Binance algoritmi atklāj cenu kustību modeļus

Binance ir pasaulē lielākā kriptovalūtu birža pēc tirdzniecības apjoma, un tajā katru sekundi tiek izpildīti tūkstošiem darījumu. Liela daļa no tiem nenotiek manuāli - tos veic algoritmiskās tirdzniecības sistēmas jeb roboti, kas automātiski pērk un pārdod aktīvus pēc iepriekš definētiem nosacījumiem. Šādas sistēmas jau sen dominē tradicionālajos finanšu tirgos, taču arvien lielāku ietekmi tās iegūst arī kriptovalūtu sektorā.

Nesen publicēts zinātnisks pētījums pievērsa uzmanību kādai neparastai parādībai Binance nākotnes līgumu (perpetual futures) tirgū. Pētnieki atklāja, ka tirdzniecības aktivitāte regulāri strauji pieaug tieši katras ceturtdaļstundas sākumā - pulksten 00., 15., 30. un 45. minūtē. Šajos brīžos vienlaikus pieaug gan darījumu skaits, gan cenu svārstīgums, kas liecina par koordinētu algoritmu darbību, nevis nejaušu tirgus aktivitāti.

Pētījuma autori analizēja sešu populāru Binance perpetual futures instrumentu augstas precizitātes tirdzniecības datus. Viņi secināja, ka šajos ceturkšņstundu intervālos darījumu struktūra kļūst raksturīga automatizētām sistēmām - samazinās nejaušu darījumu īpatsvars un pieaug algoritmu izpildīto orderu koncentrācija. Vēl interesantāk ir tas, ka šajos brīžos novērotā pircēju un pārdevēju aktivitātes attiecība jeb orderu plūsmas nelīdzsvarotība daļēji ļauj prognozēt cenu virzienu tuvākajās četrās līdz divpadsmit stundās. Tas nenozīmē, ka roboti spēj precīzi paredzēt tirgu, taču pētījums parāda, ka to darbība rada atkārtojamus modeļus, kurus iespējams statistiski novērot un analizēt.

Algoritmisko robotu ietekme uz Binance tirgu

Algoritmiskā tirdzniecība nav tikai ātrāka alternatīva manuālai darījumu veikšanai. Tā ir kļuvusi par vienu no galvenajiem mehānismiem, kas nosaka tirgus likviditāti un cenu veidošanos. Roboti nepārtraukti analizē orderu grāmatu, cenu izmaiņas un tirdzniecības apjomus, pieņemot lēmumus dažu milisekunžu laikā. Atšķirībā no cilvēkiem tie nereaģē uz emocijām, bet gan uz matemātiskiem modeļiem un iepriekš definētiem nosacījumiem.

Binance piedāvā arī savus automatizētos tirdzniecības rīkus, piemēram, Grid, DCA un Rebalancing robotus, taču profesionālie tirgus dalībnieki bieži izmanto pašu izstrādātas sistēmas. Šie algoritmi ne tikai meklē peļņas iespējas, bet arī nodrošina tirgū likviditāti, izvietojot lielu skaitu pirkšanas un pārdošanas orderu dažādos cenu līmeņos. Tas ļauj samazināt starpību starp pirkšanas un pārdošanas cenu un atvieglo darījumu izpildi citiem tirgus dalībniekiem.

Jaunais pētījums liecina, ka ceturkšņstundas sākumā šo algoritmu aktivitāte kļūst īpaši intensīva. Pētnieki novēroja ne tikai strauju darījumu skaita pieaugumu, bet arī pazīmes, kas raksturīgas automatizētai tirdzniecībai - darījumi kļūst mazāk nejauši un vairāk pakļauti noteiktiem izpildes modeļiem. Tas ļāva identificēt regulārus tirgus ritmus, kurus tradicionālās analīzes metodes bieži nespēj pamanīt.

Tas gan nenozīmē, ka algoritmi kontrolē tirgu vai garantē cenu virzienu. Kriptovalūtu cenas joprojām ietekmē makroekonomiskie notikumi, investoru noskaņojums un negaidītas ziņas. Taču pētījums parāda, ka robotu darbība rada izmērāmas likumsakarības, kuras iespējams izmantot tirgus mikrostruktūras analīzē un īstermiņa cenu dinamikas izpētē.

Vai cenu kustības patiešām ir prognozējamas?

Ideja, ka cenu virzienu iespējams paredzēt, finanšu tirgos vienmēr ir bijusi pretrunīgi vērtēta. Klasiskā efektīvā tirgus teorija paredz, ka visa publiski pieejamā informācija jau ir iekļauta cenā, tāpēc konsekventi prognozēt nākotnes kustības ir ļoti sarežģīti. Taču jaunais pētījums rāda, ka tirgus mikrostruktūrā joprojām pastāv īslaicīgas likumsakarības, kuras rada algoritmiskā tirdzniecība.

Pētnieki secināja, ka īpaši nozīmīga ir orderu plūsmas nelīdzsvarotība (order flow imbalance) - attiecība starp agresīviem pirkšanas un pārdošanas darījumiem. Ja ceturkšņstundas sākumā dominē pircēji, tuvāko četru līdz divpadsmit stundu laikā statistiski biežāk tiek novērots cenas kāpums. Savukārt pārdevēju pārsvars biežāk saistās ar lejupslīdi. Šī sakarība nav absolūta, tomēr tā bija pietiekami stabila, lai izturētu ārpus izlases jeb out-of-sample pārbaudes, kas zinātniskajos pētījumos tiek uzskatītas par vienu no svarīgākajiem uzticamības kritērijiem.

Vienlaikus autori uzsver, ka runa nav par universālu tirdzniecības stratēģiju. Prognozēšanas spēja ir statistiska, nevis deterministiska. Jebkuru signālu var ātri padarīt mazāk uzticamu negaidītas makroekonomiskās ziņas, regulatoru lēmumi vai pēkšņas investoru noskaņojuma izmaiņas.

Vai privātie investori var izmantot šos atklājumus?

Lai gan pētījuma rezultāti ir daudzsološi, tie nenozīmē, ka ikviens investors var vienkārši sākt pelnīt, sekojot ceturkšņstundu ritmam. Pētījumā aprakstītie signāli balstās uz augstas izšķirtspējas tirdzniecības datiem, kas tiek analizēti gandrīz reāllaikā. Šādu datu apstrādei nepieciešama specializēta programmatūra, piekļuve biržas datu plūsmām un algoritmi, kas spēj reaģēt dažu milisekunžu laikā.

Privātajiem investoriem šie secinājumi drīzāk palīdz labāk izprast tirgus darbību. Piemēram, tie parāda, ka straujas cenu svārstības noteiktos diennakts brīžos ne vienmēr izraisa ziņas vai investoru emocijas. Nereti tās ir automatizētu sistēmu darbības sekas, kad vienlaikus tiek izpildīts liels skaits iepriekš ieprogrammētu orderu. Šāda izpratne var palīdzēt izvairīties no pārsteidzīgiem lēmumiem īslaicīgu cenu kustību laikā.

Pētījuma autori arī uzsver, ka novērotās likumsakarības ir statistiskas, nevis garantētas. Tiklīdz tirgus dalībnieki sāk plaši izmantot kādu noteiktu modeli, tā efektivitāte mēdz samazināties, jo algoritmi pielāgojas jaunajiem apstākļiem. Šī parādība finanšu tirgos ir labi zināma un tiek dēvēta par tirgus adaptāciju.

Tas nozīmē, ka ceturkšņstundas efekts nav uztverams kā gatava tirdzniecības stratēģija. Drīzāk tas sniedz vērtīgu ieskatu tajā, cik būtiska kļuvusi algoritmiskā tirdzniecība kriptovalūtu tirgos. Attīstoties mākslīgā intelekta un automatizēto sistēmu iespējām, šādu modeļu izpēte, visticamāk, kļūs arvien nozīmīgāka gan akadēmiskajā vidē, gan profesionālu tirgus dalībnieku darbā.