Algorithmic Trading సైకాలజీ: భావోద్వేగాలు Performance ని ఎలా ప్రభావితం చేస్తాయి

Huzefa Kudrati May 4, 2023 అప్‌డేట్ Oct 7, 2026 7 నిమిషాల చదువు

ఈ వ్యాసం ఇంగ్లీష్ నుండి అనువదించబడింది. అసలు వ్యాసాన్ని ఇంగ్లీష్‌లో చదవండి

Algorithmic trading లో భావోద్వేగాలు performance ని ప్రభావితం చేసేది code ద్వారా కాదు, వ్యక్తి ద్వారా. Algorithm ప్రతిసారీ తన rules ను పాటిస్తుంది; దాన్ని ఎప్పుడు ఆపాలి, ఎంత సైజులో ట్రేడ్ చేయాలి, ఎప్పుడు దాన్ని "మెరుగుపరచాలి" అనేది ట్రేడర్ నిర్ణయిస్తారు. భయం, అత్యాశ, FOMO, cognitive biases సరిగ్గా ఆ నిర్ణయాల్లోనే కనిపిస్తాయి, పరిష్కారం ఒక్కటే: ముందే నిర్ణయించుకోండి, రాసి పెట్టుకోండి, మీరు నిష్పక్షపాతంగా ఉండలేని క్షణాలను rules కి వదిలేయండి.

ముఖ్యాంశాలు

Algos execution నుండి భావోద్వేగాలను తొలగిస్తాయి, దాని చుట్టూ ఉన్న నిర్ణయాల నుండి కాదు: sizing, override చేయడం, ఆపడం, మార్పులు చేయడం.
సమాన లాభం ఇచ్చే సంతోషం కంటే నష్టం దాదాపు రెండు రెట్లు ఎక్కువ బాధిస్తుంది. చాలా చెడ్డ ట్రేడింగ్ నిర్ణయాలకు ఈ లాగుడే కారణం.
సాధారణ biases (confirmation, overconfidence, recency, anchoring, hindsight, herding) ప్రతిదానికీ దాన్ని ఎదుర్కొనే ఒక rule ఉంది.
సంకల్ప బలం కంటే ముందస్తు నిబద్ధత బాగా పనిచేస్తుంది: అవసరం రాకముందే మీరు ఎప్పుడు జోక్యం చేసుకుంటారో రాసి పెట్టుకోండి.

రాసిన rules తో అదుపులో ఉంచిన భయం, అత్యాశ చిత్రం

Algo ట్రేడింగ్‌లో భావోద్వేగాలు ఇంకా ఎక్కడ చొరబడతాయి

Automation trade ను చూసుకుంటుంది. కానీ వీటిని చూసుకోదు:

నిర్ణయ సమయం	భావోద్వేగం మీతో ఏం చేయిస్తుంది	నష్టం
Drawdown సమయంలో	అట్టడుగు దగ్గర strategy ని ఆపేయడం	నష్టాన్ని ఖాయం చేసుకుని, recovery ని మిస్ అవ్వడం
మంచి run తర్వాత	సైజును రెట్టింపు చేయడం	తదుపరి సాధారణ drawdown రెండు రెట్లు బాధిస్తుంది
నష్టం తర్వాత	తదుపరి signal ని override చేయడం, లేదా "revenge" trade వేయడం	Strategy ఎప్పుడూ టెస్ట్ చేయని trades
మీరు లేకుండా ఒక కదలికను చూస్తూ	Manual గా దూకడం (FOMO)	Stop, ప్లాన్ లేని entries
కొన్ని చెడ్డ వారాల తర్వాత	Rules ను తిరగ రాయడం	తాజా వారాలకు overfitting
నిరంతరం	ప్రతి కొన్ని నిమిషాలకు P&L చూడటం	ఒత్తిడి, పైవన్నీ ఇంకా ఎక్కువగా

నష్టాలు ఎందుకు అంత గట్టిగా తగులుతాయి: loss aversion

ట్రేడర్లు ఏం అనుభవిస్తారో behavioural research కొలిచింది: సమాన లాభం ఇచ్చే సంతోషం కంటే నష్టం ఎక్కువ బాధిస్తుంది. Prospect theory పై Tversky, Kahneman 1992 పరిశోధనలో, నష్టాలు లాభాల కంటే దాదాపు 2.25 రెట్లు ఎక్కువ బరువు కలిగి ఉన్నాయి.

Prospect theory value curve: లాభాల కంటే నష్టాల వైపు curve ఏటవాలుగా ఉంటుంది, కాబట్టి ₹5,000 నష్టం ₹5,000 లాభం కంటే దాదాపు 2.25 రెట్లు బలంగా అనిపిస్తుంది Loss aversion: అదే రూపాయి మొత్తం దాని గుర్తు (+/−) ని బట్టి చాలా భిన్నంగా అనిపిస్తుంది

ఈ ఒక్క అసమానత చాలా ట్రేడింగ్ ప్రవర్తనను వివరిస్తుంది:

నష్టపోతున్నవాటిని పట్టుకోవడం, లాభంలో ఉన్నవాటిని కట్ చేయడం. నష్టంలో ఉన్నది అమ్మితే నష్టం నిజమవుతుంది, కాబట్టి జనం ఎదురుచూస్తారు. లాభంలో ఉన్నది అమ్మితే మంచి అనుభూతి "ఖాయం" అవుతుంది, కాబట్టి జనం చాలా ముందుగా అమ్మేస్తారు.
Drawdown లో strategy ని ఆపేయడం. Drawdown టెస్ట్ చేసిన పరిధిలోనే ఉంది అనే లాజిక్ కంటే, నష్టాలు పెరగడం చూసే బాధ ఎక్కువగా ఉంటుంది.
Stops తీసేయడం. Stop ఒక సాధ్యమైన నష్టాన్ని ఖచ్చితమైన నష్టంగా మారుస్తుంది, loss aversion సరిగ్గా దాన్నే ఎదిరిస్తుంది.

ఆచరణలో భయం, అత్యాశ

భయం ఇలా కనిపిస్తుంది: ముందుగానే exit అవ్వడం, నష్టం తర్వాత signals వదిలేయడం, అత్యంత చెడ్డ సమయంలో సైజు తగ్గించడం, drawdowns లో strategies ఆపేయడం. అత్యాశ ఇలా కనిపిస్తుంది: గెలుపుల వరుస తర్వాత సైజు పెంచడం, "నడవనివ్వు" అని targets తీసేయడం, leverage జోడించడం, గత నెల బాగా చేసిన strategy వెంట పడటం.

అదే strategy, ఇద్దరు ట్రేడర్లు (ఊహాత్మక ఉదాహరణ)

ఇద్దరు ట్రేడర్లు ఒకే strategy నడుపుతారు. దాని backtest అత్యంత దారుణమైన drawdown 12% చూపిస్తుంది. ట్రేడర్ A, drawdown 18% (టెస్ట్ చేసిన దారుణమైనదానికి 1.5 రెట్లు) దాటితేనే review చేయాలని ముందే నిర్ణయించుకున్నారు. ట్రేడర్ B కి ఏ rule లేదు, "పాడైపోయినట్టు అనిపిస్తోంది" అని −9% వద్ద ఆపేస్తారు, recovery అయిపోయిన తర్వాత మళ్లీ మొదలుపెడతారు. అదే strategy, చాలా భిన్నమైన results, పూర్తిగా ఒక్క ముందస్తు నిబద్ధత వల్ల.

FOMO: మిస్ అవుతామేమో అనే భయం

అందరూ డబ్బు సంపాదిస్తున్నట్టు అనిపించే కదలికలోకి దూకాలనే తపనే FOMO. దీని వల్ల ఆలస్యమైన entries, stop లేకపోవడం, ఎవరూ టెస్ట్ చేయని position sizes వస్తాయి. మీరు algorithm చుట్టూ ట్రేడ్ చేయకపోతేనే అది మిమ్మల్ని FOMO నుండి కాపాడుతుంది. మీ strategy లేకుండా ఒక కదలిక జరిగితే, అది strategy డిజైన్ చేసినట్టే పనిచేస్తోందని అర్థం: దాని rules అనుమతించే trades మాత్రమే అది తీసుకుంటుంది.

ప్రతి algo ట్రేడర్ తెలుసుకోవాల్సిన cognitive biases

Bias	ఇది ఎలా కనిపిస్తుంది	దీన్ని ఎదుర్కొనే rule
Confirmation bias	మీ ఐడియాకు మద్దతిచ్చే backtests ను మాత్రమే చూడటం	టెస్ట్ చేసే ముందే date range, pass criteria నిర్ణయించుకోండి
Overconfidence	మంచి నెల తర్వాత సైజు పెంచడం; Live Offline testing ని వదిలేయడం	ప్రతి trade కి స్థిరమైన risk; రాసిన schedule ప్రకారమే scale up
Recency bias	గత రెండు వారాల ఆధారంగా strategy ని అంచనా వేయడం	ప్రస్తుత drawdown ని గత నెలతో కాకుండా టెస్ట్ చేసిన maximum తో పోల్చండి
Anchoring	మీరు entry తీసుకున్న ధరపై, లేదా గత సంవత్సరం return పై మనసు నిలిపేయడం	కేవలం మీ entry ధరపై కాకుండా, మార్కెట్ ఆధారంగా exit rules
Hindsight bias	"ఆ రోజు తప్పుగా జరుగుతుందని నాకు తెలుసు", తర్వాత కేవలం ఆ రోజు కోసం ఒక rule జోడించడం	మీరు ముందే రాయగలిగే rules మాత్రమే జోడించండి, వాటిని టెస్ట్ చేయండి
Availability bias	మీకు గుర్తున్న ఒక నాటకీయ నష్టానికి ఎక్కువ బరువు ఇవ్వడం	పూర్తి trade list, results పంపిణీని చూడండి
Herding	అందరూ మాట్లాడుకుంటున్న strategy ని కాపీ చేయడం	ఏ strategy నైనా దాని ప్రాచుర్యంతో కాకుండా drawdown, logic తో అంచనా వేయండి
Sunk cost	ఇప్పటికే పెట్టిన సమయం వల్ల పాడైన strategy ని కొనసాగించడం	Retirement criteria ని ముందే సెట్ చేయండి

Overfitting అంటే code లో ఉన్న confirmation bias: మీరు ఆశించినదాన్ని ఒకటి ధృవీకరించే వరకు versions ప్రయత్నించడం. అది మిమ్మల్ని ఎంత త్వరగా మోసం చేస్తుందో మా backtesting తప్పులు గైడ్ చూపిస్తుంది.

క్రమశిక్షణ ఎలా పెంచుకోవాలి: సంకల్ప బలం కంటే rules

ప్రతి strategy కి ఒక trading plan రాయండి. Instruments, సైజు, ప్రతి trade కి risk, రోజువారీ loss limit, దేని వల్ల మీరు దాన్ని ఆపుతారు.
మీ జోక్యాలకు ముందే కట్టుబడండి. "Drawdown backtest లోని దారుణమైనదానికి 1.5 రెట్లు దాటితే నేను review చేస్తాను" అనేది ఒక rule. "బాలేనట్టు అనిపిస్తే ఆపేస్తా" అనేది rule కాదు.
దారుణమైన పరిస్థితి కూడా బోరింగ్‌గా అనిపించేంత సైజు పెట్టండి. సాధారణ drawdown మిమ్మల్ని ఆందోళనకు గురిచేస్తే, సైజు చాలా పెద్దది; drawdown తగ్గించడం చూడండి.
మీ reviews కి schedule పెట్టుకోండి. Live P&L ని backtest తో పోల్చడానికి వారానికోసారి, మార్పుల కోసం నెలకోసారి లేదా మూడు నెలలకోసారి. ప్రతి గంటా కాదు.
Journal రాయండి. ప్రతి manual చర్యను, కారణంతో సహా. నెలకోసారి review చేయండి; రాసి పెట్టిన తర్వాత భయం, అత్యాశ patterns స్పష్టంగా కనిపిస్తాయి.
టెస్టింగ్ ద్వారానే మార్చండి. ఏ rule మార్పు అయినా ముందుగా backtest, Live Offline గుండా వెళ్లాలి, నేరుగా live strategy లోకి ఎప్పుడూ కాదు.
స్క్రీన్ సమయం తగ్గించండి. అవసరం లేని P&L notifications ఆఫ్ చేయండి. ప్రతి tick చూస్తుంటే జోక్యం చేసుకోవాలనిపిస్తుంది.

ట్రేడర్ ని కూడా చూసుకోవడం

ఒత్తిడిలో ట్రేడ్ చేస్తే ప్రతి bias ఇంకా పెరుగుతుంది. సింపుల్ అలవాట్లు సహాయపడతాయి: strategies ఎప్పుడు చెక్ చేయాలో ఒక స్థిరమైన routine, ప్రత్యేకమైన వర్క్‌స్పేస్, క్రమం తప్పని వ్యాయామం, తగినంత నిద్ర, చర్య తీసుకునే ముందు నిర్ణయాల గురించి మాట్లాడగలిగే ఒక వ్యక్తి. పెద్ద నిర్ణయం తీసుకునే ముందు చిన్న breathing లేదా mindfulness అభ్యాసాలు కొందరు ట్రేడర్లకు ఉపయోగపడతాయి. ఇవేవీ ట్రేడింగ్ edge కాదు, కానీ మీకు ఉన్న edge ని కాపాడతాయి.

Rules నిర్ణయించనివ్వడం వల్ల లాభాలు

ఇబ్బందికరమైనవాటితో సహా ప్రతి signal తీసుకోబడుతుంది
Stops, limits ప్రతిసారీ పాటించబడతాయి
మీ results strategy ని ప్రతిబింబిస్తాయి, కాబట్టి దాన్ని న్యాయంగా అంచనా వేయవచ్చు
తక్కువ ఒత్తిడి, ఎందుకంటే నిర్ణయాలు ముందే ప్రశాంతంగా తీసుకున్నారు

నష్టాలు, పరిమితులు

నిజంగా కొత్తదానికి rules అనుకూలించలేవు; దానికి మీ విచక్షణ ఇంకా అవసరం
టెస్ట్ చేసిన drawdowns ను భరించడం ఇంకా కష్టమే
బాగా డిజైన్ చేయని rule కూడా మంచి rule అంతే నిష్ఠగా పాటించబడుతుంది

Tradetron లో మీ ప్లాన్ దానంతట అదే నడవనివ్వండి

ప్లాన్‌ను strategy లోనే రాయండి: ప్రతి leg కి SL triggers, strategy P&L పై Universal Exit గా రోజువారీ loss limit, ఓపెన్ లాభం కోసం trailing stop loss, ప్రతి position కి స్థిరమైన lots. దాని దారుణమైన drawdown తెలుసుకోవడానికి backtest చేయండి, తర్వాత Live Offline లో నడపండి (strategy నడుస్తూ ప్రతి trade ను రికార్డ్ చేస్తుంది, కానీ exchange కి ఏదీ పంపదు), నిజమైన డబ్బు రాకముందే జోక్యం చేసుకోకుండా ఉండటం అభ్యాసం చేయవచ్చు.

ఉచితంగా మొదలుపెట్టండి Marketplace లో strategies చూడండి

మరింత కోసం algo ట్రేడింగ్‌లో risk management, live algo trades ఆశించినట్టు perform చేయనప్పుడు ఏం చేయాలి చూడండి.

తరచుగా అడిగే ప్రశ్నలు

భావోద్వేగాలు algorithmic trading ని ఎలా ప్రభావితం చేస్తాయి?

అవి algorithm execution ని కాకుండా దాని చుట్టూ ఉన్న నిర్ణయాలను ప్రభావితం చేస్తాయి: drawdown సమయంలో దాన్ని ఆపేయడం, మంచి run తర్వాత సైజు పెంచడం, నష్టం తర్వాత signals ని override చేయడం, rules ను చాలా తరచుగా మార్చడం. వీటిలో ప్రతిదీ టెస్ట్ చేసిన ప్లాన్ స్థానంలో టెస్ట్ చేయని ప్లాన్‌ను పెడుతుంది.

Algo trading ట్రేడింగ్ నుండి భావోద్వేగాలను తొలగిస్తుందా?

Trades ను execute చేయడం నుండి తొలగిస్తుంది, ఎందుకంటే rules ఆటోమేటిక్‌గా పాటించబడతాయి. ట్రేడర్ నుండి తొలగించదు, ఎందుకంటే సైజు, ఎప్పుడు జోక్యం చేసుకోవాలి, ఎప్పుడు strategy మార్చాలి అనేది ఇంకా ఆయనే ఎంచుకుంటారు. ఆ నిర్ణయాలను ముందే రాసి పెట్టుకుంటే ఆ అంతరంలో చాలా భాగం పూడుతుంది.

ట్రేడింగ్‌లో అత్యంత సాధారణమైన cognitive biases ఏవి?

Confirmation bias, overconfidence, recency bias, anchoring, hindsight bias, availability bias, herding, sunk-cost effect. ప్రతిదీ ఆధారాల యొక్క అసంపూర్ణ లేదా వక్రీకరించిన దృష్టి ఆధారంగా నిర్ణయాలకు దారితీస్తుంది.

ట్రేడింగ్‌లో loss aversion అంటే ఏమిటి?

సమాన లాభాల కంటే నష్టాలను ఎక్కువ బలంగా అనుభవించే ధోరణే loss aversion. Prospect theory పరిశోధనలో నష్టాలు లాభాల కంటే దాదాపు రెండు రెట్లు బరువు కలిగి ఉన్నాయి. దీని వల్ల ట్రేడర్లు నష్టంలో ఉన్న positions ను పట్టుకుంటారు, stops తీసేస్తారు, తప్పు సమయంలో strategies ఆపేస్తారు.

నా trading algorithm ని override చేయడం ఎలా ఆపాలి?

మీరు ఏ పరిస్థితుల్లో జోక్యం చేసుకుంటారో ముందే కట్టుబడండి, ఉదాహరణకు టెస్ట్ చేసిన దారుణమైనదానికి 1.5 రెట్లు మించిన drawdown; సాధారణ drawdowns మిమ్మల్ని భయపెట్టకుండా positions సైజు పెట్టండి; నిరంతరం కాకుండా schedule ప్రకారం results చెక్ చేయండి; ప్రతి manual చర్యను దాని కారణంతో log చేయండి.

FOMO విషయంలో algorithmic trading ఎలా సహాయపడుతుంది?

Algorithm దాని rules చెప్పినప్పుడే ట్రేడ్ చేస్తుంది, కాబట్టి మిస్ అవుతామనే భయంతో ఒక కదలిక వెంట పడదు. మీరు దాని చుట్టూ manual trades వేయకపోతేనే ఆ రక్షణ పనిచేస్తుంది.