktik perdagangan algoritmik tidak sesederhana itu untuk dipelihara dan dijalankan. Ingat, jika Anda bisa menempatkan perdagangan yang dihasilkan secara algo, demikian juga para pelaku pasar lainnya. Akibatnya, harga berfluktuasi dalam milenium dan bahkan mikrodetik. Dalam contoh di atas, apa yang terjadi jika perdagangan beli Anda dijalankan, tapi menjual perdagangan bukan karena harga jual berubah pada saat pesanan Anda menyentuh pasar? Anda akan akhirnya duduk dengan posisi terbuka, membuat strategi arbitrase Anda tidak berharga.
• Ada risiko dan tantangan tambahan: misalnya, risiko kegagalan sistem, kesalahan konektivitas jaringan, selisih waktu antara pesanan perdagangan dan eksekusi, dan yang terpenting dari semua algoritma yang tidak sempurna. Algoritma yang lebih kompleks, backtesting yang lebih ketat diperlukan sebelum dilakukan.
• Garis Bawah

Analisis kuantitatif kinerja algoritma memainkan peran penting dan harus diperiksa secara kritis. Sangat menarik untuk mencari otomasi yang dibantu oleh komputer dengan gagasan menghasilkan uang dengan mudah. Tapi kita harus memastikan sistem diuji secara menyeluruh dan batas yang dibutuhkan ditetapkan. Analitik pedagang harus mempertimbangkan belajar pemrograman dan membangun sistem mereka sendiri, untuk percaya diri tentang menerapkan strategi yang tepat dengan cara yang sangat mudah. Penggunaan hati-hati dan pengujian menyeluruh terhadap algo-trading dapat menciptakan peluang yang menguntungkan. (Untuk informasi lebih lanjut, lihat Bagaimana Mengenal Robot Algo Trading Anda Sendiri)