실전 알고리즘 트레이딩 배우기
실전 알고리즘 트레이딩을 위한 기초 환경, 지식과 함께 백테스트 및 리스크 관리 기법과 노하우, 실전에서의 유의 사항을 전달한다. 파이썬을 기반으로 간단한 트레이딩 시그널부터 시작해서 경제 이벤트 기반 및 변동성 조정의 고급 기법을 활용하는 방법을 보여준다.
1장. 알고리즘 트레이딩 기초
__왜 트레이딩을 하는가?
__현대적 트레이딩 환경의 알고리즘 트레이딩의 기초 기본 개념
____시장 섹터
____자산 클래스
____현대 거래소의 기본 사항
____알고리즘 트레이딩 개념의 이해
____직관에서 알고리즘 트레이딩까지
____알고리즘 트레이딩 시스템의 구성 요소
____왜 파이썬인가?
__요약
2부. 거래 신호 생성 및 전략
2장. 기술적 분석을 통한 시장 해석
__추세와 모멘텀 기반 지표 기반의 트레이딩 전략 설계
____지지와 저항 지표
__기본적 기술적 분석 기반의 트레이딩 시그널의 생성
____단순이동평균
____지수이동평균
____APO
____MACD
____볼린저 밴드
____상대강도지표
____표준편차
____모멘텀
__트레이딩 자산의 계절성과 같은 고급 개념의 구현
__요약
3장. 기초 머신러닝을 통한 시장 예측
__용어와 표기의 이해
____금융 자산 탐구
__선형회귀 방법을 이용한 예측 모델 구축
____최소제곱법
____규제화와 수축 - 라소와 릿지 회귀
____결정트리회귀
__선형분류 방법을 이용한 예측 모델 구축
____k-최근접 이웃
____서포트 벡터 머신
____로짓 회귀
__요약
3부. 알고리즘 트레이딩 전략
4장. 인간의 직관에 의한 고전적 트레이딩 전략
__모멘텀과 추세 추종 트레이딩 전략 구축
____모멘텀 전략 예제
____파이썬 구현
__회귀 행태가 있는 시장에 적합한 트레이딩 전략 만들기
____회귀 전략의 예
__선형적으로 상관관계를 갖는 트레이딩 상품 그룹에 대해서
__작동하는 트레이딩 전략 만들기
__요약
5장. 고급 알고리즘 전략
__거래 상품 변동성 조정 트레이딩 전략 구축
____기술적 지표로 거래 상품 변동성 조정
____트레이딩 전략의 변동성 조정
____변동성 조정 평균 회귀 트레이딩 전략
__경제 이벤트 트레이딩 전략
____경제 지표 발표
____경제 지표 발표 포맷
____전자 경제 발표 서비스
____트레이딩과 경제 지표 발표
__통계적 차익 거래의 이해와 구현
____StatArb 기초
____StatArb 리드-래그
____포트폴리오 구성과 관계 조정
____StatArb 인프라 비용
____파이썬 StatArb 트레이딩 전략
__요약
6장. 알고리즘 전략의 위험 관리
__위험 유형과 위험 요인의 구별
____트레이딩 손실 리스크
____규제 위반 리스크
____스푸핑
____호가 스터핑
____종가 뱅잉
____리스크 원천
____리스크 계량화
__리스크 척도의 구분
____손절
____최대 낙폭
____포지션 한도
____포지션 보유 기간
____PnL 분산
____샤프 비율
____기간별 최대 체결수
____최대 거래 규모
____거래량 한도
__리스크 관리 알고리즘 구축
____현실적으로 위험 조정
__요약
7장. 파이썬 트레이딩 시스템 구축
__트레이딩 시스템 이해
____게이트웨이
____주문 호가창 관리
____전략
____주문 관리 시스템
____핵심 구성 요소
____주변 구성 요소
__파이썬 트레이딩 시스템 구축
____LiquidityProvider 클래스
____전략 클래스
____OrderManager 클래스
____MarketSimulator 클래스
____TestTradingSimulation 클래스
__지정가 주문 호가창 설계
__요약
8장. 트레이딩 거래소 연결
__트레이딩 시스템을 이용한 거래소 거래
__통신 API 검토
____네트워크 기초
____트레이딩 프로토콜
____FIX 통신 프로토콜
__수신 가격 업데이트
____송신자 코드 예
__주문 실행과 시장 반응 수신
____Acceptor 코드 예제
____기타 트레이딩 API
__요약
9장. 파이썬 백테스트 시스템 구축
__백테스터 구축
____표본 내 데이터 대 표본 외 데이터
____페이퍼 트레이딩(선행 테스트)
____초보적 데이터 저장
____HDF5
____데이터베이스
__올바른 가정 선택
____루프형 백테스트 시스템
____이벤트 주도형 백테스트 시스템
__시간값 평가
__이중 이동 평균 전략 백테스트
____루프형 백테스터
____이벤트 기반 알고리즘 트레이딩의 기초 백테스터
__요약
5부. 알고리즘 트레이딩의 도전
10장. 변화하는 시장 참여자와 시장 조건 적응
__백테스터와 라이브시장의 전략 성과 비교
____벡테스터 불안정성의 영향
____시뮬레이션 불안정성의 원인
____라이브 트레이딩에 반응한 알고리즘 트레이딩의 기초 백테스팅 및 전략 조정
__알고리즘 트레이딩에서 지속적인 수익성
____알고리즘 트레이딩 전략의 이윤 감소
____시장 조건과 시장 참여자 변화에의 적응
__요약
지난 10년 동안 몇몇 독점적인 고빈도 알고리즘 트레이딩 회사에서 일했다. 전 세계 여러 자산 클래스에 걸쳐 트레이딩 거래소를 위한 매우 낮은 지연 시간과 높은 처리량의 자동 트레이딩 시스템을 구축했다. 시장 조성을 위한 통계적 차익 거래와 가장 유동적인 글로벌 선물 계약의 거래 전략을 전문으로 한다. 시카고의 한 트레이딩 회사에서 정량적 개발자로 일하고 있다. 서던캘리포니아 대학교에서 컴퓨터 과학 석사 학위를 받았다. 관심 분야는 컴퓨터 아키텍처, 핀테크, 확률 이론과 확률적 프로세스, 통계적 학습과 추론 방법, 자연어 처리 등이다.
보리보리/하나북스퀘어 실전 알고리즘 트레이딩 배우기 파이썬으로 시작하는 알고리즘 트레이딩의 기초와
총 상품금액에 배송비는 포함되어 있지
않습니다. 결제시 조건에 따라 배송비가 추가 될 수 있습니다.
상품 정보 제공 고시 [전자상거래에 관한 상품정보 제공에 관한 고시] 항목에 의거 [boribori]에 의해 등록된 정보입니다.
| 상품번호 | 2348295891 |
|---|---|
| 상품상태 | 새상품 |
| 부가세 면세여부 | 과세상품 |
| 영수증발행 | 발행가능 - 신용카드 전표, 온라인 현금영수증 |
| 사업자구분 | 법인사업자 |
| 과세자구분 | 일반과세자+간이과세자(세금계산서 발급사업자) |
| 브랜드 | 보리보리 |
| 원산지 | KR |
| 제조일자 | 20210218 |
| 도서명 | 실전 알고리즘 트레이딩 배우기 파이썬으로 시작하는 알고리즘 트레이딩의 기초와 실전 전략 데이터 과학 |
|---|---|
| 저자/출판사 | 세바스티앙 도나디오, 수라브 고쉬 에이콘출판 |
| 크기 | 188/235/25/ |
| 쪽수 | 상세참조 |
| 제품 구성 | 상품상세참조 |
| 출간일 | 2021-02-18 |
| 목차 또는 책소개 | 상품상세참조 |
| 주문후 예상 배송기간 | 판매자 문의 |
| 제품하자가 아닌 소비자의 단순 변심, 착오구매에 따른 청약철회가 불가능한 경우 그 구체적 사유와 근거 | |
| 상품의 교환/반품/보증 조건 및 품질보증 기준 | |
| 소비자피해보상의 처리, 재화등에 대한 불만 처리 및 소비자와 사업자 사이의 분쟁 처리에 관한 사항 | |
| 거래에 관한 약관의 내용 또는 확인 할 수 있는 방법 | |
소비자가 전자상거래등에서 소비자 보호에 관한 알고리즘 트레이딩의 기초 알고리즘 트레이딩의 기초 법률 제 17조 제1항 또는 제3항에 따라 청약철회를 하고 동법 제 18조 제1항 에 따라 청약철회한 물품을 판매자에게 반환하였음에도 불구 하고 결제 대금의 환급이 3영업일을 넘게 지연된 경우, 소비자 는 전자상거래등에서 소비자보호에 관한 법률 제18조 제2항 및 동법 시행령 제21조 2에 따라 지연일수에 대하여 전상법 시행령으로 정하는 이율을 곱하여 산정한 지연이자(“지연배상금”)를 신청할 수 있습니다. 아울러, 교환∙반품∙보증 및 결제대금의 환급신청은 [나의쇼핑정보]에서 하실 수 있으며, 자세한 문의는 개별 판매자에게 연락하여 주시기 바랍니다.
한빛미디어
현재 시중에 있는 머신러닝 관련 도서는 머신러닝이 무엇인지 소개하거나 머신러닝의 수학적 배경을 설명한다. 전자는 머신러닝 알고리즘에 대한 소개와 사용방법에 치중하여 머신러닝 사용법을 학습하는 데는 도움이 되지만, 알고리즘 트레이딩의 기초 머신러닝의 개념을 이해하고 무엇을 하기에는 내용이 부족하고, 후자는 반대로 너무 전문적이어서 머신러닝 알고리즘에 사용된 수학적 개념들과 각종 정리를 소개하는 데 치중해 있다. 머신러닝 알고리즘을 새로 개발하거나 기존 머신러닝 알고리즘을 개선해서 사용하려 한다면 이런 책들이 도움되지만, 머신러닝 알고리즘을 사용하려고 한다면 너무 학문적이고 이론적이어서 별로 도움이 되지 않는다.
『머신러닝을 이용한 알고리즘 트레이딩 시스템 개발』은 머신러닝을 공부하는 데 필요한 통계와 확률에 대한 수학적 이론과 머신러닝을 적용하려는 분야에 대한 도메인 지식(Domain Knowledge), 이를 구현한 코드를 한곳에서 볼 수 있는 책이다.
머신러닝을 이용해 프로그램을 작성하는 데 머신러닝 알고리즘이 차지하는 비중은 그렇게 크지 않다. 중요한 것은 데이터에 대한 이해와 특성을 파악하는 것이다. 이 과정은 알고리즘 트레이딩의 기초 통계와 확률에 대한 수학적 지식과 머신러닝을 적용하려는 분야에 대한 도메인 지식이 있으면 시간을 대폭 단축할 수 있고, 문제를 단순화할 수 있다. 이런 과정을 거쳐 적용한 머신러닝이야말로 좋은 결과를 보여준다.
머신러닝을 제대로 활용하기 위해서는 데이터가 더욱 중요한 이슈라고 얘기했듯이, 머신러닝을 이야기하는 데 적용 분야인 도메인을 정하지 않는 것은 반쪽짜리다. 그래서 이 책은 쉽게 데이터를 얻을 수 있으며, 데이터 자체에 대한 신뢰도가 높고 난도가 있는 주식을 선택했다.
주식시장은 예측이 어려운 대표적인 분야로, 머신러닝을 공부하는 데 필요한 모든 요소를 가지고 있다. 수학 이론을 이용한 예측 모델의 작성, 작성한 모델을 위한 데이터 처리, 주가를 예측하기 위한 학습, 학습결과의 해석과 이를 개선하는 방법 알고리즘 트레이딩의 기초 등 머신러닝 전체 흐름을 경험하기에 좋다. 통계, 시계열(Time Series), 알고리즘 트레이딩 등 책에서 다루는 주제는 각각 한 권의 책으로도 분량이 모자랄 만큼 방대한 내용을 가지고 있으나 이 책의 목적상 알고리즘 트레이딩과 직접 연관되고 반드시 알아야 하는 사항들을 중심으로 서술했다. 아울러 이 책은 프로그래밍을 할 수 있는 독자가 대상이므로 프로그래밍에 관련된 설명은 특별히 하지 않았다.
이 책은 크게 3부분으로 구성되어 있다.
Part 1은 머신러닝의 개요로, 머신러닝이 무엇인지와 머신러닝이 할 수 있는 것은 무엇인지, 머신러닝의 종류는 무엇이 있는지 등 머신러닝의 전반적인 개요를 설명한다.
Part 2는 알고리즘 트레이딩을 위한 수학적 배경지식으로 통계와 시계열을 다룬다. 알고리즘 트레이딩을 하려면 주식의 매도와 매수를 결정하는 ‘모델’이라는 것을 만들어야 한다. 이 모델을 만들기 위한 최소한의 통계 개념과 시계열 개념을 설명한다.
Part 3은 실제로 간단한 알고리즘 트레이딩을 파이썬을 이용해 구현해본다. 머신러닝에 기반을 둔 모델과 시계열 이론에 기반을 둔 모델 2가지를 구현해보고, 구현된 결과에 대한 해석과 이를 개선하는 방법에 대해 다룬다.
KAIST SW석사과정을 마쳤다.
어느 날 알게 된 머신러닝에 흠뻑 빠져 그동안 애지중지하던 클라우드를 버리고 머신러닝으로 전향하였다. 이제 더는 다른 기술은 관심을 두지 않고 머신러닝 한길만으로 정했기에 머신러닝을 공부하며 어려운 수식들을 다시 보느라 고생하고 있지만, 하루하루 배워가는 지식에 행복해하며 지내고 있다. 머신러닝으로 가마우지를 만들어 인생을 즐기려 노력하고 있으며, 그 결실이 완성되는 날 완벽한 경제적 자유를 누리고자 한다.
- Facebook : https://www.facebook.com/james.ahn.9
- Homepage : http://www.deepnumbers.com
동국대 정보공학석사를 마쳤다.
머신러닝 책을 집필할 때만 해도 쉬엄쉬엄하는 마음으로 했는데, 딥마인드(DeepMind)의 데미스 하사비스(Demis Hassabis)가 ‘알파고(AlphaGo)’를 서울에 데려와 파문을 일으키고 가는 바람에 왠지 모를 조바심이 생겼다. 그동안 딥러닝에 대해 갸우뚱하던 생각도 무지의 소치로 치워두고 급상승한 호기심을 발판으로 깊숙이 들어가 보려 한다. 확신할 수 없을 때는 불안하고 머뭇거리게 되지만 다행히 누군가 그 길을 보여주면 그때라도 놓치지 말고 따라가는 게 낫지 않을까 생각한다.
알고리즘 트레이딩의 기초
파이썬으로 데이터 주도 금융 분석 마스터하기
현재 파이썬은 데이터와 인공지능이 주도하는 금융 분석 분야에서 대표적인 프로그래밍 언어로 사용되고 있다. 일부 대형 투자은행과 헤지펀드는 파이썬을 핵심적인 거래 시스템과 위험 관리 시스템 구축에 활용 하고 있다. 이 책에서는 다양한 파이썬 패키지와 도구를 사용하여 금융 데이터 과학, 알고리즘 트레이딩 및 계산 금융에 활용하는 방법을 설명한다.
이 책은 파이썬 프로그래밍 소개서나 일반적인 금융 입문서가 아니라는 점을 강조하고자 한다. 이 책은 이 두 가지 분야가 만나는 그 중간에 있다. 이 책은 독자들이 (반드시 파이썬이 아니라도) 프로그래밍에 대해 약간의 배경지식이 있고 어느 정도 금융 지식도 가지고 있다는 전제하에 쓰였으며 독자들은 이 책을 읽고 파이썬과 파이썬 생태계를 금융 분야에 적용하는 방법을 배우게 될 것이다.
이 책은 파이썬 3에 맞게 업데이트되었기 때문에 수록된 예제 코드는 대화형 개발 환경인 주피터 노트북을 사용하여 실행할 수 있다. 이 책의 예제 코드와 주피터 노트북은 필자의 Quant Platform에서 직접 실행할 수 있다. 웹사이트 주소는 http://py4fi.pqp.io이며 사용자 등록이 무료다.
출판사 서평
금융 분야 종사자, 관련 개발자들이 파이썬을 시작하고
이를 활용하여 중요한 금융 분석 업무를 할 수 있도록 도와주는
이 책은 금융공학 이론이나 알고리즘을 설명하기 위한 전공 서적은 아니다. 이 책은 파이썬이라는 프로그래밍 언어가 어떤 방식으로 금융 분야에 전반적으로 활용될 수 있는지를 알려 주는 책이다. 따라서 파이썬 언어의 기초부터 금융 분석 작업의 핵심 그리고 최종 매매 시스템 구현까지를 모두 다루는 일종의 입문서나 쿡북 cook-book에 가깝다. 금융 분야 종사자나 금융공학을 공부하는 학생뿐 아니라 이 분야에 관심을 두고 개인적으로 공부하려는 많은 분들에게 이책이 파이썬의 다양한 기능을 살펴볼 수 있는 더할 나위 없이 재미있는 알고리즘 트레이딩의 기초 경험이 될 수 있기를 바란다.
이 책은 파이썬과 파이썬 생태계가 금융업에 종사하는 기업과 개인에게 제공하는 기술적인 틀을 다음과 같이 5부로 나누어 제시한다.
파이썬과 금융: 대화형 금융 분석 및 애플리케이션 개발을 위한 파이썬 입문
파이썬 기초 정복: 파이썬 자료형 및 자료구조, NumPy, pandas와 DataFrame 클래스, 객체지향 프로그래밍
금융 데이터 과학: 데이터 시각화, 금융 시계열 데이터, 데이터 입출력 작업, 머신러닝을 위한 파이썬 기술
알고리즘 트레이딩: 파이썬을 사용한 백테스팅 및 자동화된 알고리즘 트레이딩 전략 배포
파생상품 분석: 옵션 및 파생상품 가격결정, 위험 관리를 위한 강력하고 유연한 파이썬 패키지 개발
파이썬은 높은 가독성, C/C++과의 손쉬운 통합, 다양한 수치 계산 등을 특징으로 하기 때문에 금융 분석 분야에서 매우 폭넓게 활용되고 있다. 파이썬은 금융 업계에서 사실상의 표준 언어이자 도구로 자리 잡아 가고 있다.
_키랏 싱, 비콘 플랫폼, 공동 창업자, CEO
판매가 :알고리즘 트레이딩의 기초 40,500원
(10% off)
• 문화비 소득공제 가능
장바구니위시리스트구매하기
도서판매처
예스24구매
인터넷 교보문고구매
알라딘구매
인터파크 도서구매
저자 프로필
이브 힐피시
- 경력 독일 Python Quants GmbH 사 이사
욕 Python Quants LLC 사 공동 창업자
대표 저서
파이썬을 활용한 금융 분석(2판)
저자 소개
이브 힐피시는 DX Analytics 금융 분석 라이브러리의 창시자이며, 금융 데이터 과학, 인공지능, 알고리즘 트레이딩 및 계산 금융을 위한 오픈소스 기술 사용에 중점을 둔 회사 The Python Quants(http://home.tpq.io), AI Machine(http://aimachine.io)의 설립자이자 최고 경영자다. 주요 저서로는 『Artificial Intelligence in Finance』(O’Reilly, 2020), 『Python for Algorithmic Trading』(O’Reilly, 2020), 『Python for Finance, 2e』(O’Reilly, 2018),
『Listed Volatility and Variance Derivatives』(Wiley Finance, 2017), 『Derivatives Analytics with Python』(Wiley Finance, 2015) 등이 있다. 한편 CQF(https://www.cqf.com)에서 컴퓨터 금융, 머신러닝 및 알고리즘 트레이딩을, htw saar 대학(https://www.htwsaar.de)에서는 데이터 과학을 강의하고 있다. 또한 금융 관련 파이썬 자격증을 취득할 수 있는 온라인 교육 프로그램의 책임자이기도 하다.
KAIST에서 자동 제어와 신호 처리를 전공, 박사 학위를 받았다. 박사 학위 과정 중에 처음 파이썬을 접했다. 이후 틈나는 대로 파이썬을 활용했으며 LG전자와 대우증권에서 파생상품 프라이싱 시스템, 금융 정보 모니터링 시스템, 알고리즘 트레이딩 시스템 등을 파이썬으로 구현했다. 현재는 코스콤에서 금융 관련 데이터 분석 시스템을 개발하고 있다.
알고리즘 트레이딩
20 세기 말, 금융 시장에서의 거래 과정은 컴퓨터 기술의 급속한 발전으로 바뀌고 완전히 전자화되었습니다. 알고리즘 트레이딩으로 알려진 별도의 거래 부문도 나타났습니다.
알고리즘 트레이딩
알고리즘 트레이딩은 수학 알고리즘 기반의 컴퓨터 프로그램을 통해 다양한 금융 상품의 거래 주문 및 관리를 자동화된 시스템입니다. 알고-트레이딩에서 거래는 인간의 참여없이 이루어집니다. 알고리즘 트레이더 또는 금융시장 트레이더는 프로그래밍 언어의 다양한 상황에서 로봇의 동작 알고리즘 (기계식 거래 시스템 (MTS; Mechanical Trading System))만 설명합니다. 그들은 금융 상품의 이전 가격 분석을 기반으로 주어진 범위에서 미래 가격의 하락 가능성을 예측합니다. 로봇은 거래 자산의 가격 차트에서 특정 변동이 발생한 경우 거래를 시작하거나 종료합니다. 인기있는 알고리즘 트레이딩의 기초 알고리즘 트레이딩 방식은 고주파 거래 (HFT; High Frequency Trading), 즉 매우 빠른 속도로 전자 거래를 수행하는 것으로 간주됩니다. 높은 수익을 창출하기 위하여 고주파 로봇은 대량으로 단기간의 포지션을 개설하고 마감합니다.
알고리즘 거래 전략
프로그래머가 거래 로봇에 설치한 알고-트레이딩 전략이 많이 있습니다. 주요 전략은 다음과 같습니다.
거래량 가중평균 가격 (Volume Weighted Average Price; VWAP) – 더 나은 공급 또는 수요 가격으로 일정 기간 내에 요청 볼륨을 균일하게 분배하지만 지정된 기간 동안의 볼륨 가중 평균 가격을 초과하지 않습니다.
시간 가중평균 가격 (Time Weighted Average Price; TWAP) – 요청을 실행하고 동일한 시간 간격으로 요청을 균등하게 나눕니다. 이 전략은 시장에 부정적인 영향을 줄 수있는 예측 거래량 변화를 고려하지 않습니다.
거래량 비율 (Percentage of Volume; POV) – 사용자가 선택한 시장 참여의 고정 백분율을 지원합니다. 그것은 거래량 알고리즘 트레이딩의 기초 증가에 잘 반응하여 작고 빈번한 거래를 합니다.
아이스버그 (빙산, Iceberg) – 매도 또는 매수 요청을 설정하는데 이것은 시장 요청의 전체 사이즈를 표시하지 않습니다. 잠재적 매수자는 요청의 일부만볼 수 있고, 주문 실행 후에만 다음 부분이 발행됩니다. 이것은 완전히 구현 될 때까지 계속됩니다.
추세 추종형 전략 (Trend Following Strategies) – 전략의 주요 목표는 다음과 같습니다. 다양한 기술적 분석 지표를 통해 신흥 트렌드를 조기에 탐지, 추세 방향으로 거래하기 위한 신호 보내기, 추세가 끝나는 징조가 있을 때 포지션 마감에 대한 신호의 보내기
차익 (Arbitrage) – 다양한 시장에서 동일하거나 동등한 상품에 대한 가격 편차를 고정하는 외환 시장 로봇은 한 곳에서 저렴하게 매수하고, 다른곳에서 즉각 매도합니다. 상품 가격이 일치하고 포지션이 수익을 가지고 마감할 것이라는 기대를 가지고 거래합니다. 차익은 로봇이 짧은 기간 동안 자산을 구매하고 급격한 가격 변동을 피하기 때문에 위험이없는 전략으로 간주됩니다. 따라서 차익 거래의 수익은 중요하지 않으며 총 수익성은 거래 빈도에 따라 결정됩니다.
초단타 (Scalping, 스캘핑) – 단기 일중 투기 거래를 위한 전략입니다. 고주파 로봇은 스캘핑에 가장 일반적으로 사용되는 로봇으로, 단 몇 핍으로 적은 이익을 얻는 경우 몇 초동안 포지션을 개설/마감합니다. 기본적으로 이 전략은 매출액 대피 수수료가 상당히 낮은 파생 상품 시장에서 사용됩니다.
페어 트레이딩 (Pair Trading) 또는 통계 차익 거래 – 이 전략은 시장의 다양한 상품 간의 상관 관계를 식별하고 이들 간의 불균형으로 인한 수익창출을 목표로 합니다. 즉, 짧은 시간 간격동안 한 자산이 다른 자산에 비해 저평가되거나 과대 평가 될 수 있습니다. 로봇은 이동 평균 값에서 현재 비율의 편차를 고정하여 바로 그 순간을 사용합니다. 거래 속도, 감정 부재, 높은 시장 유동성 제공, 시장 변동성 감소에 알고리즘 트레이딩의 기초 관한 모든 장점을 갖춘 알고리즘 거래이지만, 몇 가지 단점이 있습니다.
- 고주파 알고리즘 트레이더는 과도한 요청 수를 만들어 종종 시장 운영을 복잡하게 만듭니다.
- 시장의 변동성이 비합리적으로 증가합니다. 예를 들어, 2010년 5월 6일 몇 분 동안 다우존스(Dow Jones) 지수가 8.6% 하락했습니다. 시장 손실은 1조 달러 이상이었습니다. 그 후 90초 동안 지수는 543 포인트 (4.67%)를 회복했습니다. 이유는 시장 변동의 불확성이 있을 경우 고주파 로봇이 모든 포지션을 청산했기 때문입니다. 지수 하락이 시작된 배경에서 유동성의 급격한 유출은 경제적인 기초 없이 과도한 강화로 이어졌습니다.
- 알고리즘 시스템의 실패. 프로그램의 실패로 인하여, 시장의 주요 업체들이 파산 직전에 있는 경우도 있습니다.
0 개 댓글