آشنایی جامع با معاملات الگوریتمی در بازار سرمایه

1) مقدمه: معاملات الگوریتمی چیست و چرا اهمیت دارد؟

2) تاریخچه و روند رشد معاملات الگوریتمی در بازارهای جهانی و ایران

3) ساختار کلی معاملات الگوریتمی

4) انواع الگوریتم‌ها در معاملات الگوریتمی

5) دسته‌بندی کلی الگوریتم‌ها در معاملات الگوریتمی

6) مزایای استفاده از معاملات الگوریتمی

7) ریسک‌ها و چالش‌های معاملات الگوریتمی

8) نقش هوش مصنوعی و یادگیری ماشین در توسعه الگوریتم‌های معاملاتی

9) مقررات و چارچوب قانونی معاملات الگوریتمی در ایران

10) نمونه‌هایی از کاربرد معاملات الگوریتمی در بازار ایران و جهان

11) آینده معاملات الگوریتمی در بازار سرمایه ایران

12) جمع‌بندی و توصیه‌های مهم برای ورود به دنیای معاملات الگوریتمی

فصل اول: مقدمه – معاملات الگوریتمی چیست و چرا اهمیت دارد؟

در سال‌های اخیر، بازارهای مالی دنیا به‌طور چشم‌گیری تحت تأثیر فناوری‌های نوین و هوش مصنوعی قرار گرفته‌اند. یکی از مهم‌ترین تحولات در این حوزه، ظهور معاملات الگوریتمی (Algorithmic Trading) است؛ نوعی از معاملات که در آن خرید و فروش اوراق بهادار بر اساس الگوریتم‌های ریاضی و برنامه‌نویسی انجام می‌شود. در واقع، این الگوریتم‌ها به جای انسان تصمیم می‌گیرند که چه زمانی، چه مقدار و چگونه معامله انجام شود.

در گذشته، معامله‌گران به صورت دستی و با تحلیل ذهنی به خرید و فروش سهام می‌پرداختند. اما امروزه با پیچیده‌تر شدن بازار و افزایش حجم داده‌ها، استفاده از الگوریتم‌هایی که بتوانند با سرعت بالا، دقت بیشتر و احساسات کمتر معامله کنند، به یک مزیت رقابتی مهم تبدیل شده است.

معاملات الگوریتمی نه تنها در بازارهای بین‌المللی، بلکه در بازار سرمایه ایران نیز مورد توجه جدی قرار گرفته است. بسیاری از شرکت‌های سرمایه‌گذاری و صندوق‌های بزرگ در تلاش‌اند با پیاده‌سازی سیستم‌های الگوریتمی، عملکرد خود را بهبود دهند و بازدهی بیشتری کسب کنند.

 اما چرا معاملات الگوریتمی اهمیت دارد و چه مزایایی دارد؟

    افزایش سرعت اجرا: الگوریتم‌ها می‌توانند هزاران سفارش را در کسری از ثانیه ارسال و اجرا کنند. این موضوع در بازارهایی با نوسانات بالا، یک عامل کلیدی محسوب می‌شود.

    کاهش خطای انسانی: برخلاف انسان‌ها که ممکن است دچار احساساتی مانند طمع، ترس یا خستگی شوند، الگوریتم‌ها بر پایه منطق و دستورالعمل‌های مشخص عمل می‌کنند.

    اجرای هم‌زمان استراتژی‌ها: یک سیستم الگوریتمی می‌تواند چندین استراتژی مختلف را به‌طور هم‌زمان اجرا کند و بین آن‌ها تعادل برقرار کند؛ کاری که انجام دستی آن عملاً غیرممکن است.

    پاسخ سریع به اخبار و تغییرات بازار: الگوریتم‌ها قابلیت اسکن لحظه‌ای بازار را دارند و می‌توانند بر اساس داده‌های جدید، تصمیم‌های فوری بگیرند.

با توجه به این مزایا، معاملات الگوریتمی به ابزاری ضروری برای معامله‌گران حرفه‌ای، مدیران پرتفو، صندوق‌های سرمایه‌گذاری و حتی سرمایه‌گذاران خرد تبدیل شده‌اند. البته باید توجه داشت که این حوزه، هم‌زمان با فرصت‌های فراوان، چالش‌ها و ریسک‌هایی نیز به همراه دارد که در فصل‌های بعدی به آن‌ها خواهیم پرداخت.

در فصل‌های بعد، به سازوکار فنی معاملات الگوریتمی، دسته‌بندی الگوریتم‌ها، نحوه پیاده‌سازی، مزایا، ریسک‌ها، وضعیت این نوع معاملات در بازار ایران و نکات کلیدی برای موفقیت در این زمینه خواهیم پرداخت.

فصل دوم: تاریخچه و روند رشد معاملات الگوریتمی در بازارهای جهانی و ایران

 تحول بازارهای مالی با ورود الگوریتم‌ها

معاملات الگوریتمی ابتدا در دهه‌های پایانی قرن بیستم در بازارهای مالی توسعه یافتند. با پیشرفت فناوری‌های رایانه‌ای، امکان اجرای سفارش‌های بورسی با سرعت بالا و بدون دخالت مستقیم انسان فراهم شد. در دهه ۱۹۸۰ میلادی، بورس‌هایی مانند نیویورک و لندن به‌تدریج استفاده از سیستم‌های نیمه‌خودکار را آغاز کردند، اما نقطه‌عطف اصلی، توسعه الگوریتم‌های پیچیده‌تر در دهه ۱۹۹۰ و پس از آن بود.

در آن زمان، بانک‌های سرمایه‌گذاری بزرگ و صندوق‌های پوشش ریسک (Hedge Funds) از الگوریتم‌هایی برای اجرای سفارش‌های حجیم با کمترین تأثیر بر بازار استفاده می‌کردند. به‌تدریج الگوریتم‌های تصمیم‌ساز و یادگیرنده نیز توسعه یافتند که قابلیت تحلیل شرایط بازار، تشخیص فرصت‌های آربیتراژ و پیش‌بینی رفتار قیمت را داشتند.

با افزایش رقابت در بازارهای مالی و ظهور بسترهای معاملاتی الکترونیکی، معاملات الگوریتمی نقش مسلط‌تری یافتند. امروزه در بسیاری از بورس‌های پیشرفته، بین ۵۰ تا ۸۰ درصد حجم معاملات به‌صورت الگوریتمی انجام می‌شود.

 جایگاه فعلی الگوریتم‌ها در بورس ایران

در ایران، ورود رسمی معاملات الگوریتمی به بازار سرمایه نسبتاً دیرتر اتفاق افتاد. هرچند سال‌ها پیش برخی از فعالان بازار از روش‌های نیمه‌خودکار و برنامه‌های ساده برای ثبت سفارش‌ها استفاده می‌کردند، اما شکل قانونی و سازمان‌یافته آن از اواخر دهه ۱۳۹۰ مورد توجه قرار گرفت.

در سال ۱۳۹۸، سازمان بورس و اوراق بهادار ایران طی اطلاعیه‌هایی استفاده از الگوریتم‌های معاملاتی را تحت شرایطی مجاز دانست. برخی کارگزاری‌ها شروع به ارائه خدمات معاملات الگوریتمی کردند و چند شرکت نیز مجوز رسمی طراحی و بهره‌برداری از الگوریتم‌ها را دریافت کردند.

با این حال، سهم معاملات الگوریتمی در بازار ایران هنوز محدود است و بیشتر به الگوریتم‌های اجرایی پایه یا سفارش‌گذار خودکار محدود می‌شود. دلایلی مانند محدودیت زیرساخت‌های فنی، نبود بستر آزمایشی گسترده، و چارچوب‌های قانونی محافظه‌کارانه باعث شده‌اند توسعه این نوع معاملات با سرعت کمتری نسبت به بازارهای جهانی پیش رود.

با این‌حال، توجه فزاینده نهادهای مالی، شرکت‌های فناوری مالی (فین‌تک‌ها) و همچنین حمایت تدریجی سازمان بورس، نوید رشد چشمگیر این حوزه را در سال‌های آینده می‌دهد.

فصل سوم: ساختار کلی معاملات الگوریتمی

 اجزای اصلی یک سیستم معاملات الگوریتمی

برای آن‌که یک سیستم معاملاتی الگوریتمی بتواند به‌درستی عمل کند، باید از چند بخش کلیدی و هماهنگ تشکیل شده باشد. این اجزا شامل موارد زیر هستند:

 منطق یا استراتژی معاملاتی

    این بخش مغز سیستم است. استراتژی معاملاتی شامل قوانین و الگوریتم‌هایی است که تصمیم می‌گیرند چه زمانی وارد معامله شوند، چه زمانی خارج شوند، چقدر از سرمایه را به هر معامله اختصاص دهند و چگونه ریسک را مدیریت کنند. این الگوریتم‌ها ممکن است ساده یا بسیار پیچیده باشند و بر پایه تحلیل تکنیکال، تحلیل بنیادی، داده‌های تاریخی، یادگیری ماشین یا ترکیبی از این‌ها کار کنند.

 ماژول دریافت داده (Data Feed)

    برای تصمیم‌گیری صحیح، الگوریتم باید اطلاعات لحظه‌ای و دقیق بازار را دریافت کند. داده‌هایی مانند قیمت لحظه‌ای، حجم معاملات، سفارشات خرید و فروش، اخبار مالی، شاخص‌های اقتصادی و... همگی توسط این ماژول دریافت و پردازش می‌شوند.

 ماژول پردازش و تحلیل داده

    این بخش وظیفه پردازش داده‌ها و تحلیل آن‌ها طبق قواعد تعریف‌شده در استراتژی را دارد. برای مثال، اگر الگوریتم به دنبال میانگین متحرک ۲۰ روزه باشد، این بخش داده‌ها را تحلیل و خروجی‌های مورد نیاز را به سیستم تصمیم‌گیری می‌فرستد.

 ماژول ارسال سفارش به هسته معاملات

    پس از تحلیل و تصمیم‌گیری، سفارش خرید یا فروش باید در کمترین زمان ممکن و با دقت بالا به سامانه معاملاتی ارسال شود. این ماژول به APIهای کارگزاری‌ها یا سیستم معاملاتی بورس متصل می‌شود تا سفارشات را اجرا کند.

 ماژول نظارت و مدیریت ریسک

    این بخش تضمین می‌کند که معاملات در محدوده‌های مشخص‌شده از نظر ریسک باقی بمانند. نظارت بر افت سرمایه (Drawdown)، انحراف از استراتژی، خطای الگوریتم یا قطعی اتصال بخشی از این مسئولیت است. برخی از الگوریتم‌ها نیز امکان توقف خودکار سیستم هنگام وقوع خطاهای بزرگ را دارند.

 ثبت گزارش و مستندسازی معاملات

    ثبت دقیق همه سفارش‌ها، زمان ارسال، قیمت اجرا، دلایل ورود/خروج و سایر جزئیات، هم برای تحلیل عملکرد و هم برای پاسخ‌گویی به مقررات ضروری است. این اطلاعات می‌تواند برای بهینه‌سازی سیستم در آینده یا تهیه گزارش به نهادهای نظارتی استفاده شود.

 ارتباط با سامانه‌های معاملاتی

یک سیستم الگوریتمی حرفه‌ای باید بتواند با بسترهای معاملاتی بورس مانند سامانه معاملاتی TSE یا درگاه‌های واسط کارگزاری‌ها ارتباط امن و سریع برقرار کند. این ارتباط معمولاً از طریق API یا نرم‌افزارهای واسط انجام می‌شود.

در بازار ایران، سازمان بورس استفاده از معاملات الگوریتمی را تنها در بسترهایی مجاز دانسته است که از استانداردهای امنیتی، نظارتی و فنی برخوردار باشند. این یعنی توسعه‌دهندگان الگوریتم باید الگوریتم خود را با مجوزهای لازم و در بسترهای تأییدشده پیاده‌سازی کنند.

 نتیجه‌گیری

ساختار کلی یک سیستم معاملات الگوریتمی نیازمند هماهنگی دقیق بین چندین بخش است: منطق تصمیم‌گیری، دریافت و پردازش داده، ارتباط با بازار، نظارت بر ریسک و مستندسازی. هرگونه ضعف یا اشکال در یکی از این اجزا می‌تواند منجر به ضررهای مالی یا حتی ممنوعیت فعالیت الگوریتم شود. به همین دلیل، طراحی و پیاده‌سازی این سیستم‌ها باید با دقت بالا، دانش فنی و شناخت دقیق از بازار صورت گیرد.

فصل چهارم: انواع الگوریتم‌ها در معاملات الگوریتمی

در معاملات الگوریتمی، الگوریتم‌ها به دسته‌های مختلفی تقسیم می‌شوند که هر کدام بر اساس نوع عملکرد و هدف خاصی طراحی شده‌اند. شناخت انواع الگوریتم‌ها به فعالان بازار کمک می‌کند تا مناسب‌ترین استراتژی را برای شرایط مختلف بازار انتخاب کنند. در این فصل به مهم‌ترین انواع الگوریتم‌های معاملاتی می‌پردازیم.

1. الگوریتم‌های معاملاتی ساده (Simple Algos)

این نوع الگوریتم‌ها بر اساس قواعد و پارامترهای از پیش تعیین‌شده و نسبتا ساده عمل می‌کنند. برای مثال، الگوریتم‌هایی که بر اساس شکست سطوح حمایت و مقاومت یا تقاطع میانگین‌های متحرک، خرید یا فروش را انجام می‌دهند. این الگوریتم‌ها برای تازه‌کاران یا بازارهایی که نوسانات کمتری دارند مناسب هستند و بیشتر بر تحلیل تکنیکال پایه تکیه دارند.

2. الگوریتم‌های هوشمند (AI-Based Algorithms)

این الگوریتم‌ها از فناوری‌های هوش مصنوعی و یادگیری ماشین بهره می‌برند تا بتوانند رفتار بازار را به شکل هوشمندانه‌تری پیش‌بینی کنند. آن‌ها می‌توانند با تحلیل حجم عظیمی از داده‌های تاریخی، اخبار و حتی احساسات بازار، تصمیمات بهینه‌تری اتخاذ کنند. این الگوریتم‌ها قابلیت یادگیری و بهبود مداوم دارند و در بازارهای پیچیده و ناپایدار کاربرد فراوانی دارند.

3. الگوریتم‌های واکنشی (Reactive Algos)

این دسته از الگوریتم‌ها به تغییرات سریع بازار واکنش نشان می‌دهند. به محض دریافت سیگنال یا تغییر در شرایط بازار، اقدام به انجام معامله می‌کنند. هدف این الگوریتم‌ها، بهره‌گیری از نوسانات کوتاه‌مدت و فرصت‌های لحظه‌ای است. سرعت واکنش بالای این الگوریتم‌ها اهمیت زیادی دارد.

4. الگوریتم‌های تعقیب روند (Trend Following Algorithms)

این الگوریتم‌ها تلاش می‌کنند روندهای غالب بازار را شناسایی و دنبال کنند. به عبارتی، زمانی که قیمت سهم یا شاخصی در حال افزایش یا کاهش است، این الگوریتم‌ها با ورود به موقع به معامله خرید یا فروش، از ادامه روند سود می‌برند. این نوع الگوریتم‌ها معمولاً بر اساس شاخص‌های تکنیکال مانند میانگین متحرک یا شاخص قدرت نسبی (RSI) عمل می‌کنند.

5. الگوریتم‌های بازارساز (Market Making Algorithms)

الگوریتم‌های بازارساز به طور مداوم قیمت‌های خرید و فروش را ارائه می‌دهند تا نقدشوندگی بازار را افزایش دهند. این الگوریتم‌ها به‌عنوان بازارساز عمل می‌کنند و از اختلاف قیمت خرید و فروش (اسپرد) سود می‌برند. بازارسازها معمولاً در بازارهای با حجم بالا و نقدشوندگی زیاد استفاده می‌شوند.

6. الگوریتم‌های آماری (Statistical Algorithms)

این الگوریتم‌ها بر اساس تحلیل آماری داده‌های بازار کار می‌کنند. برای مثال، از تکنیک‌هایی مانند آربیتراژ آماری بهره می‌برند که در آن اختلاف قیمت دو دارایی مرتبط در بازار به عنوان فرصت معاملاتی در نظر گرفته می‌شود. این الگوریتم‌ها نیازمند دانش عمیق ریاضی و آمار هستند و بیشتر توسط موسسات مالی بزرگ استفاده می‌شوند.

در نتیجه میتوان گفت انواع الگوریتم‌ها در معاملات الگوریتمی بسیار متنوع‌اند و هر کدام هدف و کاربرد خاصی دارند. از الگوریتم‌های ساده که برای تازه‌کاران مناسب‌اند تا الگوریتم‌های پیشرفته هوشمند که نیازمند دانش و فناوری بالا هستند. انتخاب نوع الگوریتم مناسب، بستگی به شرایط بازار، اهداف سرمایه‌گذار و سطح ریسک‌پذیری دارد.

فصل پنجم: دسته‌بندی کلی الگوریتم‌ها در معاملات الگوریتمی

الگوریتم‌های معاملاتی در بازار سرمایه بر اساس کاربرد، هدف و عملکرد به دسته‌های مختلفی تقسیم می‌شوند. این دسته‌بندی کمک می‌کند تا بهتر بتوان استراتژی‌های مختلف را شناخت و در موقعیت‌های مناسب از آن‌ها استفاده کرد. در این فصل به چهار دسته اصلی الگوریتم‌های معاملاتی می‌پردازیم.

1. الگوریتم‌های اجرایی (Execution Algorithms)

این دسته از الگوریتم‌ها بیشتر روی نحوه اجرای سفارش‌های خرید و فروش تمرکز دارند. هدف اصلی آن‌ها به حداقل رساندن هزینه‌های معاملاتی، مانند تاثیرگذاری قیمت در بازار و کاهش لغزش (Slippage) است. این الگوریتم‌ها معمولاً سفارش‌ها را به بخش‌های کوچک‌تر تقسیم می‌کنند و در زمان‌های مختلف یا قیمت‌های متفاوت سفارش می‌گذارند تا بهترین نتیجه حاصل شود.

مثلاً الگوریتم TWAP (Time Weighted Average Price) سفارش را در طول یک بازه زمانی مشخص به صورت مساوی تقسیم می‌کند، یا الگوریتم                                                              VWAP (Volume Weighted Average Price) سفارش را بر اساس حجم معاملات بازار انجام می‌دهد.

2. الگوریتم‌های تصمیم‌ساز (Decision-Making Algorithms)

این الگوریتم‌ها بر اساس تحلیل داده‌ها و شرایط بازار تصمیم می‌گیرند که چه زمانی، چه سهمی و با چه حجمی معامله انجام شود. این دسته الگوریتم‌ها پیچیده‌تر بوده و معمولاً شامل مدل‌های پیش‌بینی قیمت، تحلیل ریسک و مدیریت پورتفوی هستند.

برای مثال، یک الگوریتم تصمیم‌ساز ممکن است با بررسی روند بازار، حجم معاملات، و شاخص‌های تکنیکال، تشخیص دهد که بهترین زمان فروش یا خرید یک سهم خاص چه موقع است.

3. الگوریتم‌های پایش و نظارتی (Monitoring and Surveillance Algorithms)

این الگوریتم‌ها برای پایش مداوم بازار و شناسایی رفتارهای غیرعادی یا فرصت‌های معاملاتی طراحی شده‌اند. آن‌ها به طور خودکار داده‌های بازار را تجزیه و تحلیل می‌کنند و در صورت بروز شرایط خاص، هشدار یا اقدامات مشخصی انجام می‌دهند.

مثلاً این الگوریتم‌ها می‌توانند تغییرات ناگهانی در حجم معاملات یا نوسانات قیمت را شناسایی کرده و به معامله‌گران اطلاع دهند تا سریعاً واکنش نشان دهند.

4. الگوریتم‌های سفارشی‌سازی‌شده برای سرمایه‌گذاران نهادی                                                      (Custom Algorithms for Institutional Investors)

سرمایه‌گذاران نهادی مانند صندوق‌های بزرگ، بانک‌ها یا شرکت‌های سرمایه‌گذاری نیازمند الگوریتم‌هایی خاص با قابلیت سفارشی‌سازی بالا هستند. این الگوریتم‌ها بر اساس نیازهای دقیق و استراتژی‌های منحصر به فرد هر نهاد طراحی می‌شوند.

این نوع الگوریتم‌ها ممکن است ترکیبی از الگوریتم‌های اجرایی، تصمیم‌ساز و نظارتی باشند و ویژگی‌هایی مانند مدیریت ریسک پیشرفته، انطباق با قوانین و گزارش‌دهی دقیق را داشته باشند.

 جمع‌بندی فصل

دسته‌بندی الگوریتم‌های معاملاتی به فعالان بازار این امکان را می‌دهد که بسته به هدف و شرایط خود، الگوریتم مناسب را انتخاب کنند. از الگوریتم‌های اجرایی که به بهبود کیفیت اجرای سفارش‌ها کمک می‌کنند تا الگوریتم‌های تصمیم‌ساز که در انتخاب زمان و نوع معامله نقش دارند، هر کدام در جای خود اهمیت فراوانی دارند. همچنین پایش مداوم بازار و سفارشی‌سازی الگوریتم‌ها برای سرمایه‌گذاران بزرگ، نقش مهمی در افزایش کارایی معاملات ایفا می‌کند.

فصل ششم: مزایای استفاده از معاملات الگوریتمی

معاملات الگوریتمی یا معاملات خودکار، به کمک برنامه‌های کامپیوتری و الگوریتم‌های از پیش تعیین شده انجام می‌شوند. این روش نسبت به معاملات دستی مزایای فراوانی دارد که در این فصل به مهم‌ترین آن‌ها اشاره می‌کنیم.

1. افزایش سرعت و دقت در انجام معاملات

یکی از بزرگ‌ترین مزایای معاملات الگوریتمی، سرعت بسیار بالای انجام سفارش‌هاست. الگوریتم‌ها می‌توانند در کسری از ثانیه، حجم بسیار زیادی سفارش را ثبت، اصلاح یا لغو کنند که برای معامله‌گران انسانی غیرممکن است. این سرعت بالا به خصوص در بازارهای نوسانی و پررقابت اهمیت زیادی دارد.

علاوه بر سرعت، دقت انجام معاملات هم افزایش می‌یابد. الگوریتم‌ها بدون اشتباهات انسانی مانند اشتباه تایپی یا قضاوت احساسی سفارش‌ها را اجرا می‌کنند و این موضوع باعث کاهش خطاها و بهبود عملکرد معاملاتی می‌شود.

2. کاهش تاثیر احساسات و هیجانات انسانی

معاملات دستی معمولاً تحت تاثیر احساسات معامله‌گران مانند ترس، طمع یا هیجان قرار می‌گیرد که ممکن است باعث تصمیمات نادرست شود. در مقابل، الگوریتم‌ها کاملاً منطقی و بر اساس قواعد برنامه‌ریزی شده عمل می‌کنند و اجازه نمی‌دهند احساسات در تصمیم‌گیری تأثیر بگذارد.

این ویژگی کمک می‌کند تا رفتارهای هیجانی و نوسانات بی‌دلیل در معاملات کاهش یابد و تصمیمات بر اساس تحلیل داده‌ها و استراتژی‌های مشخص اتخاذ شود.

3. صرفه‌جویی در زمان و هزینه

استفاده از معاملات الگوریتمی باعث صرفه‌جویی قابل توجهی در زمان می‌شود. معامله‌گران دیگر نیازی به نظارت مداوم بر بازار و انجام دستی سفارش‌ها ندارند و می‌توانند روی تحلیل و استراتژی‌های بلندمدت‌تر تمرکز کنند.

همچنین هزینه‌های معاملاتی، مانند هزینه‌های مرتبط با اشتباهات انسانی یا فرصت‌های از دست رفته، کاهش پیدا می‌کند. به علاوه، الگوریتم‌ها می‌توانند در اجرای سفارش‌ها با حجم زیاد، قیمت بهتری را برای معامله‌گر فراهم کنند که باعث کاهش هزینه‌های کلی می‌شود.

4. امکان اجرای استراتژی‌های پیچیده و چندگانه

الگوریتم‌ها قادرند استراتژی‌های بسیار پیچیده‌ای را به صورت همزمان اجرا کنند که برای انسان‌ها دشوار یا غیرممکن است. می‌توان چندین پارامتر مختلف را همزمان کنترل کرد، مثلاً حجم معاملات، قیمت‌های هدف، زمان اجرا و شرایط بازار را به صورت خودکار مدیریت نمود.

این قابلیت به معامله‌گران اجازه می‌دهد تا استراتژی‌های متنوعی را در بازار پیاده کنند و ریسک را بهتر مدیریت کنند.

5. افزایش نقدشوندگی بازار

با افزایش استفاده از معاملات الگوریتمی، حجم معاملات و نقدشوندگی بازار افزایش می‌یابد. این موضوع به بهبود کارایی بازار و کاهش هزینه‌های معامله برای همه فعالان کمک می‌کند.

الگوریتم‌ها معمولاً به صورت مداوم در بازار فعالیت می‌کنند و به تعادل عرضه و تقاضا کمک می‌کنند که این امر موجب پویایی بیشتر بازار می‌شود.

6. امکان پایش و کنترل مستمر بازار

معاملات الگوریتمی به معامله‌گران این امکان را می‌دهد که بازار را به صورت لحظه‌ای پایش کنند و در شرایط خاص واکنش سریع نشان دهند. این قابلیت باعث می‌شود فرصت‌های معاملاتی بهتر شناسایی و ریسک‌ها به موقع کاهش یابد.

در کل میتوان گفت استفاده از معاملات الگوریتمی در بازار سرمایه مزایای فراوانی دارد که از مهم‌ترین آن‌ها می‌توان به افزایش سرعت و دقت در انجام معاملات، کاهش تاثیر هیجانات انسانی، صرفه‌جویی در زمان و هزینه، اجرای استراتژی‌های پیچیده و افزایش نقدشوندگی بازار اشاره کرد. این مزایا به همراه توانایی پایش مستمر بازار، معاملات الگوریتمی را به یکی از ابزارهای کلیدی در بازارهای مالی مدرن تبدیل کرده‌اند.

فصل هفتم: ریسک‌ها و چالش‌های معاملات الگوریتمی

معاملات الگوریتمی با وجود مزایای زیادی که دارد، همراه با ریسک‌ها و چالش‌هایی نیز هست که هر فعال بازار باید به آنها آگاه باشد تا بتواند به‌درستی و با مدیریت مناسب از این ابزار استفاده کند.

۱. خطای الگوریتم

الگوریتم‌ها بر پایه کدهای برنامه‌نویسی اجرا می‌شوند و هرگونه خطا یا باگ در این کدها می‌تواند باعث اجرای نادرست معاملات شود. این خطاها ممکن است منجر به سفارش‌های اشتباه، حجم بیش از حد، یا حتی ضررهای مالی سنگین شوند. بنابراین تست و اعتبارسنجی الگوریتم قبل از اجرای واقعی بسیار حیاتی است.

۲. وابستگی به زیرساخت فنی

معاملات الگوریتمی نیازمند زیرساخت‌های فنی قوی و پایدار است، از جمله سرورها، اینترنت پرسرعت، و نرم‌افزارهای تخصصی. قطع اتصال یا ضعف در این زیرساخت‌ها می‌تواند باعث قطع یا تأخیر در اجرای معاملات شود که ممکن است فرصت‌های مهم را از دست دهد یا باعث ضرر شود.

۳. نوسانات شدید بازار و پدیده Flash Crash

معاملات الگوریتمی گاهی می‌تواند باعث ایجاد نوسانات شدید و ناگهانی در بازار شود. یکی از این پدیده‌ها Flash Crash است که در آن قیمت‌ها در مدت کوتاهی به طور غیرمعمول افت یا افزایش می‌یابند. این نوسانات سریع می‌توانند از طریق الگوریتم‌ها تشدید شوند و به بازار آسیب برسانند.

۴. پیچیدگی بیش از حد و عدم شفافیت

برخی الگوریتم‌ها بسیار پیچیده هستند و حتی خود توسعه‌دهندگان ممکن است به طور کامل نتوانند رفتار آن‌ها را پیش‌بینی کنند. این موضوع ریسک عدم شفافیت را افزایش می‌دهد و ممکن است باعث تصمیم‌گیری‌های غیرمنتظره شود.

۵. خطرات ناشی از رقابت در سرعت

معاملات الگوریتمی بر مبنای سرعت اجرا است و رقابت شدید در این زمینه باعث شده است که معامله‌گران سرمایه‌گذاری زیادی روی تجهیزات پیشرفته کنند. این رقابت گاهی موجب افزایش هزینه‌ها و فشار بر فعالان بازار می‌شود و برای برخی غیرقابل دسترس است.

۶. ریسک‌های قانونی و نظارتی

با پیشرفت فناوری، قوانین و مقررات مرتبط با معاملات الگوریتمی نیز به‌روز می‌شوند. عدم رعایت این مقررات می‌تواند منجر به جریمه‌ها یا ممنوعیت فعالیت شود. بنابراین آگاهی و تطابق با چارچوب‌های قانونی ضروری است.

فصل هشتم: نقش هوش مصنوعی و یادگیری ماشین در توسعه الگوریتم‌های معاملاتی

هوش مصنوعی (AI) و یادگیری ماشین (Machine Learning) به عنوان فناوری‌های پیشرفته، تحول بزرگی در معاملات الگوریتمی ایجاد کرده‌اند. این فناوری‌ها امکان تحلیل هوشمند داده‌های بزرگ بازار و تصمیم‌گیری‌های خودکار و بهینه را فراهم می‌کنند که می‌تواند باعث افزایش کارایی و دقت معاملات شود.

۱. یادگیری خودکار استراتژی‌ها

با استفاده از الگوریتم‌های یادگیری ماشین، سیستم‌های معاملاتی قادرند به طور خودکار الگوها و روندهای بازار را شناسایی کنند و بر اساس داده‌های تاریخی و شرایط فعلی، استراتژی‌های جدید ایجاد و بهبود دهند. این فرایند یادگیری مداوم باعث می‌شود که الگوریتم‌ها بتوانند با تغییرات بازار سازگار شوند.

۲. تحلیل رفتار بازار

هوش مصنوعی می‌تواند حجم زیادی از داده‌های بازار شامل قیمت‌ها، حجم معاملات، اخبار و رویدادهای اقتصادی را به سرعت پردازش کند و الگوهای پیچیده و روابط پنهان بین داده‌ها را کشف کند. این تحلیل‌ها کمک می‌کند تا پیش‌بینی‌های دقیق‌تری از رفتار آینده بازار داشته باشیم.

۳. تصمیم‌گیری هوشمند

الگوریتم‌های مبتنی بر AI قادرند در لحظه تصمیم‌های معاملاتی بهینه بگیرند که این تصمیم‌ها علاوه بر سرعت بالا، بر پایه تحلیل‌های چندبعدی و داده‌های متنوع استوار است. این قابلیت باعث کاهش اشتباهات انسانی و افزایش دقت معاملات می‌شود.

۴. بهبود مدیریت ریسک

سیستم‌های هوشمند می‌توانند ریسک‌های احتمالی را به صورت پیش‌گویانه شناسایی کنند و با تنظیم پارامترهای معاملات، از وقوع ضررهای ناگهانی جلوگیری کنند. این ویژگی در بازارهای پرنوسان بسیار مهم است.

۵. توسعه الگوریتم‌های پیچیده‌تر

هوش مصنوعی امکان ایجاد الگوریتم‌های بسیار پیچیده و چندلایه را فراهم می‌کند که قادرند همزمان چندین متغیر و شاخص را بررسی و در تصمیم‌گیری وارد کنند. این امر به بهبود کیفیت معاملات و بهره‌وری بیشتر کمک می‌کند.

۶. چالش‌ها و محدودیت‌ها

هرچند AI امکانات بزرگی دارد، اما پیچیدگی و نیاز به داده‌های زیاد و باکیفیت، هزینه‌های بالا و همچنین خطرات مرتبط با شفافیت و قابلیت تفسیر الگوریتم‌ها، از جمله چالش‌های مهم این حوزه هستند.

فصل نهم: مقررات و چارچوب قانونی معاملات الگوریتمی در ایران

معاملات الگوریتمی به دلیل ویژگی‌های خاص خود مانند سرعت بسیار بالا در اجرای سفارشات، حجم وسیع داده‌های پردازش شده و تأثیر مستقیم بر رفتار بازار، نیازمند چارچوب‌های قانونی و نظارتی دقیق و جامع هستند. در بازار سرمایه ایران نیز سازمان بورس و اوراق بهادار به عنوان نهاد ناظر، مقررات و دستورالعمل‌های مشخصی را برای این نوع معاملات تدوین کرده است تا از بروز مشکلاتی مانند نوسانات غیرقابل کنترل، دستکاری بازار و ریسک‌های سیستماتیک جلوگیری کند.

۱. قوانین سازمان بورس و اوراق بهادار

سازمان بورس به منظور حفظ سلامت بازار و تضمین شفافیت، مجموعه‌ای از قوانین و مقررات را برای معاملات الگوریتمی وضع کرده است. این قوانین شامل الزام ثبت الگوریتم‌ها، دریافت مجوزهای لازم، رعایت محدودیت‌ها و الزامات خاص در اجرای معاملات است. هدف اصلی این قوانین، اطمینان از این است که الگوریتم‌ها به گونه‌ای عمل کنند که به بازار آسیب نرسانند و روند معاملات را به طور منصفانه و منظم حفظ کنند.

۲. مجوزدهی و ثبت الگوریتم‌ها

هر فعال یا شرکت علاقه‌مند به استفاده از معاملات الگوریتمی باید ابتدا الگوریتم‌های خود را به سازمان بورس معرفی و ثبت کند. این ثبت شامل ارائه مستندات فنی و عملکرد الگوریتم‌ها، تست‌های امنیتی و ارزیابی ریسک است. پس از بررسی و تأیید نهاد ناظر، مجوز استفاده از الگوریتم صادر می‌شود. این فرایند باعث می‌شود تا فقط الگوریتم‌هایی که با استانداردهای بازار و قوانین مطابقت دارند، اجازه فعالیت داشته باشند.

۳. الزام به شفافیت در عملکرد

یکی از مهم‌ترین اصول مقررات، الزام فعالان بازار به گزارش‌دهی دقیق و شفاف درباره عملکرد الگوریتم‌هایشان است. این شفافیت شامل ارائه گزارش‌های منظم از معاملات انجام شده، تغییرات الگوریتم، و بررسی‌های داخلی برای اطمینان از عدم وجود خطاها و رفتارهای مخرب است. سازمان بورس با دسترسی به این اطلاعات می‌تواند فعالیت‌ها را پایش کرده و در صورت مشاهده تخلفات، اقدامات قانونی لازم را انجام دهد.

۴. محدودیت‌ها و کنترل ریسک

برای جلوگیری از نوسانات شدید و ریسک‌های احتمالی، سازمان بورس محدودیت‌هایی را در خصوص حجم معاملات، سرعت ارسال سفارشات و نوع معاملات مجاز وضع کرده است. این محدودیت‌ها کمک می‌کند تا الگوریتم‌ها نتوانند به صورت ناگهانی بازار را دچار آشفتگی کنند یا با رفتارهای غیرمعمول، اعتماد سرمایه‌گذاران را از بین ببرند.

۵. برخورد با تخلفات و تخلفات احتمالی

در صورتی که الگوریتمی باعث اختلال در بازار شود یا از قوانین تخطی کند، سازمان بورس حق دارد فعالیت آن را متوقف کرده و برخورد قانونی با متخلفان انجام دهد. این شامل جریمه‌های مالی، تعلیق مجوز و در موارد شدیدتر، ممنوعیت فعالیت در بازار سرمایه است.

۶. آموزش و فرهنگ‌سازی

سازمان بورس به منظور افزایش آگاهی فعالان بازار، دوره‌های آموزشی و کارگاه‌های تخصصی درباره معاملات الگوریتمی و مقررات مربوطه برگزار می‌کند. این آموزش‌ها به فعالان کمک می‌کند تا ضمن شناخت دقیق قواعد، بتوانند به شکل بهینه و قانونی از این ابزار استفاده کنند.

۷. چالش‌ها و نیاز به توسعه قوانین

با پیشرفت فناوری و پیچیده‌تر شدن الگوریتم‌ها، نیاز به به‌روزرسانی مستمر قوانین و ایجاد زیرساخت‌های فنی قوی برای نظارت دقیق‌تر احساس می‌شود. همچنین همکاری بین نهادهای مختلف و فعالان بازار برای تدوین قوانین موثرتر و هماهنگ اهمیت بالایی دارد.

فصل دهم: نمونه‌هایی از کاربرد معاملات الگوریتمی در بازار ایران و جهان

معاملات الگوریتمی به عنوان یکی از پیشرفته‌ترین روش‌های معامله‌گری در بازارهای مالی، در بسیاری از کشورها و بازارها به طور گسترده مورد استفاده قرار می‌گیرد. این روش با بهره‌گیری از برنامه‌های کامپیوتری و الگوریتم‌های از پیش تعریف شده، امکان انجام سریع‌تر، دقیق‌تر و بهینه‌تر معاملات را فراهم می‌کند. در این فصل به برخی نمونه‌های عملی و واقعی از کاربرد معاملات الگوریتمی در بازارهای ایران و جهان می‌پردازیم.

۱. کاربرد معاملات الگوریتمی در بازار جهانی

در بازارهای بزرگ جهانی مانند بورس نیویورک (NYSE)، نزدک، بورس لندن و سایر بازارهای پیشرفته، معاملات الگوریتمی نقش بسیار مهمی ایفا می‌کند. این معاملات اغلب شامل الگوریتم‌هایی برای کاهش هزینه‌های اجرایی، بهبود نقدشوندگی، کنترل ریسک و شناسایی فرصت‌های معاملاتی در کسری از ثانیه هستند. به عنوان مثال، الگوریتم‌های «اجرای سفارش هوشمند» (Smart Order Routing) به طور خودکار بهترین قیمت‌ها را در بازارهای مختلف شناسایی و سفارش‌ها را به آن‌ها ارسال می‌کنند. همچنین الگوریتم‌های تعقیب روند و الگوریتم‌های بازارساز به فعال شدن بهتر بازار و کاهش نوسانات کمک می‌کنند.

۲. نمونه‌هایی از کاربرد معاملات الگوریتمی در ایران

در بورس تهران و بازار سرمایه ایران نیز استفاده از معاملات الگوریتمی در حال گسترش است. شرکت‌های کارگزاری و صندوق‌های سرمایه‌گذاری به منظور بهینه‌سازی معاملات خود از الگوریتم‌های مختلف استفاده می‌کنند. به عنوان مثال، الگوریتم‌هایی که بر اساس داده‌های تاریخی و تحلیل تکنیکال طراحی شده‌اند، برای شناسایی نقاط ورود و خروج مناسب به کار می‌روند. همچنین الگوریتم‌های کنترل ریسک و محدودیت‌های سفارش‌دهی کمک می‌کنند تا معاملات با حداقل خطا و زیان انجام شود.

۳. معاملات الگوریتمی در حوزه معاملات فرکانس بالا (HFT)

یکی از پرکاربردترین انواع معاملات الگوریتمی، معاملات با فرکانس بالا است که در آن الگوریتم‌ها در کسری از ثانیه تعداد زیادی معامله را انجام می‌دهند. این نوع معاملات به ویژه در بازارهای جهانی رواج دارد و نقش مهمی در افزایش نقدشوندگی و کاهش فاصله قیمتی خرید و فروش ایفا می‌کند. در ایران، این سبک هنوز در مراحل اولیه است اما با توسعه زیرساخت‌های فنی، انتظار می‌رود رشد قابل توجهی داشته باشد.

۴. کاربرد الگوریتم‌ها در مدیریت پرتفو و سرمایه‌گذاری

برخی الگوریتم‌ها برای مدیریت سبد سرمایه‌گذاری طراحی شده‌اند که به صورت خودکار ترکیب دارایی‌ها را متناسب با اهداف سرمایه‌گذار تغییر می‌دهند. این الگوریتم‌ها با تحلیل داده‌های بازار و سنجش ریسک، پیشنهادهایی برای خرید یا فروش سهم‌ها ارائه می‌کنند و به سرمایه‌گذار در حفظ توازن و بهینه‌سازی پرتفو کمک می‌کنند.

۵. استفاده از الگوریتم‌ها در کشف قیمت و سفارش‌گذاری هوشمند

الگوریتم‌های پیشرفته قادرند با تحلیل رفتار سفارش‌ها و نقدشوندگی بازار، بهترین زمان و قیمت برای ارسال سفارشات را تشخیص دهند. این قابلیت باعث می‌شود سفارش‌ها با کمترین تأثیر منفی بر قیمت بازار انجام شود و هزینه‌های معامله کاهش یابد.

۶. نقش معاملات الگوریتمی در بازارهای مشتقه و اوراق بدهی

معاملات الگوریتمی تنها محدود به بازار سهام نیست، بلکه در بازارهای مشتقه مانند قراردادهای آتی، اختیار معامله و اوراق بدهی نیز کاربرد دارد. الگوریتم‌ها در این بازارها به تحلیل قیمت‌ها، مدیریت ریسک و انجام معاملات پیچیده‌تر کمک می‌کنند.

۷. چالش‌ها و فرصت‌ها در استفاده از معاملات الگوریتمی در ایران

با وجود پیشرفت‌های قابل توجه، استفاده از معاملات الگوریتمی در ایران هنوز با چالش‌هایی مانند محدودیت‌های فناوری، کمبود نیروی متخصص، و نیاز به بهبود زیرساخت‌های قانونی مواجه است. اما فرصت‌های زیادی برای رشد و توسعه وجود دارد که می‌تواند بازار سرمایه ایران را به سطح حرفه‌ای‌تری ارتقا دهد.

فصل یازدهم: آینده معاملات الگوریتمی در بازار سرمایه ایران

معاملات الگوریتمی به عنوان یکی از فناوری‌های پیشرفته در بازارهای مالی، نقش مهمی در تحول و بهینه‌سازی فرآیندهای معاملاتی دارد. آینده این نوع معاملات در بازار سرمایه ایران، با توجه به روندهای جهانی و تغییرات ساختاری بازار داخلی، بسیار امیدوارکننده و پرچالش است. در این فصل به فرصت‌ها، موانع و مسیر پیش روی معاملات الگوریتمی در ایران پرداخته می‌شود.

۱. فرصت‌ها و مزایای توسعه معاملات الگوریتمی

با رشد روزافزون حجم معاملات و افزایش تعداد فعالان بازار سرمایه ایران، نیاز به سرعت، دقت و بهینه‌سازی فرآیندهای معاملاتی بیشتر احساس می‌شود. معاملات الگوریتمی می‌تواند به افزایش نقدشوندگی، کاهش هزینه‌های معاملاتی، بهبود شفافیت بازار و کاهش خطاهای انسانی کمک کند. همچنین با استفاده از الگوریتم‌های پیشرفته، امکان تحلیل سریع‌تر و دقیق‌تر داده‌های بازار فراهم شده و تصمیم‌گیری بهینه‌تر می‌شود.

۲. توسعه زیرساخت‌های فناوری و نرم‌افزاری

یکی از پیش‌نیازهای مهم برای رشد معاملات الگوریتمی، بهبود زیرساخت‌های فناوری اطلاعات و سامانه‌های معاملاتی است. بورس تهران و نهادهای مرتبط در سال‌های اخیر اقدامات قابل توجهی در این زمینه انجام داده‌اند، اما همچنان نیاز به ارتقای سرعت، امنیت و قابلیت اطمینان سامانه‌ها وجود دارد. توسعه بسترهای نرم‌افزاری متناسب با نیازهای الگوریتم‌ها نیز از اهمیت بالایی برخوردار است.

۳. چالش‌های حقوقی و مقرراتی

یکی از موانع مهم در مسیر توسعه معاملات الگوریتمی در ایران، مسائل حقوقی و چارچوب‌های مقرراتی است. به منظور تضمین سلامت بازار و جلوگیری از سوءاستفاده‌ها، قوانین و مقررات باید به‌روزرسانی و با فناوری‌های نوین هماهنگ شوند. همچنین نظارت دقیق بر عملکرد الگوریتم‌ها و ارائه مجوزهای لازم به فعالان این حوزه ضروری است.

۴. نیاز به آموزش و توسعه نیروی انسانی متخصص

برای بهره‌برداری کامل از پتانسیل‌های معاملات الگوریتمی، وجود نیروی انسانی ماهر و آگاه به فناوری‌های روز الزامی است. آموزش‌های تخصصی در حوزه برنامه‌نویسی، تحلیل داده و علوم مالی باید توسعه یابد تا بازار بتواند از تحلیل‌های دقیق و الگوریتم‌های کارآمد بهره‌مند شود.

۵. روند جهانی و تأثیر آن بر بازار ایران

با توجه به جهانی شدن بازارهای مالی، ایران نیز نمی‌تواند از تاثیر روندهای جهانی معاملات الگوریتمی بی‌نصیب بماند. تبادل اطلاعات، همکاری‌های بین‌المللی و پیروی از استانداردهای جهانی می‌تواند مسیر رشد این حوزه را هموارتر کند و امکان ورود سرمایه‌گذاران خارجی را نیز فراهم سازد.

۶. چشم‌انداز آینده و نوآوری‌های ممکن

پیش‌بینی می‌شود که با پیشرفت فناوری‌های هوش مصنوعی، یادگیری ماشین و تحلیل‌های پیشرفته، معاملات الگوریتمی در ایران به سطوح بالاتری از کارایی و دقت دست یابد. همچنین نوآوری در طراحی الگوریتم‌های سفارشی و خودیادگیر می‌تواند نقش مهمی در موفقیت این معاملات داشته باشد.

فصل دوازدهم: جمع‌بندی و توصیه‌های مهم برای ورود به دنیای معاملات الگوریتمی

معاملات الگوریتمی به عنوان یک فناوری پیشرفته و نوآورانه، تحول بزرگی در بازارهای مالی ایجاد کرده است و ورود به این حوزه می‌تواند فرصت‌های ارزشمندی برای سرمایه‌گذاران و فعالان بازار به همراه داشته باشد. در این فصل، نکات کلیدی و توصیه‌های مهم برای کسانی که می‌خواهند وارد دنیای معاملات الگوریتمی شوند، به صورت جامع و دقیق بررسی می‌شود.

۱. اهمیت یادگیری مستمر و تخصصی

معاملات الگوریتمی نیازمند دانش فنی و مالی گسترده است. یادگیری مفاهیمی مانند برنامه‌نویسی، تحلیل داده، ساختار بازارهای مالی و استراتژی‌های معاملاتی برای موفقیت در این حوزه ضروری است. شرکت در دوره‌های تخصصی، مطالعه منابع معتبر و تمرین عملی، پایه‌ای محکم برای ورود به بازار است.

۲. شروع با الگوریتم‌های ساده

برای شروع بهتر است با الگوریتم‌های ساده و کم‌ریسک کار کرد و به تدریج با کسب تجربه به سراغ الگوریتم‌های پیچیده‌تر رفت. این رویکرد کمک می‌کند تا ریسک‌ها کنترل شود و امکان اصلاح استراتژی‌ها فراهم گردد.

۳. اهمیت تست و بهینه‌سازی الگوریتم‌ها

قبل از اجرای الگوریتم‌ها در بازار واقعی، باید آنها را به صورت گسترده با داده‌های تاریخی تست و بهینه‌سازی کرد. این کار باعث می‌شود نقاط ضعف و مشکلات احتمالی شناسایی و رفع شوند و عملکرد الگوریتم بهبود یابد.

۴. مدیریت ریسک و پایش مستمر

استفاده از ابزارهای مدیریت ریسک، تعیین حد ضرر و سود و پایش دائمی عملکرد الگوریتم‌ها اهمیت زیادی دارد. بازارهای مالی همیشه با نوسانات همراه هستند و بدون مدیریت ریسک، زیان‌های جدی ممکن است رخ دهد.

۵. رعایت قوانین و چارچوب‌های مقرراتی

هر فعالیت در بازار سرمایه باید مطابق با قوانین و مقررات سازمان بورس و نهادهای مرتبط انجام شود. فعالان حوزه معاملات الگوریتمی باید با این قوانین آشنا باشند و از نظر قانونی و اخلاقی عملکرد خود را کنترل کنند.

۶. به‌روزرسانی و توسعه مداوم

بازارهای مالی و فناوری‌ها به سرعت تغییر می‌کنند. الگوریتم‌ها باید به صورت مداوم به‌روزرسانی شده و با شرایط جدید بازار تطبیق داده شوند تا همواره کارایی و اثربخشی خود را حفظ کنند.

۷. اهمیت همکاری و تبادل دانش

شرکت در جوامع تخصصی، همکاری با سایر فعالان حوزه و تبادل دانش می‌تواند به رشد مهارت‌ها و افزایش موفقیت در معاملات الگوریتمی کمک کند.

۸. آگاهی از محدودیت‌ها و ریسک‌ها

هر چند معاملات الگوریتمی مزایای فراوانی دارد، اما ریسک‌ها و محدودیت‌هایی نیز همراه آن است. شناخت کامل این موارد و آمادگی برای مقابله با چالش‌ها، باعث موفقیت پایدار خواهد شد.

در نهایت، معاملات الگوریتمی یک ابزار قدرتمند است که در صورت استفاده هوشمندانه می‌تواند به بهبود کیفیت تصمیم‌گیری و افزایش سودآوری در بازار سرمایه کمک کند. شروع درست، یادگیری مداوم و مدیریت دقیق، کلیدهای اصلی موفقیت در این مسیر هستند.