맨위로가기

알고리즘 트레이딩

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
목차

1. 개요

알고리즘 트레이딩은 시스템 매매, 시스템 트레이딩 또는 프로그램 매매라고도 불리며, 컴퓨터 알고리즘을 사용하여 금융 시장에서 거래를 자동화하는 방식이다. 1970년대 뉴욕 증권 거래소의 전산화 도입을 시작으로 발전해왔으며, 전자 통신망(ECN)의 등장과 규제 변화를 거치면서 더욱 확산되었다. 알고리즘 트레이딩은 기술적 분석 기반 거래와 차익 거래 전략으로 구분되며, 고빈도 매매(HFT)와 같은 형태로 발전하여 시장 유동성 증가에 기여했다. 그러나 2010년 플래시 크래시와 같은 사건에서 변동성 확대에 기여했다는 비판과 시스템 오류, 지연 시간, 보안 문제 등 다양한 문제점도 지적되고 있다. 최근에는 뉴스 분석을 통한 자동 거래 등 기술 발전이 이루어지고 있으며, 금융 시장의 중요한 부분으로 자리 잡았다.

더 읽어볼만한 페이지

  • 수리금융학 - 이자율
    이자율은 자금의 시간 가치를 반영하는 금리로서, 대출 또는 차입 시 지불되는 이자의 비율이며, 통화정책, 기준금리, 만기, 신용도, 시장 수요 공급 등 다양한 요인의 영향을 받는다.
  • 수리금융학 - 72의 법칙
    72의 법칙은 복리 계산 시 투자 원금이 두 배가 되는 데 걸리는 시간을 수익률로 나누어 어림수로 추정하는 방법으로, 투자 결정 시 참고 자료로 활용되며, 이자율 조건에 따라 다른 숫자를 사용하는 것이 더 정확할 수 있다.
  • 금융시장 - 2023년 미국 은행 위기
    2023년 미국 은행 위기는 금리 인상, 채권 가격 하락, 암호화폐 시장 붕괴를 주요 원인으로, 실리콘밸리 은행 등 여러 은행의 파산으로 이어졌으며 미국 금융 시스템의 취약성을 드러내고, 금융 규제에 대한 논의를 촉발했다.
  • 금융시장 - 투기
    투기는 단기 시세 차익을 노리는 자산 매매 행위로, 투자 및 도박과의 경계가 모호하며 시장 불안정을 야기할 수 있지만 유동성 확보에 기여하기도 한다.
  • 투자 - 신흥 시장
    신흥 시장은 선진국과 개발도상국 사이 과도기 국가들의 시장을 지칭하는 복합적 개념으로, 빠른 경제 성장과 산업화를 특징으로 하지만 불균형, 환경 문제, 정치적 불안정 등의 과제도 안고 있어 투자 및 무역 관점에서 중요성이 커지고 있으며, 용어 정의와 적용에 대한 논의가 지속되고 있다.
  • 투자 - 투자 전략
    투자 전략은 투자 목표 달성을 위해 개인의 위험 감수 수준, 투자 기간, 자본 규모 등을 고려하여 선택하는 체계적인 계획으로, 소극적 투자와 적극적 투자 등 다양한 전략이 존재하며, 신중한 결정과 장기적인 계획 및 위험 관리가 필요하다.
알고리즘 트레이딩
알고리즘 트레이딩 개요
정의알고리즘 트레이딩은 컴퓨터 프로그램을 사용하여 미리 정의된 지침 집합(알고리즘)에 따라 주문을 실행하는 방법이다.
다른 이름자동화된 트레이딩, 블랙 박스 트레이딩, 시스템 트레이딩 또는 봇 트레이딩이라고도 한다.
사용 목적주문 실행 속도 및 효율성 향상
거래 비용 절감
시장 가격 변동에 대한 즉각적인 대응
대량 주문 처리
투자 은행, 연금 펀드, 헤지 펀드의 사용주식, 채권, 통화 및 상품을 포함한 다양한 자산 클래스에서 대량 주문을 실행하는 데 사용된다.
유형
실행 알고리즘거래자가 원하는 가격에 도달하거나 거래량의 특정 비율을 차지하는 등 특정 목표를 달성하기 위해 고안되었다.
전략 알고리즘수익성 있는 거래 기회를 식별하고 활용하기 위해 고안되었다.
고빈도 거래(HFT)매우 빠른 속도로 대량의 주문을 생성하고 취소하여 단기적인 가격 변동을 이용하는 알고리즘 트레이딩의 특정 유형이다.
장점 및 단점
장점거래 비용 절감
주문 실행 속도 향상
시장 가격 변동에 대한 즉각적인 대응 가능
인간의 감정 배제
백테스팅을 통한 전략 검증
단점시스템 오류 또는 알고리즘 결함으로 인한 손실 가능성
예상치 못한 시장 상황에 대한 취약성
복잡한 시스템 구축 및 유지에 필요한 높은 비용
규제 및 위험 관리
규제 기관알고리즘 트레이딩 활동을 감독하고 시장의 무결성을 유지하기 위해 규정을 시행한다.
위험 관리알고리즘 트레이딩 시스템의 잠재적 위험을 식별하고 완화하기 위한 절차가 포함된다.
참고
관련 용어자동 거래 시스템
고빈도 매매
추가 정보
관련 서적Robert Kissell, Algorithmic Trading Methods, Elsevier Science, September 4, 2020, ISBN 978-0-12-815630-8

2. 용어

알고리즘 트레이딩은 시스템 매매, 시스템 트레이딩 또는 프로그램 매매라는 명칭으로도 널리 알려져 있다. 이 중 '프로그램 매매'는 선물시장과 연계한 차익거래, 즉 선물과 현물 중 상대적으로 고평가된 것을 팔고 동시에 가격이 낮은 쪽을 사는 알고리즘 매매를 뜻하는 좁은 뜻으로 사용되는 경우가 많다. 이를 '지수차익거래'라고 하는데, 이것은 알고리즘 매매의 가장 일반적인 부류일 뿐 가능한 수많은 알고리즘 중 하나일 뿐이므로 프로그램 매매라는 어휘를 차익거래에만 따로 사용하는 것은 옳지 않다.[1]

3. 역사

알고리즘 트레이딩은 컴퓨터를 이용하여 자산의 가격, 추세, 거래량 등을 분석, 매수 및 매도를 자동으로 수행하는 거래 방식이다. 주로 헤지펀드, 뮤추얼펀드와 같은 전문 기관에서 활용되었으나, 2000년대 이후 일반 대중에게도 관련 소프트웨어와 프로그래밍 언어가 소개되면서 사용자층이 확대되었다. 2022년 현재 한국에서는 키움증권 openAPI를 이용한 알고리즘 매매가 개인 투자자들 사이에서 인기를 얻고 있다.

현대 글로벌 금융 시장에서 알고리즘 트레이딩은 중요한 역할을 수행한다.[22] 지난 30여 년간 거래자, 투자 은행, 투자 펀드 등 다양한 금융 기관들이 알고리즘을 활용하여 거래 전략을 개선하고 실행해 왔다.[23] 1990년대 중반 이후 알고리즘의 사용이 크게 증가했지만, 일일 거래량에 대한 정확한 기여도는 아직 불확실하다.[24]

2019년 4월 외환 활동 보고서에 따르면, 외환 시장의 일일 거래량은 6.6조달러로, 2016년의 5.1조달러에서 크게 증가했다.[26] TABB 그룹의 수익성 전망에 따르면, 2014년 미국의 주식 고빈도매매(HFT) 산업은 경비 차감 전 13억달러였다.[27] 이는 2008년 최대 210억달러 수익에 비해 현저히 감소한 수치였다.[28] 2014년 3월, 고빈도매매 회사인 Virtu Financial은 1,278일의 거래일 중 1,277일 동안 수익을 냈고, 단 하루만 손실을 기록했다고 보고했다.[29]



2006년에는 유럽 연합과 미국의 모든 주식 거래의 3분의 1이 알고리즘에 의해 이루어졌다.[32] 2009년 연구에 따르면 HFT 회사가 미국 주식 거래량의 60~73%를 차지했으며, 2012년에는 약 50%로 감소했다.[33][34] 2006년 런던 증권 거래소에서 모든 주문의 40% 이상이 알고리즘 트레이더에 의해 입력되었으며, 2007년에는 60%로 예측되었다. 2008년 추정치는 일부 시장에서 80%에 달한다. 외환 시장의 경우 2016년에는 주문의 약 80%를 차지했다(2006년의 약 25%에서 증가).[35] 선물 계약 시장은 알고리즘 거래에 통합하기 비교적 쉬운 것으로 알려져 있으며,[36][37] 2016년에는 옵션 거래의 약 40%가 거래 알고리즘을 통해 이루어졌다.[38] 채권 (금융) 시장은 알고리즘 트레이더에 대한 접근성을 높이는 방향으로 변화하고 있다.[39]

알고리즘 트레이딩과 HFT는 2010년 플래시 크래시를 유발한 매도 물량을 촉발했다는 보고서가 나오면서 논쟁의 대상이 되었다.[40][41][42][43][44][45][46][47] HFT 전략이 시장에서 유동성을 빠르게 제거하여 변동성에 기여했을 수 있다는 점도 발견되었다. 다우 존스 산업 평균 지수는 역대 두 번째로 큰 일중 변동폭을 보였지만, 가격은 빠르게 회복되었다. 2011년 7월 국제 증권 감독기구 (IOSCO)는 2010년 5월 6일의 플래시 크래시 사건의 분명한 요인이 알고리즘과 HFT 기술이었다고 결론지었다.[48][49] 그러나 다른 연구자들은 HFT가 플래시 크래시 동안 거래 재고를 크게 변경하지 않았다는 결론을 내리기도 했다.[50]

일부 알고리즘 거래는 인덱스 펀드 재조정 전에 투자자로부터 이익을 얻기도 한다.[51][54][55] 대부분의 퇴직 연금은 뮤추얼 펀드에 투자되며, 가장 인기 있는 것은 주가 지수에 맞춰 포트폴리오를 주기적으로 조정해야 하는 인덱스 펀드이다.[52][53] 이러한 수동적 투자자가 겪는 손실 규모는 S&P 500의 경우 연간 21–28bp, 러셀 2000의 경우 연간 38–77bp로 추정된다.[54]

3. 1. 초기 발전

뉴욕 증권 거래소는 1970년대 초 "지정 주문 처리" 시스템(DOT)을 도입하여 금융 시장 주문 흐름의 전산화를 시작했다.[11] 1984년에는 DOT의 개선판인 SuperDOT가 도입되었다. 이 두 시스템은 주문을 전자적으로 적절한 거래 게시판으로 보낼 수 있게 하였다. "개장 자동 보고 시스템"(OARS)은 시장 청산 개장 가격(SOR; 스마트 오더 라우팅)을 결정하는 데 도움을 주었다.

완전 전자 시장의 등장과 함께 프로그램 매매가 도입되었는데, 이는 뉴욕 증권 거래소에서 100만달러 이상의 가치를 가진 15개 이상의 주식을 매수 또는 매도하는 주문으로 정의된다.[11] 1980년대에 프로그램 매매는 S&P 500 주식과 선물 시장 간의 거래에서 인덱스 차익 거래라는 전략으로 널리 사용되었다.

거의 같은 시기에, 포트폴리오 보험은 블랙-숄즈 옵션 가격 모델을 기반으로 한 컴퓨터 모델에 따라 주식 지수 선물을 동적으로 거래하여 주식 포트폴리오에 대한 합성 풋 옵션을 생성하도록 설계되었다.

브래디 보고서 등에서는 "프로그램 매매"로 종종 묶이는 이 두 전략이 1987년 주식 시장 폭락을 악화시키거나 심지어 유발한 것으로 보기도 했다.[12] 그러나 컴퓨터 기반 거래가 주식 시장 폭락에 미치는 영향은 불분명하며 학계에서 널리 논의되고 있다.[12]

3. 2. 발전과 성장

1990년대에 전자 통신망(ECN)이 등장하면서 거래소 외에서 주식과 통화를 거래할 수 있게 되어 금융 환경이 변화했다.[11] 2001년 미국에서는 십진법 전환으로 최소 호가 간격이 주당 0.01달러로 변경되어 시장 미시 구조를 바꾸고 매수 및 매도 가격 간의 차이를 줄여 마켓 메이커의 거래 이점을 감소시키고 시장 유동성을 증가시켜 알고리즘 거래를 장려했다.[15]

증가된 시장 유동성은 기관 투자자들이 더 나은 평균 가격으로 주문을 체결하기 위해 컴퓨터 알고리즘에 따라 주문을 분할하도록 이끌었다. 이러한 평균 가격 벤치마크는 시간 가중 평균 가격 또는 거래량 가중 평균 가격을 적용하여 컴퓨터로 측정하고 계산된다.

2001년 국제 인공 지능 공동 컨퍼런스에서 발표된 IBM 연구팀의 논문은 금융 시장에서 사용되는 전자 경매에서 두 가지 알고리즘 전략(IBM의 ''MGD''와 휴렛 팩커드의 ''ZIP'')이 인간 거래자를 일관되게 능가할 수 있음을 보여주었다.[17]

2005년에는 증권 시장을 강화하기 위해 미국 증권거래위원회(SEC)에 의해 규정 국가 시장 시스템(Reg NMS)이 마련되었다.[11] 이는 최적의 가격으로 시장 주문을 전자적으로 게시하고 실행해야 한다는 Trade Through Rule과 같은 규칙으로 인해 기업이 거래하는 방식을 변경하여 브로커가 매수 및 매도 주문을 일치시킬 때 가격 차익을 얻는 것을 방지했다.[11]

더 많은 전자 시장이 열리면서 다른 알고리즘 거래 전략이 도입되었다. 이러한 전략은 가격 변화에 신속하게 대응하고 여러 시장을 동시에 관찰할 수 있기 때문에 컴퓨터로 더 쉽게 구현할 수 있다.

BNP 파리바의 Chameleon, 도이치 은행의 Stealth,[20] 크레디 스위스의 Sniper 및 Guerilla 등 많은 증권 중개인들이 고객에게 알고리즘 거래 전략을 제공했다.[21] 이러한 구현은 차익 거래, 통계적 차익 거래, 추세 추종, 평균 회귀의 투자 접근 방식을 채택했다.

기술 발전과 알고리즘 거래는 거래량 증가, 비용 절감, 포트폴리오 성과 개선 및 금융 시장의 투명성 향상을 촉진했다.[25]

3. 3. 사례 연구

2000년대 후반 알고리즘 트레이딩 및 고빈도 매매(HFT)가 급증하면서 시장 점유율을 크게 확대하였다. 2010년 플래시 크래시 당시 알고리즘 트레이딩이 변동성 확대에 기여했다는 보고서가 발표되면서 논란이 되기도 했다.

4. 알고리즘 트레이딩의 전략

알고리즘 트레이딩은 컴퓨터 프로그램을 이용하여 자산의 가격, 추세, 거래량 등을 분석하여 자동으로 매수 또는 매도를 수행하는 거래 방식이다. 크게 기술적 분석 기반 거래와 차익 거래 방식으로 나뉜다. 주로 헤지펀드, 뮤추얼펀드와 같은 기관에서 사용되었으나, 2000년 이후부터는 개인 투자자들도 알고리즘 트레이딩 소프트웨어와 프로그래밍 언어를 통해 제한적으로나마 참여하고 있다. 2022년 현재 키움증권 openAPI를 이용한 알고리즘 매매를 이용하는 개인들이 많아지고 있다.

알고리즘 트레이딩의 대표적인 전략은 다음과 같다.


  • 기술적 분석 기반 거래: 기술적 지표나 캔들을 이용하여 거래하는 방식이다.
  • 차익 거래: 시장 간 혹은 상품 간의 가격 괴리를 이용하는 거래 방식이다.


페어 트레이딩은 롱-숏 전략의 일종으로, 근접 대체재의 상대적 가치에서 발생하는 일시적인 불일치로부터 수익을 얻는 것을 목표로 한다. 시장 중립적인 전략을 추구하지만, 일물일가의 법칙이 항상 성립하지 않기 때문에 위험이 존재한다.

델타 중립은 기초 자산 가치의 작은 변화에도 포트폴리오 가치가 변하지 않도록 구성하는 전략이다.

차익 거래는 둘 이상의 시장 간 가격 차이를 이용하여 이익을 얻는 행위이다.

평균 회귀는 주식 가격이 시간이 지남에 따라 평균 가격으로 돌아간다는 가정 하에, 현재 가격이 평균보다 낮으면 매수, 높으면 매도하는 전략이다.

스캘핑은 매수-매도 스프레드를 통해 수익을 얻으려는 시도로, 짧은 시간 안에 포지션을 설정하고 청산한다. 마켓 메이커는 전문적인 스캘퍼라고 할 수 있다.[58]

비용 절감 알고리즘 거래는 대량 주문을 소량 주문으로 분할하여 시장에 제출하는 방식으로, 주식의 변동성과 유동성에 따라 알고리즘을 선택한다. 이러한 전략의 성공 여부는 일반적으로 가중 평균 가격을 벤치마크로 사용하여 측정한다. 스니핑 알고리즘은 반대편의 알고리즘 주문이나 아이스버그 주문을 감지하려고 시도한다. 알고리즘의 예로는 VWAP, TWAP, 실행 부족, POV, 표시 크기, 유동성 확보, 스텔스 등이 있다.

2009년 현재, HFT(고빈도 매매)는 더욱 두드러지고 논란의 대상이 되었다.[64] 다크 풀은 사적인 성격을 띠는 대체 거래 시스템으로,[66] 거래가 익명으로 이루어지며 대부분의 주문이 숨겨진다.[67]

2006년 매사추세츠 공과대학교 앤드루 로 교수는 알고리즘 트레이딩 경쟁이 심화될수록 수익은 줄어들 것이라고 언급했다.[68]

시장 타이밍 전략은 알파(초과 수익)를 생성하도록 설계된 전략으로, 백테스팅, 포워드 테스팅, 라이브 테스팅을 통해 설계된다. 시장 타이밍 알고리즘은 유한 상태 머신을 사용하여 구현된 이동 평균과 같은 기술적 지표를 사용하거나 패턴 인식 논리를 포함할 수 있다.[69][70]

4. 1. 기술적 분석 기반 거래

기술적 분석 기반 거래는 기술적 지표나 일정 기간 동안의 정보를 담고 있는 캔들에 의존해 거래하는 방식이다. 크게 추세 추종 전략과 역추세 전략으로 구분된다.

평균 회귀는 주식 투자에 사용되는 방법론으로, 주식의 고가와 저가가 일시적이며 시간이 지남에 따라 평균 가격으로 돌아간다는 개념이다. 현재 시장 가격이 평균 가격보다 낮으면 매수, 높으면 매도를 고려한다. 평균 가격에서 벗어난 편차는 평균으로 회귀할 것으로 예상된다. 가장 최근 가격의 표준 편차는 매수 또는 매도 지표로 활용된다. Yahoo! Finance, Morningstar 등 주식 보고 서비스는 이동 평균을 제공하지만, 연구 기간 동안의 고가 및 저가 식별은 여전히 필요하다.

4. 1. 1. 추세 추종 전략

이동평균선, MACD, RSI 등 기술적 지표를 활용하여 중장기적인 추세 방향에 따라 포지션을 구축하는 전략이다.[1] 이동평균선 정배열 상태에서 거래량 증가와 함께 우상향하는 경우 추세의 시작으로 판단한다.[1] 대표적인 추세 추종 전략으로는 이동평균선 교차 전략이 있다.[1]

4. 1. 2. 역추세 전략

역추세 전략은 단기적 혹은 중기적으로 추세와 반대로 가격이 움직일 것을 기대하고, 지금까지의 짧은 추세와 반대 방향으로 포지션을 구축하는 전략이다. 역추세 전략은 일정 기간 동안 주가가 형성한 가격 범위대를 이용해 과열 혹은 침체를 판단한다. 여기서 일정 기간은 대체로 짧은 기간이며 거래 방식은 스캘핑이 대다수를 차지한다.[57] 역추세 전략에서는 캔들에 내포된 저가나 고가를 이용하기도 하고 RSI, 스토캐스틱, 이격도, 볼린저 밴드와 같은 기술적 지표를 이용하기도 한다.

4. 2. 차익 거래

차익 거래는 시장이 정상적인 상태에서 벗어났다가 다시 되돌아올 것을 기대하며 시장 간 혹은 상품 간의 가격 괴리를 이용하는 거래 방식이다. 이 거래 방식에서는 고빈도 매매(HFT, High Frequency Trading)가 이용되기도 한다.

경제학 및 금융에서 차익 거래는 둘 이상의 시장 간의 가격 차이를 이용하여 불균형을 이용하는 일련의 일치하는 거래 조합을 통해 이익을 얻는 행위이다. 예를 들어, S&P 선물과 S&P 500 주식의 가격 차이를 이용하는 경우가 있는데, 이는 NYSE 및 나스닥 시장에서 거래되는 주식 가격이 시카고 상품 거래소(CME) 시장에서 거래되는 S&P 선물보다 앞서거나 뒤쳐질 때 발생한다.[1]

4. 2. 1. 통계적 차익 거래

통계적 차익거래는 두 시장 혹은 두 종목 간의 가격 차이인 스프레드(Spread)를 통계적으로 분석해, 통계적으로 유의미한 스프레드 범위를 벗어났을 때 스프레드가 가정된 정상 범위로 돌아올 것을 기대하고 포지션을 구축하는 전략이다. 통계적 차익거래에는 페어트레이딩(Pairs Trading)과 프로그램 매매 등이 있다.

4. 3. 기타 전략

델타 중립은 기초 자산 가치의 작은 변화에도 포트폴리오 가치가 변하지 않는 금융 증권 포트폴리오를 설명한다. 이러한 포트폴리오는 일반적으로 옵션과 해당 기초 자산을 포함하며, 양의 델타 구성 요소와 음의 델타 구성 요소가 상쇄되어 포트폴리오 가치가 기초 자산 가치 변화에 비교적 둔감하게 된다.[56]

평균 회귀는 주식 투자에 종종 사용되는 수학적 방법론이다. 주식의 고가와 저가가 모두 일시적이며, 주식 가격은 시간이 지남에 따라 평균 가격을 갖는 경향이 있다는 아이디어를 기반으로 한다. 평균 회귀는 먼저 주식의 거래 범위를 식별한 다음 자산, 수익 등과 관련된 분석 기법을 사용하여 평균 가격을 계산한다.[57] 현재 시장 가격이 평균 가격보다 낮으면 주식을 매수하고, 높으면 매도하는 전략이다.

스캘핑은 트레이더가 매수-매도 스프레드를 통해 수익을 얻으려는 시도이다. 가격 변동이 이 스프레드보다 작을 때 수익을 가능하게 하며, 일반적으로 몇 분 이내에, 보통은 더 짧은 시간에 포지션을 설정하고 청산한다.[58]

비용 절감 전략은 대량 주문을 소량 주문으로 분할하여 시장에 제출하는 방식이다. 주식의 변동성과 유동성이 가장 중요한 요소를 포함한 다양한 요인에 따라 알고리즘을 선택한다. 예를 들어, 유동성이 높은 주식의 경우, 전체 주식 주문의 특정 비율을 일치시키는 것(볼륨 인라인 알고리즘)이 일반적인 전략이다. 반면 유동성이 매우 낮은 주식의 경우, 알고리즘은 유리한 가격을 가진 모든 주문을 일치시키려고 시도한다(유동성 확보 알고리즘).[61]

다크 풀은 사적인 성격을 띠는 대체 거래 시스템으로, 공개 주문 흐름과 상호 작용하지 않고 대신 대량의 증권에 표시되지 않은 유동성을 제공하려고 한다.[66] 다크 풀에서는 거래가 익명으로 이루어지며, 대부분의 주문이 숨겨지거나 "아이스버그"화된다.[67] 이러한 환경에서 알고리즘 트레이딩은 다크 풀 내에서 유동성을 확보하거나, 숨겨진 대량 주문을 탐지하는 데 사용될 수 있다.

시장 타이밍 전략은 알파를 생성하도록 설계된 전략이다. 이러한 유형의 전략은 백테스팅, 포워드 테스팅 및 라이브 테스팅을 포함하는 방법론을 사용하여 설계되었다. 시장 타이밍 알고리즘은 일반적으로 유한 상태 머신을 사용하여 구현된 이동 평균과 같은 기술적 지표를 사용하지만 패턴 인식 논리도 포함할 수 있다.[69][70]

5. 고빈도 매매 (HFT)

고빈도 매매(HFT, High-Frequency Trading)는 알고리즘 트레이딩의 한 형태로, 고도로 정교한 알고리즘과 빠른 속도를 활용하여 매우 짧은 시간 동안 많은 거래를 수행하는 방식이다. HFT의 주요 특징으로는 특수 주문 유형, 공동 위치(co-location), 매우 짧은 투자 기간, 높은 주문 취소율 등이 있다.[7]

HFT는 시장 조성, 차익 거래, 이벤트 차익 거래 등 다양한 전략을 활용한다. 주요 HFT 전략은 다음과 같이 네 가지 범주로 나눌 수 있다.[7]


  • 주문 흐름 기반 마켓 메이킹: 시장의 주문 흐름을 분석하여 유동성을 공급하고 매수-매도 스프레드 차이를 통해 이익을 얻는다.
  • 틱 데이터 정보 기반 마켓 메이킹: 틱 데이터(tick data)는 가장 작은 가격 변동 단위를 의미하며, 이 정보를 기반으로 시장의 미세한 움직임을 포착하여 매매한다.
  • 이벤트 차익 거래: 특정 사건(계약 체결, 규제 승인, 사법 결정 등[79]) 발생 시 금융 상품 간의 가격 차이를 이용하여 이익을 얻는다. 합병 차익거래(위험 차익거래)가 대표적인 예시이다.
  • 통계적 차익 거래: 통계적으로 유의미한 관계에서 벗어나는 가격 변동을 이용하여 거래한다. 모든 자산 클래스에 적용될 수 있다.


마켓 메이킹은 현재 시장 가격보다 높은 가격에 매도 지정가 주문을 내거나 낮은 가격에 매수 지정가 주문을 지속적으로 제출하여 매수-매도 스프레드를 획득하는 전략이다.[7] 2007년 씨티그룹에 인수된 오토메이티드 트레이딩 데스크(Automated Trading Desk)는 활발한 마켓 메이커로, 나스닥과 뉴욕 증권 거래소 총 거래량의 약 6%를 차지했다.[78]

외환 시장의 이자율 평가 차익 거래와 같이 여러 증권 간의 가격 차이를 이용하는 고전적 차익 거래 전략도 HFT에 활용된다.[33] TABB 그룹은 낮은 지연 시간 차익 거래 전략의 연간 총 이익이 210억 달러를 초과할 것으로 추정한다.[33]

합병 차익거래는 인수 대상 회사의 주식을 매수하고 인수 회사의 주식을 공매도하는 전략이다. 인수 완료 시 두 가격 간의 스프레드가 0이 되는 것을 목표로 한다.[79]

HFT는 시장 유동성 증가, 매수-매도 스프레드 축소 등의 긍정적인 효과가 있다.[75][76] 그러나 2010년 플래시 크래시와 같이 시장 변동성을 확대시키거나, 불공정 거래 문제를 야기할 수 있다는 비판도 제기된다.

일부 트레이더는 스푸핑(spoofing)이라는 불공정 거래 전략을 사용하기도 한다. 스푸핑은 실제 체결 의도 없이 주문을 내어 시장을 일시적으로 조작하는 행위이다.[7] 호가 덤핑(quote stuffing)은 대량의 주문을 빠르게 입력하고 철회하여 시장 데이터 피드를 지연시키는 악의적인 전술이다.[80][81]

주요 미국 고빈도 거래 회사로는 시카고 트레이딩 컴퍼니, 옵티버(Optiver), 버츄 파이낸셜(Virtu Financial), DRW(DRW Trading Group), 점프 트레이딩(Jump Trading), 투 시그마 증권(Two Sigma Securities), GTS, IMC 파이낸셜(IMC Financial Markets), 시타델 LLC(Citadel LLC) 등이 있다.[77]

6. 저지연 거래 시스템

저지연 거래는 금융 기관이 증권 거래소 및 전자 통신 네트워크(ECN)에 연결하여 금융 거래를 신속하게 실행하는 데 사용하는 알고리즘 거래 시스템 및 네트워크 경로를 의미한다.[83] 대부분의 고빈도 거래(HFT) 회사는 거래 전략의 저지연 실행에 의존한다. 조엘 해스브룩(Joel Hasbrouck)과 기디언 사(Gideon Saar)는 2013년 논문에서 지연 시간을 다음 세 가지 구성 요소로 측정했다.[84]

1. 정보가 트레이더에게 도달하는 시간

2. 트레이더의 알고리즘이 정보를 분석하는 시간

3. 생성된 액션이 거래소에 도달하여 구현되는 시간

2009년경의 현대 전자 시장에서 저지연 거래 처리 시간은 10밀리초 미만, 초저지연은 1밀리초 미만으로 규정되었다.[85]

저지연 트레이더는 초저지연 네트워크에 의존한다. 그들은 경쟁 입찰 및 제안과 같은 정보를 경쟁사보다 수 마이크로초 더 빠르게 알고리즘에 제공하여 이익을 얻는다.[33] 속도의 혁신적인 발전으로 인해 기업은 고빈도 전략을 구현하여 이점을 얻기 위해 실시간, 코로케이션 거래 플랫폼을 갖추어야 했다.[33] 전략은 시장의 미묘한 변화를 반영하고 경쟁사에 의한 전략의 역공학 위협에 대응하기 위해 끊임없이 변경된다. 이는 알고리즘 거래 전략의 진화적 특성 때문인데, 다양한 시장 상황을 견딜 수 있을 만큼 유연해야 하며 시장 상황에 관계없이 지능적으로 적응하고 거래할 수 있어야 한다. 결과적으로 기업의 순수익에서 상당 부분이 이러한 자율 거래 시스템의 연구 개발에 사용된다.[33]

7. 시스템 구성

알고리즘 트레이딩 시스템은 일반적으로 거래소, 서버, 애플리케이션의 세 부분으로 나눌 수 있다.

거래소는 시스템에 최신 주문 장부, 거래량, 종목의 마지막 거래 가격(LTP) 등의 데이터를 제공한다. 서버는 데이터를 동시에 수신하고, 기록 데이터베이스의 저장소 역할을 한다. 데이터는 애플리케이션 측에서 분석되며, 사용자가 입력한 트레이딩 전략은 GUI를 통해 확인할 수 있다. 주문이 생성되면, 주문 관리 시스템(OMS)으로 전송되고, OMS는 이를 다시 거래소로 전송한다.[103][104]

점차적으로, 구식, 높은 지연 시간의 알고리즘 시스템 아키텍처는 최신 기술, 고성능 인프라, 낮은 지연 시간 네트워크로 대체되고 있다. 복합 이벤트 처리 엔진(CEP)은 알고리즘 기반 트레이딩 시스템에서 의사 결정의 핵심이며, 주문 라우팅 및 리스크 관리에 사용된다.[103][104]

FIX (금융 정보 교환) 프로토콜의 등장으로, 새로운 목적지에 연결할 때 다양한 목적지와의 연결이 더 쉬워지고, 시장 출시 시간이 단축되었다. 표준 프로토콜이 적용되면서, 데이터 피드를 위한 타사 벤더 통합이 더 이상 번거롭지 않게 되었다.[103]

8. 영향 및 문제점

알고리즘 트레이딩은 시장 유동성을 높이고 거래 비용을 줄이는 등 긍정적인 영향을 미쳤지만,[1] 한편으로는 여러 문제점과 변화를 초래했다.
변화:


  • 인간 트레이더의 역할 감소: 컴퓨터가 금융 산업의 많은 기능을 대체하면서 인간 중개인과 트레이더들은 컴퓨터와의 경쟁에 직면하게 되었다.[2]
  • 금융의 사이보그화: 금융은 기계와 인간이 역할을 공유하는 산업으로 변화했으며, 현대 금융은 "사이보그 금융"이라고 불리기도 한다.[3]
  • 시장 복잡성 증가: 개별 트레이더는 알고리즘을 통해 의사소통을 단순화하려 했지만, 시장 전체는 더 복잡하고 불확실해졌다.[4]
  • 직원 유형 변화: 금융 산업에서 알고리즘 트레이딩이 확산되면서, 퀀트(계량 분석가)로 물리학자들이 유입되는 등 직종 간 이동이 나타났다.[5] 이는 경제물리학이라는 학제 간 연구로 이어지기도 했다.[6]

문제점:

  • 블랙박스 특성: 알고리즘 트레이딩 시스템은 입력값과 출력값은 알 수 있지만, 그 작동 원리가 명확하지 않은 '블랙박스'와 같아서 시스템이 특정 데이터에 집착하는 이유를 파악하기 어렵다.[7]
  • 시스템 오류: 시스템 오류로 인해 비즈니스 중단이 발생할 위험이 커진다.[8]
  • 나이트 캐피탈 그룹 사례 (2012년): 트레이딩 소프트웨어 설치 오류로 인해 NYSE 상장 증권에 대한 수많은 잘못된 주문이 발생했고, 이로 인해 약 4.4억달러의 손실이 발생했다.[9]
  • 시장 조작 가능성:
  • 스푸핑(Spoofing): 주식을 사고자 하는 것처럼 주문을 내어 시장을 일시적으로 조작하고, 유리한 가격에 주식을 사고 파는 행위이다.[10]
  • 호가 덤핑: 악의적인 트레이더가 대량의 주문을 빠르게 넣었다가 취소하여 시장을 교란시키는 행위이다.[11] 이는 일반 투자자가 사용하는 시장 데이터 피드를 지연시켜 고빈도 거래(HFT) 회사들이 이익을 얻도록 만든다.[12]
  • 시장 붕괴 가능성: 완전한 시스템 고장으로 인해 시장 붕괴가 발생할 수 있다.[13]
  • 2010년 플래시 크래시: 알고리즘 및 고빈도 트레이딩이 변동성에 영향을 미친 사례로, 다우 존스 산업평균지수가 급락했다가 몇 분 만에 회복되었다.[14][15]
  • 지연 시간 문제: 트레이더에게 시세가 전달되는 데 시간이 걸리는 문제도 존재한다.[16]
  • 투기 심화: 자동 고빈도 트레이딩으로 인해 기업이 투기꾼의 "장난감"이 될 수 있다는 경고도 있다.[17]

기타:

  • 규모의 경제: 전자 거래의 규모의 경제는 수수료 및 거래 처리 비용을 낮추고, 금융 거래소의 국제적인 합병 및 통합에 기여했다.[18]
  • 거래소 간 경쟁: 거래소 간에는 거래 완료를 위한 처리 시간을 단축하기 위한 경쟁이 벌어지고 있다.[19]
  • 금융 산업 지출 증가: 미국의 금융 산업은 컴퓨터 및 소프트웨어에 대한 지출을 늘리고 있다.[20][21]

9. 최근 동향

금융 시장 뉴스는 현재 톰슨 로이터, 다우 존스, 블룸버그와 같은 회사에서 알고리즘을 통해 읽고 거래할 수 있도록 형식화하고 있다.[98] 알고리즘은 단순한 뉴스 기사뿐만 아니라 이해하기 더 어려운 뉴스도 해석한다. 일부 회사는 자동화된 거래가 뉴스 기사에서 직접 작동할 수 있도록 뉴스 기사에 자동으로 '감성'(뉴스가 좋은지 나쁜지 결정)을 할당하려고 시도하고 있다.[99]

롭 파사렐라 다우 존스 엔터프라이즈 미디어 그룹 글로벌 전략 이사는 "점점 더 많은 사람들이 모든 형태의 뉴스를 살펴보고 반구조적인 방식으로 자신만의 지표를 구축하고 있다"고 말했다. 그의 회사는 거래자에게 낮은 지연 시간의 뉴스 피드와 뉴스 분석을 제공한다. 파사렐라는 또한 다양한 주식에 대한 잦은 구글 검색이 거래 지표 역할을 할 수 있는 정도, 증권 거래 위원회 성명에 나타날 수 있는 다양한 문구와 단어의 잠재적 영향, 주식 거래 주제에 헌신하는 최신 온라인 커뮤니티 등에 대한 새로운 학문적 연구가 진행되고 있음을 지적했다.[99]

키르스티 수타리 로이터 알고리즘 거래 글로벌 비즈니스 매니저는 "뉴스를 인간에서 기계로 해석하는 과정을 옮기는 데 진정한 관심이 있다"며, "더 많은 고객이 뉴스 콘텐츠를 사용하여 돈을 벌 수 있는 방법을 찾고 있다"고 말했다.[98]

다우 존스는 2008년 3월 1일자 ''월스트리트 저널'' 광고 캠페인에서 잉글랜드 은행의 금리 인하를 다른 뉴스 서비스보다 2초 더 빨리 보도했다고 주장했다.

2007년 7월, 씨티그룹은 자체 거래 알고리즘을 이미 개발했으며, 하루에 약 를 거래하는 19년 된 회사인 Automated Trading Desk를 6.8억달러에 인수했다.[100]

2010년 말, 영국 정부 과학청은 데이 클라라 퍼스 경(전 런던 증권 거래소 CEO)을 필두로 금융 시장의 컴퓨터 거래의 미래를 조사하는 '포사이트' 프로젝트를 시작했고,[101] 2012년에 발표된 포사이트 연구는 주기적인 유동성 부족, 새로운 형태의 조작, 잘못된 알고리즘이나 과도한 메시지 트래픽으로 인한 시장 안정성에 대한 잠재적 위협과 관련된 문제를 인정했다. 그러나 이 보고서는 또한 "표준 HFT 지지 주장"을 채택하고 자문 위원회 구성원이 HFT 산업과 연계되어 있다는 비판을 받았다.[102]

참조

[1] 간행물 The New Investor https://ssrn.com/abs[...] UCLA Law Review
[2] 뉴스 Business and finance https://web.archive.[...] 2007-04-18
[3] 웹사이트 "| Aite Group" https://www.aitegrou[...]
[4] 서적 Algorithmic Trading Methods https://www.elsevier[...] Elsevier Science 2020-09-04
[5] 간행물 The New Financial Industry https://ssrn.com/abs[...] Alabama Law Review
[6] 문서 '"Soft Dollars and Other Trading Activities,"' Thomson West 2015–2016
[7] 문서 '"Soft Dollars and Other Trading Activities,"' Thomson West 2015–2016
[8] 웹사이트 CFTC Panel Urges Broad Definition of High-Frequency Trading https://www.bloomber[...] 2012-06-20
[9] 뉴스 Commodity Futures Trading Commission Votes to Establish a New Subcommittee of the Technology Advisory Committee (TAC) to focus on High Frequency Trading http://www.cftc.gov/[...] Commodity Futures Trading Commission 2012-02-09
[10] 간행물 Easley, D., M. López de Prado, M. O'Hara: The Microstructure of the 'Flash Crash': Flow Toxicity, Liquidity Crashes and the Probability of Informed Trading
[11] 서적 The Rise of Computerized High Frequency Trading: Use and Controversy Duke University School of Law 2010-11-08
[12] 간행물 Critical Market Crashes https://web.archive.[...]
[13] 뉴스 Wall Street Taking Another Look at Decimals https://www.washingt[...] 2001-02-13
[14] 뉴스 Wall Street: Adios, Fractions! https://www.cbsnews.[...] CBS News 2001-01-28
[15] 간행물 Decimal Trading in the U.S. Stock Markets https://link.springe[...] Springer
[16] 뉴스 Preserving a Market Symbol https://www.nytimes.[...] 2011-04-25
[17] 문서 Agent-Human Interactions in the Continuous Double Auction http://spider.sci.br[...] 2001-08
[18] 문서 Price Formation in Double Auctions, ''Games and Economic Behavior'', 22(1):1–29 http://purl.umn.edu/[...] 1998-01
[19] 문서 Minimal Intelligence Agents for Bargaining Behaviours in Market-Based Environments, ''Hewlett-Packard Laboratories Technical Report 97-91'' https://web.archive.[...] 2011-12-21
[20] 서적 An Introduction to Algorithmic Trading: Basic to Advanced Strategies Wiley
[21] 문서 Algo Arms Race Has a Leader – For Now http://w4.stern.nyu.[...] 2006-12-18
[22] 간행물 Algorithmic trading & DMA : an introduction to direct access trading strategies https://cir.nii.ac.j[...] 4Myeloma Press
[23] 서적 Inside the Black Box: The Simple Truth About Quantitative Trading https://www.wiley.co[...] John Wiley & Sons 2024-06-26
[24] 서적 An Introduction to Algorithmic Trading: Basic to Advanced Strategies https://onlinelibrar[...] Wiley 2012-01-02
[25] 간행물 The Expanded Implementation Shortfall: Understanding Transaction Cost Components https://www.pm-resea[...] 2006-06-30
[26] 간행물 Triennial Central Bank Survey of Foreign Exchange and Over-the-counter (OTC) Derivatives Markets in 2019 https://www.bis.org/[...] 2019-09-16
[27] 웹사이트 Fierce competition forces 'flash' HFT firms into new markets http://www.ft.com/in[...] 2014-04-03
[28] 웹사이트 Opalesque Exclusive: High-frequency trading under the microscope http://www.opalesque[...] 2009-08-04
[29] 문서 Virtu Financial Form S-1 https://www.sec.gov/[...]
[30] 뉴스 Insights into High Frequency Trading from the Virtu Financial IPO https://www.wsj.com/[...] WSJ.com 2015-05-22
[31] 서적 Multi-Asset Risk Modeling: Techniques for a Global Economy in an Electronic and Algorithmic Trading Era https://books.google[...] Academic Press 2013-12-03
[32] 웹사이트 Aite Group https://www.aitegrou[...]
[33] 웹사이트 The Real Story of Trading Software Espionage http://advancedtradi[...] AdvancedTrading.com 2009-07-10
[34] 뉴스 Times Topics: High-Frequency Trading http://topics.nytime[...] The New York Times 2012-12-20
[35] 뉴스 A London Hedge Fund That Opts for Engineers, Not M.B.A.'s https://www.nytimes.[...] 2006-08-18
[36] 뉴스 Business and finance http://www.economist[...]
[37] 뉴스 Algorithmic trading, Ahead of the tape http://www.economist[...] 2007-06-21
[38] 웹사이트 Algorithmic Trading Statistics (2024) - Analyzing Alpha https://analyzingalp[...] 2021-05-31
[39] 뉴스 MTS to mull bond access 2007-04-18
[40] 뉴스 How a Trading Algorithm Went Awry https://www.wsj.com/[...] 2010-10-02
[41] 뉴스 Automatic Futures Trade Drove May Stock Crash, Report Says https://www.bloomber[...] Bloomberg L.P. 2010-10-01
[42] 뉴스 Lone $4.1 Billion Sale Led to 'Flash Crash' in May https://www.nytimes.[...] 2010-10-01
[43] 뉴스 Single U.S. trade helped spark May's flash crash https://www.reuters.[...] 2010-10-01
[44] 뉴스 Report examines May's 'flash crash,' expresses concern over high-speed trading https://www.washingt[...] 2010-10-01
[45] 뉴스 $4.1-billion trade set off Wall Street 'flash crash,' report finds https://www.latimes.[...] 2010-10-01
[46] 뉴스 U.S. probes computer algorithms after "flash crash" https://www.reuters.[...] 2010-10-05
[47] 뉴스 Special report: Globally, the flash crash is no flash in the pan https://www.reuters.[...] 2010-10-15
[48] 간행물 Regulatory Issues Raised by the Impact of Technological Changes on Market Integrity and Efficiency http://www.iosco.org[...] 2011-07
[49] 뉴스 Ultra fast trading needs curbs -global regulators http://uk.reuters.co[...] 2011-07-07
[50] 간행물 The Flash Crash: The Impact of High Frequency Trading on an Electronic Market http://www.cftc.gov/[...] 2014-05-05
[51] 뉴스 Know Your Enemy http://www.indexuniv[...] 2010-11-11
[52] 뉴스 High-Frequency Firms Tripled Trades in Stock Rout, Wedbush Says http://www.fa-mag.co[...] 2011-08-12
[53] 뉴스 Americans Want More Social Security, Not Less https://www.forbes.c[...] 2013-03-25
[54] 논문 The index premium and its hidden cost for index funds http://www.petajisto[...]
[55] 뉴스 The Weighting Game, and Other Puzzles of Indexing http://www.crsp.com/[...] 2011-02-01
[56] 웹사이트 The Application of Pairs Trading to Energy Futures Markets http://statistik.ets[...]
[57] 논문 Recommending Cryptocurrency Trading Points with Deep Reinforcement Learning Approach 2020-01-01
[58] 웹사이트 The Insiders Guide to Trading the World Stock Markets http://dl.fxf1.com/f[...] 2001
[59] 웹사이트 Rules {{!}} The Nasdaq Stock Market https://listingcente[...] 2020-11-23
[60] 웹사이트 Market Making in the Electronic Age https://heinonline.o[...] 2001
[61] 논문 A Pre-Trade Algorithmic Trading Model under Given Volume Measures and Generic Price Dynamics (GVM-GPD) https://ssrn.com/abs[...] 2013
[62] 웹사이트 Styled Algorithmic Trading and the MV-MVP Style https://ssrn.com/abs[...] 2014
[63] 웹사이트 Hybrid IS-VWAP Dynamic Algorithmic Trading via LQR https://ssrn.com/abs[...] 2017
[64] 뉴스 Hurrying into the Next Panic https://www.nytimes.[...] 2009-07-29
[65] 뉴스 Trading with the help of 'guerrillas' and 'snipers' http://www.ftknowled[...] 2007-03-19
[66] 문서 Lemke and Lins, ''"Soft Dollars and Other Trading Activities,"'' § 2:29 (Thomson West, 2015–2016 ed.).
[67] 뉴스 Watch Out for Sharks in Dark Pools https://www.wsj.com/[...] The Wall Street Journal 2008-08-19
[68] 뉴스 Artificial intelligence applied heavily to picking stocks https://www.nytimes.[...] Charles Duhigg 2006-11-23
[69] 논문 Forecasting Shares Trading Signals With Finite State Machine Variant https://www.jmest.or[...] 2016-04-01
[70] 서적 2014 IEEE 11th International Conference on e-Business Engineering https://ieeexplore.i[...] 2014-11-01
[71] 뉴스 How To Build Robust Algorithmic Trading Strategies https://algorithmict[...] 2017-08-08
[72] 간행물 How High Frequency Trading Affects a Market Index 2013-07-02
[73] 뉴스 Rise of the (Market) Machines https://blogs.wsj.co[...] The Wall Street Journal 2009-06-19
[74] 웹사이트 OlsenInvest – Scientific Investing http://www.olsen.ch/[...]
[75] 간행물 Does Algorithmic Trading Improve Liquidity? http://nbn-resolving[...]
[76] 간행물 Jovanovic, Boyan, and Albert J. Menkveld. Middlemen in Securities Markets
[77] 뉴스 HFT: Boon? Or Impending Disaster? http://www.cutterass[...] 2014-07-01
[78] 뉴스 Citigroup to expand electronic trading capabilities by buying Automated Trading Desk http://www.iht.com/a[...] International Herald Tribune 2007-07-04
[79] 문서 Event Arb Definition http://www.amex.com/[...] Amex.com 2010-09-04
[80] 웹사이트 Quote Stuffing Definition http://www.investope[...] Investopedia 2014-10-27
[81] 간행물 Financial Markets Monitoring and Surveillance: A Quote Stuffing Case Study 2012-01-10
[82] 문서 High-Speed Devices and Circuits with THz Applications
[83] 웹사이트 Low Latency Trading http://glossary.reut[...] 2015-04-26
[84] 간행물 Low-Latency Trading 2013-05-22
[85] 웹사이트 Archived copy http://home.business[...] 2015-04-26
[86] 웹사이트 FIXatdl – An Emerging Standard https://www.fixgloba[...] FIXGlobal 2009-12
[87] 간행물 Fluctuation patterns in high-frequency financial asset returns
[88] 간행물 Algorithmic trading with Markov chains https://urn.kb.se/re[...] KTH 2024-06-26
[89] 간행물 HENDERSHOTT, TERRENCE, CHARLES M. JONES, AND ALBERT J. MENKVELD. Does Algorithmic Trading Improve Liquidity? http://www.afajof.or[...]
[90] 문서 The New Investor https://ssrn.com/abs[...] 2013
[91] 뉴스 Black box traders are on the march https://www.telegrap[...] The Telegraph 2006-08-27
[92] 뉴스 Myners' super-fast shares warning http://news.bbc.co.u[...] BBC News 2009-11-03
[93] 뉴스 Enter algorithmic trading systems race or lose returns, report warns http://search.ft.com[...] 2006-10-02
[94] 웹사이트 Cracking The Street's New Math, Algorithmic trades are sweeping the stock market https://web.archive.[...]
[95] 뉴스 Citigroup to expand electronic trading capabilities by buying Automated Trading Desk http://www.iht.com/a[...] The Associated Press 2007-07-02
[96] 웹사이트 Knight Capital Group Provides Update Regarding August 1st Disruption To Routing In NYSE-listed Securities http://www.knight.co[...]
[97] 뉴스 Dow Takes a Harrowing 1,010.14-Point Trip https://www.wsj.com/[...] Online Wall Street Journal 2010-05-07
[98] 웹사이트 City trusts computers to keep up with the news http://www.ft.com/cm[...]
[99] 웹사이트 Traders News http://www.securitie[...]
[100] 웹사이트 Siemon's Case Study http://www.siemon.co[...] Automated Trading Desk
[101] 웹사이트 Future of computer trading https://www.gov.uk/g[...] 2012-10-23
[102] 뉴스 U.K. Foresight Study Slammed For HFT 'Bias' http://marketsmedia.[...] 2014-11-02
[103] 웹사이트 Behind the scenes of algorithmic trading https://www.theseus.[...] University of Applied Science Haaga-Helia 2021
[104] 뉴스 Technology Edge in Algo Trading: Traditional Vs Automated Trading System Architecture Finbridge 2015-03-14
[105] 문서 How Complexity and Uncertainty Grew with Algorithmic Trading https://doi.org/10.3[...] 2020
[106] 논문 Largescale Communication Is More Complex and Unpredictable with Automated Bots https://www.martinhi[...] 2020
[107] 뉴스 Business and finance http://www.economist[...]
[108] 웹사이트 InformationWeek Authors http://www.wallstree[...] 2007-04-18
[109] 뉴스 LSE leads race for quicker trades The Wall Street Journal Europe 2007-06-19
[110] 뉴스 Milliseconds are focus in algorithmic trades https://www.reuters.[...] 2007-05-11
[111] 뉴스 Moving markets http://www.economist[...] 2015-01-20
[112] 간행물 Physicists attempt to scale the ivory towers of finance 1999-11
[113] 서적 Chasing the Same Signals: How Black-Box Trading Influences Stock Markets from Wall Street to Shanghai John Wiley & Sons
[114] 웹사이트 FIXatdl version 1.1 released March 2010 http://www.fixprotoc[...]
[115] 문서 The New Investor, UCLA Law Review http://ssrn.com/abst[...]


본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com