Wśród traderów detalicznych, algo trading przeważnie oznacza wykorzystanie prostych robotów, pisanych w języku MQL na popularnego Metatradera. Handel algorytmiczny to jednak temat dużo bardziej rozległy, a marzenie o zarabianiu dzięki automatom, najczęściej jest trudne do realizacji. Dlaczego?
Algo Trading i automatyzacja Market Makingu
Handel algorytmiczny zastępuje człowieka systemem decyzyjnym, w którym komputer egzekwuje wcześniej zaprogramowane instrukcje. Te mogą być spisane we właściwie dowolnym języku, zaczynając od MQL, aż po „klasyczne” kody, jak Python, C++ czy Java.
Automatyzacja na giełdach zaczyna się już od Market Makingu. To tzw. strategia delta zero, zakładająca brak dłuższej ekspozycji na ryzyko wynikające z wahań cen w którymkolwiek kierunku.
Robot ustawia zlecenia po stronach BID i ASK jednocześnie – tak jak na poniższym, prostym schemacie.
W ten sposób umożliwia uczestnikom aktywnym zawieranie transakcji po cenach rynkowych, za co pobiera „opłatę” w postaci spreadu. Aktywa odkupione od jednych traderów, w ciągu ułamków sekund zostają odsprzedane innym. Ze względu na ilość transakcji zawieranych przez takie roboty, handel tego typu nazywa się też Market Makingiem HFT, od High Frequency Trading (handel wysokiej częstotliwości).
W skali makro największym plusem automatyzacji Market Makingu jest fakt, iż algorytmy tworzące rynek konkurują ze sobą. To z kolei przekłada się na wyższą efektywność w dystrybucji płynności i większą stabilność instrumentu.
Handel algorytmiczny wykorzystujący przewagi statystyczne
Kolejna grupa robotów to ta, która nie tworzy rynku, a stara się zarobić na wahaniach cenowych.
Często przy budowie takich programów uczestniczą analitycy ilościowi, określani jako „Quants”. To ludzie oryginalnie związani ze środowiskiem nauk ścisłych, których praca polega na poszukiwaniu przewag statystycznych.
Przewagą może być tu teoretycznie wszystko. Na przykład:
- Kombinacja wskaźników, która w przeszłości wysyłała sygnały pozwalające na budowę zyskownej strategii.
- Gra przeciwko ekstremalnym wahaniom. Np. Zaliczającym się do minimum trzeciego odchylenia standardowego w rozkładzie normalnym
- Formacja cenowa/świecowa
- Model ekonometryczny
Na drodze przeciętnego śmiertelnika do wdrożenia zaawansowanego algo tradingu stoi przede wszystkim bariera technologiczna. Budowa modelu statystycznego i oparcie o niego systemu decyzyjnego automatu jest możliwa, gdy trader ma odpowiednią wiedzę dziedzinową. Niemniej, Market Making wymaga też odpowiedniej infrastruktury i na tyle szybkiego połączenia z giełdą, że jedynym rozwiązaniem jest tu lokalizacja serwerów jak najbliżej niej.
Zarabianie w ten sposób jest grą, w której często liczą się ułamki sekund i opóźnienie może słono kosztować właściciela algorytmu.
Amatorski handel algorytmiczny z wykorzystaniem wskaźników technicznych
Dla tradera detalicznego podstawową korzyścią, którą oferuje trading algorytmiczny, jest eliminacja samodzielnego podejmowania decyzji. To oznacza wyłączenie z równania psychologii, z którą problem ma większość początkujących. Rola nastawienia mentalnego w tradingu jest jednak niestety przeceniana i prosty robot nie będzie w stanie magicznie generować zysków na rachunku. Przeszkodą jest opóźnienie wskaźników technicznych, które czyni przewagę niezwykle trudną do osiągnięcia. Dodatkowy problem stanowią zmieniające się warunki rynkowe, do których automat, czyli przeważnie – Expert Advisor pisany w języku MQL, nie będzie w stanie się zaadaptować.
Jeśli mimo wszystko podejmiemy próbę budowy takiego systemu, może on wyglądać mniej-więcej tak, jak poniżej.
Wykorzystujemy trzy wskaźniki techniczne:
- Linię bazową
- Wskaźnik wolumenu
- Wskaźnik zmienności ATR
Dla każdego z nich zaprogramujemy warunek. Jednocześnie, robot, by zawrzeć transakcję, będzie potrzebował spełnienia warunków dla wszystkich wskaźników.
Warunek 1
Pozycja długa może zostać otwarta tylko, gdy cena znajduje się powyżej linii bazowej
Pozycja krótka może zostać otwarta tylko, gdy cena znajdzie się poniżej linii bazowej
Warunek 2
Pozycja może zostać otwarta tylko wówczas, gdy ostatni zarejestrowany wolumen był wyższy niż średni wolumen ostatnich X świec
Warunek 3
Zlecenie zabezpieczające (stop loss) ma zostać ustawione w odległości 4 x ATR od ceny zawarcia transakcji. Tak samo będzie w przypadku zlecenia Take Profit, co da nam RRR = 1:1
Przykład prostego systemu algorytmicznego
W przykładzie, jako linię bazową wykorzystaliśmy Kijun-Sen (ustawienie: 52) z systemu Ichimoku. Wskaźnikiem wolumenu jest z kolei Volume Flow. Na poniższym obrazku widać przykładową transakcję, którą zawarłby taki robot.
W punkcie niebieskim cena przecina linię bazową w górę, przy wyższym niż przeciętny, wolumenie. Zlecenie stop loss zostaje ustawione w odległości 4 x ATR – tak samo, jak zlecenie take profit. To daje nam RRR w wysokości 1:1.
W tym przypadku, operacja praktycznie nie przyniosła żadnego zysku, ponieważ cena nie zdołała sięgnąć naszego zlecenia TP. Następnie, na wyższym wolumenie przecięła Kijun-Sen w dół, co jest sygnałem spadkowym, czyli tutaj – sygnałem do zamknięcia istniejącej pozycji długiej.
Algo Trading a Price Action
Jak widać, z jednej strony, trading algorytmiczny kusi, ze względu na eliminację psychologii z równania. Z drugiej, w realiach detalicznych, cierpi na opóźnienie i prymitywizm wskaźników technicznych. Na szczęście, na rynku znajdziemy wiele niestandardowych narzędzi, które pozwalają na włączenie do systemu tych technik, które dotychczas były uważane za zbyt subiektywne, by można było je zautomatyzować – jak Price Action.
Poniżej widzisz przykład kilku transakcji zawartych na podstawie stref popytu/podaży. Linia bazowa Kijun-Sen pełniła tutaj funkcję filtra, pozwalając na otwarcie pozycji krótkich tylko poniżej, a długich – powyżej niej.
Wszystkie wymagały jednak manualnego rozpoznania stref. Kiedy na wykresie pojawia się wskaźnik, który określa je automatycznie, popularne „popyt/podaż” mogą stać się częścią systemu decyzyjnego algorytmu.
Ma to ogromne plusy właśnie ze względu na eliminację czynnika psychologicznego, ponieważ taki handel zakłada „ciasny” stop loss, ustawiany powyżej/poniżej strefy, przy wysokim RRR.
Trader egzekwujący takie wejścia ręcznie, może niepotrzebnie poszerzać stop loss, ograniczając RRR i zamykać transakcje z zyskiem zbyt wcześnie.
Wady i zalety automatyzacji strategii handlowej
Zalety:
- Szybkość realizacji transakcji: Wykorzystanie algorytmów pozwala na analizę dużych ilości danych w ciągu ułamków sekund i natychmiastową realizację zleceń.
- Ograniczenie wpływu ludzkich emocji na trading,
- Oparcie strategii o zbiór logicznych zasad, co sprawia, że transakcje zawierane są na podstawie obiektywnych przesłanek.
- Dywersyfikacja: algorytm może monitorować wiele rynków jednocześnie i w czasie rzeczywistym znajdować okazje handlowe, które są niedostrzegalne dla człowieka.
Wady:
- Wymogi technologiczne: jeśli podłączasz do rynku pewien algorytm, musisz mieć świadomość, że będzie on konkurował z innymi algorytmami. Szybszymi i bardziej zaawansowanymi technologicznie. Wysoka konkurencyjność zwiększa efektywność rynku, ale narzuca też ogromne wymogi na właścicieli algorytmów, którzy są zmuszeni do nieustannego monitorowania trendów i modernizacji rozwiązań, z których korzystają. W rzeczywistości, przeciętny trader detaliczny starający się konkurować ze swoim algorytmem z największymi funduszami, jest jak kierowca rajdowy, próbujący wygrać wyścig 24h Le Mans w Fiacie 126P.
- Koszt: jeśli interesujesz się handlem algorytmicznym i nie jesteś programistą, musisz albo chcieć nim zostać, albo być gotowym do zatrudnienia kogoś, kto zamieni Twoją strategię w kod. To z kolei oznacza dodatkowe koszty, które często są na tyle zaporowe, że czynią marzenie o algo tradingu bardzo trudnym do realizacji.
Zanim wdrożysz algo trading, miej pewność, że rozumiesz rynek
Często, handel algorytmiczny reklamowany jest jako droga na skróty, która pozwoli początkującym przeskoczyć kilka poziomów i zarabiać zdecydowanie szybciej. Rzeczywistość jest mniej interesująca i żeby zautomatyzować strategię, najpierw musisz ją mieć, a tym samym – dogłębnie rozumieć rynek. Uważaj także na płatne automaty, reklamowane historią handlu. Bardzo często zarabiają one tylko dlatego, że uśredniają straty lub stosują martyngał,. Taki styl zarządzania ryzykiem prędzej czy później doprowadzi do wyczyszczenia rachunku.
Kontrakty CFD są złożonymi instrumentami i wiążą się z dużym ryzykiem szybkiej utraty środków pieniężnych z powodu dźwigni finansowej. 74% rachunków inwestorów detalicznych odnotowuje straty pieniężne w wyniku handlu kontraktami CFD u niniejszego dostawcy CFD (XTB). Zastanów się, czy rozumiesz, jak działają kontrakty CFD i czy możesz pozwolić sobie na wysokie ryzyko utraty pieniędzy.
Inwestowanie jest ryzykowne. Inwestuj odpowiedzialnie.
Powiązane wpisy:
Platforma Algorand (ALGO): kierunki rozwoju, prognozy i wyzwania 
Czym jest Social Trading (Handel Społecznościowy)? 
News trading (handel na danych) – na czym polega? 
Co to jest Prop Trading (Proprietary Trading)? 
Czym jest Próbny Copy Trading i Copy Trading na Binance? 
HFT – czym jest handel wysokich częstotliwości? 
Grid Trading – na czym polega gridowanie? 
Co to jest day trading? Jak korzystać z tej strategii? 
Co to jest swing trading? Jak korzystać z tej strategii? 
Co to jest Range Trading? Definicja, przykłady
