हाई-फ़्रीक्वेंसी ट्रेडिंग से पैसे कैसे कमाए जा रहे हैं?

इस लेख के पहले भाग में लिखा हैः 30 जुलाई, 2016 को, ट्रेडिंग गेटवे के नायक, हाई-फ्रीक्वेंसी ट्रेडर लीओ ने हांगकांग में परिवहन विश्वविद्यालय के हांगकांग एलुमनी एसोसिएशन के निमंत्रण पर, एक विषय साझा करने के लिए एक विषय साझा किया, जिसका शीर्षक था “क्वांटिमाइज्ड फाइनेंस और हाई-फ्रीक्वेंसी ट्रेडिंग कुंडल”। लीओ की सहमति प्राप्त की, ट्रेडिंग गेटवे ने इस साझाकरण की सामग्री को पहली बार जारी किया। इस व्याख्यान को लीओ द्वारा संशोधित किया गया है, धन्यवाद लीओ।

• मैं आईटी के बारे में बात करूंगा क्योंकि मैं हमेशा आईटी में रहा हूं। क्योंकि मैंने गणित और आंकड़ों का औपचारिक अध्ययन नहीं किया है, इसलिए यह कम औपचारिक लग सकता है, कुछ छोटे-छोटे समाचार और अपने स्वयं के व्यापार के बाद का अनुभव है। मैं चार प्रकार की ट्रेडिंग रणनीतियों के बारे में बात करूंगा, और फिर मैं गणित और आईटी के बारे में बात करूंगा। Quantitative Trading को दो भागों में विभाजित किया जा सकता है, एक Quantitative और दूसरा Trading. Quantitative पारंपरिक मैनुअल ट्रेडिंग की तुलना में, कई चीजें मॉडल के माध्यम से की जाती हैं, न कि अंतर्ज्ञान के आधार पर। ट्रेडिंग जोखिम नियंत्रण से जुड़ा हुआ है, मैनुअल ट्रेडिंग के बजाय, प्रोग्रामिंग के माध्यम से किया जाता है। Quantitative Trading में बहुत सी श्रेणियां हैं, एक सप्ताह या एक महीने में हो सकती हैं। मौलिक भाग में कुछ Long / Short Equity हैं, कुछ Alpha Strategy हैं। एक मूल्य निर्धारण मात्रा है, जैसे कि ऑप्शन मूल्य निर्धारण कैसे करें। एक प्रकार शुद्ध बाजार डेटा की मात्रा है। यानी वह केवल मूल्य और मात्रा को देखता है, मूल्य और मात्रा पर किया गया तकनीकी विश्लेषण, शुद्ध बाजार डेटा।

चित्र 1

• उच्च आवृत्ति व्यापार मूल रूप से शुद्ध बाजार डेटा का उपयोग करता है, क्योंकि यह अपने आप में डेटा के लिए थोड़ी अधिक आवश्यकता है। बाजार डेटा हर समय बदल रहा है, लेकिन मौलिक, समाचार, आम तौर पर हर समय नहीं बदलता है। उच्च आवृत्ति ट्रेडिंग क्या है? सबसे पहले, यह स्वचालित है। उच्च आवृत्ति ट्रेडिंग को हाथ से नहीं किया जा सकता है, एक समय के स्तर पर नहीं, बहुत अधिक कंप्यूटिंग क्षमता की आवश्यकता होती है, शक्तिशाली कंप्यूटर की आवश्यकता होती है, और फिर बड़ी संख्या में ऑर्डर होते हैं, जो मानव हाथों की तरह नहीं होते हैं, शायद हर सेकंड, हर मिलीसेकंड, व्यापार कर रहे हैं। बेशक इस सूची में बहुत सारे आदेश वापस लिए गए हैं, बहुत सारे आदेश वापस लिए गए हैं। कुछ रणनीतियों में बहुत सारे आदेश वापस लिए गए हैं, शायद एक मिलियन से अधिक आदेश दिए गए हैं, केवल दस हजार से अधिक लेनदेन किए गए हैं। इसके अलावा, यह बहुत तेज है। और परिभाषा यह है कि जटिल एल्गोरिदम की आवश्यकता है, मुझे एक प्रश्न चिह्न दें, क्योंकि कुछ एल्गोरिदम वास्तव में सरल हैं, जटिल नहीं हैं, शायद प्राथमिक गणित के स्तर पर हैं। आगे बात करने से पहले, मैं कुछ समय की अवधारणाओं का परिचय देता हूं। हमारे सामान्य समय में, छोटी इकाइयाँ सेकंड में, और यहां तक कि मिनट में भी हो सकती हैं। सेकंड के नीचे, एक मिलीसेकंड हैः एक हजारवां। एक आँख बंद करने पर, यह लगभग 300 मिलीसेकंड जैसा दिखता है। शंघाई से शेन्ज़ेन तक डेटा ट्रांसमिशन, एक पिंग लगभग 30 मिलीसेकंड है। फिर माइक्रोसेकंड, एक हजारवां, एक मिलियनवां। उच्च आवृत्ति लेनदेन में, एक लेनदेन का निर्णय लगभग 10-20 माइक्रोसेकंड है, निश्चित रूप से कुछ हार्डवेयर तरीकों से 2 माइक्रोसेकंड के बारे में किया जा सकता है। माइक्रोसेकंड के नीचे एक नैनोसेकंड है, एक हजारवां माइक्रोसेकंड। यह बहुत तेज है।

चित्र 2

• तुलना करेंः 350 मिलीसेकंड में आँखें बंद करना; उच्च आवृत्ति ट्रेडिंग 1000 व्यापार निर्णयों को केवल 15 मिलीसेकंड में करना। हम कहते हैं कि एक पल में, एक पल में 10,000 से अधिक ट्रेडिंग निर्णय लिए जा सकते हैं। इसलिए, उच्च आवृत्ति ट्रेडिंग की समयरेखा अलग है, एक सेकंड उच्च आवृत्ति ट्रेडिंग के लिए बहुत लंबा है।

• #### नीचे हम कुछ प्रमुख प्रकार की रणनीतियों के बारे में बात करते हैं।

चित्र 3

• मार्केटिंग रणनीति

बाजार में व्यापार करने की रणनीति का मुख्य उद्देश्य बाजार में तरलता प्रदान करना है, बोली/पूछने के लिए सूचीबद्ध करें, बोली/पूछने के लिए संकीर्ण करें, बीच में अंतर कमाएं। यह बहुत सरल लगता है, लेकिन कई मॉडल हैं, जोखिम नियंत्रण, आईटी पर हथियारों की दौड़। और यह सब कुछ है, यहाँ कुछ इमारतों को बेहतर बनाया गया है। वहाँ एक बहुत कुछ है कि आप के बारे में बात कर सकते हैं, जैसे कि कैसे अपने पदों को नियंत्रित करने के लिए, अपने जोखिम. वहाँ एक बहुत कुछ है कि आप भविष्यवाणी कर सकते हैं. वहाँ एक बहुत कुछ है कि आप कैसे भविष्यवाणी कर सकते हैं अस्थिरता और कीमत. वहाँ एक बहुत कुछ है कि आप कैसे तेजी से उद्धरण प्रदान कर सकते हैं. वहाँ एक बहुत कुछ है कि आप कैसे तेजी से आदेश वापस ले सकते हैं. IT की लागत बहुत अधिक है क्योंकि हर कोई प्रतिस्पर्धा कर रहा है और हर कोई चाहता है कि यह और भी तेज हो, Co-Location से लेकर FPGA तक, और अब माइक्रोवेव तक। प्रतिस्पर्धा बहुत अधिक है। और यह सिर्फ इसलिए है क्योंकि यह बहुत अधिक है, इसलिए बाकी के कुछ अच्छे हैं। आम निवेशकों के लिए, बाजारों का अस्तित्व लाभदायक है, क्योंकि वे कम कीमतों पर खरीद और बिक्री करते हैं। चित्र 4 यह पिछले साल 12 अगस्त को मेरी एक रणनीति का प्रदर्शन है, जो 50 स्टॉक इंडेक्स फ्यूचर्स को प्रमाणित करता है। उस दिन पूरे बाजार में 225,000 लोगों का कारोबार हुआ था, मेरी रणनीति 4.1% थी, पी एंड एल भी चल रहा था, ड्रॉडाउन भी छोटा था। पूंजी की मांग भी कम थी, पूरे दिन केवल 500,000 की जरूरत थी, 210,000 से अधिक की कमाई हुई, 43.5% की आय। पिछले साल जुलाई में, शेयरों की तबाही के कारण, सेंट्रल बैंक ने स्टॉक इंडेक्स वायदा पर कुछ निवेशकों पर प्रतिबंध लगाना शुरू कर दिया। जुलाई में, बोली / पूछें फैलाव के संकेत हैं। 7 सितंबर तक, सेंट्रल बैंक ने सट्टेबाजों पर प्रतिबंध लगाना शुरू कर दिया, जमा गारंटी को 40 प्रतिशत तक बढ़ा दिया, जमा प्रसंस्करण शुल्क को 23 हजार प्रतिशत तक बढ़ा दिया गया, एकल वस्तुओं के लिए एक दिन में स्टॉक ट्रेडिंग की मात्रा 10 हाथ से अधिक नहीं थी। बाजार की लेनदेन की मात्रा पहले से कम 1% तक कम हो गई थी। क्योंकि बाजार की रणनीति अच्छी नहीं थी, 10 हाथों की बाजार रणनीति बिल्कुल काम नहीं करती थी, कुछ को बंद कर दिया गया था। हम बोली / पूछें फैलाव में बदलाव देख सकते हैं। चित्र 5 चित्र 6 इसलिए, बाजार बनाने की रणनीति बाजार की तरलता को बढ़ा सकती है, बोली/पूछो प्रसार को कम कर सकती है, और अधिक मात्रा में खरीदारी और बिक्री के परिणामस्वरूप कई स्लाइड बिंदु नहीं होते हैं। बाजार बनाने की रणनीति में अनुमान लगाने की आवश्यकता होती है कि कौन सी कीमत अधिक उचित है। स्टॉक इंडेक्स वायदा बाजार में, कोई व्यक्ति स्टॉक इंडेक्स के उचित मूल्य की भविष्यवाणी करने के लिए एक टोकरी का उपयोग करेगा।

• सांख्यिकीय तर्क मैं केवल इस बारे में बात कर रहा हूं। सांख्यिकीय सट्टेबाजी में संभावनाएं, डेटा खनन, मॉडलिंग, लेन-देन निष्पादन और डेटा क्लीनिंग शामिल हैं। डेटा खनन बहुत महत्वपूर्ण है, और यह कभी-कभी बहुत दर्दनाक होता है। एक बहुत ही क्लासिक कहावत है: कचरा अंदर, कचरा बाहर। बहुत सारे क्वान्ट बहुत समय डेटा प्रसंस्करण पर खर्च करते हैं। कभी-कभी बहुत ही रोमांचक परिणाम मिलते हैं, जब डेटा गलत हो जाता है। एक सबसे सरल सट्टा मॉडल ऐतिहासिक कीमतों के उतार-चढ़ाव की दर है, दोनों तरफ कुछ निष्पादन क्षेत्रों को जोड़ना। उदाहरण के लिए, दूध पाउडर, हांगकांग से 100 डॉलर में खरीदा गया, मुख्य भूमि में 120 डॉलर में बेचा गया। बीच में आप 10 डॉलर की सड़क किराया खर्च करते हैं, और अंत में 10 डॉलर कमाते हैं। यह आपका सट्टा है। उदाहरण के लिए, सोने के लिए, घरेलू और विदेशी बाजारों में मानक अनुबंध है, सिद्धांत रूप में मूल्य एक ही है, बाहर ले लिया है दो सोने की छड़. लेकिन कीमतों में उतार-चढ़ाव होगा, हम इस मूल्य अंतर की गणना करने के लिए, अगर यह ऐतिहासिक सांख्यिकीय क्षेत्र से विचलित है, उदाहरण के लिए, ब्रेक्सिट के समय, चीन के सोने सस्ता है, और अमेरिका के सोने की कीमत है. तो हम खरीद सकते हैं और कम कीमतों में बेचने के लिए, उच्च कीमतों से लाभ के लिए. बेशक, व्यावहारिक संचालन में, वहाँ तरलता कारक और अन्य कारकों का प्रभाव होगा, जो कुछ अनुभव की जरूरत है.

• भविष्यवाणी पिछले बाजार के आंकड़ों और वर्तमान बाजार की स्थिति की तुलना करके, भविष्य के मूल्य आंदोलन की भविष्यवाणी करें: मूल्य = a + b + c यह भविष्य की कुंडली अगले सेकंड, अगले मिनट, अगले ट्रेडिंग दिन, अगले सप्ताह, अगले महीने हो सकती है यदि आपका मॉडल सटीक है, तो यह एनबी से आगे है, चाहे वह अगले सेकंड, अगले मिनट या अगले सप्ताह हो जब तक आपका मॉडल प्रभावी है, तब तक यह एनबी है यह एक आसान काम नहीं है, आधार और अनुभव की आवश्यकता है मैं अभी भी सीख रहा हूं, बहुत अनुभव नहीं है चित्र 7 यह एक बुनियादी प्रक्रिया है, जो पहले आंकड़ों को ठीक करती है और फिर यह पता लगाती है कि कौन से कारक बाजार को प्रभावित कर रहे हैं। आप जल्दी से शुरू कर सकते हैं, और एक औसत रेखा के साथ, और आप जल्दी से परिणाम प्राप्त कर सकते हैं, लेकिन आप अपने मॉडल की स्थिरता को कैसे बनाए रख सकते हैं, यह निरंतर ट्यूनिंग, निरंतर चक्र की आवश्यकता है। आप प्रशिक्षण, मूल्यांकन मॉडल, और फिर अपने फैक्टर को अनुकूलित करें। अब, निश्चित रूप से, बहुत सारे फैक्टर हैं, और कुछ लोगों का तरीका यह है कि वे 500 फैक्टर डालते हैं। उनका मॉडल उन्हें बता सकता है कि कौन से फैक्टर काम करते हैं और कौन से फैक्टर काम नहीं करते हैं, और उच्च सहसंबंध वाले फैक्टर को हटा सकते हैं। लेकिन यह बात है, मैं अभी भी सीख रहा हूं, मेरे पास बहुत अनुभव नहीं है। मैं सिर्फ इतना जानता हूं कि ये तरीके हैं। एक सुपर सिंपल की खामी यह नहीं है कि यह सरल है, सबसे सरल एक भविष्यवाणी मॉडल है कि कीमतें औसत रेखा पर वापस आ जाएंगी। औसत रेखा क्या है, अपने आप को पीस लें। इस बीच की जटिलता, ज्यादातर डेटा से आती है। मॉडल के अनुसार, आर में बहुत सारे पैकेज हैं, जो आपको अच्छा स्वचालित करने में मदद कर सकते हैं। कई संकेतक स्वचालित हो सकते हैं, और चार्ट भी बहुत मददगार हैं। Data और Factor दोनों को लगातार परिष्कृत करने की आवश्यकता है।

  • Micro Structure उदाहरण के लिए, स्टॉक ट्रेडिंग में अक्सर समर्थन बिंदु, दबाव बिंदु के बारे में सुना जाता है, यह सरल सूक्ष्म संरचना है। शायद यह समर्थन बिंदु है, वहाँ कई बोली है, वहाँ कई बोली है। पिछले साल अमेरिकी सीबीएसई द्वारा किए गए एक सर्वेक्षण को देखें। Spoofer, बाजार में Bluffing के कुछ खिलाड़ियों. बाजार सामान्य था, खरीद मूल्य 10,20 था, अचानक एक खिलाड़ी ने कहा कि मैं 1000 खरीदना चाहता हूं. सभी को लगता है कि एक बड़ी खरीद है, सभी खरीदने के लिए जाते हैं. शेयरों की चाल सूक्ष्म रूप से आपूर्ति और मांग के संबंध में है. खरीदारों की संख्या में वृद्धि होती है। किसी ने 1 मिलियन की बोली लगाई, और बढ़ना शुरू कर दिया। और फिर वह बेचना शुरू कर दिया। यह स्पूफिंग है। अमेरिकी सीआरसी ने इसे बाजार में हेरफेर करने के लिए सख्ती से परिभाषित किया है, यह अवैध है। दो दिलचस्प लिंक पोस्ट करेंः How to Catch a Spoofer http://www.bloomberg.com/graphics/2015-spoofing/ Iceberg Orders http://www.marketdelta.com/blog/2011/10/footprint-chart/iceberg-orders/ गणित, मेरे अनुभव से, प्राथमिक गणित और पीएचडी गणित दोनों का उपयोग किया जाता है। प्राथमिक गणित को कम मत समझो, यह बहुत सारे गड्ढे लगाएगा। थोड़ा उन्नत, जैसे कि मूल्य निर्धारण बहुत पेशेवर है। और भविष्यवाणी मॉडलिंग है, जो बहुत व्यापक है, और यह बहुत लंबे समय तक चल रहा है, और कई कंपनियां इसका उपयोग कर रही हैं। उच्च आवृत्ति की कमजोरी यह है कि इसकी क्षमता बहुत कम है। मान लीजिए कि आप उसे 500,000 देते हैं, वह 200,000 कमाता है। आप उसे 5 मिलियन देते हैं, वह अभी भी 200,000 कमा सकता है।

• #### IT… … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … . .

इन दोनों मामलों में, यह कहना है कि आईटी महत्वपूर्ण है, और यह आपको बहुत सारा पैसा खो सकता है। चित्र 8 आईटी सिस्टम को मुख्य रूप से उपरोक्त चार भागों में विभाजित किया गया है: मूल्य डेटा अपेक्षाकृत सरल है, और मूलभूत डेटा, अनस्ट्रक्चर्ड डेटा जैसे अधिक जटिल हैं, बहुत सारे प्रोग्रामर कोड की आवश्यकता होती है, इसे कैसे इकट्ठा करना है, इसे प्रारूपित करना है, इसे एकीकृत करना है, इसे एक्सेस करना है। एक क्वांट होने के नाते, मैं किसी दिन डेटा को एक चित्र बनाने के लिए लेना चाहता हूं। हम अब मूल रूप से इस स्थिति में हैं, डेटा के ढेर के साथ बहुत कुछ करना आसान है, और दूसरी ओर क्वांट बहुत कम कोड लिखता है। क्योंकि हम कई डेटा संरचनाओं और डेटा इंटरफेस को एकीकृत करते हैं। चाहे वह सी ++ हो, सी # हो, या स्काला से, यह डेटा एक ही प्रारूप में है, यह बहुत सुविधाजनक है। बेशक आप गलत नहीं कर सकते हैं, आपकी त्रुटि सहनशीलता और आप त्रुटि की जांच करने की क्षमता भी बहुत अधिक होनी चाहिए। पहले भी हम ऐसी स्थिति में आए हैं, बहुत अच्छी प्रतिक्रिया, हर दिन पैसा कमा रहे हैं, लेकिन परिणाम में डेटा गलत है। बहुत मूर्खतापूर्ण गलतियाँ। अक्सर होता है, आशा है कि बाद में भी होगा। लेकिन बाद में बहुत एनबी की प्रतिक्रिया के परिणाम को देखते हुए, हम और अधिक संदेह करेंगे। यह निष्पादन एपीआई के सभी प्रकार, बाजार तक पहुंच के सभी प्रकार, और हवा नियंत्रण के सभी प्रकार है। उच्च-आवृत्ति के क्षेत्र में, गति बहुत महत्वपूर्ण है। क्योंकि बहुत सारे डेटा सार्वजनिक हैं, और बहुत से लोग इसे देख सकते हैं। जब बहुत से लोग एक अवसर देखते हैं, तो केवल सबसे तेज लोग ही इसे प्राप्त कर सकते हैं। प्रत्येक बाजार में अलग-अलग एपीआई हैं, और एक एकीकृत प्रोटोकॉल है, जैसे कि फिक्स प्रोटोकॉल, लेकिन जरूरी नहीं कि हर एक्सचेंज द्वारा समर्थित हो, लेकिन फिक्स प्रोटोकॉल स्वयं धीमा है। उच्च-आवृत्ति शब्द आमतौर पर सी ++, एफपीजीए के लिए एक एकल मॉड्यूल है, हम आमतौर पर सी ++, एफपीजीए हैं। अब हमारे पास एफपीजीए के ऊपर एक छोटी सी रणनीति है, ओएस के माध्यम से नहीं। Back Testing, कभी-कभी कुछ ऐसा होता है जो Quant के दिमाग में आता है, और हो सकता है कि आपका Back Testing सिस्टम अभी तक इसका समर्थन नहीं कर रहा हो, और आपको इसे बदलने की आवश्यकता हो। विज़ुअलाइज़ेशन बहुत ज़रूरी है. आप यह नहीं कह सकते कि मुझे एक ढेर संख्याएं दीजिए, मैं उन्हें नहीं देख सकता. चित्रों को देखने के लिए यह बहुत आसान है. हमने स्काला में चित्र बनाने में बहुत मेहनत की, R में चित्र बनाने में बहुत मेहनत की. क्योंकि चित्रों का ढेर और आंकड़ों का ढेर एक ही नहीं है. यह भी महत्वपूर्ण है कि आप कितनी तेजी से वापस आ सकते हैं. उदाहरण के लिए, एक रणनीति, एक साल के आंकड़ों को वापस लेने में आपको एक सप्ताह का समय लगता है. एक सप्ताह तक इंतजार करने के लिए कौन है? एक मिनट भी स्वीकार्य हो सकता है. रणनीति में पैरामीटर के लिए एक पुनरावृत्ति प्रक्रिया है, उदाहरण के लिए, पैरामीटर, मैं देखना चाहता हूं कि 1 से 100 तक परीक्षण कैसे होता है. आप प्रत्येक परीक्षण के लिए 5 मिनट का समय लेते हैं, और जब मैं अनुकूलन कर रहा हूं तो मुझे 100,000 पैरामीटर परीक्षण करने की आवश्यकता हो सकती है, तो मैं इंतजार नहीं कर सकता। यहाँ भी हमने बहुत सारे ऑप्टिमाइज़ेशन किए हैं, जैसे कि कैसे डेटा लेना है, कैसे कैश करना है, और बीच में इसकी परफॉरमेंस को बढ़ाना है। इससे पहले, मैंने पिछले कंपनी में कुछ क्लाउड कंप्यूटिंग के प्रयोग भी किए थे, और कुछ फीडबैक इंजन को सभी सर्वरों पर वितरित किया था। तो, एक अनुरोध पारित किया गया था, और कई मशीनें एक साथ चल रही थीं। आप इसे एक दूसरे को प्रभावित किए बिना कर सकते हैं। प्रत्येक पैरामीटर स्वतंत्र है। इसे एक साथ गणना की जा सकती है। और एक और है मॉनिटरिंग. यहाँ बहुत सारे ऑटोमेशन हैं. और बहुत सारी रणनीतियाँ हैं. और यह बहुत यथार्थवादी नहीं है कि इसे मैन्युअल रूप से नियंत्रित किया जाए. मॉनिटर जोखिम कैसे जाएं, अलर्ट कैसे जाएं, यह भी एक बहुत ही महत्वपूर्ण कड़ी है। जैसे कि हमारी रणनीति अब स्वचालित रूप से चल रही है, सभी रणनीतियों की निगरानी, प्रत्येक रणनीति का जोखिम स्तर अलार्म से अधिक नहीं हो सकता है। विशेष रूप से, हम रात के डिस्क का व्यापार करते हैं, इसलिए प्रोग्रामर अक्सर रात में सोते हैं, यह बहुत यथार्थवादी नहीं है। इसलिए यदि कोई महत्वपूर्ण त्रुटि है, तो सीधे फोन पर कॉल करें। अब हम बहुत आराम करेंगे। जब आप बहुत सारी किस्मों का व्यापार करते हैं, तो यह लगभग असंभव है कि हर कोई वहां है, इसलिए बहुत सारी निगरानी की जानी चाहिए।

• #### अनुशंसित पढ़नाः

Flash Boys
Quantitative Trading: How to Build Your Own Algorithmic Trading Business
The Quants: How a New Breed of Math Whizzes Conquered Wall Street and Nearly Destroyed It
The Problem of HFT - Collected Writings on High Frequency Trading & Stock Market Structure Reform
Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading
Algorithmic Trading: Winning Strategies and Their Rationale
Quantitative Trading with R: Understanding Mathematical and Computational Tools from a Quant's Perspective

http://numericalmethod.com/courses/introduction-to-algorithmic-tradingstrategies-2011-2013/ https://www.quantstart.com/articles/beginners-guide-to-quantitative-trading https://www.zhihu.com/publications/nacl/19550372

जोड़ना