Traiding algorytmiczny, który pierwszy raz został wykorzystany w latach 90’ jest obecnie ważnym elementem handlu papierami wartościowymi. Opiera się przede wszystkim na dwóch założeniach: (1) odkrywaniu cen oraz (2) wykonywaniu zamówień.
Odkrywaniem cen nazywamy sytuację, w której trader dowiaduje się o cenie przed resztą rynku i ma czas na poprawki w razie pomyłki. W wykonywaniu zamówień chodzi o różnicę czasu między kupnem a sprzedażą instrumentu finansowego, niezbędną do wykorzystania okazji rozważanej przez tradera. Traderzy wysokiej częstotliwości (High frequency traders) korzystają z bliskości swoich biur i serwerów połączonych światłowodem. Wszystko po to, aby wyprzedzić innych choćby o ułamek sekundy, który może być warty krocie.
Szczyt transakcji wysokich częstotliwości przypadł na lata 2009 i 2010 (60% wszystkich transakcji na giełdzie w USA), jednak potem rozwój tej gałęzi zatrzymał się, a później spadł. Są cztery główne powody dlaczego tak się stało. Po pierwsze, mniejsza zmienność rynków stwarza mniej okazji do wykorzystania swojej przewagi. Po drugie, wzrosła płynność i spadły opłaty za transakcje kupna-sprzedaży. Po trzecie, wzrosły koszty infrastruktury niezbędnej do tradingu wysokiej częstotliwości. Oznacza to, że tylko niewielu może sobie pozwolić na biuro na Manhattanie wraz z serwerami i światłowodem. Po czwarte, bardzo rozwinięto nadzór tradingu algorytmicznego, między innymi dlatego, że eliminuje on „błędy ludzkie”. Liczba transakcji tego typu w USA spadła z 3.3 mld w 2009 do 1.6 mld w 2012, a zyski z 7.2 mld w 2009 do 1.3 mld w 2014.
Nie oznacza to jednak, że jest to martwa branża. Światowe Forum Ekonomiczne uważa, że istnieją trzy czynniki, które rozwiążą problemy tradingu algorytmicznego. Po pierwsze, istnieje pomysł tzw. Danych dostępnych dla maszyn, który wprowadzi nowoczesne, „inteligentne” komputery, które będą śledziły dane z rynku, co w konsekwencji sprawi, że wahania cen będą bardziej adekwatne do zdarzeń na rynku. Po drugie, rozwój Big Data, który umożliwia dostęp do jeszcze większej ilości danych dzięki specjalistycznym bazom danych. Mówiąc krótko, im więcej danych tym trafniejsze przewidywania co do zmian na rynku. Po trzecie, rozwój sztucznej inteligencji samouczących się maszyn prowadzi do automatycznego podejmowania decyzji, poprawiania błędów oraz ciągłego usprawniania modelu podejmowania decyzji inwestycyjnych i optymalizacji portfela inwestycyjnego przy minimalnym udziale człowieka.
Co to oznacza dla rynku? Szybsze reakcje, czyli lepsze wyniki, większą dokładność, czyli eliminację „błędów ludzkich”. Rozwój traidingu algorytmicznego oznacza korzyści dla wszystkich. Jeśli ta technologia uzyska stałą pozycję, to ze względu na różnice między inwestorami prywatnymi i instytucjonalnymi, przyszłość handlu będzie odzwierciedlała uprzywilejowaną pozycję instytucji ze względu na posiadane zasoby.
Jeśli spodobał Ci się artykuł, zasubskrybuj naszego bloga aby nie przegapić kolejnych.
Bibliografia:
World Economic Forum, “The Future of Financial Services.” (PDF file), downloaded from weforum.org, http://www3.weforum.org/docs/WEF_The_future__of_financial_services.pdf, accessed 08 March 2017.
POLSKA OSZCZĘDZA 