Vier grote risico’s van algoritmische hoogfrequente handel
Algoritmische handel (of “algo” trading) verwijst naar het gebruik van computer algoritmes (in feite een set van regels of instructies om een computer een bepaalde taak uit te voeren) voor de handel in grote blokken aandelen of andere financiële activa, terwijl het minimaliseren van de impact op de markt van dergelijke transacties. Algoritmische handel omvat het plaatsen van transacties op basis van gedefinieerde criteria en het opdelen van deze transacties in kleinere partijen, zodat de prijs van het aandeel of activum niet significant wordt beïnvloed.
De voordelen van algoritmische handel zijn duidelijk: het zorgt voor de “beste uitvoering” van transacties omdat het de menselijke factor minimaliseert, en het kan worden gebruikt om meerdere markten en activa veel efficiënter te verhandelen dan een handelaar van vlees en beenderen zou kunnen hopen. (Lees voor meer: Basisprincipes van algoritmische handel: concepten en voorbeelden ).
Wat is algoritmische hoogfrequente handel?
Hoogfrequente handel (HFT) tilt algoritmische handel naar een totaal ander niveau – zie het als algo-handel op steroïden. Zoals de term al aangeeft, omvat hoogfrequente handel het plaatsen van duizenden orders met verbluffend hoge snelheden. Het doel is om met elke transactie kleine winsten te maken, vaak door te profiteren van prijsverschillen voor hetzelfde aandeel of activum op verschillende markten. HFT is diametraal het tegenovergestelde van traditionele langetermijnbeleggingen met buy-and-hold, aangezien de arbitrage- en marktmakende activiteiten die HFT’s brood-en-boter zijn, doorgaans plaatsvinden binnen een zeer kort tijdsbestek, voordat de prijsverschillen of -mismatches verdwijnen.
Algoritmische handel en HFT zijn een integraal onderdeel van de financiële markten geworden vanwege de convergentie van verschillende factoren. Deze omvatten de groeiende rol van technologie in de huidige markten, de toenemende complexiteit van financiële instrumenten en producten, en het onophoudelijke streven naar meer efficiëntie bij de uitvoering van transacties en lagere transactiekosten. Hoewel algoritmische handel en HFT aantoonbaar de marktliquiditeit en de consistentie van activaprijzen hebben verbeterd, heeft hun toenemend gebruik ook geleid tot bepaalde risico’s die niet kunnen worden genegeerd, zoals hieronder wordt besproken.
Het grootste risico: vergroting van systeemrisico
Een van de grootste risico’s van algoritmische HFT is het risico voor het financiële systeem. In een rapport uit juli 2011 van de technische commissie van de International Organization of Securities Commissions (IOSCO) werd opgemerkt dat vanwege de sterke onderlinge banden tussen financiële markten, zoals die in de VS, algoritmen die op verschillende markten actief zijn, schokken snel van de ene markt naar de andere kunnen overbrengen., waardoor het systeemrisico wordt vergroot. Het rapport wees op de Flash Crash van mei 2010 als een goed voorbeeld van dit risico.
De Flash Crash verwijst naar de 5% -6% daling en rebound in grote Amerikaanse aandelenindices binnen een tijdsbestek van een paar minuten op de middag van 6 mei 2010. De Dow Jones daalde bijna 1.000 punten op intraday-basis, wat op dat moment tijd was de grootste daling in punten ooit. Zoals het IOSCO-rapport opmerkt, liepen tal van aandelen en exchange-traded funds ( ETF’s ) die dag in de war, en zakten ze tussen de 5% en 15% voordat ze de meeste van hun verliezen herstelden. Meer dan 20.000 transacties in 300 effecten werden gedaan tegen prijzen die wel 60% verwijderd waren van hun waarden enkele ogenblikken eerder, waarbij sommige transacties werden uitgevoerd tegen absurde prijzen, vanaf slechts een cent of zo hoog als $ 100.000. Deze ongewoon grillige handelsactie maakte beleggers van slag, vooral omdat het plaatsvond iets meer dan een jaar nadat de markten waren hersteld van hun grootste dalingen in meer dan zes decennia.
Heeft “Spoofing” bijgedragen aan de Flash-crash?
Wat veroorzaakte dit bizarre gedrag? In een gezamenlijk rapport dat in september 2010 werd uitgebracht, legden de SEC en de Commodity Futures Trading Commission de schuld vast aan een enkele programmatransactie van $ 4,1 miljard door een handelaar bij een in Kansas gevestigd beleggingsfonds. Maar in april 2015 beschuldigden de Amerikaanse autoriteiten een in Londen gevestigde daghandelaar, Navinder Singh Sarao, van marktmanipulatie die bijdroeg aan de crash. De beschuldigingen leidden tot Sarao’s arrestatie en mogelijke uitlevering aan de VS.
Sarao gebruikte naar verluidt een tactiek genaamd ” spoofing “, wat inhoudt dat er grote hoeveelheden neporders in een activum of derivaat worden geplaatst (Sarao gebruikte het E-mini S&P 500-contract op de dag van de Flash-crash) die worden geannuleerd voordat ze worden gevuld. Wanneer dergelijke grootschalige neporders in het orderboek verschijnen, geven ze andere handelaren de indruk dat er meer koop- of verkoopinteresse is dan in werkelijkheid, wat hun eigen handelsbeslissingen zou kunnen beïnvloeden.
Een spoofer kan bijvoorbeeld aanbieden om een groot aantal aandelen in voorraad ABC te verkopen tegen een prijs die iets afwijkt van de huidige prijs. Wanneer andere verkopers meedoen en de prijs daalt, annuleert de spoofer snel zijn verkooporders in ABC en koopt in plaats daarvan de aandelen. Vervolgens plaatst de spoofer een groot aantal kooporders om de prijs van ABC op te drijven. En nadat dit is gebeurd, verkoopt de spoofer zijn bezit aan ABC, met een mooie winst op zak en annuleert hij de valse kooporders. Afspoelen en herhalen.
Veel marktkijkers stonden sceptisch tegenover de bewering dat een handelaar op een dag in zijn eentje een crash had kunnen veroorzaken die binnen enkele minuten bijna een biljoen dollar aan marktwaarde voor Amerikaanse aandelen wegvaagde. Maar of Sarao’s actie de Flash-crash daadwerkelijk heeft veroorzaakt, is een onderwerp voor een andere dag. Ondertussen zijn er enkele geldige redenen waarom algoritmische HFT systeemrisico’s vergroot.
Waarom versterkt algoritmische HFT het systeemrisico?
Algoritmische HFT versterkt systeemrisico’s om een aantal redenen.
- Intensivering van de vluchtigheid : ten eerste, aangezien er veel algoritmische HFT-activiteit is in de huidige markten, is het een ingebouwde eigenschap van de meeste algoritmen om de concurrentie te slim af te zijn. Algoritmen kunnen ogenblikkelijk reageren op marktomstandigheden. Als gevolg hiervan kunnen algoritmen tijdens tumultueuze markten hun bied-laat-spreads aanzienlijk vergroten (om te voorkomen dat ze gedwongen worden handelsposities in te nemen) of zullen ze de handel tijdelijk helemaal stoppen, wat de liquiditeit vermindert en de volatiliteit verergert.
- Rimpeleffecten : gezien de toenemende mate van integratie tussen markten en activaklassen in de wereldeconomie, overspoelt een meltdown in een grote markt of activaklasse vaak in een kettingreactie naar andere markten en activaklassen. De crash op de Amerikaanse huizenmarkt veroorzaakte bijvoorbeeld een wereldwijde recessie en een schuldencrisis omdat substantiële posities in Amerikaans subprime-papier niet alleen in handen waren van Amerikaanse banken, maar ook van Europese en andere financiële instellingen. Een ander voorbeeld van dergelijke rimpeleffecten is de schadelijke impact van de Chinese beurscrash, evenals de ineenstorting van de prijzen van ruwe olie, voor wereldwijde aandelen van augustus 2015 tot januari 2016.
- Onzekerheid : Algoritmische HFT levert een opmerkelijke bijdrage aan overdreven marktvolatiliteit, die op korte termijn onzekerheid bij investeerders kan aanwakkeren en het consumentenvertrouwen op lange termijn kan aantasten. Wanneer een markt plotseling instort, vragen beleggers zich af wat de redenen zijn voor zo’n dramatische beweging. Tijdens het nieuwsvacuüm dat op zulke momenten vaak bestaat, zullen grote handelaren (inclusief HFT-bedrijven) hun handelsposities verlagen om het risico te verkleinen, waardoor er meer neerwaartse druk op de markten komt. Naarmate de markten dalen, worden meer stopverliezen geactiveerd en deze negatieve feedbacklus zorgt voor een neerwaartse spiraal. Als zich als gevolg van een dergelijke activiteit een bearmarkt ontwikkelt, wordt het consumentenvertrouwen geschokt door de erosie van de rijkdom op de aandelenmarkt en de recessie-signalen die voortkomen uit een grote ineenstorting van de markt.
Andere risico’s van algoritmische HFT
- Foutieve algoritmen : de duizelingwekkende snelheid waarmee de meeste algoritmische HFT-handel plaatsvindt, betekent dat één foutief of defect algoritme in een zeer korte periode miljoenen aan verliezen kan oplopen. Een berucht voorbeeld van de schade die een foutief algoritme kan veroorzaken, is dat van Knight Capital, een market maker die op 1 augustus 2012 in 45 minuten $ 440 miljoen verloor. Een nieuw handelsalgoritme bij Knight deed miljoenen foutieve transacties in ongeveer 150 aandelen, die ze tegen de hogere “vraag” -prijs kopen en ze onmiddellijk verkopen tegen de lagere “bied” -prijs. (Merk op dat marktmakers aandelen van beleggers kopen tegen de biedprijs en aan hen verkopen tegen de biedprijs, waarbij de spread hun handelswinst is. Lees voor meer informatie: De basisprincipes van de bid-ask spread ). Helaas betekende de hyperefficiëntie van algoritmische HFT – waarbij algoritmen de markten voortdurend controleren op juist dit soort prijsverschillen – dat rivaliserende handelaren naar binnen schoten en profiteerden van het dilemma van Knight, terwijl werknemers van Knight verwoed probeerden de bron van het probleem te isoleren. Tegen de tijd dat ze dat deden, was Knight bijna failliet gegaan, wat leidde tot de uiteindelijke overname door Getco LLC.
- Enorme verliezen voor beleggers : volatiliteitsschommelingen die worden verergerd door algoritmische HFT kunnen beleggers met enorme verliezen opzadelen. Veel beleggers plaatsen routinematig stop-loss-orders op hun aandelenbezit op niveaus die 5% verwijderd zijn van de huidige handelsprijzen. Als het marktverschil zonder duidelijke reden (of zelfs om een zeer goede reden) kleiner wordt, zouden deze stopverliezen worden geactiveerd. Om de schade nog erger te maken: als de aandelen vervolgens op korte termijn weer opveren, zouden beleggers onnodig handelsverliezen hebben geleden en hun bezit hebben verloren. Hoewel sommige transacties werden teruggedraaid of geannuleerd tijdens ongebruikelijke periodes van marktvolatiliteit, zoals de Flash Crash en het Knight-fiasco, waren de meeste transacties dat niet. De meeste van de bijna twee miljard aandelen die tijdens de Flash Crash werden verhandeld, waren bijvoorbeeld tegen prijzen binnen 10% van hun sluiting van 14:40 PM (het tijdstip waarop de Flash Crash begon op 6 mei 2010), en deze transacties bleven staan. Slechts ongeveer 20.000 transacties, met in totaal 5,5 miljoen aandelen die werden uitgevoerd tegen prijzen die meer dan 60% verwijderd waren van hun prijs van 14.40 uur, werden vervolgens geannuleerd. Dus een investeerder met een aandelenportefeuille van $ 500.000 van Amerikaanse blue chips die 5% stop-loss op haar posities had tijdens de Flash Crash, zou hoogstwaarschijnlijk $ 25.000 kwijt zijn. Op 1 augustus 2012 annuleerde de NYSE transacties in zes aandelen die plaatsvonden toen het Knight-algoritme amok maakte, omdat ze werden uitgevoerd tegen prijzen die 30% boven of onder de openingskoers van die dag lagen. De “Clearly Erroneous Execution” -regel van de NYSE vermeldt de numerieke richtlijnen voor het beoordelen van dergelijke transacties. (Zie: The Perils of Program Trading ).
- Verlies van vertrouwen in marktintegriteit : Beleggers handelen op financiële markten omdat ze volledig vertrouwen hebben in hun integriteit. Herhaalde periodes van ongewone marktvolatiliteit, zoals de Flash Crash, kunnen dit vertrouwen echter aan het wankelen brengen en sommige conservatieve beleggers ertoe brengen de markten helemaal te verlaten. In mei 2012 had de beursintroductie van Facebook tal van technologische problemen en vertraagde bevestigingen, terwijl Nasdaq op 22 augustus 2013 drie uur lang stopte met handelen vanwege een probleem met de software. In april 2014 moesten bijna 20.000 foutieve transacties worden geannuleerd als gevolg van een computerstoring bij de twee Amerikaanse optiebeurzen van IntercontinentalExchange Group. Een andere grote uitbarsting, zoals de Flash Crash, zou het vertrouwen van beleggers in de integriteit van markten enorm kunnen schokken.