マーケットメーカーは、投資家が証券を売買する市場を創出するのに役立つ取引所の個々の参加者または会員会社です。従来、プロバイダー (「メーカー」) とクライアントの間のFX取引は、代理店または本人ベースで行われてきました。プロバイダーがプリンシパル (「メーカー」) としてふるまう場合、プロバイダーは自分のアカウントに取引を追加するので、市場リスクにさらされることになります。たとえば、トレーダー (「テイカー」) が7ロットの成行買い注文を送信した場合、取引はメーカーによって提供されます。したがって、メーカーは7ロットの売り注文のリスクにさらされます。
メーカーはリスク回避的なので、メーカーの目的は、ボラティリティを軽減しながら、資産の期待値を増やすことです。メーカーがロングポジションを持っている場合、追加の注文購入はリスク・エクスポージャー増加するため、魅力的ではありません。売り注文は、エクスポージャーを削減するので魅力的です。したがって、メーカーは価値のある価格帯でポジションを減らそうとしています。
このようにオーダーフローとメーカー在庫量を分析することによって、メーカーが特定の価格範囲内で約定するためにポジションを増加・削減する可能性をOpix Algoで確認できるようになりました。同様に、Opix Algoは、特定の価格帯での大量供給の可能性を予測できるため、最低コストでの注文約定を保証することができます。
線形回帰は、2変数間の相関を測定するために使用される数学的・統計的な古典的ツールです。独立変数Xと、Xに依存する従属変数Yがある場合、線形回帰によって、方程式Y=α+βXを使用して、データセットに最も合う線形モデルを得ることができます。
Opix Algoは、線形回帰モデルを使用して、ミクロ構造の変化に基づいて資産価格の変化を予測します。まず、訓練データに最も合う係数の組を見つけることによって、これらの予測を行います。「最も合う」とは、特定のコスト関数を最小化するということです。(β)の係数がわかったら、その係数に特定の資産の入力変数を掛けることによって、予測を行います。データ入力は、資産価格、取引量、テクニカル指標、指値注文ブック、注文サイズ、時間枠などです。
人工ニューラルネットワークベースの意思決定が、入札戦略、リスク管理、パターンの分析、パフォーマンス予測用に開発されています。ANNは、オーダーブック、呼び値、オーダーフローなどのデータ入力から学習し、独自の知識を生成することができ、ソリューションを提供することによって資産価格の変化を予測しようとします。時系列問題の場合、ANNは将来のデータポイントを予測するために、履歴データセットから予測モデルを構築する必要があります。つまり、ANNモデルは、需要と供給のパターンを分類することによって、市場の方向性の変化についての洞察を得るのに十分です。
実験 | データセット | 精度 |
1 | AUD - USD 2019年(1月〜8月) | 70% |
2 | EUR - USD 2019年(1月〜8月) | 72% |
結果は、さまざまなフィルター値とともに報告されます。Opix Algoによって、結果は以下のさまざまな取引パフォーマンスメトリクスに分類されます
市況が変化した場合や、アルゴリズムが望ましくない、または予期しない方法で動作したりする場合などに、ユーザーまたはプロバイダーは実行中に実行パラメーターを調整できます。これは、たとえば、マーケットメーカーが取引量を支配したり、取引を完全に停止したりする可能性がある、流動性が特に低い場合に重要になります。
日中市場の継続的な監視と、制限違反時のカウンターパーティーとの取引の実行を伴います。アルゴリズムは、特定のシナリオを分析して、エラーと潜在的な問題を特定し、実行戦略とリスク管理を改善します。