אנו מיישמים למידת מכונה לניתוח נזילות שוק — לא רק חישוב מרווח, אלא מערכת מלאה לחיזוי עלויות עסקה והשפעת שוק. לאורך יותר מ-10 שנות ניסיון מוכח, יישמנו פתרונות כאלה עבור בורסות מניות, חוזים עתידיים וקריפטו.
מודל הנזילות מבוסס ה-AI ומודל הנזילות מבוסס ה-ML שלנו כוללים LightGBM לחיזוי מרווח 15–60 דקות קדימה ו-Random Forest לזיהוי משברים. תוצאה: הפחתה של 10–30% בעלויות ביצוע. עבור תיק טיפוסי בשווי שוק בינוני, החיסכון השנתי יכול להגיע לסכום ניכר. עבור תיקים גדולים, החיסכון מהותי.
נזילות היא היכולת של השוק לספוג פקודות ללא תנועת מחיר משמעותית. עבור סוחר, משמעות הדבר היא עלויות עסקה: כמה יקר לבצע פוזיציה בגודל נתון. עבור מנהל סיכונים, מדובר בכמה מהר ניתן לצאת מפוזיציה במשבר. מודל ה-AI מעריך נזילות בזמן אמת וחוזה את השינויים שלה.
מדידת נזילות
מרווח ביד-אסק: המדד הפשוט ביותר. מרווח יחסי = (Ask - Bid) / Mid. עבור מניות נזילות ב-NYSE: 1–5 נקודות בסיס. עבור מניות פחות נזילות: 50–200+ נקודות בסיס.
למדא של קייל (השפעת מחיר): ΔPrice = λ × OrderFlow λ = מקדם רגרסיה (שינוי מחיר ליחידת זרימת פקודות מסומנת) λ גבוה → תגובת מחיר מהירה לפקודות → נזילות נמוכה. מידע נוסף על המדד ב-Kyle's lambda.
יחס חוסר הנזילות של אמיהוד: ILLIQ = (1/T) × Σ |R_t| / Volume_t תשואה יומית ליחידת נפח מסחר. סטנדרט בספרות האקדמית.
מרווח אפקטיבי ומרווח ממומש: אפקטיבי: 2 × |Trade Price - Mid Price| — עלות אמיתית של תוקפנות. ממומש: 5 דקות לאחר העסקה — כמה הרוויח עושה השוק.
כיצד מודל ה-AI חוזה משברי נזילות
בעת לחץ בשוק, הנזילות מתאדה באופן לא-ליניארי. המשימה: לחזות את ההסתברות למשבר נזילות ב-N השעות הקרובות.
אינדיקטורים למשבר מתקרב:
- זינוק פתאומי במתאם בין-נכסי
- הידרדרות בו-זמנית של הנזילות במספר סוגי נכסים
- התרחבות מרווחי CDS במגזר הפיננסי
- מרווח TED (LIBOR - תשואת T-bill)
- לחץ בשוק הריפו (זינוקים בריבית הלילה)
מודל: Random Forest Classifier. יעד: זעזוע נזילות (מרווח > 3σ מהממוצע ל-90 יום) בתוך 24 שעות. AUC 0.72–0.80 במשברים היסטוריים. Random Forest מספק דיוק טוב ב-20% מאשר רגרסיה לוגיסטית (AUC ~0.6).
מדוע LightGBM עוקף מודלים מסורתיים
רגרסיה לינארית מניבה MAPE של 20–30%, GARCH 18–25%. LightGBM משיג 8–15% בתחזיות מרווח של 15 דקות. זה פי 2 מדויק יותר מ-GARCH. יתרה מכך, LightGBM מעבד מאות תכונות בשעות, בעוד ש-LSTM דורש ימים ומניב MAPE של 10–18% ללא רווח משמעותי. LightGBM הוא הבחירה האופטימלית לייצור.
מטרה: מרווח bid-ask על פני 15/30/60 דקות, או λ (מקדם השפעת מחיר). תכונות:
| קטגוריה | תכונות |
|---|---|
| נזילות נוכחית | מרווח, עומק ספר הזמנות ב-5 רמות, נפח הצעות |
| פעילות שוק | נפח מסחר, מספר עסקאות, זמן בין עסקאות |
| תנודתיות | תנודתיות ממומשת 5/15/60 דקות, ATR |
| משטר שוק | VIX, מרווחי CDS, שיעורי מימון |
| תכונות זמן | שעה ביום, יום בשבוע, טרום/אחרי מסחר |
| חדשות / אירועים | דוחות רווח, פרסומים מאקרו-כלכליים (לוח שנה כלכלי) |
דפוסי נזילות תוך-יומית
הנזילות מציגה דפוסים תוך-יומיים עמידים: עקומה בצורת U:
- פתיחת השוק (9:30–10:00 ET): מרווח רחב, ספר דק
- צהריים (12:00–13:30 ET): נפח מינימלי, נזילות הגרועה ביותר
- סגירה (15:30–16:00 ET): נפח מקסימלי, נזילות הטובה ביותר
משמעות הדבר: הזמנות מוסדיות גדולות יש לבצע בסמוך לסגירה, תוך הימנעות ממכרז הפתיחה. קריסת נזילות מונעת-אירועים: חדשות, דוחות רווח, הודעות FOMC — 5–10 דקות לפני האירוע, עושי השוק מושכים את הציטוטים. המרווח מתרחב פי 5–20. המודל חייב לחזות "חלונות נזילות" אלו.
תהליך יישום המודל שלב אחר שלב
- ביקורת נתונים: איסוף נתוני טיק ודקה עבור שנתיים ומעלה, אימות איכות, זיהוי פערים.
- הנדסת מאפיינים: בניית למעלה מ-50 מאפיינים: מיקרוסטרוקטורליים, טמפורליים, מאקרו-כלכליים.
- אימון מודל: התחלה עם בסיס LightGBM, ולאחר מכן אופטימיזציה של היפר-פרמטרים.
- אימות: בדיקה על מדגם מחוץ לזמן, חישוב MAPE, AUC, Hit Ratio.
- אינטגרציה: פריסה באמצעות REST API עם השהיה p99 < 100 ms.
- ניטור: מעקב אחר סחיפת נתונים, אימון מחדש לפי הצורך.
יישומים במסחר
אופטימיזציית ביצוע:
- בזמן אמת: מתי וכיצד לבצע פקודה
- ציון נזילות → בחירת אלגוריתם TWAP/VWAP/IS עם אופטימיזציית Almgren-Chriss
- ביצוע אדפטיבי: האטה כאשר הנזילות מתדרדרת
ניהול סיכונים:
- VaR מותאם נזילות: מביא בחשבון את עלות היציאה מפוזיציה
- מגבלות פוזיציה: הגבלת גודל הפוזיציה ביחס לנזילות החזויה
- מבחן עמידות ליציאה: כמה ימים יידרשו ליציאה מפוזיציה ללא השפעה משמעותית בתנאי נזילות רגילים ובלחץ
בניית תיק: הכללת אילוצי נזילות: אין לקחת פוזיציות הגדולות מ-X% מה-ADV, פיזור לפי נזילות.
מה כלול
- ביקורת נתונים ומדדים עסקיים: ניתוח נתוני טיק היסטוריים, הגדרת מטרות ויעדים
- הנדסת מאפיינים: בניית למעלה מ-50 מאפיינים, כולל מאפיינים זמניים, מיקרוסטרוקטורליים ומאקרו-כלכליים
- בניית מודל ML: מבסיס לפתרון ברמת ייצור עם ניטור
- תיעוד: כרטיס מודל, תיאור מדדים, מקרי שימוש
- אינטגרציה: API לתחזיות בזמן אמת
- הכשרת צוות: סדנה לפירוש תוצאות
השוואת גישות לחיזוי נזילות
| גישה | דיוק (MAPE) | זמן אימון | פרשנות |
|---|---|---|---|
| רגרסיה לינארית | 20–30% | דקות | גבוהה |
| GARCH | 18–25% | שעות | בינונית |
| LightGBM | 8–15% | שעות | נמוכה (SHAP) |
| LSTM | 10–18% | ימים | נמוכה |
LightGBM מציע את האיזון הטוב ביותר בין דיוק למהירות — זו הסיבה שאנו משתמשים בו בפרודקשן. לוחות זמנים: מדדי נזילות בסיסיים + מודל דפוס תוך-יומי — 3–4 שבועות. מערכת מלאה עם חיזוי השפעת שוק, זיהוי משבר נזילות ואופטימיזציית ביצוע — 3–4 חודשים.
למהנדסים שלנו יש 10+ שנות ניסיון מוכח והם סיפקו 50+ פרויקטים ב-ML פיננסי. אנו מבטיחים שיפור בדיוק לעומת מודלים מסורתיים. רוצים להעריך את הנזילות של השוק שלכם? צרו קשר לפיילוט תוך שבועיים. לחלופין, קבלו ייעוץ עכשיו — נראה כיצד AI יכול להפחית את עלויות העסקאות שלכם.