Algoritmisk handel (eller "algo" trading) refererer til bruk av datamaskinalgoritmer (i utgangspunktet et sett med regler eller instruksjoner for å få en datamaskin til å utføre en gitt oppgave) for handel med store blokker av aksjer eller andre finansielle eiendeler, samtidig som markedseffekten av slike handler. Algoritmisk handel innebærer å plassere handler basert på definerte kriterier og utskille disse handler til mindre partier, slik at prisen på aksjen eller eiendelen ikke blir betydelig påvirket.
Fordelene med algoritmisk handel er åpenbare: det sikrer "best gjennomføring" av handler fordi det minimerer det menneskelige elementet, og det kan brukes til å handle flere markeder og eiendeler langt mer effektivt enn en kjøtt- og beinhandler kunne håpe å gjøre. (For mer, les: Grunnleggende om algoritmisk handel: konsepter og eksempler ).
Hva er algoritmisk høyfrekvenshandel?
Høyfrekvent handel (HFT) tar algoritmisk handel til et annet nivå - tenk på det som algohandel på steroider. Som begrepet tilsier, innebærer høyfrekvent handel å plassere tusenvis av ordre i blendende høye hastigheter. Målet er å oppnå bittelitt overskudd på hver handel, ofte ved å utnytte prisavvik for den samme aksjen eller eiendelen i forskjellige markeder. HFT er diametralt motsatt fra tradisjonelle langsiktige, kjøp og hold investeringer, siden arbitrage og markedsførende aktiviteter som er HFTs brød-og-smør generelt oppstår i et veldig lite tidsvindu, før prisavvikene eller misforholdene forsvinner.
Algoritmisk handel og HFT har blitt en integrert del av finansmarkedene på grunn av konvergens av flere faktorer. Disse inkluderer den voksende rollen til teknologi i dagens markeder, den økende kompleksiteten til finansielle instrumenter og produkter, og den uophørlige drivkraften mot større effektivitet i utførelse av handel og lavere transaksjonskostnader. Selv om algoritmisk handel og HFT uten tvil har forbedret markedets likviditet og konsistens for prisfastsetting av eiendeler, har deres økende bruk også gitt opphav til visse risikoer som ikke kan ignoreres, som diskutert nedenfor.
Den største risikoen: Forsterkning av systemisk risiko
En av de største risikoene med algoritmisk HFT er den den utgjør for det finansielle systemet. En rapport fra juli 2011 fra den internasjonale organisasjonen for verdipapirutvalg (IOSCO) (IOSCO) bemerket at på grunn av de sterke sammenkoblinger mellom finansmarkeder, som de i USA, kan algoritmer som opererer på tvers av markeder overføre sjokk raskt fra det ene markedet til det neste, og forsterker dermed systemisk risiko. Rapporten pekte på Flash Crash fra mai 2010 som et godt eksempel på denne risikoen.
Flash Crash refererer til 5% -6% stup og tilbakespring i store amerikanske aksjeindekser i løpet av noen minutter på ettermiddagen 6. mai 2010. Dow Jones kastet nesten 1 000 poeng på en intradagbasis, som på det tidspunktet tiden var dens største poengfall på rekorden. Som IOSCO-rapporten bemerker, gikk mange aksjer og børshandlede fond (ETF-er) høykabel denne dagen, og falt mellom 5% og 15% før de gjenvunnet det meste av tapet. Over 20 000 handler i 300 verdipapirer ble gjort til priser så mye som 60% unna verdiene bare øyeblikk tidligere, med noen handler utført til absurde priser, fra så lavt som en krone eller så høyt som $ 100.000. Denne uvanlig uberegnelige handelshandlingen skranglet investorene, spesielt fordi den skjedde et drøyt år etter at markedene hadde kommet tilbake fra de største fallene på mer enn seks tiår.
Bidro "Spoofing" til Flash Crash?
Hva forårsaket denne bisarre oppførselen? I en felles rapport som ble utgitt i september 2010, fikk SEC og Commodity Futures Trading Commission skylden på en enkelt $ 4, 1 milliarder programhandel av en handelsmann i et Kansas-basert aksjefondsselskap. Men i april 2015 siktet amerikanske myndigheter en London-basert daghandler, Navinder Singh Sarao, for markedsmanipulering som bidro til krasjen. Tiltalen førte til Saraos arrestasjon og mulig utlevering til USA
Sarao brukte angivelig en taktikk kalt "spoofing", som innebærer å plassere store mengder falske bestillinger i en eiendel eller et derivat (Sarao brukte E-mini S&P 500-kontrakten på dagen for Flash Crash) som blir kansellert før de blir fylt. Når slike storskala falske ordrer dukker opp i ordreboken, gir de andre handelsmenn inntrykk av at det er større kjøps- eller salgsinteresse enn det i virkeligheten er, noe som kan påvirke deres egne handelsbeslutninger.
For eksempel kan en spoofer tilby å selge et stort antall aksjer på aksjes ABC til en pris som er litt borte fra dagens kurs. Når andre selgere hopper inn på handlingen og prisen blir lavere, kansellerer spooferen sine salgsordrer i ABC og kjøper aksjen i stedet. Så legger spooferen inn et stort antall kjøpsordrer for å få opp prisen på ABC. Og etter at dette har skjedd, selger spooferen sin beholdning av ABC, og stikker en ryddig fortjeneste og kansellerer de falske kjøpsordrene. Skyll og gjenta.
Mange markedsvåkere har vært skeptiske til påstanden om at en handelsmann en dag kunne ha forårsaket et brak som utslettet nær en billion dollar av markedsverdi for amerikanske aksjer i løpet av få minutter. Men om Saraos handling faktisk forårsaket Flash Crash er et tema for en annen dag. I mellomtiden er det noen gyldige grunner til at algoritmisk HFT forsterker systemiske risikoer.
Hvorfor forsterker algoritmisk HFT systemisk risiko?
Algoritmisk HFT forsterker systemisk risiko av flere årsaker.
- Intensiverende volatilitet: For det første siden det er mye algoritmisk HFT-aktivitet i dagens markeder, er det å forsøke å overgå konkurransen en innebygd egenskap for de fleste algoritmer. Algoritmer kan reagere øyeblikkelig på markedsforhold. Som et resultat kan algoritmer under tumultartede markeder utvide budspørsmålene deres (for å unngå å bli tvunget til å innta handelsposisjoner) eller vil midlertidig stoppe handel helt, noe som reduserer likviditeten og forverrer volatiliteten. Ripple Effects: Gitt den økende grad av integrasjon mellom markeder og aktivaklasser i den globale økonomien, krasjer ofte en sammenbrudd i et stort marked eller aktivaklasse til andre markeder og aktivaklasser i en kjedereaksjon. For eksempel forårsaket det amerikanske boligmarkedskrisen en global lavkonjunktur og gjeldskrise fordi betydelige eierandeler av amerikansk subprime-papir ble holdt ikke bare av amerikanske banker, men også av europeiske og andre finansinstitusjoner. Et annet eksempel på slike ringvirkninger er den skadelige effekten av Kinas aksjemarkedskrasj, så vel som kollapsen i råoljepriser, på globale aksjer fra august 2015 til januar 2016. Usikkerhet: Algoritmisk HFT er en viktig bidragsyter til overdrevet markedsvolatilitet, som kan vekke usikkerhet for investorer på kort sikt og påvirke forbrukernes tillit på lang sikt. Når et marked plutselig kollapser, sitter investorene og lurer på årsakene til et så dramatisk trekk. I løpet av nyhetsvakuumet som ofte eksisterer på slike tider, vil store handelsmenn (inkludert HFT-firmaer) kutte sine handelsposisjoner for å redusere risikoen, og legge mer press ned mot markedene. Når markedene beveger seg lavere, aktiveres flere stopp-tap, og denne negative feedback-loopen skaper en nedadgående spiral. Hvis et bjørnemarked utvikler seg på grunn av slik aktivitet, blir forbrukertilliten rystet av erosjonen av aksjemarkedets rikdom og de lavkonjunkturene som følger av et betydelig nedbrytning i markedet.
Andre risikoer ved algoritmisk HFT
- Feilende algoritmer: Den blendende hastigheten som mest algoritmisk HFT-handel finner sted, betyr at en feil eller feil algoritme kan ramme opp millioner i tap i løpet av en veldig kort periode. Et beryktet eksempel på skaden som en feilaktig algoritme kan forårsake, er den av Knight Capital, en markedstaker som tapte 440 millioner dollar i en 45-minutters periode 1. august 2012. En ny handelsalgoritme hos Knight gjorde millioner av defekte handler i omtrent 150 aksjer, kjøp dem til den høyere "spør" -prisen og selger dem umiddelbart til den lavere "bud" -prisen. (Merk at markeds beslutningstakere kjøper aksjer fra investorer til anbudsprisen og selger til dem til tilbudsprisen. Spredningen er deres handelsgevinst. For mer, les: Grunnleggende om bud-spør-spredningen ). Dessverre betydde hypereffektiviteten til algoritmisk HFT - der algoritmer kontinuerlig overvåker markedene for akkurat denne typen prisavvik - at konkurrerende handelsmenn swooped inn og utnyttet Knights dilemma mens Knight-ansatte febrilsk prøvde å isolere kilden til problemet. Da de gjorde det, hadde Knight blitt presset nær konkurs, noe som førte til at det til slutt ble ervervet av Getco LLC. Store investortap: Volatilitetssving forverret av algoritmisk HFT kan sale investorer med store tap. Mange investorer legger rutinemessig stopp-loss-ordre på sine aksjeposter på nivåer som er 5% unna dagens børskurs. Hvis markedene gapet ned uten åpenbar grunn (eller til og med av en veldig god grunn), ville disse stopp-tapene utløst. For å gi fornærmelse mot skade, hvis aksjer deretter rebound i kort rekkefølge, ville investorer unødvendig ha pådratt seg handelstap og mistet sin beholdning. Mens noen handler ble reversert eller kansellert under uvanlige anstrengelser av markedsvolatilitet som Flash Crash og Knight-fiaskoen, var de fleste handler ikke. For eksempel var de fleste av de nesten to milliarder aksjene som handlet under Flash Crash til priser innen 10% av 14:00-tiden i nærheten (tiden da Flash Crash startet 6. mai 2010), og disse handlene sto. Bare rundt 20 000 handler, som involverte til sammen 5, 5 millioner aksjer som ble henrettet til priser som var mer enn 60% borte fra kl. 14.00, ble deretter kansellert. Så en investor med en $ 500 000 aksjeportefølje av amerikanske blue-chips som hadde 5% stop-tap på sine posisjoner under Flash Crash, vil sannsynligvis være ute $ 25, 000. 1. august 2012 kansellerte NYSE handler i seks aksjer som skjedde da Knight-algoritmen kjørte amok fordi de ble utført til priser 30% over eller under den dagens åpningskurs. NYSEs "tydelig feilaktig utførelse" -regel sier de numeriske retningslinjene for gjennomgang av slike handler. (Se: Farene ved programhandel ). Tap av tillit til markedsintegritet: Investorer handler i finansmarkeder fordi de har full tro og tillit til sin integritet. Gjentatte episoder med uvanlig markedsvolatilitet som Flash Crash kan imidlertid rokke denne tilliten og få noen konservative investorer til å forlate markedene helt. I mai 2012 hadde Facebooks børsnotering mange teknologiproblemer og forsinket bekreftelser, mens Nasdaq 22. august 2013 sluttet å handle i tre timer på grunn av et problem med programvaren. I april 2014 måtte nærmere 20 000 feilaktige handler avlyses etter en datamaskinfeil ved IntercontinentalExchange Groups to amerikanske opsjoner. En annen stor oppblåsning som Flash Crash kan i stor grad riste investorenes tillit til markedets integritet.
Tiltak for å bekjempe HFT-risiko
Med Flash Crash and Knight Trading "Knightmare" som fremhever risikoen for algoritmisk HFT, har sentraler og regulatorer iverksatt beskyttelsestiltak. I 2014 introduserte Nasdaq OMX Group en "kill switch" for medlemsbedriftene som vil kutte av handelen når et forhåndsinnstilt risikoeksponeringsnivå er brutt. Mens mange HFT-firmaer allerede har "drepe" -brytere som kan stoppe all handelsaktivitet under visse omstendigheter, gir Nasdaq-bryteren et ekstra sikkerhetsnivå for å motvirke useriøse algoritmer.
Strømbrytere ble introdusert etter "Black Monday" i oktober 1987, og brukes til å dempe markedets panikk når det er et stort salg. SEC godkjente reviderte regler i 2012 som gjør det mulig for effektbrytere å sparke inn hvis S&P 500-indeksen faller 7% (fra foregående dags stengningsnivå) før klokka 15.25 EST, noe som vil stoppe markedsomfattende handel i 15 minutter. Et stup på 13% før klokka 15.25 ville utløse ytterligere 15 minutters stopp i hele markedet, mens et dykk på 20% ville stenge aksjemarkedet resten av dagen.
I november 2014 foreslo Commodity Futures Trading Commission forskrifter for firmaer som bruker algoritmisk handel med derivater. Denne forskriften krever at slike firmaer har risikokontroll før handel, mens en kontroversiell bestemmelse vil kreve at de stiller kildekoden til programmene sine til rådighet for regjeringen, hvis dette blir bedt om.
Bunnlinjen
Algoritmisk HFT har en rekke risikoer, hvorav den største er potensialet til å forsterke systemisk risiko. Dens tilbøyelighet til å intensivere volatiliteten i markedet kan rive over til andre markeder og øke investorenes usikkerhet. Gjentatte anstrengelser med uvanlig markedsvolatilitet kan avvikle erodoen for mange investorers tillit til markedsintegritet.
