암호화폐 알고리즘 거래 가이드

이 글에서는 암호화폐 거래 알고리즘의 설계와 구현에 대해 살펴보겠습니다. 특히, 우리는 실행 알고리즘, 시장 조성자 알고리즘 및 여러 시장 미시 구조 고려 사항에 중점을 둡니다. 또한 우리는 특히 암호화폐 시장의 특성을 다루는 데 있어서 실제가 이론과 어떻게 다른지 살펴보겠습니다.

실행 알고리즘

실행 알고리즘의 목표는 비용을 최소화하면서 포트폴리오 상태를 다른 상태로 변환하는 것입니다. 예를 들어, BTCUSD 노출을 1,000만큼 늘리고 싶다면 BitMEX의 거래 채널에 즉시 시장 주문을 쏟아부어 엄청난 슬리피지를 발생시키고 싶지 않을 것입니다. 대신 여러 거래소에서 시장가 주문과 지정가 주문을 조합하여 원하는 포지션을 천천히 쌓아가는 것을 고려해 보세요.

일반적으로 실행 알고리즘은 매크로 트레이더, 마이크로 트레이더, 스마트 라우터의 3가지 계층으로 구성됩니다.

매크로 트레이더 계층은 대규모 초기 주문 또는 상위 주문을 시간에 따라 더 작은 하위 주문으로 분할합니다. 이는 실제로 전체 알고리즘의 스케줄링 부분입니다. VWAP, TWAP, POV는 매크로 트레이더 알고리즘의 일반적이고 간단한 예입니다. 일반적으로 복잡한 거시거래자 계층을 설계하는 데 사용할 수 있는 다양한 시장 영향 모델이 있습니다. 시장 영향 모델은 실행에 대한 시장의 반응을 살펴보도록 설계되었습니다. 실행 후에도 시장은 동일하게 유지되나요? 아니면 더 나아가시겠어요? 아니면 어느 정도 되돌아갈까요? 가장 중요한 시장 영향 모델 두 가지는 Almgren-Chriss(1999, 2000)의 영구 시장 영향 모델과 Obizhaeva-Wang(2013)의 일시적 시장 영향 모델입니다. 이러한 점을 고려하면 실제로 시장 효과는 영구적이지 않기 때문에 오비자예바-왕 모델이 더 현실적인 것으로 보이며, 그 이후로 이 모델의 단점을 해결하기 위해 많은 새로운 모델이 개발되었습니다.

추가 자료: 알고리즘 트레이딩 이후 시장 영향력이 감소하기 시작하다 https://arxiv.org/pdf/1412.2152.pdf

마이크로 트레이더 계층은 각 자식 주문에 대해 시장 주문으로 실행할지 지정 주문으로 실행할지 여부를 결정하고, 지정 주문으로 실행하는 경우 가격은 얼마인지 결정합니다. 마이크로 트레이더 설계에 관한 문헌은 거의 없는데, 그 이유는 하위 주문의 크기가 일반적으로 전체 시장에서 차지하는 비중이 작기 때문에, 주문이 어떻게 실행되는지는 중요하지 않기 때문입니다. 그러나 암호화폐 시장은 다릅니다. 유동성이 매우 얇고 실제로 일반적인 크기의 하위 주문에서도 슬리피지가 매우 눈에 띄게 나타납니다. 마이크로 트레이더 설계는 종종 타이밍과 깊이, 대기열 위치 및 시장 미세 구조의 다른 특징에 초점을 맞춥니다. 시장 주문(지연 시간을 무시한다면 지정가 주문과 동일함)은 실행이 보장되는 반면, 지정가 주문은 실행이 보장되지 않습니다. 실행이 보장되지 않으면 매크로 트레이더와 함께 세운 거래 계획에 뒤처질 수 있습니다.

스마트 라우터 계층은 다양한 거래소에 주문을 어떻게 전달할지 결정합니다. 예를 들어, Kraken이 60%의 유동성을 가지고 있고 GDAX(Coinbase ProPrime)가 특정 가격 수준에서 40%의 유동성을 가지고 있다면 마이크로 트레이더는 각각 60%와 40%의 비율로 Kraken과 GDAX 거래소로 주문을 가져와야 합니다. . 장소.

이제 시장의 중재자와 시장 조작자는 한 거래소에서 다른 거래소로 유동성을 이동시킨다고 말할 수 있습니다. 즉, Kraken에서 주문의 절반을 실행하고 몇 초만 기다리면 유동성 일부가 중재자에서 중재자로 이동합니다. Kraken에서 GDAX 유동성을 stat arbers로 조정하면 비슷한 가격으로 나머지 작업을 수행할 수 있습니다. 그러나 이 경우에도 중재자는 자신의 이익에 대한 프리미엄을 청구하고 자신의 헤지 비용을 크라켄의 시장 조작 수수료로 전가합니다. 또한 일부 시장 참여자는 원하는 수량보다 많은 양을 여러 거래소에 분산하여 주문을 내고, 주문이 중단되면 초과 수량을 취소하기도 합니다.

결국에는 자신의 로컬 스마트 라우터를 갖는 것이 더 좋습니다. 이 로컬 스마트 라우터는 타사 스마트 라우터 서비스에 비해 지연 시간 측면에서 유리합니다. 전자의 경우 거래소로 직접 라우팅할 수 있지만 후자의 경우 먼저 타사 라우터 서비스에 메시지를 보내야 하며, 그러면 해당 서비스가 주문을 거래소로 보냅니다(또한 다음을 보내야 합니다. (제3자가 라우터 요금을 지불합니다). 삼각형의 두 변의 합은 세 번째 변의 합보다 큽니다.

마켓 메이커 알고리즘

시장 조작은 다른 시장 참여자에게 즉각적인 유동성을 제공하고 이에 대한 보상을 받는 것을 포함합니다. 긍정적인 기대 가치를 얻는 대가로 재고 위험을 감수합니다. 궁극적으로, 시장 조성자들은 두 가지 이유로 보상을 받습니다. 첫째, 시장 참여자는 시간 선호도가 높고 즉각성을 원합니다. 그 대가로 유동성을 촉진하는 시장 조성자는 낮은 시간 선호도와 인내심을 보상할 수 있습니다. 두 번째, 시장 조성자의 PnL 수익은 좌측으로 기울어져 있으며 일반적으로 대부분의 거래자는 우측으로 기울어지는 것을 선호합니다. 즉, 시장조작자는 베팅 시장, 카지노, 보험 회사, 국가 복권의 북메이커와 유사합니다. 그들은 종종 작은 이익을 얻고, 큰 손실을 보는 일은 드뭅니다. 예상치 못한 수익에 대한 보상으로, 시장 조성자들은 예상 가치로 보상을 받습니다.

추가 자료: 비대칭성 https://en.wikipedia.org/wiki/Skewness

높은 수준의 관점에서 보면, 제한 주문은 다른 시장의 무료 옵션입니다. 나머지 시장은 지정가 주문의 지정 가격으로 자산을 매수 또는 매도할 권리가 있지만 의무는 없습니다. 정보가 완벽하게 알려진 시장에서는 누구도 무료 옵션을 판매하지 않을 것입니다. 시장 전체가 정보를 완벽하게 알 수 있는 곳이 아니기 때문에 무료 옵션을 판매하는 것은 결코 합리적이지 않습니다. 반면, 시장 정보가 전혀 알려지지 않았다면 위험 중립적 시장 조성자들은 이러한 무료 지정가 주문 옵션을 매우 낮은 스프레드로 매도할 의향이 있습니다. 왜냐하면 모든 거래가 노이즈이기 때문입니다. 분명히 실제 시장 참여자들은 다양한 사람들로 구성되어 있으며 각자 알려진 정보와 알려지지 않은 정보의 수준이 다릅니다.

마켓 메이커 알고리즘을 설계할 때는 마켓 메이커, 마켓 참여자, 그리고 다른 마켓 메이커의 세 가지 관점을 고려해야 합니다.

시장 조작자의 견해는 재고에 반영됩니다. 이미 자산 노출이 너무 많다면 가격을 낮추는 것이 좋고, 그 반대의 경우도 마찬가지입니다. 이렇게 하는 데에는 두 가지 이유가 있습니다. 첫째, 법인의 경우 일정 수준의 위험 회피 경향이 있습니다(개인보다는 위험 회피 경향이 낮지만, 화폐 효용 곡선은 여전히 ​​오목합니다).

이 유틸리티 함수의 모양에는 여러 가지 구조가 있습니다(예: CARA, CRRA, HARA 등). 둘째, 시장에서 수동적인 유동성 공급자로서 역선택 위험에 직면하게 됩니다. 긍정적 유동성 수혜자는 당신이 모르는 사실을 알 수도 있고, 단순히 당신보다 더 똑똑할 수도 있습니다. 기본적으로는 시장에 무료 옵션을 판매하는 것입니다.

더욱이 기계적인 수준에서도 가격을 움직이는 시장 주문은 시장 가치 평가에 따라 가격을 낮추고, 가격을 움직이는 시장 주문은 시장 가치 평가에 따라 가격을 높입니다. 어떤 거래에서든 꼭 그 순간에는 항상 잘못된 쪽에 서게 됩니다. 또한, 시장 조성자의 호가는 시장에 수동적인 영향을 미칩니다. 달리 말하면, 채워지지 않은 주문장에 주문을 보내는 행위는 적어도 시장을 당신에게서 멀어지게 합니다.

추가 자료: 위험 회피 함수 https://en.wikipedia.org/wiki/Risk_aversion

시장 참여자의 견해는 주문 흐름으로 표현됩니다. 깊이에 따른 주문 도착의 볼륨 가중 빈도는 몇 가지 주요 속성을 가져야 합니다.

기능은 다음과 같아야 합니다.

• 1. 감소,
• 1. 볼록한 모양(직감적으로 설명하기는 어렵지만 경험상 분명합니다)
• 1. 깊이가 무한대로 접근함에 따라 점근적으로 0으로 접근합니다. 일부 공식에서는 이 강도 함수가 다루기 쉽도록 연속적으로 두 번 미분 가능해야 하는데, 이는 정당한 가정이지만 궁극적으로는 불필요합니다. 또한, 주문장 상단으로부터의 “깊이 또는 거리”를 계산하는 방법에는 다양한 공식이 있습니다. 일반적으로 각 당사자가 제공하는 “합리적인 중간 가격”이나 가장 좋은 제안을 사용할 수 있습니다. 두 접근 방식 사이에는 서로 다른 상충 관계가 있는데, 여기서는 이에 대해 논의하지 않겠습니다.

그 너머에는 “공정한 중간 가격”이 무엇인지에 대한 알려지지 않은 요소가 있습니다. 대량 주문을 보내거나 취소할 때, 최고 매수가와 최고 매도가 사이의 중간 가격은 노이즈 가격의 영향을 받기 쉽습니다.

더욱이 동일한 주문장 형태의 두 사례가 주어졌을 때, 후자 주문장의 최고 입찰가는 전자 주문장의 최고 매도 가격보다 낮은 공정 가격을 나타낼 것입니다. 또 다른 질문은 주문 내역이 중요한지 여부이며, 그렇다면 가격-시간 또는 거래량-시간에 초점을 맞춰야 할까요? 그렇다면 시장 유동성의 특성을 고려할 때, 마켓 메이커의 최적 지정가 주문은 어디에 배치해야 할까요? 주문장 상단의 깊이를 줄이면 주문이 많아지지만 한 번에 받는 양은 적어집니다. 주문장 하단의 깊이를 좁히면 깊이 주문은 얇아지지만 매번 많은 양이 될 것입니다.

실제로 이것은 고유한 전역 최대값을 갖는 볼록 최적화 문제입니다. 또 다른 고려 사항은 주문 흐름이 시간에 따라 도착하고 “푸아송 프로세스”(https://zh.wikipedia.org/wiki/%E6%B3%8A%E6%9D%BE%E8%BF%)와 약간 유사하다는 것입니다. 87%E7%A8%8B). 일부에서는 이것이 “호크스 프로세스”(http://jheusser.github.io/2013/09/08/hawkes.html)에 더 가깝다고 주장합니다. 더욱이 시장 조성자들이 포착하려고 하는 매수 및 매도 반등은 가장 짧습니다. 평균 회귀의 용어 버전입니다. 이러한 초단기 평균 회귀는 지역적 변동성에 따라 조정되므로, 시장 조성자는 가격이 높을 때 호가를 확대하고 거래량이 낮을 때 호가를 축소하는 것이 합리적입니다.

추가 자료: 깊이에 따른 주문 도착 강도(https://arxiv.org/pdf/1204.0148.pdf)

추가 자료: Hawkes Process(http://jheusser.github.io/2013/09/08/hawkes.html)

이 주문장에는 다른 시장 조성자들의 의견이 반영되어 있습니다. 주문장에는 다른 시장 조성자에 대한 정보가 일부 공개됩니다. 주문장 상단에는 매수호가보다 매수호가가 더 많은데, 이는 다른 시장 조성자들이 매수보다 매도 의사를 더 갖고 있음을 나타냅니다. 이러한 시장 조작자들은 이미 규모가 크고 불균형적인 재고를 보유하고 있을 수도 있고, 단기적으로 가격이 상승하기보다 하락할 가능성이 더 크다고 생각할 수도 있습니다. 어느 경우든 시장 조성자로서 주문장의 편차에 따라 견적을 조정할 수 있습니다.

또한, 시장 조성자들이 서로 경쟁할 때 틱이 작으면 이러한 “페니 틱” 행동을 자주 볼 수 있습니다. 시장 조작자들은 가격을 결정하기 위해 서로 경쟁하며, 결국 항복 지점에 도달하여 단 한 명의 ‘승자’만이 우선권을 얻습니다. 우승자가 결정되면, 준우승자는 보통 다음 최고 입찰 또는 제시가 나오기 전에 이전 가격 기준으로 후퇴하게 됩니다. 견적 우선순위를 잃으면 두 번째 견적 우선순위를 얻을 수 있습니다. 이로 인해 우승자는 이제 2위보다 한 단계 앞서 후퇴하고 두 명의 등반자가 있는 같은 사다리 게임이 새로 시작되는 회귀 현상이 발생합니다.

추가 자료: http://parasec.net/transmission/order-book-visualisation/

마지막으로, 장기적인 방향 신호가 시장 조작 알고리즘보다 우선할 수 있는데, 이 경우 시장 조작 알고리즘의 목표는 더 이상 재고를 평평하게 유지하거나 변화시키지 않고 장기적 목표와 해당 편차를 고려하여 목표를 달성하는 것입니다.

속도

속도는 두 가지 주요 이유에서 중요합니다. 첫째, 주문이 취소되기 전에 주문장에 주문을 채울 수 있습니다. 두 번째로, 주문이 체결되기 전에 주문장에서 주문을 취소할 수 있습니다. 즉, 언제나 실행 및 취소에 대한 주도권을 가져야 합니다. 중재 알고리즘(능동적)과 실행 알고리즘(능동적)은 전자에 더 관심이 있고, 시장 조작 알고리즘(수동적)은 후자에 더 관심이 있습니다.

일반적으로, 원칙적으로 속도의 혜택을 가장 많이 보는 전략은 가장 간단한 논리를 가진 전략입니다. 복잡한 논리는 왕복 시간을 늦출 수밖에 없습니다. 이러한 복잡한 유형의 알고리즘 전략은 거래계의 포뮬러 1 자동차와 같습니다. 데이터 검증, 보안 검사, 하드웨어 설정, 오케스트레이션 방법 등이 모두 속도에 초점을 맞춰 제거될 수 있습니다. OMS, EMS, PMS(프로젝트 포트폴리오 관리 시스템)를 건너뛰고 GPU의 컴퓨팅 로직을 공동 배치된 거래소의 바이너리 API 인터페이스에 직접 연결합니다. 빠르고 위험한 게임입니다.

속도에 민감한 전략의 또 다른 유형인 상대적 통계적 차익 거래 전략은 서버가 실제로 단일 거래소와 공존하는 것이 아니라 여러 거래소 사이에 위치한다는 것입니다. 이들은 단일 거래소로부터 가장 빠른 데이터를 얻을 수는 없지만, 다른 전략보다 먼저 가격을 얻고 상관관계와 공적분 데이터에 따라 행동할 수 있습니다.

추가 자료: 세계 최대 증권 거래소를 위한 최적의 중간 거래 노드 위치(https://www.alexwg.org/publications/PhysRevE_82-056104.pdf)

속도 게임에서는 승자가 모든 것을 차지합니다. 가장 간단한 예로, 만약 차익거래 기회가 존재한다면, 그 기회를 먼저 잡는 사람이 이익을 얻을 것입니다. 2등은 부스러기를 받고, 3등은 아무것도 받지 못합니다. 수익은 거듭제곱 법칙 방식으로 분배될 가능성이 높습니다. (전력 법칙에 대하여: https://zh.wikipedia.org/wiki/%E5%86%AA%E5%AE%9A%E5%BE%8B)

속도 게임도 경쟁이다. 모두가 광섬유에서 마이크로파나 레이저 네트워크로 업그레이드하면 모두가 동등한 경쟁 환경을 누리게 되고 초기에 누렸던 이점은 모두 상품화될 것입니다.

Tick ​​크기, 선점 우선순위 및 큐 위치

주문을 매칭하는 대부분의 엔진은 가격 우선, 그 다음에 시간 우선 접근 방식을 따릅니다(비례 매칭은 덜 일반적인 대안이지만, 지금은 고려하지 않겠습니다). 더 나은 가격의 주문이 더 나쁜 가격의 지정가 주문보다 먼저 실행됩니다. 동일한 가격의 지정가 주문의 경우, 먼저 보낸 주문이 나중에 보낸 주문보다 먼저 실행됩니다.

바이낸스는 주문을 소수점 8자리까지 분할합니다. 거래 가격이 .000001이면, .00000001 가격은 거래 가격의 1%입니다. 거래 가격이 .0001이면, .00000001의 가격은 1bps(즉, 1홉)입니다. 정말 큰 차이죠. 전자의 경우 대량 주문을 건너뛰는 데는 전체 포인트가 들기 때문에 시간적 우선순위가 더 중요하지만, 후자의 경우에는 100배나 저렴하기 때문에 가격 우선순위가 더 중요합니다.

즉, 우선권을 얻기 위해 1%를 전액 지불해야 하는 경우 상대적으로 적은 금액이 채워질 가능성을 높이는 반면 상대적으로 많은 금액을 지불하게 되어 가치가 없을 수 있으며 아마도 더 나은 옵션이 될 것입니다. 줄을 서서 기다릴 필요는 없지만, 거래 우선권을 얻기 위해 1bps만 지불하면 된다면 그렇게 할 수 있다. 왜냐하면 상대적으로 적은 금액으로 한계 비용을 줄이는 반면 상대적으로 많은 양의 거래가 체결될 확률을 높이기 때문이다. 작은 가격 틱은 가격 우선권을 선호하고, 큰 가격 틱은 시간 우선권을 선호합니다.

그러면 자연스럽게 다음과 같은 질문이 생깁니다. 귀하의 대기열 순위는 얼마입니까? (추가 읽기: https://moallemi.com/ciamac/papers/queue-value-2016.pdf)

주문서 델타

주문장에서 거래 수를 줄이는 방법은 두 가지 뿐입니다. 주문장을 적극적으로 취소하거나 주문을 이행하는 것입니다. 만약 감소가 거래 과정으로 인해 발생한다면, 이 가격을 제외한 다른 모든 가격도 거래 과정으로 인해 감소할 것입니다. 이러한 거래 기록을 정렬하려면 거래에 따른 감소인지, 취소에 따른 감소인지 정렬하고 표시하면 됩니다.

직관적으로 말하면, 거래는 두 당사자가 특정 가격으로 거래하기로 동의하는 것을 의미하고, 취소는 한 당사자가 특정 가격으로 더 이상 사고팔기를 원하지 않는다는 것을 의미합니다. 따라서 표면적으로 볼 때, 최고 입찰가에서의 취소는 시장 가격이 단기적으로 하락할 매우 강력한 신호이며, 그 뒤를 이어 거래 가격이 하락할 것이라고 말할 수 있습니다.

반면, 주문장의 가격이 상승하기 시작하면, 가능한 가능성은 하나뿐입니다. 남아 있는 지정가 주문의 수가 늘어나는 것입니다.

주문장의 증가와 감소는 모두 시장 참여자의 개인적 의도를 나타내므로 단기 가격 변동에 대한 신호를 제공합니다.

더 나은 가격 지수와 최적의 거래 수수료

현재 대부분의 가격 지수는 여러 거래소의 거래 데이터를 수집하여 이를 통합하여 거래량 가중 평균 가격을 산출합니다. 특히, Tradeblock 지수는 거래소 가중치에 대한 페널티 메커니즘도 강화할 것입니다. 거래소 가중치는 비활성 거래소 및 가격 차이가 너무 큰 거래소와 긴밀히 연관되어 있기 때문입니다. 또 무엇을 개선할 수 있을까요?

GDAX에서 메이커 수수료는 0 베이시스 포인트이고 테이커 수수료는 30 베이시스 포인트입니다. 예를 들어, 거래 가격이 \(4000/BTC로 표시되면 실제 매도 가격은 \)4000/BTC이고 매수 가격은 \(4012/BTC입니다. . 이 거래에 대한 "공정 가격"은 실제 표시된 가격이 아닌 \)4006/BTC에 더 가깝습니다. 반면, Bittrex의 25bps 수수료는 메이커와 테이커 모두에게 적용되므로 실제 가격은 표시된 가격입니다. 즉, 표시된 가격인 4,000달러/BTC는 실제로는 구매자가 4,010달러/BTC에 매수하고 판매자가 3,990달러/BTC에 매도한 것이며, 평균 가격은 표시된 가격 자체입니다.

따라서 가격 발견 관점에서 볼 때, 거래 기록의 가격은 거래소 간 직접 비교할 수 없지만, 가격 지수를 구성할 때 위의 사항을 고려하여 표준화되어야 합니다. 물론, 거래량에 따라 다른 수수료를 부과하는 복잡한 요인이 몇 가지 있습니다. 예를 들어, 일부 거래소는 거래량 규모에 따라 테이커 및 메이커 수수료를 설정하고 부과합니다. 이는 또한 두 가지 흥미로운 추론을 제시합니다.

첫째, 가격 발견이 어떤 면에서는 제한적이며, 거래소를 나누는 메이커 수수료와 테이커 수수료 간의 불균형을 심화시킵니다. GDAX의 대부분 계정이 0/30bps 메이커 및 테이커 수수료 계층에 속하고 GDAX가 일반적으로 BTCUSD 주문서에 1페니 스프레드를 가지고 있다고 가정할 때 각 거래에 대한 입찰/매도에 표시되는 가격은 대략 “공정 가치”입니다. 15포인트의 현물 가격과 각 거래의 최고 또는 최저 가격, 그 사이의 표시된 가격은 대략 “공정 가치”입니다. 따라서 평온한 시기에 “공정 가격”은 이 두 지점 사이에서 빠르게 진동하며, 그 사이에서 가격 발견의 추가적인 세부화가 발생하지 않습니다.

GDAX 주문장

두 번째, 생산자와 소비자 간의 세금 관계와 마찬가지로, 제작자와 수취인 간에 발생하는 수수료 비율에도 일정한 동등성이 있습니다. 메이커에게 비교적 더 많은 수수료를 부과하면, 메이커는 주문장을 확대하고 수수료 일부를 테이커에게 전가할 것입니다. 테이커에게 비교적 더 많은 수수료를 부과하면 메이커는 주문장을 긴축시키고 테이커의 수수료 일부를 흡수할 것입니다.

여기서 극단적인 사례는 메이커를 너무 좋아해서 주문장이 스프레드에서 단일 틱으로 압축되고(GDAX에서 흔히 볼 수 있는 것처럼) 주문장이 더 이상 빡빡할 수 없는 경우입니다. 이에 따라 모든 추가 수수료는 이제 거래소 자체의 수익 손실로 간주되어 거래소 자체에 귀속됩니다.

이 극단적인 예를 제외하면, 어느 쪽이 수수료를 받는지는 중요하지 않고, 오히려 테이커 수수료와 메이커 수수료의 합계가 중요하다는 것을 알 수 있습니다. 궁극적으로 라퍼 커브의 세금 정책과 마찬가지로 거래소는 수수료 정책에서도 수익 최적화 문제에 직면하게 됩니다. 우리는 이익 소득이 세금 정책과 동일하다는 것을 알 수 있습니다. 거래소에서 수수료를 부과하지 않으면 수입이 없습니다. 거래소가 수수료를 100% 부과한다면 거래가 이루어지지 않을 것이고, 따라서 수입도 발생하지 않을 것입니다. 추가 조사를 통해 총 수수료 수준에서의 환전 수익은 유일한 최대값을 갖는 오목 함수라는 것이 분명해졌습니다.

용어집: 라퍼 곡선(https://en.wikipedia.org/wiki/Laffer_curve)

계속됩니다