ETFFIN Finance >> Corso di Finanza Personale >  >> Azioni >> Mercato Azionario

Imparare dal trading algoritmico: spunti per il processo decisionale umano

Imparare dal trading algoritmico: spunti per il processo decisionale umano

Nel 2019, il mondo temeva che gli algoritmi ci conoscessero meglio di quanto noi conosciamo noi stessi. Nessun concetto cattura questo meglio del capitalismo della sorveglianza, un termine coniato dalla scrittrice americana Shoshana Zuboff per descrivere una cupa nuova era in cui aziende come Facebook e Google forniscono servizi popolari mentre i loro algoritmi vendono le nostre tracce digitali.

Sorprendentemente, la preoccupazione di Zuboff non si estende agli algoritmi nei mercati finanziari che hanno sostituito molti degli umani sui pavimenti di trading. Il trading algoritmico automatizzato decollò intorno all'inizio del 21° secolo, prima negli USA ma presto anche in Europa.

Un importante motore fu il trading ad alta frequenza, che opera a velocità accecanti, fino a miliardesimi di secondo. Offriva agli investitori la prospettiva di un vantaggio sui rivali, aiutando al contempo a fornire liquidità a un mercato garantendo che ci fosse sempre qualcuno disposto a comprare e vendere a un particolare prezzo. Il trading ad alta frequenza è ora dietro più della metà dei volumi sia nei mercati azionari che in quelli futures. In altri mercati, come il forex, gli algoritmi hanno una presenza minore ma ancora significativa, senza segni che diminuiranno in futuro.

I vizi dei dispositivi

Gli umani programmano ancora gli algoritmi e progettano le loro strategie di trading, anche se l'ascesa del deep learning sta mettendo sotto minaccia anche questo ruolo. Ma nel momento in cui gli algoritmi vanno live sui mercati, agiscono per conto proprio senza intervento umano, danzando tra loro in modi vertiginosi e spesso inaspettati.

A prima vista, hanno poco in comune con noi. Non possono pensare o sentire, e nonostante l'hype intorno al machine learning, è ancora controverso e complicato descriverli come intelligenti. Come i trader umani, tuttavia, prendono decisioni, osservano altri prendere decisioni, e adattano il loro comportamento in risposta.

Imparare dal trading algoritmico: spunti per il processo decisionale umano

A velocità molte volte superiori a quelle che gli umani probabilmente mai potranno raggiungere, questi algoritmi formano facilmente aspettative sulle aspettative degli altri quando piazzano i loro ordini di acquisto e vendita.

Per esempio, un algoritmo potrebbe cercare di manipolare le aspettative di un altro sui movimenti di prezzo inviando un gran numero di ordini per comprare o vendere un particolare asset. Il primo algoritmo cancellerà poi rapidamente i suoi ordini, avendo sperabilmente ingannato il rivale nel fare la scommessa sbagliata su quale direzione sta prendendo il mercato.

Interessante, i sociologi considerano questo tipo di anticipazione reciproca una caratteristica centrale di ciò che significa per gli umani essere sociali. Hanno a lungo visto i mercati come arene altamente sociali. Nell'apogeo dei pavimenti di trading, leggere correttamente i segnali sociali degli altri trader – una smorfia o un ghigno, toni ansiosi, persino il brusio del pavimento di trading – spesso faceva la differenza tra ricchezza e disastro.

Imparare dal trading algoritmico: spunti per il processo decisionale umano

Ma se le macchine possono essere sociali, quanto è simile o diverso da come gli umani socializzano davvero? Ci sono ovvie differenze, ovviamente. Mentre i trader umani del passato si conoscevano bene e spesso passavano il tempo insieme dopo il lavoro, gli algoritmi commerciano in modo anonimo. Quando inviano ordini per comprare o vendere asset, nessun altro trader sa se proviene da un uomo o una macchina.

In effetti, è proprio per questo che sono programmati per formare aspettative gli uni sugli altri. I segnali facciali non sono più disponibili, ma intere strategie sono state sviluppate che cercano di scoprire se un numero di ordini potrebbe essere stato piazzato da un unico algoritmo – e poi cercare di prevedere quali potrebbero essere le sue prossime mosse.

Per eludere tali tentativi, gli algoritmi sono spesso progettati per non essere riconosciuti come algoritmi da altri algoritmi. Come ha detto il sociologo scozzese Donald MacKenzie, possono impegnarsi in strategie di dissimulazione e/o cercare di dare una particolare presentazione del loro "sé" in pubblico. Questi sono di nuovo attributi che i sociologi hanno a lungo considerato aspetti chiave della vita metropolitana.

Valanga!

Insieme a colleghi, ho trascorso gli ultimi anni nei principali centri finanziari intervistando trader, programmatori, regolatori, funzionari di borsa e altri professionisti della finanza su questi algoritmi di trading. Questo ha evidenziato altre interessanti somiglianze tra trader umani e automatizzati.

I programmatori ammettono prontamente che una volta che i loro algoritmi iniziano a interagire con altri, si lasciano trasportare e agiscono in modo imprevedibile, come se fossero in una folla. I sociologi dalla fine del 19° secolo hanno studiato come le persone si lasciano incantare dalle folle e lasciano scivolare la loro autonomia in "valanghe sociali", ma abbiamo finora largamente ignorato il fatto che le macchine finanziarie fanno qualcosa di simile.

Il "flash crash" del 6 maggio 2010 illustra al meglio cosa intendo qui. In quattro minuti e mezzo, l'interazione frenetica di algoritmi di trading completamente automatizzati mise i mercati USA in picchiata, generando circa 1 trilione di dollari (768 miliardi di sterline) di perdite fino a quando il trading non fu rapidamente sospeso.

La maggior parte di questi scambi furono poi annullati come "chiaramente errati". Certamente nessun trader o programmatore aveva pianificato di creare questo massiccio spostamento dei prezzi, ma decenni di ricerca sociologica ci dicono che questo tipo di comportamento è atteso in grandi gruppi. Dobbiamo capire come i nostri algoritmi finanziari interagiscono in concerto prima che i nostri stessi strumenti diventino la nostra rovina.

Imparare dal trading algoritmico: spunti per il processo decisionale umano

Naturalmente, non tutte le forme di interazione sociale sono ammirabili o benefiche. Come gli umani, gli algoritmi interagiscono tra loro in modi che vanno dal premuroso e pacifico al freddo e violento: dal fornire liquidità e mantenere la stabilità del mercato a fare ordini manipolativi e innescare attività di trading selvagge.

Afferrare queste interazioni non è solo chiave per capire il trading moderno e cercare di prevenire futuri flash crash. Gli algoritmi parlano tra loro in sempre più campi oggi. Capire come si comportano come folle speriamo getti luce in aree dove stanno appena iniziando a venire alla ribalta – pensate ai sistemi di traffico autonomo o alla guerra automatizzata, per esempio. Potrebbe anche avvertirci delle valanghe che attendono in agguato.