4 خطر بزرگ تجارت با فرکانس بالا الگوریتمی

الویس پیکاردو به طور منظم در Investopedia همکاری می کند و 25+ سال تجربه به عنوان مدیر نمونه کارها با تجربه متنوع بازارهای سرمایه دارد.

توماس جی کاتالانو یک مشاور CFP و ثبت نام شده در ایالت کارولینای جنوبی است ، جایی که وی شرکت مشاوره مالی خود را در سال 2018 راه اندازی کرد.

Kirsten Rohrs Schmitt یک ویراستار حرفه ای ، نویسنده ، تصحیح کننده و چکنده است. وی در زمینه امور مالی ، سرمایه گذاری ، املاک و مستغلات و تاریخ جهان تخصص دارد. در طول حرفه خود ، وی محتوای زیادی را برای مجلات و وب سایت های مصرف کننده بیشمار ، رزومه های ساخته شده و محتوای رسانه های اجتماعی برای صاحبان مشاغل نوشت و ویرایش کرده است و وثیقه ای را برای آکادمی و غیرانتفاعی ایجاد کرده است. کرستن همچنین بنیانگذار و مدیر بهترین ویرایش شما است. او را در LinkedIn و Facebook پیدا کنید.

تجارت با فرکانس بالا الگوریتمی (HFT) چیست؟

تجارت الگوریتمی (یا تجارت "ALGO") به استفاده از الگوریتم های رایانه (اساساً مجموعه ای از قوانین یا دستورالعمل ها برای انجام یک کامپیوتر) برای تجارت بلوک های بزرگ سهام یا سایر دارایی های مالی اشاره دارد ، ضمن اینکه تأثیر بازار چنین مواردی را به حداقل می رساندمعاملاتمعاملات الگوریتمی شامل قرار دادن معاملات بر اساس معیارهای تعریف شده و حک کردن این معاملات در تعداد کمتری است تا قیمت سهام یا دارایی به میزان قابل توجهی تأثیر نگذارد.

مزایای تجارت الگوریتمی واضح است: این "بهترین اجرای" معاملات را تضمین می کند زیرا عنصر انسانی را به حداقل می رساند ، و می توان از آن برای تجارت چندین بازار و دارایی به مراتب کارآمدتر از یک معامله گر گوشت و استخوان استفاده کرد. بشر

غذای اصلی

• تجارت الگوریتمی به استفاده از الگوریتم های رایانه ای برای تجارت بلوک های بزرگ سهام یا سایر دارایی های مالی و در عین حال به حداقل رساندن تأثیر بازار چنین معاملات اشاره دارد.
• معاملات الگوریتمی شامل قرار دادن معاملات بر اساس معیارهای تعریف شده و حک کردن این معاملات در تعداد کمتری است تا قیمت دارایی به میزان قابل توجهی تأثیر نگذارد.
• مزایای اصلی تجارت الگوریتمی این است که "بهترین اجرای" معاملات را تضمین می کند زیرا عنصر انسانی را به حداقل می رساند ، و می تواند چندین بازار و دارایی را به مراتب کارآمدتر از آنچه یک معامله گر انسانی می تواند تجارت کند.
• همانطور که از این اصطلاح پیداست ، تجارت با فرکانس بالا (HFT) شامل قرار دادن هزاران سفارش با سرعت های سریع و سریع است.
• در حالی که تجارت الگوریتمی و معاملات با فرکانس بالا به طور قابل ملاحظه ای نقدینگی بازار و قوام قیمت گذاری دارایی را بهبود بخشیده است ، استفاده از آنها همچنین خطرات خاصی را ایجاد کرده است ، در درجه اول توانایی آن در تقویت ریسک سیستمیک است.

درک تجارت با فرکانس بالا الگوریتمی

معاملات با فرکانس بالا (HFT) تجارت الگوریتمی را به طور کلی به سطح دیگری می برد-به عنوان تجارت "Algo" در استروئیدها فکر می کند. همانطور که از این اصطلاح پیداست ، معاملات با فرکانس بالا شامل قرار دادن هزاران سفارش با سرعت های سریع و سریع است.

هدف این است که سود ناچیز در هر تجارت ، غالباً با سرمایه گذاری در اختلاف قیمت برای همان سهام یا دارایی در بازارهای مختلف ، سودآوری کنیم. HFT به طور قطعی بر خلاف سرمایه گذاری سنتی طولانی مدت ، خرید و نگهدارنده است ، زیرا فعالیت های داوری و بازار سازی که نان و کره HFT هستند به طور کلی در یک پنجره زمانی کوچک قبل از اختلاف قیمت یا عدم تطابق از بین می روند.

تجارت الگوریتمی و HFT به دلیل همگرایی چندین عامل به بخشی جدایی ناپذیر از بازارهای مالی تبدیل شده است. این موارد شامل نقش فزاینده فناوری در بازارهای امروزی ، افزایش پیچیدگی ابزارها و محصولات مالی و حرکت بی وقفه به سمت کارآیی بیشتر در اجرای تجارت و کاهش هزینه های معامله است.

در حالی که تجارت الگوریتمی و HFT به طور قابل ملاحظه ای نقدینگی بازار و قوام قیمت گذاری دارایی را بهبود بخشیده است ، استفاده رو به رشد آنها همچنین خطرات خاصی را ایجاد کرده است که نمی توان آنها را نادیده گرفت.

بزرگترین خطر: تقویت ریسک سیستمیک

یکی از بزرگترین خطرات HFT الگوریتمی ، موردی است که به سیستم مالی می پردازد. گزارش ژوئیه 2011 توسط کمیته فنی سازمان بین المللی کمیسیون های اوراق بهادار (IOSCO) خاطرنشان کرد: به دلیل ارتباط بین بازارهای مالی ، مانند موارد موجود در ایالات متحده ، الگوریتم هایی که در بازارها فعالیت می کنند می توانند شوک ها را به سرعت از یک بازار به بازار دیگر منتقل کنند.، بنابراین خطر سیستمیک را تقویت می کند. این گزارش به سقوط فلش در ماه مه 2010 به عنوان نمونه بارز این خطر اشاره داشت.

تصادف فلش به 5 ٪ تا 6 ٪ شیرجه و بازگشت در شاخص های اصلی سهام ایالات متحده در مدت چند دقیقه بعد از ظهر 6 مه 2010 اشاره دارد. داو جونز تقریباً 1000 امتیاز را به صورت داخلی به دست آورد ، که در این صورتزمان بزرگترین افت امتیاز آن در رکورد بود.

همانطور که در گزارش IOSCO خاطرنشان می کند ، سهام های بی شماری و صندوق های مبادله ای (ETFs) آن روز به یونجه رفتند و قبل از بازیابی بیشتر ضررهای خود ، بین 5 تا 15 درصد کاهش یافت. بیش از 20،000 معاملات در 300 اوراق بهادار با قیمت ها به اندازه 60 ٪ از ارزش های آنها صرفاً لحظه های قبل انجام شد ، با برخی از معاملات با قیمت های پوچ ، از پایین به اندازه یک پنی یا به اندازه 100000 دلار.

سرعتی که در آن بیشتر تجارت با فرکانس بالا الگوریتمی صورت می گیرد ، به معنای یک الگوریتم نادرست یا معیوب می تواند در یک دوره کوتاه میلیون ها ضرر را به دست آورد.

این اقدام تجاری غیرمعمول نامنظم سرمایه گذاران را به خود جلب کرد ، به ویژه به این دلیل که تقریباً بیش از یک سال پس از بازگشت بازارها از بزرگترین کاهش آنها در بیش از شش دهه اتفاق افتاد.

آیا "کلاهبرداری" به سقوط فلش کمک کرده است؟

چه عواملی باعث این رفتار عجیب و غریب شده است؟در گزارشی مشترک منتشر شده در سپتامبر 2010 ، SEC و کمیسیون معاملات معاملات آتی کالاها تقصیر در یک برنامه برنامه 4. 1 میلیارد دلاری توسط یک معامله گر در یک شرکت صندوق متقابل مستقر در کانزاس را به دست آوردند. اما در آوریل 2015 ، مقامات آمریكا یك تاجر روز مستقر در لندن ، Navinder Singh Sarao را به دستکاری در بازار متهم كردند كه در این تصادف نقش داشته است. سارائو به ایالات متحده استرداد شد و به اتهامات خود گناهکار شد.

گفته می شود سارائو از تاکتیکی به نام "کلاهبرداری" استفاده کرده است که شامل قرار دادن حجم زیادی از سفارشات جعلی در دارایی یا مشتق است (سارائو از قرارداد E-Mini S& P 500 در روز سقوط فلش استفاده کرد) که قبل از پر شدن آنها لغو می شود. هنگامی که چنین سفارشات جعلی در مقیاس بزرگ در کتاب سفارش ظاهر می شود ، آنها به سایر معامله گران این تصور را می دهند که خرید یا فروش بیشتری نسبت به واقعیت وجود دارد ، که می تواند بر تصمیمات تجاری خود تأثیر بگذارد.

به عنوان مثال ، یک اسپوفر ممکن است برای فروش تعداد زیادی سهام در سهام ABC با قیمتی که کمی از قیمت فعلی فاصله دارد ، بفروشد. هنگامی که سایر فروشندگان در این عمل پرش می کنند و قیمت آن پایین می رود ، اسپوفر به سرعت سفارشات فروش خود را در ABC لغو می کند و به جای آن سهام را خریداری می کند. سپس اسپوفر تعداد زیادی از سفارشات خرید را برای افزایش قیمت ABC قرار می دهد. و پس از این اتفاق ، اسپوفر دارایی های ABC خود را به فروش می رساند ، سودآوری مرتب می کند و سفارشات خرید فریبنده را لغو می کند. بشویید و تکرار کنید.

بسیاری از ناظران بازار نسبت به این ادعا که یک معامله گر می توانست به تنهایی باعث سقوطی شود که نزدیک به یک تریلیون دلار ارزش بازار سهام ایالات متحده را در عرض چند دقیقه از بین می برد، تردید داشتند. اما اینکه آیا اقدام Sarao واقعاً باعث سقوط فلش شده است یا خیر، موضوعی است برای روز دیگری. در همین حال، دلایل معتبری وجود دارد که نشان می دهد HFT الگوریتمی خطرات سیستمیک را بزرگ می کند.

چرا معاملات با فرکانس بالا الگوریتمی ریسک سیستمی را تقویت می کند؟

تشدید نوسانات

اول، از آنجایی که فعالیت HFT الگوریتمی زیادی در بازارهای امروزی وجود دارد، تلاش برای خروج پویا از رقابت، ویژگی داخلی بسیاری از الگوریتم ها است. الگوریتم ها می توانند فوراً به شرایط بازار واکنش نشان دهند. در نتیجه، در طول بازارهای پرتلاطم، الگوریتم ها ممکن است اسپردهای پیشنهادی خود را تا حد زیادی افزایش دهند (برای جلوگیری از اجبار به گرفتن موقعیت های معاملاتی) یا به طور موقت معامله را به طور کامل متوقف کنند، که نقدینگی را کاهش می دهد و نوسان را تشدید می کند.

جلوه های ریپل

با توجه به افزایش درجه یکپارچگی بین بازارها و طبقات دارایی در اقتصاد جهانی، سقوط در یک بازار عمده یا طبقه دارایی اغلب در یک واکنش زنجیره ای به بازارها و طبقات دارایی دیگر سرایت می کند.

به عنوان مثال، سقوط بازار مسکن در ایالات متحده باعث رکود جهانی و بحران بدهی شد، زیرا دارایی های قابل توجهی از اوراق بهادار ایالات متحده نه تنها در اختیار بانک های ایالات متحده، بلکه در اختیار موسسات مالی اروپایی و دیگر قرار داشت. نمونه دیگری از چنین اثرات موجی، تأثیر مخرب سقوط بازار سهام چین و همچنین سقوط قیمت نفت خام بر سهام جهانی از آگوست 2015 تا ژانویه 2016 است.

عدم قطعیت

HFT الگوریتمی یک عامل قابل توجه در نوسانات اغراق آمیز بازار است که می تواند عدم اطمینان سرمایه گذاران را در کوتاه مدت افزایش دهد و اعتماد مصرف کننده را در بلندمدت تحت تاثیر قرار دهد. هنگامی که یک بازار به طور ناگهانی سقوط می کند، سرمایه گذاران در مورد دلایل چنین حرکت چشمگیری شگفت زده می شوند. در خلاء خبری که اغلب در چنین مواقعی وجود دارد، معامله گران بزرگ (از جمله شرکت های HFT) موقعیت های معاملاتی خود را کاهش می دهند تا ریسک را کاهش دهند و فشار نزولی بیشتری بر بازارها وارد کنند.

HFT الگوریتمی یک عامل قابل توجه در نوسانات اغراق آمیز بازار است که می تواند عدم اطمینان سرمایه گذاران را در کوتاه مدت افزایش دهد و اعتماد مصرف کننده را در بلندمدت تحت تاثیر قرار دهد.

با پایین آمدن بازارها ، از بین رفتن بیشتر فعال می شوند و این حلقه بازخورد منفی یک مارپیچ رو به پایین ایجاد می کند. اگر یک بازار خرس به دلیل چنین فعالیتی توسعه یابد ، اعتماد به نفس مصرف کننده با فرسایش ثروت بازار سهام و سیگنال های رکود اقتصادی ناشی از ذوب شدن بازار اصلی متزلزل می شود.

سایر خطرات تجارت با فرکانس بالا الگوریتمی

الگوریتم های اشتباه

سرعت خیره کننده ای که در آن بیشتر تجارت HFT الگوریتمی صورت می گیرد به این معنی است که یک الگوریتم اشتباه یا معیوب می تواند در یک دوره بسیار کوتاه میلیون ها ضرر را به دست آورد. نمونه ای بدنام از خسارت هایی که یک الگوریتم ناسازگار می تواند به وجود آورد ، از Knight Capital ، سازنده بازار است که در یک دوره 45 دقیقه ای در تاریخ 1 آگوست 2012 440 میلیون دلار از دست داد.

یک الگوریتم معاملاتی جدید در نایت میلیون ها معاملات معیوب را در حدود 150 سهام انجام داد و آنها را با قیمت بالاتر "بپرسید" و فوراً آنها را با قیمت پایین "پیشنهاد" خریداری کرد. توجه داشته باشید که سازندگان بازار سهام را از سرمایه گذاران با قیمت پیشنهادی خریداری می کنند و با قیمت پیشنهاد به آنها می فروشند ، این گسترش سود تجارت آنها است.

متأسفانه ، تأثیر بیش از حد الگوریتم HFT-در آن الگوریتم های در جایی که دائماً بازارها را فقط برای این نوع اختلاف قیمت گذاری نظارت می کنند-به این معنی که معامله گران رقیب در آن حرکت می کنند و از معضل نایت استفاده می کنند در حالی که کارمندان شوالیه به طرز وحشیانه ای سعی می کردند منبع مشکل را جدا کنند. تا زمانی که آنها انجام دادند ، نایت به ورشکستگی نزدیک شده بود ، که منجر به دستیابی نهایی آن توسط Getco LLC شد.

ضررهای بزرگ سرمایه گذار

نوسانات نوسانات بدتر شده توسط HFT الگوریتمی می تواند سرمایه گذاران را با ضررهای عظیمی زین کند. بسیاری از سرمایه گذاران به طور معمول سفارشات متوقف کردن را در دارایی های سهام خود در سطحی قرار می دهند که 5 ٪ از قیمت معاملات فعلی فاصله دارند. اگر شکاف بازارها بدون هیچ دلیل مشخصی کاهش یابد (یا حتی به یک دلیل بسیار خوب) ، این از بین رفتن متوقف می شود.

برای افزودن توهین به آسیب ، اگر سهام متعاقباً به ترتیب کوتاه برگردد ، سرمایه گذاران بی نیاز ضرر معاملات را متحمل می شدند و دارایی های خود را از دست می دادند. در حالی که برخی از معاملات در طول دوره های غیرمعمول نوسانات بازار مانند Flash Crash و Knight Fiasco معکوس یا لغو شدند ، بیشتر معاملات نبودند.

به عنوان مثال ، بیشتر دو میلیارد سهم که در هنگام سقوط فلش معامله می کردند با قیمت 10 ٪ از ساعت 2:40 بعد از ظهر خود با قیمت بودند. بستن (زمانی که سقوط فلش در 6 مه 2010 آغاز شد) ، و این معاملات ایستاد. فقط حدود 20،000 معاملات ، شامل 5. 5 میلیون سهم که با قیمت بیش از 60 ٪ از 2:40 بعد از ظهر خود اجرا شده اند. قیمت ، متعاقباً لغو شد. بنابراین یک سرمایه گذار با سبد سهام 500،000 دلاری از تراشه های آبی ایالات متحده که 5 ٪ از بین بردن موقعیت خود را در هنگام سقوط فلش داشتند ، به احتمال زیاد 25،000 دلار درآمد دارند.

در تاریخ 1 آگوست 2012 ، NYSE معاملات را در شش سهام که هنگام الگوریتم نایت در حال اجرا بود ، لغو کرد زیرا آنها با قیمت 30 ٪ بالاتر یا پایین تر از قیمت افتتاح آن روز اجرا شدند. قانون "اعدام واضح و نادرست" NYSE دستورالعمل های عددی را برای بررسی چنین معاملات بیان می کند.

از دست دادن اعتماد به نفس در یکپارچگی بازار

سرمایه گذاران در بازارهای مالی تجارت می کنند زیرا آنها ایمان و اعتماد به نفس کامل به یکپارچگی خود دارند. با این حال ، اپیزودهای مکرر از نوسانات غیرمعمول بازار مانند سقوط فلش می تواند این اعتماد به نفس را تکان دهد و برخی از سرمایه گذاران محافظه کار را به سمت رها کردن بازارها سوق دهد.

در ماه مه 2012 ، IPO فیس بوک دارای مشکلات فناوری بیشماری و تأخیر در تأخیر بود ، در حالی که در 22 آگوست 2013 ، NASDAQ به دلیل مشکل در نرم افزار خود ، سه ساعت تجارت را متوقف کرد. در آوریل 2014 ، نزدیک به 20،000 معاملات اشتباه پس از نقص رایانه ای در دو گزینه ایالات متحده بین IntermentinentalExchange باید لغو شود. یکی دیگر از انفجارهای مهم مانند سقوط فلش می تواند اعتماد به نفس سرمایه گذاران را به یکپارچگی بازارها بسیار تکان دهد.

اقدامات برای مبارزه با خطرات تجاری با فرکانس بالا الگوریتمی

با سقوط فلش و تجارت شوالیه "Knightmare" که خطرات HFT الگوریتمی ، صرافی ها و تنظیم کننده ها را برجسته می کند ، اقدامات محافظتی را انجام داده اند. در سال 2014 ، گروه NASDAQ OMX "سوئیچ کشتن" را برای شرکت های عضو خود معرفی کرد که پس از نقض سطح قرار گرفتن در معرض خطر از پیش تعیین شده ، معاملات را قطع می کند. در حالی که بسیاری از بنگاه های HFT قبلاً سوئیچ های "کشتن" دارند که می تواند تمام فعالیت های تجاری را تحت شرایط خاص متوقف کند ، سوئیچ NASDAQ سطح ایمنی دیگری را برای مقابله با الگوریتم های سرکش فراهم می کند.

شکن های مدار پس از "دوشنبه سیاه" در اکتبر 1987 معرفی شدند و در هنگام فروش عظیم ، از وحشت بازار استفاده می شود. SEC قوانین اصلاح شده را در سال 2012 تصویب كرد كه اگر شاخص S& P 500 7 ٪ (از سطح بسته شدن روز قبل) قبل از ساعت 3:25 بعد از ظهر 7 ٪ (از سطح بسته شدن روز گذشته) شروع به كار كند. EST ، که تجارت در سطح بازار را به مدت 15 دقیقه متوقف می کند. 13 ٪ شیرجه قبل از 3:25 بعد از ظهر. 15 دقیقه دیگر در کل بازار متوقف می شود ، در حالی که یک شیرجه 20 ٪ بازار سهام را برای بقیه روز بسته می کند.

در ژانویه سال 2021 ، کمیسیون معاملات آینده کالا مقررات مربوط به شرکتها را با استفاده از تجارت الگوریتمی در مشتقات اجرا کرد. این مقررات به چنین بنگاه هایی نیاز دارد تا کنترل ریسک قبل از دوره را داشته باشند. یک ماده بحث برانگیز که شرکت ها را ملزم به تهیه کد منبع برنامه های خود در دسترس دولت می کند ، پس گرفته شد.

خط پایین

HFT الگوریتمی خطرات زیادی دارد که بزرگترین آن پتانسیل آن برای تقویت ریسک سیستمیک است. تمایل آن برای تشدید نوسانات بازار می تواند به سایر بازارها و عدم اطمینان سرمایه گذار استوک بپردازد. دوره های مکرر از نوسانات غیرمعمول بازار می تواند باعث از بین رفتن اعتماد به نفس بسیاری از سرمایه گذاران به یکپارچگی بازار شود.

Investopedia مالیات ، سرمایه گذاری یا خدمات مالی و مشاوره را ارائه نمی دهد. این اطلاعات بدون در نظر گرفتن اهداف سرمایه گذاری ، تحمل ریسک یا شرایط مالی هر سرمایه گذار خاص ارائه می شود و ممکن است برای همه سرمایه گذاران مناسب نباشد. سرمایه گذاری شامل ریسک است ، از جمله از دست دادن احتمالی اصلی.