صندوق های تامینی معاملات الگوریتمی: گذشته، حال و آینده

صندوق‌های تامینی از زمانی که بیش از 70 سال پیش از مجموع دارایی‌هایشان تنها 100000 دلار شروع شد، رشد چشمگیری داشته است. 1 تعداد صندوق های تامینی در سطح جهان به حدود 8000 صندوق افزایش یافته است، 2 که اکنون ارزش کل دارایی های بیش از 4 تریلیون دلار را در اختیار دارند - بالاترین رقم تاریخ. 3 و پس از یک دوره دشوار از سال 2008 تا 2020، که طی آن 11600 صندوق تامینی بسته شدند، آنها بار دیگر در بین سرمایه گذاران بسیار محبوب شدند. در سال 2021، رکورد 1144 صندوق تامینی پذیرفتن سرمایه گذاری های جدید را متوقف کردند زیرا پول کافی داشتند. 4

در این محیط رقابتی، استراتژی‌های سرمایه‌گذاری صندوق‌های تامینی با عملکرد برتر به طور فزاینده‌ای تحت سلطه معاملات الگوریتمی قرار می‌گیرد، به طوری که اکنون بیش از 50 درصد از صندوق‌های تامینی از الگوریتم‌هایی برای معامله اکثر ارزش کل معامله شده خود استفاده می‌کنند. 5 برای دستیابی به این پیشرفت، مهم است که یک گام به عقب بردارید و درک کنید که صنعت چگونه به این نقطه رسیده است.

رویکردی جدید برای سرمایه گذاری

آلفرد وینسلو جونز که در سال 1901 در یک دیپلمات آمریکایی در استرالیا متولد شد، برای دکترای خود در جامعه شناسی در دانشگاه کلمبیا در سال 1941 مطالعه کرد. او به عنوان خبرنگار برای مجله فورچون مشغول به کار شد. با وجود نداشتن تجربه زیادی در پوشش موضوعات مالی، او به نوشتن مقاله ای در مورد «مد در پیش بینی» محول شد. در طول تحقیقات خود برای این مأموریت بود که جونز متوجه شد که رویکردی بدیع و سازنده برای سرمایه گذاری کشف کرده است. جونز با ترکیب مزایای فروش بلند مدت و کوتاه مدت، نوعی صندوق را ایجاد کرد که معتقد بود می تواند به سرمایه گذاران ریسک گریز و منافع عمومی خدمت کند. 6

استراتژی او متعادل کردن موقعیت های خرید (خرید یک سهم در زمان آینده با قیمت از پیش توافق شده، بالاتر و حجم تعیین شده) و در عین حال فروش سهام کوتاه دیگر (موافقت با قیمت پایین تر و با حجم تعیین شده در آینده) بود. صندوق تامینی می‌تواند ریسک پرتفوی خود را با شرط‌بندی بر روی خریدهای لانگ و کوتاه بر روی سهام مشابه یا مرتبط جبران کند. 7 بدهی افزایش‌یافته در برابر دارایی‌های صندوق (اهرم) همراه با این مکانیسم جبران ریسک به او دیدگاه جدیدی در مورد نحوه استفاده از منابع سرمایه‌گذاری ادغام شده داد و راه را برای یک فلسفه تجاری جدید هموار کرد.

جونز و تیمش سال ها بی سر و صدا عملکرد بهتری از بازار داشتند و تا سال 1968 به بازدهی 5000 درصدی دست یافتند. 9 تا اینکه در سال 1966، زمانی که مقاله دیگری در Fortune اشاره کرد که صندوق جونز در طی 10 سال عملکرد خیره کننده ای 87 درصدی از برترین صندوق دریفوس داشته است. رقبا شروع به پیوستن به بازار کردند. 10

بنابراین، یک صندوق تامینی به مشارکتی بین سرمایه‌گذاران مختلف تبدیل شد که در آن صندوق دارایی‌ها را جمع‌آوری می‌کند، تلاش می‌کند آن را برای استقراض بیشتر وجوه اهرمی استفاده کند، و از استراتژی‌های مختلف (مانند اوراق مشتقه، معاملات آتی، و غیره) برای کسب بازده فعال داخلی و بین‌المللی استفاده می‌کند. بازارها11

تجارت الگوریتمی چیست؟

معاملات الگوریتمی استفاده از الگوریتم‌ها یا قوانین برای تصمیم‌گیری خرید و فروش از طرف سرمایه‌گذار بر اساس مجموعه‌ای از دستورالعمل‌ها است که قیمت، مقدار، زمان‌بندی یا هر مدل ریاضی را تعریف می‌کنند. 12 این نوع معاملات با آربیتر کردن مزایای مقادیر بسیار زیاد داده، تأخیرهای کوچک پردازش، ظرفیت عملیاتی عظیم، پرتفوی های متوازن پویا و تجزیه و تحلیل های پیش بینی هوشمند، بازده را به حداکثر می رساند. با بهره‌برداری از یک یا چند مورد از این بهبودهای سیستمی، معاملات الگوریتمی می‌تواند شکل‌های مختلفی داشته باشد: معاملات قبل از تعادل مجدد صندوق شاخص، آربیتراژ، اسکالپینگ و بازگشت میانگین، تجارت جفتی، و استراتژی‌های دلتا خنثی. صرف نظر از استراتژی، معاملات الگوریتمی تقریباً همیشه به معنای کاهش هزینه های معامله برای سرمایه گذار است. 13

سیستم های معاملاتی کامپیوتری در دهه 1970 در بازارهای مالی ایالات متحده معرفی شدند. این سیستم‌ها شامل سیستم تعیین‌شده سفارش است که با هدایت سفارش‌ها برای اوراق بهادار فهرست‌شده مستقیماً به متخصص طبقه معاملاتی و دور زدن کارگزار، کارایی را افزایش می‌دهد. 15 دیجیتالی شدن فزاینده بازارهای سهام در طول دهه های 1980 و 1990 ساختار معاملات سهام را تغییر داد. معاملات الگوریتمی در بازار به دلیل مجوز کمیسیون بورس و اوراق بهادار ایالات متحده برای مبادلات الکترونیکی در سال 1998، افزایش یافت. سنتاین امر باعث افزایش حجم معاملات الگوریتمی به دلیل کاهش هزینه های مربوط به خرید و فروش سهام با افزایش کمتر با سرعت بالا شد. 18

با این حال، تجارت الگوریتمی بدون خطرات منحصر به فرد و مشکلات ذاتی نیست. این روش مقصر تعدادی از سقوط های بورس و برخی زیان های عظیم است.

در 6 مه 2010، داو جونز صنعتی در چیزی که از آن زمان به آن "سقوط فلش" نامیده می شود، دچار هرج و مرج شد و در عرض چند دقیقه نزدیک به 1000 امتیاز از دست داد - مهم ترین ضرر در تاریخ خود. در مجموع، حدود 1 تریلیون دلار از ارزش بازار پاک شد. 20

پس از تحقیقات زیاد، سرانجام ناویندر سینگ سارائو تاجر فردی به دلیل نقشش در سقوط محکوم شد. مشخص شد که او از الگوریتم‌هایی برای ثبت هزاران سفارش برای فروش قراردادهای e-mini S&P استفاده کرده است، سپس معاملات را لغو کرده و آنها را با قیمت‌های پایین‌تر خریداری کرده است. 21 این ناهنجاری توسط سایر معامله گران الگوریتمی که سعی در تعدیل و پاسخ دادن داشتند، برجسته شد. 22

دو سال بعد، نایت کپیتال یک اتفاق ناامیدکننده دیگر را به دنیا آورد. بلافاصله پس از پخش زنده پلت فرم معاملاتی الگوریتمی جدید خود در سال 2012، آنها متوجه شدند که مشکلی در استراتژی های معاملاتی با فرکانس بالا وجود دارد. این نرم افزار 7 میلیارد دلار از سهام را در بورس نیویورک با قیمت های بد خرید و فروخت که 440 میلیون دلار - 40 درصد از ارزش آن- برای شرکت هزینه داشت. 23

معاملات الگوریتمی و صندوق های تامینی امروز

خوشبختانه، از آن زمان، تجارت الگوریتمی به یک راه حل پیشرو در بازار تبدیل شده است. زیرساخت‌های همراه برای تسهیل تجارت با فرکانس بالا، از جمله رایانه‌های پرسرعت که تا حد امکان نزدیک به سرورهای تبادل و خوراک داده‌های بلادرنگ قرار گرفته‌اند، ایجاد شده است. این شکل از معاملات اسپردهای پیشنهادی خرید و فروش (تفاوت بین قیمت پیشنهادی و قیمت عرضه یک اوراق بهادار یا دارایی دیگر) را کاهش داده است، بازارها را کارآمدتر می کند، نقدینگی را افزایش می دهد و به فرآیند کشف و شکل گیری قیمت کمک می کند. 24

با توجه به امکانات ارائه شده توسط پیشرفت در فناوری و نرم افزار ، وجوه معاصر به طور فزاینده ای بر اساس الگوریتم ها و مدل های رایانه ای به تجزیه و تحلیل کمی یا سیستماتیک تبدیل می شوند. صندوق های پرچین الگوریتمی معمولاً به عنوان صندوق های کمی شناخته می شوند. 25

مدیران صندوق های کوانت داده ها را به برنامه های رایانه ای وارد می کنند که آن را تجزیه و تحلیل می کنند و به طور سیستماتیک استراتژی های سرمایه گذاری را بر اساس سیگنال های معاملاتی از پیش تعریف شده انجام می دهند. مواضع معاملاتی مبتنی بر عواملی مانند نقاط داده های اقتصادی ، گزارش های جدید یا روند قیمت در ارزش دارایی است. 26

یکی از نقاط فروش تجارت الگوریتمی این است که ظاهراً در معرض تعصب شناختی نیست - انحراف سیستماتیک از رفتار منطقی که به طور معمول منجر به عملکرد بدتر سرمایه گذاری می شود. با این حال ، یک مطالعه منتشر شده توسط Harvard Business Review نشان داد که در حالی که الگوریتم ها نسبت به سرمایه گذاران فرشته تازه کار (2. 56 درصد) نرخ بازده داخلی بهتری (7. 26 درصد) به دست آوردند ، سرمایه گذاران بسیار با تجربه هنوز بازده قابل توجهی بالاتر (22. 75 درصد) کسب کردند. 27

الگوریتم های هوش مصنوعی (AI) و یادگیری ماشین (ML) نیز با موفقیت محدود در بازار مستقر می شوند. یک مطالعه دانشگاه کمبریج نشان داد که معدود صندوق های AI محور که داده های عملکرد خود را در مقایسه با همتایان انسانی خود به طور عمومی ارسال می کنند ، و این باعث می شود که همچنان درگیری تحلیلگران و مدیران انسانی باشد. نویسندگان به یک مدل ترکیبی به عنوان بهترین رویکرد اشاره کردند و در حالی که تصمیم گیری را به انسان واگذار می کند ، هوش مصنوعی را در ابزارهای پشتیبانی و تحلیلی جاسازی می کند. 28

آینده تجارت الگوریتمی

با توجه به مشاورین روبو و صندوق های تامینی که دارای الگوریتم هایی مانند جادوگران جادویی هستند ، فشار بیشتری به متخصصان مالی برای مرتبط بودن وجود دارد.

رقابت با ظرفیت پردازش کامل و تأخیر 20 نانوذرات از مراکز داده عظیم از نظر انسانی غیرممکن است. در صورت تمایل به اطمینان از ارتباط بازار در سالهای آینده ، کاربرد نوآورانه این فناوری ها و حل مسئله خلاق از شرکت ها و مبتدیان به طور یکسان مورد نیاز خواهد بود. به طور خاص ، مشاغل فعال و آینده نگر به انواع داده هایی که می توانند از طریق جمع آوری ، پردازش (با کمک تجارت ML) استفاده کنند ، توجه می کنند و آن را برای تصمیمات سرمایه گذاری هوشمند (با کمک انسانی) اعمال می کنند.

پس از تلاش های اولیه بازار سهام برای باز کردن سیستم های خود از طریق رابط برنامه نویسی برنامه (فرم اولیه) (API) در سال 1998 ، نمونه هایی از این تفکر وجود دارد که سایر مؤلفه های بخش مالی را نفوذ می کند. به عنوان مثال ، در اتحادیه اروپا ، بخشنامه خدمات پرداخت 2 (PSD2) بخشی از آیین نامه ای است که مؤسسات مالی را وادار می کند تا از طریق API ، دسترسی امن ، ممتاز و رضایت به جزئیات بانکی را توسط اشخاص ثالث فراهم کنند. 30 هدف اساسی آن کاهش اصطکاک سیستمی و توانمندسازی موج جدیدی از محصولات و خدمات ساخته شده بر زیرساخت های بانکی موجود است. انتظار می رود این نوع تفکر در نهایت در همه زمینه های بازار مالی گسترش یابد - بیشتر فرصت ها را برای بازیکنان بازار مالی چابک و فعال در معرض نمایش قرار می دهد.

الگوریتم‌ها و ابزارهای محرک معاملات الگوریتمی به‌طور فزاینده‌ای در دسترس سرمایه‌گذاران آماتور قرار می‌گیرند و فشار را بر رهبران صنعت برای حفظ مرتبط بودن بیشتر می‌کنند. و در حالی که سرمایه‌گذاران فردی ممکن است منابع لازم برای اجرای سیستم‌های پیچیده مدیریت پورتفولیو را نداشته باشند، دوره‌ها و ابزارهای آنلاین قابل دسترس زیادی برای کسانی که علاقه‌مند به ایجاد الگوریتم‌ها و پیاده‌سازی استراتژی‌های معاملاتی خود هستند، وجود دارد. همچنین جوامع رو به رشد و مشتاقی در پلتفرم هایی مانند Reddit وجود دارند که اطلاعات و پیوندهایی به ابزارها و منابع را به اشتراک می گذارند. 31

تجارت الگوریتمی را رمزگشایی کنید و توانایی اجرای استراتژی های معاملاتی خود را با برنامه تجارت الگوریتمی آکسفورد از مدرسه بازرگانی سعید، دانشگاه آکسفورد توسعه دهید.

سه گانه موفقیت که تجارت الگوریتمی را مشخص می کند - عملکرد قوی، پذیرش گسترده و نیازهای نیروی کار نسبتاً کم - همچنین موقعیت جالبی را برای کارکنان بازار مالی منفرد ارائه می دهد. گزارش GetSmarter's The Future of Work is Here نشان می دهد که در میان پاسخ دهندگان در خدمات مالی، فناوری و اتوماسیون به ترتیب 25 درصد و 15 درصد به عنوان محرک های کلیدی تغییر در نظر گرفته می شوند.

با این حال، همانطور که دیدیم، عنصر انسانی در قضاوت های مالی پیچیده، به ویژه در زمینه اختلالاتی مانند همه گیری COVID-19، حیاتی است. افراد همچنین برای ایجاد رابطه، توسعه سیستم و سایر عملکردهای حیاتی دیگر در کسب و کار ضروری هستند. استفاده از ابزارهای الگوریتمی برای تمرکز بر اجرا، مزایای کلیدی را در ظرفیت‌های خاص فراهم می‌کند و کارکنان را قادر می‌سازد تا بر ایجاد راه‌حل‌های واقعاً نوآورانه و مخرب برای مشکلات آینده تمرکز کنند.

انطباق با آینده تغییر

قرن بیست و یکم با نرخ فزاینده تغییر، سطوح فزاینده عدم اطمینان، و اتکا بیشتر و ادغام فناوری در جوامع، فرهنگ ها و محیط های کاری طبقه بندی می شود. 32

کسب‌وکارهای امروزی برای مرتبط شدن یا باقی ماندن، باید هدف خود را به وضوح شناسایی کنند، نقش جدید خود را درک کنند، با پیشرفت‌ها به‌روز باشند و در برابر نیروهای محیطی و بازار چابک بمانند. این محیط متحول که با نوآوری و اختلال هدایت می‌شود، فرصت‌های پیشگامانه بسیاری را برای مشاغل با ارزش در تجارت ارائه می‌کند. آمادگی و سازگاری در نهایت تعیین می کند که چه کسی پیشرفت کند.

با یک دوره کوتاه آنلاین بینش فنی و مالی به دست آورید