تأثیر معاملات خودکار یا الگوریتمی در ثبات بازارهای مالی

نسخه صوتی مقاله را از اینجا گوش کنید.

اگر تنها چند دهه قبل از معامله‌گران بازارهای مالی می‌پرسیدید مهم‌ترین عامل موفقیت چیست، احتمالاً پاسخ‌هایی مانند تجربه، سرعت تصمیم‌گیری یا شناخت بازار را می‌شنیدید. اما امروز بخش قابل‌توجهی از معاملات در بازارهای بورس و بازارهای مالی جهان نه توسط انسان، بلکه توسط رایانه‌ها انجام می‌شود؛ رایانه‌هایی که در کسری از ثانیه، هزاران داده را تحلیل می‌کنند، فرصت‌های معاملاتی را تشخیص می‌دهند و بدون کوچک‌ترین احساساتی مانند ترس یا طمع، سفارش خرید یا فروش ثبت می‌کنند.

این تحول که با نام معاملات الگوریتمی یا معاملات خودکار شناخته می‌شود، یکی از بزرگ‌ترین تغییرات تاریخ بازارهای مالی به‌شمار می‌رود و نقش آن در ثبات یا بی‌ثباتی بازار بیش از هر زمان دیگری مورد توجه اقتصاددانان، نهادهای نظارتی و سرمایه‌گذاران قرار گرفته‌است.

اما آیا الگوریتم‌ها واقعاً باعث آرام‌تر شدن بازار می‌شوند؟ یا برعکس، در زمان بحران می‌توانند به عاملی برای تشدید سقوط قیمت‌ها تبدیل شوند؟

پاسخ این سؤال، برخلاف تصور بسیاری از افراد، ساده نیست. معاملات الگوریتمی هم مزایای قابل توجهی برای بازارها ایجاد کرده‌اند و هم در برخی شرایط، ریسک‌های جدیدی را به وجود آورده‌اند. در ادامه بیشتر به این موضوع می‌پردازیم.

معاملات الگوریتمی چیست و چگونه کار می‌کند؟

معاملات الگوریتمی (Algorithmic Trading) به فرآیندی گفته می‌شود که در آن خریدوفروش دارایی‌ها بر اساس مجموعه‌ای از قوانین از پیش تعریف‌شده و بدون دخالت مستقیم انسان انجام می‌شود. این قوانین می‌توانند بسیار ساده باشند؛ مثلاً:

• اگر قیمت سهم از میانگین متحرک 20 روزه بالاتر رفت، خرید انجام شود.
• اگر حجم معاملات ناگهان دو برابر شد، موقعیت فروش بسته شود.

اما در سطح حرفه‌ای، الگوریتم‌ها برای تصمیم‌گیری از صدها متغیر مختلف مانند:

• قیمت
• حجم معاملات
• نرخ بهره
• اخبار اقتصادی
• داده‌های شبکه‌های اجتماعی
• شاخص‌های تکنیکال
• حتی تصاویر ماهواره‌ای یا داده‌های آب‌وهوا

استفاده می‌کنند. به بیان ساده، الگوریتم همان مجموعه‌ای از دستورالعمل‌هاست که به رایانه می‌گوید تحت هر شرایطی از بازار چه کاری انجام دهد.

انواع معاملات الگوریتمی

الگوریتم‌های معاملاتی بسته به هدف خود، انواع مختلفی دارند. در جدول زیر می‌توانید مهم‌ترین آن‌ها را مشاهده و مقایسه کنید.

در میان این روش‌ها، معاملات فرکانس بالا (HFT) بیش از سایر مدل‌ها مورد توجه قرار گرفته‌اند؛ زیرا سرعت اجرای آن‌ها به حدی بالاست که انسان عملاً توان رقابت با آن را ندارد.

بررسی تاثیرات مثبت معاملات الگوریتمی بر بازار

مهم‌ترین پرسشی که تحلیل‌گران درباره کیفیت اثربخشی معاملات خودکار (Automated Trading) مطرح می‌کنند همین است که این معاملات چگونه و تا چه میزان ممکن است ثبات بازار را دستخوش تغییر کنند.

 

از دیدگاه اقتصاد مالی، ثبات بازار یعنی قیمت‌ها به شکلی منظم، شفاف و متناسب با اطلاعات واقعی تغییر کنند؛ نه اینکه صرفاً بر اثر هیجان یا کمبود نقدینگی دچار جهش‌های شدید شوند.

معاملات الگوریتمی می‌توانند از چند مسیر مختلف بر این ثبات اثر بگذارند:

1. افزایش نقدشوندگی بازار

یکی از مهم‌ترین مزایای الگوریتم‌ها، افزایش نقدشوندگی است. نقدشوندگی (Liquidity) یعنی سرمایه‌گذار بتواند هر زمان که بخواهد دارایی خود را با کمترین اختلاف قیمت خرید و فروش معامله کند.

الگوریتم‌های بازارگردان (Market Makers) به‌صورت مداوم سفارش خریدوفروش ثبت می‌کنند و باعث می‌شوند همیشه خریدار و فروشنده در بازار وجود داشته‌باشد. نتیجه این فرآیند عبارت است از:

• کاهش فاصله قیمت خرید و فروش (Bid-Ask Spread)
• اجرای سریع‌تر سفارش‌ها
• کاهش هزینه معاملات
• افزایش اعتماد سرمایه‌گذاران

برای مثال، در بورس نیویورک و نزدک، بخش بزرگی از نقدشوندگی روزانه توسط همین الگوریتم‌های بازارگردان تأمین می‌شود.

2. کشف سریع‌تر قیمت واقعی

یکی دیگر از مزایای مهم معاملات الگوریتمی، بهبود فرآیند کشف قیمت (Price Discovery) است. در بازارهای مالی، قیمت دارایی‌ها باید بازتابی از اطلاعات موجود باشد. هرچه اطلاعات سریع‌تر در قیمت‌ها منعکس شوند، بازار کاراتر خواهد بود.

الگوریتم‌ها با تحلیل هم‌زمان اخبار، داده‌های اقتصادی، صورت‌های مالی و حتی احساسات بازار، واکنش بسیار سریع‌تری نسبت به معامله‌گران انسانی نشان می‌دهند. در نتیجه:

• قیمت‌ها سریع‌تر به تعادل می‌رسند.
• فرصت‌های آربیتراژ کاهش می‌یابد.
• اختلاف قیمت میان بازارهای مختلف کمتر می‌شود.
• احتمال سوءاستفاده از اطلاعات کاهش پیدا می‌کند.

البته همین سرعت بالا، در برخی شرایط می‌تواند تاثیرات منفی هم داشته‌باشد که در ادامه مقاله به آن خواهیم پرداخت.

معاملات الگوریتمی چگونه می‌توانند باعث افزایش نوسانات شوند؟

بازارهای مالی همواره تحت‌تأثیر اخبار، داده‌های اقتصادی و رفتار سرمایه‌گذاران قرار دارند. در گذشته، انتشار یک خبر مهم معمولاً چند دقیقه یا حتی چند ساعت زمان لازم داشت تا بر قیمت‌ها اثر بگذارد؛ زیرا معامله‌گران انسانی باید خبر را مطالعه، تحلیل و سپس درباره خرید یا فروش تصمیم‌گیری می‌کردند. اما امروز این فرآیند تقریباً آنی شده‌است.

بسیاری از الگوریتم‌های پیشرفته، خبرهای منتشرشده توسط رسانه‌ها، گزارش‌های بانک‌های مرکزی و حتی محتوای شبکه‌های اجتماعی را در کسری از ثانیه پردازش می‌کنند. اگر هزاران الگوریتم به یک نتیجه مشابه برسند، همگی تقریباً هم‌زمان سفارش خرید یا فروش ارسال می‌کنند.

نتیجه چنین رفتاری می‌تواند شامل موارد زیر باشد:

• افزایش ناگهانی حجم معاملات
• جهش یا سقوط شدید قیمت‌ها در چند ثانیه
• کاهش موقت نقدشوندگی
• افزایش فاصله قیمت خرید و فروش
• شکل‌گیری نوسانات غیرعادی

در چنین شرایطی، مشکل اصلی خود الگوریتم‌ها نیستند؛ بلکه واکنش هماهنگ و هم‌زمان تعداد زیادی از آن‌ها می‌تواند بازار را از تعادل خارج کند.

پدیده «رفتار گله‌ای الگوریتم‌ها»

یکی از مفاهیمی که در سال‌های اخیر توجه پژوهشگران اقتصاد مالی را جلب کرده، رفتار گله‌ای الگوریتم‌ها (Algorithmic Herding) است. در بازارهای سنتی، رفتار گله‌ای زمانی رخ می‌دهد که سرمایه‌گذاران بدون تحلیل مستقل، از رفتار دیگران تقلید می‌کنند؛ برای مثال، تنها به این دلیل که همه در حال خرید هستند، آن‌ها نیز اقدام به خرید می‌کنند. اتفاقی مشابه می‌تواند میان الگوریتم‌ها نیز رخ دهد.

فرض کنید بیشتر شرکت‌های سرمایه‌گذاری از مدل‌های مشابهی برای تحلیل بازار استفاده کنند. اگر شاخصی خاص از سطح معینی پایین‌تر برود، هزاران الگوریتم ممکن است تقریباً در یک لحظه به این نتیجه برسند که باید دارایی خود را بفروشند.

در نتیجه، فشار فروش افزایش یافته و قیمت‌ها سریع‌تر از آنچه عوامل بنیادی اقتصاد توجیه می‌کنند کاهش می‌یابد.

یکی از مشهورترین نمونه‌های اثر معاملات الگوریتمی بر بی‌ثباتی بازار، رویدادی است که با نام فلش کرش (Flash Crash) شناخته می‌شود. در تاریخ 6 می 2010، بازار سهام آمریکا ظرف چند دقیقه یکی از عجیب‌ترین سقوط‌های تاریخ خود را تجربه کرد.

شاخص داو جونز (Dow Jones) ظرف مدت کوتاهی نزدیک به 1000 واحد سقوط کرد؛ اتفاقی که در آن زمان معادل حدود 9 درصد ارزش شاخص بود. نکته جالب این بود که بخش بزرگی از این افت، تنها چند دقیقه بعد جبران شد. این رویداد نه ناشی از یک بحران اقتصادی، بلکه حاصل ترکیب چند عامل بود:

• ثبت یک سفارش فروش بسیار بزرگ توسط یک صندوق سرمایه‌گذاری
• واکنش زنجیره‌ای الگوریتم‌های معاملاتی
• خروج موقت بازارگردان‌ها از بازار
• کاهش شدید نقدشوندگی

در نتیجه، بسیاری از سهم‌ها و صندوق‌های سرمایه‌گذاری برای چند لحظه با قیمت‌هایی بسیار پایین‌تر از ارزش واقعی معامله شدند.

پس از این حادثه، نهادهای نظارتی آمریکا مقررات جدیدی مانند «Circuit Breaker» یا «مکانیزم توقف اضطراری معاملات» را توسعه دادند تا در صورت وقوع نوسانات غیرعادی، معاملات برای چند دقیقه متوقف شود و بازار فرصت بازیابی تعادل را داشته‌باشد.

هوش مصنوعی؛ فصل تازه‌ای در معاملات الگوریتمی

اگر نسل اول معاملات الگوریتمی بر پایه مجموعه‌ای از قوانین از پیش تعیین‌شده فعالیت می‌کرد، نسل جدید این فناوری به سمت هوش مصنوعی (AI) و یادگیری ماشین (Machine Learning) حرکت کرده‌است.

تفاوت اصلی این دو رویکرد در آن است که الگوریتم‌های سنتی دقیقاً همان قوانینی را اجرا می‌کنند که برنامه‌نویس برای آن‌ها تعریف کرده‌است؛ اما الگوریتم‌های مبتنی بر هوش مصنوعی می‌توانند از داده‌های گذشته یاد بگیرند، الگوهای جدید را کشف کنند و حتی رفتار خود را با تغییر شرایط بازار تطبیق دهند.

برای مثال، یک الگوریتم کلاسیک ممکن است تنها زمانی دستور خرید صادر کند که قیمت از میانگین متحرک 50 روزه عبور کند. در مقابل، یک مدل مبتنی بر یادگیری ماشین علاوه بر این شاخص، صدها متغیر دیگر مانند حجم معاملات، نرخ بهره، اخبار اقتصادی، احساسات کاربران در شبکه‌های اجتماعی و حتی ارتباط میان بازارهای مختلف را نیز هم‌زمان تحلیل می‌کند.

قانون‌گذاران چگونه معاملات الگوریتمی را کنترل می‌کنند؟

با گسترش استفاده از معاملات خودکار، تقریباً تمام بورس‌های بزرگ جهان مقررات ویژه‌ای برای مدیریت ریسک این فناوری تدوین کرده‌اند. هدف این مقررات، جلوگیری از اختلال در عملکرد بازار و حفظ اعتماد سرمایه‌گذاران است.

از جمله مهم‌ترین اقدامات می‌توان به موارد زیر اشاره کرد:

1. توقف خودکار معاملات (Circuit Breaker)

2. آزمایش الگوریتم‌ها پیش از اجرا

3. نظارت لحظه‌ای بر سفارش‌ها

4. محدودیت در سرعت ارسال سفارش

این اقدامات نشان می‌دهد که بازارهای مالی به‌جای مقابله با معاملات الگوریتمی، تلاش می‌کنند چارچوبی ایجاد کنند که مزایای این فناوری حفظ و ریسک‌های آن کنترل شود.

وضعیت معاملات الگوریتمی در ایران

بازار سرمایه ایران نیز در سال‌های اخیر گام‌هایی در مسیر استفاده از معاملات الگوریتمی برداشته‌است. اگرچه این فناوری هنوز به اندازه بورس آمریکا یا اروپا مورد استفاده قرار نمی‌گیرد، اما بسیاری از شرکت‌های فناوری مالی (فین‌تک)، کارگزاری‌ها و معامله‌گران حرفه‌ای به توسعه ابزارهای خودکار علاقه‌مند شده‌اند.

در سال‌های گذشته، سازمان بورس و اوراق بهادار با هدف جلوگیری از ایجاد اختلال در معاملات، محدودیت‌هایی برای استفاده از برخی الگوریتم‌ها اعمال کرده و استفاده از آن‌ها را منوط به دریافت مجوز و رعایت ضوابط مشخص کرده‌است. این رویکرد نشان می‌دهد که توسعه معاملات الگوریتمی در ایران نیز، همانند سایر کشورها، نیازمند ایجاد توازن میان نوآوری و حفظ ثبات بازار است.

آینده بازارهای مالی؛ همکاری انسان و ماشین

گاهی تصور می‌شود که با پیشرفت هوش مصنوعی، نقش معامله‌گران انسانی به‌طور کامل از بین خواهد رفت. اما شواهد موجود تصویر متفاوتی را نشان می‌دهد.

الگوریتم‌ها در تحلیل حجم عظیمی از داده‌ها، اجرای سریع سفارش‌ها و مدیریت هم‌زمان هزاران معامله عملکردی بسیار بهتر از انسان دارند؛ اما هنوز در درک عوامل کیفی، تحلیل رویدادهای سیاسی، تصمیم‌گیری در شرایط کاملاً جدید و ارزیابی پیامدهای بلندمدت محدودیت‌هایی دارند.

به همین دلیل، بسیاری از کارشناسان معتقدند آینده بازارهای مالی نه متعلق به انسان است و نه ماشین، بلکه به همکاری هوشمندانه این دو وابسته خواهد بود. در این الگو، الگوریتم‌ها وظایف تکراری، پرسرعت و داده‌محور را بر عهده می‌گیرند و انسان‌ها بر طراحی استراتژی، مدیریت ریسک، نظارت بر عملکرد سامانه‌ها و تصمیم‌گیری‌های کلان تمرکز می‌کنند.