Trading algoritmico, automatico, IA – Il trading del nuovo millennio

0
Strategia di trading trading algoritmico – Intelligenza artificiale

Il trading algoritmico ( automatico ) è un metodo per eseguire gli ordini utilizzando istruzioni di trading automatiche preprogrammate che tengono conto di variabili quali tempo, prezzo e volume per inviare sul mercato ordini. Sono stati sviluppati in modo tale che gli operatori non debbano costantemente guardare uno stock, una coppia di valute forex, un indice o una commodity e inviare ripetutamente quella operazione manualmente. Gli “algos” popolari includono Percentuale di volume, Pegged, VWAP , TWAP , shortfall , Chiusuratarget. Nel ventunesimo secolo, il trading algoritmico sta guadagnando terreno con commercianti sia al dettaglio che istituzionali.

E ‘ampiamente utilizzato dalle banche di investimento , fondi pensione , fondi comuni di investimento e hedge fund , perché questi operatori istituzionali hanno bisogno di eseguire ordini di grandi dimensioni in mercati che non possono supportare tutte le dimensioni in una sola volta.

Il termine è anche usato per indicare il sistema di trading automatizzato con l’obiettivo di realizzare un profitto. Conosciuto anche come black box trading , trading quantitativo, questi comprendono strategie di trading che dipendono fortemente da complesse formule matematiche e programmi per computer ad alta velocità.

Tali sistemi eseguono strategie tra cui market making , spread tra mercati, arbitraggio o pura speculazione come il trend seguente . Molti rientrano nella categoria del trading ad alta frequenza (HFT), che sono caratterizzati da un elevato turnover e da elevati rapporti tra ordini. Di conseguenza, nel febbraio 2012, la Commodity Futures Trading Commission(CFTC) ha costituito un gruppo di lavoro speciale che comprendeva accademici ed esperti del settore per consigliare il CFTC su come definire al meglio HFT. Le strategie HFT utilizzano computer che prendono decisioni elaborate per avviare ordini basati su informazioni ricevute elettronicamente, prima che gli operatori umani siano in grado di elaborare le informazioni che osservano. Il trading algoritmico e l’HFT hanno comportato un drammatico cambiamento nella microstruttura del mercato , in particolare nel modo in cui viene fornita la liquidità .

 

Esempi emblematici

Le proiezioni di redditività del gruppo TABB, una società di ricerca nel settore dei servizi finanziari, dice che il settore HFT per le azioni statunitensi è stato pari a 1,3 miliardi di dollari USA, significativamente in calo rispetto al massimo di 21 miliardi di dollari USA rispetto alle 300 società di titoli e hedge funds che poi sono specializzate in questo tipo di negoziazione, che gli autori avevano poi definito “relativamente piccoli” e “sorprendentemente modesti” rispetto al volume complessivo degli scambi del mercato. Nel marzo 2014, Virtu Financial , una società commerciale ad alta frequenza, ha riferito che nel corso di cinque anni la società nel suo complesso è stata redditizia in 1.277 giorni su 1.278, perdere denaro solo un giorno, dimostrando il possibile vantaggio di scambiare tra migliaia e milioni di operazioni ogni giorno di negoziazione.

volumi trading automatico

Trading algoritmico. Percentuale del volume di mercato.

Un terzo di tutte le negoziazioni di azioni dell’Unione Europea e degli Stati Uniti nel 2006 è stato guidato da programmi automatici o algoritmi. A partire dal 2009, gli studi hanno suggerito che le società HFT rappresentavano il 60-73% di tutto il volume degli scambi azionari statunitensi, con quel numero che è sceso a circa il 50% nel 2012. Nel 2006, alla Borsa di Londra , oltre il 40% di tutti gli ordini è stato immesso da operatori algoritmici, con il 60% previsto per il 2007. I mercati americani e europei hanno generalmente una percentuale più elevata di operazioni algoritmiche rispetto ad altri mercati, e le stime per il 2008 variano fino all’80% in alcuni mercati. Anche i mercati dei cambi forex hanno una negoziazione algoritmica attiva (circa il 25% degli ordini nel 2006). I  Futures sono considerati abbastanza facili da integrare nel trading algoritmico, con circa il 20% del volume delle opzioni che dovrebbero essere generate al computer entro il 2010. I mercati obbligazionari si stanno muovendo verso un maggiore accesso ai trader algoritmici.

Il trading algoritmico e l’HFT sono stati oggetto di molti dibattiti pubblici da quando la Securities and Exchange Commission degli Stati Uniti e la Commodity Futures Trading Commission hanno riferito in rapporti che un commercio algoritmico inserito da una società di fondi comuni ha innescato un’ondata di vendite che ha portato al Flash Crash nel 2010. Gli stessi rapporti hanno scoperto che le strategie HFT potrebbero aver contribuito alla successiva volatilità estraendo rapidamente liquidità dal mercato. A seguito di questi eventi, la media industriale di Dow Jones ha subito la seconda più grande oscillazione intraday mai raggiunta fino a quella data, sebbene i prezzi si siano rapidamente ripresi. Un rapporto del luglio 2011 dell’Organizzazione internazionale delle sicurezze (IOSCO), un ente internazionale di regolatori dei titoli, ha concluso che mentre “gli algoritmi e la tecnologia HFT sono stati utilizzati dai partecipanti al mercato per gestire il loro trading e rischio, il loro utilizzo è stato chiaramente un fattore che ha contribuito all’evento flash crash del 6 maggio 2010. “Tuttavia, altri ricercatori hanno raggiunto una conclusione diversa. Uno studio del 2010 ha scoperto che HFT non ha modificato in modo significativo l’inventario commerciale durante il Flash Crash. Alcune negoziazioni algoritmiche in vista del ribilanciamento dei fondi indicizzati trasferiscono gli utili dagli investitori.

 

Strategie

Negoziare in vista del riequilibrio del fondo indicizzato

La maggior parte dei risparmi per la pensione , come i fondi pensione privati o 401 (k) e i conti pensionistici individuali negli Stati Uniti, sono investiti in fondi comuni di investimento, i più popolari dei quali sono fondi indicizzati che devono periodicamente “riequilibrare” o adeguare il loro portafoglio per adeguarlo al nuovo prezzo e capitalizzazione di mercato dei titoli sottostanti nello stock o in altri indici che seguono. Gli utili vengono trasferiti da investitori in indici passivi a investitori attivi, alcuni dei quali sono trader algoritmici che sfruttano specificamente l’effetto di ribilanciamento dell’indice. L’entità di queste perdite subite dagli investitori passivi è stata stimata in 21-28 pb all’anno per l’S & P 500 e 38-77 pb all’anno per il Russell 2000. John Montgomery di Bridgeway Capital Management afferma che i conseguenti “rendimenti degli investitori scadenti “dal trading prima dei fondi comuni di investimento è” l’elefante nella stanza “che” in modo sconvolgente, la gente non sta parlando “.

Pairs trading

Il trading di coppie o il trading di coppia è una strategia long-short, idealmente neutrale rispetto al mercato, che consente agli operatori di trarre profitto da discrepanze transitorie nel valore relativo dei sostituti. A differenza del caso dell’arbitraggio classico, nel caso del commercio di coppie, la legge di un prezzo non può garantire la convergenza dei prezzi. Ciò è particolarmente vero quando la strategia viene applicata ai singoli titoli – questi sostituti imperfetti possono infatti divergere indefinitamente. In teoria, la natura a corto-lungo della strategia dovrebbe farla funzionare indipendentemente dalla direzione del mercato azionario. In pratica, il rischio di esecuzione, le divergenze persistenti e di grandi dimensioni, nonché un calo della volatilità possono rendere questa strategia non redditizia per lunghi periodi di tempo (ad esempio, 2004-2007). Appartiene a categorie più ampie di arbitraggio statistico , negoziazione di convergenza e strategie di valore relativo.

Strategie Delta-neutral

Nel settore finanziario, delta-neutral descrive un portafoglio di titoli finanziari correlati, in cui il valore del portafoglio rimane invariato a causa di piccole variazioni nel valore del titolo sottostante. Un portafoglio di questo tipo in genere contiene opzioni e relativi titoli sottostanti tali da compensare le componenti delta positive e negative , facendo sì che il valore del portafoglio sia relativamente insensibile alle variazioni del valore del titolo sottostante.

Arbitraggio

In economia e finanza , l’arbitraggio è la pratica che approfitta di una differenza di prezzo tra due o più mercati : prende in esame una combinazione di offerte corrispondenti che capitalizza uno squilibrio, il profitto è la differenza tra i prezzi di mercato . Un arbitraggio è una transazione che non comporta alcun flusso di cassa negativo in qualsiasi stato probabilistico o temporale e un flusso di cassa positivo in almeno uno stato; in termini semplici, è la possibilità di un profitto privo di rischio a costo zero. Esempio: una delle opportunità di trading di arbitraggio più popolari si gioca con i futures S&P e le azioni S&P 500. Durante la maggior parte dei giorni di negoziazione questi due svilupperanno disparità nei prezzi tra i due. Ciò accade quando il prezzo delle azioni che sono principalmente negoziate sui mercati NYSE e NASDAQ è in anticipo o indietro rispetto ai futures S&P che sono negoziati sul mercato CME.

Condizioni di arbitraggio

L’arbitraggio è possibile quando si verifica una delle tre condizioni:

  • La stessa risorsa non viene scambiata allo stesso prezzo su tutti i mercati (la ” legge di un prezzo ” è temporaneamente violata).
  • Due attività con flussi di cassa identici non vengono scambiate allo stesso prezzo.
  • Un’attività con un prezzo noto in futuro non viene scambiata al suo prezzo futuro scontato al tasso di interesse privo di rischio (o, l’attività non ha costi trascurabili di stoccaggio; come tale, ad esempio, questa condizione vale per il grano ma non per i titoli ).

L’arbitraggio non è semplicemente l’atto di acquistare un prodotto in un mercato e venderlo in un altro ad un prezzo più alto in un secondo momento. Le transazioni lunghe e corte dovrebbero idealmente avvenire simultaneamente per ridurre al minimo l’esposizione al rischio di mercato o il rischio che i prezzi possano cambiare su un mercato prima che entrambe le transazioni siano completate. In termini pratici, ciò è generalmente possibile solo con titoli e prodotti finanziari che possono essere negoziati elettronicamente e anche in questo caso, quando viene eseguita la prima o le fasi della negoziazione, i prezzi nelle altre gambe potrebbero essere peggiorati, bloccando un perdita. Manca una delle gambe del commercio (e successivamente doverla aprire a un prezzo peggiore) è chiamato “rischio di esecuzione” o più specificamente “rischio di entrata e uscita”.

Nell’esempio più semplice, qualsiasi bene venduto in un mercato dovrebbe vendere allo stesso prezzo in un altro. Il Trader potrebbe, ad esempio, scoprire che il prezzo del grano è più basso nelle regioni agricole rispetto alle città, acquistare il bene e trasportarlo in un’altra regione per venderlo a un prezzo più elevato. Questo tipo di arbitraggio sui prezzi è il più comune, ma questo semplice esempio ignora i costi di trasporto, stoccaggio, rischio e altri fattori. L’arbitraggio “vero” richiede che non vi siano rischi di mercato. Laddove i titoli sono negoziati su più di uno scambio, l’arbitraggio si verifica acquistando contemporaneamente uno e vendendo dall’altro. Tale esecuzione simultanea, se sono coinvolti sostituti perfetti, riduce al minimo i requisiti patrimoniali, ma in pratica non crea mai una posizione di “autofinanziamento” (gratuita), come molte fonti ritengono erroneamente di seguire la teoria. Finché sussistono differenze nel valore di mercato e nella rischiosità delle due gambe.

Inversione media

L’inversione media è una metodologia matematica a volte utilizzata per gli investimenti azionari, ma può essere applicata ad altri processi. In termini generali l’idea è che i prezzi alti e bassi di un titolo sono temporanei e che il prezzo di un titolo tende ad avere un prezzo medio nel tempo. Un esempio di un processo di ritorno alla media è l’ equazione stocastica di Ornstein-Uhlenbeck .

L’inversione media comporta innanzitutto l’identificazione dell’intervallo di negoziazione di un’azione, quindi il calcolo del prezzo medio utilizzando tecniche analitiche in relazione ad attività, utili, ecc.

Quando l’attuale prezzo di mercato è inferiore al prezzo medio, lo stock è considerato interessante per l’acquisto, con la previsione che il prezzo aumenterà. Quando l’attuale prezzo di mercato è superiore al prezzo medio, si prevede che il prezzo di mercato diminuirà. In altre parole, le deviazioni dal prezzo medio dovrebbero ritornare alla media.

La deviazione standard dei prezzi più recenti (ad esempio, gli ultimi 20) viene spesso utilizzata come indicatore di acquisto o vendita.

I servizi di reportistica azionaria (come Yahoo! Finance, MS Investor, Morningstar, ecc.) Offrono comunemente medie mobili per periodi come 50 e 100 giorni. Mentre i servizi di reporting forniscono le medie, è ancora necessario identificare i prezzi alti e bassi per il periodo di studio.

Scalping

Lo scalping è una fornitura di liquidità da parte di market maker non tradizionali , in base al quale gli operatori cercano di guadagnare (o effettuare ) lo spread bid-ask. Questa procedura consente di ottenere profitti fintanto che le variazioni dei prezzi sono inferiori a questo spread e normalmente comporta la definizione e la liquidazione di una posizione rapidamente, di solito in pochi minuti o meno.

Un market maker è fondamentalmente uno scalper specializzato. Il volume scambiato da un market maker è molte volte superiore al singolo scalper medio e farebbe uso di sistemi e tecnologie di trading più sofisticati. Tuttavia, i market maker registrati sono vincolati da regole di scambio che stabiliscono i loro obblighi di preventivo minimo. Ad esempio, il NASDAQ richiede a ciascun market maker di pubblicare almeno un’offerta e una domanda a un certo livello di prezzo, in modo da mantenere un mercato bilaterale per ogni azione rappresentata.

Riduzione dei costi di transazione

La maggior parte delle strategie denominate negoziazione algoritmica (nonché ricerca algoritmica di liquidità) rientrano nella categoria di riduzione dei costi. L’idea di base è quella di suddividere un grosso ordine in piccoli ordini e inserirli nel mercato nel tempo. La scelta dell’algoritmo dipende da vari fattori, tra cui il più importante è la volatilità e la liquidità del titolo. Ad esempio, per uno stock altamente liquido, la corrispondenza di una determinata percentuale degli ordini globali di stock (chiamati algoritmi di volume in linea) è di solito una buona strategia, ma per uno stock altamente illiquido, gli algoritmi cercano di abbinare ogni ordine che ha un prezzo favorevole ( chiamati algoritmi per la ricerca di liquidità).

Il successo di queste strategie viene solitamente misurato confrontando il prezzo medio al quale l’intero ordine è stato eseguito con il prezzo medio raggiunto attraverso un’esecuzione di riferimento per la stessa durata. Di solito, il prezzo medio ponderato per il volume viene utilizzato come parametro di riferimento. A volte, anche il prezzo di esecuzione viene confrontato con il prezzo dello strumento al momento dell’ordine.

Una classe speciale di questi algoritmi tenta di rilevare gli ordini algoritmici o di iceberg dall’altro lato (ovvero se stai cercando di acquistare, l’algoritmo proverà a rilevare gli ordini per il lato di vendita). Questi algoritmi sono chiamati algoritmi di sniffing. Un tipico esempio è “Stealth”.

Alcuni esempi di algoritmi sono VWAP , TWAP , deficit Attuazione , POV, dimensioni del display, liquidità ricercatore, e Stealth. Gli algoritmi moderni sono spesso costruiti in modo ottimale tramite programmazione statica o dinamica.

Strategie che riguardano solo i dark pool

Di recente, l’HFT, che comprende una vasta gamma di operatori del lato buy-side e del market- sell, è diventato più importante e controverso. A questi algoritmi o tecniche vengono comunemente dati nomi come “Stealth” (sviluppato da Deutsche Bank), “Iceberg”, “Dagger”, “Guerrilla”, “Sniper”, “BASOR” (sviluppato da Quod Financial ) e “Sniffer”. I dark pool sono sistemi di negoziazione alternativi di natura privata – e quindi non interagiscono con il flusso dell’ordine pubblico – e cercano invece di fornire liquidità non visualizzata a grandi blocchi di titoli. In dark pool il trading si svolge in forma anonima, con la maggior parte degli ordini nascosti o “congelati”.I giocatori o gli “squali” annusano grandi ordini “pingando” piccoli ordini di mercato per comprare e vendere. Quando vengono riempiti diversi piccoli ordini, gli squali potrebbero aver scoperto la presenza di un grande ordine iceberged.

“Ora è una corsa agli armamenti”, ha dichiarato Andrew Lo, direttore del Laboratory for Technology Engineering del Massachusetts Institute of Technology . “Tutti stanno sviluppando algoritmi più sofisticati e maggiore è la concorrenza, minori sono i profitti”.

Market timing ( Tempi di mercato )

Le strategie progettate per generare l’alfa sono considerate strategie di market timing. Questi tipi di strategie sono progettati utilizzando una metodologia che include backtesting, forward testing e live testing. Gli algoritmi di market timing in genere utilizzano indicatori tecnici come medie mobili, ma possono anche includere la logica di riconoscimento dei modelli implementata utilizzando le macchine a stati finiti.

Il backtesting dell’algoritmo è in genere il primo stadio e comporta la simulazione di operazioni ipotetiche attraverso un periodo di dati nel campione. L’ottimizzazione viene eseguita per determinare gli input più ottimali. I passi intrapresi per ridurre le possibilità di un’ottimizzazione eccessiva possono includere la modifica degli input +/- 10%, la suddivisione in scatti degli input in grandi passi, l’esecuzione di simulazioni  e la garanzia dello slippage e della commissione.

Il test successivo dell’algoritmo è l’esecuzione dell’algoritmo attraverso un set di dati fuori campione per garantire che l’algoritmo funzioni entro le aspettative testate.

I test live sono la fase finale dello sviluppo e richiedono allo sviluppatore di confrontare le negoziazioni live effettive con i modelli backtestati. Le metriche confrontate includono percentuale redditizia, fattore di profitto, massimo drawdown e guadagno medio per operazione.

 

Trading ad alta frequenza

Come notato sopra, il trading ad alta frequenza (HFT) è una forma di trading algoritmico caratterizzato da un elevato turnover e alti rapporti tra ordini. Sebbene non esista un’unica definizione di HFT, tra i suoi attributi chiave vi sono algoritmi altamente sofisticati, tipi di ordini specializzati, co-locazione, orizzonti di investimento a brevissimo termine e alti tassi di cancellazione per gli ordini. Negli Stati Uniti, le imprese di negoziazione ad alta frequenza (HFT) rappresentano il 2% delle circa 20.000 imprese che operano oggi, ma rappresentano il 73% di tutto il volume degli scambi azionari. A partire dal primo trimestre del 2009, il totale delle attività gestite per gli hedge fund con strategie HFT era di US $ 141 miliardi, in calo di circa il 21% dal loro massimo. La strategia HFT è stata inizialmente realizzata con successo da Renaissance Technologies.

I fondi ad alta frequenza hanno iniziato a diventare particolarmente popolari nel 2007 e nel 2008. Molte società HFT sono market maker e forniscono liquidità al mercato, il che ha ridotto la volatilità e aiutato a restringere gli spread delle offerte Bid rendendo gli scambi e gli investimenti più economici per altri partecipanti al mercato . L’HFT è stata oggetto di un’attenzione pubblica intensa da quando la US Securities and Exchange Commission e la Commodity Futures Trading Commission hanno dichiarato che sia il trading algoritmico sia l’HFT hanno contribuito alla volatilità nel Flash Crash del 2010 . Tra le principali società commerciali statunitensi ad alta frequenza vi sono Chicago Trading, Virtu Financial, Timber Hill, ATD, GETCO e Citadel LLC .

Esistono quattro categorie chiave di strategie HFT: market-based based on flow order, market-based based on tick data information, arbitrage di eventi e arbitraggio statistico. Tutte le decisioni di allocazione del portafoglio vengono prese mediante modelli quantitativi computerizzati. Il successo delle strategie informatizzate è in gran parte guidato dalla loro capacità di elaborare simultaneamente volumi di informazioni, cosa che i normali commercianti umani non possono fare.

Market making ( Creazione del mercato )

Il Market making implica l’immissione di un ordine limite per vendere (o offrire) al di sopra del prezzo di mercato corrente o un ordine limite di acquisto (o offerta) al di sotto del prezzo corrente su base regolare e continua per acquisire lo spread bid-ask. Il trading automatizzato, utilizzato da Citigroup nel luglio 2007, è stato un market maker attivo, pari a circa il 6% del volume totale sia sul NASDAQ che sulla Borsa di New York.

Statistical arbitrage ( Arbitraggio statistico )

Un’altra serie di strategie HFT nella classica strategia di arbitraggio potrebbe coinvolgere diversi titoli come la parità dei tassi di interesse coperti nel mercato dei cambi che fornisce una relazione tra i prezzi di un’obbligazione domestica, un’obbligazione denominata in una valuta estera, il prezzo della valuta e il prezzo di un contratto a termine sulla valuta. Se i prezzi di mercato sono sufficientemente diversi da quelli impliciti nel modello per coprire i costi di transazione quindi è possibile effettuare quattro transazioni per garantire un profitto privo di rischio. HFT consente arbitraggi simili utilizzando modelli di maggiore complessità che coinvolgono molti più di 4 titoli. Il gruppo TABB stima che i profitti complessivi annuali delle strategie di arbitraggio a bassa latenza superino attualmente i 21 miliardi di dollari USA.

È stata sviluppata una vasta gamma di strategie statistiche di arbitraggio in base alle quali le decisioni di negoziazione vengono prese sulla base di deviazioni dalle relazioni statisticamente significative. Come le strategie di mercato, l’arbitraggio statistico può essere applicato in tutte le classi di attività.

Event arbitrage ( Arbitraggio dell’evento )

Un sottoinsieme di arbitraggio di titoli a rischio, fusione, convertibile o in difficoltà che conta su un evento specifico, come la firma di un contratto, l’approvazione normativa, la decisione giudiziaria, ecc., Per modificare il rapporto prezzo o tasso di due o più strumenti finanziari e consentire l’arbitro per guadagnare un profitto.

Un arbitraggio di fusione chiamato anche arbitraggio del rischio ne sarebbe un esempio. L’arbitraggio sulle fusioni generalmente consiste nell’acquistare le azioni di una società che con l’obiettivo di un’acquisizione. Di solito il prezzo di mercato della società target è inferiore al prezzo offerto dalla società acquirente. Lo spread tra questi due prezzi dipende principalmente dalla probabilità e dalla tempistica del completamento dell’acquisizione, nonché dal livello prevalente dei tassi di interesse. La scommessa in un arbitraggio di fusione è che tale spread alla fine sarà zero, se e quando l’acquisizione è completata. Il rischio è che l’accordo “si rompa” e lo spread si allarghi enormemente.

Spoofing

Una strategia che alcuni trader hanno adottato, che è stata vietata ma che probabilmente continua, è chiamata spoofing. È l’atto di effettuare ordini per dare l’impressione di voler acquistare o vendere azioni, senza mai avere l’intenzione di far eseguire l’ordine per manipolare temporaneamente il mercato per acquistare o vendere azioni a un prezzo più favorevole. Ciò avviene creando ordini limite al di fuori dell’offerta corrente o chiedendo il prezzo per modificare il prezzo segnalato ad altri partecipanti al mercato. Il trader può successivamente effettuare negoziazioni basate sulla variazione artificiale del prezzo, quindi annullare gli ordini limite prima che vengano eseguiti.

Supponiamo che un trader desideri vendere azioni di una società con un’offerta corrente di $ 20 e una domanda corrente di $ 20,20. Il trader effettuerebbe un ordine di acquisto a $ 20,10, ancora a una certa distanza dalla domanda, quindi non verrà eseguito, e l’offerta di $ 20,10 viene indicata come migliore offerta e miglior prezzo di offerta. Il trader esegue quindi un ordine di mercato per la vendita delle azioni che desiderava vendere. Poiché il miglior prezzo di offerta è l’offerta artificiale dell’investitore, un market maker riempie l’ordine di vendita a $ 20,10, consentendo un prezzo di vendita superiore di $ 0,1 per azione. Il commerciante successivamente annulla il loro ordine limite sull’acquisto che non ha mai avuto l’intenzione di completare.

Quote stuffing ( Riepilogo preventivo )

Il stuffing delle quotazioni è una tattica utilizzata dai trader malintenzionati che prevede di immettere e ritirare rapidamente grandi quantità di ordini nel tentativo di inondare il mercato, ottenendo così un vantaggio rispetto agli operatori di mercato più lenti. Gli ordini effettuati e annullati rapidamente causano feed di dati di mercato su cui gli investitori ordinari fanno affidamento per ritardare le quotazioni dei prezzi mentre si verifica il riempimento. Le aziende HFT beneficiano di feed proprietari, ad alta capacità e dell’infrastruttura più capace, a latenza più bassa. I ricercatori hanno dimostrato che i trader ad alta frequenza sono in grado di trarre profitto dalle latenze indotte artificialmente e dalle opportunità di arbitraggio risultanti dal riempimento delle quotazioni.

 

Implementazione della strategia

La maggior parte delle strategie algoritmiche sono implementate utilizzando moderni linguaggi di programmazione, sebbene alcune implementino ancora strategie progettate in fogli di calcolo. Sempre più spesso, gli algoritmi utilizzati da grandi intermediari e gestori patrimoniali sono scritti nell’Algorithmic Trading Definition Language ( FIXatdl ) del protocollo FIX , che consente alle aziende che ricevono ordini di specificare esattamente come devono essere espressi i loro ordini elettronici. Gli ordini creati utilizzando FIXatdl possono quindi essere trasmessi dai sistemi degli operatori tramite il protocollo FIX.  I modelli di base possono basarsi su una regressione lineare, mentre per avviare il trading si possono anche usare modelli di teoria dei giochi e di riconoscimento dei modelli più complessi o modelli predittivi. Metodi più complessi come La catena Markov Monte Carlo è stata utilizzata per creare questi modelli.

Problemi e sviluppi

Il trading algoritmico ha dimostrato di migliorare sostanzialmente la liquidità del mercato tra i suoi vantaggi. Tuttavia, i miglioramenti nella produttività apportati dal trading algoritmico sono stati contrastati dai broker e dai commercianti umani che devono far fronte alla forte concorrenza dei computer.

Cyborg finance

I progressi tecnologici nella finanza, in particolare quelli relativi al trading algoritmico, hanno aumentato la velocità finanziaria, la connettività, la portata e la complessità riducendo contemporaneamente la sua umanità. I computer che eseguono software basati su algoritmi complessi hanno sostituito l’uomo in molte funzioni del settore finanziario. La finanza sta essenzialmente diventando un settore in cui le macchine e gli umani condividono i ruoli dominanti, trasformando la finanza moderna in quella che uno studioso ha chiamato “cyborg finance”.

Preoccupazioni

Mentre molti esperti lodano i vantaggi dell’innovazione nel trading algoritmico computerizzato, altri analisti hanno espresso preoccupazione per aspetti specifici del trading computerizzato.

“L’ aspetto negativo di questi sistemi è la loro scatola nera “, ha dichiarato Williams. “I commercianti hanno un senso intuitivo di come funziona il mondo. Ma con questi sistemi si inseriscono un sacco di numeri e qualcosa esce dall’altra parte, e non è sempre intuitivo o chiaro il motivo per cui la scatola nera si è attaccata a determinati dati o relazioni.”

“L’ Autorità per i servizi finanziari ha tenuto d’occhio lo sviluppo del trading di scatole nere. Nel suo rapporto annuale il regolatore ha osservato i grandi benefici dell’efficienza che la nuova tecnologia sta portando sul mercato. Ma ha anche sottolineato che ‘maggiore affidamento aLLA tecnologia e la modellizzazione sofisticate comportano un rischio maggiore che i guasti dei sistemi possano comportare l’interruzione dell’attività “.

Lord Myners, ministro del Tesoro britannico, ha avvertito che le società potrebbero diventare i “giocattoli” degli speculatori a causa del trading automatico ad alta frequenza. Lord Myners ha affermato che il processo rischia di distruggere il rapporto tra un investitore e un’azienda.

Altre questioni includono il problema tecnico della latenza o il ritardo nell’ottenere le quotazioni per gli operatori, sicurezza e la possibilità di un guasto completo del sistema che porta a un arresto del mercato.

“Goldman spende decine di milioni di dollari per queste cose. Hanno più persone che lavorano nella loro area tecnologica che persone nel trading desk … La natura dei mercati è cambiata radicalmente.”

Il 1 ° agosto 2012 Knight Capital Group ha riscontrato un problema tecnologico nel suo sistema di trading automatizzato, causando una perdita di $ 440 milioni.

Questo problema era legato all’installazione del software di trading di Knight e ha portato Knight a inviare sul mercato numerosi ordini errati di titoli quotati al NYSE. Questo software è stato rimosso dai sistemi dell’azienda. I clienti non sono stati influenzati negativamente dagli ordini errati e il problema del software è stato limitato al routing di determinati titoli quotati al NYSE. Knight ha ceduto l’intera posizione commerciale errata , il che ha comportato una perdita al lordo delle imposte di circa $ 440 milioni.

È stato dimostrato che il trading algoritmico e ad alta frequenza hanno contribuito alla volatilità durante il Flash Crash del 6 maggio 2010, quando il Dow Jones Industrial Average ha fatto precipitare circa 600 punti solo per recuperare quelle perdite in pochi minuti. All’epoca, si trattava della seconda oscillazione del punto più grande, 1.010,14 punti, e del più grande declino del punto di un giorno, 998,5 punti, su base intraday nella storia della Dow Jones Industrial Average.

 

Sviluppi recenti

Le notizie sui mercati finanziari vengono ora formattate da aziende come Need To Know News, Thomson Reuters , Dow Jones e Bloomberg , da leggere e scambiare tramite algoritmi.

“I computer vengono ora utilizzati per generare notizie sui risultati degli utili delle società o statistiche economiche non appena vengono rilasciati. E queste informazioni quasi istantanee formano un feed diretto in altri computer che commerciano sulle notizie.”

Gli algoritmi non si limitano a scambiare semplici notizie, ma interpretano anche notizie più difficili da comprendere. Alcune aziende stanno anche tentando di assegnare automaticamente sentimenti (decidendo se le notizie sono buone o cattive) alle notizie in modo che il trading automatico possa lavorare direttamente sulla notizia.

“Sempre più persone guardano tutte le forme di notizie e costruiscono i propri indicatori intorno ad esse in modo semi-strutturato”, mentre cercano costantemente nuovi vantaggi commerciali, ha affermato Rob Passarella, direttore globale della strategia di Dow Jones Enterprise Media Group. La sua azienda fornisce agli operatori sia un feed di notizie a bassa latenza sia analisi delle notizie. Passarella ha anche sottolineato che sono state condotte nuove ricerche accademiche sul grado in cui le frequenti ricerche di Google su vari titoli possono servire da indicatori di trading, il potenziale impatto di varie frasi e parole che possono apparire nelle dichiarazioni della Commissione su titoli e scambi e l’ultima ondata di comunità online dedicato ad argomenti di trading azionario.

“I mercati sono per loro stessa natura conversazioni, Nati In caffetterie e taverne”, ha detto. Quindi il modo in cui le conversazioni vengono create in una società digitale verrà utilizzato anche per convertire le notizie in scambi, ha detto Passarella.

“C’è un reale interesse nel trasferire il processo di interpretazione delle notizie dagli umani alle macchine”, afferma Kirsti Suutari, direttore commerciale globale del commercio algoritmico di Reuters. “Altri nostri clienti stanno trovando il modo di utilizzare i contenuti delle notizie per fare soldi”.

Un esempio dell’importanza della velocità di segnalazione delle notizie ai trader algoritmici è stata una campagna pubblicitaria di Dow Jones (apparizioni incluse nella pagina W15 del Wall Street Journal , il 1 ° marzo 2008) sostenendo che il loro servizio aveva battuto altri servizi di notizie di due secondi nel riferire un taglio dei tassi di interesse da parte della Bank of England.

Nel luglio 2007, Citigroup , che aveva già sviluppato i propri algoritmi di trading, ha pagato $ 680 milioni per Automated Trading Desk, una società di 19 anni che scambia circa 200 milioni di azioni al giorno. Citigroup aveva precedentemente acquistato Lava Trading e OnTrade Inc.

Alla fine del 2010, l’Ufficio governativo per la scienza del Regno Unito ha avviato un progetto di previsione sul futuro del commercio nei mercati finanziari,guidato da Dame Clara Furse , ex CEO della Borsa di Londra e nel settembre 2011 il progetto ha pubblicato il suo risultati iniziali sotto forma di un documento di lavoro in tre capitoli disponibile in tre lingue, insieme a 16 documenti aggiuntivi che forniscono prove a sostegno. Tutti questi risultati sono stati creati o co-scritti da accademici e professionisti di spicco e sono stati sottoposti a revisione paritaria anonima. Rilasciato nel 2012, lo studio Foresight ha riconosciuto i problemi relativi a illiquidità periodica, nuove forme di manipolazione e potenziali minacce alla stabilità del mercato dovute a algoritmi errati o traffico di messaggi eccessivo . Tuttavia, il rapporto è stato anche criticato per l’adozione di “argomenti pro-HFT standard” e la partecipazione dei membri del panel consultivo al settore HFT.

Architettura di sistema

Un sistema di trading tradizionale è costituito principalmente da due blocchi: uno che riceve i dati di mercato mentre l’altro che invia la richiesta d’ordine allo scambio. Tuttavia, un sistema di negoziazione algoritmica può essere suddiviso in tre parti:

  1. Scambio
  2. Il server
  3. Applicazione

Gli scambi forniscono dati al sistema, che in genere è costituito dall’ultimo portafoglio ordini, dai volumi scambiati e dall’ultimo prezzo scambiato (LTP) dello script. Il server a sua volta riceve i dati contemporaneamente fungendo da archivio per il database storico. I dati vengono analizzati sul lato dell’applicazione, in cui le strategie di trading sono alimentate dall’utente e possono essere visualizzate sulla GUI . Una volta generato, l’ordine viene inviato al sistema di gestione degli ordini (OMS), che a sua volta trasmette lo scambio.

A poco a poco, l’architettura dei sistemi algoritmici ad alta latenza della vecchia scuola viene sostituita da reti più recenti, all’avanguardia, ad alta infrastruttura e a bassa latenza . Il complesso motore di elaborazione degli eventi (CEP), che è il cuore del processo decisionale nei sistemi di trading basati su algo, viene utilizzato per il routing degli ordini e la gestione dei rischi.

Con l’emergere del protocollo FIX (Financial Information Exchange) , la connessione a destinazioni diverse è diventata più semplice e il tempo di accesso al mercato si è ridotto, quando si tratta di connettersi con una nuova destinazione. Con il protocollo standard in atto, l’integrazione di fornitori di terze parti per i feed di dati non è più complicata.

Effetti

Sebbene il suo sviluppo possa essere stato indotto dalla riduzione delle dimensioni degli scambi causate dalla decimalizzazione, il trading algoritmico ha ridotto ulteriormente le dimensioni degli scambi. I lavori una volta svolti dai commercianti umani vengono passati ai computer. Le velocità delle connessioni al computer, misurate in millisecondi e persino microsecondi , sono diventate molto importanti.

Mercati più completamente automatizzati come NASDAQ, Direct Edge e BATS (precedentemente acronimo di Better Alternative Trading System) negli Stati Uniti, hanno guadagnato quote di mercato da mercati meno automatizzati come il NYSE. Le economie di scala nel commercio elettronico hanno contribuito a ridurre le commissioni e le commissioni di elaborazione degli scambi e hanno contribuito alle fusioni internazionali e al consolidamento degli scambi finanziari.

La concorrenza si sta sviluppando tra gli scambi per i tempi di elaborazione più rapidi per il completamento degli scambi. Ad esempio, nel giugno 2007, la Borsa di Londra ha lanciato un nuovo sistema chiamato TradElect che promette un tempo medio di consegna di 10 millisecondi dall’inoltro di un ordine alla conferma finale e può elaborare 3.000 ordini al secondo. Da allora, gli scambi competitivi hanno continuato a ridurre la latenza con tempi di risposta di 3 millisecondi disponibili. Ciò è di grande importanza per i trader ad alta frequenza, poiché devono cercare di individuare le gamme di performance coerenti e probabili di determinati strumenti finanziari. Questi professionisti si occupano spesso di versioni di fondi di indici azionari come E-mini S & Ps, perché cercano coerenza e mitigazione del rischio insieme a massime prestazioni. Devono filtrare i dati di mercato per lavorare nella loro programmazione software in modo che vi sia la latenza più bassa e la massima liquidità al momento per porre stop-loss e / o prendere profitti. Con l’elevata volatilità in questi mercati, questo diventa uno sforzo complesso e potenzialmente snervante, in cui un piccolo errore può portare a una grande perdita.

Negli Stati Uniti, la spesa per computer e software nel settore finanziario è aumentata a $ 26,4 miliardi nel 2005.

Il trading algoritmico ha causato uno spostamento dei tipi di dipendenti che lavorano nel settore finanziario. Ad esempio, molti fisici sono entrati nel settore finanziario come analisti quantitativi. Alcuni fisici hanno persino iniziato a fare ricerche in economia come parte della ricerca di dottorato. Questo movimento interdisciplinare è talvolta chiamato econofisica . Alcuni ricercatori citano anche un “divario culturale” tra i dipendenti delle aziende impegnate principalmente nel trading algoritmico e i gestori degli investimenti tradizionali. Il trading algoritmico ha incoraggiato una maggiore attenzione ai dati e ha ridotto l’enfasi sulla ricerca lato vendita.

Standard di comunicazione

Le operazioni algoritmiche richiedono la comunicazione di parametri notevolmente maggiori rispetto al mercato tradizionale e gli ordini limite. Un operatore commerciale su un lato (il ” lato acquisto “) deve consentire al proprio sistema di negoziazione (spesso chiamato ” sistema di gestione degli ordini ” o ” sistema di gestione dell’esecuzione “) di comprendere un flusso in costante proliferazione di nuovi tipi di ordini algoritmici. I costi di ricerca e sviluppo e altri costi per la costruzione di nuovi complessi tipi di ordini algoritmici, insieme all’infrastruttura di esecuzione e ai costi di marketing per la loro distribuzione, sono abbastanza sostanziali. Ciò che era necessario era un modo in cui i marketer (il ” lato vendita “”) potrebbe esprimere elettronicamente gli ordini di algo in modo tale che i trader lato acquisto possano semplicemente inserire i nuovi tipi di ordine nel loro sistema ed essere pronti a scambiarli senza codificare costantemente schermate di immissione di nuovi ordini personalizzate ogni volta.

Il protocollo FIX è un’associazione di categoria che pubblica standard aperti e gratuiti nell’area di negoziazione di titoli. Il linguaggio FIX è stato originariamente creato da Fidelity Investments, e i membri dell’associazione comprendono praticamente tutti i rivenditori di intermediari di medie e grandi dimensioni, banche di centri monetari, investitori istituzionali, fondi comuni di investimento, ecc. transazioni di sicurezza. Nel 2006-2007 diversi membri si sono riuniti e hanno pubblicato una bozza di standard XML per esprimere i tipi di ordine algoritmico. Lo standard è chiamato FIX Algorithmic Trading Definition Language ( FIXatdl ).

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here