Med algoritmisk handel (eller "algo" -handel) avses användningen av datoralgoritmer (i princip en uppsättning regler eller instruktioner för att få en dator att utföra en given uppgift) för handel med stora block av aktier eller andra finansiella tillgångar samtidigt som marknadseffekterna av sådana minimeras handlas. Algoritmisk handel innebär att placera handel baserat på definierade kriterier och hugga upp dessa affärer till mindre partier så att aktiens eller tillgångens pris inte påverkas avsevärt.
Fördelarna med algoritmisk handel är uppenbara: det säkerställer "bästa utförande" av affärer eftersom det minimerar det mänskliga elementet, och det kan användas för att handla flera marknader och tillgångar som är mycket effektivare än en handlare med kött och ben kunde hoppas göra. (Läs mer: Grunderna i algoritmisk handel: begrepp och exempel ).
Vad är algoritmisk högfrekvenshandel?
Högfrekvent handel (HFT) tar algoritmisk handel till en annan nivå helt och hållet - tänk på det som algohandel på steroider. Som termen antyder innebär högfrekvent handel att placera tusentals beställningar i snabbt snabba hastigheter. Målet är att göra små vinster på varje handel, ofta genom att utnyttja prisavvikelser för samma lager eller tillgång på olika marknader. HFT är diametralt motsatt från traditionella långsiktiga investeringar i köp och håll, eftersom arbitrage och marknadsförande aktiviteter som är HFT: s bröd-och-smör i allmänhet inträffar inom ett mycket litet tidsfönster, innan prisavvikelserna eller missförhållandena försvinner.
Algoritmisk handel och HFT har blivit en integrerad del av finansmarknaderna på grund av konvergens av flera faktorer. Dessa inkluderar teknikens växande roll på dagens marknader, den ökande komplexiteten hos finansiella instrument och produkter och den oändliga drivkraften mot ökad effektivitet i handeln och lägre transaktionskostnader. Medan algoritmisk handel och HFT antagligen har förbättrat marknadens likviditet och konsistens för prissättning av tillgångar har deras växande användning också gett upphov till vissa risker som inte kan ignoreras, som diskuteras nedan.
Den största risken: Förstärkning av systemisk risk
En av de största riskerna med algoritmisk HFT är den som det utgör för det finansiella systemet. I en rapport från juli 2011 från International Organisation of Securities Commissioners (IOSCO) tekniska kommitté konstaterades att på grund av de starka förbindelserna mellan finansmarknader, såsom de i USA, kan algoritmer som verkar över marknader överföra chocker snabbt från en marknad till en annan, vilket förstärker systemisk risk. Rapporten pekade på Flash Crash från maj 2010 som ett utmärkt exempel på denna risk.
Flash Crash hänvisar till 5% -6% stup och återgång i stora amerikanska aktieindex inom loppet av några minuter på eftermiddagen den 6 maj 2010. Dow Jones kastade nästan 1 000 poäng på en intradag basis, som vid det tiden var dess största poängfall på rekord. Som IOSCO-rapporten konstaterar, gick många aktier och börshandlade fonder (ETF: er) höjdtråd den dagen och tumlade med mellan 5% och 15% innan de återhämtade de flesta av sina förluster. Över 20 000 affärer med 300 värdepapper gjordes till priser så mycket som 60% från sina värden bara några ögonblick tidigare, med vissa affärer genomförda till absurda priser, från så lågt som ett öre eller så högt som $ 100 000. Denna ovanligt oberäknade handelsåtgärd skrattade investerare, särskilt för att det inträffade drygt ett år efter att marknaderna hade återhämtat sig från deras största nedgångar på mer än sex decennier.
Bidrog "Spoofing" till Flash Crash?
Vad orsakade detta bisarre beteende? I en gemensam rapport som släpptes i september 2010 fastställde SEC och Commodity Futures Trading Commission skulden på en enda 4, 1 miljarder dollar programhandel av en handlare i ett Kansas-baserat fondbolag. Men i april 2015 anklagade amerikanska myndigheter en London-baserad dagshandlare, Navinder Singh Sarao, för marknadsmanipulation som bidrog till kraschen. Anklagorna ledde till Saraos gripande och möjlig utlämning till USA
Sarao använde påstås en taktik som kallas "förfalskning", vilket innebär att stora volymer av falska beställningar placerades i en tillgång eller derivat (Sarao använde E-mini S&P 500-kontraktet på Flash Crash-dagen) som avbryts innan de fylls. När sådana storskaliga falska beställningar dyker upp i orderboken ger de andra handlare intrycket att det finns större köp- eller säljintresse än det i verkligheten, vilket kan påverka deras egna handelsbeslut.
Till exempel kan en spoofer erbjuda att sälja ett stort antal aktier i aktie ABC till ett pris som är lite borta från det aktuella priset. När andra säljare hoppar in på åtgärden och priset blir lägre, avbryter spooferen snabbt sina försäljningsorder i ABC och köper aktien istället. Sedan lägger spoofer in ett stort antal köporder för att höja priset på ABC. Och efter att detta inträffar säljer spooferen sina innehav av ABC, sätter en snygg vinst och avbryter de falska köporder. Skölj och upprepa.
Många marknadsbevakare har varit skeptiska till påståendet att en handelsföretag en dag kunde ha ensam orsakat en krasch som utplånades nära en biljon dollar av marknadsvärde för amerikanska aktier inom några minuter. Men huruvida Saraos handling verkligen orsakade Flash Crash är ett ämne för en annan dag. Samtidigt finns det några giltiga skäl till att algoritmisk HFT förstorar systemriskerna.
Varför förstärker den algoritmiska HFT systemrisken?
Algoritmisk HFT förstärker systemisk risk av flera orsaker.
- Intensiverande volatilitet: För det första, eftersom det finns en hel del algoritmiska HFT-aktiviteter på dagens marknader, är att försöka överträffa konkurrensen ett inbyggt drag för de flesta algoritmer. Algoritmer kan reagera omedelbart på marknadsförhållandena. Som ett resultat kan algoritmer under tumultmarknader kraftigt utvidga sina bud-fråga-spridningar (för att undvika att tvingas ta handelspositioner) eller tillfälligt stoppa handeln helt, vilket minskar likviditeten och förvärrar volatiliteten. Ripple Effects: Med tanke på den ökande graden av integration mellan marknader och tillgångsklasser i den globala ekonomin, kraschar ofta en nedbrytning i en större marknad eller tillgångsklass till andra marknader och tillgångsslag i en kedjereaktion. Till exempel orsakade den amerikanska bostadsmarknaden krasch en global lågkonjunktur och skuldkrise eftersom betydande innehav av amerikansk subprime-papper inte bara innehöll av amerikanska banker, utan också av europeiska och andra finansiella institutioner. Ett annat exempel på sådana krusningseffekter är de skadliga effekterna av Kinas aktiemarknadskrasch, liksom kollaps i råoljepriser, på globala aktier från augusti 2015 till januari 2016. Osäkerhet: Algoritmisk HFT är en anmärkningsvärd bidragsgivare till överdriven marknadsvolatilitet, som kan stärka investerarnas osäkerhet på kort sikt och påverka konsumenternas förtroende på lång sikt. När en marknad plötsligt kollapsar väntar investerarna sig över orsakerna till ett så dramatiskt drag. Under nyhetsvakuumet som ofta existerar vid sådana tillfällen kommer stora handlare (inklusive HFT-företag) att minska sina handelspositioner för att minska risken och sätta mer press på marknaderna. När marknaderna rör sig lägre aktiveras fler stopp-förluster, och denna negativa återkopplingsslinga skapar en nedåtgående spiral. Om en björnmarknad utvecklas på grund av sådan aktivitet, skakas konsumenternas förtroende av erosionen av aktiemarknadsförmögenheten och de lågkonjunkturer som härrör från en stor nedbrytning på marknaden.
Andra risker med algoritmisk HFT
- Felaktiga algoritmer: Den bländande hastigheten vid vilken den mest algoritmiska HFT-handeln äger rum innebär att en felaktig eller felaktig algoritm kan tävla miljoner i förluster under en mycket kort period. Ett ökänt exempel på den skada som en felaktig algoritm kan orsaka är Knight Capital, en marknadstillverkare som förlorade 440 miljoner dollar under en 45-minutersperiod den 1 augusti 2012. En ny handelsalgoritm hos Knight gjorde miljoner felaktiga affärer i cirka 150 aktier, köper dem till det högre "fråga" -priset och säljer dem direkt till det lägre "bud" -priset. (Observera att marknadsaktörer köper aktier från investerare till anbudspriset och säljer till dem till anbudspriset, varvid spridningen är deras handelsvinster. Läs mer: Grunderna i bud-fråga-spridningen ) Tyvärr innebär hypereffektiviteten hos algoritmiska HFT - varvid algoritmer ständigt övervakar marknaderna för just denna typ av prisavvikelse - att konkurrerande handlare sopade in och utnyttjade Knights dilemma medan Knight-anställda frenetiskt försökte isolera källan till problemet. När de gjorde det hade Knight pressats nära till konkurs, vilket ledde till dess eventuella förvärv av Getco LLC. Stora investeringsförluster: Volatilitetssvängningar förvärras av algoritmiska HFT kan sadla investerare med stora förluster. Många investerare lägger rutinmässigt stop-loss-order på sina aktieinnehav i nivåer som är 5% från dagens aktiekurser. Om marknaderna avtar utan någon uppenbar anledning (eller till och med av en mycket god anledning) skulle dessa stopp-förluster utlöses. För att ge förolämpning för skada, om aktier därefter återhämtar sig i kort ordning, skulle investerare onödigt ha uppstått handelsförluster och tappat sina innehav. Medan vissa affärer vändes eller avbröts under ovanliga ansträngningar av marknadsvänglighet som Flash Crash och Knight-fiaskot, var de flesta handeln inte. Till exempel var de flesta av de nästan två miljarder aktierna som handlades under Flash Crash till priser inom 10% av klockan 2:40 PM (tiden då Flash Crash började den 6 maj 2010), och dessa affärer stod. Endast cirka 20 000 affärer, som omfattade totalt 5, 5 miljoner aktier som genomfördes till priser mer än 60% från sitt pris på 2:40 PM, avbröts därefter. Så en investerare med en $ 500 000 aktieportefølje av amerikanska blue-chips som hade 5% stop-loss på sina positioner under Flash Crash skulle troligtvis vara ut $ 25.000. Den 1 augusti 2012 avbröt NYSE handeln i sex lager som inträffade när Knight-algoritmen körde amok eftersom de genomfördes till priser 30% över eller under den öppningspriset för dagen. NYSE: s "Klart felaktiga utförande" -regel anger de numeriska riktlinjerna för att granska sådana affärer. (Se: Riskerna för programhandel ). Förlust av förtroende för marknadsintegritet: Investerare handlar på finansiella marknader eftersom de har full tro och förtroende för sin integritet. Upprepade avsnitt av ovanlig marknadsvolatilitet som Flash Crash kan emellertid skaka detta förtroende och få vissa konservativa investerare att överge marknaderna helt. I maj 2012 hade Facebooks börsintroduktion många tekniska problem och försenade bekräftelser, medan den 22 augusti 2013 slutade Nasdaq handeln i tre timmar på grund av ett problem med programvaran. I april 2014 måste nära 20 000 felaktiga affärer avbrytas efter ett datorfel vid IntercontinentalExchange Groups två amerikanska optioner. En annan stor uppblåsning som Flash Crash kan skaka investerarnas förtroende för marknadens integritet kraftigt.
Åtgärder för att bekämpa HFT-risker
Med Flash Crash and Knight Trading "Knightmare" som belyser riskerna med algoritmisk HFT har utbyten och regulatorer genomfört skyddsåtgärder. 2014 introducerade Nasdaq OMX-gruppen en "kill switch" för sina medlemsföretag som skulle avbryta handeln när en förinställd riskexponeringsnivå bryts. Medan många HFT-företag redan har "döda" -omkopplare som kan stoppa all handelsaktivitet under vissa omständigheter, ger Nasdaq-omkopplaren en ytterligare säkerhetsnivå för att motverka falska algoritmer.
Strömbrytare introducerades efter "Black Monday" i oktober 1987 och används för att dämpa panik på marknaden när det finns en enorm försäljning. SEC godkände reviderade regler 2012 som gör det möjligt för strömbrytare att slå in om S&P 500-indexet sjunker 7% (från föregående dags stängningsnivå) före kl 15:25 EST, vilket skulle stoppa marknadsövergripande handel i 15 minuter. Ett steg på 13% före kl 15:25 skulle utlösa ytterligare 15 minuters stopp på hela marknaden, medan ett dyk på 20% skulle stänga aktiemarknaden resten av dagen.
I november 2014 föreslog Commodity Futures Trading Commission förordningar för företag som använder algoritmisk handel med derivat. Dessa bestämmelser skulle kräva att sådana företag har kontroller före handeln, medan en kontroversiell bestämmelse kräver att de ställer källkoden till sina program tillgängliga för regeringen, om så begärs.
Poängen
Algoritmisk HFT har ett antal risker, varav den största är potentialen att förstärka systemrisken. Dess benägenhet att intensifiera volatiliteten på marknaden kan krusas över till andra marknader och stärka investerarnas osäkerhet. Upprepade anfall av ovanlig marknadsvolatilitet kan avveckla eroderande för många investerares förtroende för marknadsintegritet.
