Kasutaja:Karlkadaja/Kauplemisrobot

Kauplemisrobot(inglise keeles trading bot) on robotina toimiv tarkvararakendus, mille käsud toimivad algoritmilise kauplemise põhifunktsioonide alusel. Kauplemisrobot suudab arvutada efektiivsemaid kasumilahendusi nii aktsia-, krüpto-, indeksite- kui ka muudes turgudes. Tegemist võib olla automatiseeritud kauplemise robotiga või kasutajale valjalikke arvutusi tegeva robotiga.

Ajalugu

Esimene algoritmiline programm, mida võib kauplemisrobotiks nimetada, loodi 1949. aastal Richard Donchian poolt. Tegemist oli trendikauplemise süsteemiga, kus robot ostis aktsiaid, kui hinnatrend tõusis ning müüs aktsiaid, kui hinnatrend langes.

1970ndad

Loodi algoritmilise kauplemise alus, kui arendati välja esimene Ameerika Ühendriikide väärtpaberibörs, mis toimis elektrooniliselt – NASDAQ.

1980ndad

Toimus suur areng arvutitehnoloogia levikus. Firmad ostsid endale uusi arvuteid, et automatiseerida erinevaid protsesse, sealhulgas kauplemisprotsesse. Reeglite järgi tehingute tegemine kogus enam populaarsust, eestkätt kui John William Henry lõi firma, mis andis klientidele kauplemisteenuseid.

1990ndad

Arvutid muutusid üha võimsamaks ja olid rohkem inimestele kättesaadavad, sellega ka suurenes arvutite mõju börsiturul. Arendati välja keerulisemaid automatiseeritud programme ja rakendati neid erinevate strateegiate peal nagu näiteks arbitraaž, automatiseeritud turutegemine ja kvantitatiivne kauplemine. ECN’i tõus lõi alternatiivi traditsioonilisele börsile, võimaldades kaubelda otse kahe osapoole vahel läbi elektrooniliste süsteemide. Interneti areng andis võimaluse aktsiaturgudel pääseda kõikidesse maailmajagudesse, mis laiendas arvutite kasutust veelgi. Kuigi algoritmid arenesid jõudsalt, siis see tekitas uusi probleeme nagu börsi kõikumine ja välkkrahhid.

2000ndad

Kõrgetasemeliste kauplemisrobotite abil tekkis välkkauplemine, mis lubas tehinguid teha millisekunditega. Hakati väga suures mahus koguma ja analüüsima andmeid ning neid rakendama veelgi keerukamates algoritmides. Kauplemisrobotid suutsid analüüsida internetiavarustes erinevaid statistilisi allikaid, mis andis võimaluse teha analüüse, milleks inimene suuteline ei olnud.

Tänu välkkauplemisele suurenes ka turu likviidsus, kuna kauplemisrobotid pideval ostsid ja müüsid vara. Samuti leidus sellele ka kritiseerijaid, kes arvasid, et välkkauplemine tekitab turul ebavajalikke anomaaliaid või hoopis võtab eelise füüsiliste isikute ees. Sealjuures rakendati algoritmilisele kauplemisele veelgi rohkem regulatsioone.

2008 – Harvardi Ülikooli lõpetaja Jon Stein lõi esimene avaliku investeerimise abikäe „Betterment“. Selle abiga olid algoritmilise kauplemise süsteemid täielikult inimeste käes.

2010 kuni tänapäev

Flash Crash – 2010. aastal toimus suur ülikiire aktsiaindeksite langus, mis raputas tervet aktsiaturgu. Näiteks suutis DJIA langeda paari minutiga 9%, mis hiljem uuesti küll tõusis. 2015. aastal mõistis Ameerika Ühendriikide Justiitsministeerium süüdi Briti kodaniku 22-s süüteos, sealhulgas ebaõiglaste võltsimisalgoritmide(spoofing algorithms) kasutamises.

Peale Flash Crashi reguleeriti algoritmilist kauplemist veelgi ning keelati ära näiteks võltsimisalgoritmide kasutamine, kihtidena kauplemine(layering) ja enne ametlikku tehingut kauplemine(front-running).

Uuel ajastul toimus läbimurdeid tehisintellekti valdkonnas, mis mõjutas kauplemisrobotite tööd veelgi. Hakati kasutama täpseimaid ennustusanalüüse, ennustusmudeldamist, iseõppivaid masinõppemudeleid ja keelemudeleid. Tänu uutele rakendustele suudavad kauplemisroboteid mõõta väga kiiresti turu muutusi ning statistiliselt täpseid otsuseid teha.

Arenenud on veel kauplemisrobotite kättesaadavus tavalisele kauplejatele, mis on tekitanud ka turu selles valdkonnas. Kauplejad saavad rentida kuumaksega erinevaid teenuseid ja vastavalt oma vajadusele muuta kauplemisrobotite sätteid, kuidas ja millal tehingud toimuva peavad. Krüptovaluuta omab hetkel suurt turgu, kus luuakse tavakasutajatele kauplemisroboteid, sest see valdkond on keerukuselt primitiivsem, kui aktsiad või muud turud.

Tänu kauplemisturu süsteemide kompleksusele on muutunud järevalve keerukamaks. Regulaatorid loovad järelvalvesüsteeme tehisintellektiga, mis võib olla varsti ainuke viis, kuidas mõõta kõige ebaeetilisemaid tehinguid.

Tüübid

Välk-kauplemisrobotid

Välk-kauplemisrobotid võimaldavad teha väga palju tehinguid ülisuurtel kiirustel, tihti milli- või mikrosekundite jooksul. Süsteem haarab kinni lühiajalistest hinnakõikumistest, mille kaudu suudakse teenida pisikest kasumit. See lahendus kasutab väga keerukaid algoritme ja kiiret andmesideühendust. Välk-kauplemisrobotid aitavad kaasa turu likviidsusele ja efektiivsusele, kuid võivad suurendada turu volatiilsust ja süsteemseid riske.

Arbitraaž-kauplemisrobotid

Arbitraaž-kauplemisrobotid tuvastavad erinevate börside hinnavahet ning kasutavad seda ära efektiivselt. Süsteem ostab odavamalt börsilt aktsiaid ning müüb kallimalt teisel börsil maha. Sarnaselt välk-kauplemisrobotitele on kiirus väga oluline, samuti ka tugev süsteemne arusaam erinevatest börsidest. Kiire analüüs kõikide börside vahel on vaja luua enne, kui turg jõuab tasakaalustuda. Need robotid aitavad kaasa hinnatõhususele, vähendades erinevate riikide turgudevahelisi hinnakõikumisi ning suurendavad ka likviidsust. Arbitraaž-kauplemisrobotid kasutavad kahte strateegiat – ruumiline ja kolmnurkne.

Ruumiline arbitraaž

Ruumilise arbitraaži puhul omab süsteem aktsiaid erinevate maailmajagude riikides. Ostetakse aktsia odavama börsiga riigis ja müüakse kallima börsiga riigis.

Kolmnurkne arbitraaž

Kolmnurkse arbitraaži puhul omab süsteem aktsiaid erinevates valuutades. Kauplemisrobot teenib kasumit kursivahe pealt.

On olemas ka statistilised arbitraaž-kauplemisrobotid, mille mudelid on treenitud enamjaolt ajaloolistest andmetest. Süsteem võib uutes olukordades teha valesid otsuseid, kui mudel on liiga palju treenitud toetuma vanadele andmetele. Statistilised arbitraaž-kauplemisrobotid võistlevad välk-kauplemisrobotitega, püüdes leida turu ebastabiilseid auke.

Turutegemise-kauplemisrobotid

Turutegemise-kauplemisrobotid teenivad kasumit, kasutades ära ostu- ja müügihinna vahet. Erinevalt välk- ja arbitraaž kauplemisrobotitele, ei nõua turutegemise-kauplemisrobotid kiireid analüüse, küll aga põhjalikke analüüse ja üldist turu voolavust. Süsteem hoiab vähem väärtpabereid rohketes turgudes, sest suure osa omamine on riskantne. Tehinguid toimub palju, väikestes osakaaludes ning tulu teenitakse iga tehingu pealt vähe. Turutegemise-kauplemisrobotel on oluline funktsioon turule likviidsuse andmine, ostes ja müües pidevalt väärtpabereid, et tagada turu aktiivsus.

Trendi-kauplemisrobotid

Trendi-kauplemisrobotid on robotid, mille peamine eesmärk on sarnaselt turutegemise-kauplemisrobotile järgida turutrende ja neid analüüsida. Pärast trendi tuvastamist teevad need robotid automaatselt tehinguid, kasumit teenitakse turutrendide ära kasutamisega. Trend võib olla pikaajaline või lühijaline, süsteem on loodud mõlemaga hakkama saama. Robot kasutab trendide tuvastamiseks erinevaid lahendusi nagu MACD indikaator, hinnataseme liikumised või RSI indikaator ja suures osas mustrituvastusalgoritme.

Tunnetus-kauplemisrobotid

Tunnetus-kauplemisrobotid keskenduvad turu tunnetuslikule liikumisele. Seda meelestatuse analüüsi süsteemi toetavad läbimurded viimase kümnendi jooksul keelemudelite valdkonnas, kus suured keelemudelid võivad aru saada sügavamalt internetiavaruste meeleolukõikumisest. Robotid koorivad veebist väga suurtes koguses andmeid - uudised, sotsiaalmeedia postitused, finantsaruanded, finantsblogid, foorumid või muu kasuks tulev info, mis võib ka tavakauplejaid mõjutada. Näiteks pärast Elon Muski säutsu Twitteris, et ta teeb Tesla privaatseks, hakkasid paljud investorid teda mitte usaldama ning Tesla aktsia langes. Hiljem kaevati ta selle pärast ka kohtusse. See toob arenevatele keelemudelitele üha rohkem väljakutseid, sest irooniat ja kaudset keelekasutust on vahel väga raske mõista ka tavainimesel.

Kasulikkus ja ohud

Kasulikkus

Kauplemisrobotid suudavad läbi töötleda väga suurtes kogustes andmeid väga kiiresti, milleks inimene suuteline ei ole. Erinevaid kauplemisrobotite tüüpe saab ka kombineerida, andes neile nii eelise. Samuti töötavad robotid iga päev 24 tundi järjest ning ei väsi kunagi ära. Statistilised algoritmilised süsteemid käituvad emotsioonivabalt, on rohkem distsiplineeritumad ning ei ole kergesti mõjutatavad, mis annab kiirema otsustusvõime. Samuti suudavad kauplemisrobotid töötada 10. kohas korraga, mis annab eriliselt häid analüüsitulemusi asukoha trendide osas. Viimaks suudavad süsteemid pidevalt analüüsida ka ajaloolisi materjale ja seda väga suurtes kogustes, mille jaoks inimestel mälu lihtsalt ei ole.

Ohud

Paljud kauplemisrobotid on täpselt nii head, kuidas nende algoritmid töötavad. Kui algoritm on vigane või ei arvesta kitsaskohtadega, siis on suur võimalus kiiresti vara kaotada. Osade tänapäevatrendide jaoks võivad ajalooliste andmete peal treenitud süsteemid jääda lahjaks ning kasumlikkuse tootmine on väike. Samuti on vaja süsteeme tihti hooldada, et ei tekiks kas turvaauke või nad ei jääks turutrendide osas maha. Mudeleid teatud süsteemide jaoks on ka vaja treenida, mis nõuab palju jõudlust ning see läheb omakorda väga kalliks maksma.

Välk-kauplemisrobotitele on palju kritiseerijaid, sest need mõjutavad turu volatiilsusust, mis teeb omakorda tavakauplejate elu raskemaks. Kauplemisrobotid on peavalu seadusandjatele, sest iga aastaga treenitakse üha keerulisemaid mudeleid ning algoritmiline kauplemine on väga kompleksne, mis võib lubada teatud süsteemidel ebaeetiliselt kõrvale hoida seadustest ja piirangutest.