Ensiklopedia keuangan

Dasar-dasar Perdagangan Algoritmik: Konsep dan Contoh

Perdagangan algoritmik (juga disebut perdagangan otomatis, perdagangan kotak hitam, atau perdagangan algo) menggunakan program komputer yang mengikuti serangkaian instruksi yang ditentukan (algoritma) untuk melakukan perdagangan. Secara teori, perdagangan dapat menghasilkan keuntungan dengan kecepatan dan frekuensi yang tidak mungkin dilakukan oleh pedagang manusia.

Kumpulan instruksi yang ditentukan didasarkan pada waktu, harga, kuantitas, atau model matematika apa pun. Terlepas dari peluang keuntungan bagi pedagang, perdagangan algo membuat pasar lebih likuid dan perdagangan lebih sistematis dengan mengesampingkan dampak emosi manusia pada aktivitas perdagangan. 

Apa Dasar-dasar Perdagangan Algoritmik: Konsep dan Contoh?

Misalkan seorang pedagang mengikuti kriteria perdagangan sederhana ini:

  • Beli 50 saham saat rata-rata pergerakan 50 hari berada di atas rata-rata pergerakan 200 hari. (Rata-rata bergerak adalah rata-rata poin data masa lalu yang menghaluskan fluktuasi harga sehari-hari dan dengan demikian mengidentifikasi tren.) 
  • Jual saham ketika rata-rata pergerakan 50 hari berada di bawah rata-rata pergerakan 200 hari.

Dengan menggunakan dua instruksi sederhana ini, program komputer akan secara otomatis memantau harga saham (dan indikator rata-rata bergerak) dan menempatkan pesanan beli dan jual ketika kondisi yang ditentukan terpenuhi. Pedagang tidak lagi perlu memantau harga dan grafik langsung atau memasukkan pesanan secara manual. Sistem perdagangan algoritmik melakukan ini secara otomatis dengan mengidentifikasi peluang perdagangan dengan benar. 

2:01

Manfaat Perdagangan Algoritmik

Algo-trading memberikan keuntungan sebagai berikut:

  • Perdagangan dieksekusi dengan harga terbaik.
  • Penempatan order perdagangan instan dan akurat (ada peluang tinggi untuk dieksekusi pada level yang diinginkan).
  • Perdagangan diatur waktunya dengan benar dan seketika untuk menghindari perubahan harga yang signifikan.
  • Mengurangi biaya transaksi.
  • Pemeriksaan otomatis simultan pada berbagai kondisi pasar.
  • Mengurangi risiko kesalahan manual saat melakukan perdagangan.
  • Algo-trading dapat diuji kembali menggunakan data historis dan real-time yang tersedia untuk melihat apakah itu adalah strategi perdagangan yang layak.
  • Mengurangi kemungkinan kesalahan oleh pedagang manusia berdasarkan faktor emosional dan psikologis.

Sebagian besar perdagangan algo saat ini adalah perdagangan frekuensi tinggi (HFT), yang mencoba memanfaatkan penempatan pesanan dalam jumlah besar dengan kecepatan tinggi di berbagai pasar dan beberapa parameter keputusan berdasarkan instruksi yang telah diprogram sebelumnya. 

Algo-trading digunakan dalam berbagai bentuk aktivitas perdagangan dan investasi termasuk:

  • Investor jangka menengah hingga panjang atau perusahaan sisi beli — dana pensiun, reksa dana, perusahaan asuransi — menggunakan perdagangan algo untuk membeli saham dalam jumlah besar ketika mereka tidak ingin memengaruhi harga saham dengan investasi terpisah dan bervolume besar.
  • Pedagang jangka pendek dan peserta sisi jual — pembuat pasar (seperti rumah pialang),  spekulan, dan arbitrase — mendapat manfaat dari eksekusi perdagangan otomatis; Selain itu, algo-trading membantu menciptakan likuiditas yang cukup bagi penjual di pasar.
  • Pedagang sistematis — pengikut tren, dana lindung nilai, atau  pedagang berpasangan  (strategi perdagangan netral pasar yang mencocokkan posisi panjang dengan posisi pendek pada sepasang instrumen yang sangat berkorelasi seperti dua saham, dana yang diperdagangkan di bursa (ETF), atau mata uang) —Menemukan jauh lebih efisien untuk memprogram aturan perdagangan mereka dan membiarkan program berdagang secara otomatis.

Perdagangan algoritmik memberikan pendekatan yang lebih sistematis untuk perdagangan aktif daripada metode yang didasarkan pada intuisi atau naluri pedagang.

Strategi Perdagangan Algoritmik

Setiap strategi untuk perdagangan algoritmik membutuhkan peluang teridentifikasi yang menguntungkan dalam hal peningkatan pendapatan atau pengurangan biaya. Berikut ini adalah strategi perdagangan umum yang digunakan dalam perdagangan algo:

Strategi Mengikuti Tren

Strategi perdagangan algoritmik yang paling umum mengikuti tren rata-rata bergerak, terobosan saluran, pergerakan tingkat harga, dan indikator teknis terkait. Ini adalah strategi termudah dan paling sederhana untuk diterapkan melalui perdagangan algoritmik karena strategi ini tidak melibatkan pembuatan prediksi atau prakiraan harga apa pun. Perdagangan dimulai berdasarkan terjadinya tren yang diinginkan, yang mudah dan langsung diterapkan melalui algoritme tanpa masuk ke kompleksitas analisis prediktif. Menggunakan rata-rata pergerakan 50 dan 200 hari adalah strategi mengikuti tren yang populer.

Peluang Arbitrase

Membeli saham terdaftar ganda dengan harga lebih rendah di satu pasar dan secara bersamaan menjualnya dengan harga lebih tinggi di pasar lain menawarkan perbedaan harga sebagai keuntungan bebas risiko atau arbitrase. Operasi yang sama dapat direplikasi untuk saham vs. instrumen berjangka karena perbedaan harga memang ada dari waktu ke waktu. Menerapkan algoritme untuk mengidentifikasi perbedaan harga dan menempatkan pesanan secara efisien memungkinkan peluang yang menguntungkan.

Index Fund Rebalancing

Reksa dana indeks telah menentukan periode penyeimbangan kembali untuk membawa kepemilikannya setara dengan indeks acuan masing-masing. Ini menciptakan peluang menguntungkan bagi pedagang algoritmik, yang memanfaatkan perdagangan yang diharapkan yang menawarkan keuntungan 20 hingga 80 basis poin tergantung pada jumlah saham dalam dana indeks tepat sebelum penyeimbangan kembali dana indeks. Perdagangan semacam itu dimulai melalui sistem perdagangan algoritmik untuk eksekusi tepat waktu dan harga terbaik.

Strategi Berbasis Model Matematika

Model matematis yang terbukti, seperti strategi perdagangan netral-delta, memungkinkan perdagangan dengan kombinasi opsi dan keamanan yang mendasarinya. (Delta netral adalah strategi portofolio yang terdiri dari beberapa posisi dengan mengimbangi delta positif dan negatif — rasio yang membandingkan perubahan harga aset, biasanya sekuritas yang dapat dipasarkan, dengan perubahan yang sesuai dalam harga turunannya — sehingga keseluruhan Delta aset yang dimaksud berjumlah nol.) 

Rentang Perdagangan (Rata-Rata Pembalikan)

Strategi pengembalian rata-rata didasarkan pada konsep bahwa harga tinggi dan rendah suatu aset adalah fenomena sementara yang kembali ke nilai rata-rata (nilai rata-rata) secara berkala. Mengidentifikasi dan menentukan kisaran harga dan menerapkan algoritme berdasarkan itu memungkinkan perdagangan ditempatkan secara otomatis ketika harga aset masuk dan keluar dari kisaran yang ditentukan.

Harga Rata-Rata Tertimbang Volume (VWAP)

Strategi harga rata-rata tertimbang volume memecah pesanan besar dan melepaskan potongan kecil pesanan yang ditentukan secara dinamis ke pasar menggunakan profil volume historis khusus saham. Tujuannya adalah untuk mengeksekusi order mendekati harga rata-rata volume tertimbang (VWAP).

Harga Rata-Rata Tertimbang Waktu (TWAP)

Strategi harga rata-rata tertimbang waktu memecah pesanan besar dan melepaskan potongan kecil pesanan yang ditentukan secara dinamis ke pasar menggunakan slot waktu yang terbagi rata antara waktu mulai dan waktu berakhir. Tujuannya adalah untuk mengeksekusi order mendekati harga rata-rata antara waktu mulai dan akhir sehingga meminimalkan dampak pasar.

Persentase Volume (POV)

Hingga pesanan perdagangan terisi penuh, algoritma ini terus mengirimkan pesanan parsial sesuai dengan rasio partisipasi yang ditentukan dan sesuai dengan volume yang diperdagangkan di pasar. “Strategi langkah” terkait mengirimkan pesanan pada persentase volume pasar yang ditentukan pengguna dan meningkatkan atau menurunkan tingkat partisipasi ini ketika harga saham mencapai tingkat yang ditentukan pengguna.

Kekurangan Implementasi

The pelaksanaan kekurangan tujuan strategi untuk meminimalkan biaya pelaksanaan perintah oleh perdagangan dari pasar real-time, sehingga menghemat biaya pesanan dan manfaat dari biaya peluang eksekusi tertunda. Strategi tersebut akan meningkatkan tingkat partisipasi yang ditargetkan ketika harga saham bergerak dengan baik dan menurunkannya ketika harga saham bergerak sebaliknya.

Di Luar Algoritma Perdagangan Biasa

Ada beberapa kelas algoritme khusus yang mencoba mengidentifikasi “kejadian” di sisi lain. “Algoritme sniffing” ini — digunakan, misalnya, oleh pembuat pasar sisi jual — memiliki kecerdasan bawaan untuk mengidentifikasi keberadaan algoritme apa pun di sisi beli dari pesanan besar. Deteksi semacam itu melalui algoritme akan membantu pembuat pasar mengidentifikasi peluang pesanan besar dan memungkinkan mereka mendapatkan keuntungan dengan mengisi pesanan dengan harga yang lebih tinggi. Ini kadang-kadang diidentifikasikan sebagai front-running berteknologi tinggi.

Persyaratan Teknis untuk Perdagangan Algoritmik

Menerapkan algoritme menggunakan program komputer adalah komponen terakhir dari perdagangan algoritmik, disertai dengan  pengujian ulang  (mencoba algoritme pada periode historis kinerja pasar saham masa lalu untuk melihat apakah menggunakannya akan menguntungkan). Tantangannya adalah mengubah strategi yang teridentifikasi menjadi proses terkomputerisasi terintegrasi yang memiliki akses ke akun perdagangan untuk menempatkan pesanan. Berikut ini adalah persyaratan untuk perdagangan algoritmik:

  • Pengetahuan pemrograman komputer untuk memprogram strategi perdagangan yang diperlukan, pemrogram yang direkrut, atau perangkat lunak perdagangan yang dibuat sebelumnya .
  • Konektivitas jaringan dan akses ke platform perdagangan untuk melakukan pemesanan.
  • Akses ke umpan data pasar yang akan dipantau oleh algoritme untuk peluang melakukan pemesanan.
  • Kemampuan dan infrastruktur untuk menguji ulang sistem setelah dibangun sebelum diluncurkan di pasar nyata.
  • Data historis yang tersedia untuk pengujian ulang bergantung pada kompleksitas aturan yang diterapkan dalam algoritme.

Contoh Perdagangan Algoritma

Royal Dutch Shell (RDS) terdaftar di Bursa Efek Amsterdam (AEX) dan Bursa Efek London (LSE).  Kami mulai dengan membangun algoritme untuk mengidentifikasi peluang arbitrase. Berikut beberapa pengamatan menarik:

  • AEX memperdagangkan euro sementara LSE memperdagangkan poundsterling Inggris.
  • Karena perbedaan waktu satu jam, AEX dibuka satu jam lebih awal dari LSE diikuti oleh kedua bursa yang diperdagangkan secara bersamaan selama beberapa jam berikutnya dan kemudian hanya berdagang di LSE selama satu jam terakhir saat AEX ditutup.

Bisakah kita menjajaki kemungkinan perdagangan arbitrase pada saham Royal Dutch Shell yang terdaftar di dua pasar ini dalam dua mata uang berbeda?

Persyaratan:

  • Program komputer yang dapat membaca harga pasar saat ini.
  • Umpan harga dari LSE dan AEX.
  • Umpan nilai valas (valuta asing) untuk GBP-EUR.
  • Kemampuan menempatkan pesanan yang dapat mengarahkan pesanan ke bursa yang benar.
  • Kemampuan pengujian ulang pada feed harga historis.

Program komputer harus melakukan hal berikut:

  • Baca feed harga masuk saham RDS dari kedua bursa.
  • Menggunakan nilai tukar mata uang asing yang tersedia, konversikan harga satu mata uang ke mata uang lainnya.
  • Jika ada perbedaan harga yang cukup besar (mendiskontokan biaya pialang) yang mengarah ke peluang yang menguntungkan, maka program harus menempatkan pesanan beli di bursa dengan harga lebih rendah dan menjual pesanan di bursa dengan harga lebih tinggi.
  • Jika pesanan dieksekusi seperti yang diinginkan, keuntungan arbitrase akan mengikuti.

Sederhana dan mudah! Namun, praktik perdagangan algoritmik tidak sesederhana itu untuk dipelihara dan dijalankan. Ingat, jika satu investor dapat menempatkan perdagangan yang dihasilkan secara algo, begitu pula pelaku pasar lainnya. Akibatnya, harga berfluktuasi dalam mili dan bahkan mikrodetik. Dalam contoh di atas, apa yang terjadi jika perdagangan beli dieksekusi tetapi perdagangan jual tidak karena harga jual berubah pada saat pesanan masuk ke pasar? Pedagang akan dibiarkan dengan posisi terbuka membuat strategi arbitrase tidak berharga.

Ada risiko dan tantangan tambahan seperti risiko kegagalan sistem, kesalahan konektivitas jaringan, jeda waktu antara perintah perdagangan dan eksekusi, dan yang terpenting, algoritme yang tidak sempurna. Algoritme yang lebih kompleks, pengujian ulang yang lebih ketat diperlukan sebelum diterapkan.