תמצית

LOW FREQUENCY ALGO
TRADING
DR. GIL FEILER
TOMER ELRAN
‫מה זה מסחר אלגוריתמי ?‬
‫מידע‬
‫מידע‬
‫מידע‬
‫אלגוריתם‪-‬‬
‫מודל מתמטי‬
‫פקודות קניה מכירה‬
‫תחומים במסחר אלגוריתמי‬
‫‪LFT – Low Frequency‬‬
‫‪Trading‬‬
‫‪HFT – High Frequency‬‬
‫‪Trading‬‬
‫‬‫‬‫‬‫‬‫‪-‬‬
‫מסחר בתדר גבוה‪ ,‬חלקיקי‬
‫שניה‬
‫אלפי פעולות מסחר ביום עם‬
‫רווחיות נמוכה לכל פעולה‬
‫אתגר טכנולוגי משמעותי‪,‬‬
‫המהירות קובעת‬
‫תחרות קשה‪ ,‬מתאים לגופים‬
‫גדולים עם הון משמעותי‬
‫תחומים ‪ :‬עשיית שוק‪,‬‬
‫ארביטראז' מהיר‪ ,‬ניצול‬
‫הזדמנויות ומסחר מכוון מאורע‬
‫ועוד ‪..‬‬
‫‬‫‬‫‪-‬‬
‫מסחר בתדר בינוני ונמוך‪ ,‬החל‬
‫ממספר פעולות בדקה ועד‬
‫מספר פעולות בחודש‬
‫מתאים לרוב סוגי המשקיעים‬
‫תחומים ‪ :‬מומנטום‪ ,‬מגמות ‪,‬‬
‫חזרה לממוצע ‪,‬זיהוי תבניות‪,‬‬
‫ארביטראז ‪,‬הערכת שווי ועוד‪..‬‬
‫יתרונות המסחר האלגוריתמי‬
‫• חיסכון בזמן – עיבוד כמויות עצומות של מידע בזמן קצר וניצול‬
‫הזדמנויות במהירות ואפקטיביות‪.‬‬
‫• מסחר אוטומטי – הורדת הסיכון של המרכיב האנושי‪ ,‬החלטות‬
‫מסחר אובייקטיביות ומבוססות מידע ואסטרטגיה ולא רגשות‬
‫ותחושות בטן‪.‬‬
‫• ניתן לבחון (‪ )BACKTESTING‬כל רעיון ושיטת מסחר שנים‬
‫אחורה במהירות ולפני סיכון כסף אמתי‪.‬‬
‫דוגמא לאלגוריתמים למסחר ארוך טווח‬
‫אסטרטגית השקעה מגזרית‬
‫המטרה ‪:‬‬
‫השגת תשואה עודפת תוך כדי שמירה על רמות סיכון נמוכות יחסית לשוק‪.‬‬
‫הדרך ‪:‬‬
‫אסטרטגית מסחר מבוססות אנליזה כמותית וטכנית אשר בבסיסה איתור הסקטורים אשר‬
‫יובילו את השוק בשבועות הקרובים‪.‬‬
‫האסטרטגיה אינה מנסה לנבא או לחזות את התנהגות המחיר אלא מנסה למצוא תבניות‬
‫התנהגות שהראו מובהקות סטטיסטית ברורה לאורך פרק זמן משמעותי כך שישנו סיכוי‬
‫סביר שיחזרו על עצמם גם בעתיד‪.‬‬
‫האסטרטגיה נכתבה בתור אלגוריתם ממוחשב ונבחנה על נתונים היסטוריים שנים רבות ‪.‬‬
‫דוגמא לאסטרטגיה סקטוריאלית מבוססת מומנטום‬
‫תמצית‪ :‬האסטרטגיה משקיעה בכל זמן נתון ב ‪3-‬‬
‫סקטורים של השוק האמריקאי על בסיס מומנטום ב‪-‬‬
‫‪ 12‬חוד' האחרונים‪.‬‬
‫ניתן לשים לב שגם אסטרטגיה פשוטה יחסית ניצחה‬
‫את השוק בצורה משמעותית אך לעיתים בתנודתיות‬
‫ובסיכון גבוה יותר‪.‬‬
‫תשואה שנתית ‪12.45% :‬‬
‫ירידה מקסימלית ‪54%:‬‬
‫‪Strategy Equity‬‬
‫‪S&P500 Equity‬‬
‫‪Strategy DrawDown‬‬
‫‪S&P500 DrawDown‬‬
‫דוגמא לאסטרטגיה סקטוריאלית מבוססת מומנטום‬
‫ותנודתיות‪.‬‬
‫תמצית‪ :‬האסטרטגיה משקיעה בכל זמן נתון ב ‪3-‬‬
‫סקטורים של השוק האמריקאי על בסיס מומנטום‬
‫ב‪ 6-‬חוד' חלקי התנודתיות‪.‬‬
‫ניתן לשים לב לשיפור בתשואה וברמת הסיכון‪.‬‬
‫תשואה שנתית ‪13.7% :‬‬
‫ירידה מקסימלית ‪44%:‬‬
‫דוגמא לאסטרטגיה סקטוריאלית מבוססת מומנטום ותנודתיות‬
‫כולל מודל לתזמון שוק‪.‬‬
‫תמצית‪ :‬האסטרטגיה משקיעה בזמן שוק שורי ב ‪3-‬‬
‫סקטורים של השוק האמריקאי על בסיס מומנטום‬
‫ב‪ 6-‬חוד' חלקי התנודתיות‪.‬‬
‫בזמן שוק דובי האסטרטגיה מחזיקה מזומן‪ .‬התזמון‬
‫מבוצע ע"י חצית ממוצע נע ‪ 10‬חודשים‪.‬‬
‫ניתן לשים לב לירידה קלה בתשואה אך שיפור‬
‫משמעותי ברמת הסיכון‪.‬‬
‫תשואה שנתית ‪13.7% :‬‬
‫ירידה מקסימלית ‪17%:‬‬
‫אסטרטגית תיזמון שוק איטי‬
‫תמצית ‪ :‬האסטרטגיה בעצם מתזמנת כניסה ויציאה‬
‫מהשוק אחת למספר שנים‪ ,‬מטרת האסטרטגיה היא להגן‬
‫על התיק משוק דובי משמעותי כדוגמת משבר האשראי ב‪-‬‬
‫‪ 2008‬או התפוצצות הבועה בתחילת שנות האלפיים‪.‬‬
‫תשואה שנתית ‪ 8.8%‬לא כולל דיבידנדים‪.‬‬
‫ירידה מקסימלית ‪19%:‬‬
‫האסטרטגיה המשופרת‬
‫תמצית‪ :‬האסטרטגיה משקיעה בכל זמן נתון ב ‪3-‬‬
‫סקטורים (או תת סקטורים) של השוק האמריקאי ‪ .‬בזמן‬
‫שוק דובי משמעותי האסטרטגיה מחזיקה מזומן‪.‬‬
‫תיזמון השוק מתבצע ע"י מודל שנבחן כ‪ 50 -‬שנה אחורה‬
‫בהצלחה משמעותית להוריד את הסיכון הנובע משוק דובי‬
‫משמעותי וממשברים ארוכי טווח‪.‬‬
‫בחירת הסקטור מתבצעת ע"י מודל כמותי‪/‬טכני שמתבסס‬
‫על מומנטום‪ ,‬קווי תמיכה והתנגדות‪ ,‬תנודתיות ‪,‬קורלציות‬
‫וכו' שמטרתו לאתר את הסקטור בעל המובהקות‬
‫הסטטיסטית הטובה ביותר בסיכוייו לנצח את השוק‬
‫בשבועות הקרובים‪.‬‬
‫תשואה שנתית‪18.46% :‬‬
‫ירידה מקסימלית ‪13%:‬‬
‫אסטרטגיה מותאמת לקרן נאמנות‬
‫תמצית‪ :‬האסטרטגיה זהה לקודמת אך מחזיקה‬
‫בזמן שוק שורי ‪ 10‬תעודות סל המייצגות ‪3-6‬‬
‫סקטורים‪.‬‬
‫תשואה שנתית‪28.8% :‬‬
‫תשואה של ‪18.8% : S&P 500‬‬
‫האסטרטגיה הנ"ל פועלת באחת משלושת הגופים‬
‫הגדולים בשוק הפיננסי‬
‫שאלת השאלות ‪ :‬האם המודל ימשיך לתפקד בצורה זהה?‬
‫ישנם מספר פרמטרים אשר מעלים בצורה ניכרת את הסיכויים של מודל שנבדק ונבחן על בסיס‬
‫נתונים היסטוריים להצליח גם בזמן אמת‪.‬‬
‫ המודל נבנה על בסיס אנומליות מתמשכות וקונסיסטנטיות כדוגמת מומנטום‪ ,‬חזרה לממוצע וכו'‪.‬‬‫ כדי להוריד את הסיכון שהמודל נבחן בהצלחה רק בגלל אופטימיזצית יתר אנו נרצה שהמודל‬‫יכיל כמה שפחות פרמטרים מספריים‪ ,‬שהמודל ייבחן ויראה יציבות על טווח גדול של פרמטרים‬
‫(יציבות פרמטרית) ‪ ,‬שהסימולציה תכיל מספר גדול של פעולות מסחר (עדיף מעל ‪ ,100‬מעל‬
‫‪ 1000‬זה מצוין)‪.‬‬
‫ גרף התשואה של המודל יראה תשואת יתר יציבה ומתמשכת ‪ ,‬כלומר ינצח את השוק בצורה‬‫עקבית ‪ ,‬לדוגמא במודל כמו שלנו נרצה שבראיה של מקטעים שנתיים המודל יראה תשואת יתר‬
‫בכל שנה ושנה ‪.‬‬
‫ לאחר השלמת בניית המודל ‪ ,‬יש לבחון על מקבץ נוסף של נתונים היסטוריים שעליהם המודל לא‬‫נבחן עדיין (‪ )out of sample‬והבדיקה המועדפת היא בחינת המודל בזמן אמת כמובן‪.‬‬
‫ להצלחה לטווח ארוך בשוק משתנה המודל חייב להיות אדפטיבי‪ -‬כלומר צריכה להיות למודל‬‫יכולת מסוימת של למידה ושינוי אוטומטי של פרמטרים והתנהגות המודל‪.‬‬
‫נק' חיוביות‬
‫ המודל נבנה על בסיס אנומליות וקונסיסטנטיות ובעלות סימוכין בספרות המקצועית ‪ :‬מומנטום‬‫‪,‬תנודתיות ‪,‬קורלציה‪ ,‬קווי תמיכה‪/‬התנגדות ‪ ,‬ממוצעים נעים וכו'‬
‫ המודל מכיל מספר נמוך של פרמטרים שנבחנו על פני כ‪ 300 -‬פעולות מסחר ומראים יציבות‬‫פרמטרית גבוהה ‪.‬‬
‫‪ -‬גרף התשואה של המודל מראה תשואת יתר במקטעים שנתיים בכ‪ %80-‬מהזמן בו נבדק המודל‪.‬‬
‫נק' חיוביות‪ -‬המשך‬
‫ לאחר השלמת בניית המודל הוא נבחן כשנה וחצי בזמן אמת ע"י צד שלישי ומראה תוצאות‬‫כמצופה‪.‬‬
‫אתר מידע‬
https://www.timertrac.com/private/medallion.asp?mlid={A53D8EA9- 5A0C-459B-B8BE-D8C7BD9839D3}
.‫קישור לבדיקת תשואה בזמן אמת של המודל‬
‫נק' פחות חיוביות‬
‫‬‫‪-‬‬
‫‪-‬‬
‫‬‫‬‫‪-‬‬
‫המודל ממוקד בשוק המניות האמריקאי ולכן אינו מגוון מבחינת סוגי נכסים וכן מבחינה‬
‫גיאוגרפית למרות שישנם חברות בינלאומיות רבות תחת תעודות הסל הנסחרות במודל‪.‬‬
‫המודל מכיל תרחישי הגנה במקרה של שוק דובי משמעותי‪ ,‬מיתון או תיקון משמעותי אך אינו‬
‫כולל הגנה מירידות חדות ובלתי צפויות כגון התרסקות השוק ב‪ 1987 -‬בה איבד השוק כשליש‬
‫מערכו תוך יומיים‪.‬‬
‫המרווחים של תעודות הסל הנסחרות במודל יכולים לגדול כאשר אם וכאשר יעלה נפח המסחר‬
‫של הקרן‪.‬‬
‫האנומליות עליהן מבוסס המודל יכולות להשתנות לדוגמא ‪ ,‬שוק עם נטייה למומנטום ולטרנד‬
‫יכול להפוך לשוק עם נטייה לקיפאון ותנודתיות ללא קו מגמה ברור‪.‬‬
‫שימוש יתר של שחקנים גדולים בשוק באנומליות הנ"ל יכול להביא למעשה לצמצומן והיעלמותן‪-.‬‬
‫שוק יעיל‪.‬‬
‫קורלציה גבוהה של הסקטורים לשוק יכולה להוריד את תשואת היתר‪.‬‬
‫האתגר הגדול ביותר‪...‬‬
‫מודל טוב חייב להיות אדפטיבי ובעל יכולת‬
‫להסתגל לשינויים ודפוסי התנהגות שונים‬
‫של הנכס הנסחר‬
‫תכנון אלגוריתמים אדפטיביים‬
‫• גבולות המודעות של האלגוריתם ‪ :‬איזה מידע אנו מכניסים לאלגו‬
‫• צורת עיבוד והערכת המידע‬
‫• הדרך בה האלגוריתם לומד ומשתנה בצורה עצמאית‪.‬‬
‫אסטרטגיה על אג"ח "זבל"‬
‫תמצית‪ :‬האסטרטגיה עוקבת אחר שוק האג"ח זבל‬
‫(‪ (VWEHX‬בצורה יומית ומפיקה איתותים מספר‬
‫פעמים בשנה לתזמון קניה ומכירה של השוק‪.‬‬
‫היתרון הגדול של האסטרטגיה הוא בהורדת רמת‬
‫הסיכון בצורה משמעותית כאשר התשואה נשארת‬
‫כמעט זהה‪.‬‬
‫תשואה שנתית ‪9.5% :‬‬
‫ירידה מקסימלית‪4.2% :‬‬
‫האסטרטגיה יעילה מאוד בשוק אג"ח בעל תשואה‬
‫גבוהה ‪.‬‬
‫אסטרטגיה על אג"ח מוניציפלי‬
‫תמצית‪ :‬האסטרטגיה עוקבת אחר שוק האג"ח‬
‫המוניציפאלי (‪ (PRFHX‬בצורה יומית ומפיקה‬
‫איתותים מספר פעמים בשנה לתזמון קניה ומכירה‬
‫של השוק‪.‬‬
‫היתרון הגדול של האסטרטגיה הוא בהורדת רמת‬
‫הסיכון בצורה משמעותית כאשר התשואה נשארת‬
‫כמעט זהה‪.‬‬
‫תשואה שנתית ‪7.5% :‬‬
‫ירידה מקסימלית‪15% :‬‬
‫אסטרטגיה על אג"ח בדירוג גבוה‬
‫תמצית‪ :‬האסטרטגיה עוקבת אחר שוק האג"ח‬
‫בדירוג גבוה( ‪ ) VFICX‬בצורה יומית ומספקת‬
‫איתותים מספר פעמים בשנה לתזמון קניה ומכירה‬
‫של השוק‪.‬‬
‫היתרון הגדול של האסטרטגיה הוא בהורדת רמת‬
‫הסיכון בצורה משמעותית כאשר התשואה נשארת‬
‫כמעט זהה‪.‬‬
‫תשואה שנתית ‪6.1% :‬‬
‫ירידה מקסימלית‪%7.1 :‬‬
‫ולסיכום‬
‫ביצועי העבר של אלגוריתמים אינם מבטיחים תשואה עתידית אבל בתכנון נכון ישנה‬
‫סבירות טובה שיתנו יתרון על השוק‪.‬‬