Насколько полезны вычислительные модели трейдерам при принятии решений?

Мир трейдинга существенно изменился с момента создания фондовых бирж, и эта трансформация связана с развитием технологий. Такие места, как Лондонская фондовая биржа и Нью-Йоркская фондовая биржа, стали концептами, поскольку торговля больше не требует физического присутствия людей - сделки со всего мира занимали не неделю, а размещались за доли секунды. (bebusinessed, 2015) Информация в режиме реального времени теперь доступна каждому, у кого есть подключение к Интернету. Последние новости об экономике и о движении рынка можно получать практически мгновенно в виде уведомлений на телефон трейдера. В системе, где время — деньги, секунды и даже доли секунд могут привести к огромным потерям или прибылям, и компьютеры могут устранить эти незначительные задержки при покупке или продаже акций. Раньше трейдерам приходилось звонить брокерам, чтобы разместить сделки, теперь их можно выполнить несколькими нажатиями кнопки или даже автоматически. Увеличение скорости, с которой трейдерам приходится принимать важные решения, привело к созданию высококонкурентной среды, в значительной степени зависящей от невероятно быстрых компьютеров и программного обеспечения.

Распространенность алгоритмической торговли

Хотя одним из основных изменений в торговой среде является скорость и масштабы размещения сделок, другим является то, кто или, скорее, что размещает эти сделки. По данным (Quantified Strategies, 2022), около 65–70% общего объема торгов на фондовом рынке США, европейских финансовых рынках и основных азиатских рынках капитала приходится на алгоритмические торговые счета. Рост алгоритмической торговли можно объяснить несколькими факторами, в том числе развитием технологий, растущей доступностью рыночных данных и растущей конкуренцией среди финансовых учреждений. Алгоритмическая торговля также стала более доступной для индивидуальных трейдеров и инвесторов благодаря появлению платформ онлайн-торговли и наличию недорогих вычислительных ресурсов.

Алгоритмическая торговля также вышла за рамки собственной торговли и долгового рынка; В настоящее время он используется на рынках Форекс, товарных рынках и рынках криптовалют. Это расширение привело к разработке алгоритмов, разработанных специально для этих рынков, и привело к тому, что больше трейдеров стали использовать алгоритмическую торговлю. (Анализ Альфа, 2021 г.)

Чтобы понять степень полезности вычислительных моделей для трейдеров, важно понимать, как работают эти вычислительные модели, их роль в алгоритмическом трейдинге и HFT, а также различные типы вычислительных моделей. Также полезно знать, на каких математических моделях основаны вычислительные модели, поскольку это поможет понять возможности использования и ограничения этих моделей. Это поможет оценить, насколько эти модели и алгоритмическая торговля полезны для трейдеров.

Что такое алгоритмический трейдинг?

Систематическая торговля и использование алгоритмов для принятия торговых решений

Методы торговли можно разделить на несколько типов, одним из которых является систематическая торговля. Систематическая торговля — это тип торговли, который предполагает использование заранее определенного набора правил или алгоритмов для принятия торговых решений. Этот подход часто используется количественными трейдерами, которые используют статистические и математические модели для анализа рыночных данных и определения торговых возможностей. Трейдеры используют различные математические модели (включая статистические модели и модели машинного обучения, а также методы интеллектуального анализа данных) для анализа больших объемов рыночных данных и выявления торговых возможностей. Эти модели можно разделить на два основных типа: модели фундаментального и технического анализа.

Модели фундаментального анализа используют финансовые и экономические данные для определения внутренней стоимости ценных бумаг, таких как акции или облигации. Фундаментальный анализ рассматривает такие факторы, как финансовая отчетность, экономические показатели и тенденции в отрасли, чтобы трейдеры могли оценить эффективность компании и ее финансовое состояние. Эту оценку затем можно использовать для принятия инвестиционных решений. (Саакян, Куццолин и Бучински, 2022 г.)

Модели технического анализа прогнозируют будущие движения цен, анализируя рыночные данные и выявляя закономерности и тенденции в данных. Это могут быть закономерности движения цен, объема и других рыночных показателей. На основе закономерностей, которые они замечают; трейдеры могут определять торговые возможности и принимать решения о покупке и продаже для получения прибыли. (Маяски, 2019)

Как можно автоматизировать систематическую торговлю

Трейдеры могут использовать эти модели фундаментального и технического анализа для разработки торговых алгоритмов, которые автоматически совершают сделки в зависимости от рыночных условий. Систематическая торговля может использоваться с различными классами активов, например, с валютами, фиксированным доходом, акциями и сырьевыми товарами. Модели, используемые в систематической торговле, выявляют неэффективность рынка или другие аномалии посредством количественного анализа и используют это в своих целях для получения стабильной прибыли с течением времени.

Трейдеры-систематики используют бэктестинг и моделирование для уточнения своих моделей и оценки эффективности своих стратегий в различных рыночных условиях. Это позволяет им проверять производительность своих моделей, а также развивать или улучшать их.

Этот метод обучения может быть полностью автоматизирован или может быть реализован в полуавтоматическом режиме (все еще требуя некоторого вмешательства человека) из-за его математической природы; это значит убрать эмоции из процесса принятия решений и полагаться на объективный анализ данных.

Классы активов, для которых можно использовать систематическую торговлю

Систематическую торговлю можно использовать с различными группами активов, в том числе:

Акции

На фондовом рынке (или фондовом рынке) используются такие стратегии, как следование тренду, возврат к среднему значению, а для выявления возможностей на фондовом рынке можно использовать статистический арбитраж. (Абдельмалек, 2021 г.)

Фьючерсы:

Рынки фьючерсов обеспечивают ликвидность и волатильность, что делает их идеальными для систематических стратегий, поэтому в торговле фьючерсами обычно используются стратегии следования за трендом и импульсные стратегии. (Халл, 2022 г.)

Опции

Торговлю опционами также можно автоматизировать с помощью сложных стратегий и моделирования.

Форекс

Рынок Форекс — крупнейший рынок в мире. Можно использовать такие стратегии, как следование тренду (использует преимущества тенденций (Митчелл, 2021)) и керри-трейд (который инвестирует в высокодоходные активы, используя деньги, заимствованные под низкие проценты). (Блог Toptal Engineering, дата не указана) (Чен, 2020 г.)

Товары

На товарных рынках можно использовать такие стратегии, как следование тренду, возврат к среднему значению и сезонность.

Криптовалюты

С ростом популярности криптовалют систематическая торговля этим активом набирает обороты. Например, при торговле криптовалютой можно использовать стратегии импульса, возврата к среднему значению и статистического арбитража.

(Блог Quantitative Finance & Algo Trading от QuantInsti, 2020 г.)

Использование бэктестинга и моделирования для совершенствования торговых моделей

Бэктестирование и моделирование — важные инструменты, которые трейдеры используют для тестирования и совершенствования своих торговых моделей.

Бэктестирование включает в себя тестирование торговой стратегии или модели на исторических рыночных данных, чтобы увидеть, как она будет работать в различных рыночных условиях, и внести коррективы для повышения ее эффективности.

Моделирование использует виртуальную среду для запуска торговой модели. Виртуальная среда будет имитировать поведение реального рынка. Трейдеры могут тестировать свои модели в различных сценариях и варьировать рыночные условия, чтобы выявить слабые места в своей стратегии и соответствующим образом усовершенствовать свою модель. Это позволяет трейдерам тестировать свою стратегию в рыночных условиях в реальном времени, не рискуя реальными средствами.

Оба эти метода позволяют трейдерам увидеть, как их модели работают в различных рыночных условиях; Затем они смогут оценить, насколько хорошо работает их стратегия и ее точность в прогнозировании движения рынка, и усовершенствовать их для повышения точности и прибыльности. Эти тесты также позволяют трейдерам выявлять потенциальные риски и корректировать свои стратегии для лучшего управления этими рисками.

III. Другие методы торговли

Дискретная торговля, торговля, основанная на событиях, торговля по настроению и ручная торговля

Помимо систематической и алгоритмической торговли, существует несколько других методов, в том числе:

• Дискретная торговля, при которой торговые решения принимаются на основе личного суждения и опыта трейдера вместо использования систематического подхода. Дискреционные трейдеры часто используют технический анализ, фундаментальный анализ и рыночную интуицию для принятия решений.
• Торговля, управляемая событиями, предполагает использование неэффективности рынка, возникающей из-за определенных событий, в интересах трейдеров для получения прибыли. Например: слияния, поглощения, публикации доходов и экономических данных.
• Торговля на настроениях – это когда трейдеры открывают позиции на основе настроений рынка (или конкретных акций), которые можно измерить с помощью социальных сетей и новостей, а также с помощью других индикаторов настроений.
• Ручная торговля — это размещение сделок вручную, без использования каких-либо автоматизированных систем или алгоритмов. Этот подход до сих пор используется многими трейдерами.

IV. Количественный трейдинг, HFT (высокочастотный трейдинг) и алгоритмический трейдинг

Количественный и алгоритмический трейдинг

Количественная торговля, HFT и алгоритмическая торговля подпадают под категорию систематической торговли. Между этими двумя методами существуют ключевые различия: от того, как принимаются решения, до того, кто их исполняет.

Алгоритмическая торговля — это когда компьютер следует набору инструкций или спецификаций (алгоритму) для размещения сделок или принятия решений о сделках. Алгоритм сделает это на основе различных факторов, таких как время, цена и количество. Количественная торговля использует математические модели для определения того, какие сделки размещать. Напротив, алгоритмические модели используют технический анализ графиков и данные бирж для поиска новых позиций. При использовании количественной торговли трейдеры часто смотрят на цену и объем. Еще одно различие между этими двумя типами торговли заключается в том, что программное обеспечение для алгоритмической торговли автоматически выполняет сделки, однако некоторые методы количественной торговли полагаются на то, что трейдер открывает позиции вручную. (IG, без даты)

Количественные трейдеры используют математические модели, такие как модель Блэка-Шоулза и моделирование Монте-Карло, для принятия решений о торговле. Эти модели можно реализовать в виде алгоритмов и использовать в алгоритмической торговле. (Агарвал, 2019 г.)

Модель Блэка-Шоулза представляет собой дифференциальное уравнение, используемое для оценки европейских опционных контрактов (и других производных инструментов). Модель предполагает, что цена базового актива следует случайному блужданию, которое, по мнению Винаяка Вага, Даттатрея Раута и Дилипа Бера (2022), представляет собой «случайный процесс, описывающий путь, состоящий из последовательности случайных шагов на некотором математическом уровне». пространство".

Модель Блэка-Шоулза также предполагает, что опционы могут быть исполнены только в определенное время, поэтому эту модель нельзя использовать для американских опционов, которые могут быть исполнены до истечения срока их действия. Вместо этого при ценообразовании американских опционов используется модель Бьерксунда-Стенсланда. Модель Блэка-Шоулза учитывает несколько переменных при оценке вариантов. К ним относятся цена базового актива, цена исполнения опциона, время до истечения срока действия, безрисковая процентная ставка и волатильность цены базового актива. (Кентон, 2019 г.)

Модель Блэка-Шоулза использует следующую формулу для расчета теоретической цены европейского опциона колл или пут:

(Изображения из Option Party. (2016). Объяснение формулы Блэка-Шоулза. [онлайн] Доступно по адресу: https://optionparty.com/black-scholes-formula-explained/.)

Где:

• C – теоретическая цена опциона колл.
• P – теоретическая цена опциона пут.
• S — текущая цена базового актива.
• K — цена исполнения опциона.
• r – безрисковая процентная ставка.
• t — время до истечения срока действия опциона, выраженное в долях года.
• N() — кумулятивная функция нормального распределения.

d1 и d2 рассчитываются следующим образом:

• d1 = (ln(S/K) + (r + σ^2/2)t) / (σsqrt(t))
• d2 = d1 - σ*sqrt(t)

Где σ — волатильность цены базового актива. (SOAS, дата не указана)

Как и все модели, модель Блэка-Шоулза предполагает предположения, поскольку не все факторы могут быть включены. Например, модель Блэка-Шоулза предполагает, что рынок эффективен, то есть модель предполагает, что цена опциона отражает всю доступную информацию о базовом активе; Модель также предполагает отсутствие транзакционных издержек или ограничений на торговлю. По словам Дауни (2021), транзакционные издержки — это «расходы, понесенные при покупке или продаже товара или услуги».

Модель Блэка-Шоулза широко принята в финансах, но она не идеальна и имеет ограничения. Одним из ограничений является то, что модель предполагает, что распределение доходности базового актива соответствует нормальному распределению, что происходит не всегда. Еще одно предположение, которое делает модель, заключается в том, что волатильность цены базового актива постоянна во времени, но это не всегда верно. Однако модель Блэка-Шоулза является важным инструментом ценообразования опционов и основой для многих других моделей ценообразования опционов. (Ганти, 2021 г.)

Метод Монте-Карло, моделирование множественной вероятности, используется для оценки опционов путем создания множества случайных траекторий цены базового актива. Каждая траектория связана с определенным выигрышем, который впоследствии дисконтируется к настоящему; затем для определения цены опциона берется среднее значение. Моделирование Монте-Карло — это инструмент, который может помочь трейдерам принимать инвестиционные решения, предоставляя данные о потенциальных рисках и доходах, связанных с различными финансовыми инструментами или инвестиционными стратегиями. (БАРИЛЛАС и ШАНКЕН, 2018 г.)

В трейдинге моделирование Монте-Карло можно использовать для самых разных целей: от управления рисками до ценообразования опционов; В управлении рисками моделирование может моделировать потенциальный риск, связанный с финансовым инструментом или портфелем. (Агарвал, 2019 г.) Трейдеры могут моделировать различные рыночные сценарии и анализировать вероятность падения стоимости портфеля ниже определенного порога, что позволяет им управлять риском, связанным с их инвестициями. При ценообразовании опционов моделирование Монте-Карло можно использовать для оценки опционов (которые представляют собой финансовые инструменты, которые дают держателю право покупать или продавать базовый актив по заранее определенной цене). Моделируя различные рыночные сценарии, трейдеры могут оценить стоимость опционов. опцион и его чувствительность к изменениям рыночных условий. (Ганти, 2021 г.)

Моделирование Монте-Карло также можно использовать при оптимизации портфеля для оптимизации портфеля финансовых инструментов; трейдеры могут определить оптимальное распределение портфеля, которое максимизирует ожидаемую доходность при минимизации риска, путем моделирования различных распределений активов и инвестиционных стратегий (Кентон, 2019b).

Алгоритмическую торговлю можно рассматривать как разновидность количественной торговли

Количественная торговля подразумевает выявление торговых возможностей, на которых можно получить прибыль, в частности, с использованием математических моделей и статистического анализа; Он предполагает использование методов анализа данных, например статистического арбитража, анализа тенденций и машинного обучения. Все они могут использоваться для анализа рыночных данных и принятия торговых решений.

Алгоритмическую торговлю можно рассматривать как разновидность количественной торговли в тех случаях, когда алгоритм использует количественные модели и реализует их в виде компьютерных программ, которые автоматически совершают сделки на основе цены, времени и количества, поскольку это предполагает использование математических моделей и алгоритмов для совершения торговых операций. решения. Алгоритмическая торговля может совершать сделки автоматически в соответствии с заранее заданными правилами или при выполнении определенных условий. (Финансовый поезд, дата не указана)

Типы алгоритмической торговли

Существует несколько видов алгоритмической торговли. Например, алгоритмы исполнения и алгоритмы арбитража.

Алгоритмы исполнения выполняют сделки наиболее эффективным и экономичным способом — они разбивают большие ордера на более мелкие и выполняют их с течением времени. Это снижает влияние на рынок и минимизирует транзакционные издержки. Арбитражные алгоритмы стремятся воспользоваться различиями в ценах между различными рынками или ценными бумагами. Например, арбитражный алгоритм может определить разницу в цене между акциями в Великобритании и теми же акциями, торгующимися на иностранной бирже. Затем он будет совершать сделки, чтобы получить прибыль от разницы цен.

Другие примеры включают алгоритмы создания рынка, отслеживания трендов, статистического арбитража и анализа настроений. (Дроид, 2018)

Алгоритмы маркет-мейкинга постоянно размещают ордера на покупку и продажу, чтобы обеспечить ликвидность рынка и облегчить торговлю. Эти алгоритмы часто используются маркет-мейкерами, которые получают прибыль от спреда спроса и предложения. Алгоритмы следования за трендом — это алгоритмы, которые стремятся выявлять рыночные тенденции и получать от них прибыль; они могут использовать технические индикаторы, такие как скользящие средние или графические модели, для выявления тенденций и совершения сделок в направлении тенденции. Алгоритмы статистического арбитража используют статистические модели для выявления неправильной оценки связанных ценных бумаг, таких как две акции в одной отрасли или акция и ее фьючерсный контракт. Алгоритм будет покупать ценные бумаги по недооцененной цене и продавать ценные бумаги по завышенной цене, стремясь получить прибыль от сближения их цен. Алгоритмы анализа настроений используют методы обработки естественного языка и машинного обучения для анализа новостных статей, сообщений в социальных сетях и других источников информации для оценки настроений рынка. На основе этой информации они принимают торговые решения. (Обзор Форекс-брокера, 2022 г.)

HFT и использование электронных торговых инструментов и высокочастотных финансовых данных для совершения сделок

Подвидом алгоритмической торговли является высокочастотная торговля (HFT). HFT характеризуется быстрой скоростью, высокой оборачиваемостью и высоким соотношением ордеров к сделкам. Для совершения сделок требуются электронные торговые инструменты и высокочастотные финансовые данные, поэтому используются мощные компьютерные алгоритмы и математические модели для анализа рыночных данных и определения торговых возможностей; эти алгоритмы могут совершать сделки за миллисекунды или даже микросекунды. (Акилина, 2017)

HFT-трейдеры полагаются на невероятно быстрые сети и развитую инфраструктуру центров обработки данных для достижения высоких скоростей, которые предназначены для уменьшения задержек и обеспечения максимально эффективного выполнения сделок; они используют передовые методы анализа данных для обработки больших объемов финансовых данных в режиме реального времени и выявления закономерностей или тенденций. (ШАБУ и др., 2014)

HFT-трейдеры часто сосредотачиваются на арбитражных возможностях. Арбитражные возможности — это когда трейдеры покупают и продают ценные бумаги на разных рынках, чтобы получить прибыль от разницы цен. HFT-трейдеры также участвуют в маркет-мейкинге, который включает в себя обеспечение рынков ликвидностью путем непрерывной покупки и продажи ценных бумаг, тем самым уменьшая спреды спроса и предложения и повышая эффективность рынка (Harford, 2012). HFT стал важной частью современных финансовых рынков, обеспечивая ликвидность и эффективность рынков, а также принося значительную прибыль трейдерам и фирмам, которые могут использовать передовые технологии и сложные торговые стратегии. Высокочастотная торговля была предметом споров и критики из-за опасений по поводу ее влияния на стабильность и справедливость рынка. (Бреккенфельдер, 2020 г.) (ШАБУ и др., 2014 г.)

Популярность HFT растет, составляя примерно «50% объема торгов на фондовых рынках США и от 24% до 43% на европейских фондовых рынках» (Брекенфельдер, 2017).

Типы HFT

Существует несколько типов стратегий высокочастотной торговли (HFT), например маркет-мейкинг; эта стратегия предполагает котирование цен покупки и продажи конкретной ценной бумаги на бирже. Маркет-мейкеры получают прибыль, покупая по низкой цене и продавая по высокой, фиксируя разницу между ценой спроса и предложения.

Другой тип — статистический арбитраж, стратегия, включающая анализ статистических взаимосвязей между различными ценными бумагами для выявления возможностей получения прибыли (например, если цены двух сильно коррелирующих акций расходятся, статистический арбитражер может продать переоцененную акцию и купить недооцененную акцию, надеясь получить прибыль). разница в цене, когда акции снова сойдутся).

Событийно-ориентированная торговля также является HFT-стратегией. Трейдеры, ориентированные на события, используют новости и другие рыночные данные, чтобы предвидеть и получать прибыль от конкретных событий (таких как объявления о прибылях и убытках, слияния и поглощения или изменения в нормативных актах). (БАДЖПАИ, 2022 г.)

Следование за трендом — это когда трейдеры анализируют ценовые тенденции и покупают или продают ценные бумаги в зависимости от направления тренда. Если акция стабильно росла в течение последних нескольких дней, алгоритм отслеживания тренда может купить ее в расчете на то, что она продолжит расти.

Скальпинг предполагает совершение очень краткосрочных сделок, часто удерживая позицию всего на несколько секунд или меньше и стремясь получить прибыль от небольших движений цены. Эти алгоритмы используют различные сигналы для принятия торговых решений, такие как поток ордеров или динамика цены. (БАДЖПАИ, 2022 г.)

В. Преимущества алгоритмической торговли

Алгоритмическая торговля устраняет человеческие эмоции и предубеждения

Одним из преимуществ алгоритмической торговли является то, что она исключает участие человеческих эмоций и связанных с ними предубеждений. (Сет, 2019a) Алгоритмы могут принимать решения быстрее и точнее, устраняя человеческие эмоции и ошибки из процесса принятия решений за счет использования сложных алгоритмов, которые обрабатывают огромные объемы рыночных данных в режиме реального времени. Алгоритмическая торговля следует ряду правил и не колеблется из-за страха. Компьютеры могут быстро реагировать на изменения на рынке; автоматизированные системы могут генерировать новые сделки, как только критерии алгоритмов будут выполнены. Это очень важно, поскольку сделки совершаются за миллисекунды, и любая задержка может стоить огромного капитала. Это также не позволяет трейдерам отступить из-за страха перед нестабильным рынком или стать самоуверенными и попытаться получить большую прибыль. Алгоритмическая торговля гарантирует, что трейдеры следуют торговой модели. Это может привести к более объективным и последовательным торговым решениям. (Сет, 2019a)

Тестирование торговых моделей и использование фиксированных правил

Другие преимущества включают возможность проведения бэк-тестирования. Хотя модели, которые формируют трейдеры, можно протестировать, вручную их сложнее протестировать на больших объемах данных, но компьютеры могут сделать это очень быстро, поскольку они обладают большой вычислительной мощностью. Автоматизированные модели имеют фиксированные правила, их легко сверять с историческими данными по сравнению с трейдерами, которые принимают решения на основе интуиции или опыта.

Бэктестирование — это применение торговой стратегии к историческим рыночным данным, чтобы оценить, как бы стратегия работала в прошлом; это позволяет трейдерам оценить потенциальную прибыльность своих стратегий и выявить слабые места для уточнения модели. (Дэйв, 2022 г.)

Моделирование – это когда модель тестируется на смоделированных рыночных данных, чтобы оценить ее эффективность в различных сценариях. Таким образом, трейдеры могут быть уверены, что они не подгоняются под исторические данные. (Сольберг, 2021 г.)

Бэктестирование и моделирование являются важнейшими компонентами совершенствования торговых моделей для систематической торговли. Эти методы позволяют трейдерам проверять эффективность своих торговых стратегий, прежде чем подвергать риску реальный капитал. Тестируя и совершенствуя свои стратегии таким образом, трейдеры могут повысить свои шансы на успех и снизить подверженность риску. Еще один способ, которым трейдеры могут снизить риск, — это программирование алгоритмов для более эффективного управления риском путем автоматического выполнения ордеров стоп-лосс, ограничения воздействия определенных активов и управления размерами позиций в зависимости от волатильности рынка. (Делойт, США, 2017 г.) (Пикардо, 2019 г.)

Алгоритмическая торговля позволяет принимать торговые решения быстрее и точнее

Алгоритмические торговые системы могут анализировать рыночные данные в режиме реального времени, выявлять закономерности и совершать сделки за миллисекунды, быстрее, чем могут реагировать трейдеры-люди. Это позволяет алгоритмическим трейдерам совершать более прибыльные сделки, используя движения рынка до того, как другие трейдеры успеют отреагировать. Алгоритмы могут принимать более точные торговые решения на основе данных, а не интуиции. (Институт корпоративных финансов, дата не указана) (Nomad, 2023 г.)

Алгоритмы можно использовать, чтобы помочь трейдерам диверсифицироваться; поскольку они автоматизированы, их можно реализовать на нескольких счетах, чтобы увеличить количество сделок, совершаемых в день. Еще одним преимуществом использования нескольких учетных записей является то, что трейдеры могут одновременно тестировать несколько разных стратегий.

VI. Недостатки алгоритмической торговли

Волатильность рынка

Что такое волатильность рынка

Частота и величина изменения цены финансовых инструментов, таких как акции, облигации, товары и валюты, в течение определенного периода времени известна как волатильность рынка. (Абдельмалек, 2021 г.)

Существует ряд факторов, которые могут увеличить волатильность; высокая волатильность может увеличить риск значительных потерь, поэтому инвесторы и трейдеры используют стратегии управления рисками, чтобы ограничить подверженность волатильности; Примеры стратегий управления рисками включают диверсификацию, стоп-лосс и хеджирование с помощью опционов или фьючерсных контрактов. Волатильность также может быть использована в интересах трейдера. (Первый ангел, 2023)

Волатильность рынка можно измерить с помощью статистических показателей, таких как стандартное отклонение или бета. Стандартное отклонение используется для измерения того, насколько цена актива отличается от его средней цены за определенный период времени, а бета-версия измеряет, насколько меняется цена актива по сравнению с эталонными индексами (например, индексом S&P 500). (Эшфорд, 2021 г.)

Как алгоритмическая торговля может способствовать волатильности рынка

Алгоритмическая торговля может способствовать волатильности рынка, усиливая рыночные движения, поощряя стадное поведение, влияя на неликвидность рынков и способствуя внезапным крахам. Хотя алгоритмическая торговля создает риски для стабильности рынка, это означает, что для минимизации этих рисков необходимо тщательное управление рисками. (Фрис, 2023)

Алгоритмические торговые системы усиливают движения рынка, автоматически выполняя большие объемы сделок на основе заранее определенных правил или условий. Когда происходит значительное движение цены, алгоритмы могут быстро обнаружить его и совершить сделки, что может привести к каскаду дальнейших сделок и усугубить первоначальное движение. (Арумугам, Прасанна и Маратх, 2023 г.)

Этот тип торговли также может способствовать стадному поведению; Стадное поведение – это когда несколько трейдеров одновременно принимают одни и те же торговые решения из-за использования схожих алгоритмов, что приводит к внезапному всплеску активности покупок или продаж и повышению волатильности.

Алгоритмические торговые системы также могут вызывать повышенную волатильность на неликвидных рынках; на этих рынках меньше покупателей и продавцов, а небольшие сделки могут оказать существенное влияние на цены активов. Алгоритмическая торговля может с большей вероятностью вызвать срабатывание стоп-лоссов или внезапные колебания цен на неликвидных рынках. Они также могут способствовать внезапным крахам, когда рынок испытывает быстрое и серьезное падение цен, за которым следует быстрое восстановление. Эти события могут произойти, когда алгоритмы обнаруживают внезапное изменение рыночных условий и реагируют продажей больших объемов активов, что может спровоцировать дальнейшие продажи и привести к нисходящей спирали. (Фрис, 2023)

Примеры рыночных обвалов, вызванных алгоритмической торговлей

Было несколько внезапных сбоев и обвалов рынка, связанных с алгоритмической торговлей; Некоторыми из этих крахов были крах 6 мая 2010 года, крах 24 августа 2015 года, крах 5 февраля 2018 года (распродажа промышленного индекса Доу-Джонса) и крах 3 сентября 2020 года (фьючерс на S&P 500). Распродавать). Алгоритмическая высокочастотная торговля представляет значительный риск для финансовой системы, поскольку алгоритмы, работающие на разных рынках, могут быстро передавать шоки с одного рынка на другой, усиливая системный риск. Flash Crash в мае 2010 года является примером такого риска.

Использование спуфинга способствовало катастрофе 6 мая 2010 г.; HFT может усугубить волатильность, создать волновой эффект и вызвать неуверенность инвесторов, что может повлиять на доверие потребителей. Спуфинг — это тип манипуляции рынком, при котором трейдеры размещают ордера, которые планируют отменить, прежде чем они будут исполнены. Их цель — создать иллюзию спроса или предложения на конкретную ценную бумагу, чтобы повлиять на цену в свою пользу. Используя HFT, можно осуществить подмену, быстро размещая и отменяя огромные ордера, чтобы создать ложное впечатление о рыночной активности. Алгоритм HFT может использовать эту тактику для манипулирования рынком и получения прибыли путем покупки или продажи ценных бумаг по выгодным ценам. Подделка объявлена ​​незаконной и может привести к штрафам или судебным искам со стороны регулирующих органов, но может быть трудно определить, было ли это сделано намеренно или это просто отмененная сделка. (Институт корпоративных финансов, 2023)

Другие упомянутые внезапные сбои также показывают, как высокочастотная торговля может иметь негативные последствия для рынка. 24 августа 2015 года на китайском фондовом рынке произошла резкая распродажа. Это спровоцировало распродажу на мировом рынке, в которой обвинили алгоритмические торговые системы, которые автоматически распродавали активы в ответ на внезапное падение китайских акций. Еще один внезапный крах произошел 5 февраля 2018 года, когда промышленный индекс Доу-Джонса (GANTI, 2019) упал более чем на 1100 пунктов — это самое большое однодневное падение в истории. Одним из факторов были алгоритмы HFT, которые в ответ на рост процентных ставок и опасения по поводу инфляции быстро распродавали активы. Третий крах произошел 3 сентября 2020 года, когда на фьючерсном рынке S&P 500 произошло внезапное и серьезное падение цен (падение почти на 4% за считанные минуты). Этот сбой стал результатом сочетания факторов, в том числе крупного ордера на продажу от алгоритмической торговой системы и опасений по поводу волатильности рынка.

Технические сбои

Технические сбои — это ошибки или неполадки, возникающие в алгоритмических торговых системах, которые могут привести к неожиданным или непредвиденным последствиям.

Одним из распространенных технических сбоев является неверная подача данных, когда алгоритмическая торговая система получает неправильные или неполные данные, что может привести к неверным торговым решениям. (Angel One, 2023). Например, если алгоритмическая торговая система получает неверные данные о ценах, она может заключать сделки по неправильным ценам, что приведет к значительным убыткам. Еще одним распространенным техническим сбоем являются программные ошибки, когда в алгоритмах есть программные ошибки, из-за которых они работают некорректно. Ошибки программного обеспечения могут привести к тому, что торговые компьютерные системы будут размещать сделки в неправильном направлении или в неправильное время, что может привести к значительной потере капитала. Алгоритмические торговые системы также могут испытывать перегрузки. Это может произойти, если система попытается обработать слишком много сделок или вводов данных одновременно. В периоды высокой волатильности рынка компьютеры могут получать большие объемы торговых данных, что может перегрузить систему и привести к ее сбоям. Технические сбои также могут возникать из-за проблем с подключением (например, сбоев в сети или Интернета), которые могут нарушить передачу торговых данных. Если компьютер потеряет соединение с торговой платформой, он не сможет совершать сделки.

Технические сбои могут привести к значительным потерям из-за ошибочных сделок, задержек в сделках, потери контроля и усиления волатильности рынка. Для фирм, использующих алгоритмические торговые системы, важно иметь надежные процессы управления рисками и мониторинга, чтобы минимизировать влияние технических сбоев.

1 августа 2012 года Knight Capital Group активировала новое программное обеспечение, содержащее серьезную ошибку. Программное обеспечение было активировано при открытии NYSE (Нью-Йоркской фондовой биржи), в результате чего, по данным Поппера (2012), фирма теряла около 10 миллионов долларов в минуту.

Что стало причиной сбоя Knight Flash?

Когда компания Knight заменила свое старое программное обеспечение, новый код RLP (Программа розничной ликвидности) изменил назначение одного из флагов, которые первоначально активировали программу под названием «Power Peg». Это было предназначено для изменения кода таким образом, чтобы при активации флага будет активирован новый компонент RLP (Дольфинг (2019)). Многие крупные компании-разработчики программного обеспечения, такие как Knight, часто хранят «мертвый код», что может привести к подобным ошибкам, когда эти системы годами обслуживаются несколькими людьми. Power Peg — это алгоритм, разработанный для проверки поведения собственных торговых алгоритмов в контролируемом алгоритме. (Документы Google, 2013 г.)

Собственная торговля – это «торговля финансовыми инструментами или товарами в качестве основного средства. Это требует использования собственного капитала фирмы или ликвидности, или того и другого». - (Управление пруденциального регулирования, дата не указана)

Тестовая программа покупала дорого и продавала дешево, чтобы поднять или опустить цены акций.

Хотя алгоритмическая торговля может совершать сделки с увеличенной скоростью и, следовательно, количеством, это может быть отрицательным, как показывает ошибка программного обеспечения Knight Capital от 1 августа 2012 года. Скорость торговли алгоритма привела к тому, что Найт купил 150 различных акций по цене около 7 миллиардов долларов менее чем за первый час торгов. Хотя это была огромная проблема, она подчеркивает два недостатка использования алгоритмической торговли — скорость и сбои в коде, которые могут привести к катастрофическим решениям. Алгоритмы не способны осознавать, что что-то идет не так, они имеют инструкции, которым следуют, пока не отключатся. Пока человек завершает работу программы, алгоритм продолжает работать, что усугубляет ситуацию. (Документы Google, 2013 г.)

Алгоритмическая торговля потребует человеческого контроля в случае неисправности. Автоматизированная торговая система не может заменить людей, поскольку они нуждаются в постоянном контроле для предотвращения механических сбоев и данных системы.

VII. Контраргументы

Преимущества алгоритмической торговли перевешивают недостатки

Алгоритмическая торговля повышает эффективность за счет сокращения времени и ресурсов, необходимых для совершения сделок. Алгоритмическая торговля также может повысить точность торговли (путем анализа больших объемов данных), снизить влияние торговли, основанной на эмоциях, и улучшить управление рисками (Информационная записка группы старших руководителей по алгоритмической торговле, 2015). Это также может способствовать повышению эффективности рынка, способствуя более быстрому и точному выявлению цен. Европейский центральный банк провел исследование, которое показало, что алгоритмическая торговля может улучшить ликвидность рынка и сократить спреды спроса и предложения. (Брогаард, Хендершотт и Риордан, 2014 г.)(ХЕНДЕРШОТТ, ДЖОНС и МЕНКВЕЛД, 2011 г.)

Риски, связанные с алгоритмической торговлей (технические сбои и потенциал повышенной волатильности рынка), можно снизить за счет тщательного управления рисками и мониторинга; Алгоритмическая торговля и вычислительные модели могут помочь улучшить управление рисками и снизить вероятность сбоев на рынке. (Обзор внимания: Новые темы и проблемы в алгоритмической торговле и машинном обучении, 2020 г.)

Недостатки можно смягчить за счет улучшения регулирования и надзора

Технические сбои:

Технические сбои являются основным риском, связанным с алгоритмической торговлей, но этот риск можно снизить за счет улучшения регулирования и надзора. Регулирующие органы могут обеспечивать соблюдение правил, которые требуют от компаний внедрения адекватных мер безопасности (таких как автоматические выключатели и аварийные выключатели), чтобы технические сбои не вызывали серьезных сбоев на рынке. После внезапного краха 2010 года регулирующие органы в США и Европе ввели автоматические выключатели и аварийные выключатели, чтобы предотвратить серьезные сбои на рынке. Они оказались эффективными в предотвращении подобных инцидентов. (Регулирующий орган по ценным бумагам США говорит, что нужно сделать больше в отношении «выключателей», 2013 г.)

Управление волатильностью рынка:

Алгоритмическая торговля может способствовать волатильности рынка, но более эффективное регулирование и надзор могут помочь справиться с этим риском, например, требуя от компаний следовать рекомендациям по созданию рынка и ограничивать размещение ордеров, чтобы предотвратить чрезмерную волатильность. Регуляторы ввели правила для управления волатильностью рынка, вызванной алгоритмической торговлей: Комиссия по ценным бумагам и биржам в США ввела механизм ограничения вверх/вниз для предотвращения чрезмерных движений цен, а Европейское управление по ценным бумагам и рынкам представило руководящие принципы по созданию рынка и ограничение размещения ордеров для предотвращения чрезмерной волатильности.

Повышение прозрачности:

Алгоритмическая торговля может быть довольно непрозрачной, но лучшее регулирование и надзор могут повысить прозрачность, установив правила, согласно которым фирмы должны раскрывать свои алгоритмические торговые стратегии и делать торговые данные более доступными для общественности. В 2018 году Европейское управление по ценным бумагам и рынкам ввело правила для фирм, использующих алгоритмическую торговлю. Эти правила вынуждали их раскрывать регуляторам свои торговые стратегии и алгоритмы; это повысило прозрачность рынка, и регулирующие органы осознают риски, связанные с алгоритмической торговлей. (Отчет об обзоре MiFID II Отчет об обзоре MiFID II/MiFIR по алгоритмической торговле, дата не указана)

Уменьшение манипулирования рынком:

Алгоритмическая торговля может использоваться для манипулирования рынком, но этого можно предотвратить путем более эффективного регулирования и надзора. (Ширер, Раутерберг и Веллман, 2019 г.) Регулирующие органы обеспечивают соблюдение правил против манипулирования рынком и требуют от компаний внедрения систем мониторинга для выявления и предотвращения манипулятивной торговой практики. В США и Европе созданы правила, запрещающие алгоритмическим трейдерам манипулировать рынком. Европейское управление по ценным бумагам и рынкам ввело руководящие принципы для алгоритмической торговли, которые запрещают манипулятивные торговые стратегии; Комиссия по торговле товарными фьючерсами США ввела правила, требующие от компаний иметь системы мониторинга для обнаружения и предотвращения манипулятивной торговой практики.

(АЛЕССИО АЗЗУТТ, ВОЛЬФ-ГЕОРГ РИНГ, Х. ЗИГФРИД ШТИЛ, без даты)

Защита инвесторов:

Алгоритмическая торговля может представлять риски для инвесторов, но лучшее регулирование и надзор могут защитить их. Регулирующие органы проверяют наличие у фирм адекватных систем управления рисками и требуют от них раскрывать инвесторам риски, связанные с алгоритмической торговлей. Были введены правила, защищающие инвесторов от этих рисков: Комиссия по ценным бумагам и биржам США создала правила, требующие от фирм раскрытия информации о рисках, а Европейское управление по ценным бумагам и рынкам установило правила, требующие от фирм внедрения систем управления рисками. (Соответствие алгоритмической торговли на оптовых рынках 2 Соответствие алгоритмической торговле Управления финансового надзора на оптовых рынках, 2018 г.) (Алгоритмическая торговля, 2018 г.) (www.finra.org, без даты) (Банк, 2019 г.) (Ли и Шу, 2021 г.).

Лучшее регулирование и надзор (например, упомянутые выше) будут гарантировать, что алгоритмическая торговля будет способствовать созданию справедливого и эффективного рынка за счет снижения рисков. Они также будут следить за тем, чтобы вычислительные модели и алгоритмическая торговля использовались ответственным и устойчивым образом; это важно, поскольку преимущества достаточно значительны, чтобы перевесить потенциальные недостатки.

Восьмой. Заключение

Ключевые моменты, обсуждаемые в эссе

В этом EPQ рассматриваются различные методы торговли, некоторые из которых используют вычислительные модели, а некоторые исключают их, чтобы оценить, в какой степени трейдеры используют вычислительные модели при принятии решений.

Алгоритмическая торговля имеет такие преимущества, как повышение эффективности и улучшение управления рисками, но она также создает риски для стабильности рынка и поэтому требует тщательного управления рисками. Хотя технические сбои и манипулирование рынком являются потенциальными рисками, связанными с алгоритмической торговлей, преимущества алгоритмической торговли перевешивают потенциальные недостатки. Эти риски можно смягчить за счет улучшения регулирования и надзора; Развитие машинного обучения позволит трейдерам разрабатывать еще более сложные автоматизированные торговые системы. Различные типы вычислительных моделей в трейдинге показывают, какую большую роль они играют сегодня в трейдинге, и помогают трейдерам ежедневно принимать решения. Степень использования вычислительных моделей значительно возросла с момента их появления и будет продолжать расти.

Постоянный рост и эволюция алгоритмической торговли в мире трейдинга.

Алгоритмическая торговля выросла и развилась за последнее десятилетие. С увеличением использования, развитием технологий, выходом на новые рынки и усилением конкуренции, контроль со стороны регулирующих органов также усилился. Хотя эти события открыли новые возможности для трейдеров и инвесторов, они создали новые проблемы для регулирующих органов и участников рынка. Прогнозируется, что вычислительные модели будут продолжать играть важную роль в мире торговли, поскольку технологии продолжают развиваться, а рынки развиваются.

(4997 слов без учета ссылок, заголовков, подзаголовков и изображений)