الگوریتم معاملاتی چیست؟

الگوریتم معاملاتی چیست؟ الگوریتم های معاملاتی چه نقشی در بازار کریپتوکارنسی دارند؟ الگوریتم معاملاتی بهتر است یا استراتژی معاملاتی؟ به نظر شما تنها با الگوریتم های برنامه‌نویسی شده می‌توان مسیر درستی را پیش گرفت؟ چه مزایا و معایبی در این روش وجود دارد؟ اگر به شما بگوییم که دیگر لازم نیست همیشه پشت چارت بنشینید و به نوسان قیمت‌ها نگاه کنید، چه حسی دارید؟ امروز قرار است به این موضوع پی ببرید که چطور بدون زحمت زیادی معاملات خود را بدون دردسر انجام دهید.

بازار ارزهای دیجیتال نیازمند صبر و حوصله زیادی است که باید طبق اصول و برنامه ترید خود با آن پیش بروید. الگوریتم معاملاتی می‌تواند میان‌بری برای تریدرهای حرفه‌ای باشد تا زمان بیشتری را برای آنها بخرد و بتوانند نتیجه بهتری از معاملات خود بگیرند. همراه بایننس فارسی باشید تا با الگوریتم های معاملاتی و طریقه کاربرد آنها آشنا شوید. همچنین به موضوعاتی همچون اهمیت استفاده از این الگوریتم ها و پیش‌نیاز معاملات الگوریتمی  و… اشاره خواهیم کرد.

الگوریتم معاملاتی یعنی چه؟

از نام عنوان مشخص است، الگوریتم، یک برنامه است که شما آن را مشخص می‌کنید. الگوریتم طبق داده‌هایی که در دست دارد عمل کرده و از آن تبعیت کامل دارد. در معاملات مختلف نیز می‌توان از این الگوریتم ها استفاده کرد. به‌عنوان مثال می‌توانید در بازارهای سرمایه مانند بازار ارزهای دیجیتال، معاملات الگوریتمی مخصوص به خود را بسازید که این معاملات به‌صورت خودکار انجام شده و شما دخالت چندان زیادی در آن نخواهید داشت.

این برنامه‌ها به‌صورت کدنویسی شده هستند و طبق فرمولی اجرا خواهند شد که شما آن را مشخص کرده‌اید. درواقع هوش مصنوعی این رویا را برای شما برآورده کرده است تا دیگر به‌صورت دستی معاملات خود را انجام ندهید. از این ابزار برای گرفتن سود، سیگنال گیری، سفارش‌گذاری خودکار و مدیریت ریسک و … استفاده می‌شود.

اگر بخواهیم کمی به عقب‌تر برگردیم باید گفت که در ابتدا یک برنامه توسط همه تریدرها انجام می‌شود و آن خرید و فروش است. حال برای بهترشدن برنامه ترید، استراتژی معاملاتی را ترتیب می‌دهیم که چه زمانی، چه مقدار و چه ارزی را خریداری کنیم و… که در اینجا استراتژی به برنامه‌های ما شکل و ساختار می‌دهد. در ادامه با استفاده از چند استراتژی می‌توانیم یک سیستم معاملاتی را ترتیب دهیم و در نهایت با کدنویسی و مشخص‌کردن اهداف خود، معاملات الگوریتمی را ترتیب می‌دهیم که درواقع توسط الگوریتم های معاملاتی اجرا می‌شوند.

پیشنهاد می‌کنیم الگوریتم استراتژیک معاملاتی فیوچرز را بیشتر بشناسید!!

بنابراین الگوریتم‌هایی که در معاملات از آن استفاده می‌کنیم، ممکن است بیش از یکی باشند و مجموعه و یا ترکیبی از چند الگوریتم باشند که به یک الگوریتم واحد تبدیل شده‌اند. الگوریتم ها می‌توانند موارد بسیار زیادی را بررسی کنند، مانند: زمان‌بندی خرید و فروش، قیمت بازار، حجم معاملات و… که با استفاده از این داده‌ها برای معاملات اقدام کرده و طبق برنامه شما پیش می‌روند. در نهایت به این نتیجه می‌رسیم که معاملات انجام شده بدون دخالت احساسات تریدر خواهد بود که به دنبال آن شاهد افزایش حجم معاملات هستیم.

الگوریتم معاملاتی مناسب چه کسانی است؟

حتماً با مطالعه متن بالا با خود گفته‌اید که الگوریتم های معاملاتی بهترین انتخاب برای شما هستند یا نه؟ چه افرادی می‌توانند در معاملات خود از الگوریتم های معاملاتی استفاده کنند؟ در پاسخ به این سؤال باید گفت هر شخصی می‌تواند از الگوریتم های معاملاتی در بازار ارز دیجیتال استفاده کند. هیچ محدودیتی برای استفاده در بازارهای مالی وجود ندارد، مگر آنکه کشوری در این خصوص قوانین مشخصی وضع کرده باشد.

ابزارهای اصلی برای اجرای معاملات الگوریتمی چیست؟

اگر قصد داشته باشید از الگوریتم های معاملاتی استفاده کنید، باید آنها را با ابزار و عواملی ساخته و اجرا کنید که نیازمند سه عامل اصلی است و در ادامه قصد داریم آنها را معرفی کنیم. همراه بایننس فارسی باشید تا به‌صورت کامل با الگوریتم معاملاتی در بازار کریپتوکارنسی آشنا شوید.

1. تطبیق دهنده‌ها

مطابقت دهنده‌هایی وجود دارند که داده‌ها و فرمت‌های بازار ارز دیجیتال یا … را به فرمتی تبدیل می‌کنند که برای سیستم‌ها قابل درک باشد. علاوه بر آن دسترسی‌های موردنیاز را به حساب‌ها و اطلاعات را فراهم می‌کنند. برای این منظور از API (رابط برنامه‌نویسی) که در اختیار تریدر قرار داده شده است، استفاده می‌شود.

2. موتور پردازش برای اجرا

اصلی ترین مهره برای الگوریتم های معاملاتی در دست موتور پردازش می‌باشد که استراتژی‌ها و شرایط معین شده از قبل را که توسط معامله‌گر مشخص شده است را روی بازار اعمال می‌کند. درواقع به‌جای تریدر تفکر می‌کند، معامله را باز می‌کند، سیگنال فروش می‌گیرد و… که به خودی خود بار بزرگی را از روی دوش تریدر برمی‌دارد.

این موتورهای پردازش در کمترین زمان، بیشترین بازدهی و کاربرد را دارند که می‌توان گفت ارزش بسیار زیادی برای معامله‌گران دارد.

3. ارسال سفارشات

در این مرحله سفارشاتی که با الگوریتم های معین شده تطابق دارند به بازار ارسال می‌شوند. اطلاعات باید با بازار همخوانی داشته باشند و قابل فهم باشند تا به بهترین شکل اجرا شوند و مشکلی به وجود نیاید.

مهم‌ترین وظایف الگوریتم های معاملاتی

به‌طوری کلی 4 وظیفه برای عملکرد درست الگوریتم های معاملاتی وجود دارد که عبارت‌اند از:

1. مدیریت پوزیشن‌ها
2. مدیریت سرمایه و ریسک‌ها
3. اجرای سفارش (Order) و پوزیشن گیری
4. سرعت بالا در اجرای برنامه و رصد کلی بازار به شکل دقیق

شاید به این موضوع فکر کنید که آیا تمام این موارد به‌صورت خودکار انجام می‌شود یا نه؟ باید گفت که اگر الگوریتمی تمامی این 4 مورد را بدون دخالت تریدر انجام دهد، الگوریتم معاملاتی خودکار یا اتوماتیک گفته می‌شود. اما در صورتی که چند مورد به‌صورت دستی و چند مورد به‌صورت خودکار انجام دهد، نیمه‌خودکار یا نیمه اتومات گفته می‌شود.

چند نوع معاملات الگوریتمی وجود دارد؟

الگوریتم های معاملاتی بر اساس عملکرد و ویژگی که دارند طبقه‌بندی می‌شوند که در ادامه به توضیح هر یک از آنها می‌پردازیم.

1. الگوریتم های مخصوص بخش اجرای معاملات

به‌طورکلی از این الگوریتم ها برای سفارش‌گذاری و اجرای معاملات استفاده می‌شود. اطلاعاتی که از قبل تعیین شده‌اند به پردازش درآمده و سپس برای اردر گذاری سفارش اقدام می‌کند. ممکن است این مرحله به‌صورت خودکار و یا نیمه‌خودکار انجام شود.

فرض کنید قصد دارید حجم زیادی بیت کوین خریداری کنید. به شکلی که ممکن است سبب تغییر قیمت شده و یا یک صف جدید ایجاد کند. به‌هرحال مشکل‌ساز خواهد بود. اما با استفاده از یک برنامه مناسب و الگوریتم معاملاتی، می‌توانید این خرید را به‌صورت پله‌ای انجام داده که کاملاً بدون دردسر خواهد بود.

2. الگوریتم های سیگنال دهی

حتماً با واژه سیگنال ارز دیجیتال آشنا هستید. سیگنال‌ها نقاط خرید و فروشی هستند که به معامله گران کمک می‌کنند به‌راحتی سود خود را در بازار پیدا کنند. یکی از الگوریتم ها نیز چنین وظیفه‌ای دارد؛ یعنی تمام آمار بازارهای ارز دیجیتال را تحلیل کرده و سپس با استفاده از الگوریتم و برنامه‌ای که دارد، سیگنال‌ها را پیدا کرده و به معامله‌گر اعلام می‌کند.

برای مثال به تصویر زیر توجه کنید:

در تصویر بالا سیگنال شورت در ابتدا قرار داده شده است و سپس سیگنال لانگ نمایش داده شده است.

در این تصویر نیز سیگنال شورت و لانگ با فاصله کمی از یکدیگر قرار دارند و در ادامع نیز سیگنال شورت مشاهده می‌شود.

3. الگوریتم های هوشمند بهینه‌ساز

کار اصلی این الگوریتم این است که استراتژی ما را با شرایط بازار مورد سنجش قرار می‌دهد. مشخص است که سود و ضرر در بازار نزولی و صعودی یکسان نیست. الگوریتم باتوجه به برنامه‌ای که به آن داده شده است بازار را زیر و رو می‌کند و شرایط را آزمایش می‌کند که بهینه‌ترین موقعیت برای تریدر چیست. به این شکل که تغییرات بازار را از زمان قبل تا به الان را در بهینه‌ترین حالت برای تریدر یافته و تغییرات آن را روی استراتژی پیاده می‌کند.

معیارهایی که معامله‌گر تعیین می‌کند بهینه‌سازی را شکل می‌دهد. به این صورت که ممکن است معیار تریدر کم‌ترین ضرر یا بیشترین سود باشد و الگوریتم نیز طبق همین دستور عمل کند. با کمک این الگوریتم ها می‌توانیم همیشه به‌روز باشیم و در هر شرایطی بهترین انتخاب را انجام دهیم.

4. الگوریتم های معامله‌گری (تریدینگ)

الگوریتم تریدینگ این اجازه را دارد که ارز دیجیتال موردنظر را خرید و فروش کند که البته زمان آن از قبل توسط تریدر تعیین شده است. در نظر داشته باشید که ما قصد داریم یک معامله لانگ (خرید) داشته باشیم و بعد از نوسان قیمت در قیمت بالاتر از خرید خود، آن را به فروش بگذاریم؛ تنها کافی است تا این استراتژی در الگوریتم شما قرار بگیرد تا بدون دردسر اقدام به خرید و فروش کنید. الگوریتم های معاملاتی تریدینگ به دو نوع فرکانس پایین و فرکانس بالا تقسیم می‌شوند:

 الگوریتم های تریدینگ با فرکانس پایین (LFT)

فاصله دریافت اطلاعات بازار در این الگوریتم ها زیاد است. یعنی سرعت نقش زیادی در عملکرد این الگوریتم ندارد و به همین دلیل استراتژی‌های معاملاتی که توسط الگوریتم های فرکانس پایین انجام می‌شود برای میان‌مدت و بلندمدت مورد استفاده قرار می‌گیرد. نام آن نیز مخفف شده عبارت (Low Frequency Trading) است.

 الگوریتم های تریدینگ با فرکانس بالا (HFT)

نام اصلی الگوریتم های فرکانس بالا (High Frequency Trading) است که برخلاف الگوریتم قبلی سرعت در این مورد حرف اول را می‌زند و باید سرعت دریافت اطلاعات از بازار بالا باشد. هر چه میزان سرعت در این الگوریتم بالا باشد، دقت آن نیز بالاتر بوده و سیگنال‌های بسیار خوبی به‌صورت روزانه می‌توانید دریافت کنید. در تایم فریم‌های پایین نیز کاربرد خواهند داشت. برخی از این الگوریتم ها در بازارهای مالی می‌توانند کمتر از یک دقیقه معامله‌ای را به سرانجام برسانند که به‌طورکلی سود کم اما تعداد معاملات زیاد خواهد بود.

موضوع دیگری که باید در مورد آن صحبت کنیم این است که آیا بازار مالی موردنظر توانایی پردازش داده‌ها را در این سرعت بالا خواهند داشت یا خیر. فرض کنید که بهترین الگوریتم را دارید اما هیچ بازار مناسبی برای اجرای آن ندارید که دقیقاً چنین وضعیتی را باید قبل از ساخت الگوریتم معاملاتی بسنجید.

چرا استراتژی در الگوریتم نقش مهمی دارد؟

استراتژی‌ها به الگوریتم معاملاتی ساختار می‌دهند و مسیر را برای آنها مشخص می‌کنند. با نداشتن یک استراتژی مناسب و ضعیف هیچ سودآوری نخواهید داشت. استراتژی‌ها قرار است به‌جای ما عمل کنند و بهترین تصمیم را بگیرند؛ پس نباید از استراتژی استفاده کنید که تنها مختص به یک‌فصل یا یک گروه از ارزهای دیجیتال یا … باشد. مطمئن شوید که بهترین استراتژی را برای الگوریتم خود قرار داده‌اید تا به کمک آن مسیر معاملات خود را تغییر دهید.

معرفی انواع استراتژی در الگوریتم های معاملاتی

استراتژی‌های مختلفی در الگوریتم های معاملاتی وجود دارند که در ادامه به معرفی 4 مورد از آنها می‌پردازیم:

1. استراتژی‌های دنبال روند (Trend Following)

این نوع استراتژی همراه با روند قیمت پیش می‌رود و به همین دلیل نام آن را (Trend Following) قرار داده‌اند. همچنین یکی از استراتژی‌هایی که محبوبیت زیادی بین افراد دارد، همین استراتژی دنبال روند است که هسته اصلی آن، میانگین قیمت بازار بوده که طبق برنامه معین شده در بازار، سیگنال‌های خرید و فروش ارسال می‌کنند.

2. استراتژی آربیتراژ (Arbitrage)

استراتژی آربیتراژ به این معنی است که الگوریتم به کمک استراتژی بتواند از قسمت اختلاف قیمت به سود برسد. سودی که بدون ریسک و خطرهای جانبی است. فرض کنید که شما تلفن همراه شخصی را به مبلغ 4 میلیون خریداری می‌کنید و سپس آن را به شخص دیگری به مبلغ 6 میلیون تومان می‌فروشید. در این موقعیت شما 2 میلیون تومان سود کرده‌اید و هیچ ضرری سرمایه شما را تهدید نمی‌کند، چون مخاطب خود را خواهید داشت. به این عملکرد، استراتژی آربیتراژ گفته می‌شود.

بازارهای مالی مانند رمزارزها این میدان را برای تریدرها باز گذاشته و این امکان را به استراتژی آربیتراژ می‌دهند که قیمت‌ها را با یکدیگر مقایسه کند و مورد دلخواه خود را پیدا کرده و از آن سود خوبی بگیرند. این اختلاف قیمت در صرافی‌های مختلف ایجاد می‌شود و معمولاً از آربیتراژ در بازارهای متمرکز استفاده می‌شود.

3. استراتژی‌های عجین با ریاضی

تقریباً تمام علوم با ریاضی ارتباط دارند و استراتژی‌ها نیز از این قاعده مستثنا نیستند. استراتژی‌های مختلفی وجود دارند که با ریاضی ادغام شده که به عنوان مثال می‌توان به استراتژی‌هایی مانند دلتا، تحلیل پوششی داده‌ها و گرید تریدینگ و… اشاره کرد که الگوریتم های معاملاتی آنها بر اساس ریاضیات هستند.

به عنوان مثال برای استفاده از استراتژی گرید تریدینگ در ابتدا حجم زیادی احتیاج است تا ریسک اولیه را کمتر کند و سپس بعد از سودآوری، ریسکی سرمایه شما را تهدید نخواهد کرد. با این حال این استراتژی به یک‌روند سودآور دائمی تبدیل می‌شود که فقط به ریاضیات متکی است.

4. استراتژی های برگشت به میانگین سهم

همانطور که از نام این استراتژی پیداست، بر این اصل استوار است که همیشه میانگینی بین بیشترین و کمترین قیمت در بازار قرار می‌گیرد و در مواقعی که پایین کف میانگین و یا برعکس، بالاتر از میانگین قرار داشته باشد، تمایل دارد که به خط میانگین برگشت داشته باشد. خود استراتژی‌های بازگشت به میانگین سهم که توسط الگوریتم های معاملاتی اجرا می‌شود، بر اساس نوع اطلاعات به سه قسمت تقسیم می‌شوند:

1. میانگین زمانی (TWAP)
2. میانگین حجمی (VWAP)
3. میانگین قیمتی (WAP)

پس نوع میانگین مشخص می‌کند که استراتژی از کدام یک پیروی کند. الگوریتم معاملاتی که در نظر گرفته می‌شود باتوجه به محدوده‌ای که در اختیار دارد، زمانی اقدام به خرید و فروش می‌کند که خارج از محدوده قرار بگیرد.

5. استراتژی معامله و صندوق‌های شاخص

در بازارهای مالی صندوق‌های مختلفی وجود دارند که بر اساس شاخص مخصوص خود فعالیت می‌کنند. به همین علت صندوق‌ها را با شاخص حوزه فعالیت آنها مورد سنجش قرار می‌دهند. این صندوق‌ها قصد دارند در تمامی فعالیت‌ها، خود را شاخص موردنظر نزدیک کنند.

نحوه کار آنها به این صورت است که اگر پایین‌تر از شاخص قرار بگیرند، به شکل پله‌ای اقدام به خرید می‌کنند و هنگامی که بازدهی آنها بالاتر از شاخص باشد، فروش را در اولویت خود قرار می‌دهند. تایم فریم نقش مهمی در این استراتژی دارد. بر اساس بازه زمانی که در آن معامله صورت می‌گیرد، با فرکانس پایین(LFT)  یا فرکانس بالا (HFT) تعریف خواهند شد.

مزایا و معایب معاملات الگوریتمی چیست؟

در این بخش از مقاله الگوریتم معاملاتی چیست به بررسی مزایا و معایب معاملات الگوریتمی می‌پردازیم.

مزایای معاملات الگوریتمی چیست؟

1. صرفه‌جویی در زمان

با استفاده از الگوریتم های معاملاتی می‌توانیم همیشه بازار را مدنظر داشته باشیم و همه قسمت‌های آن را پوشش دهیم؛ پس زمان بسیار زیادی را برای خود ذخیره می‌کنیم.

2. کنترل احساسات

حتماً برای شما هم این مشکل ایجاد شده است که بر اساس احساسات خود تصمیم به انجام یک معامله بگیرید و ضرر زیادی را به دنبال آن تجربه کرده باشید. با استفاده از معاملات الگوریتمی و الگوریتم های موجود، هیچ احساسی وجود ندارد که سرمایه شما را در معرض خطر قرار بدهد.

3. صرفه‌جویی در هزینه

برای اجرای الگوریتم های معاملاتی تنها به هزینه ساخت و زمانی که صرف ساخت آن می‌کنید نیاز خواهید داشت و دیگر هزینه خاصی برای انجام معاملات خود ندارید و قطاری می‌سازید که هیچ توقفی در مسیر خود ندارد.

4. معاملات سنگین و پیچیده

با استفاده از الگوریتم های معاملاتی می‌توانید از چند استراتژی استفاده کنید و معاملات خود را از چند جنبه پیش ببرید. در حالت معمولی نمی‌توانید چنین معاملاتی را انجام دهید.

5. حجم معاملات و افزایش دقت

دقت ماشین‌ها همیشه بیشتر از انسان بوده و دیگر خطای انسانی در کار نخواهد بود؛ همچنین حجم معاملات بسیار سبک‌تر خواهد بود. به این دلیل که معاملات بزرگ به معاملات کوچک‌تری تبدیل می‌شوند که سبب گستردگی در قیمت معاملات خواهد شد.

6. نتیجه‌گیری سریع

با کمک این ابزار می‌توانیم قبل از اجرای کامل یک استراتژی، از درستکار کردن آن اطمینان حاصل کنیم. به همین دلیل لازم نیست هزینه‌ای را پرداخت کنیم و بعد از اتمام مراحل ساخت، آن را آزمایش کنیم.

7. جلوگیری از صف Buy یا Sell

برای ایجاد نشدن صف خرید و صف فروش می‌توان معاملات بزرگ و با حجم زیاد را به معاملات کوچک‌تر تبدیل کرد که یکی دیگر از فواید الگوریتم های معاملاتی این نکته است.

8. رشد بازار

زمانی که همه خرید و فروش‌ها، به جا انجام شوند و معاملات به‌صورت کوچک به سرانجام برسند، دیگر دلیلی برای از دست دادن بازار نخواهیم داشت و این یک معامله دو سر برد خواهد بود.

9. کاهش دور زدن قانون

با افزایش حجم معاملات در بازارهای مالی از جمله رمزارزهای دیجیتال، شاهد این موضوع خواهیم بود که مقدار تخلفات نیز به حداقل می‌رسد و از بروز آنها جلوگیری می‌شود.

معایب معاملات الگوریتمی چیست؟

در این بخش از مقاله الگوریتم معاملاتی به معایب این پدیده قدرتمند اشاره می‌کنیم.

1. مشکلات فنی در کدنویسی الگوریتم ها

در برخی مواقع ممکن است باگ‌های مختلفی در الگوریتم ایجاد شود که نشان‌دهنده یک اشتباه در کدنویسی است و شاید دیگر نتوان آن را ویرایش نمود و چاره‌ای جز دوباره‌نویسی الگوریتم برای تریدر نمی‌گذارد.

2. دست‌کاری بازار

با استفاده از این الگوریتم های معاملاتی افرادی که دستی در بازار دارند و حجم زیادی از معاملات در دست آنان است، می‌توانند بازار را دست‌کاری کرده و به سود خود استفاده کنند.

3. صف خرید و فروش کاذب

همان‌طور که گفته شد این الگوریتم های معاملاتی می‌توانند از ایجاد صف‌های خرید و فروش جلوگیری کنند که در جبهه مخالف نیز ممکن است سبب ایجاد صف‌های خرید و فروش کاذب شوند.

نتیجه‌گیری

در این مقاله بسیار کاربردی به الگوریتم معاملاتی پرداختیم که می‌توان با استفاده از آن غوغایی در معاملات ایجاد کرد. شما هم اگر قصد دارید به کمک این روش معاملات خود را جلو ببرید، کافی است تا همین حالا تصمیم قطعی خود را برای شروع یک داستان پر ماجرا بگیرید.

در این مطلب آموزشی به تعریف الگوریتم معاملاتی، معرفی انواع استراتژی‌ها در الگوریتم های معاملاتی و ابزارهای اصلی برای راه‌اندازی یک الگوریتم معاملاتی و … اشاره کردیم که به‌صورت مجزا در مورد هرکدام توضیحات خوبی ارائه شد. الگوریتم معاملاتی می‌تواند انقلاب جدیدی در برنامه ترید شما ایجاد کند تا بتوانید مسیرهای بیشتر و سریع‌تری را برای رسیدن به هدف خود امتحان کنید. نحوه تهیه اشتراک رایگان الگوریتم معاملاتی و اضافه کردن آن به چارت را نیز آموزش ببینید.

سؤالات متداول

برنامه نویسی ربات معاملاتی چطور امکان پذیر است؟

به کارگیری مهارت برنامه نویسی برای نوشتن یک ربات کاملاً لازم و ضروری است. مثلاً اگر بخواهید در تریدینگ ویو اندیکاتور خود را ایجاد کنید باید زبان Pine Script را فرا بگیرید.

آیا ممکن است خطایی در معاملات الگوریتمی رخ دهد؟

خطاهای انسانی همیشه وجود داشته اند و در این مورد نیز اگر مشکلی ایجاد شود، باید توسط خود برنامه نویس رفع شود.

برای داشتن یک الگوریتم معاملاتی به چه مواردی نیاز داریم؟

برای ایجاد یک الگوریتم، به برنامه نویس حرفه ای و دسترسی داشتن به دیتای بازار و همچنین بک تست گرفتن و دسترسی به پلتفرم های معاملاتی ضروری است.