برای پاسخ به این سؤال ، من زمان زیادی را صرف فکر کردن و تحقیق در مورد علوم عصبی ، تجارت الگوریتمی ، تجارت رمزنگاری کردم و چیزی واقعاً جالب یافتم.

سلب مسئولیت: اگر این مقاله را می خوانید ، فرض می کنم که شما در مورد بازارهای سهام/رمزنگاری تصدیق کرده اید و درک اساسی دارید که چرا به یک ربات نیاز دارید یا فقط به تئوری آنها علاقه دارید. این مقاله شامل قطعات کد نیست و برای اهداف آموزشی است.

در مورد رباتهای تجاری

بیایید با حقایق شروع کنیم. ربات های تجاری جدید نیستند و نشریات زیادی در مورد آن وجود دارد ، آنها توسط ساختارهای مالی استفاده می شوند ، اما آیا واقعاً مفید هستند؟من فکر می کنم ، اما اگر شما یک برنامه نویس هستید یا مفاهیم اساسی برنامه نویسی را تصدیق کرده اید ، می توانید در چند ساعت ربات خود را بنویسید. اما آیا این به اندازه کافی برای شما درآمد کسب می کند؟آیا درآمد پایدار خواهد داشت؟آیا تا به حال به بازده سالانه 100000 دلار خواهد رسید؟من می خواهم در این پست به این سؤالات پاسخ دهم و چند عکس برای شما فراهم کنم تا به جلو حرکت کنید.

1. ربات معاملاتی چیست؟یک ربات معاملاتی الگوریتمی است که شرایط خاص بازار را به تصمیمات سفارش تبدیل می کند (معمولاً خرید ، فروش یا نگه داشتن). این ، چیز خاصی نیست

2. چه نوع رباتهای تجاری وجود دارد؟همه نوع که هر معامله گر می تواند از آن استفاده کند ، زیرا ربات الگوریتمی است که توسط برنامه نویسان نوشته شده است ، آنها می توانند هر منطقی را در آن قرار دهند. به طور کلی ، ما انواع مختلفی از معامله گران داریم: • معامله گران بلند مدت-سرمایه گذاران ؛• معامله گران نوسان - کسانی که سفارشات را در یک هفته ، ماه یا سال قرار می دهند.• بازرگانان روز - کسانی که در طول روز سفارشات کمی در طول روز انجام می دهند.• معامله گران مقیاس - کسانی که روزانه ، یک ساعت یا حتی یک دقیقه سفارشات زیادی را قرار می دهند. همه این انواع معامله گر می توانند در یک ربات اجرا شوند.

3. جایی که ربات تجارت می تواند سفارشات را قرار دهد؟در هر مکانی که می خواهید و می توانید به API کارگزار یا از طریق مهندسی معکوس برسید. اما شما حتی ممکن است با ایجاد حرکات تصادفی ساده ، شرایط کارگزار ، کمیسیون ها ، مالیات ها ، گسترش و قیمت خود را شبیه سازی کنید ، این شبیه سازی شامل بخش روانشناختی یک بازار نخواهد بود ، اما این یک شروع خوب برای آزمایش یک ربات خواهد بود. اطلاعات بیشتر در مورد طراحی یک ربات عالی ، من نوشتن جداگانه را منتشر می کنم.

مقالات ربات روند:

4. در مورد انواع پیاده سازی ربات چطور؟بهتر است بگوییم انواع معاملات الگوریتمی. همانطور که ربات یک برنامه کامل است که رفتار معاملاتی یک معامله گر را به صورت خودکار پیاده سازی می کند.• ربات‌های شبکه عصبی یا هوش مصنوعی – می‌توانند ربات‌های تک پرسپترون ساده بر اساس چند نورون، شبکه‌های پیچیده LSTM یا حتی تجزیه و تحلیل اخبار مصنوعی بر اساس اکتشافی و رتبه‌بندی کلمات کلیدی باشند.• معاملات کمی - بر اساس استراتژی ترکیبی از هر معیاری برای تصمیم گیری، می تواند مقایسه شاخص ها، عملکرد قیمت، یافتن الگوها و غیره باشد. شاخص های مبتنی بر برخی استراتژی ها بخشی از این نوع هستند.• الگوریتم‌های ژنتیک – می‌توان آن را در بخش یادگیری ماشین/شبکه‌های عصبی قرار داد، اما برای تصمیم‌گیری در مورد این نوع الگوریتم به عنوان یک رویکرد یادگیری ماشین، واقعاً به اندازه کافی بررسی نشده است. پیاده سازی الگوریتم ژنتیک از فردی به فرد دیگر متفاوت است و توسط دانشگاه های سراسر جهان بررسی می شود و بخشی از یک موضوع بزرگتر از این موضوع است (اما بعداً در مورد آن بحث خواهم کرد، با ما همراه باشید)

بسیار خوب، من به چهار سوال اساسی بالا که ممکن است قبل از شروع نوشتن هر ربات فکر کنید، پاسخ داده ام. اما بعدش چی؟پس از درک اینکه ربات چیست، ممکن است به اندازه گیری KPI آنها فکر کنیم.

اندازه گیری کیفیت ربات ها

برای اندازه‌گیری کیفیت ربات، ممکن است از تکنیک تست برگشتی استفاده کنیم، که هر محدوده زمانی را در یک بازه زمانی خاص برای اجرای سفارش‌ها بر اساس داده‌های موجود قبلی فرض می‌کند. بیایید برخی از روش های اکتشافی مانند پول نقد موجود، بازه زمانی کار با آن، توقف ضرر و محدوده سود را در نظر بگیریم. ممکن است بر اساس هر استراتژی معاملاتی که می خواهیم از هر استراتژی دیگری استفاده کنیم (به عنوان مثال ربات های شبکه عصبی می توانند اکتشافی خود را بر اساس شرایط بازار تعیین کنند).

بهترین راه برای تعیین کیفیت استراتژی این است که خودتان با استفاده از TradingView بنویسید. با استفاده از مستندات آنها می توانید یک استراتژی بر روی Pine Script بنویسید (که نحو بسیار ساده ای دارد).

همانطور که در تصویر بالا می بینید، من یک استراتژی ساده را بر اساس وارد کردن موقعیت طولانی بعد از هر نوار سبز اجرا کردم.

با استفاده از 0. 01٪ ضرر و 0. 5٪ سود، روی Binance یا کارگزاران رمزنگاری مشابه کار نمی کند. می‌توان معاملات با این درصد را خودکار کرد و حتی یک سفارش حد مجاز در محدوده آن قرار داد، اما با پورسانت‌هایی که یک کارگزار پیشنهاد می‌کند زنده ماندن امکان‌پذیر نخواهد بود.

به عنوان مثال ، Binance یک کمیسیون 0. 04 ٪ برای سفارش سازنده (هر دستور بازار) را در سطح VIP اساسی پیشنهاد می کند. با این کار هرگونه سفارش متوقف شده در 0. 01 + 0. 04 * 2 = 0. 09 ٪ ضرر برای 0. 5 ٪ سود انجام می شود. این استراتژی با نسبت سود 1: 5 زنده نمی ماند ، زیرا ما فقط 2. 79 ٪ درصد سودآور داریم (این بدان معنی است که تنها 2 ٪ از کل سفارشات قرار داده شده برنده می شوند ، برخی دیگر با از دست دادن توقف اجرا می شوند).

با استفاده از آمارهای کامل گرفته شده از TradingView ، ما می توانیم قبل از استفاده از بازار واقعی یا تجارت کاغذی برای نوشتن یک برنامه ، استراتژی های ربات یا تست خود را سریعتر و آسانتر طراحی کنیم. بعد از دیدن چیزی شبیه به این:

در جایی که شما در ترکیب با درصد سودآور بالاتر از 60 (حداقل) سود خالص خوبی دارید ، ممکن است در مورد اجرای یک ربات تجاری واقعی فکر کنید.

اما صبر کنید ، آیا این بدان معنی است که رباتها مؤثر هستند؟آیا می توانیم اکنون در مورد این سوال پاسخ دهیم؟مطمئن.

آیا رباتهای تجاری به درآمدزایی کمک می کنند؟

البته که بله. به همین دلیل بسیاری از صندوق های پرچین ، ساختارهای بانکی و شرکت های بزرگ مالی ، یادگیری ماشین و متخصصان الگوریتمی را استخدام می کنند. این افراد مسئول اجرای ربات های تجاری خودکار برای بازی در بازارهای واقعی با پول بزرگ هستند.

بنابراین چقدر پول می گیرند؟آیا می توانیم محاسبه و پاسخ دهیم؟

به عوامل زیادی بستگی دارد. حداقل برنامه نویسان اکتشافی در آن قرار داده اند. مدیریت ریسک ، شرایط بازار ، پول نقد موجود و غیره ممکن است متوجه شوید که پیش بینی خوبی در یک روز معاملاتی با نوسانات کم می تواند حدود 0. 6-1 ٪ از حرکت سهام را داشته باشد. اگر ربات شما در یک ماه معاملاتی تجارت خود را از دست ندهد ، هر ماه حدود 20 ٪ درآمد کسب می کنید ، برای استراتژی "همه" ، یک حساب 10k $ 2000 دلار درآمد کسب می کند. ما ممکن است از حسابهای حاشیه ای با سفارشات اهرمی ، مدیریت ریسک یا هرمی استفاده کنیم ، با استفاده از ضرر کوتاه یا سود طولانی یا انواع ربات های تجاری مختلف ، همه آنها متفاوت کار خواهند کرد. در صورت نوشتن هرگونه اشتباه ، یک الگوریتم بد فقط حساب شما را منفجر می کند. بنابراین اطمینان حاصل کنید که تمام تست های واحد را انجام داده و قبل از شروع استفاده از آن با پول واقعی ، از ربات خود در معاملات کاغذ استفاده کنید.

بنابراین آیا می تواند در سال 100K دلار بسازد؟مطمئناً ، مدیریت ریسک مناسب ، استراتژی و مبلغ متناسب پول می تواند این بازده را به شما بدهد.

مقایسه یادگیری ماشین و الگوریتم های کم

این یک موضوع مهم برای بحث در مورد تفاوت بین شبکه های عصبی و تجزیه و تحلیل کم است. دلایل استفاده از یادگیری ماشین یا الگوریتم های شبکه عصبی چیست؟آنها می توانند الگوهای مبتنی بر داده های تاریخی را بهتر از مردم ببینند.

آنها چگونه الگوهای را تعیین می کنند؟بستگی به نوع شبکه عصبی دارد. شما می توانید یک شبکه LSTM یا یک Perceptron تک لایه را پیاده سازی کنید. تحقیقات مختلف زیادی برای انواع دیگر شبکه ها وجود دارد ، بنابراین فقط به انتخاب شما بستگی دارد.

آیا آنها مؤثر هستند؟آره. آنها واقعاً با استفاده از یادگیری تحت نظارت یا بدون نظارت ، الگوریتم هایی با الگوریتم به درستی نوشته شده را پیدا می کنند. من در حال اجرای یک شبکه عصبی تک Perceptron بودم و شاخص های کمی در این ربات قرار دادم (برخی از آنها شاخص های شخصی من ، برخی از آنها بر اساس RSI ، Bollinger Bands و RSI تصادفی) ، من یک تابع ایجاد کرده ام که دامنه زمانی طول می کشدو شبکه عصبی را از طریق شمع ها پیدا می کند که یک نوار پیدا می کند و پس از آن یک حرکت صعودی یا نزولی ثابت وجود دارد. عملکرد دوم آموزش شبکه های عصبی با استفاده از شاخص های نوار و قرار دادن 1 یا 0 به عنوان یک نورون خروجی (1 پیش بینی خرید و 0 نگه داشته است).

سپس وزن های عصبی گرفتم و با استفاده از اسکریپت کاج یک استراتژی نوشتم تا بصری پیش بینی های ربات را نشان دهد. و این بهتر از آنچه فکر می کردم کار می کرد.

بنابراین این رویکرد حس بزرگی را ایجاد می کند ، اما برای یادگیری نیاز به اکتشافات بیشتری دارد ، مانند اینکه در آن متوقف شوید و سفارشات محدودی را انجام دهید ، از چه ریسکی استفاده کنید و غیره. اما این نمونه خوبی از استفاده از شبکه های عصبی در عمل است و کار می کند.

رویکرد کمکی شبیه به شبکه های عصبی است ، اما به جای استفاده از یادگیری ماشین برای تعیین الگوهای ، برنامه نویس باید آنها را توسط خودش تعیین کند. این امر تعیین استراتژی دقیق ، زمان ترک موقعیت و نحوه مدیریت خطرات را آسان تر می کند. بیش از این ، در یک رویکرد کم ، می توان یک ربات خودکار ساخت ، بلکه یک شاخص عالی با مجموعه ای از شرایط مقایسه شده است و معامله گر با استفاده از این تجزیه و تحلیل و وضعیت کلی بازار تصمیم خود را می گیرد.

آیا پایدار است؟

بستگی دارداین بستگی به شرایط سهام و بازار ، استراتژی انتخاب شده و نوع الگوریتم دارد. یک ربات می تواند 2 ٪ بازده را برای یک روز بازگرداند و سپس بازار جهت خود را تغییر می دهد و سود روز را منفجر می کند و 3 ٪ ضرر می کند. برنامه نویسان باید به مدیریت ریسک اهمیت دهند.

به عنوان مثال ، اگر ضرر یا سود روز به برخی از امتیازات رسید (مانند 1 ٪ ضرر برای روز و 2 ٪ سود کافی است) ، به سادگی BOT را برای روز متوقف کنید. شرایط بازار بین سالها ، ماهها ، روزها یا حتی چند دقیقه در حال تغییر است. اخبار اساسی ، وحشت در بازار یا جابجایی های بازار که خریدهای بزرگی را انجام می دهند یا می فروشند (مانند تسلا در بیت کوین). در صورت عدم اجرای مدیریت ریسک و توقف مناسب ، این لحظات می تواند هر الگوریتمی از جمله شبکه های عصبی پیچیده را بشکند.

نتیجه

ربات‌های معاملاتی یک راه مؤثر برای افزایش درآمد شما با معاملات خودکار هستند، اما باید به روشی برنامه‌ریزی شده ساخته شوند، قبل از شروع آن با پول واقعی به خوبی آزمایش شوند. اطمینان حاصل کنید که در مورد فناوری‌هایی که برای ساخت و تجارت الگوریتمی استفاده می‌کنید به خوبی شناخته شده‌اید، و از ربات‌های از پیش ساخته‌شده‌ای که با قیمتی خاص ارائه می‌شوند آگاه هستید (بسیاری از آنها فقط به مدت 1 تا 2 هفته روی الگوهایی کار می‌کنند که برای آنها آزمایش می‌شوند. ترویج).

بعداً در مورد استفاده عملی از ربات‌های الگوریتمی، نحوه نوشتن استراتژی‌های مناسب بر روی Pine Script، همچنین با نمونه‌هایی از تجارت ژنتیکی و تحقیقاتم، انتشاراتی خواهم نوشت، پس با ما همراه باشید!