알고리즘 트레이딩에 대해서

 

알고리즘 트레이딩은 시간, 가격, 양 등의 변수를 고려하여 사전에 프로그램된 자동 거래 명령을 사용하여 주문을 실행하는 방법입니다. 이런 종류의 거래는 인간 트레이더에 비해 컴퓨터의 속도와 계산 리소스를 활용하려고 합니다. 21세기에 알고리즘 거래는 소매업자와 기관업자 모두에게 견인되어 왔습니다. 2019년 조사에 따르면 외환 시장 거래의 약 92%는 인간이 아닌 거래 알고리즘에 의해 수행됩니다.

투자은행, 연기금, 뮤추얼 펀드, 헤지펀드에 의해 널리 사용되고 있으며, 더 큰 주문의 실행을 전파하거나 인간 트레이더가 반응하기에는 너무 이른 거래를 할 필요가 있을지도 모릅니다. 그러나 그것은 간단한 소매 도구를 사용하는 개인 트레이더에게도 이용할 수 있습니다.

알고리즘 거래라는 용어는 자동 거래 시스템과 동의어로 사용되는 경우가 종종 있습니다. 이들은 다양한 거래 전략을 포함하고 있으며, 그 중 일부는 수학적 재무 공식과 결과에 기초하고 있으며, 많은 경우 전문 소프트웨어에 의존하고 있습니다.

알고리즘 거래에서 사용되는 전략의 예로는 체계적인 거래, 시장 형성, 시장 간 확산, 차익거래 또는 트렌드 팔로우와 같은 순수 투기 등이 있습니다. 대부분은 높은 회전율과 높은 수주 대 무역 비율을 특징으로 하는 고주파 거래(HFT)의 카테고리로 분류됩니다. HFT 전략은 인간 트레이더가 관찰한 정보를 처리하기 전에 전자적으로 수신된 정보를 기반으로 주문을 시작하기 위한 상세한 결정을 내리는 컴퓨터를 이용합니다. 그 결과 2012년 2월 상품선물거래위원회(CFTC)는 HFT를 정의하는 최선의 방법에 대해 CFTC에 조언하기 위해 학자와 업계 전문가를 포함한 특별한 워킹그룹을 설립했습니다. 알고리즘 거래와 HFT는 시장의 미세 구조, 특히 유동성 제공 방법의 복잡성과 불확실성에 극적인 변화를 가져왔습니다.

 

효과

알고리즘 거래에 관한 학술 연구의 보다 아이러니한 발견 중 하나는 개별 트레이더가 커뮤니케이션을 보다 간단하고 예측 가능하게 하기 위해 알고리즘을 도입하는 반면 시장은 더 복잡하고 불확실해진다는 것입니다. 거래 알고리즘은 프로그램된 명령 또는 학습된 패턴에 응답하는 로컬 규칙을 따르고 있기 때문에 마이크로 레벨에서는 자동화된 반응적인 동작을 통해 통신의 특정 부분을 더 예측할 수 있습니다. 그러나 매크로 레벨에서는 전체적인 긴급 프로세스가 더 복잡해지고 예측 불가능하게 되는 것으로 나타나고 있습니다. 이 현상은 주식 시장에 특유한 것이 아니라 위키피디아의 편집 봇에서도 검출되고 있습니다.

 

 

그 발전은 소수화로 인한 무역 규모 감소에 의해 촉진되었을지 모르지만, 알고리즘 거래는 무역 규모를 더욱 축소했습니다. 인간 트레이더가 예전에 하던 일은 컴퓨터로 전환되고 있습니다. 컴퓨터 연결 속도는 밀리초 단위, 심지어 마이크로초 단위로 측정되어 매우 중요해지고 있습니다.

미국의 NASDAQ, Direct Edge, BATS(구 Better Alternative Trading System의 머리글자)와 같은 보다 완전히 자동화된 시장은 NYSE와 같은 덜 자동화된 시장에서 시장점유율을 획득하고 있습니다. 전자 거래 규모의 경제는 수수료와 거래 수수료 삭감에 공헌하고 있습니다, 국제적인 금융 교류의 합병·강화에 공헌했습니다.

 

거래소 간의 경쟁은 거래를 완료하기 위한 가장 빠른 처리 시간을 요구하며 발전하고 있습니다. 예를 들어 2007년 6월 런던 증권거래소는 Trad Elect라는 새로운 시스템을 출시했습니다. 이 시스템은 주문에서 최종 확인까지의 평균 10밀리초의 턴어라운드 시간을 약속하며 초당 3,000건의 주문을 처리할 수 있습니다. 그 이후 경쟁력 있는 교환으로 인해 레이턴시가 계속 단축되어 3밀리초의 턴어라운드 시간을 이용할 수 있게 되었습니다. 이것은 높은 빈도의 트레이더에게 매우 중요합니다. 왜냐하면 그들은 주어진 금융 상품의 일관성과 가능성 있는 성능 범위를 정확하게 특정해야 하기 때문입니다. 이들 전문가는 E-mini S&P와 같은 주식 인덱스 펀드의 버전을 다루는 경우가 많습니다. 왜냐하면 그들은 최고의 퍼포먼스와 함께 일관성과 위험 경감을 요구하고 있기 때문입니다. 소프트웨어 프로그래밍으로 작동하기 위해서는 시장 데이터를 필터링하여 그 시점에서 가장 낮은 대기 시간과 최고의 유동성을 얻을 수 있도록 해야 합니다. 이를 통해 정지 손실의 발생이나 이익을 얻을 수 있습니다. 이들 시장의 변동성이 높기 때문에 이는 복잡하고 잠재적으로 신경을 다치는 시도가 되며 작은 실수가 큰 손실로 이어질 수 있습니다. 절대 주파수 데이터는 트레이더의 사전 프로그램된 지시의 개발에 도움이 됩니다.

미국에서는 2005년에 금융업계의 컴퓨터와 소프트웨어에 대한 지출이 264억달러로 증가했습니다.

알고리즘 거래는 금융업계에서 일하는 직원의 유형에 변화를 가져왔습니다. 예를 들어, 많은 물리학자들이 양적 애널리스트로 금융업계에 뛰어들고 있습니다. 물리학자 중에는 박사 과정 연구의 일환으로 경제학 연구를 시작하는 사람도 있습니다. 이 학제적인 운동은 경제 물리학이라고 불리기도 합니다. 일부 연구자는 주로 알고리즘 거래에 종사하는 기업의 직원과 기존 투자 매니저 간의 '문화적 격차'를 인용하고 있습니다. 알고리즘 거래는 데이터에 대한 집중을 촉진하고 판매 측면의 연구에 대한 중점을 줄였습니다.