تاریخچه معاملات الگوریتمی از وال استریت تا بورس تهران
در دنیای امروز، بازارهای مالی به یکی از پرتراکم‌ترین و پیچیده‌ترین بخش‌های اقتصاد تبدیل شده‌اند. تعامل بین سرمایه‌گذاران، تغییرات قیمت، و تکنولوژی‌های نوظهور، باعث شده است که نیاز به روش‌های پیشرفته و هوشمند برای انجام معاملات در این بازارها احساس شود. در این پست به مفهوم معاملات الگوریتمی و نقش آن در بهبود عملکرد و سرعت معاملات می پردازیم و سیر تحول و تاریخچه معاملات الگوریتمی و ربات های معامله گر را مورد بررسی قرار دادیم.
بدون شک، الگوریتم‌ها و هوش مصنوعی به عنوان ابزارهای اساسی در معاملات الگوریتمی در حوزه مالی به کار می‌روند. این رویکرد نوین، توانایی تجزیه و تحلیل داده‌های عظیم را دارد و مبنایی قوی برای تصمیم‌گیری هوشمند در معاملات فراهم می‌کند. با استفاده از الگوریتم‌های پیشرفته، معاملات در بازارهای مالی به سرعتی فوق‌العاده انجام می‌شوند و برای سرمایه‌گذاران نوعی از اطمینان و امنیت را فراهم می‌کنند.
فصل اول از تاریخچه معاملات الگوریتمی
در دهه ۱۹۷۰، با اضافه شدن سیستمی به نام دات به بورس نیویورک، معاملات الگوریتمی آغاز شد. در آن سامانه، افراد قادر بودند سفارش‌های خود را ارسال کنند و سفارشات توسط استیشن‌های داخل تالار اجرا می‌شدند. این سیستم تبدیل به محبوبیت بالایی در میان تریدرها شد و تلفنی برای دسترسی به سامانه دیگری استفاده می‌شد.
در دهه ۱۹۸۰، سوپر دات به عنوان سامانه‌ای برای ارسال مستقیم سفارشات به سامانه معاملاتی مورد استفاده قرار گرفت. اما در طول زمان، معاملات به صورت آنلاین و الگوریتمی تغییر کردند. بازار آمریکا در این راستا حرکت کرده و معاملات الگوریتمی را به رشد پیش برد.
در سال ۲۰۰۰، کمتر از ۱۰ درصد معاملات در بازار آمریکا به صورت الگوریتمی انجام می‌شد. الگورتیم های نسبتاً ساده ای که با حذف خطا های انسانی به نتایج قطعی می رسید که درست یا غلط بودن آن بستگی به استراتژی و الگوریتم آن داشت این نتایج باعث شد تا سرمایه گذاران و افراد فعال در بازار مالی جذب این نوع از معاملات شوند چون میدانستند اگر استراتژی و الگوریتم درست باشد کامپیوتر همان کاری را انجام میدهد که باید انجام دهد!
بحران بزرگ اقتصادی آمریکا
بحران مالی ۲۰۰۸–۲۰۰۷در ایالات متحده آمریکا، یک بحران مالی جهانی بود که تأثیر گسترده‌ای بر اقتصاد جهان داشت. این بحران اصلی‌ترین علت آن را در بازار مسکن آمریکا و صنعت مرتبط با آن، به‌خصوص بازار اوراق بهادار مرتبط با مسکن (MBS) و اوراق بهادار مرتبط با بسترهای مالی (CDO) قرار داد.
در سال‌های پیش از بحران، تعداد زیادی از افراد تسهیلات وام مسکن دریافت کرده بودند که اغلب این تسهیلات نیمه تسهیلات (subprime loans) با بهره‌های بالا و شرایط پرداخت نامناسب بودند.
وقتی که نرخ بهره برای تسهیلات وام مسکن افزایش یافت، افراد بیشتری قادر به پرداخت قسط وام خود نبودند. این موضوع باعث افزایش تعداد خانوارهایی شد که قسط وام خود را نمی‌توانستند پرداخت کنند. به علاوه، بانکها و مؤسسات مالی بزرگی که این تسهیلات را برای خرید مسکن در بازار مسکن آمریکا اعطا می‌کردند، متوجه شدند که ارزش اوراق بهادار مرتبط با این تسهیلات به طور قابل توجهی کاهش یافته است.
این وضعیت باعث بروز بحران مالی شد. مؤسسات مالی بزرگی مانند بانکها و شرکتهای بیمه به دلیل داشتن اوراق بهادار با ارزش کاهش یافته، با مشکلات مالی روبرو شدند و برخی از آنها تهدید شدند که اعلام ورشکستگی کنند. این موضوع منجر به بروز شوک‌های اعتماد عمومی در بازار مالی شد و به تبع آن منجر به بحران بانکی و رکود اقتصادی شدیدی شد.
سرمایه گذاران و فعالان بازار که برای این شرایط استراتژی نداشتند و الگوریتمی طراحی نکرده بودند بخاطر نبود پول در بازار سهام و نتایج نامناسبی که در یافت می کردند از این فضا فاصله گرفتند و روند رشد تکنولوژی معاملات هوشمند برای مدتی آهسته شد.
پیشنهاد میکنیم مقاله پرایس اکشن را بخوانید.
تاثیرات این بحران بر معاملات الگوریتمی
تاثیرات این بحران را بر معاملات الگوریتمی می توان در چهار حوزه بررسی کرد:
- افزایش در نوسانات بازار: بحران مالی باعث افزایش نوسان قیمت در بازارهای مالی شد. این تغییرات ناپیوسته و غیرقابل پیش‌بینی قیمت، معاملات الگوریتمی را تحت تأثیر قرار داد. بسیاری از الگوریتم‌ها در شرایط بازار نامطمئن و نوسانات شدید قیمت عملکرد نامناسبی داشتند و ممکن بودند با خطاهای جدی مواجه شوند.
- تشدید اثرات جریان نقدینگی: بحران مالی منجر به کاهش جدی جریان نقدینگی در بازارهای مالی شد. در چنین شرایطی، اعتبار و دسترسی به سرمایه تضمینی برای معامله‌گران الگوریتمی کاهش یافت. این موضوع می‌تواند باعث افزایش معاملات در بازارهای مالی به قیمت‌های ناعادلانه و کاهش ناگهانی قیمت‌ها شود.
- انتشار اطلاعات غیرمعمول: بحران مالی باعث ایجاد اطلاعات غیرمعمول و غیرمنتظره در بازارهای مالی شد. اخبار منفی و حجم زیادی از اطلاعات ناامیدکننده وارد بازار شد که می‌توانست تأثیرات منفی بر روی تصمیم‌گیری الگوریتم‌ها داشته باشد. الگوریتم‌ها ممکن بودند براساس این اطلاعات منفی تصمیمات خود را بگیرند و در نتیجه معاملات توانمندی خرید را کاهش دهند و قیمت‌ها را به پایین بکشند.
- تقویت روند فروش بیش از حد: بحران مالی باعث تقویت روند فروش بیش از حد در بازارهای مالی شد. الگوریتم‌ها می‌توانستند در شرایط ناپایدار بازار، با فروش سریع و بیش از حد اقدام کنند و در نتیجه نوسانات شدیدتری در بازار ایجاد شود. این امر می‌تواند باعث تشدید بحران و افزایش ریسک‌ها در بازارها شود.
بهبود شرایط با تدابیر فدرال رزرو
برای خروج از این بحران، دولت آمریکا و بانک مرکزی آمریکا (Federal Reserve) تدابیری را اتخاذ کردند. این تدابیر شامل موارد زیر بودند:
- پشتیبانی مالی: دولت آمریکا برخی از بانکها و مؤسسات مالی را که در معرض خطر ورشکستگی بودند، با اعطای تسهیلات مالی و پشتیبانی مالی فراهم کرد.
- تقویت نظارت بر بانکها: نظارت بر بانکها و مؤسسات مالی تشدید شد و تدابیر بیشتری برای جلوگیری از ریسک‌های بزرگ مالی اتخاذ شد.
- کاهش نرخ بهره: بانک مرکزی آمریکا نرخ بهره را به حداقل رسانده و سیاست پولی گسترده‌تری را اجرا کرد. این اقدامات هدف داشتند تا تسهیلات اقتصادی را افزایش داده و بازار مسکن را حمایت کنند.
- اصلاحات قانونی: قوانین و مقررات مالی به منظور جلوگیری از تکرار بحران‌های مالی مشابه، اصلاح شد. قوانین محدودیت‌های بیشتری بر روی فعالیت‌های بانکی و مؤسسات مالی اعمال شد.
این تدابیر در نهایت منجر به بهبود و بازیابی اقتصادی در آمریکا شد. با این حال، بحران مالی 2007-2008 تأثیری عمده بر اقتصاد جهانی داشت و تأثیرات آن در سطح جهانی به مدت طولانی احساس شد.پس از بحران مالی 2007-2008 در آمریکا، بازارهای مالی تلاش‌های زیادی برای بهبود شرایط و افزایش شفافیت و پایداری داشتند. یکی از تغییراتی که در بازارهای مالی رخ داد، استفاده گسترده‌تر از معاملات الگوریتمی بود.
معاملات الگوریتمی در بازار سرمایه ایران
در حالی که آمریکا از بحران مالی خارج می‌شد در دی ماه سال ۱۳۸۹ یعنی سال ۲۰۱۰ میلادی ایران با ورود هسته فرانسوی معاملات آنلاین را در بورس تهران آغار کرد.اگر سال‌های ۲۰۱۰ و ۱۹۹۵را با هم مقایسه کنیم متوجه ۱۵ سال اختلاف می‌شویم.بازار های مالی در جهان به ویژه بازار های مالی آمریکا که ۱۵ سال تجربه معاملات آنلاین را دیده بودند و تجربیات خوبی از گذراندن بحران مالی کسب کرده بودند.
اگر سال‌های ۲۰۱۰ تا ۲۰۱۳ را سال‌های خوبی برای رشد معاملات الگوریتمی آمریکا در نظر بگیریم در این صورت می‌توانیم حدس بزنیم که چه بازاری در انتظار ما خواهد بود. برای سال‌های ۲۰۲۵ تا ۲۰۲۸ کسانی که دیر اقدام کنند در نتیجه از مزایای ورود زودهنگام بهره‌ای نخواهند برد.
ورود معاملات الگوریتمی به ایران در سال ۱۳۹۴ و ۱۳۹۵ صورت گرفت. در آن سال‌ها بیشتر اسم آن را می‌شنیدیم و گروه‌هایی نیز مشغول به فعالیت شده بودند. در آن سال‌ها بدون روابط قوی امکان دست پیدا کردن به API ها وجود نداشت. اما امروز بازار از بلوغ بیشتری برخوردار است.
البته این روزها بخش مهمی از بازار ایران را معاملات الگوریتمی تشکیل نمی‌دهند. این موضوع به این دلیل رخ میدهد که موانعی در سر راه وجود دارد که سازمان بورس و بازیگران تکنولوژیک باید سعی در تسهیل شرایط و از بین رفتن موانع کنند.
