پیشنهادات الگوریتم کارگزار اساساً به مجموعه‌ای از الگوهای «خارجی» همگرا شده‌اند - VWAP، قیمت رسیدن، جستجوی نقدینگی، جمع‌بندی تاریک، و غیره. برای یک نوع الگوریتم معین، استراتژی یا هدف کلی معمولاً در بین کارگزاران یکسان است. به عنوان مثال، الگوریتم‌های VWAP با ردیابی منحنی حجم تاریخی، انحراف از معیار VWAP را به حداقل می‌رسانند. هدف الگوریتم‌های قیمت ورود، به حداقل رساندن لغزش به قیمت ورود، منوط به سطح تهاجمی انتخاب شده توسط معامله‌گر است. البته، تفاوت های واقعی بین الگوریتم های کارگزار وجود دارد. اما این تفاوت‌ها عمدتاً در اجرای استراتژی به وجود می‌آیند، نه در هدف اساسی الگوریتم‌های رایج.
شما می توانید هر رنگی که می خواهید داشته باشید. تا زمانی که سیاه باشد
در نتیجه، معامله‌گران طرف خرید واقعاً آنقدر که ممکن است به نظر می‌رسد انعطاف‌پذیری در یافتن بهترین استراتژی هنگام انتخاب از میان الگوهای «خارج» ندارند. معامله‌گران اغلب الگوریتمی را انتخاب می‌کنند نه به این دلیل که هدف الگوریتم با هدف آنها مطابقت دارد، بلکه بیشتر به این دلیل است که آن الگوریتم از نزدیک رفتارهایی را تقلید می‌کند که بیشترین همسویی با اهداف سطح بالای خود را دارند.
به عنوان مثال، الگوریتم های VWAP در ابتدا برای ردیابی منحنی حجم تاریخی به عنوان وسیله ای برای به حداقل رساندن انحرافات از معیار VWAP طراحی شده بودند. اما بسیاری از سنگین‌ترین کاربران الگوهای VWAP، مانند صندوق‌های کمی، به VWAP به‌عنوان یک معیار بی‌اهمیت هستند. در عوض، آنها از الگوریتم VWAP استفاده می‌کنند، زیرا این الگوریتم کار خوبی برای کاهش هزینه‌های اجرا می‌کند، زیرا می‌تواند با وادار کردن الگوریتم به پخش سفارش در طول زمان، در به حداکثر رساندن جذب گسترش و کاهش تأثیر مؤثر باشد. اما استراتژی بهینه واقعی چند معامله‌گر با ردیابی منحنی حجم تاریخی به دست می‌آید؟
الگوریتم های قیمت ورود مثال دیگری را ارائه می دهند. معامله‌گرانی که با قیمت ورود محک می‌شوند، اغلب به الگوریتم‌های قیمت ورود گرایش پیدا می‌کنند، زیرا این الگوریتم‌ها به‌شدت به یک زمان‌بندی دلخواه محدود نمی‌شوند و می‌توانند نسبت به مثلاً الگوریتم‌های VWAP فرصت‌طلبانه‌تر باشند. اما آیا کاربران Arrival Price همیشه می‌خواهند سفارش‌هایشان از قبل بارگذاری شود تا تغییرات در قیمت ورود کاهش یابد؟یا ممکن است آنها مایل به معامله با سرعت یکنواخت تر باشند - یا حتی در زمان بسته شدن - هر زمان که انجام این کار به اجرای بهتری دست یابد؟
ترجیح می دهم شمعی روشن کنم تا اینکه تاریکی تو را نفرین کنم.
خوشبختانه، کارگزاران به طور فزاینده ای به مشتریان این امکان را می دهند که الگوریتم های خود را برای رسیدن به هدف خاص مشتری خود سفارشی کنند. هنگامی که یک سرویس فقط برای حساب‌های برتر ارائه می‌شود، سفارشی‌سازی algo در حال تبدیل شدن به جریان اصلی است، زیرا پلتفرم‌های کارگزار به طور فزاینده‌ای مقیاس‌پذیر و همچنین بسیار کاربردی‌تر شده‌اند. و برای روشن بودن، آنچه ما در اینجا در مورد آن صحبت می کنیم، بهینه سازی ساده یک الگوریتم موجود یا مجموعه ای ساده از قوانین تغییر الگوی تعریف شده توسط معامله گر نیست که به عنوان یک «سفارشی سازی»، همانطور که در گذشته اتفاق می افتاد، نیست. در عوض، ما در مورد کارگزارانی صحبت می کنیم که به مشتریان اجازه می دهند هدف اصلی و رفتار زیربنایی الگوریتم را با وضوح بیشتری تعریف کنند، یعنی سفارشی سازی الگوریتم واقعی.
علاوه بر این ، برخی از کارگزاران در چارچوب های تحلیلی قوی تر سرمایه گذاری کرده اند تا با ارائه تجزیه و تحلیل دقیق پس از تجارت ، به ارزیابی ارزش این سفارشی ها کمک کنند ، از جمله تجزیه و تحلیل نحوه عملکرد اجزای مختلف ، چند بار تاکتیک های خاص و غیره. به مشتریان اجازه دهید "آزمایشات" کنترل شده را اجرا کنند ، جایی که Buyside می تواند تغییرات مختلفی از یک ALGO را در کنار هم آزمایش کرده و سپس عملکرد را مقایسه کند. کارگزار و مشتری می توانند پیشرفت های دیگری را برای بهبود عملکرد حتی بیشتر امتحان کنند. سفارشی سازی باعث می شود این بازخورد عملکرد بسیار با ارزش تر از گذشته باشد ، زیرا تعداد پیشرفت های احتمالی به طرز چشمگیری افزایش یافته است.
با انتخاب بیشتر مسئولیت بیشتری به دست می آید
اما توانایی سفارشی باعث افزایش بار معامله گران Buyside برای اطمینان از بهترین اجرای شده است. در گذشته ، یک میز تجارت Buyside می تواند با استفاده از یک الگوریتم VWAP با توجه به اینکه عملکرد الگوریتم VWAP بهترین در بین الگوهای "خارج از رک" در تجارت منفعلانه و کاهش کمبود اعدام است ، منطقی باشد. اما اکنون این سؤال آشکار "آیا شما سعی کرده اید الگوریتمی را ایجاد کنید که می تواند به صورت منفعلانه مانند VWAP تجارت کند ، اما شاید در صورت لزوم سفت و سخت تر و فرصت طلب تر باشد؟"و دیگر کافی نیست که بگوییم ، "ما الگوریتم های قیمت ورود را در سراسر کارگزاران مقایسه کردیم و تعیین کردیم که 3 کارگزار برتر X ، Y و Z بودند". این پاسخ احتمالاً خواهد بود "اما آیا شما سعی کرده اید یک الگوریتم سفارشی ایجاد کنید ، شاید با کارگزاران X ، Y و Z کار کنید که می تواند حتی بهتر عمل کند؟"
برخی از بنگاهها قبلاً این چالش را پذیرفته اند ، و استخدام می کنند تا با کارگزاران کار کنند تا ALGO ها را سفارشی کنند ، یک چارچوب آزمایش ایجاد کنند و عملکرد را تجزیه و تحلیل کنند ، اغلب به صورت "چرخ ALGO". [1]بنگاههای کوچک و متوسط به طور کلی برخی یا تمام این کارها را به مشاوران مانند گروه باسیدور (با این حال یک پلاگین بی شرمانه دیگر!) برون سپاری کرده اند. اما صرف نظر از این ، سفارشی سازی فرصتی فوق العاده برای افزایش بیشتر کیفیت اجرای آنها فراهم کرده است. تمام آنچه در مورد Buyside لازم است ، درگیر کردن کارگزاران آنها و سرمایه گذاری منابع متوسط برای تجزیه و تحلیل داده های حاصل است.
البته ممکن است معلوم شود که الگوریتم های "خارج از رک" و همچنین الگوریتم های سفارشی یا حتی بهتر. اما شما هرگز نمی دانید که اگر همیشه از راه دور خریداری کنید ، یک لباس سفارشی چقدر خوب احساس می کنید ...
"و از یک آلگو مناسب استفاده کنید. شما نمی توانید مانند این تجارت را ادامه دهید. به کارگزار خود بروید ، بگویید ‘em من بله ارسال کردم."
