Negociação Algorítmica - Algorithmic trading

A negociação algorítmica é um método de execução de ordens usando instruções de negociação pré-programadas automatizadas que contabilizam variáveis ​​como tempo, preço e volume. Este tipo de negociação tenta alavancar a velocidade e os recursos computacionais dos computadores em relação aos comerciantes humanos. No século vinte e um, o comércio algorítmico tem ganhado força com os comerciantes de varejo e institucionais. É amplamente utilizado por bancos de investimento , fundos de pensão , fundos de investimento e fundos de hedge que podem precisar de espalhar-se a execução de uma ordem maior ou executar comércios rápido demais para os comerciantes humanos para reagir. Um estudo em 2019 mostrou que cerca de 92% das negociações no mercado Forex foram realizadas por algoritmos de negociação em vez de humanos.

O termo negociação algorítmica é freqüentemente usado como sinônimo de sistema de negociação automatizado . Eles abrangem uma variedade de estratégias de negociação , algumas das quais são baseadas em fórmulas e resultados de finanças matemáticas e muitas vezes dependem de software especializado.

Exemplos de estratégias usadas na negociação algorítmica incluem criação de mercado, disseminação entre mercados, arbitragem ou pura especulação , como acompanhamento de tendências . Muitos se enquadram na categoria de negociação de alta frequência (HFT), que é caracterizada por alto giro e altas taxas de pedido para negociação. As estratégias de HFT utilizam computadores que tomam decisões elaboradas para iniciar pedidos com base nas informações que são recebidas eletronicamente, antes que os comerciantes humanos sejam capazes de processar as informações que observam. Como resultado, em fevereiro de 2012, a Commodity Futures Trading Commission (CFTC) formou um grupo de trabalho especial que incluía acadêmicos e especialistas do setor para aconselhar a CFTC sobre a melhor forma de definir HFT. A negociação algorítmica e o HFT resultaram em uma mudança dramática na microestrutura do mercado e na complexidade e incerteza da macrodinâmica do mercado, particularmente na forma como a liquidez é fornecida.

História

Desenvolvimentos iniciais

A informatização do fluxo de pedidos nos mercados financeiros começou no início dos anos 1970, quando a Bolsa de Valores de Nova York introduziu o sistema de "retorno de pedidos designados" (DOT). O SuperDOT foi introduzido em 1984 como uma versão atualizada do DOT. Ambos os sistemas permitiam o roteamento de ordens eletronicamente para o entreposto comercial adequado. O "sistema de relatório automatizado de abertura" (OARS) auxiliou o especialista na determinação do preço de abertura de compensação de mercado (SOR; Smart Order Routing).

Com a ascensão dos mercados totalmente eletrônicos, veio a introdução do programa de negociação , que é definido pela Bolsa de Valores de Nova York como uma ordem de compra ou venda de 15 ou mais ações avaliadas em mais de US $ 1 milhão no total. Na prática, as negociações do programa eram pré-programadas para entrar ou sair automaticamente das negociações com base em vários fatores. Na década de 1980, a negociação por programa tornou-se amplamente utilizada na negociação entre os mercados de ações e futuros do S&P 500 , em uma estratégia conhecida como arbitragem de índices.

Quase ao mesmo tempo, o seguro de portfólio foi projetado para criar uma opção de venda sintética em uma carteira de ações, negociando dinamicamente futuros de índices de ações de acordo com um modelo de computador baseado no modelo de precificação de opções Black-Scholes .

Ambas as estratégias, muitas vezes simplesmente agrupadas como "programa de negociação", foram culpadas por muitas pessoas (por exemplo, pelo relatório Brady ) por exacerbar ou mesmo iniciar o crash do mercado de ações de 1987 . Ainda assim, o impacto das negociações por computador nas quedas do mercado de ações não é claro e é amplamente discutido na comunidade acadêmica.

Refinamento e crescimento

O cenário financeiro mudou novamente com o surgimento das redes de comunicação eletrônica (ECNs) na década de 1990, que permitiam a negociação de ações e moedas fora das bolsas tradicionais. Nos EUA, a decimalização mudou o tamanho mínimo do tick de 1/16 de um dólar (US $ 0,0625) para US $ 0,01 por ação em 2001, e pode ter incentivado a negociação algorítmica, pois mudou a microestrutura do mercado permitindo diferenças menores entre a oferta e a oferta preços, diminuindo a vantagem comercial dos formadores de mercado, aumentando a liquidez do mercado.

Esse aumento da liquidez do mercado levou os traders institucionais a dividir as ordens de acordo com algoritmos de computador para que pudessem executar as ordens a um preço médio melhor. Esses benchmarks de preço médio são medidos e calculados por computadores aplicando o preço médio ponderado pelo tempo ou, mais geralmente, pelo preço médio ponderado por volume .

Acabou. O comércio que existiu ao longo dos séculos morreu. Temos um mercado eletrônico hoje. É o presente. É o futuro.

Robert Greifeld , CEO da NASDAQ , abril de 2011

Um incentivo adicional para a adoção de negociação algorítmica nos mercados financeiros veio em 2001, quando uma equipe de pesquisadores da IBM publicou um artigo na Conferência Conjunta Internacional sobre Inteligência Artificial, onde mostraram que em versões experimentais de laboratório dos leilões eletrônicos usados ​​nos mercados financeiros , duas estratégias algorítmicas (o próprio MGD da IBM e o ZIP da Hewlett-Packard ) poderiam superar os traders humanos de forma consistente. MGD foi uma versão modificada do algoritmo "GD" inventado por Steven Gjerstad & John Dickhaut em 1996/7; o algoritmo ZIP foi inventado na HP por Dave Cliff (professor) em 1996. Em seu artigo, a equipe da IBM escreveu que o impacto financeiro de seus resultados mostrando MGD e ZIP superando comerciantes humanos "... pode ser medido em bilhões de dólares anualmente"; o jornal da IBM gerou cobertura da mídia internacional.

Em 2005, o Sistema de Regulação do Mercado Nacional foi instituído pela SEC para fortalecer o mercado de ações. Isso mudou a maneira como as empresas negociavam com regras como a Regra de negociação, que determina que as ordens de mercado devem ser postadas e executadas eletronicamente ao melhor preço disponível, evitando assim que as corretoras lucrem com as diferenças de preço ao combinar as ordens de compra e venda.

À medida que mais mercados eletrônicos se abriam, outras estratégias de negociação algorítmica foram introduzidas. Essas estratégias são mais facilmente implementadas por computadores, pois podem reagir rapidamente às variações de preços e observar vários mercados simultaneamente.

Muitos corretores ofereceram estratégias de negociação algorítmica para seus clientes - diferenciando-os por comportamento, opções e marca. Os exemplos incluem Chameleon (desenvolvido pelo BNP Paribas ), Stealth (desenvolvido pelo Deutsche Bank ), Sniper e Guerilla (desenvolvido pelo Credit Suisse ). Essas implementações adotaram práticas das abordagens de investimento de arbitragem , arbitragem estatística , acompanhamento de tendências e reversão à média .

Exemplos emblemáticos

As projeções de lucratividade do TABB Group, uma empresa de pesquisa do setor de serviços financeiros, para a indústria de HFT de ações dos EUA foram de US $ 1,3 bilhão antes das despesas de 2014, significativamente abaixo do máximo de US $ 21 bilhões que as 300 corretoras e fundos de hedge que então se especializaram em esse tipo de negociação teve lucros em 2008, que os autores chamaram de "relativamente pequeno" e "surpreendentemente modesto" quando comparado ao volume total de negociação do mercado. Em março de 2014, a Virtu Financial , uma empresa de negociação de alta frequência, relatou que durante cinco anos a empresa como um todo foi lucrativa em 1.277 de 1.278 dias de negociação, perdendo dinheiro apenas um dia, demonstrando os benefícios de negociar milhões de vezes, em um conjunto diversificado de instrumentos todos os dias de negociação.

Negociação algorítmica. Porcentagem do volume do mercado.

Um terço de todas as negociações de ações da União Europeia e dos Estados Unidos em 2006 foi conduzido por programas automáticos, ou algoritmos. Em 2009, estudos sugeriram que as empresas de HFT respondiam por 60-73% de todo o volume de negociação de ações dos EUA, com esse número caindo para aproximadamente 50% em 2012. Em 2006, na Bolsa de Valores de Londres , mais de 40% de todos os pedidos foram inseridos por negociadores algorítmicos, com 60% previstos para 2007. Os mercados americanos e europeus geralmente têm uma proporção maior de negociações algorítmicas do que outros mercados, e as estimativas para 2008 chegam a 80% em alguns mercados. Os mercados de câmbio também têm negociação algorítmica ativa, medida em cerca de 80% dos pedidos em 2016 (contra cerca de 25% dos pedidos em 2006). Os mercados de futuros são considerados bastante fáceis de integrar à negociação algorítmica, com cerca de 20% do volume de opções sendo gerado por computador até 2010. Os mercados de títulos estão se movendo em direção a mais acesso a negociadores algorítmicos.

Negociação algorítmica e HFT ter sido o assunto de muito debate público desde a Securities and Exchange Commission dos Estados Unidos e da Commodity Futures Trading Commission disse em relatos de que um comércio algorítmico entrou por uma empresa de fundo mútuo desencadeou uma onda de vendas que levou ao flash Bater 2010 . Os mesmos relatórios descobriram que as estratégias de HFT podem ter contribuído para a volatilidade subsequente, puxando rapidamente a liquidez do mercado. Como resultado desses eventos, o Dow Jones Industrial Average sofreu sua segunda maior oscilação intradiária de pontos até aquela data, embora os preços tenham se recuperado rapidamente. (Consulte a lista das maiores mudanças diárias no Dow Jones Industrial Average .) Um relatório de julho de 2011 da Organização Internacional de Comissões de Valores Mobiliários (IOSCO), um órgão internacional de reguladores de valores mobiliários, concluiu que, embora "algoritmos e tecnologia HFT tenham sido usados ​​pelo mercado participantes para gerenciar suas negociações e riscos, seu uso também foi claramente um fator que contribuiu para o evento de flash crash de 6 de maio de 2010. " No entanto, outros pesquisadores chegaram a uma conclusão diferente. Um estudo de 2010 descobriu que o HFT não alterou significativamente o estoque de negociação durante o Flash Crash. Algumas negociações algorítmicas antes do rebalanceamento de fundos de índice transferem lucros dos investidores.

Estratégias

Negociação antes do rebalanceamento do fundo de índice

A maioria das poupanças para aposentadoria , como fundos de pensão privados ou 401 (k) e contas individuais de aposentadoria nos EUA, são investidos em fundos mútuos , os mais populares dos quais são fundos de índice que devem periodicamente "reequilibrar" ou ajustar seu portfólio para corresponder ao novo preços e capitalização de mercado dos títulos subjacentes na ação ou outro índice que eles acompanham. Os lucros são transferidos de investidores passivos em índices para investidores ativos, alguns dos quais são traders algorítmicos que exploram especificamente o efeito de rebalanceamento do índice. A magnitude dessas perdas incorridas por investidores passivos foi estimada em 21–28 bp por ano para o S&P 500 e 38–77 bp por ano para o Russell 2000. John Montgomery, da Bridgeway Capital Management, diz que os "retornos fracos para investidores" resultantes da negociação à frente dos fundos mútuos está "o elefante na sala" que "chocantemente, as pessoas não estão falando".

Troca de pares

A negociação de pares ou negociação de pares é uma estratégia longa-curta, idealmente neutra para o mercado , permitindo que os traders lucrem com as discrepâncias transitórias no valor relativo de substitutos próximos. Ao contrário do caso da arbitragem clássica, no caso da negociação de pares, a lei de um preço não pode garantir a convergência de preços. Isso é especialmente verdadeiro quando a estratégia é aplicada a ações individuais - esses substitutos imperfeitos podem, na verdade, divergir indefinidamente. Em teoria, a natureza long-short da estratégia deve fazê-la funcionar independentemente da direção do mercado de ações. Na prática, o risco de execução, as divergências persistentes e grandes, bem como um declínio na volatilidade podem tornar esta estratégia não lucrativa por longos períodos de tempo (por exemplo, 2004-2007). Pertence a categorias mais amplas de arbitragem estatística , negociação de convergência e estratégias de valor relativo .

Estratégias Delta-neutras

Em finanças, delta neutro descreve uma carteira de títulos financeiros relacionados, em que o valor da carteira permanece inalterado devido a pequenas mudanças no valor do título subjacente. Essa carteira normalmente contém opções e seus títulos subjacentes correspondentes, de forma que os componentes delta positivos e negativos sejam compensados, resultando no valor da carteira relativamente insensível às mudanças no valor do título subjacente.

Arbitragem

Em economia e finanças , a arbitragem / ɑr b ɪ t r ɑ ʒ / é a prática de tirar proveito de uma diferença de preço entre dois ou mais mercados : golpear uma combinação de ofertas correspondentes que capitalizar sobre o desequilíbrio, sendo o lucro a diferença entre os preços de mercado . Quando usada por acadêmicos, uma arbitragem é uma transação que não envolve fluxo de caixa negativo em nenhum estado probabilístico ou temporal e um fluxo de caixa positivo em pelo menos um estado; em termos simples, é a possibilidade de um lucro sem risco a custo zero. Exemplo: Uma das oportunidades de negociação de arbitragem mais populares é jogada com os futuros S&P e as ações S&P 500. Durante a maioria dos dias de negociação, esses dois desenvolverão disparidade nos preços entre os dois. Isso acontece quando o preço das ações que são principalmente negociadas nos mercados NYSE e NASDAQ ficam à frente ou atrás dos S&P Futures que são negociados no mercado CME.

Condições para arbitragem

A arbitragem é possível quando uma das três condições é atendida:

  • O mesmo ativo não é comercializado com o mesmo preço em todos os mercados (a " lei do preço único " é temporariamente violada).
  • Dois ativos com fluxos de caixa idênticos não são negociados ao mesmo preço.
  • Um ativo com um preço conhecido no futuro não é negociado hoje a seu preço futuro descontado à taxa de juros livre de risco (ou, o ativo não tem custos insignificantes de armazenamento; como tal, por exemplo, esta condição é válida para grãos, mas não para títulos ).

Arbitragem não é simplesmente o ato de comprar um produto em um mercado e vendê-lo em outro por um preço mais alto em algum momento posterior. Idealmente, as transações longas e curtas devem ocorrer simultaneamente para minimizar a exposição ao risco de mercado, ou o risco de que os preços possam mudar em um mercado antes que ambas as transações sejam concluídas. Em termos práticos, geralmente isso só é possível com títulos e produtos financeiros que podem ser negociados eletronicamente e, mesmo assim, quando a (s) primeira (s) perna (s) da negociação é (m) executada (s), os preços nas demais pernas podem ter piorado, travando-se em uma garantia perda. A falta de uma das pernas da negociação (e subsequentemente ter de abri-la a um preço pior) é chamado de 'risco de execução' ou, mais especificamente, 'risco de entrada e saída'. No exemplo mais simples, qualquer bem vendido em um mercado deve ser vendido pelo mesmo preço em outro. Os comerciantes podem, por exemplo, descobrir que o preço do trigo é mais baixo nas regiões agrícolas do que nas cidades, comprar o produto e transportá-lo para outra região para vendê-lo a um preço mais alto. Esse tipo de arbitragem de preços é o mais comum, mas este exemplo simples ignora o custo de transporte, armazenamento, risco e outros fatores. A arbitragem "verdadeira" exige que não haja risco de mercado envolvido. Onde os títulos são negociados em mais de uma bolsa, a arbitragem ocorre simultaneamente comprando em uma e vendendo na outra. Tal execução simultânea, se substitutos perfeitos estão envolvidos, minimiza as necessidades de capital, mas na prática nunca cria uma posição de "autofinanciamento" (livre), como muitas fontes assumem incorretamente seguindo a teoria. Enquanto houver alguma diferença no valor de mercado e no risco das duas pernas, o capital teria que ser colocado para sustentar a posição de arbitragem long-short.

Reversão à média

A reversão à média é uma metodologia matemática às vezes usada para investir em ações, mas pode ser aplicada a outros processos. Em termos gerais, a ideia é que tanto os preços altos quanto os baixos de uma ação são temporários, e que o preço de uma ação tende a ter um preço médio ao longo do tempo. Um exemplo de processo de reversão à média é a equação estocástica de Ornstein-Uhlenbeck .

A reversão à média envolve primeiro a identificação da faixa de negociação para uma ação e, em seguida, o cálculo do preço médio usando técnicas analíticas no que se refere a ativos, ganhos, etc.

Quando o preço atual de mercado é inferior ao preço médio, a ação é considerada atrativa para compra, com expectativa de que o preço suba. Quando o preço de mercado atual está acima do preço médio, espera-se que o preço de mercado caia. Em outras palavras, os desvios do preço médio devem reverter para a média.

O desvio padrão dos preços mais recentes (por exemplo, os últimos 20) é freqüentemente usado como um indicador de compra ou venda.

Os serviços de relatórios de ações (como Yahoo! Finance , MS Investor, Morningstar , etc.) geralmente oferecem médias móveis para períodos como 50 e 100 dias. Embora os serviços de relatórios forneçam as médias, ainda é necessário identificar os preços altos e baixos para o período de estudo.

Scalping

O scalping é o fornecimento de liquidez por formadores de mercado não tradicionais , por meio do qual os negociadores tentam ganhar (ou fazer ) o spread bid-ask. Este procedimento permite lucro desde que os movimentos de preço sejam menores do que esse spread e normalmente envolve o estabelecimento e a liquidação de uma posição rapidamente, geralmente em minutos ou menos.

Um formador de mercado é basicamente um cambista especializado. O volume que um formador de mercado negocia é muitas vezes maior do que o cambista individual médio e faria uso de sistemas de negociação e tecnologia mais sofisticados. No entanto, os criadores de mercado registrados são obrigados por regras de câmbio que estipulam suas obrigações de cotação mínima. Por exemplo, o NASDAQ exige que cada criador de mercado publique pelo menos uma oferta e uma venda em algum nível de preço, de modo a manter um mercado bilateral para cada ação representada.

Redução do custo de transação

A maioria das estratégias conhecidas como negociação algorítmica (bem como busca de liquidez algorítmica) se enquadram na categoria de redução de custos. A ideia básica é dividir um pedido grande em pedidos pequenos e colocá-los no mercado ao longo do tempo. A escolha do algoritmo depende de vários fatores, sendo os mais importantes a volatilidade e a liquidez da ação. Por exemplo, para um estoque altamente líquido, combinar uma certa porcentagem dos pedidos gerais de estoque (chamados de algoritmos inline de volume) geralmente é uma boa estratégia, mas para um estoque altamente ilíquido, os algoritmos tentam combinar cada pedido que tem um preço favorável ( chamados de algoritmos de busca de liquidez).

O sucesso dessas estratégias é geralmente medido pela comparação do preço médio pelo qual todo o pedido foi executado com o preço médio obtido por meio de uma execução de referência para a mesma duração. Normalmente, o preço médio ponderado por volume é usado como referência. Às vezes, o preço de execução também é comparado com o preço do instrumento no momento da colocação do pedido.

Uma classe especial desses algoritmos tenta detectar pedidos algorítmicos ou de iceberg do outro lado (ou seja, se você está tentando comprar, o algoritmo tentará detectar pedidos do lado da venda). Esses algoritmos são chamados de algoritmos de detecção. Um exemplo típico é "Stealth".

Alguns exemplos de algoritmos são VWAP , TWAP , déficit de implementação , POV, tamanho do display, buscador de liquidez e dissimulação. Os algoritmos modernos são freqüentemente construídos de forma otimizada por meio de programação estática ou dinâmica.

Estratégias que pertencem apenas a dark pools

Recentemente, HFT, que compreende um amplo conjunto de buy-side, bem como formação de mercado comerciantes sell side, tornou-se mais proeminente e controverso. Esses algoritmos ou técnicas geralmente recebem nomes como "Stealth" (desenvolvido pelo Deutsche Bank), "Iceberg", "Dagger", "Guerrilla", "Sniper", "BASOR" (desenvolvido pela Quod Financial) e "Sniffer" . Dark pools são sistemas de negociação alternativos de natureza privada - e, portanto, não interagem com o fluxo de ordens públicas - e procuram, em vez disso, fornecer liquidez não exibida a grandes blocos de títulos. Em dark pools, a negociação ocorre de forma anônima, com a maioria das ordens ocultas ou "bloqueadas". Os jogadores ou "tubarões" farejam grandes pedidos "pingando" pequenas ordens de mercado para comprar e vender. Quando várias pequenas encomendas são preenchidas, os tubarões podem ter descoberto a presença de uma grande ordem em forma de iceberg.

"Agora é uma corrida armamentista", disse Andrew Lo, diretor do Laboratório de Engenharia Financeira do Instituto de Tecnologia de Massachusetts . "Todo mundo está construindo algoritmos mais sofisticados e quanto mais concorrência houver, menores serão os lucros."

Ritmo do mercado

As estratégias projetadas para gerar alfa são consideradas estratégias de timing de mercado. Esses tipos de estratégias são projetados usando uma metodologia que inclui backtesting, forward testing e live testing. Os algoritmos de timing de mercado normalmente usam indicadores técnicos, como médias móveis, mas também podem incluir lógica de reconhecimento de padrões implementada usando máquinas de estados finitos .

O backtesting do algoritmo é normalmente o primeiro estágio e envolve a simulação de negociações hipotéticas por meio de um período de dados na amostra. A otimização é realizada para determinar as entradas mais ideais. As etapas tomadas para reduzir a chance de superotimização podem incluir modificar as entradas +/- 10%, trocar as entradas em grandes etapas, executar simulações de monte carlo e garantir que o deslizamento e a comissão sejam contabilizados.

O teste progressivo do algoritmo é o próximo estágio e envolve a execução do algoritmo por meio de um conjunto de dados fora da amostra para garantir que o algoritmo funcione dentro das expectativas do backtestado.

O teste ao vivo é o estágio final de desenvolvimento e requer que o desenvolvedor compare as negociações ao vivo reais com os modelos de backtests e forward testados. As métricas comparadas incluem porcentagem de lucro, fator de lucro, redução máxima e ganho médio por negociação.

Negociação de alta frequência

Conforme observado acima, a negociação de alta frequência (HFT) é uma forma de negociação algorítmica caracterizada por alto giro e altas taxas de pedido para negociação. Embora não haja uma definição única de HFT, entre seus principais atributos estão algoritmos altamente sofisticados, tipos de pedidos especializados, colocalização, horizontes de investimento de curtíssimo prazo e altas taxas de cancelamento de pedidos. Nos EUA, as empresas de negociação de alta frequência (HFT) representam 2% das aproximadamente 20.000 empresas que operam hoje, mas respondem por 73% de todo o volume de negociação de ações. No primeiro trimestre de 2009, o total de ativos sob gestão de fundos de hedge com estratégias de HFT era de US $ 141 bilhões, uma queda de cerca de 21% em relação ao máximo. A estratégia de HFT foi inicialmente bem-sucedida pela Renaissance Technologies .

Os fundos de alta frequência começaram a se tornar especialmente populares em 2007 e 2008. Muitas empresas de HFT são formadoras de mercado e fornecem liquidez ao mercado, o que reduziu a volatilidade e ajudou a estreitar os spreads de ofertas, tornando as negociações e os investimentos mais baratos para outros participantes do mercado. HFT tem sido um assunto de intenso foco público desde que a US Securities and Exchange Commission e a Commodity Futures Trading Commission declararam que tanto a negociação algorítmica quanto a HFT contribuíram para a volatilidade no Flash Crash de 2010 . Entre as principais firmas de comércio de alta frequência dos Estados Unidos estão Chicago Trading Company, Optiver , Virtu Financial , DRW, Jump Trading, Two Sigma Securities , GTS, IMC Financial e Citadel LLC .

Existem quatro categorias principais de estratégias de HFT: criação de mercado com base no fluxo de pedidos, criação de mercado com base em informações de dados de ticks, arbitragem de eventos e arbitragem estatística. Todas as decisões de alocação de portfólio são feitas por modelos quantitativos computadorizados. O sucesso das estratégias computadorizadas é amplamente impulsionado por sua capacidade de processar simultaneamente volumes de informação, algo que os comerciantes humanos comuns não podem fazer.

Criação de mercado

A criação de mercado envolve a colocação de uma ordem limite de venda (ou oferta) acima do preço de mercado atual ou uma ordem limite de compra (ou lance) abaixo do preço atual em uma base regular e contínua para capturar o spread bid-ask. A Automated Trading Desk, comprada pelo Citigroup em julho de 2007, tem sido um formador de mercado ativo, respondendo por cerca de 6% do volume total na NASDAQ e na Bolsa de Valores de Nova York.

Arbitragem estatística

Outro conjunto de estratégias de HFT na estratégia de arbitragem clássica pode envolver vários títulos, como a paridade da taxa de juros coberta no mercado de câmbio, que dá uma relação entre os preços de um título doméstico, um título denominado em uma moeda estrangeira, o preço à vista da moeda , e o preço de um contrato a termo na moeda. Se os preços de mercado forem diferentes o suficiente daqueles implícitos no modelo para cobrir o custo da transação, então quatro transações podem ser feitas para garantir um lucro sem risco. HFT permite arbitragens semelhantes usando modelos de maior complexidade envolvendo muito mais de 4 títulos. O TABB Group estima que os lucros anuais agregados das estratégias de arbitragem de baixa latência atualmente excedem US $ 21 bilhões.

Uma ampla gama de estratégias de arbitragem estatística foi desenvolvida por meio das quais as decisões de negociação são feitas com base em desvios de relacionamentos estatisticamente significativos. Assim como as estratégias de criação de mercado, a arbitragem estatística pode ser aplicada em todas as classes de ativos.

Arbitragem de eventos

Um subconjunto de arbitragem de títulos de risco, fusão, conversíveis ou distressed que conta com um evento específico, como uma assinatura de contrato, aprovação regulatória, decisão judicial, etc., para alterar o preço ou relação de taxa de dois ou mais instrumentos financeiros e permitir o arbitrador para obter lucro.

A arbitragem de fusões, também chamada de arbitragem de risco, seria um exemplo disso. Incorporação de arbitragem geralmente consiste de compra de ações de uma empresa que é alvo de uma aquisição , enquanto curto-circuito o estoque da empresa adquirente. Normalmente, o preço de mercado da empresa-alvo é inferior ao preço oferecido pela empresa adquirente. O spread entre estes dois preços depende principalmente da probabilidade e do momento de conclusão da aquisição, bem como do nível de taxas de juro em vigor. A aposta em uma arbitragem de fusão é que tal spread acabará por ser zero, se e quando a aquisição for concluída. O risco é que o negócio "quebre" e o spread se amplie enormemente.

Spoofing

Uma estratégia que alguns traders empregaram, que foi proscrita, mas provavelmente continua, é chamada de spoofing. É o ato de colocar ordens para dar a impressão de querer comprar ou vender ações, sem nunca ter a intenção de deixar a ordem executar para manipular temporariamente o mercado para comprar ou vender ações a um preço mais favorável. Isso é feito criando ordens com limite fora do lance atual ou preço de venda para alterar o preço relatado para outros participantes do mercado. O trader pode posteriormente colocar negociações com base na mudança artificial no preço, cancelando as ordens de limite antes de serem executadas.

Suponha que um negociante deseje vender ações de uma empresa com um lance atual de $ 20 e um pedido atual de $ 20,20. O negociante colocaria uma ordem de compra a $ 20,10, ainda a alguma distância da venda para que não fosse executada, e o lance de $ 20,10 é relatado como o Melhor lance nacional e o melhor preço de oferta da oferta. O negociante então executa uma ordem de mercado para a venda das ações que deseja vender. Como o melhor preço de oferta é a oferta artificial do investidor, um formador de mercado preenche a ordem de venda a $ 20,10, permitindo um preço de venda $ 0,10 mais alto por ação. Posteriormente, o comerciante cancela seu pedido de limite na compra que ele nunca teve a intenção de concluir.

Citar recheio

O recheio de cotações é uma tática empregada por negociantes mal-intencionados que envolve a entrada e a retirada rápida de grandes quantidades de pedidos na tentativa de inundar o mercado, ganhando assim uma vantagem sobre os participantes mais lentos. Os pedidos colocados e cancelados rapidamente geram feeds de dados de mercado nos quais os investidores comuns dependem para atrasar as cotações de preços enquanto o enchimento está ocorrendo. As empresas de HFT se beneficiam de feeds proprietários de alta capacidade e da infraestrutura mais capaz e de menor latência. Os pesquisadores mostraram que os operadores de alta frequência são capazes de lucrar com as latências artificialmente induzidas e as oportunidades de arbitragem que resultam do enchimento de cotações.

Sistemas de negociação de baixa latência

A latência induzida pela rede, um sinônimo de atraso, medida em atraso unilateral ou tempo de ida e volta, é normalmente definida como quanto tempo leva para um pacote de dados viajar de um ponto a outro. Negociação de baixa latência refere-se aos sistemas de negociação algorítmica e rotas de rede usadas por instituições financeiras que se conectam a bolsas de valores e redes de comunicação eletrônica (ECNs) para executar transações financeiras rapidamente. A maioria das empresas de HFT depende da execução de baixa latência de suas estratégias de negociação. Joel Hasbrouck e Gideon Saar (2013) medem a latência com base em três componentes: o tempo que leva para (1) a informação chegar ao trader, (2) os algoritmos do trader para analisar a informação e (3) a ação gerada para alcançar o trocar e ser implementado. Em um mercado eletrônico contemporâneo (por volta de 2009), o tempo de processamento de negociação de baixa latência foi qualificado como inferior a 10 milissegundos e a latência ultrabaixa como inferior a 1 milissegundo.

Os comerciantes de baixa latência dependem de redes de latência ultrabaixa . Eles lucram fornecendo informações, como lances e ofertas concorrentes, a seus algoritmos microssegundos mais rápido do que seus concorrentes. O avanço revolucionário na velocidade levou à necessidade das empresas terem uma plataforma de negociação co -localizada em tempo real para se beneficiar da implementação de estratégias de alta frequência. As estratégias são constantemente alteradas para refletir as mudanças sutis no mercado, bem como para combater a ameaça da estratégia ser submetida a engenharia reversa pelos concorrentes. Isso se deve à natureza evolutiva das estratégias de negociação algorítmica - elas devem ser capazes de se adaptar e negociar de forma inteligente, independentemente das condições de mercado, o que envolve ser flexível o suficiente para suportar uma vasta gama de cenários de mercado. Como resultado, uma proporção significativa da receita líquida das empresas é gasta em P&D desses sistemas comerciais autônomos.

Implementação estratégica

A maioria das estratégias algorítmicas é implementada usando linguagens de programação modernas, embora algumas ainda implementem estratégias projetadas em planilhas. Cada vez mais, os algoritmos usados ​​por grandes corretoras e gestores de ativos são escritos para a Algorithmic Trading Definition Language ( FIXatdl ) do Protocolo FIX , que permite às empresas que recebem ordens especificar exatamente como suas ordens eletrônicas devem ser expressas. Os pedidos criados com o FIXatdl podem ser transmitidos dos sistemas dos negociantes por meio do protocolo FIX. Os modelos básicos podem contar apenas com uma regressão linear, enquanto modelos mais complexos de teoria de jogos e reconhecimento de padrões ou preditivos também podem ser usados ​​para iniciar a negociação. Métodos mais complexos, como a cadeia de Markov Monte Carlo , foram usados ​​para criar esses modelos.

Problemas e desenvolvimentos

A negociação algorítmica demonstrou melhorar substancialmente a liquidez do mercado, entre outros benefícios. No entanto, as melhorias na produtividade trazidas pela negociação algorítmica foram combatidas por corretores humanos e comerciantes que enfrentam forte concorrência de computadores.

Finanças ciborgue

Os avanços tecnológicos em finanças, especialmente aqueles relacionados ao comércio algorítmico, aumentaram a velocidade, conectividade, alcance e complexidade financeiras, ao mesmo tempo em que reduzem sua humanidade. Os computadores que executam softwares baseados em algoritmos complexos substituíram os humanos em muitas funções no setor financeiro. As finanças estão se tornando essencialmente uma indústria onde máquinas e humanos compartilham os papéis dominantes - transformando as finanças modernas no que um estudioso chamou de "finanças ciborgue".

Preocupações

Enquanto muitos especialistas elogiam os benefícios da inovação no comércio algorítmico computadorizado, outros analistas expressaram preocupação com aspectos específicos do comércio computadorizado.

"A desvantagem desses sistemas é sua condição de caixa preta ", disse Williams. "Os comerciantes têm sentidos intuitivos de como o mundo funciona. Mas com esses sistemas você despeja um monte de números e algo sai do outro lado, e nem sempre é intuitivo ou claro por que a caixa preta se prendeu a certos dados ou relacionamentos."

“A Autoridade de Serviços Financeiros tem estado de olho no desenvolvimento do comércio de caixa preta. Em seu relatório anual, o regulador comentou sobre os grandes benefícios da eficiência que a nova tecnologia está trazendo para o mercado. Mas também apontou que 'maior confiança em tecnologia e modelagem sofisticadas traz consigo um risco maior de que a falha dos sistemas possa resultar na interrupção dos negócios '. "

O ministro do Tesouro do Reino Unido, Lord Myners , alertou que as empresas podem se tornar "brinquedos" de especuladores por causa da negociação automática de alta frequência. Lord Myners disse que o processo corre o risco de destruir a relação entre um investidor e uma empresa.

Outros problemas incluem o problema técnico de latência ou o atraso na obtenção de cotações para os traders, segurança e a possibilidade de um colapso completo do sistema levando a um crash do mercado .

"O Goldman gasta dezenas de milhões de dólares nessas coisas. Eles têm mais pessoas trabalhando em sua área de tecnologia do que na mesa de operações ... A natureza dos mercados mudou dramaticamente."

Em 1 de agosto de 2012, o Knight Capital Group passou por um problema de tecnologia em seu sistema de negociação automatizado, causando uma perda de US $ 440 milhões.

Esse problema estava relacionado à instalação do software de negociação pela Knight e resultou no envio de inúmeras ordens errôneas de títulos listados na NYSE ao mercado. Este software foi removido dos sistemas da empresa. ... Os clientes não foram afetados negativamente pelos pedidos errados , e o problema do software foi limitado ao roteamento de certas ações listadas para a NYSE. A Knight negociou toda a sua posição comercial errônea , o que resultou em uma perda realizada antes dos impostos de aproximadamente US $ 440 milhões.

A negociação algorítmica e de alta frequência mostrou ter contribuído para a volatilidade durante o Flash Crash de 6 de maio de 2010, quando o Dow Jones Industrial Average caiu cerca de 600 pontos apenas para recuperar essas perdas em minutos. Na época, foi a segunda maior oscilação de ponto, 1.010,14 pontos, e a maior queda de ponto em um dia, 998,5 pontos, em uma base intradiária na história do Dow Jones Industrial Average.

Desenvolvimentos recentes

As notícias do mercado financeiro agora estão sendo formatadas por empresas como a Need To Know News, Thomson Reuters , Dow Jones e Bloomberg , para serem lidas e negociadas por meio de algoritmos.

"Os computadores agora estão sendo usados ​​para gerar notícias sobre os resultados dos lucros da empresa ou estatísticas econômicas à medida que são divulgadas. E essas informações quase instantâneas alimentam diretamente outros computadores que negociam com base nas notícias."

Os algoritmos não se limitam a negociar notícias simples, mas também interpretam notícias mais difíceis de entender. Algumas empresas também estão tentando atribuir sentimento (decidindo se a notícia é boa ou ruim) automaticamente às notícias, para que a negociação automatizada possa trabalhar diretamente na notícia.

"Cada vez mais, as pessoas estão olhando para todas as formas de notícias e construindo seus próprios indicadores em torno delas de forma semiestruturada", à medida que buscam constantemente novas vantagens comerciais, disse Rob Passarella, diretor global de estratégia do Dow Jones Enterprise Media Group. Sua empresa fornece um feed de notícias de baixa latência e análises de notícias para traders. Passarella também apontou para uma nova pesquisa acadêmica sendo conduzida sobre o grau em que pesquisas frequentes do Google em várias ações podem servir como indicadores de negociação, o impacto potencial de várias frases e palavras que podem aparecer nas declarações da Comissão de Valores Mobiliários e a última onda de comunidades online dedicado a tópicos de negociação de ações.

"Os mercados são, por natureza, conversas, surgindo de cafeterias e tavernas", disse ele. Portanto, a maneira como as conversas são criadas em uma sociedade digital também será usada para converter notícias em negócios, disse Passarella.

"Há um interesse real em mover o processo de interpretação de notícias dos humanos para as máquinas", disse Kirsti Suutari, gerente global de negócios de comércio algorítmico da Reuters. "Mais de nossos clientes estão encontrando maneiras de usar o conteúdo de notícias para ganhar dinheiro."

Um exemplo da importância da velocidade de reportagem de notícias para comerciantes algorítmicos foi uma campanha publicitária da Dow Jones (as aparições incluíam a página W15 do The Wall Street Journal , em 1 de março de 2008) alegando que seu serviço havia superado outros serviços de notícias por dois segundos em reportagens uma taxa de juros cortada pelo Banco da Inglaterra.

Em julho de 2007, o Citigroup , que já havia desenvolvido seus próprios algoritmos de negociação, pagou US $ 680 milhões pela Automated Trading Desk, uma empresa de 19 anos que negocia cerca de 200 milhões de ações por dia. O Citigroup já havia comprado a Lava Trading e a OnTrade Inc.

No final de 2010, o Escritório do Governo do Reino Unido para a Ciência iniciou um projeto prospectivo investigando o futuro do comércio de computadores nos mercados financeiros, liderado por Dame Clara Furse , ex-CEO da Bolsa de Valores de Londres e em setembro de 2011 o projeto publicou suas descobertas iniciais em a forma de um documento de trabalho de três capítulos disponível em três idiomas, junto com 16 documentos adicionais que fornecem evidências de apoio. Todas essas descobertas são de autoria ou co-autoria de acadêmicos e profissionais renomados e foram submetidas a uma revisão anônima por pares. Lançado em 2012, o estudo Foresight reconheceu questões relacionadas à iliquidez periódica, novas formas de manipulação e ameaças potenciais à estabilidade do mercado devido a algoritmos errados ou tráfego excessivo de mensagens . No entanto, o relatório também foi criticado por adotar "argumentos pró-HFT padrão" e membros do painel consultivo vinculados à indústria de HFT.

Arquitetura do sistema

Um sistema de negociação tradicional consiste basicamente em dois blocos - um que recebe os dados do mercado e o outro que envia a solicitação de pedido à bolsa. No entanto, um sistema de negociação algorítmico pode ser dividido em três partes:

  1. Troca
  2. O servidor
  3. Aplicativo

As bolsas fornecem dados ao sistema, que normalmente consistem na carteira de pedidos mais recente, volumes negociados e último preço negociado (LTP) do script. O servidor, por sua vez, recebe os dados simultaneamente agindo como um armazenamento para o banco de dados histórico. Os dados são analisados ​​no lado do aplicativo, onde as estratégias de negociação são fornecidas pelo usuário e podem ser visualizadas na GUI . Uma vez gerado o pedido, ele é enviado ao sistema de gerenciamento de pedidos (OMS), que por sua vez o transmite à bolsa.

Gradualmente, a arquitetura tradicional de alta latência de sistemas algorítmicos está sendo substituída por redes mais novas, de última geração, de alta infraestrutura e baixa latência . O complexo mecanismo de processamento de eventos (CEP), que é o coração da tomada de decisão em sistemas de negociação baseados em algoritmos, é usado para roteamento de ordens e gerenciamento de risco.

Com o surgimento do protocolo FIX (Financial Information Exchange) , a ligação a diferentes destinos tornou-se mais fácil e o tempo de go-to market reduzido, no que diz respeito à ligação a um novo destino. Com o protocolo padrão em vigor, a integração de fornecedores terceirizados para feeds de dados não é mais complicada.

Controles automatizados

A negociação automatizada deve ser operada sob controles automatizados, uma vez que as intervenções manuais são muito lentas ou atrasadas para a negociação em tempo real na escala de micro ou milissegundos. Uma mesa de negociação ou empresa, portanto, deve desenvolver estruturas de controle automatizadas adequadas para abordar todos os tipos de risco possíveis, que vão desde os principais riscos de capital, erros de dedo gordo, riscos de crédito de contraparte, estratégias de negociação que perturbam o mercado, como spoofing ou camadas, até o cliente prejudicando a internalização injusta ou o uso excessivo de dark pools tóxicos.

Os reguladores do mercado, como o Banco da Inglaterra e a Autoridade Europeia de Valores Mobiliários e Mercados, publicaram orientações de supervisão especificamente sobre os controles de risco das atividades de negociação algorítmica, por exemplo, o SS5 / 18 do Banco da Inglaterra e o MIFID II .

Em resposta, também tem havido um aumento nas atividades acadêmicas ou industriais dedicadas ao lado do controle do comércio algorítmico.

Efeitos

Uma das descobertas mais irônicas da pesquisa acadêmica sobre negociação algorítmica pode ser que o trader individual introduz algoritmos para tornar a comunicação mais simples e previsível, enquanto os mercados acabam mais complexos e incertos. Como os algoritmos de negociação seguem regras locais que respondem a instruções programadas ou padrões aprendidos, no nível micro, seu comportamento automatizado e reativo torna certas partes da dinâmica de comunicação mais previsíveis. No entanto, no nível macro, foi demonstrado que o processo emergente geral se torna mais complexo e menos previsível. Esse fenômeno não é exclusivo do mercado de ações e também foi detectado com a edição de bots na Wikipedia.

Embora seu desenvolvimento possa ter sido motivado pela diminuição do tamanho das negociações causada pela decimalização, a negociação algorítmica reduziu ainda mais os tamanhos das negociações. Os trabalhos que antes eram feitos por comerciantes humanos estão sendo transferidos para computadores. As velocidades das conexões do computador, medidas em milissegundos e até microssegundos , tornaram-se muito importantes.

Mercados mais totalmente automatizados, como NASDAQ, Direct Edge e BATS (anteriormente uma sigla para Better Alternative Trading System) nos Estados Unidos, ganharam participação de mercado em mercados menos automatizados, como a NYSE. Economias de escala em comércio eletrônico têm contribuído para a redução de comissões e taxas de processamento comercial, e contribuído para fusões internacionais e consolidação de bolsas financeiras .

A competição está se desenvolvendo entre as bolsas pelos tempos de processamento mais rápidos para a conclusão de negociações. Por exemplo, em junho de 2007, a Bolsa de Valores de Londres lançou um novo sistema chamado TradElect que promete um tempo médio de retorno de 10 milissegundos desde a colocação de um pedido até a confirmação final e pode processar 3.000 pedidos por segundo. Desde então, as trocas competitivas continuaram a reduzir a latência com tempos de resposta de 3 milissegundos disponíveis. Isso é de grande importância para os negociadores de alta frequência, porque eles devem tentar localizar as faixas de desempenho consistentes e prováveis ​​de determinados instrumentos financeiros. Esses profissionais frequentemente lidam com versões de fundos de índice de ações como o E-mini S & Ps, porque buscam consistência e mitigação de risco junto com desempenho superior. Eles devem filtrar os dados de mercado para trabalhar em sua programação de software de forma que haja a menor latência e a maior liquidez no momento para colocar stop-loss e / ou realizar lucros. Com a alta volatilidade nesses mercados, isso se torna um empreendimento complexo e potencialmente estressante, em que um pequeno erro pode levar a uma grande perda. Os dados de frequência absoluta contribuem para o desenvolvimento das instruções pré-programadas do trader.

Nos EUA, os gastos com computadores e software no setor financeiro aumentaram para US $ 26,4 bilhões em 2005.

A negociação algorítmica causou uma mudança nos tipos de funcionários que trabalham no setor financeiro. Por exemplo, muitos físicos entraram no setor financeiro como analistas quantitativos. Alguns físicos até começaram a fazer pesquisas em economia como parte da pesquisa de doutorado. Esse movimento interdisciplinar às vezes é chamado de econofísica . Alguns pesquisadores também citam uma "divisão cultural" entre os funcionários de empresas que se dedicam principalmente ao comércio algorítmico e os gerentes de investimento tradicionais. A negociação algorítmica estimulou um foco maior nos dados e diminuiu a ênfase na pesquisa do lado do vendedor.

Padrões de comunicação

As negociações algorítmicas requerem a comunicação de parâmetros consideravelmente mais do que o mercado tradicional e ordens limitadas. Um negociante em uma extremidade (o " lado da compra ") deve permitir que seu sistema de negociação (freqüentemente chamado de " sistema de gerenciamento de ordens " ou " sistema de gerenciamento de execução ") entenda um fluxo em constante proliferação de novos tipos de ordens algorítmicas. Os custos de P&D e outros custos para construir novos tipos complexos de pedidos algorítmicos, junto com a infraestrutura de execução e os custos de marketing para distribuí-los, são bastante substanciais. O que era necessário era uma maneira que os comerciantes (o " lado da venda ") pudessem expressar os pedidos de algo eletronicamente, de modo que os comerciantes do lado da compra pudessem simplesmente inserir os novos tipos de pedidos em seus sistemas e estar prontos para negociá-los sem a codificação constante de telas personalizadas de entrada de novos pedidos cada vez.

FIX Protocol é uma associação comercial que publica padrões abertos e gratuitos na área de negociação de valores mobiliários. A linguagem FIX foi originalmente criada pela Fidelity Investments, e os membros da associação incluem virtualmente todos os grandes e muitos corretores de médio e pequeno porte, bancos de centro financeiro, investidores institucionais, fundos mútuos, etc. Esta instituição domina o estabelecimento de padrões nas áreas de pré-comércio e comércio de transações de segurança. Em 2006–2007, vários membros se reuniram e publicaram um rascunho de padrão XML para expressar tipos de pedidos algorítmicos. O padrão é denominado FIX Algorithmic Trading Definition Language ( FIXatdl ).

Veja também

Notas

Referências

links externos

Vídeo externo
ícone de vídeo Como algoritmos moldam nosso mundo , TED (conferência)