Gate.io Cryptopedia： Apakah Quantitave Trading itu？

Quantitave Trading berasal dari tahun 1970-an dan bertahap mengembang menjadi metode trading yang utama。 Secara khusus， quantitave trading adalah metode investasi yang mengandalkan computer dan metode statistika daripada penilaian manusia untuk membuat keputusan。 Dengan menggunakan model yang canggih dan manganalisa jumlah data yang banyak， quantitave trading dapat mengidentifikasi peluang trading。 Di saat yang sama， quantitave trading menghindari penilaian yang salah dikarenakan faktor irasional seperti emosi manusia。 Saat ini， pasar saham AS dan pasar keuangan maju lainnya， sekitar 70-80 persen dari keseluruhan volume trading dihasilkan melalui quantitative trading。 Tetapi di negara berkembang seperti China dan India， proporsi ini sekitar 40%。

Terdapat banyak quant terkenal seperti Renaissance， didirikan di tahun 1982， dan 2 Sigma， yang mengandalkan data besar dan artificial intelligence untuk menganalisis opini publik。

Pada prinsipnya， kedua quantitave trading dan traditional trading didasarkan pada Efisiensi Pasar dalam bentuk pasar yang tidak efisien。 Di pasar yang tidak efisien， harga aset dapat dinilai terlalu tinggi atau terlalu rendah dikarenakan faktor-faktor seperti Asimetri Informasi， biaya transaksi， dan psikologi pasar。 Secara akurat menangkap ketidak efisien harga semacam ini adalah kunci untuk pengembalian berlebih。

Dalam manual trading， manajer investasi sering melakukan analisis fundamental seperti pertumbuhan dan manajemen， menilai saham individu， sehinga menemukan aset dengan harga yang tidak semestinya dan mengambil untung dari transaksi tersebut。 Dalam investasi quantitative， pengetahuan abstrak mengenai keuangan dan ekonomi dicakupkan dalam program dan algoritma。

Contohnya， ketika gambar satelit dari semua Walmart menunjukkan peningkatan jumlah mobil yang terparkir， yang menyiratkan peningkatan pembeli， harga Walmart harus naik， khususnya selama pengumuman pendapatan kuartal berikutnya。 Maka ketika program quantitave melihat kenaikan yang signifikan dalam jumlah mobil yang terparkir， dapat menghasilkan keuntungan dengan segera membeli aset relevan sebelum harga saham Walmart naik。

Di pasar yang kompleks， sejumlah besar faktor mempengaruhi harga aset。 Baik fluktuasi harga dahulu， perubahan pasokan chain， atau bahkan diskusi sosial media， dapat membantu kita memperkirakan naik dan turunnya harga pasar。 Komputer bagus dalam menganalisis data besar， dan secara sistematis mengidentifikasi peluang trading。 Khususnya untuk peluang arbitrase， komputer dapat mengidentifikasi dan menangkapnya。

Sumber gambar：unsplash.com

Klasifikasi transaksi quantitative

Berdasarkan frekuensi trading， dari rendah ke tinggi， quantitative trading dapat dibagi menjadi quantitave trading berfrekuensi ultra-low （hingga 1 hari atau bahkan seminggu）， trading berfrekuensi medium-and low （mulai dari 1 detik ke 1 jam）， dan trading berfrekuensi tinggi （HFT， kurang dari 1 detik atau bahkan milidetik）。

Elemen quantitative trading

Untuk quantitative trading， lingkungan hardware， data relevan， teori keuangan， program perkembangan adalah empat bagian penting。 Mengenai HFT， penting untuk memaksimalkan kecepatan dan mengurangi delay， dan kondisi hardware， juga software， sangatlah penting。 Contohnya， tim HFT biasanya mengunakan sirkuit khusus （FPGA） untuk meningkatkan kecepatannya。 Hasilnya， trading berfrekuensi tinggi memiliki ambang teknis dan keuangan yang sangat tinggi。

Teori quantitative trading umumnya disebut strategi trading。 Strategi trading yang lengkap harus mencakup setidaknya 3 bagian： input， prosesan logis， dan output。 Terdapat banyak jenis strategi trading， termasuk strategi arbitrase statistic， strategi tren trading， dan sebagainya。 Strategi baru seperti pembelajaran mesin dan analisis data besar masih berkembang。

Transaksi Quantitative dan mata uang crypto

Beberapa karakter pasar mata uang crypto membuat quantitative trading lebih disukai secara alami。 Pertama-tama， pertukaran mata uang crypto sering kali menyediakan API terkait untuk memfasilitasi pengguna memperoleh data harga histori yang terperinci。 Selain itu， tidak seperti pasar saham， pasar mata uang crypto melakukan transaksi 7x24 jam， membuat data transaksi lebih konsisten dan ramah diteliti。 Dan komputer dapat memenuhi tantangan all-weather trading。

Dapat individu melakukan transaksi quantitative？

Meski sulit untuk mencapai level frekuensi tinggi， hardware dan prosedur pribadi juga dapat mengangkap sinyal trading dalam skala menit dan dapat melakukan quantitative trading berfrekuensi rendah。

Saat ini， Python dan R adalah bahasa platform utama untuk mengembangka software quantitative trading。 Mengenai strategi trading， investor biasa dapat mengembangkan algoritme-nya sendiri untuk mengimplementasikan teknik trading tertentu， atau mereka dapat menulis program quantitative berdasar indikator trading tertentu seperti grafik candle dan Bollinger band。 Setelah persiapan software dan hardware， kita juga harus menggunakan data histori untuk melakukan uji regresi dan simulasi trading。 Setelah pengujian， kita dapat melakukan firm trading。

Selain itu， investor dapat mengunjungi the Quantitative Center of Gate.io ， mewujudkan quantitative trading aset digital hanya dengan satu penekanan tombol。

Gate.io Quantitative Center

Reference：
https://therobusttrader.com/what-percentage-of-trading-is-algorithmic/

Penulis：Gate.io Peneliti： Edward H. Penerjemah：Tasya A.

* Artikel ini hanya mewakili pandangan peneliti dan bukan merupakan saran investasi。 * Gate.io memiliki semua hak atas artikel ini。Memposting ulang artikel akan diizinkan asalkan diberikan izin oleh Gate.io. Dalam semua kasus lain， tindakan hukum akan diambil karena pelanggaran hak cipta。