بررسی معماری سیستم معاملات الگوریتمی
سیستم معاملات الگوریتمی از چهار سرویس اصلی تشکیل می شود:
۱- سرویس جمع آوری کننده داده ها (Data Collector):
در این بخش داده های مورد نیاز جمع آوری می شوند. این داده ها شامل اطلاعات مالی (قیمت سهام)، اطلاعات شرکت ها و هر آن چیزی است که فکر می کنید بر روی قیمت ها موثر است.
یک ضرب المثل معروف در دنیای سرمایه‌گذاری می گوید “در ماه مه بفروش و برو” که به این باور قدیمی اشاره دارد که بازار سهام در تابستان، یعنی از ماه مه تا اکتبر ضعیف عمل می‌کند و در زمستان که ماههای نوامبر تا آوریل را شامل می‌شود، دوباره جان میگیرد. اگر شما هم اینگونه فکر می کنید یا علاقه مندید در این مورد تحقیق کنید می توانید اطلاعات مربوط به تغییرات دما را هم جمع آوری کنید. ( در این رابطه بیشتر بخوانید: چه موقع از سال سهام بخریم؟ )
- مهارت های مورد نیاز:
- دیتابیس های مورد نیاز:
- دیتابیس Stage: به منظور انتقال موقت داده ها و تمیز کردن آنها به کار می رود.
- دیتابیس Archive: تمام اطلات دریافتی را می توان به همان صورت دریافتی آرشیو کرد. وجود این دیتابیس اختیاری است.
- دیتابیس ODS: این دیتابیس، دیتابیس اصلی است که داده های عملیاتی در آن قرار دارد.
* دیتابیس های Stage و ODS مربوط به دوره جمع آوری داده ها است
۲- سرویس مصورساز (Visualizer):
به منظور مشاهده سریع تر تغییرات قیمت و تحلیل ها بر روی داده های دیتابیس خود یک دیتابیس DW می سازیم. در DW جداول Dim و Fact تشخیص داده شده و طی فرآیندی خودکار اطلاعات خود را از ODS دریافت می کنند. یک Cube بر روی DW می سازیم و آن را به Power BI متصل می کنیم. با راه اندازی Report Service for Power BI داده ها در داشبورد تحت وب پابلیش شده و می توانید داشبورد را در مرورگر خود مشاهده کنید.
- مهارت های مورد نیاز:
- زبان SQL
- SSAS
- PowerBI
- دیتابیس های مورد نیاز:
- دیتابیس DW: داده های ODS در دیتاورهوس ذخیره می شوند.
- دیتابیس OLAP: این دیتابیس با Publish پروژه SSAS ایجاد می شود و شامل Cube ی است که به PowerBI متصل می شود.
- دیتابیس PowerBI: این دیتابیس مربوط به گزارشات Power BI می شود که با نصب و راه اندازی بصورت خودکار ایجاد می شود.
- دیتابیس ReportServer: این دیتابیس مربوط به Report Server می شود که بعد از نصب بصورت خودکار ایجاد می شود.
* انجام این فرآیند و آموزش مهارت های مورد نیاز (در حد نیاز) در دوره BI برای داده های مالی داده می شود.
۳- سرویس تحلیلگر (Analyzer):
در این بخش، داده ها به روش های مختلفی بررسی و تحلیل می شوند تا به یک استراتژی خرید و فروش برسیم. استراتژی شامل تشخیص نقطه ورود و خروج، حد سود و ضرر و مدیریت سرمایه و ریسک است. بعد از ایجاد استراتژی، بک تست انجام می شود تا مشخص شود درصورت استفاده از آن در گذشته به چه میزان سودده بوده است. برای تحلیل داده و ایجاد استراتژی می توان از تحلیل تکنیکال، یادگیری ماشین و … استفاده نمود. درصورتی که استراتژی عملکرد خوبی نشان داد، مدل ساخته شده به دیتابیس ATS Slave منتقل می شود تا در بازار واقعی اجرا شود.
- مهارت های مورد نیاز:
- دیتابیس های مورد نیاز:
- دیتابیس ATS Master: این دیتابیس حاوی داده های تحلیلی است.
- الگوریتم هایی که در این دسته قرار می گیرند:
- الگوریتمهای سیگنال‌دهی
- الگوریتمهای بهینه‌ساز کننده
- ۵ ریسک بزرگ که ممکن است بتوانید با مدیریت درست در پورتفولیو خود، آن را تبدیل به یک بازده بزرگ کنید:
- ریسک نوسانات نرخ ارز
- ریسک اقتصاد مبتنی بر تورم
- ریسک نرخ بهره
- ریسک اقتصاد دستوری (مداخله دولت ها در اقتصاد)
- ریسک تحریم
* دیتابیس ATS Master مربوط به دوره طراحی استراتژی می باشد.
۴- سرویس معامله گر (Trader):
در این بخش استراتژی های برگزیده در بازار واقعی تست می شوند. بازار بصورت لحظه ای مانیتور و به مدلهای ساخته شده ارسال می شوند. درصورتی که مدل دستور خرید و فروش صادر کند، عملیات توسط سرویسهای کارگزاری اجرا می شوند.
- دیتابیس های مورد نیاز:
- دیتابیس ATS Slave: این دیتابیس حاوی مدل استراتژی ها و اطلاعات لحظه ای پرتفولیو است.
- الگوریتم هایی که در این دسته قرار می گیرند:
- الگوریتمهای اجرای معاملات
- الگوریتمهای مانیتورینگ
- الگوریتمهای تریدینگ
- الگوریتمهای کم‌بسامد (LFT)
- الگوریتمهای پربسامد (HFT)
- الگوریتمهای فرصت طلب
- الگوریتمهای دنبال‌کننده روند (TF)
* در مواقعی که مجوز دسترسی به سرویس های کارگزاری جهت انجام معاملات وجود نداشته باشد و یا بخواهیم ریسک انجام معاملات را کم کنیم، بخش آخر که ارسال سفارشات است بصورت دستی انجام می شود. به این کار اسکرینر می گویند.
