الگوریتمیک‌تریدینگ چیست؟

SMA = میانگین متحرک ساده. EMA = میانگین متحرک نمایی

معاملات الگوریتمی چیست؟

سالیان درازی است که معاملات در بازارهای مالی مانند بورس یا فارکس انجام می‌شود و بسیاری از سرمایه‌گذاران بزرگ در این بازارها به فعالیت مشغول‌اند. از سال 1398، با همه گیری ویروس کرونا در جهان، بسیاری از مردم در جای‌جای دنیا، از جمله کشور ایران، به دلیل تعطیلی کسب‌وکارهای اصلی خود، به معاملات در بازارهای بورس و رمزارز علاقه‌مند شدند.

سود حاصل از این بازارها الگوریتمیک‌تریدینگ چیست؟ در نگاه اول بسیار جذاب است، اما باید در نظر داشت که پاداش بزرگ‌تر با خطرپذیری (ریسک) بزرگ‌تری نیز همراه است. این ریسک، برای افراد عادی که وارد بازار می‌شوند، حتی بیشتر نیز هست. امروزه فقط انسان‌ها نیستند که در این بازارها با انسان‌های دیگری معامله می‌کنند، بلکه ماشین‌ها نیز با انسان رقابت می‌کنند. ماشین‌ها، هم از نظر سرعت انجام محاسبات و معاملات در بازار و هم از نظر تحلیل داده و پیش‌بینی آینده، از انسان قوی‌ترند؛ اما جای نگرانی نیست! چرا که با گسترش برنامه‌های متن باز، ابزارهای برنامه‌نویسی، اینترنت و محاسبات ابری، افراد معمولی نیز می‌توانند همانند شرکت‌های بزرگ، الگوریتم‌های معاملاتی خود را پیاده‌ کنند.

معاملات الگوریتمی چیست؟

قبل از آن که معاملات الگوریتمی را تعریف کنیم، نخست باید بدانیم که هدف از معاملات در بازارهای مالی همانند بورس یا رمزارز چیست. معامله‌گری در بازارهای مالی یک فعالیت اقتصادی بسیار مهم است. معامله‌گری در سیستم اقتصادی باعث می‌شود که نقدینگیِ بلااستفاده وارد بازار شود و هر زمان که‌ نیاز بود، دوباره بتوان پول نقد را بازیابی کرد. همچنین معامله‌گری اجازه می‌دهد که پول در بازارهای مختلف دست به دست شود و دارایی‌های مختلف با هم مبادله شوند.

معاملات الگوریتمی دسته‌ای از معاملات در بازارهای مالی است که در آن‌ها یک برنامۀ کامپیوتری (یک الگوریتم) خرید و فروش را انجام می‌دهد. معاملات الگوریتمی نام‌های دیگری مانند الگو-ترِیدینگ[1] و معاملات خودکار[2] نیز دارد. این معاملات، با توجه به سرعت رایانه‌ها در پردازش اطلاعات و ارسال درخواست‌ها، می‌تواند سود قابل توجه‌تری نسبت به معاملات انسان‌ها داشته باشد .

معاملات الگوریتمی بر پایه‌ مدل‌های ریاضی ساخته می‌شوند که استراتژی خرید و فروش را مشخص می‌کنند. در این مدل‌ها از کمیت‌هایی مانند زمان، قیمت، تغییرات قیمت و حجم معاملات استفاده می‌شود و بر اساس آن‌ها نحوۀ تصمیم‌گیری برای خرید یا فروش مشخص می‌شود.

مثالی ساده از معاملات الگوریتمی

فرض کنید یک معامله‌گر از این استراتژی برای خرید و فروش یک سهم استفاده می‌کند:

• زمانی که قیمت میانگین سهم در 30 روز گذشته از قیمت میانگین سهم در 90 روز گذشته بیشتر می‌شود به مبلغ یک میلیون تومان از آن سهم می‌خرد.
• زمانی که قیمت میانگین سهم در 30 روز گذشته از قیمت میانگین سهم در 90 روز گذشته کمتر می‌شود، بخشی از سهام خود را می‌فروشد.

یک فرد معامله گر برای انجام این معامله باید روزانه سهام مورد نظر را بررسی کند و در ساعت مناسبی، با قیمت مناسب یک سفارش بدهد تا بتواند راهبرد (استراتژی) خود را عملی کند.

در معاملۀ الگوریتمی این دو دستورالعمل ساده در یک برنامه پیاده‌سازی می‌شوند و کامپیوتر به صورت خودکار قیمت‌ها را در روزهای مختلف نظارت می‌کند و میانگین قیمت را محاسبه می‌کند. زمانی که رویداد مورد انتظار در دستورالعمل رخ می‌دهد، کامپیوتر بلافاصله آن را شناسایی می‌کند و دستور خرید یا فروش را ارسال می‌کند. پس دیگر نیازی نیست که معامله‌گر خودش قیمت‌ها را لحظه به لحظه رصد کند و خرید و فروش را در زمان مناسب انجام دهد؛ بلکه تمام این کارها را الگوریتم کامپیوتری با دقت و سرعت انجام می‌دهد.

انواع معاملات الگوریتمی

بسیاری از معاملات الگوریتمی از نوع معاملات با فرکانس بالا[3] هستند. معاملات فرکانس بالا، دسته‌ای از معاملات هستند که در آن‌ها، با سرعت‌های بالا در بازارهای متعدد، تعداد زیادی سفارش داده می‌شود.

در الگوریتم‌های با فرکانس بالا، حتی اگر سود حاصل از خرید و فروش کم باشد، از آنجایی که تعداد سفارشات بالاست و تعداد معاملات انجام گرفته بسیار زیاد است، الگوریتم می‌تواند در مجموع سود قابل توجهی را به دست آورد.

لزوماً هر وقت در مورد معاملات الگوریتمی صحبت می‌شود، مقصود معاملات با فرکانس بالا نیست. بسته به استراتژی خرید و فروش، انواع معاملات الگوریتمی را می‌توان طراحی و پیاده‌سازی کرد.

دورۀ معاملات الگوریتمی مدرسه دانش

هدف از این دوره آن است که یاد بگیریم چگونه ما (افراد غیرحرفه ای) نیز می توانیم برای خود ماشین‌هایی درست کنیم که بتوانند معامله کنند. این الگوریتمیک‌تریدینگ چیست؟ دوره به مفاهیم پایه‌ای معاملات الگوریتمی و نحوۀ پیاده‌سازی آن خواهد پرداخت و پیش‌نیاز آن آشنایی با زبان برنامه‌نویسی پایتون و علم دادۀ مقدماتی با پایتون است.

در این دوره به چند دلیل از زبان برنامه‌نویسی پایتون استفاده می‌کنیم:

• یادگیری پایتون آسان است.
• سرعت پیاده‌سازی طرح ها در پایتون بالاتر از دیگر زبان‌هاست.
• پایتون زبانی است که در علم داده و یادگیری ماشین کتابخانه‌های معروف و قدرتمندی دارد.
• امکان استفاده از API ها و Streaming API ها برای گرفتن داده‌های تاریخی و داده‌های لحظه‌ای در پایتون به خوبی وجود دارد.
• پایتون، علاوه بر کتابخانه‌های قوی عددی، کتابخانه‌هایی مخصوص معاملات الگوریتمی نیز دارد.
• بسیاری از مؤسسات سرمایه‌گذاری در دنیا، هم اکنون از پایتون استفاده می‌کنند و شمار آن‌ها رو به افزایش است.
• افراد زیادی با پایتون کار می‌کنند، بنابراین ما می‌توانیم از دیگران کمک بگیریم و مشکلات خود را با جستجوی ساده در اینترنت پیدا کنیم.
• پایتون یک زبان برنامه‌نویسی است که در حال و آینده موقعیت‌های شغلی زیادی برای آن وجود دارد.

انتظار می‌رود که کسانی که این دوره را با موفقیت بگذرانند، بتوانند معاملات الگوریتمی با استراتژی‌های ساده را به راحتی پیاده‌سازی کنند و الگوریتم خود را ارزیابی کنند.

پیش‌نیاز این دوره آشنایی با علم داده در پایتون است. دورۀ علم داده‌ در مدرسۀ دانش تمامی مطالب مورد نیاز برای آشنایی با معاملات الگوریتمی را پوشش می‌دهد.
البته باید توجه شود که حوزۀ معاملات الگوریتمی نسبتاً محرمانه است؛ چرا که افرادی که الگوریتم‌های موفقی ساخته‌اند، به راحتی آن را در اختیار دیگران نمی‌گذارد. ما آرزو داریم کسانی که این دوره را می گذرانند، بتوانند الگوریتم‌های گوناگون را امتحان کنند و در نهایت به الگوریتمی دست یابند که برای آن‌ها کسب درآمد خوبی را رقم بزند.

معاملات الگوریتمی و تاثیرات آن در بازارهای مالی

در تعریف معاملات الگوریتمی یا خودکار گفته می‌شود: «استفاده از برنامه‌های کامپیوتری برای ورود به سفارش‌های معاملاتی بدون دخالت انسان»؛ به بیان دیگر، این الگوریتم‌ها که بلک‌باکس یا «اَلگو تریدینگ» (Algorithmic Trading) هم نامیده می‌شوند، از زبان برنامه نویسی در کامپیوتر و مجموعه‌ای از دستورهای مشخص شده در کنار هم برای انجام معاملات استفاده می‌کنند.

این الگوریتم‌ها که می‌توانند بیش از یکی باشند، برای انجام معاملات بررسی‌های لازم را از جنبه‌های گوناگونی مانند زمان‌بندی، قیمت و حجم روی سفارشات و بازار انجام داده و تصمیم می‌گیرند. این امر کمک می‌کند تا بازار سرمایه به روشی اصولی‌تر و به دور از دخالت احساسات انسانی پیش رود که یکی از نتایج آن بالارفتن نقدینگی در بازار است.

چرا معاملات الگوریتمی؟

بیشتر استراتژی‌های معاملات الگوریتمی حول شناسایی فرصت‌ها در بازار بر اساس آمار است. تجارت لحظه‌ای به دنبال پیروی از روندهای فعلی است و استراتژی‌های یادگیری ماشینی سعی می‌کنند فلسفه‌های پیچیده‌تری را به صورت خودکار در بیاورند یا چندین مورد را به طور همزمان ادغام کنند.

هیچ یک از این موارد تضمین واقعی برای سودآوری نیست و معامله‌گران باید بفهمند که الگوریتم صحیح یا ربات را کی و کجا پیاده‌سازی کنند. حوزه تجارت الگوریتمی نیز به همین ترتیب تکامل یافته است. در حالی که این کار با تجارت رایانه در بازارهای سنتی آغاز شد، افزایش دارایی‌های دیجیتال و مبادلات جاری در هفت روز هفته این رویه را به سطح جدیدی رسانده است.

تقریباً به نظر می‌رسد که تجارت اتوماتیک و ارزهای رمز پایه برای یکدیگر ساخته شده است. درست است که کاربران هنوز هم باید استراتژی‌های خاص خود را انجام دهند، اما اگر به درستی اعمال شود، این تکنیک‌ها می‌توانند به بازرگانان کمک کنند دست خود را از چرخ بردارند و اجازه دهند ریاضیات کار خود را انجام دهد.

مهارت های اولیه لازم برای شروع معاملات الگوریتمی و ساخت یک ربات معامله گر چیست

– مهارت بالای ریاضیات و آمار در زمینه تحلیل داده

– مهارت خوب برنامه نویسی(با کمک گرفتن یک برنامه نویس)

– توانایی تفکر و تصمیم گیری در اتفاقات با احتمالات مختلف

– حس و تجربه شناخت رفتار بازار

اگر شما موارد بالا را دارید با یک پشت کار خوب می توانید بعد از دو یا سه سال یک معامله‌گر الگوریتمی حرفه‌ای باشید البته هر شخصی می تواند بسته به توانایی هایش در این پروسه سریعتر و یا کندتر باشد.

الگو تریدینگ یا معاملات الگوریتمی در کدام قسمت معامله‌گری قرار دارد؟

یک فرایند کامل معامله‌گری را می‌توان به قسمت‌های زیر تقسیم کرد:

۱- دانش و اطلاعات معامله‌گری (روش)

۲- انتخاب بازار

۳- انتخاب محصول

۴- مدیریت ریسک و سرمایه

۵- ورود به موقعیت معاملاتی

۶- مدیریت معاملات باز

الگو تریدینگ فقط در مورد اول (دانش و اطلاعات معامله‌گری (روش)) نمی‌تواند به شما کمک کند، خوب نباید هم توقع داشت که الگو تریدینگ به‌جای ما یاد بگیرد. ولی در بقیه موارد ۲ تا ۶ می‌تواند کمک بسیار بزرگی به معامله گران بکند.

انواع معاملات الگوریتمی

این نوع معاملات در انواع مختلف و در فعالیت‌های سرمایه‌گذاری گوناگون مورد استفاده قرار می‌گیرد ازجمله:

سرمایه‌گذاری‌های میان‌مدت و بلندمدت

دلیل مخالفت سازمان بورس با معاملات الگوریتمی:

واحد نظارت سازمان بورس در اطلاعیه‌ای با هدف حفظ شرایط تعادل عرضه و تقاضا در بازار و نظارت بر ورود سفارشات و معاملات استفاده از معاملات الگوریتمی و تقسیم سفارشات توسط کلیه مشتریان برخط در بورس اوراق بهادار تهران و فرابورس ایران را ممنوع کرد.

معایب معاملات الگوریتمی:

*پیاده‌سازی دقیق

برای اینکه بتوانید بهترین جواب را از معاملات الگوریتمی بگیرید، باید برنامه خود را بسیار دقیق پیاده‌سازی کنید. ما همیشه کامپیوتر را به موجودی کم‌هوش ولی دقیق تشبیه می‌کنیم. برای این موجود کم‌هوش همه‌چیز را باید با دقت فراوان تعریف کرد در غیر این صورت معاملات ما بسیار با خطا روبرو می‌شود.

*سخت‌افزار

باید سخت‌افزار قوی داشته باشید تا بتوانید مسائل پر محاسبه بهینه‌سازی را حل کنید.

*خطا در بهینه‌سازی

باید با پارامترهای بهینه‌سازی آشنایی کامل داشته باشید تا در تحلیل رفتار گذشته استراتژی به بیراهه نروید. بسیاری از کسانی که به‌تازگی با معاملات الگوریتمی آشنا می‌شوند، فکر می‌کنند اگر استراتژی درگذشته الگوریتمیک‌تریدینگ چیست؟ خوب جواب دهد در آینده هم مانند گذشته خوب جواب خواهد داد. درصورتی‌که لزوماً این‌طور نیست و استراتژی به‌صورت مدام نیاز به بهینه‌سازی دارد.

*کیفیت پایین داده (تأثیر اهرم در خطا)

یکی از موارد مهم در معاملات الگوریتمی، بررسی کیفیت داده برای اجرای استراتژی معاملاتی در گذشته است. واقعیت این است که ورودی استراتژی معاملاتی ما برای بک تست، داده‌های ذخیره‌شده است. اگر این داده‌ها کیفیت نداشته باشند نتیجه‌ای که از بک تست می‌گیریم به‌هیچ‌عنوان قابل استناد نیست.

برای اینکه بتوانیم به خروجی بک تست استناد کنیم باید حتماً داده‌های مورداستفاده ما باکیفیت باشند. در متا تریدر ابزاری به نام استراتژی تستر وجود دارد که صحت داده‌های گذشته را با عددی بین ۰ تا ۱۰۰، نمایش می‌دهد.

*Over fit

یکی از بزرگ‌ترین خطاهایی که الگو تریدرها، خصوصاً کسانی که به‌تازگی وارد این حوزه شده‌اند، انجام می‌دهند، بهینه‌سازی بیش‌ازحد استراتژی معاملاتی است. این موضوع زمانی رخ می‌دهد که معامله‌گر بدون توجه به ماهیت پارامترهای ورودی، به دنبال یافتن بهترین مقدار برای پارامترهای ورودی است به‌گونه‌ای که بیشترین سود را در بک تست بدهد. وقتی ما مسئله را بیش‌ازحد دقیق می‌کنیم، احتمال اینکه استراتژی در آینده مانند گذشته کارکند

را بسیار پایین می‌آوریم زیرا بازارها تغییر می‌کنند و استراتژی فقط برای بازه محدودی در گذشته تنظیم‌شده است.

*یکی از تهدید‌های معاملات الگوریتمی که حتی پیش از ورودشان به بازار توسط برخی کارشناسان هشدار داده شده بود، افزایش نوسانات بازار است. چراکه این ربات‌ها سهامدار بلندمدت نیستند و با تحلیل تکنیکال نقاط ورود و خروج به یک نماد را شناسایی می‌کنند. این موضوع باعث می‌شود ربات‌ها به دنبال سرمایه‌گذاری کوتاه‌مدت باشند و بعد از کسب سود مورد نظر سهام را بفروشند.

در برخی موارد که معاملات الگوریتمی دست به نوسان‌گیری می‌زنند، ممکن است فعالیت آن‌ها مانع رشد بازار شود. چراکه اغلب آن‌ها بر اساس بازار‌های جهانی تربیت شده‌اند.

در آن بازار‌ها سود دو سه درصدی در یک هفته می‌تواند بازدهی ایده‌آلی باشد، در حالی که در بازار پرنوسانی مثل بورس تهران چنین نوساناتی چندان چشمگیر نیست. ربات‌ها بعد از خرید سهام و کسب تنها چند درصد بازدهی دکمه فروش را فعال می‌کنند و از سهم خارج می‌شوند. این اتفاق در مدت اخیر برای بورس خیلی گران تمام شده.

* برخی از سیگنال‌های موجود در بازار موجب شد تا الگوریتم‌ها دومینووار سیگنال فروش تولید کردند و همین امر شاید موجب توقف استفاده از آن ها توسط نهاد ناظر شده بود.

* الگوریتم به دلیل اینکه در دسترس عموم و اشخاص حقیقی قرار ندارد منصفانه نیست و انحصار الگوریتم شرایط نابرابری در معاملات ایجاد می‌کند. اینکه یک عده بتوانند از ابزاری استفاده کنند که در اختیار بقیه نیست نوعی رانت محسوب می‌شود. فعالیت الگوریتم‌ها در بازار یا باید متوقف شود و یا اینکه در اختیار عموم قرار گیرد.

* سختی طراحی استراتژی با توجه به کارمزد بالا

کارمزد بالای معاملات در بازار ایران باعـث سـخت شدن طراحی یک الگوریتم معاملاتی می شـود کـه امیـد اسـت در آینـده بـا تـدابیر سازمانهای نظارتی و کارگزاران این عدد حداقل ۳ برابر کوچکتر شود.

* خرید تجهیزات اولیه

خرید ابزارهای اولیه ای مانند یک ارتباط اینترنتی قابل اعتمـاد ، یک سیستم دسکتاپ قدرتمندتر و یا یک سرور و یا حتی برنامه ریزی راه حل های موازی برای اعتماد بیشتر به سیستم طراحی شده از معایب دیگر این روش است.

دانش برنامه نویسی و علمی معمولاً برای نوشتن یک استراتژی الگوریتمی ، دانستن مفاهیمی همچـون ، هاستینگ ، داکرایز کردن و موازیسازی ، SPOF ، پردازش جریانی ، سیسـتم هـای رویداد محـور ، پایدارسازی در خطاها ، پیش بینی پذیری از بازار ، دانش عمیق برنامه نویسی شیءگرا و سیستمهای بک تست از نیازهای اصلی است.

آزادشدن معاملات الگوریتمی:

محسن خدابخش مدیر وقت نظارت بر بورس‌های سازمان بورس و اوراق بهادار در نامه‌ای در مورد معاملات الگوریتمی در بورس اوراق بهادار و فرابورس ایران خطاب به شرکت‌های کارگزاری اعلام کرد: پیرو اطلاعیه مورخ اول مهرماه سال ۱۳۹۸ که در آن عدم امکان انجام معاملات الگوریتمی تأکید شده بود، هم اکنون به اطلاع می‌رسد، ارائه خدمات معاملات الگوریتمی توسط مؤسسات دارای مجوز از سازمان بورس به شرط رعایت ۸ مورد بلامانع است.

۱- رعایت مفاد الزامات معاملات الگوریتمی پیوست بند ۱۰ صورت جلسه مورخ ۷ بهمن ۹۸، همچنین مصوب هیئت مدیره سازمان بورس و اوراق بهادار

۲- ارائه زیرساخت نظارتی سامانه مورد استفاده به سازمان بورس و اوراق بهادار شرکت بورس و شرکت فرابورس ایران

۳- عدم استفاده از الگوریتم‌های ناقض قوانین و مقررات بازار سرمایه و دستورالعمل انضباطی کارگزاران

۴- اخذ تأییدیه قابلیت‌های عملیاتی کسب و کار سامانه معاملات الگوریتمی از شرکت بورس اوراق بهادار

۵- اخذ قابلیت‌های عملیاتی کسب و کار سامانه معاملات الگوریتمی از شرکت فرابورس ایران

۶- اخذ تأییدیه الزامات سامانه معاملات الگوریتمی از شرکت مدیریت فناوری بورس تهران

۷- اخذ تأییدیه الزامات امنیتی در سطح زیرساخت و سامانه الگوریتمی از مرکز نظارت بر امنیت بازار سرمایه

۸- ارائه لاگ‌ها و گزارش‌های دوره‌ای از عملکرد سیستم به مرکز نظارت بر امنیت اطلاعات بازار سرمایه است.

مزایا :

* انجام معاملات با بهترین قیمت ممکن.

* خریدوفروش سهام در سریع‌ترین زمان.

* انجام معاملات قبل از تغییرات چشمگیر.

* کاهش هزینه‌ معاملات.

* بررسی هم‌زمان شرایط به‌صورت خودکار.

* به حداقل رسیدن احتمال خطاهای دستی در ثبت خریدوفروش.

* استفاده از داده‌های واقعی برای بررسی درستی استراتژی‌های مختلف.

* هزینه کمتر معاملاتی برای سرمایه‌گذاران (تعداد سفارشات زیاد در سمت عرضه و تقاضا باعث می‌شود هر وقت که اراده کنیم برای فروش، سفارشی باشد که به آن بفروشیم).

* افزایش حجم معاملاتی و نقدشوندگی (هر چه حجم معاملات یک سهم بیشتر باشد امکان دستکاری در قیمت کمتر است و این باعث تحلیل‌پذیری بیشتر می‌شود).

* نوسان پذیری کمتر (نوسان‌های زیاد معمولا در سهام کم‌ معاملات و توسط سفته بازان اتفاق می‌افتد).

* افزایش عمق بازار (هر چه عمق بازار بیشتر شود، تحلیل‌ها بهتر جواب می‌دهند و زندگی در بازار راحت‌تر است).

* روند منطقی حرکت سهم و عدم دستکاری در قیمت به سادگی.

* حداقل شدن تاخیر در اجرای سفارشات (همیشه سفارشاتی برای پاسخ به سفارش ما هستند و نباید ساعت‌ها منتظر شویم که یکی از ما بخرد یا به ما بفروشد).

* برخی نگران شفاف‌سازی در بازار هستند، چرا که معاملات الگوریتمی به افراد کمک می‌کنند که به درستی بازار را رصد کنند و سیگنال‌های درستی از بازار دریافت کنند و در این شرایط دیگر سراغ کانال‌های تلگرامی بی‌نام و نشان نمی‌روند تا از طریق آنها تصمیم گیری کنند.

* برخی از معاملات الگوریتمی قابل شناسایی و تشخیص نیستند. ولی در هر حال، الگوریتم ها جزیی از بازار خواهند بود و نسل جدید با برخورداری از تکنولوژی و دانش کامپیوتر، این گروه از معاملات را به بازار وارد خواهند کرد، اما باید ابزارهای نظارتی دقیقی را به کار گیریم. در واقع نمیتوان بدون برخورداری از ابزارهای نظارتی دقیق، بازار را مدیریت کرد. با توسعه بازار و ورود نقدینگی بیشتر، سیستم های نظارتی نیز باید به روز شود.

* مدیریت تعداد کدهای زیاد با حجم کم، مدیریت یک کد با حجم بالا مانند شرکتهای بزرگ سرمایه گذاری و صندوق های سرمایه گذاری، استفاده ناشران یا صندوق های بازارگردانی از الگوریتم برای ایجاد نقدشوندگی در بازار و استفاده توسط سهامداران حقیقی مهمترین کارکردهای معاملات الگوریتمی است. همچنین معاملات الگوریتمی میتواند به چرخش و مدیریت سبد، سبدگردان ها کمک کند.

* توانایی‌های اکسپرت نویس نسبت به الگوریتمیک‌تریدینگ چیست؟ معامله گران سنتی

* بررسی بسیار سریع‌تر و دقیق‌تر استراتژی‌های معاملاتی

* با استفاده از الگو تریدینگ، به‌سرعت می‌توانید استراتژی معاملاتی خود را در گذشته بررسی کنید و برای استفاده از آن تصمیم بگیرید.

* بررسی چندین بازار و امکان سودآوری در چندین بازار

* شما به‌راحتی می‌توانید استراتژی خود را در بازارهای و برای محصولات مختلف بررسی کنید.

کلام آخر

زمانی که تکنولوژی در ریزترین مسایل اجتماعی و اقتصادی وارد شده، بازار سرمایه نیز نمی تواند از آن روی گردان باشد. نگاهی به بازارهای سرمایه گذاری دنیا نشان می دهد که ورود نقدینگی با حجم بسیار بالا ، توسعه این بازارها را به دنبال داشت. کاربران مختلف، صندوق های بازارگردانی و سبدگردان ها و در مجموع حقوقی ها مخاطب و کاربر اصلی معاملات الگوریتمی هستند.

اما نباید این شائبه پیش آید که سرمایه گذاران خرد، نقشی در این زمینه ندارند. معتقدم راه اندازی معاملات الگوریتمی برای سهامداران خرد از واجبات است، اما شرایط، ضوابط و مقررات خاصی برای راه اندازی آن لازم است. قطعاً افزایش حجم معالات، رشد نقدشوندگی و افزایش ارزش معاملات از مهمترین نتایج استفاده از معاملات الگوریتمی خواهد بود.

استراتژی اسکالپ تریدینگ چیست؟ آموزش نوسان گیری در ترید

اسکالپ تریدینگ – Scalp Trading یکی از انواع استراتژی های معاملاتی در ترید ارزهای دیجیتال است. در این مطلب بهترین اندیکاتور و روش اسکالپینگ را آموزش می‌دهیم.

ترید یکی از روش‌‌های کسب درآمد از ارزهای دیجیتال است و راه‌های مختلفی برای معامله رمز ارزها وجود الگوریتمیک‌تریدینگ چیست؟ دارد. یکی از روش‌های معاملاتی پرریسک در بازار ارزهای مجازی، اسکالپ تریدینگ – Scalp Trading یا همان نوسان گیری است.با توجه به اینکه یکی از ویژگی‌های تریدرها موفق، آشنایی کامل با انواع استراتژی های معاملاتی است، بر آن شدیم تا در این مقاله، به آموزش انواع استراتژی ها و بهترین اندیکاتورهای اسکالپ – Scalp در ترید ارزهای دیجیتال بپردازیم. اگر شما نیز علاقه‌مند به این موضوع هستید، در ادامه با ما همراه باشید.

اسکالپ تریدینگ – Scalp Trading چیست؟

با اینکه هدف تریدرها از تکنیک سوئینگ تریدینگ – Swing Trading کسب سود در بازه زمانی چند روز تا چند هفته است، اما هدف تریدرهای اسکالپ یا نوسان گیر، سود کردن هر چند جزیی در بازه‌ زمانی چند دقیقه تا چند ساعت است.

در این روش، تریدر به صورت مداوم تغییرات و نوسانات ارزهای دیجیتال را دنبال می‌‌کند و با خرید و فروش‌های پر تعداد در مدت زمان کوتاه، به دنبال کسب سود است. از آن جایی که سود به دست آمده در هر معامله کم است، تریدرها با افزایش تعداد معاملات، سود نهایی خود را افزایش می‌دهند.

مزایا و معایب استراتژی معاملاتی اسکالپ

استراتژی اسکالپ از جمله استراتژی‌هایی است که می‌تواند سود بالایی را با خود به همراه داشته باشد و احتمال ضرر را در بازار ارزهای دیجیتال به حداقل برساند. از دیگر مزایای این روش معاملاتی، می‌توان به موارد زیر اشاره کرد:

• اسکالپینگ یک فرصت مناسب برای افرادی است که تمایلی به نگهداری بلند مدت دارایی‌ها ندارند.
• معامله‌گران مبتدی می‌توانند پس از کسب دانش لازم در مورد استراتژی اسکالپ و نوسان گیری، برای افزایش مهارت و بدست آوردن سودهای کوچک، اسکالپینگ را انتخاب کنند.
• به دلیل کوتاه بودن زمان معاملات، تریدر با ریسک کمتری مواجه است.

اما مانند هر شیوه معاملاتی دیگر، معاملات Scalp نیز با برخی معایب همراه هستند، که معامله‌گران باید به آن‌ها نیز توجه داشته باشند. برخی از معایب ترید به روش اسکالپ به شرح زیر است:

• افرادی که مهارت ریاضی بالا و سرعت عمل مناسب ندارند، در صورت معامله به روش اسکالپینگ ممکن است با شکست مواجه شوند.
• استفاده از استراتژی اسکالپ برای انجام معاملات با استرس همراه است.
• تریدر باید به صورت لحظه به لحظه قیمت‌ها را دنبال کند.

ویژگی اسکالپرها – Scalper

به معامله‌گرانی که با استفاده از استراتژی اسکالپ ترید می‌کنند، اسکالپر گفته می‌شود. یک اسکالپر نه تنها باید از مهارت و دانش کافی برخوردار باشد، بلکه باید زمان کافی برای ارزیابی و بررسی تغییرات بازار ارزهای دیجیتال نیز داشته باشد. به همین خاطر، این شیوه معاملاتی برای همه مناسب نیست وتنها به کسانی توصیه می‌شود که:

• علاقه‌مند به هیجان هستند.
• توانایی تصمیم گیری سریع را در لحظات حساس دارند.
• می‌توانند زمان زیادی را پشت مانیتور برای بررسی نمودارها بگذرانند.

همچنین توجه به این نکته بسیار مهم است که تریدرها برای کسب مهارت کافی در معامله‌گری به روش اسکالپینگ، نیازمند زمان هستند. بنابراین بهتر است افراد مبتدی در ابتدا از Scalping تنها برای افزایش سرمایه‌های خرد استفاده کنند.

ساده ترین استراتژی های اسکالپ در ارزهای دیجیتال

استراتژی اسکالپ در ارزهای دیجیتال مبتنی بر تحلیل تکنیکال است. یک اسکالپر باید بتواند از نوسانات جزیی بازار استفاده کند. هدف در این روش این است که فرد نوسان گیر، به هیچ وجه درگیر یک سرمایه‌گذاری نشود و صرفا از مزایای افزایش حجم معاملات استفاده کرده و با یک سود کم، از آن خارج شود.

بسیاری از اسکالپرهای ارزهای دیجیتا،ل از نمودار پنج ثانیه‌ای در معاملات خود استفاده می‌کنند، تا تغییرات موجود را تا حد ممکن به صورت لحظه به لحظه بررسی نمایند. یک فرد نوسان گیر فعال، ممکن است در طول روز حدود 100 ترید انجام دهند.

برای مثال، یک اسکالپر، ارز دیجیتال ریپل را در قیمت 30 دلار خریداری می‌کند و بعد از گذشت چند دقیقه و یا چند ساعت، آن را در قیمت 35 دلار می‌فروشد. سپس با پایین آمدن قیمت، دوباره آن را در قیمت 32 دلار خریداری کرده و در 34 دلار به فروش می‌رساند. بهترین راه برای مصون ماندن از ضررهای سنگین در استراتژی اسکالپینگ، نزدیک نگه داشتن حد ضرر – Stop Loss، نسبت به قیمت خریداری شده است.

معاملات متعدد – High-Frequency Trading

نوع دیگری از روش اسکالپ تریدینگ که شرکت‌های بزرگ در اغلب موارد از آن استفاده می‌کنند، معاملات متعدد است. روش تحلیل در معاملات متعدد، مبتنی بر الگوریتم‌های هوش مصنوعی است. یکی از مهم‌ترین مزایای بکارگیری این ربات‌ها جهت تحلیل بازار، سرعت بسیار زیاد اجرای آن‌ها است.

خرید و فروش بیت کوین با استفاده از استراتژی اسکالپ

با اینکه بیت کوین نوسانات شدیدی را در طول این چند سال اخیر تجربه کرده، اما بیشتر فعالان بازارهای ارزهای دیجیتال، BTC را به عنوان یک ارز با ثبات می‌شناسند، چراکه نوسانات بیت کوین در مقایسه با سایر آلت کوین‌های موجود در بازار، بسیار کمتر است.

به همین دلیل میزان سودی که از خرید و فروش بیت کوین به روش معاملاتی اسکالپ و نوسان گیری بدست می‌آید، در بیشتر موارد کم است. اما با توجه به اینکه ارز دیجیتال بیت کوین نوسانات غیرقابل پیش بینی مانند سایر آلت کوین‌ها ندارد، میزان سود حاصله از این روش قابل اطمینان‌تر است.

آیا استراتژی معاملاتی اسکالپ سود آور است؟

اسکالپینگ یک استراتژی تجاری بسیار سود آور است که موفقیت در آن، به میزان مهارت تریدر بستگی دارد. معامله‌گری که تصمیم به استفاده از استراتژی اسکالپ در معاملات خود می‌گیرد، باید در مورد فاکتورهای موثر بازار ارزهای دیجیتال آگاهی کامل داشته و از تجربه کافی در تحلیل اخبار و آمارهای گذشته برخوردار باشد.

از طرف دیگر، اسکالپرها باید توانایی پذیرش زیان در معاملات را هم داشته و برای خروج خود از بازار، یک برنامه مشخص داشته باشند. متاسفانه برخی افراد، زمانی که معامله وارد محدوده زیان‌دهی می‌شود، تحت تاثیر احساسات قرار گرفته و نمی‌توانند خود را برای خروج از بازار متقاعد کنند. همین امر باعث می‌شود که تریدر متحمل ضررهای مالی سنگینی شود.

بهترین اندیکاتور استراتژی اسکالپ در ارزهای دیجیتال

اندیکاتورها، اصلی‌ترین ابزار تحلیل تکنیکال هستند، که همواره مورد توجه تحلیل‌گران بازار ارزهای دیجیتال قرار گرفته‌اند. اندیکاتورها در واقع نمودارهای کمکی هستند که با کمک توابع ریاضی ترسیم می‌شوند. هدف استفاده از اندیکاتورها تصمیم‌گیری بهتر و تشخیص فرصت‌های معاملاتی مناسب است. بعضی از بهترین اندیکاتورهای اسکالپ برای کسب سود در بازار ارزهای دیجیتال عبارتند از:

شاخص قدرت نسبی – RSI

یکی از اندیکاتورهای پرطرفدار در تحلیل تکنیکال، اندیکاتور RSI است. شاخص قدرت نسبی یک شاخص نسبتا آسان برای مبتدیان است، که می‌تواند به این افراد در شناسایی نقاط ورود و خروج کمک کند. اگر RSI بالای 70 باشد، عموما به این معنی است که دارایی مورد نظر بیش از حد خریداری شده، یعنی در منطقه اشباع خرید قرار دارد (Overbought) و قیمت آن به احتمال زیاد با کاهش همراه خواهد بود. اما زمانی که مثلا RSI زیر 30 باشد، یعنی این که دارایی مورد نظر بیش از حد فروخته شده است (منطقه اشباع فروش – Oversold) و احتمال افزایش قیمت آن زیاد است، بنابراین زمان مناسبی برای خرید است.

حمایت و مقاومت – Support and Resistance

سطوح حمایت و مقاومت، ارائه دهنده نقاط اتصال بسیار کلیدی هستند که در تحلیل تکنیکال، اهمیت بسیار بالایی دارند. سطح حمایت، از اتصال نقاط مینیمم بدست می‌آید. سطوح حمایت برای خریداران اهمیت فراوانی دارند، چراکه در این سطوح، میزان تقاضا بر میزان عرضه غلبه می‌کند و نتیجه این فزونی، افزایش قیمت است.

اما سطح مقاومت، از اتصال نقاط ماکزیمم بدست می‌آید. زمانی که قیمت به سطوح مقاومت می‌رسد، میزان عرضه بر تقاضا افزایش پیدا کرده و در نتیجه، قیمت کاهش می‌یابد.

میانگین متحرک یا مووینگ اوریج – Moving Average

یکی از اندیکاتورهای بسیار مهمی که پایه بسیاری از ابزارهای معاملاتی را تشکیل می‌دهد، شاخص میانگین متحرک است. این اندیکاتور از قیمت به عنوان داده‌ استفاده می‌کند، تا اطلاعات آماری کاربردی را در اختیار تریدرها قرار دهد. این شاخص، بر اساس دوره زمانی تعریف شده، میانگینی از قیمت‌های گذشته ارز دیجیتال مورد نظر را محاسبه می‌کند.

SMA = میانگین متحرک ساده. EMA = میانگین متحرک نمایی

تکنیک‌های مهم در استراتژی معاملاتی اسکالپ

اسکالپ در بازار ارزهای دیجیتال به عنوان سریع‌ترین روش معاملاتی برای کسب سود شناخته می‌شود. اما معامله‌گرانی که به این روش ترید می‌کنند، باید با تکنیک‌های مهم در اسکالپ و نوسان گیری آشنا باشند. برخی از این تکنیک‌ها عبارتند از:

• برای ترید، ارزهای دیجیتال نقد شونده و لیکوئید را انتخاب کنند.
• افراد مبتدی بهتر است در ابتدا تمام تمرکز خود را بر روی ترید تنها یک ارز دیجیتال قرار دهند (ترید چندین ارز دیجیتال به صورت همزمان به طور چشم‌گیری احتمال شکست را افزایش می‌دهد).
• هر چه میزان نوسان یک ارز دیجیتال بیشتر باشد، آن رم ارز برای معاملات مناسب‌تر است. (البته توجه به این نکته ضروری است که ارزهای با نوسان شدید نیز می‌توانند خطرناک باشند و باید در مورد آن‌ها با احتیاط عمل کرد).
• همواره یک استراتژی خروج از معامله داشته باشند.
• از اندیکاتورهای تکنیکال مناسب استفاده کنند.
• با تمام سرمایه خود ترید نکنند.

شبیه‌ ساز رایگان اسکالپ تریدینگ

برنامه‌های زیادی وجود دارد که با استفاده از آن‌ها می‌توان بدون هیچ گونه ریسکی، خرید و فروش ارزهای دیجیتال با استفاده از روش اسکالپ را تجربه کرد. بیتس گپ (Bitsgap) یکی از سیستم‌های شبیه ساز معاملات اسکالپینگ با پول مجازی است. استفاده از این شبیه‌ساز به افراد مبتدی که به تازگی وارد بازار ارزهای دیجیتال شده‌اند، به شدت توصیه می‌شود.

تفاوت اسکالپینگ با ترید روزانه – Day Trading

معاملات روزانه به خرید و فروش ارزهای دیجیتال در یک روز معاملاتی گفته می‌شود. Scalping را می‌توان به عنوان زیر شاخه مجموعه معاملات روزانه در نظر گرفت، با این تفاوت که معاملات اسکالپینگ، گاهی اوقات ممکن است در بازه زمانی کمتر از دقیقه نیز بسته شوند.

جمع بندی

در این مقاله به معرفی استراتژی معاملاتی اسکالپ یا همان نوسان گیری پرداختیم. اسکالپینگ به عنوان یکی از استراتژی‌های بسیار موثر در بازار ارزهای دیجیتال شناخته می‌شود. با این حال بهتر است معامله‌گرانی به سراغ این روش بروند، که از مهارت و تجربه کافی برخوردار باشند. از نظر شما بهترین روش معاملاتی در بازار ارزهای دیجیتال چیست؟ آیا اسکالپ تریدینگ یک روش معاملاتی مناسب برای افراد مبتدی است؟ نظرات و پیشنهادات خود را با ما در میان بگذارید.

معرفی یک الگوریتم معاملاتی نوین برای ترید ارزهای دیجیتال

من فرمولی ساخته‌ام که زمان خرید یا فروش بیت کوین را پیش‌بینی می‌کند. این فرمول بر اساس داده‌های قیمتی صرافی و حساسیت کلمات کلیدی گوگل ترندز کار می‌کند. نتیجه این مدل در بازه ۹۰ روزه ۲۹ درصد سود بود که برای من ۲۸٬۸۳۹ دلار به همراه داشت.

قیمت بیت کوین تا چه اندازه‌ای می‌تواند پیش‌بینی شود؟ اگر اطلاعات دسترس‌پذیر و عمومی گوگل ترندز به پیش‌بینی نوسانات قیمت کمک کند چه؟

به‌عبارت‌دیگر آیا می‌توانیم فرمولی بسازیم که سبب موفقیت ما در بازار شود؟ این‌ها سؤالاتی هستند که به دنبال جواب آن‌ها بودم.

هدف من تلاش برای فهمیدن بازار پرنوسان، ترسناک و از قرار معلوم غیرقابل پیش‌بینی ارزهای دیجیتال است.

بسیاری از تریدرها به تحلیل تکنیکال باور دارند، در حالی که برخی دیگر مسیر تحلیل بنیادین (فاندامنتال) را در پیش‌گرفته‌اند. حقیقت این است که هیچ استراتژی جادویی در ترید وجود ندارد که بتواند پشت بازار را به خاک بمالد. تعداد الگوریتمیک‌تریدینگ چیستالگوریتمیک‌تریدینگ چیست؟ ؟ بسیار زیادی متغیر و پارامتر در این بازار وجود دارد که حتی بهترین الگوریتم‌های تریدینگ هوش مصنوعی هم قادر به سود بردن مستمر از آن نیستند.

فرمولی که در این مقاله معرفی می‌شود، بسیار ابتدایی است و مقصود من ارائه حالت خام این مدل و دریافت بازخورد برای چگونگی بهبود آن است. این پروژه‌ای در حال جریان بوده و درک آن نیز بسیار ساده است اما به یاد داشته باشید که ریسک انجام آن به عهده فردی است که از آن استفاده می‌کند.

فرمول طلایی

من در حال آزمایش این فرمول که به نظرم یک شاخص پایدار نسبی از عملکرد قیمت بیت کوین است، بوده‌ام. مخصوصاً اینکه در قدم اول با استفاده از این مدل ۲۹ درصد سود در بازه ۹۰ روزه و با سرمایه اولیه ۱۰۰ هزار دلار کسب کردم.

نکته قابل‌ذکر این است که کارمزد معاملات صرافی در محاسبات در نظر گرفته نشده است؛ از این بابت امیدوارم روزی برسد که صرافی‌های غیرمتمرکز راه‌حلی برای حذف آن ارائه دهند.

مدل شرح داده شده در این مقاله از کار اولیه ویلی وو (Willy Woo) الهام گرفته است که برای اولین بار رابطه داده‌های گوگل ترندز را به‌عنوان شاخصی فعال برای قیمت بیت کوین کشف کرد.

پروسه کاری که انجام دادم به شرح زیر است:

۱- نمودار گوگل ترندز کلمات کلیدی «BTC USD» و «Buy Bitcoin» را در ۹۰ روز اخیر به‌دست آوردم.

۲- متوجه شدم در انتهای هرروز که کندل روزانه بیت کوین بسته می‌شود و زمانی که نسبت عبارت «BTC USD» به «Buy Bitcoin» از ۳ به ۱ کمتر است، کندل روزانه جدید نسبت به قبلی در قیمت بالاتری بسته می‌شود. اگر این نسبت از ۳ به ۱ بیشتر باشد (چیزی حدود ۴ به ۱ یا ۵ به ۱ باشد) به معنی سیگنال فروش خواهد بود و قیمت کندل روزانه بعدی در قیمت پایین‌تری بسته خواهد شد.

۳- در گام بعدی اختلاف قیمت بسته‌شده بیت کوین را زمانی که بیشتر از ۸۰ دلار نسبت به روز قبل اختلاف داشته، امتحان کردم؛ این قیمت باعث ثبات الگو می‌شود. ۸۰ دلار یک مقدار دلخواه است که نقشش را در این مجموعه داده به خوبی ایفا می‌کند.

چیزی که تا اینجای کار به‌دست آمده در تصویر زیر خلاصه‌شده است:

BTC USD: شاخص روزانه از گوگل ترندز

Buy Bitcoin: شاخص روزانه از گوگل ترندز

قیمت (Price): قیمت بسته‌شده روز جاری از سایت کوین‌مارکت‌کپ

ستون E: نسبت «Buy Bitcoin/BTC USD»

ستون F: فرمول تصمیم خریدوفروش. برای مثال این فرمول برای سلول F۲۰ به‌صورت زیر عمل کرده است:

در صورتی که دو شرط ۱- سلول E۲۰ بیشتر از ۳۵ درصد و ۲- سلول G۲۰ بیشتر از ۸۰ دلار باشد سیگنال خرید صادر می‌شود. توجه داشته باشید که هر دو شرط به‌صورت همزمان باید برقرار باشند تا سیگنال خرید معتبر باشد.

ستون G: تفاوت قیمت بیت کوین با قیمت بسته شده روز قبل

ستون H: سود و زیان حاصل به‌اضافه سرمایه اولیه (۱۰۰ هزار دلار) از تاریخ ۷ جولای

نتایج مدل و گام‌های بعدی

در طول دوره زمانی ۹۰ روزه سرمایه ۱۰۰ هزار دلاری بر اساس این مدل به ۱۲۸٬۸۳۹ دلار تبدیل شد؛ یک سود تقریباً ۲۹ درصدی. اما این مدل با یک مدل بهینه‌شده فاصله زیادی دارد و البته علاقه دارم چندین چیز را در این مدل بهینه کنم.

اعداد «۳۵ درصد» و «۸۰ دلار» با توجه به مجموعه داده‌های ۹۰ روزه و به‌صورت دلخواه انتخاب شده‌اند. آیا فرمول بهتر دیگری وجود ندارد الگوریتمیک‌تریدینگ چیست؟ که سیگنال‌های خریدوفروش با بازده بالاتری داشته باشیم؟

به نظر می‌رسد این متغیرها در بازه قیمتی ۶ تا ۸ هزار دلار بازدهی خوبی دارند. در کارهای بعدی دوست دارم داده‌های تاریخی مربوط به یک یا دو سال قبل را هم با استفاده از این مدل آزمایش کنم. این مدل جدید را با استفاده از نسبت‌های ۳ به ۱ تا نسبت ۵ به ۱ و همچنین پارامتر ثابت ۸۰ دلار را هم به درصد ثابتی از قیمت بیت کوین تبدیل خواهم کرد تا حرکات تند و بزرگ قیمتی را هم شامل شود. برای مثال این مدل بهینه با نسبت ۳٫۲۳ تا ۱ و ۱٫۴۵ درصد نوسان روزانه قیمت می‌تواند به‌پایان برسد.

ماتریس متغیرها چیزی شبیه به شکل زیر می‌شود:

پیشنهاد برای کارهای بعدی

فرضیه‌ای که دارم این است که در سطوح قیمتی مختلف، پارامترهای متفاوتی وجود دارد. برای این کار می‌توان بین داده‌های حساس و قیمت‌های گذشته آزمون رگرسیون گرفت تا مدل بهینه‌ و جامع‌تری نسبت به مدل ساده قبلی داشت.

الگوریتم اجماع اثبات سهام چیست؟ گواه Proof of Stake

الگوریتم اجماع اثبات سهام یکی از روش‌های تأمین امنیت در بلاکچین است. وجود یک نهاد مرکزی در سیستم‌های متمرکز معایب بسیاری دارد، اما چند مزیت وجود این نهادها به اندازه‌ای مهم هستند که نمی‌توان آن‌ها را نادیده گرفت. تأمین امنیت و اطمینان از اعتبار تراکنش‌ها دو مورد از این مزیت‌های مهم هستند. در بلاکچین‌های غیرمتمرکز برای تأمین امنیت و اعتبار تراکنش‌هایی که در شبکه انجام می‌شود، به الگوریتمیک‌تریدینگ چیست؟ الگوریتمیک‌تریدینگ چیست؟ الگوریتم‌های اجماع نیاز داریم؛ آن‌ها انواع مختلفی دارند و هرکدام از آن‌ها به شیوه‌ای منحصر به فرد امنیت شبکه را تأمین می‌کنند.

• 1) الگوریتم اجماع اثبات سهام چیست؟
• 2) الگوریتم اثبات سهام در بلاکچین چطور کار می‌ کند؟
• 3) امنیت الگوریتم اثبات سهام
• 4) انواع الگوریتم اجماع اثبات سهام
• 5) کدام یک از ارزهای دیجیتال اثبات سهام استفاده می‌ کنند؟
• 6) مزایای استفاده از PoS
• 7) معایب الگوریتم گواه اثبات سهام
• 8) مقایسه PoW و PoS
  • 8.1) توزیع درآمد عادلانه
  • 8.2) امنیت
  • 8.3) تمرکززدایی

  الگوریتم اجماع اثبات کار و اثبات سهام در بلاکچین، دو مورد از مشهورترین الگوریتم‌های اجماع هستند. در این مقاله قصد داریم بررسی کنیم اثبات سهام چطور کار می‌کند و چه تفاوتی با PoW دارد. اطلاعات این مقاله به زبان ساده نوشته شده است و برای درک آن‌ تنها کافی است با مفهوم بلاکچین و هش‌گذاری آشنا باشید.

  الگوریتم اجماع اثبات سهام چیست؟

  الگوریتم اثبات سهام (Proof of Stake) که به اختصار PoS نامیده می‌شود، یکی از روش‌های بلاکچین برای تایید اعتبار تراکنش‌‌هاست. در واقع با استفاده از این الگوریتم اجماع می‌توان نبودِ نهاد مرکزی برای تایید اعتبار را جبران کرد. الگوریتم PoS یک مکانیزم توافقی در بلاکچین است که برای اعتبارسنجی تراکنش‌های ارزهای دیجیتال در همان بلاکچین مورد استفاده قرار می‌گیرد.

  

  در این الگوریتم اجماع افرادی که توکن بومی یک بلاکچین را خریداری می‌کنند، می‌توانند آن را سهام‌گذاری کنند. این افراد بخاطر سهمی که از بلاکچین خریداری کرده‌اند،‌ حق رأی به دست می‌آورند و می‌توانند تراکنش‌‌ها را تایید کنند. با تایید هر تراکنش، بلاک‌های جدیدی تشکیل و به شبکه بلاکچین اضافه می‌شود. اولین سهام‌گذاری که یک بلاک را تشکیل داده باشد، پاداش استخراج آن را دریافت می‌کند.

  الگوریتم اثبات سهام در بلاکچین چطور کار می‌ کند؟

  در یک شبکه بلاکچین نودهای مختلفی وجود دارند که هرکدام از آن‌ها وظیفه خاصی را انجام می‌دهند. در بلاکچین‌هایی که با الگوریتم اجماع یا گواه اثبات سهام کار می‌کنند،‌ نودهایی که توکن شبکه را خریداری و سهام‌گذاری کرده‌اند با نام اعتبارسنج (Validator) شناخته می‌شوند.

  هر تراکنش به یک نود اعتبارسنج نیاز دارد؛ اعتبارسنج‌ها به صورت تقریبا تصادفی انتخاب می‌شوند. استفاده از تقریبا در جمله قبل به این خاطر است که هرچه یک نود توکن‌های بیشتری سهام‌گذاری کرده باشد و مدت بیشتری سهام خود را در شبکه نگه داشته باشد، شانس بالاتری برای انتخاب به عنوان اعتبارسنج خواهد داشت.

  توکن‌هایی که نودهای اعتبارسنج در شبکه سهام‌گذاری (Staking) می‌کنند، به عنوان وثیقه کار می‌کنند. در واقع گرو گذاشتن این توکن‌ها نشان می‌دهد نود اعتبارسنج با صداقت عمل می‌کند و در غیر این صورت به عنوان جریمه، سهامش را به شبکه پرداخت خواهد کرد. بنابراین این توکن‌ها در طی زمانی که نود به عنوان اعتبارسنج در شبکه فعالیت دارد، قفل هستند و نمی‌توان آن‌ها را معامله کرد. البته اگر اعتبارسنج بخواهد، می‌تواند توکن‌هایش را برداشت کند و از فرایند تایید تراکنش‌های اثبات سهام خارج شود.

  

  بعد از اینکه یک نود اعتبارسنج توسط شبکه برای سنجش اعتبار یک تراکنش انتخاب شد، می‌تواند اعتبار آن تراکنش را با هش گذاری تایید کند. اگر تراکنش معتبر باشد، بلاک جدید به شبکه معرفی می‌شود. در صورتی که اعتبارسنج‌های دیگر هم آن را تایید کنند، بلاک به بلاکچین اضافه می‌شود و اعتبارسنج اصلی بخشی از کارمزد تراکنش را به عنوان پاداش دریافت خواهد کرد.

  فرایند تایید تراکنش در الگوریتم اثبات سهام با نام اعتبارسنجی شناخته می‌شود. در این روش از لفظ «استخراج» استفاده نمی‌کنیم.

  امنیت الگوریتم اثبات سهام

  در الگوریتم اجماع یا گواه اثبات سهام هم مانند گواه اثبات کار، تنها از طریق در مالکیت بیشتر از نصف شبکه می‌توان تغییرات مخرب در آن ایجاد کرد. امنیت بالای الگوریتم PoS دو علت مهم دارد. علت اول این است که نودهای اعتبارسنج توکن‌هایی را به عنوان وثیقه در بلاکچین قفل کرده‌اند، بنابراین اگر عملکرد نادرستی داشته باشند، سرمایه‌شان به صورت خودکار توسط شبکه ضبط می‌شود و دیگر به آن دسترسی نخواهند داشت. در اغلب موارد کارمزدی که تایید اعتبار یک تراکنش دریافت می‌کنند، خیلی کم‌تر از توکن‌هایی است که سهام‌گذاری کرده‌اند. بنابراین اینکه بخاطر یک تراکنش مخرب، سرمایه سهام‌گذاری‌شده خود را از دست بدهند، برایشان صرفه اقتصادی ندارد.

  

  اگر هم یک نهاد بخواهد در شبکه تغییراتی ایجاد کند، باید حداقل نیمی از توکن‌های شبکه را خریداری و سهام‌گذاری کند تا بتواند قدرت پردازش بلاکچین را در اختیار بگیرد. این کار به بودجه زیادی نیاز خواهد داشت، زیرا خارج کردن این حجم توکن از بازار باعث تورم و افزایش شدید قیمت خواهد شد. به همین دلیل حتی حمله ۵۱ درصد هم صرفه اقتصادی ندارد، مگر اینکه بلاکچینی کوچک باشد و توکن‌های محدودی در بازار داشته باشد.

  انواع الگوریتم اجماع اثبات سهام

  الگوریتم‌های اثبات سهام دارای سه مدل SPoS، LPoS و PoS هستند. فرایند کلی تایید تراکنش در هر سه روش یکسان است و تفاوت میان آن‌ها به سهام‌گذاری و نودهای اعتبارسنج برمی‌گردد.

  • الگوریتم اثبات سهام (PoS): این روش همان الگوریتم اجماعی است که در قسمت‌های قبل عملکرد آن را توضیح دادیم. افراد با خرید توکن و سهام‌گذاری آن وارد فرایند اعتبارسنجی تراکنش‌ها می‌شوند.
  • الگوریتم اجماع اثبات سهام نمایندگی شده (Delegated PoS): در این روش همه نودها به عنوان اعتبارسنج کار نمی‌‌کنند. سهام‌گذاران از میان نودهای مختلف چند نماینده را به عنوان نود اعتبارسنج انتخاب می‌کنند و سهام خود را به نود نماینده می‌دهند. نماینده تراکنش‌ها را تایید می‌‌کند و سود حاصل از آن بین او و نودهایی که به سهامشان را در اختیارش قرار داده‌اند، تقسیم خواهد شد.
  • الگوریتم اثبات سهام شناور (Liquid PoS): در این روش هر فرد می‌تواند تصمیم بگیرد سهامش را به نودهای نماینده بدهد یا خودش به عنوان نود اعتبارسنج در شبکه فعالیت داشته باشد. می‌توان گفت این روش ترکیبی از PoS و DPoS است. این دو روش مکمل یکدیگر هستند و در LPoS توانسته‌اند نقاط ضعف یکدیگر را پوشش بدهند.

  کدام یک از ارزهای دیجیتال اثبات سهام استفاده می‌ کنند؟

  گواه اثبات سهام الگوریتمی است که به تازگی توسط بلاکچین‌های مختلف استفاده می‌شود. این الگوریتم در هر بلاکچین با شرایط منحصر به فردی اجرا می‌شود. مثلا روند انتخاب نود اعتبارسنج در هرکدام از قوانین خاصی پیروی می‌کند.

  

  در ادامه به برخی از ارزهای دیجیتالی که از این الگوریتم اجماع استفاده می‌کنند، اشاره می‌کنیم:

  : این ارز دیجیتال از الگوریتم DPoS استفاده می‌کند. : اتریوم با راه‌اندازی ورژن دوم بلاکچین خود روش PoS را با PoW جایگزین می‌کند. : بلاکچین و ارز دیجیتال کاردانو هم از PoS بهره می‌برند.
  • Tezos: تزوس یکی از جدیدترین بلاکچین‌های جهان است که با مکانیزم PoS کار می‌کند.
  • Algorand: یک بلاکچین لایه دو است که تراکنش‌ها را با سرعت بالایی پردازش می‌کند و از الگوریتم اجماع اثبات سهام بهره می‌برد.

  مزایای استفاده از PoS

  • اعتبارسنج‌های الگوریتم اجماع اثبات سهام به سخت‌افزارهای پیشرفته نیاز ندارند. قدرت پردازش شبکه در بلاکچین‌های PoS از دستگاه‌های بیرونی تأمین نمی‌شود. بنابراین مصرف برق در آن‌ها زیاد نیست و با محیط زیست سازگاری دارد.
  • تراکنش‌های الگوریتم PoS در مدت زمان کوتاه‌تری نسبت به تراکنش‌های PoW پردازش می‌شوند و هزینه کم‌تری هم از کاربران دریافت می‌کنند. این الگوریتم به افزایش مقیاس‌پذیری بلاکچین کمک می‌کند.
  • هر تریدری می‌تواند در سهام‌گذاری مشارکت داشته باشد و نیازی به خرید دستگاه ماینر نخواهد داشت.

  معایب الگوریتم گواه اثبات سهام

  • درباره امنیت این شبکه از نظر تئوری چالش‌های بسیاری وجود دارد. با وجود اینکه هنوز سابقه‌ای برای حمله هکرها به بلاکچین‌های PoS ثبت نشده، اما برخی از کارشناسان بر این باورند که امنیت آن‌ها به اندازه بلاکچین‌های PoW نیست.
  • اعتبارسنج‌هایی که سهام زیادی خریداری کرده‌اند، می‌توانند روند تایید تراکنش‌ها را تحت تأثیر قرار بدهند.
  • در برخی از بلاکچین‌ها سهام‌گذاری باید برای مدت مشخصی در شبکه قفل شود. یعنی زمانی که یک نود قصد سهام‌گذاری و فعالیت به عنوان اعتبارسنج را داشته باشد، تا پیش از سررسیدن موعد تعیین شده، نمی‌تواند توکن‌هایش را برداشت کند و از فرایند اعتبارسنجی خارج شود.

  مقایسه PoW و PoS

  اثبات کار اولین الگوریتم اجماعی بود که ساتوشی ناکاماتو برای بیت کوین از آن استفاده کرد. در اثبات کار دستگاه‌هایی وجود دارد که قدرت پردازش خود را در اختیار شبکه قرار می‌‌دهند و با هش‌گذاری بلاک‌ها، آن‌ها را به بلاکچین اضافه می‌کنند و پاداش می‌گیرند. الگوریتم PoW به سخت‌افزارهای قدرتمند زیادی برای تایید تراکنش‌ها نیاز داشت، به همین دلیل برق زیادی مصرف می‌کرد و به محیط زیست آسیب می‌رساند. این موضوع به مرور زمان باعث اعتراض مردم و جوامع مختلف به استخراج ارزهای دیجیتال شد.

  

  الگوریتم PoS به عنوان جایگزینی برای PoW ارائه شد تا مشکل مصرف برق را حل کند و با کم‌ترین میزان انرژی برای تایید تراکنش‌ها مورد استفاده قرار گرفت. مصرف برق پایین یکی از علت‌های محبوبیت این الگوریتم اجماع و کاربرد آن در بلاکچین‌های مختلف بود.

  در ادامه به سایر شباهت‌ها و تفاوت‌های دو الگوریتم می‌پردازیم و مقایسه PoW و PoS را از جوانب مختلف انجام خواهیم داد.

  توزیع درآمد عادلانه

  در بسیاری از بلاکچین‌هایی که از الگوریتم اجماع اثبات کار استفاده می‌کنند، توکن‌های جدید به ماینرها پاداش داده می‌شود؛ اما اعتبارسنج‌های اثبات سهام بخشی از کارمزد تراکنش را به عنوان پاداش دریافت می‌کنند. البته بلاکچین‌هایی مانند بیت کوین اعلام کرده‌اند بعد از استخراج همه ۲۱ میلیون کوین، کارمزد تراکنش را به عنوان پاداش به ماینرها خواهد داد.

  با وجود اینکه نودهای اعتبارسنج در بلاکچین‌های اثبات سهام نیازی به خرید سخت‌افزارهای گران قیمت ندارند، اما باز هم درآمد بیشتر به افرادی می‌رسد که بودجه بیشتری برای خرید سهام اختصاص می‌دهند. استخرهای سهام‌گذاری بزرگ شانس بیشتری برای انتخاب شدن به عنوان نود اعتبارسنج و تایید تراکنش خواهند داشت. به همین دلیل به نظر می‌رسد مشکلات توزیع درآمد ناعادلانه تا حدودی بین هر دو الگوریتم مشترک باشد.

  امنیت

  فرایند تایید تراکنش‌‌های بلاکچین باید غیرمتمرکز و توزیع شده باشد. یکی از علت‌های امنیت بالای الگوریتم اجماع این است که نودهای اعتبارسنج و ماینرها توزیع شده هستند و اکثر آن‌ها ترجیح می‌دهند عملکرد درستی داشته باشند تا پاداش بگیرند. بنابراین اگر کسی بخواهد در شبکه تغییرات منفی ایجاد کند یا تراکنش‌های تقلبی را تایید کند، باید بخش زیادی از قدرت شبکه را در اختیار بگیرد.

  

  وجود مزارع و استخرهای ماینینگ در الگوریتم اجماع اثبات کار در بلاکچین و استخرهای سهام‌گذاری در الگوریتم اجماع اثبات سهام، تا حدودی امنیت شبکه را تهدید می‌کند. با وجود اینکه حمله به بلاکچین‌ها و ایجاد مشکل در تایید تراکنش‌ها هزینه زیادی نیاز دارد، اما ممکن است برخی از نهادهای ثروتمند صرفا به قصد تخریب اعتماد مردم به بلاکچین‌ها این هزینه را تقبل کنند. البته احتمال بسیاری از حملات تنها به صورت تئوری وجود دارد و از نظر عملی احتمال وقوع آن‌ها بسیار کم است.

  تمرکززدایی

  یکی دیگر از چالش‌های وجود استخرهای ماینینگ و سهام‌گذاری برای تایید تراکنش‌‌های بلاکچین، متمرکز شدن فرایند استخراج و تایید اعتبار تراکنش‌هاست. در الگوریتم PoS، استخرهای سهام‌گذاری معمولا شانس بیشتری برای انتخاب شدن به عنوان نود اعتبارسنج دارند، زیرا هم سهم بیشتری در اختیار دارند و هم مدت زیادی است در شبکه فعال هستند. به همین دلیل اشخاصی که قصد خرید سهام یک بلاکچین را داشته باشند، به جای سهام‌گذاری مستقیم، توکن‌هایشان را در استخرها به اشتراک می‌گذارند و از استخرها سود می‌گیرند.

  

  در PoW هم چنین مشکلی وجود دارد. در حال حاضر دیگر کار با یک ماینر و در خانه صرفه اقتصادی ندارد. به همین دلیل افراد یا مزرعه ماینینگ راه‌اندازی می‌کنند یا وارد استخرهای ماینینگ می‌شوند تا شانس بیشتری برای کسب سود داشته باشند. در نتیجه بخش عمده قدرت پردازش شبکه در اختیار چند استخر قرار می‌گیرد.

  بلاکچین‌های مختلف روش‌های گوناگونی برای مقابله با متمرکز شدن فرایند اعتبارسنجی در نظر گرفته‌اند. به عنوان مثال برخی از آن‌ها پاداش کم‌تری به اعتبارسنج‌های استخرهای بزرگ می‌دهند تا سهام‌گذاران برای دریافت پاداش بیشتر به سمت استخرهای کوچک‌تر بروند. این روش‌ها تا حدودی مشکل را حل می‌کند، اما همچنان پاسخ صددرصدی برای حل این چالش نیست.

  کلام آخر

  در این مقاله به زبان ساده روش کار الگوریتم اجماع اثبات سهام را بررسی کردیم. اطلاعات ارائه شده در این مقاله برای درک کلی عملکرد این الگوریتم اجماع کاربرد دارد. اکنون شما می‌دانید تراکنش در یک بلاکچین PoS چگونه تایید می‌شود و کارمزدی که پرداخت می‌کنید، کجا هزینه می‌شود.

  بسیاری از تریدرها و سرمایه‌گذاران هنگام انتخاب بلاکچین و ارز دیجیتال برای سرمایه‌گذاری، به الگوریتم اجماع آن هم توجه دارند. PoS هنوز به صورت گسترده مورد استفاده قرار نگرفته است، اما انتظار می‌رود با راه‌اندازی اتریوم ۲.۰ پذیرش بیشتری به دست آورد و تریدرها از آن استقبال کنند.

  کارشناسان داموند اطلاعات بروز و کاربردی درباره بلاکچین و بازار ارزهای دیجیتال را از منابع معتبر جمع‌آوری می‌کنند و در مقالات مجله به کاربران ارائه می‌دهند. با مطالعه روزانه مجله داموند دانش خود را در زمینه ارزهای دیجیتال بروز نگه می‌دارید. تریدرهایی که با دانش معامله می‌کنند، شانس بیشتری برای دیدن فرصت‌های سودآور و استفاده از آن‌ها دارند.

  سوالات متداول

  • آیا اتریوم از الگوریتم گواه اثبات سهام استفاده می‌کند؟

  ورژن اول اتریوم که با نام اتریوم ۱.۰شناخته می‌شود، از الگوریتم اثبات کار استفاده می‌کند، اما ورژن دوم این بلاکچین که قرار است در سال ۲۰۲۲ راه‌اندازی شود، از اثبات سهام برای تایید تراکنش‌ها استفاده خواهد کرد.

  • الگوریتم اجماع اثبات کار بهتر است یا اثبات سهام؟

  کارشناسان بر این باورند اثبات کار امنیت بیشتری نسبت به اثبات سهام دارد، اما سرعت پردازش تراکنش‌ها در مکانیزم اثبات سهام بیشتر است. همچنین در بلاکچین‌های PoS کارمزد کم‌تری برای پردازش بلاک‌ها دریافت می‌شود و مصرف برق کم‌تری هم دارد.

  • آیا احتمال هک شدن بلاکچین‌هایی که از اثبات سهام استفاده می‌کنند وجود دارد؟

  تاکنون هیچ یک از بلاکچین‌های PoS هک نشده‌اند، اما نودهای فعال در این بلاکچین‌ها بارها و بارها مورد حمله قرار گرفته‌اند و این موضوع کاربران بلاکچین را نگران می‌کند.