Forex Trading Algoritmo Pdf

Algoritmo genético de SnowCron em sistemas de troca de FOREX que usam o algoritmo genético para criar a estratégia negociando rentável de FOREX. Algoritmo Genético em Cortex Redes Neurais Software Feedforward Backpropagation Neural Network Aplicação para computações genéticas baseado Forex trading. Este exemplo usa conceitos e idéias do artigo anterior, por isso leia Neural Network Genetic Algorithm em FOREX Trading Systems em primeiro lugar, embora não seja obrigatório. Sobre este texto Em primeiro lugar, leia o aviso de isenção de responsabilidade. Este é um exemplo de usar a funcionalidade de algoritmo genético de Software de Redes Neurais de Cortex, não um exemplo de como fazer negociação rentável. Eu não sou seu guru, nem eu deveria ser responsável por suas perdas. Cortex Neural Networks Software tem redes neurais nele, e FFBP discutimos antes é apenas uma maneira de escolher uma estratégia de negociação forex. É uma boa técnica, poderosa e quando aplicado corretamente, muito promicing. No entanto, ele tem um problema - para ensinar a Rede Neural. Precisamos saber a saída desejada. É bastante fácil de fazer quando fazemos aproximação de função, apenas tomamos o valor real de uma função, porque sabemos o que deve ser. Quando fazemos previsão de redes neurais. Nós usamos a técnica (descrita em artigos anteriores) de ensinar a Rede Neural sobre a história, novamente, se nós prevemos, digamos, uma taxa de câmbio, sabemos (durante o treinamento) qual é a previsão correta. No entanto, quando estamos construindo um sistema de negociação, não temos idéia do que a decisão de negociação correta é, mesmo se nós conhecemos a taxa de câmbio Como a matéria de fato, temos muitas estratégias de negociação forex que podemos usar em qualquer ponto do tempo, e Precisamos encontrar um bom - como O que devemos alimentar como a saída desejada de nossa rede Neural Se você seguiu o nosso artigo anterior, você sabe, que temos traído para lidar com esse problema. Nós ensinamos a Rede Neural para fazer previsão de taxa de câmbio (ou taxa de câmbio baseado) e, em seguida, usou essa previsão para fazer negociação. Então, fora da parte de Rede Neural do programa, nós tomamos uma decisão sobre qual Rede Neural é a melhor. Algoritmos genéticos podem lidar com este problema diretamente, eles podem resolver o problema declarado como encontrar os melhores sinais comerciais. Neste artigo vamos usar o Cortex Neural Networks Software para criar tal programa. Usando Algoritmo Genético Algoritmos Genéticos são muito bem desenvolvidos, e muito diversificada. Se você quiser aprender tudo sobre eles, sugiro que você use a Wikipedia, como este artigo é apenas sobre o que Cortex Neural Networks Software pode fazer. Tendo Cortex Neural Networks Software. Nós podemos criar uma rede neural que toma alguma entrada, digamos, os valores de um indicador, e produz alguma saída, digamos, sinais de negociação (comprar, vender, segurar.) E parar a perda ter níveis de lucro para as posições a serem abertas. Claro, se nós semente desta Rede Neural s pesos ao acaso, os resultados comerciais serão terríveis. No entanto, vamos dizer que criamos uma dúzia de tais NNs. Então podemos testar o desempenho de cada um deles, e escolher o melhor, o vencedor. Esta foi a primeira geração de NNs. Para continuar na segunda geração, precisamos permitir que nosso vencedor procreate, mas para evitar a obtenção de cópias idênticas, vamos adicionar algum ruído aleatório para seus pesos descententes. Na segunda geração, temos nosso vencedor de primeira geração e suas cópias imperfeitas (mutadas). Vamos fazer o teste novamente. Teremos outro vencedor, que é melhor do que qualquer outra rede neural na geração. E assim por diante. Simplesmente permitimos que os vencedores se reproduzam e eliminem os perdedores, assim como na evolução da vida real, e obteremos nossa Rede Neural de melhor negociação. Sem qualquer conhecimento prévio sobre o que o sistema de negociação (algoritmo genético) deve ser semelhante. Rede Neural Algoritmo Genético: Exemplo 0 Este é o primeiro exemplo de algoritmo genético. E um muito simples. Vamos caminhar por ela passo a passo, para aprender todos os truques que os exemplos a seguir usarão. O código tem comentários inline, por isso permite apenas concentrar-se em momentos-chave. Primeiro, criamos uma rede neural. Ele está usando pesos aleatórios, e ainda não foi ensinado. Então, no ciclo, fazemos 14 cópias dele, usando MUTATIONNN fumtion. Esta função faz uma cópia de uma Rede Neural de origem. Adicionando valores aleatórios de 0 a (em nosso caso) 0,1 para todos os pesos. Nós mantemos alças para resultar em 15 NNs em uma matriz, podemos fazê-lo, como identificador é apenas um número inteiro. O motivo pelo qual usamos 15 NNs não tem nada a ver com negociação: o Cortex Neural Networks Software pode plotar até 15 linhas em um gráfico simultaneamente. Podemos usar diferentes abordagens para o teste. Primeiro, podemos usar o conjunto de aprendizado, tudo de uma só vez. Em segundo lugar, podemos testar, digamos, 12000 restrições (de 100000), e percorrer o conjunto de aprendizado, do começo ao fim. Isso tornará os aprendizes diferentes, pois iremos procurar redes neurais que sejam lucrativas em qualquer dado dado, não apenas no conjunto. A segunda abordagem pode nos dar problemas, se os dados mudam, do começo ao fim. Em seguida, a rede vai evoluir, obtendo a capacidade de comércio no final do conjunto de dados, e perder a capacidade de comércio no seu início. Para resolver esse problema, vamos pegar aleatórios 12000 registros fragmentos de dados, e alimentá-lo para a Rede Neural. É simplesmente um ciclo infinito, já que 100000 ciclos nunca serão alcançados à nossa velocidade. Abaixo adicionamos uma criança para cada rede, com pesos ligeiramente diferentes. Note que 0,1 para mutação tange não é a única escolha, como a matéria de fato, mesmo este parâmetro pode ser otimizado usando algoritmo genético. Os NNs recém-criados são adicionados após 15 existentes. Desta forma, temos 30 NNs em uma matriz, 15 velhos e 15 novos. Então vamos fazer o próximo ciclo de testes, e matar perdedores, de ambas as gerações. Para fazer o teste, aplicamos a Rede Neural aos nossos dados, para produzir saídas e, em seguida, chamamos a função Teste, que usa essas saídas para simular a negociação. Resultados de negociação são usados ​​para deside, que NNs são melhores. Usamos um intervalo de registros nLearn, de nStart para nStart nLearn, onde nStart é um ponto aleatório dentro do conjunto de aprendizado. O código abaixo é um truque. A razão pela qual o usamos é para ilustrar o fato de que o algoritmo genético pode criar algoritmos genéticos. Mas não necessariamente será o melhor, e também, sugerir, que podemos melhorar o resultado, se implicarmos algumas limitações para o processo de aprendizagem. É possível, que o nosso sistema de comércio funciona muito bem em longos comércios, e muito pobre em curto, ou vice-versa. Se, digamos, longos comércios são MUITO bons, este algoritmo genético pode ganhar, mesmo com grandes perdas em negócios curtos. Para evitá-lo, atribuímos mais peso aos negócios longos em negócios curtos e curtos em ciclos pares. Este é apenas um exemplo, não há garantia, que ele vai melhorar algo. Mais sobre isso abaixo, em discussão sobre correções. Tecnicamente, você não tem que fazê-lo, ou pode torná-lo de forma diferente. Adicione lucro a uma matriz ordenada. Retorna uma posição de inserção, então usamos essa posição para adicionar identificador de rede neural, aprendendo e testando lucros para matrizes não-classificadas. Agora temos dados para a Rede Neural atual no mesmo índice de array que seu lucro. A idéia é chegar a matriz de NNs, classificados por rentabilidade. Como matriz é classifica por lucro, para remover 12 de redes, que são menos rentáveis, só precisamos remover NNs 0 a 14 As decisões de negociação são baseadas no valor de sinal de rede neural, a partir deste ponto de vista o programa é idêntico a exemplos de Artigo anterior. Estratégia de negociação FOREX: Discutir o exemplo 0 Primeiro de tudo, vamos dar uma olhada em gráficos. O primeiro gráfico de lucro durante a primeira iteração não é bom em tudo, como seria de esperar, a Rede Neural perde dinheiro (imagem evolution00gen0.png copiada após a primeira iteração da pasta de imagens): A imagem para lucro no ciclo 15 é melhor, às vezes , Algoritmo genético pode aprender muito rápido: No entanto, observe a saturação em uma curva de lucro. É interessante também observar a forma como os lucros individuais mudam, tendo em mente que o número da curva, digamos, 3 nem sempre é para a mesma Rede Neural. Como eles estão a nascer e terminou o tempo todo: Note também que o pequeno sistema de comércio automatizado forex é pobre em negócios curtos e muito melhor em longas, o que pode ou não estar relacionado com o fato de que o dólar estava caindo em comparação com Euros durante esse período. Também pode ter algo a ver com parâmetros do nosso indicador (talvez, precisamos período diferente para shorts) ou a escolha de indicadores. Aqui está a história após 92 e 248 ciclos: Para nossa surpresa, o algoritmo genético falhou completamente. Vamos tentar descobrir por que, e como ajudar a situação. Primeiro de tudo, não é cada geração suposto ser melhor do que o previuos A resposta é não, pelo menos não dentro do modelo que usamos. Se tomarmos ENTIRE aprendizado conjunto de uma vez, e usado repetidamente para ensinar NNs, então sim, eles vão melhorar em cada geração. Mas em vez disso, pegamos fragmentos aleatórios (12000 registros no tempo), e os usamos. Duas perguntas: por que o sistema falhou em fragmentos aleatórios do conjunto de aprendizagem, e por que havent usamos todo o conjunto de aprendizagem bem. Para responder à segunda pergunta, eu fiz. NNs realizado muito - no conjunto de aprendizagem. E falharam no teste ajustado, pela mesma razão falha quando nós usamos o aprendizado de FFPB. Dito de outra forma, nossos NNs ficaram sobre-especializados, aprenderam a sobreviver no ambiente que estão acostumados, mas não fora dela. Isso acontece muito na natureza. A abordagem que nós tomamos em vez disso destinava-se a compensar isso, forçando NNs para executar bom em qualquer fragmento aleatório do conjunto de dados, de modo que, esperamos, eles também poderiam executar em um conjunto de testes desconhecidos. Em vez disso, eles falharam nos testes e no conjunto de aprendizado. Imagine animais, vivendo em um deserto. Muito sol, sem neve. Este é um metafor para rizing mercado, como para NNs nossos dados desempenham o papel do ambiente. Os animais aprenderam a viver num deserto. Imagine animais, que vivem em um clima frio. Neve e sem sol. Bem, eles se ajustaram. No entanto, em nosso experimento, colocamos aleatoriamente nossas NNs em um deserto, na neve, na água, nas árvores. Apresentando-os com diferentes fragmentos de dados (aleatoriamente aumentando, caindo, flat.). Animais morreram. Ou, para colocá-lo de forma diferente, nós selecionamos a melhor Rede Neural para o conjunto de dados aleatórios 1, que, digamos, foi para o mercado em alta. Em seguida, apresentamos, para os vencedores e seus filhos, uma queda nos dados dos mercados. NNs executado mal, que levou melhor de artistas pobres, talvez, uma das crianças mutantes, que perdeu a capacidade de comércio no mercado em ascensão, mas tem alguma capacidade de lidar com a queda de um. Então nós giramos a tabela outra vez, e outra vez, nós começamos o mais melhor performer - mas melhor entre executores pobres. Nós simplesmente não damos NNs nossas chances de se tornar universal. Existem técnicas que permitem que o algoritmo genético aprenda novas informações sem perder o desempenho em informações antigas (afinal, os animais podem viver no verão e no inverno, assim a evolução é capaz de lidar com mudanças repetidas). Podemos discutir essas técnicas mais tarde, embora este artigo é mais sobre o uso de Cortex Neural Networks Software. Do que sobre a construção de um sistema de comércio automatizado forex bem sucedido. Algoritmo Genético de Rede Neural: Exemplo 1 Agora é hora de falar sobre correções. Um algoritmo genético simples que criamos durante a etapa anterior tem duas falhas importantes. Primeiro, ele não negociou com o lucro. É ok, podemos tentar usar o sistema parcialmente treinado (foi rentável no início). A segunda falha é mais séria: não temos controle sobre as coisas, que esse sistema faz. Por exemplo, ele pode aprender a ser rentável, mas com grandes abaixamentos. É um fato bem conhecido, que na vida real, a evolução pode otimizar mais de um parâmetro simultaneamente. Por exemplo, podemos obter um animal, que pode correr rápido E ser resistente ao frio. Por que não tentar fazer o mesmo no nosso sistema de negociação automatizado forex. Isso é quando usamos as correções, que não são nada, mas o conjunto de punições adicionais. Dizer, nosso sistema negocia com drawdown 0.5, enquanto nós queremos confirmá-lo para 0 - 0.3 intervalo. Para dizer ao sistema que cometeu um erro, diminuímos seu lucro (um usado para determinar qual algoritmo genético venceu) ao grau, que é proporcional ao tamanho de DD. Então, o algoritmo de evolução cuida do resto. Há poucos fatores mais, que queremos levar em consideração: podemos querer ter mais ou menos igual número de operações de compra e venda, queremos ter mais de operações lucrativas, depois de falhas, podemos querer que o gráfico de lucro Ser linear e assim por diante. Em evolution01.tsc implementamos um conjunto simples de correções. Em primeiro lugar, usamos um grande número para um valor de correção inicial. Multiplicamo-lo a um pequeno (geralmente, entre 0 e 1) valores, dependendo da punição que queremos aplicar. Então nós multiplicamos nosso lucro a esta correção. Como resultado, o lucro é corrigido, para refletir o quanto o algoritmo genético corresponde aos nossos outros critérios. Então usamos o resultado para encontrar uma Rede Neural vencedora. Estratégia de negociação FOREX: Discutir o exemplo 1 O exemplo 1 funciona muito melhor do que o exemplo 0. Durante os primeiros 100 ciclos, aprendeu muito e os gráficos de lucro parecem tranquilizadores. No entanto, como no exemplo 0, os negócios longos são muito mais rentáveis, o que provavelmente significa que há um problema em nossa abordagem. No entanto, o sistema encontrou um equilíbrio entre algumas condições iniciais contraditórias: Há alguma dinâmica positiva tanto no conjunto de aprendizagem e, mais importante, no conjunto de testes. Quanto ao aprendizado, no ciclo 278 podemos ver que o nosso sistema se sobreenturou. Isso significa que ainda temos progresso no conjunto de aprendizado: Mas o conjunto de testes mostra fraqueza: este é um problema comum com NNs: quando ensinamos no aprendizado, ele aprende a lidar com ele, e às vezes, ele aprende muito bem - para o Grau, quando ele perde desempenho no conjunto de testes. Para lidar com esse problema, uma solução tradicional é usada: nós continuamos procurando a Rede Neural. Que executa melhor no conjunto de testes e salvá-lo, sobrescrevendo o anterior melhor, cada vez que o novo pico é atingido. Esta é a mesma abordagem, nós usamos no treinamento FFBP, exceto, desta vez temos que fazê-lo nós mesmos (adicionando código, que procura uma melhor rede neural em um conjunto de testes, e chamando SAVENN, ou exportando pesos de rede neural para um Arquivo). Desta forma, quando você parar o seu treinamento, você terá o melhor desempenho ON TESTING SET salvo e esperando por você. Note também, que não é o max. Lucro que você está procurando, mas o desempenho ideal, então considere usar correções, ao procurar um melhor desempenho em um conjunto de testes. Algoritmo Genético para FOREX Análise Técnica: Onde agora Depois que você tem o vencedor Rede Neural. Você pode seguir os passos, descritos no artigo anterior, para exportar pesos dessa Rede Neural. E depois usá-los em sua plataforma de negociação em tempo real, como Meta Trader, Trade Station e assim por diante. Alternativamente, você pode se concentrar em outras formas de otimizar a Rede Neural. Ao contrário do algoritmo FFBP, aqui você pode obter avay de usar conjuntos de aprendizagem e teste, e mover a aprendizagem sequencial. Download Cortex Order Cortex Ver lista de preços A visibilidade é muito importante para este site. Se você gosta, por favor, ligue para este URLThe Basics of Forex Algorithmic Trading Quase trinta anos atrás, o mercado de câmbio (Forex) foi caracterizado por negócios realizados por telefone, os investidores institucionais. Opaco, uma clara distinção entre negociação interdealer e negociante negociante-cliente e baixa concentração de mercado. Hoje, os avanços tecnológicos transformaram o mercado. Trades são feitos principalmente através de computadores, permitindo que os comerciantes de varejo para entrar no mercado, em tempo real streaming preços levaram a uma maior transparência ea distinção entre os revendedores e seus clientes mais sofisticados em grande parte desapareceu. Uma mudança particularmente significativa é a introdução da negociação algorítmica. Que, ao fazer melhorias significativas para o funcionamento da negociação Forex, também apresenta uma série de riscos. Ao olhar para o básico do mercado de Forex e negociação algorítmica, vamos identificar algumas vantagens negociação algorítmica trouxe para a negociação de moeda ao mesmo tempo, apontando alguns dos riscos. Forex Basics Forex é o lugar virtual em que os pares de moedas são negociados em volumes variados de acordo com os preços cotados em que uma moeda base é dado um preço em termos de uma moeda de cotação. Operando 24 horas por dia, cinco dias por semana, o Forex é considerado o maior e mais líquido mercado financeiro mundial. De acordo com o Banco de Pagamentos Internacionais (BIS), o volume médio diário global de negociação em abril de 2013 foi de 2,0 trilhões. A maior parte deste comércio é feito para dólares dos EUA, euros e ienes japoneses e envolve uma gama de jogadores, incluindo bancos privados, bancos centrais, fundos de pensão. Investidores institucionais, grandes corporações, empresas financeiras e comerciantes varejistas individuais. Embora a negociação especulativa pode ser a principal motivação para certos investidores, a principal razão para a existência de mercados de Forex é que as pessoas precisam para negociar moedas, a fim de comprar bens e serviços estrangeiros. A atividade no mercado Forex afeta as taxas de câmbio reais e pode, portanto, afetar profundamente a produção, o emprego, a inflação e os fluxos de capital de qualquer nação em particular. Por esta razão, os decisores políticos, o público e os meios de comunicação têm um interesse adquirido no que se passa no mercado Forex. Noções básicas de negociação algorítmica Um algoritmo é essencialmente um conjunto de regras específicas destinadas a completar uma tarefa claramente definida. Na negociação no mercado financeiro, os computadores realizam algoritmos definidos pelo usuário, caracterizados por um conjunto de regras que consistem em parâmetros como tempo, preço ou quantidade que estruturam os negócios que serão feitos. Existem quatro tipos básicos de negociação algorítmica dentro dos mercados financeiros: estatística, auto-hedging, estratégias de execução algorítmica e acesso directo ao mercado. Estatística refere-se a uma estratégia algorítmica que procura oportunidades comerciais lucrativas com base na análise estatística de dados históricos de séries temporais. A cobertura automática é uma estratégia que gera regras para reduzir a exposição de um profissional ao risco. O objetivo das estratégias de execução algorítmica é executar um objetivo predefinido, como reduzir o impacto no mercado ou executar um comércio rapidamente. Finalmente, o acesso direto ao mercado descreve as velocidades ótimas e os custos mais baixos aos quais os comerciantes algorítmicos podem acessar e se conectar a várias plataformas de negociação. Uma das subcategorias de negociação algorítmica é a negociação de alta freqüência, que é caracterizada pela freqüência extremamente alta de execuções de ordem de comércio. Alta velocidade de negociação pode dar vantagens significativas para os comerciantes, dando-lhes a capacidade de fazer negócios dentro de milissegundos de mudanças de preços incrementais. Mas também pode conter certos riscos. Negociação Algorítmica no Mercado de Forex Grande parte do crescimento na negociação algorítmica nos mercados de Forex nos últimos anos tem sido devido a algoritmos automatizando certos processos e reduzindo as horas necessárias para realizar transações de câmbio. A eficiência criada pela automação leva a custos menores na realização desses processos. Um desses processos é a execução de ordens comerciais. Automatizar o processo de negociação com um algoritmo que negoceia com base em critérios predeterminados, como executar ordens durante um período de tempo especificado ou a um preço específico, é significativamente mais eficiente do que a execução manual por seres humanos. Os bancos também se aproveitaram de algoritmos programados para atualizar os preços dos pares de moedas nas plataformas de negociação eletrônicas. Esses algoritmos aumentam a velocidade com que os bancos podem cotizar os preços de mercado ao mesmo tempo em que reduzem o número de horas de trabalho manuais necessárias para cotizar os preços. Alguns bancos programa algoritmos para reduzir sua exposição ao risco. Os algoritmos podem ser usados ​​para vender uma moeda específica para corresponder a um comércio de clientes em que o banco comprou o montante equivalente, a fim de manter uma quantidade constante dessa moeda específica. Isso permite que o banco mantenha um nível de exposição de risco pré-especificado para manter essa moeda. Esses processos foram feitos significativamente mais eficientes por algoritmos, levando a custos de transação mais baixos. No entanto, estes não são os únicos fatores que têm impulsionado o crescimento do Forex trading algorítmico. Algoritmos têm sido cada vez mais utilizados para o comércio especulativo como a combinação de alta freqüência e os algoritmos capacidade de interpretar dados e executar ordens permitiu comerciantes para explorar oportunidades de arbitragem decorrentes de pequenos desvios de preços entre pares de moedas. Todas estas vantagens têm levado ao uso crescente de algoritmos no mercado Forex, mas vamos olhar para alguns dos riscos que acompanham a negociação algorítmica. Riscos envolvidos em Algorithmic Forex Trading Apesar de negociação algorítmica tem feito muitas melhorias, existem algumas desvantagens que poderiam ameaçar a estabilidade ea liquidez do mercado Forex. Uma dessas desvantagens diz respeito a desequilíbrios no poder de negociação dos participantes do mercado. Alguns participantes têm os meios para adquirir tecnologia sofisticada que lhes permite obter informações e executar ordens a uma velocidade muito mais rápida do que outras. Este desequilíbrio entre os que têm e os que não têm em termos da tecnologia algorítmica mais sofisticada pode levar à fragmentação dentro do mercado que pode levar à escassez de liquidez ao longo do tempo. Além disso, embora haja diferenças fundamentais entre os mercados de ações eo mercado Forex, há alguns que temem que a alta freqüência de negociação que exacerbou o crash do mercado acionário flash em 6 de maio de 2010 poderia afetar igualmente o mercado Forex. Como algoritmos são programados para cenários de mercado específicos, eles podem não responder rapidamente o suficiente se o mercado fosse mudar drasticamente. Para evitar esse cenário, os mercados precisam ser monitorados e a negociação algorítmica suspensa durante a turbulência do mercado. No entanto, em tais cenários extremos, uma suspensão simultânea de negociação algorítmica por numerosos participantes no mercado poderia resultar em alta volatilidade e uma drástica redução na liquidez do mercado. A linha inferior Embora a negociação algorítmica tenha sido capaz de aumentar a eficiência, reduzindo assim os custos de moedas de negociação, também veio com alguns riscos adicionais. Para que as moedas funcionem corretamente, elas devem ser reservas de valor um tanto estáveis ​​e serem altamente líquidas. Assim, é importante que o mercado Forex permaneça líquido com baixa volatilidade de preços. Como com todas as áreas da vida, a tecnologia nova introduz muitos benefícios, mas igualmente vem com riscos novos. O desafio para o futuro da negociação algorítmica de Forex será como instituir mudanças que maximizam os benefícios ao mesmo tempo em que reduzem os riscos. Strategias para Forex Algorithmic Trading Como resultado da recente controvérsia, o mercado de forex tem sido sob maior escrutínio. Quatro grandes bancos foram considerados culpados de conspirar para manipular as taxas de câmbio, o que prometeu aos comerciantes receitas substanciais com risco relativamente baixo. Em particular, os maiores bancos mundiais concordaram em manipular o preço do dólar dos EUA e do euro de 2007 a 2013. O mercado de câmbio é notavelmente desregulado apesar de lidar com 5 trilhões de dólares de transações por dia. Como resultado, os reguladores têm instado a adoção de negociação algorítmica. Um sistema que utiliza modelos matemáticos em uma plataforma eletrônica para executar negócios no mercado financeiro. Devido ao alto volume de transações diárias, negociação algorítmica forex cria maior transparência, eficiência e elimina viés humano. Uma série de diferentes estratégias podem ser perseguidos por comerciantes ou empresas no mercado forex. Por exemplo, a cobertura automática refere-se à utilização de algoritmos para cobrir o risco da carteira ou para compensar posições de forma eficiente. Além da auto-cobertura, estratégias algorítmicas incluem negociação estatística, execução algorítmica, acesso direto ao mercado e negociação de alta freqüência, tudo isso pode ser aplicado a transações de forex. Auto Hedging Ao investir, hedging é uma maneira simples de proteger seus ativos de perdas significativas, reduzindo o montante que você pode perder se algo inesperado ocorre. Na negociação algorítmica, hedging pode ser automatizado, a fim de reduzir a exposição de um comerciante a risco. Estas ordens de cobertura geradas automaticamente seguem modelos especificados para gerir e monitorizar o nível de risco de uma carteira. Dentro do mercado forex, os principais métodos de cobertura de negócios são através de contratos à vista e opções de moeda. Os contratos à vista são a compra ou venda de uma moeda estrangeira com entrega imediata. O mercado spot fprex cresceu significativamente desde o início dos anos 2000 devido ao influxo de plataformas algorítmicas. Em particular, a rápida proliferação da informação, tal como reflectida nos preços de mercado, permite que surjam oportunidades de arbitragem. As oportunidades de arbitragem ocorrem quando os preços da moeda ficam desalinhados. Arbitragem triangular. Como é conhecido no mercado forex, é o processo de conversão de uma moeda de volta para si mesmo através de várias moedas diferentes. Os comerciantes algorítmicos e de alta freqüência só podem identificar essas oportunidades por meio de programas automatizados. Como um derivado. As opções do forex operam-se em uma maneira similar como uma opção em outros tipos de seguranças. As opções em moeda estrangeira dão ao comprador o direito de comprar ou vender o par de moedas a uma determinada taxa de câmbio em algum momento no futuro. Programas de computador têm opções binárias automatizadas como uma forma alternativa de hedge de negócios em moeda estrangeira. As opções binárias são um tipo de opção onde os retornos tomam um de dois resultados: ou o comércio se instala em zero ou a um preço de exercício pré-determinado. Análise estatística No sector das finanças, a análise estatística continua a ser uma ferramenta significativa na medição dos movimentos de preços de uma garantia ao longo do tempo. No mercado forex, indicadores técnicos são usados ​​para identificar padrões que podem ajudar a prever movimentos futuros de preços. O princípio de que a história se repete é fundamental para a análise técnica. Uma vez que os mercados de FX operam 24 horas por dia, a quantidade robusta de informações aumenta, assim, a significância estatística das previsões. Devido à crescente sofisticação dos programas de computador, os algoritmos foram gerados de acordo com indicadores técnicos, incluindo a convergência média de convergência (MACD) eo índice de força relativa (RSI). Os programas algorítmicos sugerem momentos específicos em que as moedas devem ser compradas ou vendidas. Execução Algorítmica A negociação algorítmica requer uma estratégia executável que os gestores de fundos possam usar para comprar ou vender grandes quantidades de ativos. Os sistemas de negociação seguem um conjunto pré-especificado de regras e são programados para executar uma ordem sob certos preços, riscos e horizontes de investimento. No mercado forex, o acesso direto ao mercado permite que os traders buy-side executem ordens de forex diretamente para o mercado. O acesso direto ao mercado ocorre através de plataformas eletrônicas, o que muitas vezes reduz custos e erros de negociação. Normalmente, a negociação no mercado é restrita a corretores e criadores de mercado, no entanto, o acesso direto ao mercado fornece às empresas compradoras o acesso à infra-estrutura de venda, conferindo aos clientes maior controle sobre os negócios. Devido à natureza da negociação algorítmica e os mercados de FX, a execução da ordem é extremamente rápida, permitindo que os comerciantes aproveitem as oportunidades comerciais de curta duração. Negociação de alta freqüência Como o subconjunto mais comum de negociação algorítmica, negociação de alta freqüência tornou-se cada vez mais popular no mercado forex. Baseado em algoritmos complexos, a negociação de alta freqüência é a execução de um grande número de transações em velocidades muito rápidas. Como o mercado financeiro continua a evoluir, velocidades de execução mais rápidas permitem que os comerciantes para tirar proveito de oportunidades rentáveis ​​no mercado cambial, um número de estratégias de negociação de alta freqüência são projetados para reconhecer rentável arbitragem e situações de liquidez. Fornecido ordens são executadas rapidamente, os comerciantes podem alavancar arbitragem para bloquear em lucros sem risco. Devido à velocidade de negociação de alta freqüência, arbitragem também pode ser feito através de preços spot e futuros dos mesmos pares de moedas. Os defensores da alta freqüência de negociação no mercado de câmbio destacar o seu papel na criação de alto grau de liquidez e transparência em comércios e preços. A liquidez tende a ser contínua e concentrada, uma vez que existe um número limitado de produtos em comparação com as acções. No mercado forex, as estratégias de liquidez visam detectar desequilíbrios de ordem e diferenças de preços entre um determinado par de moedas. Um desequilíbrio de ordem ocorre quando há um número excessivo de ordens de compra ou venda de um ativo ou moeda específica. Neste caso, os comerciantes de alta freqüência agem como provedores de liquidez, ganhando o spread por arbitraging a diferença entre o preço de compra e venda. A linha de fundo Muitos estão pedindo maior regulamentação e transparência no mercado cambial à luz dos recentes escândalos. A crescente adoção de sistemas de negociação algorítmica forex pode efetivamente aumentar a transparência no mercado forex. Além da transparência, é importante que o mercado cambial permaneça líquido com baixa volatilidade de preços. Estratégias de negociação algorítmicas, como cobertura automática, análise estatística, execução algorítmica, acesso direto ao mercado e negociação de alta freqüência, podem expor inconsistências de preços, que representam oportunidades lucrativas para os comerciantes.