English info

Algozarabianie, czyli komputer jako inwestor

Autor: Marta Czekaj

Data: 20 maja 2012

 „Wyłącz emocje, włącz zyski” – na silnie rozchwianych rynkach strategia trzeźwego myślenia i zdystansowanych i świadomych decyzji liczy się podwójnie. Zgodnie ze światowym trendem specjaliści konstruują zaawansowane technicznie zautomatyzowane platformy transakcyjne, na których królują coraz bardziej skomplikowane algorytmy.

algozarabianie

Handel algorytmiczny (algo trading, automatic trading system, automated trading) to technika inwestowania idąca ścieżką analizy technicznej, ale z wykluczeniem człowieka w procesie podejmowania decyzji.  Specjalistyczne oprogramowania analizują ruchy cen czy obroty i generują sygnały kupna i sprzedaży, tym samym „na żywo” reagując na zmieniające się otoczenie rynkowe. Jednak czy rynki są przygotowane na powierzenie pieniędzy komputerom?

Era komputera

Automatyzacja handlu polega na przetwarzaniu danych bezpośrednio i na bieżąco pobieranych z rynku (przeważnie cen instrumentów finansowych). Następnie, w oparciu o reguły decyzyjne,  skomplikowane algorytmy generują sygnały inwestycyjne,  na podstawie których samoczynnie zostają złożone odpowiednie zlecenia na rachunku brokerskim. Handel algorytmiczny ”obiecuje” ciąć koszty, zwiększać efektywność oraz eliminować możliwe błędy ludzkie. Jednak człowiek niekiedy jest potrzebny, nawet przy automatycznych transakcjach, chociażby do akceptacji zaproponowanych przez komputer rozwiązań. Czasem udział człowieka w samych procesach High Frequency Trading (HFT) oraz Low Latency Trading (LLT) jest nawet niemożliwy z racji szybkości generowania sygnałów. Tak zaawansowane technologie pojawiają się wszędzie tam, gdzie giełda jest na tyle rozwinięta, by handel był i możliwy, i opłacalny.

Pierwsze tego typu oprogramowania stosowane przez wielkie firmy inwestycyjne pojawiły się wraz z rozwojem technologicznym, który pod koniec lat 90. doprowadził do ukształtowania się nowej, zdecentralizowanej struktury rynków finansowych. Powstał pozagiełdowy system obrotu papierami wartościowymi (OTC – over the counter) w postaci tzw. sieci ECN (Electronic Communication Network) umożliwiającej wymianę aktywów z pominięciem giełd. Powstały tzw. Dark Pools, czyli platformy kojarzące zlecenia inwestorów z zachowaniem pełnej anonimowości uczestników obrotu. Duże zlecenia były dzielone na mniejsze i automaty transakcyjne przekazywały je do kilku platform naraz. Takie struktury, umożliwiające np. dokonywanie transakcji na kilu rynkach jednocześnie, stanowiły podwaliny handlu algorytmicznego, jak i obecnych metod stosowanych przez fundusze typu hedge czy dealing roomy banków inwestycyjnych. Te, wykorzystując techniki arbitrażu i istnienie naturalnych różnic w wycenie tych samych lub wysoko skorelowanych ze sobą aktywów na różnych rynkach, przyciągają zyski.

Analizowanie ogromnych ilości danych rynkowych wymaga nie tylko dostępu do odpowiednio dużych i jakościowo dobrych zbiorów danych, ale również do teoretycznej i praktycznej wiedzy z zakresu matematyki, statystyki, metod ilościowych, inżynierii komputerowej i finansów. Nic więc dziwnego, że w bankowości inwestycyjnej zatrudniani są matematycy i fizycy, a coraz rzadziej dyplomowani finansiści. Analiza ilościowa skupia się na poszukiwaniu statystycznie wiarygodnych hipotez dotyczących zależności rynkowych. Zależności te mogą być bardzo różnorodne i przykładowo mogą łączyć ceny tego samego instrumentu finansowego w różnym czasie lub ceny różnych instrumentów, etc. Po zidentyfikowaniu takich statystycznych zależności programiści tworzą z nich kod automatycznego systemu transakcyjnego, który 24 godziny na dobę monitoruje wiele rynków jednocześnie i reaguje na bieżące nieefektywności rynku w znacznie krótszym czasie niż człowiek. Gdy zmieni się jakaś zależność, zostaje wygenerowany sygnał inwestycyjny i złożone zlecenie.

Handel w mgnieniu oka

Oczywiście to człowiek wybiera strategię inwestycyjną i tworzy odpowiedni algorytm, ale dzięki zaawansowanym systemom setki tysięcy transakcji są zawierane często w kilkusekundowym przedziale czasowym czy, jak na amerykańskim rynku, nawet w nanosekundowym. Stąd algo trading określa się mianem handlu wysokich częstotliwości  -  co oznacza wspomniany skrót HFT. Mówi się także o handlu błyskawicznym. W tym przypadku wykorzystywane są minimalne ceny walorów, a z kolei LLT wychwytuje minimalne różnice cenowe, często generowane przez powtarzające się zjawiska. Wiele firm wykorzystujących algorytmy specjalizuje się w market making, czyli zarabianiu na spreadach (różnicach) między ceną kupna i sprzedaży aktywów.

Poza tym, dążąc do zarabiania na każdej transakcji (na nawet niewielkich odchyleniach), przy opieraniu się na bardzo krótkim, kilkugodzinnym trzymaniu pozycji, podmioty stosujące HFT otwierają i zamykają swoje krótkoterminowe pozycje kilkanaście razy dziennie. Stąd przy wysokim wolumenie obrotów przypisuje się HFT znaczne poprawienie płynności rynku.

Oprócz możliwości dywersyfikacji większego portfela inwestycyjnego niż w przypadku tradycyjnych form zarządzania, zaletą takiej strategii jest również dodatkowe obniżanie kosztów operacyjnych działania - kosztu utrzymywanych pozycji (tzw. cost of carry), szczególnie uciążliwych w czasach rosnącej inflacji.

Flash zyski, flash straty

System budzi jednak wiele kontrowersji. W szczególności flash trading, w którym uczestnicy rynku mają chwilowy, tj. kilkudziesięciomilisekundowy wgląd w tabele nadchodzących zleceń. Jest to wiedza, którą HFT zamienia w zysk, co uznawane jest za nielegalną formę tradingu, a nawet za insider trading.

Krytyka nasiliła się szczególnie po kryzysie nazywanym Flash Crash. Miał on miejsce całkiem niedawno, bo 6 maja 2010 roku. Na otwarciu wartość DJIA wynosiła 10862,30. Narastająca zmienność i nerwowość na rynku doprowadziły do straty indeksu o ok. 350 punktów (3,2%) o godz. 14:42 w stosunku do ceny otwarcia. Pięć minut później, o 14:47 indeks spadł jednak do poziomu 9880,58, co dało stratę w wysokości 9,03%. Ostatecznie dzień zamknął się na poziomie 10517,84, co daje stratę 3,17% w stosunku do ceny otwarcia. Był to największy spadek i drugi największy ruch cenowy w ciągu dnia w historii DJIA. Przez pewien czas zagadką było, czym spowodowany był tak drastyczny spadek. Sugerowano między innymi błąd maklera, który przez przypadek złożył zbyt wielkie zlecenie sprzedaży, tym samym inicjując ogromne zlecenia składane przez automaty finansowe. W końcu ustalono, że to HFT, składając duże, agresywne zlecenia i wykorzystując początkowy ruch cen, przyczyniły się do pogorszenia złej sytuacji na giełdzie. Z kolei 1 marca 2011 roku na New Mercantile Exchange kurs opcji na kakao spadł w minutę o 12,5 %. Po tym zdarzeniu maklerzy domagali się wprowadzenia zasady zwiększania kursu opcji, jeżeli tylko zmiany przekroczą pewien pułap.

Dlatego też regularnie prowadzone są prace nie tylko nad doskonaleniem automatyzacji, ale również nad zabezpieczeniami przed wyżej opisanymi sytuacjami.

Polska w tyle?

Nie do końca. Pierwszy był IDMSA, który w maju 2009 roku wprowadził możliwość projektowania własnych automatów i wykorzystywaniu ich w grze na rynkach za granicą. Tzw. Direct Market Access –DMA, czyli handel poprzez bezpośredni dostęp do danych rynkowych, zaproponował w maju 2010 roku polski oddział banku UBS. Jednak najbardziej znany w tej dziedzinie jest DM BOŚ, który w czerwcu 2012 roku poprzez bossaAPI (ang. Application Programming Interface) za pomocą języka MQ4 udostępnił indywidualnym inwestorom interfejs programowania strategii automatycznych na GPW.

Domy maklerskie to jedno, ale dość ciekawym przypadkiem jest firma, której działalność opiera się tylko na skomputeryzowanym obrocie akcjami. 6 lutego 2012 na giełdzie NewConnect zadebiutowała spółka M1, która jest związana z obszarem automatów inwestycyjnych, i która zawiera transakcje w oparciu o własne, autorskie algorytmy.

Niewątpliwie, wśród inwestorów indywidualnych w Polsce widać coraz większe zainteresowanie tego typu systemami. Obrót przy użyciu algorytmów prężnie się rozwija i choć nie stanowi 70 % całkowitego obrotu, jak na Wall Street, to i tak na rodzimym rynku z pewnością jest to branża perspektywiczna. Obecnie największy problem stanowi płynność, a raczej jej brak, bowiem handel algorytmiczny ma sens tylko w środowisku o dużej płynności i dużej zmienności.

Algorytm na przyszłość

Popularność automatów rozkwita szczególnie w niepewnych rynkowo czasach, kiedy to inwestorzy, targani skrajnymi emocjami, podejmują niewłaściwe decyzje. Jednak nawet jeśli nie będą brali czynnie udziału w grze na rynku, a jedynie tworzyli strategie wykonywaną przez komputer, to i tak pozostanie im ostateczna decyzja – przecież zawsze można wyłączyć komputer.