고빈도 매매 2월 11, 2022 – Posted in: Forex trading – Tags: ,

고빈도 매매(HFT, High-frequency trading)는 1989년에 금융 시장에서 처음 매매에 적용되었습니다. 이 매매 방식의 주요 장점에는 정보 처리 속도가 있습니다. 컴퓨터 프로세서가 프로그램을 통해 사람보다 훨씬 빠르게 매매를 진행할 수 있다는 점은 누구나 아는 사실입니다. 컴퓨터가 모든 영역에서 인간의 두뇌를 능가하는 것은 아니지만 매매의 경우에는 능가함을 알 수 있습니다. 고빈도 매매의 주요 아이디어는 고성능 컴퓨터를 사용하여 매매 플랫폼에서 수익을 창출하는 것입니다. 오늘 날, 이러한 수익 방식은 매매 플랫폼, 프로세서, 컴퓨터, 가격 변동에 대하여 전문가가 아닐지라도 누구든지 손쉽게 이용할 수 있습니다. 실제로, 고빈도 매매에서는 매매에 사용되는 컴퓨터의 성능이 얼마나 시세를 더 빨리 확인하고 가장 빨리 매매를 진행할 수 있는지 결정하는 요인이 됩니다. 이 프로세스는 매우 빠르며 눈 깜짝할 사이에 진행됩니다. 고빈도 매매와 알고리즘 매매는 몇 가지 차이점이 있습니다. 고빈도 매매는 장비의 성능, 인터넷 속도, 데이터 센터와의 근접성이 수익에 영향을 미치는 요소로 작용합니다.

거래에 고성능 컴퓨터를 사용하려는 아이디어는 Stephen Sonson이 처음 착안하게 되었습니다. 그는 몇 초 사이에 시장 시세의 움직임을 포착하는 일을 했습니다. Steven Swanson, David Whitcomb과 Jim Hawkes는 자동 매매 회사인 Automated Trading Desk를 설립했습니다. 거래 속도가 1초에 불과하여 최고의 서비스를 자랑했습니다. 그 당시, 다른 사람들은 전화를 통해 매매를 진행했습니다. 고빈도 매매는 20세기 후반인 90년대 후반에 시장에 활성화되기 시작했습니다. SEC (미국) 위원회가 1998년에 전자식 매매 사이트를 허용하였습니다. 처음에는 고빈도 매매가 초단위로 진행되었습니다. 2010년에 밀리초 단위로 매매가 진행되면서 보다 더 빨라지게 되었습니다. 2000년이 끝날 때까지 고빈도 매매에 대한 정보는 금융권 외부로 거의 유출되지 않았습니다. 대중의 관심이 끌게 된 것은 2009년 7월 뉴욕 타임즈 신문에 게재된 기사 때문이었습니다.

미국 상품 거래위원회(CFTC)는 2011년에 HFT 거래에 적용할 핵심 기능을 제안했습니다.

  1. 최소 지연으로 4밀리초 미만의 매우 빠른 체결, 수정 또는 주문취소가 구현된 시스템
  2. 의사 결정 메커니즘을 자동화한 소프트웨어 및 특수 알고리즘 사용, 주문에 대한 모든 작업을 소프트웨어에 의해 결정 및 개별 작업을 위한 인간의 개입 차단.
  3. 정보 전송에 걸리는 시간을 최소화하고 거래소에 직접 접근하기 위해 거래소 근처에 서버 배치 또는 거래소 및 기타 기관의 네트워크 지연을 줄일 수 있도록 데이터 수신 채널 분리.
  4. 매우 한정적인 수명의 거래.
  5. 높은 현금 회전율 및 주문 대 매매 비율에 대한 많은 신청 비율.
  6. 밀리초 이내에 취소 가능한 대량의 주문 허용
  7. 야간에 대규모의 헤지 거래가 열리지 않으므로 거래일은 0개의 종목으로 마감

이러한 고빈도 매매의 이익은 매매 상품의 매수와 매도 사이의 마진을 통해 형성됩니다. 고빈도 매매는 한번의 매매로 얻는 이익이 매우 적고 거래량에 의해서만 좋은 수익을 기대할 수 있으므로 거래량이 많게 됩니다. 고빈도 매매의 원칙에 따라 다음 거래일까지 보유하지 않고 당일 날 모두 거래하도록 되어 있습니다.

고빈도 매매 알고리즘

고빈도 매매 알고리즘. 알고리즘 거래는 추측에 근거하여 이익을 창출하려는 헤지 펀드 투자자에게 인기가 많습니다. 보유하고 있는 헤지 펀드 자본이 충분히 많다는 점에서, 고빈도 매매가 주요 시장 참여자들에게는 매력적인 매매 방식이라 할 수 있습니다.

고빈도 매매는 매매 사이트에서 매매 전략 수익 알고리즘을 이용하여 나눌 수 있습니다. 여러 매매 알고리즘을 확인하십시오.

수동적 시장 조성

수동적 시장 형성 – 유동성 있는 고빈도 알고리즘. 이 전략을 사용하게 되면, 고빈도 알고리즘은 스프레드 내부에서 매매를 하여 수익을 창출합니다. 스프레드는 현재 시점에서 선택한 매매 상품의 매도 가격과 매수 가격 간의 차이를 반영합니다. 많은 매도인 또는 매수인이 매매에 참여하게 될 경우, 스프레드는 확대되게 됩니다. 또한, 거래소에는 시장 조성자가 있어, 매매 유동성을 유지하는 역할을 합니다. 시장 조성자는 현재 시장 내에 매수자나 매도자의 수를 유지하여 스프레드가 크게 확대되지 않도록 합니다. 시장 조성자가 충분한 매수자 또는 매도자를 찾을 수 없는 경우 매매 상품에 대한 수요 또는 공급을 충당해야 합니다. 하지만 시장 조성자가 항상 거래소에서 매매 상품의 유동성을 유지하지는 않습니다. 이들은 수수료 및 유동성 보장을 통해 제3의 거래자를 유치합니다. 이 메커니즘을 이해하면 고빈도 매매 시스템의 소유자는 매매 플랫폼에서 매매 수단의 유동성을 유지하는 데 관여합니다. 고빈도 매매 시스템의 소유자는 자신이 가진 능력을 통해 유동성을 유지하기 위해 시장 조성자의 기능을 부분적으로 수행합니다. 시장 조성자는 일부 역할을 분담하면서도 거래량을 유지하고, 고빈도 매매 시스템의 소유자는 스프레드를 좁혀서 수익을 창출하고, 매수자와 매도자는 매매 수단으로 쉽게 거래할 수 있습니다. 이 경우 고빈도 매매 시스템의 소유자는 거래소에서 이점을 얻으며 수익까지 창출하게 됩니다.

고빈도 통계 차익 매매 알고리즘

고빈도 통계 차익 매매 알고리즘의 매매 전략은 기초 자산과 파생 상품 간의 상관 관계를 찾는 데 기반을 두고 있습니다. 예를 들어, 알고리즘 매매는 고빈도 매매 알고리즘이 매매 상품과 기초 자산 가격 간의 관계를 찾게 합니다. 고빈도 통계 차익 매매는 주로 투자 상업 은행에서 진행합니다. 그리하여 은행들은 충분한 돈을 보유하고 있으며 고빈도 매매를 위한 소프트웨어를 설치할 수 있는 공인 전문가를 고용할 수 있습니다. 어떠한 것도 매매 플랫폼을 통해 수익을 창출하는 데에 방해할 수 없습니다.

정책 전략

정책 전략 또는 고빈도 매매에서 유동성을 찾기 위한 전략. 이 전략을 사용하게 되면, 여러 가격에서 높은 입찰가를 찾는 것을 기반으로 합니다. 유동성 검색은 다음과 같이 진행됩니다: 고빈도 매매 시스템의 소유자는 여러 가격으로 매수 또는 매도 주문을 넣게 됩니다. 본 작업은 대용량 거래 감지를 목적으로 합니다. 높은 가격을 제시한 거래가 포착되면 유동성 검색 알고리즘은 포착된 거래를 향해 작동하기 시작합니다. 주요 투자자가 고빈도 유동성 검색 알고리즘을 발견하고 제시한 거래를 제거할 확률은 현저히 낮습니다. 이러한 매매는 헤지 대상이 아니며, 이는 반대 방향으로의 가격 움직임 리스크를 추정합니다.

구조적 전략

구조적 전략은 거래소의 구조에서 발견 가능한 취약점을 이용하고 거래소에서 필요한 데이터를 더 빨리 얻는 것을 목표로 합니다. 이러한 접근 방식에서는 서버를 가능한 거래소 중심에 가까이 위치시키거나 정보를 직접적으로 받습니다. 다른 투자자들이 정보를 제공받는 데에 오랜 시간이 걸리는 사이 더 많은 수익을 창출할 수 있습니다.

모든 고빈도 매매의 전략은 빠른 속도의 매매를 통해 실현 가능합니다. 현재 상태에서, 최대 빠른 거래 속도는 밀리초 단위입니다.

거래소에서 매매가 어떻게 체결되는지 함께 알아보겠습니다. 투자자 또는 알고리즘 전문가는 매매 플랫폼을 통해 자신의 중개인에게 선택한 매매 수단을 거래할 수 있는 전자식 어플리케이션을 제공합니다. 매매 상품의 매수 및 매도 주문은 거래소에서 비교하게 됩니다. 매수가와 매도가가 일치하면 거래가 성사됩니다. 매매 어플리케이션은 피드 기술을 통해 모든 입찰자가 확인할 수 있습니다. 피드는 OPRA(Options Price Reporting Authority)와 같은 특수 기관이 입찰자에게 제공하는 입찰 가에 대한 정보입니다. 피드는 일반적으로 UDP를 사용한 이더넷을 통한 특수 프로토콜을 통해 거래 상품에 대한 표준 데이터 세트 정보를 거래 참가자의 터미널로 전달합니다. 경쟁에 뒤처지지 않고 고빈도 매매에서 수익을 얻으려면 데이터 전송을 최적화하여 소요되는 시간을 줄이는 것이 필수적입니다. 제일 기본은 거래소의 데이터 센터 옆에 서버를 배치하는 것입니다. 이러한 방법으로 데이터를 수집하는 시간을 단축시킬 수 있습니다. 하지만 이러한 서버 배치를 통한 접근 방식은 더 이상 고빈도 매매에서 뚜렷한 이점을 나타내지 않습니다. 유리한 위치를 선점하려는 분들은 거래소 자체와의 협상을 하여 다른 사람보다 몇 밀리초 더 빠르게 데이터를 얻을 수 있는 기회를 갖습니다. 하지만 이러한 서비스를 이용할 경우, 비용이 적지 않으며 소량 투자자에게는 오히려 불리하게 됩니다. 이 점은 고빈도 매매에서 고려해야 할 부분 중 하나입니다.

최근에는 고빈도 매매의 성장이 감소하고 있습니다. 이러한 매매 방식이 시스템의 오작동으로 인해 잠재적으로 큰 손실을 초래할 수 있다는 믿을 만한 근거가 있기 때문입니다. 이러한 문제는 이미 실제로 발생하고 있습니다. 고빈도를 포함한 각 매매 알고리즘에는 장단점이 있습니다. 앞으로의 기술 발전을 고려할 때, 이러한 매매 방법은 여전히 발전해야 할 부분이 많습니다.

고빈도 매매를 위한 프로그램. 또한 일부 국가에서는 고빈도 매매를 위한 로봇이 활용됩니다.

고빈도 매매에는 두 가지 방법이 있습니다. 첫 번째는 고빈도 매매를 전문으로 하는 중개인을 통한 매매입니다. 두 번째는 필요한 고출력 장비를 구입하고 여기에 특수 소프트웨어를 설치하는 방법입니다. 현재 시장에는 여러 개발자가 있습니다. 우선, 이러한 매매 유형으로부터 발생되는 모든 비용을 미리 계산해야 합니다. 필요한 비용에는 소프트웨어와 매매 시스템 비용이 포함됩니다. 개발자는 알고리즘, 신호 또는 전략이 탑재되지 않은 프로그램을 제공합니다. 고빈도 매매에서는 서버 연결로 인한 중개 수수료, 고속 인터넷, 거래 서버 배치에 많은 비용이 들어 일반 투자자가 사용하기가 어렵습니다. 헤지 펀드는 이러한 서비스를 일반적으로 사용합니다. 고빈도 매매에 사용되는 프로그램에도 세부적인 조정이 필요로 합니다.

암호화폐 고빈도 매매.

HFT는 암호화폐 매매를 진행할 때에도 사용할 수 있습니다. 암호화폐 매매를 위한 고빈도 매매는 다른 거래소에서 사용되는 방식과 동일합니다. 암호화폐 상품의 변동성은 기존 금융 상품에 비해 높다는 점을 염두에 두어야 합니다. 새로운 거래에 대한 기회와 함께 위험성이 있습니다. 고빈도 매매 알고리즘은 주로 암호화폐 시장에서 단기 거래 및 차익 거래에 사용됩니다. 고빈도 암호화폐 매매에 대한 정보는 아직 많이 없으며 이제 막 발전하기 시작했다고도 할 수 있습니다. 현재는 거래 준비와 개별 소프트웨어 구매에 투입되는 높은 비용과 해당 소프트웨어를 제공하는 공급업체가 적다는 점에서 기대치에 결과는 저조할 가능성이 높습니다. 수익 측면에서도 낮을 것으로 보입니다. 암호화폐 고빈도 매매보다 가격 대비 우수한 매매 방식이 많이 있습니다.

다양한 시장 형성과 차익 거래에 HFT 방법이 빈번히 사용됩니다. 시간이 지나면서 전략 및 매매 시스템의 수는 증가하고 있으며 알려지지 않은 여러 새로운 시스템이 존재합니다. 고빈도 매매가 시장에서 긍정적인 영향을 미치는지 확실하게 정의할 수는 없습니다. HFT는 유동성을 제공하여 거래 비용을 낮추고 시장을 안정적으로 유지하는 반면, 고빈도 매매는 정직한 투자자로부터 수익을 빼앗아 갑니다.

 일반 투자자를 위한 고빈도 매매에는 무엇이 있습니까?

초기 비용을 부담하기에 부담이 되신다면 고빈도 매매를 안 하시는 것이 낫습니다. 이 매매 방법의 장단점을 보자면 헤지 펀드 또는 대형 은행 단위로 적용이 된다는 점입니다. 일반 투자자에게 해당 매매 방법은 초기 투자 비용이 높고 수익성이 없어 보일 수 있습니다. 훨씬 저렴한 비용으로 거래소에서 이용할 매매 프로세스를 설정하고 실행하는 방법을 충분히 선택할 수 있습니다.

고빈도 매매와 추세 스캘핑을 비교하십시오. HFT 매매는 소프트웨어 투자, 매매 알고리즘, 데이터 센터 가까이 자체 서버 설치를 필요로 합니다. 추세 스캘핑을 사용할 때에는 수동으로 거래를 하거나 전문가를 통하거나 미리 구매할 수 있습니다. 전문가를 통해 진행할 경우, 알고리즘 성공과 사용되는 전략에 따라 백 달러에서 만 달러까지 다양합니다. 거래소와의 매매 로봇과의 근접성은 중요로 하지 않습니다 – 한 달에 15달러로 VPS 서버를 이용할 수 있습니다. 첫 번째의 경우는 두 번째에 비해 비용 부담이 큽니다.

시장 조성자가 HFT를 사용할 경우, 매매 수익인 보너스와 수수료를 통해 거래 소유자에게 소득을 가져옵니다. 반면, 추세 스캘핑을 기반으로 로봇을 사용하는 투자자는 수수료와 스프레드에 대한 손실을 감수해야 합니다. 이러한 관점에서 고빈도 매매가 이점임을 알 수 있습니다. HFT를 사용하면 단일 거래를 통한 이익은 매우 작아 거래 횟수와 거래량이 많아야 높은 수익을 얻게 되므로 많은 자본이 기본적으로 필요합니다. 각 매매 방법에는 장단점이 있으며 어떠한 매매 방법을 선택할지는 투자자에게 달려 있습니다. 저의 의견으로는 헤지 펀드나 투자 은행이 없는 분인 경우 비용이 덜 드는 매매 방법을 선택하시는 것이 옳다고 생각합니다.

매매 전과 매매 단계에서 막대한 투자와 장기적 손실을 초래하는 단점을 지닌 과거의 고빈도 매매가 아닙니다. 이러한 매매 방식을 이용하는 전문가와 투자자는 HFT의 미래에 투자한다고 볼 수 있습니다. 매매 기술이 어디까지 발전할 수 있을지 함께 생각해 봅시다. 사용되는 “하드웨어” 속도의 발전이라는 장점을 바탕으로, 소프트웨어는 오늘날 가장 진보된 기술을 사용하는 분들에게 이점을 제공합니다. 현재 제작된 HFT를 기준으로 보았을 때, 데이터 센터를 기반으로 가격 변동을 예측하는 시스템은 아직 구축되지 않았습니다. 다시 말해, 다른 사람들이 귀중한 정보를 먼저 선점하여 거래하기 전에 먼저 선취하고자 하는 투자자들을 위한 서버가 존재합니다. 아무도 없는 거래소의 서버 앞에 서 있습니다. 현존할 것 같지만, 아직 그러한 매매 방법은 공개적으로 알려진 바가 없습니다. 물론 수집한 정보가 시세에 영향을 미치지 않거나 예상했던 방향과는 반대로 반영될 가능성이 있습니다. 하지만 이러한 부분은 매매 시스템과 자산 관리의 확립된 규칙에 의해 고려되어야 합니다.

고빈도 매매를 이용한 단기 예측 전략

이러한 매매 방법은 다가오는 미래에 대하여 전략을 수립할 수 있습니다. 고빈도 매매를 이용한 단기 예측 전략. 알고리즘 그 자체는 매매 플랫폼의 데이터 센터에서 수신한 정보를 받아 매매 플랫폼 외부의 인공 지능으로 처리하여 호가를 예측하는 매매 서버로 전송하게 됩니다. 본 매매 방법에서 볼 수 있는 분명한 이점은 매매 플랫폼에서 시세에 대한 정보를 받는 데까지 소요되는 시간이 0에 수렴하며 매매 플랫폼에서 처리 및 발행하기 전에 시세를 확인할 수 있습니다. 속도 부분에서 해당 매매 방식은 뒤쳐져 있어 거래소의 출구에 놓이게 됩니다. 고빈도 매매의 경우 시간이 중요한 요소이므로 단기 예측 전략이 현실화되면 현재의 부유층은 뒤쳐지게 됩니다. 훨씬 더 발전된 기술로 대체될 것으로 보입니다.

기술적인 측면에서 단기 예측 전략에 필요한 것을 고려하십시오.

시세가 형성된 거래소 정보를 입력하십시오. 흥미로운 정보가 나타나고 시세에 반영되기 전까지 미리 추측하지 마십시오. 보다 안정적인 매매를 위해 데이터 센터 근처에 위치해 있으면 됩니다. 옵션으로, 거래소에서 이용하는 곳과 동일한 곳에서 주문할 수 있습니다. 이 작업은 매우 논리적이며 현대 기술 수준에서 실행 가능합니다.

훈련된 인공 지능 단기 사용

시세 변경 예측. 인공 지능 기술의 발달로 주어진 임무는 명백합니다. 수행하게 될 임무는 수신되는 정보가 시세에 어떠한 영향을 미치는지 계속 기록하고 훈련하는 것입니다. 매매 전략에서 판단하는 단계이므로 최상의 조건에서 수행되어야 합니다. 최고의 “하드웨어”를 이용하여 인공 지능 학습 알고리즘에 투자를 집중하는 것이 좋습니다. 일반적으로 매매 시스템에서 “두뇌”는 필요로 하지 않습니다. 거래소에서 얻은 이익을 통해 수익을 창출합니다. 오늘 당장 시작할 수 있습니다.

거래소의 주말 시세를 작업하는 매매 로봇. 시간이 지남에 따라, 얻어지는 결과가 줄어들게 됩니다. 더 빠르게 매매를 구현하기 위해 단기 예측 매매 로봇의 인공 지능을 결합할 필요가 있습니다. 계좌 내에서 매매 작업을 수행할 수 있도록 인공 지능에게 명령을 내립니다. 이러한 부분은 전체 시스템의 성능 측면에서 고려해야 합니다. 가장 좋은 환경은 인공 지능과 매매 로봇의 기능을 분리할 때입니다. 이 작업은 이미 과거에 해결되었으며 이제는 인공 지능 기능을 추가하여 최적화해야 합니다.

모든 문제는 현대 기술 개발 단계에서 이미 해결할 수 있다는 결론을 내릴 수 있습니다. 누군가는 분명 사용 중에 있으며 알려지지 않았을 뿐입니다. 우리는 새로운 경쟁자들에게 수익을 나눠주게 될 것입니다. 경쟁은 불가피하게 발생합니다. 여러분이 어떻게 살아남는지는 매매 전략에 사용되는 “두뇌”에 달려 있습니다. 동일한 입력 값을 받은 인공지능은 어떠한 데이터로 학습시키는지에 따라 다른 결과를 나타낼 수 있습니다. 인공지능은 과잉학습과 과소학습이라는 문제점이 존재합니다. 단기적인 시세의 변화를 정확하게 예측할 경우, 더 많은 수익을 창출하게 됩니다.

유입되는 데이터의 최종 가격에 따라 불일치가 발생할 수 있습니다. 예를 들어, 소위 “달러 스마일(dollar smile)”가 발생하는 데 이는 경제에서 유입되는 데이터로 인하여 미 달러가 논리적이지 않게 행동하는 현상을 의미합니다. 좋은 데이터가 유입되면 달러는 논리적이게 상승하는 반면, 좋지 않은 데이터가 유입되면 달러는 비논리적이게 상승합니다. 달러가 “안전 화폐”, “안전한 피난처”라는 점이 작용하였기 때문입니다. 보편적인 경제 상황에서는 미국 화폐가 떨어질 수 있습니다. 이러한 행동은 일반적으로 투자자들이 위험에 관심을 가지면서 발생합니다. 말이 안 되는 것처럼 느낄 수 있지만, 실제로 “달러 스마일”은 존재하며 미국 경제 내에 좋지 않은 경제 데이터가 여전히 존재하고 있습니다.

단기 예측 매매 전략이 더 정확할수록, 인공지능은 시세의 움직임을 더욱 예측할 것이며 해당 매매 전략을 이용하는 분들은 더 높은 수익을 창출하게 됩니다. 인공지능에 사용된 알고리즘은 의심의 여지가 없습니다. 기존의 고빈도 매매 알고리즘에 인공지능을 추가하여도 비용 측면에서 큰 부담이 되지 않습니다. 그러나 경제적 영향은 예상보다 더 클 수 있으며, HFT 기술의 침체 속에서 인공 지능은 급속한 발전을 보이고 있습니다.

인공 지능 기술은 날이 갈수록 계속 발전하고 있습니다. 적용되는 범위는 점차 확대되고 있습니다. 금융 분야 외에도 인공 지능 기술은 일상 생활의 거의 모든 영역으로 확산되고 있으며 새로운 영역으로 확장되거나 구식 기술을 대체합니다. 매매에서도 예외는 아닙니다. “이전에는 인공지능 없이 어떻게 살았을까?”라는 의문이 들 정도로 매매에서의 인공지능은 처음에는 성공적이지 않았습니다. 과잉학습과 과소학습 때문에 인공지능 자체의 문제였을지도 모릅니다. 최적의 황금 평균은 양 극 값 사이에 위치해 있으며 과거 데이터를 기반으로부터 도출해야 하며 미래에 대하여 가장 정확하게 예측을 해야 합니다. 고밀도 매매와 같이 최소한 간격은 밀리초 단위를 띄게 됩니다. 여러 개발자의 인공지능은 동일한 입력에 대하여 다양한 출력을 하게 됩니다. 이러한 부분은 지극히 정상입니다. 시장에는 다양한 개발자의 여러 알고리즘과 인공지능이 존재하며 매매를 통해 적은 자금 투입 대비 효율이 좋습니다. 고빈도 매매를 사용하는 모든 그룹들은 시장에서 선두를 이끌고자 노력할 것이며 후발주자로 남으려는 가능성은 적습니다. 하지만 이러한 옵션은 HFT 기술에 중점을 둔 투자자에게는 분명히 적합하지 않습니다.