مدیریت ریسک برای تجار الگوریتمی: فراتر از مبانی

ترجمه‌ی محتوای وبلاگ GCC Brokers

از هر مربی تجارتی درباره‌ی مدیریت ریسک سؤال کنید و شنیدگی‌های آشنایی خواهید شنید: هرگز بیش از 1-2% در هر معامله ریسک نکنید، همیشه از stop loss استفاده کنید، نسبت ریسک به پاداش خوبی حفظ کنید. این توصیه‌ها غلط نیستند — اما برای تجار الگوریتمی که استراتژی‌های سیستماتیک در مقیاس بزرگ اجرا می‌کنند، بسیار سطحی است.

تجارت الگوریتمی ریسک‌هایی را معرفی می‌کند که تجارت دستی ندارد: خرابی‌های زیرساختی، خطاهای منطقی، آبشارهای همبستگی، و اثر مرکب هزاران تصمیم خودکار. مدیریت این ریسک‌ها نیازمند رویکردی لایه‌ای و سیستماتیک است.

تعیین حجم پوزیشن: بنیاد

تعیین حجم پوزیشن همچنان مهم‌ترین ابزار مدیریت ریسک است، اما تجار الگوریتمی نیاز دارند که نسبت به تجار دستی متفاوت به آن فکر کنند.

تعیین حجم ثابت درقابل به تعیین حجم پویا

رویکرد کسری ثابت (ریسک X% در هر معامله) ساده و موثر است به عنوان نقطه شروع. اما در تجارت سیستماتیک، تعیین حجم پوزیشن می‌تواند و باید با شرایط سازگار شود:

• تعیین حجم تعدیل‌شده براساس نوسان‌پذیری — تعیین حجم پوزیشن‌ها براساس نوسان‌پذیری فعلی ابزار (مثلاً تعیین حجم براساس ATR) تضمین می‌کند که قرارگیری ریسک حتی زمانی که شرایط بازار تغییر کند، ثابت باقی می‌ماند
• تعیین حجم تعدیل‌شده براساس کاهش سرمایه — کاهش اندازه‌ی پوزیشن‌ها در دوره‌های کاهش سرمایه و افزایش دوباره در دوره‌های بهبودی به حفاظت سرمایه در شرایط نامساعد کمک می‌کند
• تعیین حجم تعدیل‌شده براساس همبستگی — هنگامی که چندین استراتژی یا ابزار به طور همزمان اجرا می‌شوند، کاهش اندازه در پوزیشن‌های همبسته از ریسک تمرکز پنهان جلوگیری می‌کند

محدودیت‌های حداکثر قرارگیری

فراتر از تعیین حجم معاملات فردی، تجار الگوریتمی نیاز به محدودیت‌های سخت در کل قرارگیری دارند:

• حداکثر پوزیشن‌های باز در تمام استراتژی‌ها
• حداکثر قرارگیری در هر ابزار یا دسته‌ی دارایی
• حداکثر ضرر روزانه قبل از متوقف شدن استراتژی‌ها
• حداکثر کاهش سرمایه از اوج سرمایه قبل از فعال‌شدن بررسی

این محدودیت‌ها باید از نقطه‌ی نظر برنامه‌ای اعمال شوند — نه اینکه به نظارت دستی واگذار شوند.

کنترل‌های ریسک در سطح استراتژی

هر استراتژی باید چارچوب ریسک خود را داشته باشد که مستقل از کنترل‌های سطح حساب باشد.

محدودیت‌های کاهش سرمایه برای هر استراتژی

هر استراتژی کاهش سرمایه را تجربه خواهد کرد. سؤال این است: در چه نقطه‌ای کاهش سرمایه نشان می‌دهد که استراتژی دیگر طبق طراحی کار نمی‌کند؟

براساس داده‌های backtesting و عملکرد زنده، حد آستانه‌ی حداکثر کاهش سرمایه را برای هر استراتژی تعریف کنید. هنگامی که این آستانه نقض شود، استراتژی باید به طور خودکار برای بررسی متوقف شود — نه لزوماً رها شود، بلکه از خطوط لایو خارج شود تا زمانی که رفتار آن درک شود.

تشخیص تنزل عملکرد

یک استراتژی می‌تواند از نظر فنی کاربردی باقی بماند در حالی که به تدریج لبه‌ی خود را از دست می‌دهد. برای موارد زیر نظارت کنید:

• میزان برد کاهنده نسبت به میانگین‌های تاریخی
• افزایش میانگین اندازه‌ی ضرر نسبت به میانگین اندازه‌ی برد
• افزایش slippage یا هزینه‌های اجرا
• انحراف از معیارهای عملکرد backtested

نظارت خودکاری که این روندها را در مراحل اولیه نشانه‌گذاری می‌کند، ارزشمند‌تر از انتظار برای اینکه کاهش سرمایه آشکار شود.

آگاهی از رژیم

شرایط بازار تغییر می‌کنند. استراتژی‌ای که برای بازارهای روندی طراحی شده‌است در شرایط محدوده‌ای مشکل خواهد داشت، و برعکس. تجار الگوریتمی باید در نظر بگیرند:

• فیلترهای رژیم نوسان‌پذیری (نوسان‌پذیری بالا/پایین/عادی براساس ATR یا VIX)
• تعدیلات رفتار مخصوص جلسه
• فیلترهای رویدادهای خبری که فعالیت را در طول انتشار‌های بزرگ کاهش یا متوقف می‌کنند
• نظارت بر رژیم همبستگی برای استراتژی‌های چند دارایی

هدف پیش‌بینی تغییرات رژیم نیست بلکه شناسایی این است که وقتی شرایط فعلی به طور قابل‌توجهی از شرایطی که استراتژی برای آن طراحی شده‌است متفاوت است.

ریسک زیرساخت

برای تجار دستی، زیرساخت یک راحتی است. برای تجار الگوریتمی، این یک عامل ریسک حیاتی است.

محیط اجرا

• قابل‌اعتماد بودن VPS — خرابی VPS به معنی آفلاین شدن استراتژی شما در حالی که بازارها در حال حرکت هستند. از یک ارائه‌دهنده‌ی معتبر با تضمین‌های uptime مستند استفاده کنید، و ترتیبات پشتیبانی را در نظر بگیرید
• نظارت بر اتصالات — هشدارهای خودکار برای قطع اتصال، نوسانات latency، یا قطع شدن پلتفرم
• بررسی‌های Heartbeat — تأیید برنامه‌ای که استراتژی شما هنوز در حال اجرا است و داده‌ها را به درستی پردازش می‌کند

یکپارچگی داده

داده‌های بد می‌توانند استراتژی‌های خوب را به تصمیمات بسیار بد سوق دهند:

• ناهنجاری‌های داده‌ی tick (spikes، gaps، قیمت‌های오래‌شده) باید قبل از وارد شدن به منطق استراتژی فیلتر شوند
• قطع اتصال feed باید یک وضعیت ایمن را فعال کند (بدون معاملات جدید، حفاظت از پوزیشن‌های موجود) به جای ادامه‌ی عملکرد با داده‌های ouf-of-date
• اعتبارسنجی منابع داده‌ی متعدد برای تصمیمات حیاتی

انضباط استقرار

• همه تغییرات کد را در یک محیط demo قبل از استقرار زنده آزمایش کنید
• کنترل نسخه را برای تمام کد استراتژی حفظ کنید
• هرگز تغییرات بدون تست را در ساعات تجارت فعال استقرار ندهید
• روال‌های rollback را مستند و آزمایش‌شده نگه دارید

ریسک همبستگی و포트فولیو

اجرای چندین استراتژی یا ابزار ریسک‌هایی را معرفی می‌کند که در سطح استراتژی فردی نامرئی هستند.

همبستگی‌های پنهان

استراتژی‌هایی که مستقل به نظر می‌رسند می‌توانند در طول تنش‌های بازار همبسته شوند. یک استراتژی طلا و یک استراتژی شاخص سهام ممکن است در بازارهای عادی مستقل رفتار کنند اما در طول رویدادهای risk-off با یکدیگر حرکت کنند.

• همبستگی‌های بین استراتژی‌ها را به طور منظم اندازه‌گیری کنید
• پورتفولیوها را تحت سناریوهای بحران تاریخی stress-test کنید
• قرارگیری کل را زمانی کاهش دهید که همبستگی بین استراتژی‌ها افزایش یابد

تنوع فقط ابزار نیست

تنوع واقعی برای تجار الگوریتمی به معنی تنوع در:

• ابزارها (نه فقط forex، نه فقط طلا)
• Timeframes (نه همه‌ی استراتژی‌ها بر روی M15)
• انواع استراتژی (trend-following، mean-reversion، breakout)
• شرایط بازار (استراتژی‌هایی که در رژیم‌های مختلف کار می‌کنند)

یک پورتفولیو از پنج استراتژی trend-following بر روی پنج ابزار همبسته تنوع‌آمیز نیست — این ریسک متمرکز است با ظاهر تنوع.

لایه‌ی انسانی

حتی تجارت کاملاً خودکار نیازمند نظارت انسانی است. خطرناک‌ترین فرض این است که یک الگوریتم کاربردی نیاز به نظارت ندارد.

بررسی‌های منظم‌شده

• روزانه: بررسی اینکه تمام استراتژی‌ها در حال اجرا هستند، بررسی اجرای شب، تأیید عدم وجود ناهنجاری‌ها
• هفتگی: بررسی معیارهای عملکرد، مقایسه با رفتار مورد انتظار، ارزیابی شرایط بازار
• ماهانه: ارزیابی عملکرد استراتژی در برابر معیارهای عملکرد، بررسی پارامترهای ریسک، ارزیابی اینکه آیا استراتژی‌ای باید متوقف یا تعدیل شود

چارچوب تصمیم‌گیری برای مداخله

داشتن قوانین واضح برای زمانی که مداخله کنید — و زمانی که نباید کنید — از تصمیم‌گیری احساسی جلوگیری می‌کند:

• شرایط مخصوصی را تعریف کنید که بررسی دستی را فعال کند
• آنچه یک دلیل مشروع برای نادیده‌گرفتن الگوریتم تشکیل می‌دهد را تعریف کنید
• هر مداخله‌ی دستی و نتیجه‌ی آن را برای یادگیری آینده مستند کنید

هدف حذف قضاوت انسانی نیست بلکه هدایت آن از طریق یک چارچوب ساختار‌یافته به جای واکنش احساسی است.

ایجاد فرهنگ ریسک

برای تجار الگوریتمی، مدیریت ریسک مجموعه‌ای از قوانین اعمال‌شده بر روی یک استراتژی نیست. این بخش بنیادی خود استراتژی است. هر خط کد، هر انتخاب پارامتر، و هر تصمیم استقرار یک تصمیم ریسک است.

موفق‌ترین تجار الگوریتمی کسانی نیستند که بیشترین ریسک را می‌پذیرند — آنها کسانی هستند که ریسک خود را با دقت بیشتر درک می‌کنند و به طور سیستماتیک آن را مدیریت می‌کنند.