انواع مختلف معامله های الگوریتمی

انواع مختلف معامله های الگوریتمی

مشاوره رایگان

برای دریافت مشاوره در مورد چگونگی عضویت در صندوق و شرایط سبد های مختلف کافیست عدد 2 را به سامانه زیر پیامک کنید.

• 02191004770
• [email protected]
• تهران، خیابان بهشتی، پلاک 436، طبقه 4، واحد 15

خانه / اخبار بورس / اعتراض برخی کارشناسان به اجرای معاملات الگوریتمی

اعتراض برخی کارشناسان به اجرای معاملات الگوریتمی

به گفته معاون نظارت بر بورس‌ها و ناشران سازمان بورس در پی طرح انتقادات و پیشنهادات درخصوص اجرای معاملات الگوریتمی در بورس تهران، نظر فعالان و سرمایه گذاران مورد بررسی و جمع بندی قرار گرفت و مقرر شد پیاده سازی و نظام مند کردن معاملات الگوریتمی در دستور کار این سازمان قرار گیرد.

معاملات الگوریتمی می تواند به دلیل هوشمند بود سبب بهتر شدن معاملات و کمتر شدن زیان شود. اما انواع مختلف معامله های الگوریتمی حالا کارشناسان به این موضوع اعتراض دارند و معتقدند که عامل نزول بازار همین معاملات هستند.

الگوریتم و معاملات الگوریتمی چیست؟

به گزارش سبدگردان هدف ، الگوریتم‌ها گروهی از دستورالعمل‌هایی هستند که جهت حل مسئله‌ی مورد نظر تعریف شده‌اند. این دستورالعمل‌ها معمولاً به توالی مشخص انواع مختلف معامله های الگوریتمی و به ترتیب خاصی اجرا می‌شوند. هر الگوریتم باید از یک سری اجزای مشخص تشکیل شده باشد تا بتواند به درستی اجرا شود.

معاملات الگوریتمی یا همان الگو تریدینگ (Algo Trading) به کمک زبان‌های برنامه نویسی نوشته شده و دستورالعمل‌ها و مراحل اجرایی آن انواع مختلف معامله های الگوریتمی توسط متخصصین تعیین می‌شود. می‌توان پارامترهای گوناگونی را جهت بررسی به وسیله الگوریتم مشخص کرد و سپس بر اساس حجم‌ها و زمان‌بندی تعریف شده معاملات را به انجام برسانند. از آنجایی که فرآیند بررسی و یافتن نقاط ورود و خروج بر اساس برنامه‌های از پیش تعیین شده توسط سیستم‌های رایانه‌ای انجام می‌پذیرد، احساسات انسان که می‌تواند در نتایج معاملات تأثیر منفی داشته باشد، از معاملات حذف می‌شود.

در اصل معاملات الگوریتمی ارایه راهکارهایی هوشمند و بهینه برای بهتر معامله کردن هستند. این معاملات کاهش استرس و هیجان سرمایه‌گذار، افزایش دقت و سرعت معاملاتش، سود بیشتر و ضرر کمتر، امنیت بیشتر اطلاعات معاملات، کاهش هزینه‌های معاملاتی را در پی دارد.

مزایا و معایب معاملات الگوریتمی چیست؟

یکی از مهم‌ترین مزایای معاملات الگوریتمی افزایش عمیق بازار است. الگوریتم ابزاری است که بازار را بزرگ و فعالان آن را بیشتر می‌کند و هر ابزاری که بتواند افراد درگیر در بازار را بیشتر کند به نفع بازار است و نوعی بازار سرمایه را توسعه می‌دهد.

مزیت دوم اینکه نقدشوندگی ایجاد می‌کند، یکی از مهمترین کاربردهای الگوریتم این است که بتواند معامله بیشتری از طرف بازارگردان‌ها انجام دهد و معامله بیشتر یعنی عمق بیشتر بازار، جلوگیری از ایجاد هیجانی صف خرید و فروش، نوسانات کمتر و امثال این موادر است.

این مزیت باعث می‌شود که سهامداران به جای استفاده از هیجانات با ماشین معامله کنند و سود بیشتری کسب کنند. طبیعتا در بازار منفی الگوریتم نمی‌تواند سود کند. اما اینکه در بازار منفی کمتر از بازار ضرر و در بازار مثبت بیشتر از بازار سود کند به این معنا است که موفق عمل کرده است.

مهمترین عیب الگوریتم هزینه سرمایه‌گذاری بالای آن است. یعنی اگر شخصی قصد راه‌اندازی الگوریتم را داشته باشد باید حدود ۲ تا ۵ میلیارد تومان برای راه‌اندازی سیستمی عادی هزینه کند و برای سیستم حرفه‌ای باید بیش از ۲۰ میلیارد تومان هزینه کند.

از سوی دیگر بازار شناخت خوبی نسبت به معاملات الگوریتمی ندارد و این باعث شده است که برداشت‌ها از این نوع معاملات متفاوت باشد. یعنی فرهنگ‌سازی نشده است که الگوریتم چه کاری انجام خواهد داد، چه مزایایی دارد و … که لازم به ذکر است الگوریتم با همان قوانین و مقررات سامانه آنلاین کار می‌کند یعنی بیشتر از سه سفارش در ثانیه نمی‌تواند داشته باشد و کلیه قوانین بر آن حاکم است و نمی‌تواند تخلفی انجام دهد.

الگوریتم به بازار زیان می‌زند؟

برخی از کارشناسان عقیده دارند که از الگوریتم‌ها به درستی استفاده نمی‌شود و عامل ریزش انواع مختلف معامله های الگوریتمی بازار نیز همین معاملات الگوریتمی هستند. این کارشناسان عقیده دارند که الگوریتم‌ها در حالت طبیعی به نفع بازار سرمایه هستند اما با استفاده نادرست در این روزها به بازار زیان می‌زند.

از سوی دیگر برخی از کارشناسان می‌گویند معاملات الگوریتمی تتها برای سود عده‌ای طراحی شده و زیان سهامداران معمول بازار است. اما نکته مهم اینجاست که مشکل بازار نبود نقدینگی است و در این شرایط استفاده نابه‌جا از هر ابزاری به بازار ضربه می‌زند./تجارت نیوز

Compatible data.

Lorem ipsum dolor sit amet, consectetur adipis scing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.

enim ad minim veniam quis nostrud exercita ullamco laboris nisi ut aliquip ex ea commodo consequat.

• Pina & Associates Insurance
• Payment at Contingency
• Amount of Payment

Two Most-Cited Reason

Consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore dolore magna aliqua. enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex commodo consequat. duis aute irure dolor in reprehenderit in voluptate.

خرید کتاب استراتژی های معاملاتی با طعم الگوریتم

کتاب استراتژی های معاملاتی با طعم الگوریتم توسط مهندس مجید عبدالحمیدی نوشته شده و انتشارات آراد کتاب آن را چاپ کرده است.

در این کتاب، به انواع استراتژی ها و دیدگاه های مختلف در بازار بورس پرداخته و هریک از آن ها را نقد و بررسیکرده ایم.

از طرف دیگر، شاید بسیاری از ما فقط نامی از معاملات الگوریتمی شنیده باشیم و چیز زیادی در مورد آن ندانیم. با این همه، زمانی که بحث الگوریتم به میان می آید، مفاهیمی را به یاد می آوریم که با کامپیوتر مرتبط هستند.

معاملات الگوریتمی بر اساس الگوهایی انجام می شود که به کمک کامپیوتر تعریف می شوند؛ اما این معاملات می توانند به صورت خودکار و یا نیمه خودکار انجام شوند.

درباره کتاب

در اولین فصل از کتاب استراتژی های معاملاتی با طعم الگوریتم، در ابتدا به معرفی انواع سرمایه گذارانی پرداخته ایم که در بازارهای مالی مشارکت می کنند، زیرا همین بازیگران بازار هستند که قیمت ها را شکل می دهند؛ بنابراین، شناخت آن ها اهمیت بسیار زیادی دارد.

در ادامه توضیحاتی در مورد انواع بازارهای مالی مرسوم در ایران و جهان ارائه کرده ایم. نکته قابل توجه این است که در برخی بازارهای مالی محدودیت هایی برای فعالان بازار در نظر گرفته می شود.

بهینه‎سازی استراتژی معاملات زوجی با استفاده از روش یادگیری تقویتی، با به کارگیری دیتاهای درون‎روزی در بورس اوراق بهادار تهران

هدف: معاملات زوجی از معروف‎ترین و قدیمی‎ترین سیستم‎های معاملات الگوریتمی است که کارایی و سودآوری آن در بسیاری از پژوهش‎هایی که تاکنون در بازارهای مالی مختلف صورت گرفته است، اثبات و نشان داده شده است. مهم‎ترین اصل در معاملات زوجی، وجود روابط تعادلی بلندمدت یا همان خاصیت بازگشت به میانگین است. از طرفی در سال‎های اخیر تحقیقات شایان توجهی روی معاملات الگوریتمی با استفاده از یادگیری ماشین صورت گرفته است. روش: در این پژوهش از روش یادگیری تقویتی که برای مدل‎سازی و بهینه‎سازی مسائل با انواع مختلف روابط بلندمدت مناسب است، به‎منظور انتخاب آستانه‎های معاملاتی و پنجره‎های زمانی مناسب با هدف ماکزیمم‎سازی بازده و مینیمم‎سازی ریسک‎های منفی در معاملات زوجی با رویکرد هم‎انباشتگی استفاده شده است. پژوهش حاضر با به کارگیری ترکیبی از روش یادگیری تقویتی و رویکرد هم‎انباشتگی در معاملات زوجی اجرا شده است. یافته‎ها: نتایج آزمایش روی دیتاهای درون‎روزی زوج سهام‎ منتخب، نشان می‎دهد که استفاده از روش یادگیری تقویتی در طراحی سیستم معاملات در معاملات زوجی نسبت به کارهای قبلی انجام شده، برتری چشمگیری دارد. نتیجه­گیری: استراتژی معاملات زوجی با الگوریتم پیشنهادی می‎تواند به‎عنوان استراتژی بازار خنثی در تمامی شرایط بازار اعم از رونق و رکود توسط سرمایه‎گذاران و معامله‎گران حقیقی و حقوقی استفاده شود. همچنین می­توان در نظر گرفتن هزینه‎های معاملاتی در انجام معاملات در استراتژی معاملات زوجی را به‎عنوان موضعی برای پژوهش‎های آتی پیشنهاد کرد.

کلیدواژه ها:

نویسندگان

استادیار، گروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران

دانشجوی کارشناسی ارشد، گروه مهندسی مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

مراجع و منابع این مقاله :

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

• ReferencesBertram, W., (۲۰۱۰). Analytic solutions for optimal statistical arbitrage trading. .
• Dai, M., Zhang, Q., & Zhu, Q. J. (۲۰۱۰). Trend .
• Engle, R. F., and Granger, C. W. (۱۹۸۷). Co-integration and .
• Gao, X., & Chan, L. (۲۰۰۰). An algorithm for trading .
• Gatev, E., Goetzmann, W. N., and Rouwenhorst, K. G. (۲۰۰۶). .
• Granger, C. W. (۱۹۸۱). Some properties of time series data .
• Guo, X., & Zhang, Q. (۲۰۰۵). Optimal selling rules in .
• Hillebrand, E. (۲۰۰۳). A mean-reversion theory of stock-market crashes. Journal of .
• Johansen, S. (۱۹۸۸). Statistical analysis of cointegration vectors. Journal of .
• Lee, J. W., Park, J., Lee, J., & Hong, E. .
• Moody, J., and Saffell, M. (۲۰۰۱). Learning to trade via .
• Sutton, R. S., & Barto, A. G. (۱۹۹۸). Introduction to .
• Vidyamurthy, G. (۲۰۰۴). Pairs Trading: quantitative methods and analysis (Vol. ۲۱۷). John .
• Won Lee, J. (۲۰۰۱). Stock price prediction using reinforcement learning. .
• Zeng, Z., & Lee, C. G. (۲۰۱۴). Pairs trading: optimal .
• Zhang, Q. (۲۰۰۱). Stock trading: An optimal selling rule. SIAM .

استخراج به نرم افزارهای پژوهشی:

شناسه ملی سند علمی:

تاریخ نمایه سازی: 20 بهمن 1400

نحوه استناد به مقاله :

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:

فلاح پور، سعید و حکیمیان، حسن،1398،بهینه‎سازی استراتژی معاملات زوجی با استفاده از روش یادگیری تقویتی، با به کارگیری دیتاهای درون‎روزی در بورس اوراق بهادار تهران،https://civilica.com/doc/1394918

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: ( 1398، فلاح پور، سعید؛ حسن حکیمیان )
برای بار دوم به بعد: ( 1398، فلاح پور؛ حکیمیان )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

انواع سبک‌ های معاملاتی در لایت فارکس

🔥انواع سبک‌ های انواع مختلف معامله های الگوریتمی معاملاتی در لایت فارکس💰

معامله‌ گران بازار فارکس معمولا یکی از 6 سبک معاملاتی که در ادامه به آنها اشاره می‌کنیم را انتخاب می‌کنند:

اسکالپر، معامله‌ گر روزانه، معامله‌ گر سوئینگ، معامله‌ گر Position، معامله‌ گر الگوریتمی و معامله‌ گر مبتنی بر رویدادها.

معاملات اسکالپینگ بروکر لایت فایننس

اسکالپرها معامله‌ گران کوتاه‌ مدتی هستند که بر روی نگه‌ داشتن معاملات تنها برای چند ثانیه یا چند دقیقه تمرکز دارند. استراتژی‌ های اسکالپینگ فارکس شامل معاملات مکرر در طول روز می‌شود و هدف سودآوری‌ های کوچک در شلوغ ‌ترین و نقدینه‌ ترین لحظات بازار است.

با تغییر قیمت جفت‌ارز ها در بازار فارکس، اسکالپر های فارکس بر اساس تغییرات کوچک به خرید و فروش می‌پردازند.

این اسکالپرها به دنبال سودآوری‌ های کوچک در تراکنش ‌های بسیار در طول روز هستند. تفاوت معامله‌ گران دیگر و اسکالپر ها این است که معامله ‌گران دیگر به دنبال سودآوری‌ های بزرگتر هستند و بیشتر در بازار حضور دارند.

این در حالی است که اسکالپر ها به سرعت یک معامله با سود جزئی انجام داده و سراغ معامله بعدی می‌روند. از آنجایی که این نوع تحلیل به معاملات کوتاه مدت مربوط می‌شود، بهترین و آسان‌ ترین نوع چارت می‌تواند چارت میله‌ای و کندل استیک‌ ها باشد.

این به معامله‌ گران اجازه می‌دهد که از کندل‌ ها و میله‌ ها در بازه‌ های زمانی بسیار کوتاه بهره بگیرند. معامله‌ گران اسکالپر همینطور ممکن است از تحلیل تکنیکال استفاده کنند تا درک بهتری از اینکه بازار به چه سمتی در حال حرکت است، به دست آورند.

برای معامله ‌های کوتاه مدت اندیکاتور هایی مانند میانگین متحرک ‌ها، RSI، پارابولیک SAR و اسیلاتور تصادفی می‌توانند مورد استفاده قرار بگیرند. این اندیکاتورها این امکان را دارند که نقاط احتمالی ورودی و خروجی از معامله را در بازه‌ های زمانی مشخص پیدا کنید و همینطور از جهت ترند معاملاتی غالب در بازار اطلاع پیدا کنید.

سبک معاملاتی روزانه LiteFinance

معامله‌ گران روزانه همینطور در بازه زمانی داخل یک روز، معامله‌ های مکرری انجام می‌دهند. با اینکه روند معاملاتی این نوع معامله‌ گران به اندازه‌ اسکالپر ها پرسرعت نخواهد بود، معامله‌ گران روزانه تمام معاملات خود را قبل از پایان روز می‌بندند. این یعنی معامله‌ گران انواع مختلف معامله های الگوریتمی توسط اخبار منفی که در خارج از ساعات باز بودن بازار منتشر می‌شوند، تحت تاثیر قرار نخواهند گرفت.

زمانی که یک معامله ‌گر روزانه (Day Trader) معامله‌ای را برای سرمایه ‌گذاری و سودآوری از حرکات قیمتی در همان روز ثبت می‌کند و به دنبال نگه داشتن معامله برای روز بعد نیست،‌ به آن معامله روزانه گفته می‌شود.

بنابراین برای مثال، اگر یک معامله ‌گر به خرید سهام شرکت Apple در روز دوشنبه بپردازد، معامله‌ گر باید در همان روز معامله را ببندد تا یک معامله روزانه تلقی شود. درک این مفهوم مهم است زیرا طبق سازمان تنظیم مقررات صنعت مالی، اگر شما بیش از 3 معامله روزانه در یک دوره‌ 5 روزه ثبت کنید، حساب‌ شما به عنوان یک معامله ‌گر روزانه شناخته می‌شود.

بر این اساس و طبق قوانین، شما باید حداقل 25 هزار دلار را در حساب خود داشته باشید تا قادر به ادامه معاملات باشید. معامله روزانه ذاتا ریسکی است و نیازمند این است که شما دارای مهارت ‌های عالی معاملاتی و مدیریت ریسک باشید.

اکثر معامله‌ گران روزانه از اهرم یا لوریج در حساب ‌های مارجین بهره می‌گیرند تا از معاملات بزرگتری که پتانسیل سودآوری بیشتری دارند، استفاده کنند. جنبه‌ منفی اهرم این است که شما همینطور ممکن است به مقدار بیشتری از حالت عادی ضرر کنید و در نتیجه به بروکر خود مبالغ بالایی را بدهکار شوید.

به همین دلیل است که به حداقل رساندن ریسک و درک کامل نحوه معامله قبل از به کار گرفتن اهرم و معاملات بزرگ، اهمیت زیادی دارد.

روش معاملاتی سوئینگ Swing لایت فارکس

معامله‌ گران سوئینگ معمولا بیشتر از یک روز معاملات خود را باز نگه می‌دارند و این می‌تواند تا چند هفته به طول انجامد. در طول این بازه زمانی کوتاه، معامله‌ گران سوئینگ معمولا تحلیل تکنیکال را بیشتر از تحلیل فاندامنتال جدی می‌گیرند. با این حال آنها باید هنوز هم به اخبار و عناصر بنیادی توجه داشته باشند.

معاملات سوئینگ (Swing Trading) به طور کلی به عنوان روش معاملاتی کوتاه‌م دتی که بیشتر از یک روز و کمتر از یک ماه به طول می‌انجامد، تعریف شده است.

در حالی که معامله ‌گران روزانه معمولا سعی می‌کنند بخشی از یک حرکت بزرگ در بازار را به نفع خود استفاده کنند اما معامله ‌گران سوئینگ سعی می‌کنند از کل حرکت صعودی یا نزولی، بهره بگیرند.

معاملات سوئینگ به چندین نوع مختلف اجرا می‌شود، برخی از الگو های چارتی مانند سر و شانه و دیگران از احساسات کوتاه مدت بازار و همینطور رویکرد کمی استفاده می‌کنند.

سبک معامله‌ پوزیشن LiteFinance

این نوع معامله همینطور با نام خرید و نگه داری (Buy and Hold) شناخته می‌شود. البته این نوع کامل تر از سبک خرید و نگه داری محسوب می‌شود چون صرفا به خرید اختصاص ندارد و در آن معامله گران به فروش بلند مدت نیز فکر می‌کنند. معامله‌ گران پوزیشن برای مدت زمان بیشتری از چند هفته تا چند سال، معاملات خود را باز نگه می‌دارند.

برای سبکی که دارای بلندترین دوره‌ معاملاتی در بین سبک‌ های معاملاتی است، معامله‌ گران پوزیشن علاقه‌ کمتری به تغییرات قیمتی کوتاه‌ مدت نماد دارند. در واقع معامله گران این سبک معمولا بسیاری از نوسان های قیمتی کوچک بازار را نادیده می‌گیرند.

به عنوان یک معامله‌ گر پوزیشن، باید صبر لازم را داشته باشید تا سرمایه‌ خود را برای مدت طولانی در معامله قرار دهید. بدین ترتیب معامله گران پوزیشن بیشتر از عناصر تحلیل تکنیکال به عناصر تحلیل فاندامنتال و اخبار اقتصادی توجه می‌کنند.

معاملات الگوریتمی Algorithmic لایت فارکس

معامله‌ گران الگوریتمی از برنامه ‌های رایانه‌ای مختلف بهره می‌گیرند تا معاملات برای آنها در بهترین قیمت ممکن در بازار پیاده ‌سازی شود.

در واقع معاملات الگوریتمی فرایندی است که در آن معامله گر با استفاده از ابزارهای معاملاتی از قبل برنامه ریزی شده و اتوماتیک به اجرای معاملات می‌پردازد تا از نظر زمان‌ بندی و تغییر قیمت بتواند با کمک این ابزارها، عملکرد معاملاتی پرسرعتی داشته باشد.

معامله‌ گران می‌توانند از آموزش های مشخص یا الگوریتم‌ های معاملاتی برای نوشتن برنامه ‌های خود یا خرید محصولات موجود استفاده کنند. الگوریتم های فراوانی در بازار معاملاتی موجود است که برای انواع مختلف معامله گران مناسب است.

بنابراین انتخاب زیادی وجود دارند تا از انواع الگوریتم ها بهره بگیرید، خودتان آنها را بسازید یا اینکه مبلغی پرداخت کنید تا به الگوریتم های محبوب بازار دسترسی پیدا کنید. مهمترین مزیت معاملات الگوریتمی این است که اجازه معامله کردن به طور آسان تر و همینطور سریع تر را به معامله گران می‌دهد و باعث صرفه جویی زیادی در زمان می‌شود.

معامله بر اساس اخبار و رویدادهای لایت فارکس

معامله‌ گرانی که بر اساس اخبار و رویدادها معامله می‌کنند، به تحلیل فاندامنتال بیشتر از تحلیل تکنیکال علاقه‌مند هستند و بر اساس رویدادها و اخبار اقتصادی تصمیم ‌گیری می‌کنند. این نوع معامله‌ گران به دنبال شناسایی تغییرات قیمتی ایجاد شده به دلیل رویدادهای اقتصادی، انتشار داده‌ های خاص مانند GDP، آمار بیکاری و انتخابات، هستند.

در قدم اول یک رویداد خبری مهم که معمولا بر روی جفت ارزهای فارکس تاثیر بالایی دارد را انتخاب کنید. برای جفت ‌ارز EUR/USD رویدادهای خبری مرتبط با تولید ناخالص داخلی، گزارش حقوق بخش ‌های غیر کشاورزی و خصوصی، تحولات نرخ بهره در آمریکا و اروپا و گزارش مخارج مصرف شخصی مناسب تر است.

یک دقیقه قبل از انتشار خبر برنامه ‌ریزی شده، به باز کردن معامله خرید و فروش بپردازید. این کار باعث می‌شود خود را از لغزش یا اسلیپیج و گسترده شدن اسپرد محفوظ نگه دارید. برای انواع مختلف معامله های الگوریتمی هر دو معامله توقف ضرری با فاصله 10 تا 20 پیپ استاندارد بسته به نوسان موردانتظار با انتشار خبر، بپردازید.

برای هر دو معامله دستور کسب سود 5 برابر توقف ضرر اعمال کنید. این برای شما نسبت ریسک به پاداش لازم را فراهم می‌کند. نوسان انتشار خبر به احتمال زیاد توقف ضرر یک معامله و کسب سود معامله دیگر را فعال می‌کند. توقف ضرر معامله موفق را جابه‌جا کنید تا با رسیدن به فاصله توقف ضرر قبلی، به وضعیت سر به سر برسید. در نهایت یک ساعت پس از انتشار خبر، هر معامله باقی ‌مانده‌ای را ببندید.

الگوریتم اجماع چیست ؟ و بررسی انواع آن

الگوریتم های اجماع یک عنصر مهم و اساسی در یک شبکه توزیع شده، مسئول حفظ صداقت و امنیت شبکه هستند.

اولین الگوریتم اجماع که در ارزهای رمزپایه ایجاد شد، الگوریتم اثبات کار بود. که توسط ساتوشی ناکاماتو طراحی و در بیت کوین بعنوان راهی برای غلبه بر خطاهای بیزانس(نودهای خرابکار که قصد تقلب در سیستم را دارند) اجرا شد.

الگوریتم اجماع مکانیزمی است که توسط آن عضوهای شبکه بلاک چین به یک توافق جمعی می رسند. سیستم های غیر متمرکز مانند بلاک چین بصورت توزیع شده ساخته می شوند و از آنجا که به یک سازمان متمرکز و مرکزی وابسته نیستند، عضوهای شبکه توزیع شده باید در مورد اعتبار معاملات توافق کنند. جایی که در آن الگوریتم اجماع اجرا می شود، این ضمانت وجود دارد که از قوانین پروتکل پیروی می شود و انجام معاملات نیازمند اعتماد به شخصی یا اشخاصی ندارد زیرا در هر صورت معاملات بصورت مطمئن اجرا می شوند.

قبل از این که وارد جزئیات الگوریتم های اجماع شویم نیاز است که بدانیم تفاوت یک الگوریتم و یک پروتکل در چیست.

مقایسه الگوریتم در مقابل پروتکل

کلمه الگوریتم و پروتکل معمولاً به عنوان دو کلمه مشابه و جایگزین یکدیگر استفاده می شوند. اما آن ها شبه یکدیگر نیستند. به تعبیر ساده، ما یک پروتکل را بعنوان قوانین اصلی یک بلاک چین و الگوریتم مکانیزمی که از طریق آن ها این قوانین رعایت می شوند، تعریف می کنیم.

فناوری بلاک چین علاوه بر این که در سیستم های مالی مورد استفاده قرار گرفته است، همچنین می تواند برای طیف گسترده ای از مشاغل کاربرد داشته باشد. علاوه بر زمینه فعالیت، شبکه بلاک چین بر مبنای یک پروتکل که نحوه عملکرد سیستم را مشخص می کند، ساخته می شود. بنابراین همه قسمت های مختلف سیستم و همه عضو های شبکه باید قوانین یک پروتکل اصولی را رعایت کنند.

پروتکل تعیین می کند که چه قوانینی وجود دارد و الگوریتم به سیستم می گوید که برای رعایت این قوانین و تولید نتایج مورد نظر چه اقداماتی باید انجام شود. بعنوان مثال، الگوریتم های اجماع یک بلاک چین همان چیزی است که اعتبارسنجی معاملات در بلاک ها را تعیین می کند. بنابراین بیت کوین و اتریوم پروتکل هستند در حالی که اثبات کار الگوریتم اجماع آن ها است.

برای فهم بهتر یک آشپزخانه را تصور کنید.

پروتکل در آن آشپزخانه شرایط و قوانین است. مانند:

چاقو می برد، شعله گاز برای پختن است، ماهیتابه برای سرخ کردن خوب است و…

یک الگوریتم در همان آشپزخانه:

ابتدا پیاز را خرد کنید، سپس روغن را در ماهیتابه داغ کنید، پیاز را داخل ماهیتابه بریزید و…

انواع مختلفی از الگوریتم های اجماع وجود دارد، که از رایج ترین آن ها می توان به “اثبات کار” و “اثبات سهام” اشاره کرد. هر کدام از الگوریتم های اجماع مزایا و معایبی دارند و برای برقراری امنیت، کارایی و مقیاس پذیری شبکه تلاش می کنند.

بررسی چند نمونه از الگوریتم های اجماع

اثبات کار (PoW)

اولین الگوریتم اجماعی که به وجود آمد، اثبات کار بود، که توسط بیت کوین و بسیاری از ارزهای دیگر استفاده می شود. فرایند ماینینگ یا استخراج نقش اساسی در الگوریتم اثبات کار دارد. در اثبات کار، استخراج کنندگان یا ماینرهای شبکه برای حل معماهای ریاضی با یکدیگر به رقابت می پردازند اولین نفری که موفق شود آن معما را حل کند می تواند تراکنش را به بلاک اضافه کند و پاداش آن بلاک را دریافت کند. زمانی که یکی از ماینرها معما را حل کرد، راه حل را برای عضوهای دیگر شبکه ارسال می کند تا ماینرها درست بودن پاسخ را تایید کنند و معتبر بودن تراکنش به توافق جمعی شبکه برسد.

در اثبات کار قدرت محاسباتی (hash rate) مطرح است. هر ماینری که قدرت محاسباتی بیشتری داشته باشد در حل معادلات و دریافت پاداش موفق تر است.

الگوریتم اثبات کار امروزه قابل اطمینان ترین و امن ترین نوع الگوریتم اجماع است. اما با این حال یکی از بزرگترین مشکلات آن مقیاس پذیر نبودن آن است. بیت کوین و همچنین سایر بلاک چین های مبتنی بر اثبات کار از نظر تعداد انجام معمالات در ثانیه عملکرد محدودی دارند. این مشکل عدم مقیاس پذیری امکان استفاده از رمزارزها را در مقیاس های بزرگتر محدود می کند.

اثبات سهام (PoS)

الگوریتم اجماع اثبات سهام در سال 2011 به وجود آمد. اگرچه اثبات سهام و اثبات کار اهداف مشترکی دارند، اما تفاوتهای اساسی بین آن دو وجود دارد. به خصوص در نحوه اعتبارسنجی بلاک های جدید. برخلاف الگوریتم اثبات کار که به استخراج کننده هایی که مسئله ریاضی را حل و بلاک جدید را تولید کنند پاداش تعلق می گیرد، در اثبات سهام تولیدکننده بلاک جدید، از میان تجمع کاربرانی که مقدار معینی رمزارز را در گرو شبکه گذاشته اند انتخاب می شود. این به این معنیست که در سیستم اثبات سهام معمایی برای حل شدن وجود ندارد و در نتیجه خبری هم از پاداش نیست. در عوض، اعتبارسنج ها (ماینرها) از هر تراکنش مقداری کارمزد دریافت می کنند. از آنجا که در اثبات سهام نیازی به حل معادلات ریاضی نیست، انرژی کم تری نیز مصرف می شود. جریمه تلاش برای آسیب رساندن به شبکه این است که احتمال دارد فرد سرمایه خودش را (ارزهای گرو گذاشته شده) که ممکن است تا ده ها هزار دلار هم باشد، از دست بدهد.

اتریوم در حال حاضر مبتنی بر اثبات کار است. اما قصد دارد در آینده، شبکه را از اثبات کار به اثبات سهام تغییر دهد.

اثبات سهام محول شده (DPoS)

الگوریتم اثبات سهام محول شده از نظر بسیاری بعنوان یک نسخه کارآمدتر و دموکراتیک تر از مکانیزم قبلی یعنی اثبات سهام، است.

اثبات سهام و اثبات سهام محول شده هر دو بعنوان جایگزینی برای الگوریتم اجماع اثبات کار استفاده می شوند. از آن جا که اثبات کار از مقدار زیادی کار محاسباتی برای تأمین امنیت شبکه استفاده می کند، اثبات سهام و انواع مختلف معامله های الگوریتمی اثبات سهام محول شده به منابع کمتری نیاز دارند و از نظر طراحی، پایدارتر و سازگار با محیط زیست هستند.

اثبات سهام محول شده، الگوریتم اجماعی است که توسط Daniel Larimer در سال 2014 ساخته شد.

اعتبار سنج ها (ماینرها) قادر به رای دادن به چند نماینده هستند که از طرف آن ها شبکه را ایمن می کنند. این نمایندگان وظیفه اعتبارسنجی بلاک های جدید را دارند. بلاک چین هایی که از اثبات سهام محول شده استفاده می کنند در مقایسه با اثبات کار و اثبات سهام مقیاس انواع مختلف معامله های الگوریتمی پذیر تر هستند. این یعنی قادر به پردازش معاملات بیشتری در هرثانیه هستند.

در حال حاضر ارزهای Lisk، Steem، EOS و BitShares از این الگوریتم استفاده می کنند.

اثبات اعتبار (PoA)

اثبات اعتبار یک الگوریتم اجماع مبتنی بر شهرت است که یک راه حل عملی و کارآمد برای به اجماع رسیدن در شبکه را ارائه می دهد. این الگوریتم در سال 2107 توسط گاوین وود پیشنهاد شد.

برخلاف اثبات سهام که مقداری ارز در شبکه بعنوان تضمین درست کار کردن نودها گرو نگه می دارد، الگوریتم اثبات اعتبار توسط نودهای معتبر که بعنوان اشخاص قابل اعتماد انتخاب می شوند، معاملات را ایمن می کند. مدل اثبات اعتبار به تعداد محدودی از اعتبارسنج های بلاک متکی است و این محدود بودن اعتبارسنج ها همان چیزی است که آن را به یک سیستم مقیاس پذیر تبدیل می کند. الگوریتم اجماع POA ممکن است در سناریوهای مختفلی استفاده شود به عنوان مثال در زنجیره های تأمین، استفاده از مدل اثبات اعتبار یک راه حل موثر و معقول تلقی می شود.

اثبات حاصل از سوزاندن ارز (PoB)

الگوریتم اثبات سوزاندن ارز مانند یک الگوریتم اثبات کار است اما با کاهش میزان مصرف انرژی. در PoB به جای سرمایه گذاری بر روی تجهیزات گران قیمت ماینینگ، اعتبارسنج ها با ارسال مقداری ارز به آدرسی که غیرقابل برگشت است، اصطلاحاً سکه ها را می سوزانند. بنابراین در اینجا سوزاندن ارز به معنای اعتبارسنجی در ازای ضرر کوتاه مدت و تعهد بلند مدت در شبکه است. هر چه تعداد ارز بیشتری سوزانده شود، شانس انتخاب جهت اعتبارسنجی بلاک بعدی بیشتر است. پس قدرت استخراج به سمت کسانی می رود که مایل هستند ارز بیشتری بسوزانند.

نتیجه گیری

همانطور که در قبل گفته شد، الگوریتم های اجماع برای حفظ صداقت و امنیت شبکه رمزارزها بسیار مهم هستند. آن ها وسیله ای برای به توافق رسیدن عضوها در شبکه هستند، که صحت تراکنش های انجام شده در شبکه را تایید می کنند. ما در این مقاله سعی کردیم شما را با چند نمونه از الگوریتم های اجماع آشنا کنیم. پیشنهاد می شود برای بررسی دقیق تر به مقاله ی تخصصی هر کدام از الگوریتم های اجماع مراجعه کنید.