מסחר אלגוריתמי

מתוך המכלול, האנציקלופדיה היהודית
קפיצה לניווט קפיצה לחיפוש

מסחר אלגוריתמי (באנגלית: Algorithmic trading) הוא שיטה לביצוע פקודות מסחר באמצעות הוראות מסחר מתוכנתות מראש אוטומטיות, המשלבות משתנים כגון זמן, מחיר ונפח.[1] סוג זה של מסחר מנסה לנצל את המהירות ומשאבי החישוב של מחשבים בהשוואה לסוחרים אנושיים. במאה ה-21, המסחר האלגוריתמי צבר פופולריות הן בקרב סוחרים פרטיים והן בקרב סוחרים מוסדיים.[2][3] מחקר משנת 2019 הראה כי כ-92% מהמסחר בשוק המט"ח בוצע על ידי אלגוריתמי מסחר ולא על ידי בני אדם.[4]

המסחר האלגוריתמי נמצא בשימוש נרחב על ידי בנקי השקעות, קרנות פנסיה, קרנות נאמנות וקרנות גידור, אשר עשויות להזדקק לפיזור ביצוע של פקודה גדולה או לביצוע עסקאות מהירות מדי עבור סוחרים אנושיים. עם זאת, הוא זמין גם לסוחרים פרטיים באמצעות כלים קמעונאיים פשוטים.

המונח "מסחר אלגוריתמי" משמש לעיתים כמונח נרדף ל"מערכת מסחר אוטומטית". מערכות אלה כוללות מגוון של אסטרטגיות מסחר, חלקן מבוססות על נוסחאות ותוצאות ממתמטיקה פיננסית, ולעיתים קרובות מסתמכות על תוכנה מיוחדת.[5][6]

דוגמאות לאסטרטגיות המשמשות במסחר אלגוריתמי כוללות מסחר שיטתי, עשיית שוק, פיזור בין-שוקי, ארביטראז', או ספקולציה טהורה, כגון מעקב אחר מגמות. רבות מהן נכללות בקטגוריה של מסחר בתדירות גבוהה (HFT), המאופיינת במחזור גבוה ויחסי פקודה-למסחר גבוהים.[7] אסטרטגיות HFT משתמשות במחשבים המקבלים החלטות מורכבות לביצוע פקודות על סמך מידע המתקבל באופן אלקטרוני, לפני שסוחרים אנושיים מסוגלים לעבד את המידע שהם צופים בו. כתוצאה מכך, בפברואר 2013, הוועדה למסחר בחוזים עתידיים (CFTC) הקימה קבוצת עבודה מיוחדת שכללה אקדמאים ומומחים מהתעשייה כדי לייעץ ל-CFTC כיצד להגדיר בצורה הטובה ביותר HFT.[8][9] מסחר אלגוריתמי ו-HFT גרמו לשינוי דרמטי במיקרו-מבנה השוק ובמורכבות ואי-הוודאות של הדינמיקה המקרו-שוק, במיוחד בדרך שבה מסופקת נזילות.[10]

שילוב למידת מכונה

לפני הופעת למידת המכונה, השלב המוקדם של מסחר אלגוריתמי כלל חוקים מתוכנתים מראש שנועדו להגיב לתנאי שוק ספציפיים. סוחרים ומפתחים קידדו הוראות המבוססות על מדדים טכניים כגון מדד החוזק היחסי (RSI), ממוצעים מתקדמים (Moving Averages), כדי לאפשר ביצוע אוטומטי של פקודות קנייה או מכירה. שינוי משמעותי במסחר האלגוריתמי התרחש עם אימוץ למידת המכונה, ובמיוחד למידת חיזוק עמוקה (DRL), המאפשרת למערכות להסתגל באופן דינמי לתנאי השוק הנוכחיים. בניגוד לדגמים קודמים, DRL משתמשת בסימולציות כדי לאמן אלגוריתמים, ומאפשרת להם ללמוד ולשפר את האלגוריתם באופן איטרטיבי. מחקר משנת 2022 של אנאסרי ואחרים הראה כי מסגרת ה-DRL "לומדת מדיניות הסתגלותית על ידי איזון בין סיכונים ותגמולים, ומצטיינת בתנאים תנודתיים שבהם מערכות סטטיות נכשלות". יכולת ההסתגלות העצמית הזו מאפשרת לאלגוריתמים להתאים לשינויים בשוק, ומספקת יתרון משמעותי על פני מסחר אלגוריתמי מסורתי.[11]

במקביל ל-DRL, אלגוריתמי שינוי כיוון (DC) מייצגים התקדמות נוספת המתמקדת באירועי שוק מרכזיים במקום במרווחי זמן קבועים. מחקר משנת 2023 של אדגבוי, קמפורידיס ואוטרו מסביר כי "אלגוריתמי DC מזהים מעברי מגמה עדינים, משפרים את תזמון המסחר והרווחיות בשווקים סוערים". אלגוריתמים אלו מזהים מעברי מגמה עדינים כגון מגמות עולות או היפוכים, משפרים את תזמון המסחר והרווחיות בשווקים תנודתיים. גישה זו לוכדת את הזרימה הטבעית של תנועת השוק משיאים גבוהים לנמוכים.[12]

בפועל, אלגוריתם DC פועל על ידי הגדרת שתי מגמות: עולה או יורדת, המופעלות כאשר המחיר חורג מסף מסוים ולאחר מכן מגיעה תקופת אישור (overshoot). מבנה האלגוריתם מאפשר לסוחרים לזהות ייצוב של מגמות בדיוק גבוה יותר. DC מיישר את המסחר עם קצבים תנודתיים ובלתי יציבים של השוק. על ידי התאמת המסחר לקצבים הבסיסיים של השוק, DC משפר את הדיוק, במיוחד בשווקים תנודתיים שבהם אלגוריתמים מסורתיים נוטים לשגות בהערכת המומנטום עקב נתונים במרווחי זמן קבועים.

השלכות אתיות והגינות

ההתקדמות הטכנולוגית במסחר האלגוריתמי מביאה עמה אתגרים אתיים משמעותיים בנוגע להגינות ולשוויון בשוק. החשש המרכזי הוא הגישה הלא שוויונית לטכנולוגיה זו. מסחר בתדירות גבוהה, אחת הצורות המובילות של מסחר אלגוריתמי, מסתמך על רשתות מהירות במיוחד, שרתים ממוקמים משותפים וזרמי נתונים חיים, הזמינים בעיקר למוסדות גדולים כגון קרנות גידור, בנקים להשקעות ומוסדות פיננסיים אחרים. גישה זו יוצרת פער בין משתתפי השוק, כאשר סוחרים קמעונאיים אינם מסוגלים להתחרות במהירות ובדיוק של מערכות אלו.

מעבר לבעיית אי השוויון, נושא נוסף נוגע לפוטנציאל למניפולציה בשוק. אלגוריתמים אלו יכולים לבצע עסקאות כגון הצבת וביטול פקודות במהירות כדי להטעות משתתפים אחרים. דוגמה לכך היא התרסקות הבזק של 2010. התרסקות זו התרחשה עקב פעילות אלגוריתמית והתאוששה חלקית לאחר מכן. פעילות במהירות גבוהה מעבר לפיקוח אנושי מטשטשת את קווי האחריות. כאשר מתרחשות התרסקויות, לא ברור מי נושא באחריות: המפתחים, המוסדות המשתמשים בהם או הרגולטורים.

מערכות אלו יכולות להגביר את תנודתיות השוק, ולעיתים להשאיר סוחרים קמעונאיים חשופים לתנודות מחירים פתאומיות ללא הכלים הדרושים להתמודדות. ביקורות בגופי חדשות מצביעים כי הדבר מרכז את העושר בידי קומץ חברות חזקות, ועלול להגדיל את הפערים הכלכליים.[13] דוגמה לכך היא יחידים או חברות עם המשאבים הדרושים שמרוויחים על ידי ביצוע עסקאות מהירות, תוך דחיקת סוחרים קטנים לשוליים. מנגד, ישנם יתרונות כגון הגברת נזילות השוק והפחתת עלויות העסקה.[14] הדבר יוצר מאבק אתי: האם החתירה לשוק יעיל גוברת על הסיכון להנצחת אי השוויון?

מאמצי האיחוד האירופי להתמודד עם חששות אלו הובילו לפעולה רגולטורית. כללים אלו מחייבים בדיקות קפדניות של מסחר אלגוריתמי ודורשים מחברות לדווח על שיבושים משמעותיים.[15] גישה זו נועדה למזער מניפולציות ולשפר את הפיקוח, אך האכיפה מהווה אתגר. עם התפתחות המסחר האלגוריתמי, הסוגיות האתיות הופכות למורכבות יותר.

היסטוריה

התפתחויות מוקדמות

הממוחשבות של זרימת הפקודות בשווקים הפיננסיים החלה בתחילת שנות ה-70, כאשר בורסת ניו יורק הציגה את מערכת "הפניית הפקודות המיועדות" (DOT). מערכת SuperDOT הוצגה ב-1984 כגרסה משודרגת של DOT. שתי המערכות אפשרו ניתוב אלקטרוני של פקודות למקום המסחר המתאים. מערכת "דיווח אוטומטי לפתיחה" (OARS) סייעה למומחים לקבוע את מחיר הפתיחה לניקוי השוק (SOR; ניתוב פקודות חכם).

עם עלייתם של שווקים אלקטרוניים לחלוטין, הוצג מסחר תוכנות, המוגדר על ידי בורסת ניו יורק כפקודה לקנייה או מכירה של 15 מניות או יותר בשווי כולל של מעל מיליון דולר אמריקאי. בפועל, עסקאות תוכנתיות תוכנתו מראש כדי להיכנס או לצאת מעסקאות באופן אוטומטי בהתבסס על גורמים שונים.[16] בשנות ה-80, תוכנות מסחר הפכו לנפוצים במסחר בין שוקי ה-S&P 500 למניות וחוזים עתידיים באסטרטגיה המכונה ארביטראז' מדד.

במקביל, ביטוח תיק השקעות בפרופורציה קבועה תוכנן ליצור אופציית מכר סינתטית על תיק מניות על ידי מסחר דינמי בחוזים עתידיים של מדד מניות בהתבסס על מודל מחירי אופציות Black–Scholes.

אסטרטגיות אלו, שלעיתים נקראות בפשטות "תוכנות מסחר", הואשמו על ידי רבים (למשל, דוח בריידי) כגורם להחמרה או אפילו התחלה של התרסקות שוק המניות של 1987. עם זאת, ההשפעה של מסחר מונחה מחשב על התרסקויות שוק אינה ברורה ונדונה רבות בקהילה האקדמית.[17]

התחלה וצמיחה

הנוף הפיננסי השתנה שוב עם הופעתם של רשתות תקשורת אלקטרוניות (ECN) בשנות ה-90, שאפשרו מסחר במניות ומטבעות מחוץ לבורסות מסורתיות.[16] בארצות הברית, העברה למסחר בעשרוניות שינתה את גודל התנודה המינימלי מ-1/16 דולר (0.0625 דולר אמריקאי)[א] ל-0.01 דולר למניה בשנת 2001, ועשויה לעודד מסחר אלגוריתמי כיוון ששינתה את מבנה השוק על ידי אפשרות להבדלים קטנים יותר בין מחירי הצעת קנייה ומכירה, ובכך הפחיתה את היתרון של עושי השוק והגדילה את נזילות השוק.[20]

הגידול בנזילות השוק הוביל לסוחרים מוסדיים לפצל פקודות לפי אלגוריתמים מחשביים כדי לבצע פקודות במחיר ממוצע טוב יותר. מדדי מחיר ממוצעים אלו נמדדים ומחושבים על ידי מחשבים באמצעות מחיר ממוצע משוקלל לפי זמן או לעיתים קרובות יותר על ידי מחיר ממוצע משוקלל לפי נפח.

זה נגמר. המסחר שהתקיים במשך מאות שנים מת. יש לנו שוק אלקטרוני היום. זה ההווה. זה העתיד.

— מנכ"ל נאסד"ק רוברט גריפלד, אפריל 2011[21]

עידוד נוסף לאימוץ מסחר אלגוריתמי בשווקים הפיננסיים הגיע ב-2001 כאשר צוות חוקרים מ-IBM פרסם מאמר[22] בכנס בינלאומי משותף לבינה מלאכותית שבו הראו כי בגרסאות ניסוייות של מכרזות אלקטרוניות המשמשות בשווקים הפיננסיים, שתי אסטרטגיות אלגוריתמיות (ה-MGD של IBM וה-ZIP של Hewlett-Packard) הצליחו באופן עקבי להתעלות על סוחרים אנושיים. MGD הייתה גרסה משופרת של האלגוריתם "GD" שהומצא על ידי סטיבן ג'רסטד וג'ון דיקהאוט ב-1996/7;[23] האלגוריתם ZIP הומצא ב-HP על ידי דייב קליף ב-1996.[24] במאמרם, צוות IBM כתב כי ההשפעה הפיננסית של תוצאותיהם, המראות כי MGD ו-ZIP מתעלות על סוחרים אנושיים, "עשויה להימדד במיליארדי דולרים בשנה"; המאמר של IBM זכה לסיקור תקשורתי בינלאומי.

בשנת 2005, מערכת הרגולציה הלאומית לשוק הוצגה על ידי ה-SEC כדי לחזק את שוק המניות.[16] שינוי זה שינה את אופן המסחר של חברות עם כללים כמו כלל המסחר דרך, המחייב פרסום וביצוע אלקטרוני של פקודות שוק במחיר הזמין הטוב ביותר, ובכך מונע ממתווכים להרוויח מהפרשי מחירים בעת התאמת פקודות קנייה ומכירה.[16]

עם פתיחת שווקים אלקטרוניים נוספים, הוצגו אסטרטגיות מסחר אלגוריתמיות נוספות. אסטרטגיות אלו מיושמות בקלות רבה יותר על ידי מחשבים, שכן הם יכולים להגיב במהירות לשינויי מחירים ולעקוב אחר מספר שווקים בו זמנית.

ברוקרים רבים הציעו אסטרטגיות מסחר אלגוריתמיות ללקוחותיהם – תוך הבחנה ביניהן לפי התנהגות, אפשרויות ומיתוג. דוגמאות כוללות את Chameleon (פותח על ידי BNP Paribas), Stealth[25] (פותח על ידי Deutsche Bank), Sniper ו-Guerilla (פותחו על ידי Credit Suisse).[26] יישומים אלו אימצו שיטות מגישות השקעה כמו ארביטראז', ארביטראז' סטטיסטי, מעקב אחר מגמות, וחזרה לממוצע.

בשווקים הפיננסיים הגלובליים המודרניים, מסחר אלגוריתמי ממלא תפקיד מכריע בהשגת יעדים פיננסיים.[27] כמעט 30 שנה, סוחרים, בנקים להשקעות, קרנות השקעה וגופים פיננסיים אחרים השתמשו באלגוריתמים כדי לזקק וליישם אסטרטגיות מסחר.[28] השימוש באלגוריתמים בשווקים הפיננסיים גדל משמעותית מאז אמצע שנות ה-90, אם כי התרומה המדויקת לנפחי המסחר היומיים נותרה לא מדויקת.[29]

התקדמות טכנולוגית ומסחר אלגוריתמי אפשרו הגדלת נפחי עסקאות, הפחתת עלויות, שיפור ביצועי תיק ההשקעות ושיפור השקיפות בשווקים הפיננסיים.[30] על פי דוח פעילות מט"ח מאפריל 2019, לשוקי המט"ח היה מחזור יומי של 6.6 טריליון דולר אמריקאי, עלייה משמעותית לעומת 5.1 טריליון דולר ב-2016.[31]

מקרי בוחן

תחזיות רווחיות של קבוצת TABB, חברת מחקר בתעשיית השירותים הפיננסיים, עבור תעשיית HFT במניות בארצות הברית היו 1.3 מיליארד דולר לפני הוצאות ב-2014,[32] ירידה משמעותית לעומת המקסימום של 21 מיליארד דולר שה-300 חברות ניירות ערך וקרנות גידור שהתמחו אז בסוג זה של מסחר הרוויחו ב-2008,[33] אותם המחברים כינו אז "קטנים יחסית" ו"צנועים באופן מפתיע" בהשוואה לנפח המסחר הכולל של השוק. במרץ 2014, Virtu Financial, חברת מסחר בתדירות גבוהה, דיווחה שבמהלך חמש שנים החברה כולה הייתה רווחית ב-1,277 מתוך 1,278 ימי מסחר,[34] והפסידה כסף רק ביום אחד, מה שממחיש את היתרונות של מסחר מיליוני פעמים במגוון מכשירים בכל יום מסחר.[35]

מסחר אלגוריתמי, אחוז מנפח המחזור בשוק[36]

שליש מכל עסקאות המניות באיחוד האירופי ובארצות הברית ב-2006 הונעו על ידי תוכניות אוטומטיות, או אלגוריתמים.[37] החל מ-2009, מחקרים הצביעו על כך שחברות HFT היוו 60-73% מנפח מסחר המניות בארצות הברית, כאשר מספר זה ירד לכ-50% ב-2012.[38][39] ב-2006, בבורסת לונדון, מעל 40% מכל הפקודות הוזנו על ידי סוחרים אלגוריתמיים, עם תחזית של 60% ל-2007. בשווקים האמריקאיים והאירופיים יש בדרך כלל חלק גבוה יותר של עסקאות אלגוריתמיות מאשר שווקים אחרים, והערכות ל-2008 נעות עד ל-80% בחלק מהשווקים. גם שוקי המט"ח כוללים מסחר אלגוריתמי פעיל, כאשר כ-80% מהפקודות ב-2016 היו כאלה (לעומת כ-25% ב-2006).[40] שוקי החוזים העתידיים נחשבים קלים יחסית לשילוב במסחר אלגוריתמי,[41][42] כאשר כ-40% ממסחר האופציות בוצע באמצעות אלגוריתמים ב-2016.[43] שוקי האג"ח נעים לעבר גישה רבה יותר לסוחרים אלגוריתמיים.[44]

מסחר אלגוריתמי ו-HFT היו נושא לדיון ציבורי רב מאז שרשות ניירות ערך האמריקאית ונציבות המסחר בחוזים עתידיים ציינו בדוחות כי עסקה אלגוריתמית שבוצעה על ידי חברת קרנות נאמנות עוררה גל של מכירות שהוביל להתרסקות הבזק של 2010.[45][46][47][48][49][50][51][52] אותם דוחות מצאו כי אסטרטגיות HFT עשויות היו לתרום לתנודתיות שלאחר מכן על ידי משיכת נזילות מהשוק במהירות. כתוצאה מאירועים אלו, מדד דאו ג'ונס התעשייתי ספג את הנדנדה התוך-יומית השנייה בגודלה עד אותו תאריך, אם כי המחירים התאוששו במהירות. דוח של IOSCO מיולי 2011, גוף בינלאומי של רגולטורים של ניירות ערך, קבע כי בעוד "אלגוריתמים וטכנולוגיית HFT שימשו משתתפי שוק לניהול מסחרם וסיכוניהם, השימוש בהם היה גם גורם תורם ברור באירוע התרסקות הבזק של 6 במאי 2010."[53][54] עם זאת, חוקרים אחרים הגיעו למסקנה שונה. מחקר אחד משנת 2010 מצא כי HFT לא שינה באופן משמעותי את מלאי המסחר במהלך התרסקות הבזק.[55] מסחר אלגוריתמי לפני איזון מחדש של קרנות מדד מעביר רווחים ממשקיעים פסיביים.[56][57][58]

אסטרטגיות

מסחר לפני איזון מחדש של קרנות מדד

רוב חסכונות הפרישה, כמו קרנות פנסיה פרטיות או 401(k) וחשבונות פרישה אישיים בארצות הברית, מושקעים בקרנות נאמנות, כאשר הפופולריות שבהן הן קרנות מדד שחייבות מעת לעת "לאזן מחדש" או להתאים את תיק ההשקעות שלהן למחירים החדשים ולשווי השוק של ניירות הערך הבסיסיים במדד המניות או מדד אחר שהן עוקבות אחריו.[59][60] רווחים מועברים ממשקיעים פסיביים במדדים למשקיעים פעילים, חלקם סוחרים אלגוריתמיים המנצלים באופן ספציפי את אפקט איזון המדד. גודל ההפסדים שנגרמו למשקיעים פסיביים הוערך ב-21–28 נקודות בסיס בשנה עבור S&P 500 וב-38–77 נקודות בסיס בשנה עבור Russell 2000.[57] ג'ון מונטגומרי מ־Bridgeway Capital Management אומר כי התשואות הנמוכות למשקיעים כתוצאה ממסחר לפני קרנות נאמנות הוא "הפיל בחדר" ש"באופן מפתיע, אנשים לא מדברים עליו".[58]

מסחר זוגות

מסחר זוגות או מסחר זוגי הוא אסטרטגיית לונג-שורט, באופן אידיאלי נייטרלית לשוק, המאפשרת לסוחרים להרוויח מפערים זמניים בערך היחסי של תחליפים קרובים. שלא כמו במקרה של ארביטראז' קלאסי, במקרה של מסחר זוגות, חוק המחיר האחד אינו יכול להבטיח התכנסות של מחירים. זה נכון במיוחד כאשר האסטרטגיה מיושמת על מניות בודדות – תחליפים לא מושלמים אלה יכולים למעשה להתפצל ללא הגבלה. בתיאוריה, האופי הלונג-שורט של האסטרטגיה אמור לגרום לה לעבוד ללא קשר לכיוון שוק המניות. בפועל, סיכון ביצוע, פערים מתמשכים וגדולים, וירידה בתנודתיות יכולים להפוך את האסטרטגיה ללא רווחית לתקופות ארוכות (למשל, 2004-2007). היא שייכת לקטגוריות רחבות יותר של ארביטראז' סטטיסטי, מסחר התכנסות, ואסטרטגיות ערך יחסי.[61]

אסטרטגיות נייטרליות לדלתא

בפיננסים, נייטרלי לדלתא מתאר תיק של ניירות ערך פיננסיים קשורים, שבו ערך התיק נשאר ללא שינוי עקב שינויים קטנים בערך נייר הערך הבסיסי. תיק כזה מכיל בדרך כלל אופציות והניירות הבסיסיים המתאימים להן כך שמרכיבי דלתא חיוביים ושליליים מתקזזים, וכתוצאה מכך ערך התיק אינו רגיש יחסית לשינויים בערך נייר הערך הבסיסי.

ארביטראז'

בכלכלה ופיננסים, ארביטראז' הוא הנוהג לנצל הפרש מחירים בין שני שווקים או יותר: ביצוע שילוב של עסקאות תואמות המנצלות את חוסר האיזון, כאשר הרווח הוא ההפרש בין מחירי השוק. כאשר משתמשים בו על ידי אקדמאים, ארביטראז' הוא עסקה שאינה כרוכה בתזרים מזומנים שלילי בכל מצב הסתברותי או זמני ותזרים מזומנים חיובי לפחות במצב אחד; במילים פשוטות, זו האפשרות לרווח ללא סיכון בעלות אפס. דוגמה: אחת מהזדמנויות המסחר בארביטראז' הפופולריות ביותר מתבצעת עם חוזים עתידיים של S&P 500 ומניות S&P 500. במהלך רוב ימי המסחר, השניים הללו יפתחו פער בתמחור ביניהם. זה קורה כאשר מחיר המניות, הנסחרות בעיקר ב־NYSE וב-NASDAQ, מקדימות או נשארות מאחורי חוזים עתידיים של S&P הנסחרים בשוק CME.

תנאים לארביטראז'

ארביטראז' אפשרי כאשר אחד משלושה תנאים מתקיים:

  • אותו נכס אינו נסחר באותו מחיר בכל השווקים (חוק המחיר האחד מופר זמנית).
  • שני נכסים עם תזרימי מזומנים זהים אינם נסחרים באותו מחיר.
  • נכס עם מחיר ידוע בעתיד אינו נסחר במחיר העתידי שלו מוזל לפי שיעור הריבית ללא סיכון (או שהנכס אינו בעל עלויות אחסון זניחות; ככזה, לדוגמה, תנאי זה מתקיים עבור תבואה אך לא עבור ניירות ערך).

ארביטראז' אינו פשוט המעשה של קניית מוצר בשוק אחד ומכירתו בשוק אחר במחיר גבוה יותר במועד מאוחר יותר. העסקאות הארוכות והקצרות צריכות להתרחש באופן אידיאלי בו זמנית כדי למזער את החשיפה לסיכון שוק, או הסיכון שמחירים עשויים להשתנות בשוק אחד לפני השלמת שתי העסקאות. במונחים מעשיים, זה אפשרי בדרך כלל רק עם ניירות ערך ומוצרים פיננסיים שניתן לסחור בהם באופן אלקטרוני, ואפילו אז, כאשר הרגל הראשונה של העסקה מבוצעת, המחירים ברגליים האחרות עשויים להחמיר, נועלים הפסד מובטח. החמצת אחת מהרגליים של העסקה (ולאחר מכן הצורך לפתוח אותה במחיר גרוע יותר) נקראת 'סיכון ביצוע' או באופן ספציפי יותר 'סיכון כניסה ויציאה'.[ב] בדוגמה הפשוטה ביותר, כל מוצר שנמכר בשוק אחד אמור להימכר באותו מחיר בשוק אחר. סוחרים עשויים, לדוגמה, לגלות כי מחיר החיטה נמוך יותר באזורים חקלאיים מאשר בערים, לרכוש את המוצר ולהעבירו לאזור אחר למכירה במחיר גבוה יותר. סוג זה של ארביטראז' מחירים הוא הנפוץ ביותר, אך דוגמה פשוטה זו מתעלמת מעלויות ההובלה, האחסון, הסיכון וגורמים אחרים. ארביטראז' "אמיתי" דורש שאין סיכון שוק מעורב. כאשר ניירות ערך נסחרים ביותר מבורסה אחת, ארביטראז' מתרחש על ידי קנייה בו זמנית באחת ומכירה באחרת. ביצוע סימולטני כזה, אם מעורבים תחליפים מושלמים, ממזער את דרישות ההון, אך בפועל לעולם אינו יוצר עמדה "מממנת את עצמה" (חינמית), כפי שמקורות רבים מניחים בטעות על פי התיאוריה. כל עוד יש הבדל כלשהו בערך השוק ובסיכון של שתי הרגליים, יהיה צורך להשקיע הון כדי לשאת בעמדת הארביטראז' הארוכה-קצרה.

חזרה לממוצע

חזרה לממוצע היא מתודולוגיה מתמטית המשמשת לעיתים להשקעה במניות, אך ניתן ליישמה גם על תהליכים אחרים. במונחים כלליים, הרעיון הוא שגם המחירים הגבוהים וגם הנמוכים של מניה הם זמניים, וכי מחיר המניה נוטה להגיע למחיר ממוצע לאורך זמן. דוגמה לתהליך חזרה לממוצע היא משוואת אורנשטיין-אולנבק הסטוכסטית.

חזרה לממוצע כרוכה תחילה בזיהוי טווח המסחר עבור מניה, ולאחר מכן חישוב המחיר הממוצע באמצעות טכניקות אנליטיות כפי שהן מתייחסות לנכסים, רווחים וכו'.

כאשר מחיר השוק הנוכחי נמוך מהמחיר הממוצע, המניה נחשבת אטרקטיבית לרכישה, מתוך ציפייה שהמחיר יעלה. כאשר מחיר השוק הנוכחי גבוה מהמחיר הממוצע, צפוי שהמחיר יירד. במילים אחרות, סטיות מהמחיר הממוצע צפויות לחזור לממוצע.

הסטיית התקן של המחירים האחרונים (למשל, 20 האחרונים) משמשת לעיתים כמחוון קנייה או מכירה.

שירותי דיווח על מניות (כגון Yahoo! Finance, MS Investor, Morningstar וכו') מציעים לעיתים ממוצעים נעים לתקופות כמו 50 ו-100 ימים. בעוד ששירותי הדיווח מספקים את הממוצעים, זיהוי המחירים הגבוהים והנמוכים לתקופת המחקר עדיין נחוץ.

סקלפינג

סקלפינג הוא אספקת נזילות על ידי עושי שוק לא מסורתיים, כאשר סוחרים מנסים להרוויח (או "לעשות") את מרווח הצעת קנייה ומכירה. הליך זה מאפשר רווח כל עוד תנועות המחירים קטנות מהמרווח הזה ובדרך כלל כרוך בהקמה ונזילות של עמדה במהירות, בדרך כלל תוך דקות ספורות או פחות.[62]

עושה שוק הוא למעשה סקלפר מתמחה, המכונה גם סוחר.[63] נפח המסחר של עושה שוק גדול פי כמה מזה של סקלפר ממוצע והוא ישתמש במערכות וטכנולוגיות מסחר מתוחכמות יותר. עם זאת, עושי שוק רשומים כפופים לכללי הבורסה המחייבים את מחויבויות הצעת המחיר המינימליות שלהם. לדוגמה, NASDAQ מחייב כל עושה שוק לפרסם לפחות הצעת קנייה אחת והצעת מכירה אחת ברמת מחיר מסוימת, כדי לשמור על שוק דו-צדדי עבור כל מניה המיוצגת.[64][63][65]

הפחתת עלויות עסקה

רוב האסטרטגיות המכונות מסחר אלגוריתמי (כמו גם חיפוש נזילות אלגוריתמי) נופלות תחת קטגוריית הפחתת עלויות. הרעיון הבסיסי הוא לפצל פקודה גדולה לפקודות קטנות ולהציב אותם בשוק לאורך זמן. הבחירה באלגוריתם תלויה בגורמים שונים, כאשר החשובים שבהם הם תנודתיות ונזילות המניה. לדוגמה, עבור מניה נזילה מאוד, התאמה של אחוז מסוים מהפקודות הכוללות של המניה (נקראות אלגוריתמים מוטי נפח) היא בדרך כלל אסטרטגיה טובה, אך עבור מניה לא נזילה במיוחד, אלגוריתמים מנסים להתאים כל פקודה שיש לה מחיר נוח (נקראות אלגוריתמים מחפשי נזילות).

ההצלחה של אסטרטגיות אלו נמדדת בדרך כלל על ידי השוואת המחיר הממוצע שבו בוצעה כל הפקודה למחיר הממוצע שהושג באמצעות ביצוע מדד עבור אותה משך זמן. בדרך כלל, המחיר הממוצע המשוקלל לפי נפח משמש כמדד. לעיתים, מחיר הביצוע מושווה גם למחיר המכשיר בזמן הצבת הפקודה.

סוג מיוחד של אלגוריתמים אלו מנסה לזהות פקודות אלגוריתמיות או קרחון בצד השני (כלומר, אם אתה מנסה לקנות, האלגוריתם ינסה לזהות פקודות למכירה). אלגוריתמים אלה נקראים אלגוריתמי רחרוח. דוגמה אופיינית היא "Stealth".

חלק מהדוגמאות לאלגוריתמים במסחר כוללות את VWAP, TWAP, Implementation shortfall, POV, Display size, Liquidity seeker ו-Stealth. אלגוריתמים מודרניים נבנים לרוב בצורה אופטימלית באמצעות תכנות סטטי או דינמי.[66][67][68]

אסטרטגיות המיועדות רק ל-dark pools

נכון לשנת 2009, מסחר בתדירות גבוהה (HFT), הכולל מגוון רחב של סוחרים מצד הקונים כמו גם מצד מוכרי שוק (Market Makers), הפך למשמעותי יותר ולעיתים גם במחלוקת.[69]

אלגוריתמים וטכניקות אלו זוכים לעיתים לשמות כמו "Stealth" (שפותח על ידי דויטשה בנק), "Iceberg", "Dagger", "Monkey", "Guerrilla", "Sniper", "BASOR" (שפותח על ידי Quod Financial) ו-"Sniffer".[70]

בריכות אפלות הם מערכות מסחר אלטרנטיביות הפועלות באופן פרטי ואינן מתקשרות עם הזרם הציבורי של פקודות המסחר. מערכות אלה נועדו לספק נזילות בלתי מוצגת לעסקאות גדולות בניירות ערך.[71]

ב-dark pools המסחר מתבצע באופן אנונימי, כאשר רוב הפקודות מוסתרות או מוצגות חלקית ("Iceberged").[72] סוחרי "גיימינג" או "כרישים" מנסים לאתר פקודות גדולות באמצעות שליחת פקודות קטנות ("פינגים"). כאשר מספר פקודות קטנות מתמלאות, ייתכן שהתגלה קיומה של פקודת ענק מוסתרת.

"זה הפך למרוץ חימוש," אמר אנדרו לו, מנהל מעבדת ההנדסה הפיננסית של MIT בשנת 2006. "כולם בונים אלגוריתמים מתוחכמים יותר, וככל שהתחרות גדלה – הרווחים מצטמצמים."[73]

תזמון שוק

אסטרטגיות שנועדו לייצר אלפא נחשבות לאסטרטגיות תזמון שוק. סוגים אלו של אסטרטגיות מתוכננים באמצעות מתודולוגיה הכוללת בדיקה לאחור (backtesting), בדיקה קדימה (forward testing) ובדיקה חיה (live testing). אלגוריתמי תזמון שוק משתמשים בדרך כלל במדדים טכניים כגון ממוצעים נעים, אך יכולים לכלול גם לוגיקת זיהוי דפוסים המיושמת באמצעות מכונות מצב סופיות.[74][75]

בדיקה לאחור של האלגוריתם היא בדרך כלל השלב הראשון ומערבת סימולציה של עסקאות היפותטיות במהלך תקופת נתונים פנימית. נעשית אופטימיזציה כדי לקבוע את הקלטים האופטימליים ביותר. צעדים שננקטים כדי להפחית את הסיכוי לאופטימיזציה יתר כוללים שינוי הקלטים ב-±10%, שימוש בעלילה מסוג שמו, הפעלת סימולציות מונטה קרלו והבטחה שהחלקה ועמלות נלקחות בחשבון.[76]

בדיקה קדימה של האלגוריתם היא השלב הבא ומערבת הרצת האלגוריתם על מערך נתונים מחוץ לדגימה כדי לוודא שהאלגוריתם פועל בהתאם לציפיות מהבדיקה לאחור.

בדיקה חיה היא השלב הסופי של הפיתוח ודורשת מהמפתח להשוות בין עסקאות חיות בפועל לבין המודלים שנבדקו לאחור ולקדימה. המדדים המושווים כוללים אחוז רווחיות, גורם רווח, שיעור ירידה מרבי ורווח ממוצע לעסקה.

מסחר אלגוריתמי בהנחה של אי-ארגודיות

במסחר האלגוריתמי המודרני, שווקים פיננסיים נחשבים לאי-ארגודיים, כלומר הם אינם עוקבים אחר דינמיקות קבועות וצפויות.[77][78] למעשה, עדויות אמפיריות מראות כי התשואות אינן בלתי תלויות ואינן מתפלגות באופן נורמלי, מה שהופך את התחזית למורכבת יותר. במערכת לא-ארגודית, הצלחתה של אסטרטגיה תלויה ביכולתה לצפות את התפתחויות השוק.[79] מסיבה זו, במסחר כמותי, חיוני לפתח כלים שיכולים להעריך ולנצל את היכולת החזויה הזו.[80]

לשם כך, פונקציה בעלת עניין מיוחד היא פונקציית ההתפתחות הבינומית, המעריכה את ההסתברות להשגת אותן תוצאות של אסטרטגיית ההשקעה שנבדקה, תוך שימוש בשיטה אקראית, כגון הטלת מטבע.

• אם הסתברות זו נמוכה, הדבר מעיד כי לאלגוריתם יש יכולת חיזוי אמיתית.

• אם היא גבוהה, הדבר מצביע על כך שהאסטרטגיה פועלת באופן אקראי, והרווחים שהושגו עשויים שלא להוות אינדיקציה לעתיד.

בהינתן רצף של פעולות פיננסיות, הפונקציה מיושמת על ידי ביצוע השלבים הבאים:

1. צבירת עסקאות: עסקאות רצופות באותו כיוון (קנייה או מכירה) משולבות לעסקה אחת. הרווח או ההפסד של עסקה חדשה זו מחושב על ידי הוספת התוצאות של העסקאות הבודדות שהמוזגו.

2. המרה לרצף בינארי: הרצף שהתקבל בשלב הראשון מומר לסדרה של 0 ו-1. עסקאות רווחיות מקבלות את הערך 1, בעוד עסקאות מפסידות מקבלות את הערך 0.

3. חישוב הסתברות אקראית באמצעות התפלגות בינומית: מחושבת ההסתברות להשגת מספר שווה או גדול יותר של חיזויים נכונים (ניצחונות) באופן אקראי, לדוגמה על ידי הטלת מטבע. חישוב זה נעשה באמצעות הפונקציה הבינומית, כאשר:

• k הוא מספר ההצלחות הכולל (מספר ה-"1" ברצף),

• p שווה ל-50% (בהנחה של מטבע הוגן).

פונקציה זו מעבירה את המיקוד מהתוצאה, שעשויה להיות מושפעת יתר על המידה מעסקאות מזל בודדות, ליכולת של האלגוריתם לחזות את השוק. גישה זו הופכת נפוצה יותר ויותר במסחר כמותי מודרני, שבו מוכר כי הרווחים העתידיים תלויים ביכולת של האלגוריתם לצפות את התפתחויות השוק.

מסחר בתדירות גבוהה

ערך מורחב – מסחר בתדירות גבוהה

מסחר בתדירות גבוהה (HFT) הוא צורה של מסחר אלגוריתמי המאופיינת במחזור גבוה ויחסי פקודה לעסקה גבוהים. אף על פי שאין הגדרה אחת למסחר בתדירות גבוהה, בין התכונות המרכזיות שלו ניתן למנות אלגוריתמים מתוחכמים ביותר, סוגי פקודות מיוחדים, מיקום משותף, אופק השקעה קצר מאוד ושיעורי ביטול גבוהים לפקודות.[7] בארצות הברית, חברות מסחר בתדירות גבוהה מהוות 2% מכ-20,000 החברות פועלות, אך אחראיות ל-73% מכלל נפח מסחר המניות.[81] נכון לרבעון הראשון של 2009, סך הנכסים המנוהלים עבור קרנות גידור עם אסטרטגיות HFT הסתכם ב-141 מיליארד דולר, ירידה של כ-21% מהשיא שלהם.[82] אסטרטגיית HFT הוצגה לראשונה בהצלחה על ידי רנסאנס טכנולוגיות.[83]

קרנות בתדירות גבוהה החלו להפוך לפופולריות במיוחד בשנים 2007 ו-2008.[83] חברות HFT רבות הן עושות שוק ומספקות נזילות לשוק, מה שהפחית את התנודתיות ועזר לצמצם את מרווחי הצעת קנייה ומכירה, מה שהופך את המסחר וההשקעה לזולים יותר עבור משתתפי שוק אחרים.[82][84][85] מסחר בתדירות גבוהה היה נושא לדיון ציבורי ער מאז שרשות ניירות ערך האמריקאית ונציבות המסחר בחוזים עתידיים ציינו כי מסחר אלגוריתמי ו-HFT תרמו לתנודתיות במהלך התרסקות הבזק של 2010. בין חברות המסחר בתדירות גבוהה הגדולות בארצות הברית ניתן למנות את Chicago Trading Company, Optiver, Virtu Financial, DRW, Jump Trading, Two Sigma Securities, GTS, IMC Financial, ו־Citadel LLC.[86]

ישנן ארבע קטגוריות מרכזיות של אסטרטגיות HFT: עשיית שוק מבוססת זרימת פקודות, עשיית שוק מבוססת מידע תנודות מחירים, ארביטראז' אירועים וארביטראז' סטטיסטי. כל החלטות הקצאת התיק נעשות על ידי מודלים כמותיים ממוחשבים. ההצלחה של אסטרטגיות ממוחשבות מונעת במידה רבה על ידי היכולת שלהם לעבד בו זמנית כמויות גדולות של מידע, דבר שסוחרים אנושיים רגילים אינם מסוגלים לעשות.

עשיית שוק

עשיית שוק כרוכה בהצבת פקודת הגבלה למכירה (או הצעה) מעל מחיר השוק הנוכחי או פקודת הגבלה לקנייה (או הצעה) מתחת למחיר הנוכחי על בסיס קבוע ורציף כדי ללכוד את מרווח הצעת הקנייה והמכירה. Automated Trading Desk, שנרכשה על ידי Citigroup ביולי 2007, הייתה עושת שוק פעילה, המהווה כ-6% מסך הנפח הן ב-NASDAQ והן בבורסת ניו יורק.[87]

ארביטראז' סטטיסטי

קבוצה נוספת של אסטרטגיות HFT באסטרטגיית ארביטראז' קלאסית עשויה לכלול מספר ניירות ערך כגון שוויון ריבית מכוסה בשוק המט"ח, המספק קשר בין המחירים של אג"ח מקומית, אג"ח הנקובה במטבע חוץ, מחיר הספוט של המטבע ומחיר חוזה עתידי על המטבע. אם מחירי השוק שונים מספיק מאלו המרומזים במודל כדי לכסות את עלות העסקה, ניתן לבצע ארבע עסקאות כדי להבטיח רווח נטול סיכון. HFT מאפשר ארביטראז' דומה באמצעות מודלים מורכבים יותר הכוללים הרבה יותר מארבעה ניירות ערך. קבוצת TABB מעריכה כי הרווחים המצטברים השנתיים של אסטרטגיות ארביטראז' בעלות זמן השהייה נמוך עולים על 21 מיליארד דולר.[38]

טווח רחב של אסטרטגיות ארביטראז' סטטיסטי פותחו, כאשר החלטות מסחר מתקבלות על בסיס סטיות ממערכות יחסים סטטיסטיות משמעותיות. כמו אסטרטגיות עשיית שוק, ארביטראז' סטטיסטי יכול להיות מיושם בכל סוגי הנכסים.

ארביטראז' אירועים

תת-קבוצה של ארביטראז' סיכון, מיזוג, אג"ח להמרה או ניירות ערך במצוקה, המסתמכת על אירוע ספציפי, כגון חתימה על חוזה, אישור רגולטורי, החלטה שיפוטית וכו', כדי לשנות את יחס המחיר או השער של שני מכשירים פיננסיים או יותר ולהרשות לארביטראז'ר להרוויח רווח.[88]

ארביטראז' מיזוג, הנקרא גם ארביטראז' סיכון, הוא דוגמה לכך. ארביטראז' מיזוג מורכב בדרך כלל מקניית המניה של חברה שהיא היעד של השתלטות תוך מכירה בחסר של המניה של החברה הרוכשת. בדרך כלל, מחיר השוק של החברה המיועדת נמוך מהמחיר שהציעה החברה הרוכשת. המרווח בין שני המחירים תלוי בעיקר בהסתברות ובתזמון של השלמת ההשתלטות, וכן ברמת הריבית השוררת. ההימור בארביטראז' מיזוג הוא שמרווח זה בסופו של דבר יהיה אפס, אם וכאשר ההשתלטות תושלם. הסיכון הוא שהעסקה "תתפרק" והמרווח יתרחב באופן משמעותי.

ספופינג

אסטרטגיה שבה משתמשים סוחרים מסוימים, שהוצאה מחוץ לחוק אך ככל הנראה ממשיכה להתקיים, נקראת ספופינג. זוהי פעולה של הצבת פקודות כדי ליצור רושם של רצון לקנות או למכור מניות, מבלי שתהיה כוונה אמיתית לבצע את הפקודה, כדי לתמרן זמנית את השוק לקנייה או מכירה של מניות במחיר נוח יותר. זה נעשה על ידי יצירת פקודות הגבלה מחוץ למחירי הצעת הקנייה או המכירה הנוכחיים כדי לשנות את המחיר המדווח למשתתפי שוק אחרים. לאחר מכן, הסוחר יכול לבצע עסקאות על בסיס השינוי המלאכותי במחיר, ולאחר מכן לבטל את פקודות ההגבלה לפני שהן מבוצעות.

נניח שסוחר מעוניין למכור מניות של חברה עם הצעת קנייה נוכחית של $20 והצעת מכירה של $20.20. הסוחר יציב פקודת קנייה ב-$20.10, עדיין במרחק מסוים מההצעה כך שהיא לא תבוצע, וההצעה של $20.10 מדווחת כמחיר ההצעה הטוב ביותר של National Best Bid and Offer. לאחר מכן, הסוחר מבצע פקודת שוק למכירת המניות שהוא רצה למכור. מכיוון שמחיר ההצעה הטוב ביותר הוא ההצעה המלאכותית של המשקיע, עושה שוק ממלא את פקודת המכירה ב-$20.10, מה שמאפשר מחיר מכירה גבוה ב-$0.10 למניה. לאחר מכן, הסוחר מבטל את פקודת ההגבלה על הקנייה שלא התכוון להשלים מעולם.

הצפת הצעות מחיר

הצפת הצעות מחיר היא טקטיקה שבה משתמשים סוחרים זדוניים הכרוכה בהזנה וביטול מהיר של כמויות גדולות של פקודות בניסיון להציף את השוק, ובכך להשיג יתרון על פני משתתפי שוק איטיים יותר.[89] הפקודות שהוזנו ונמשכו במהירות גורמות לעיכובים בהזנות נתוני השוק שעליהן מסתמכים משקיעים רגילים בזמן שההצפה מתרחשת. חברות HFT נהנות מהזנות קנייניות בעלות קיבולת גבוהה יותר ומתשתית בעלת זמן השהייה הנמוך ביותר. חוקרים הראו כי סוחרים בתדירות גבוהה מסוגלים להרוויח מההשהיות המלאכותיות והזדמנויות ארביטראז' הנובעות מהצפת הצעות מחיר.[90]

מערכות מסחר בזמן השהייה נמוך

השהייה המושרית על ידי הרשת, מילה נרדפת לעיכוב, נמדדת בדרך כלל כזמן חד-כיווני או זמן הלוך ושוב, והיא מוגדרת כמשך הזמן שלוקח לחבילת נתונים לנוע מנקודה אחת לאחרת.[91] מסחר בזמן השהייה נמוך מתייחס למערכות מסחר אלגוריתמיות ולמסלולי רשת המשמשים מוסדות פיננסיים להתחברות לבורסות ולרשתות תקשורת אלקטרוניות (ECNs) כדי לבצע עסקאות פיננסיות במהירות.[92] רוב חברות HFT תלויות בביצוע בזמן השהייה נמוך של אסטרטגיות המסחר שלהן. ג'ואל הסברוק וגדעון סער (2013) מודדים את זמן ההשהייה על סמך שלושה מרכיבים: הזמן שלוקח ל-(1) מידע להגיע לסוחר, (2) לאלגוריתמים של הסוחר לנתח את המידע, ו-(3) לפעולה שנוצרה להגיע לבורסה ולהתבצע.[93] בשוק אלקטרוני עכשווי (סביבות 2009), זמן עיבוד מסחר בזמן השהייה נמוך הוגדר כמתחת ל-10 מילישניות, וזמן השהייה נמוך במיוחד כמתחת למילישניה אחת.[94]

סוחרים בזמן השהייה נמוך תלויים ברשתות ברשתות זמן השהייה נמוך במיוחד. הם מרוויחים על ידי אספקת מידע, כגון הצעות קנייה ומכירה מתחרות, לאלגוריתמים שלהם במיקרושניות מהר יותר מהמתחרים שלהם.[38] ההתקדמות המהפכנית במהירות הובילה לצורך של חברות להחזיק בפלטפורמת מסחר בזמן אמת, ממוקמת משותפת, כדי ליהנות מיישום אסטרטגיות בתדירות גבוהה.[38] אסטרטגיות משתנות כל הזמן כדי לשקף את השינויים העדינים בשוק וכן להתמודד עם האיום של הנדסה לאחור של האסטרטגיה על ידי מתחרים. זאת בשל האופי האבולוציוני של אסטרטגיות מסחר אלגוריתמיות – עליהן להיות מסוגלות להתאים ולסחור בצורה חכמה, ללא קשר לתנאי השוק, מה שדורש גמישות מספיקה כדי לעמוד במגוון רחב של תרחישי שוק. כתוצאה מכך, חלק ניכר מההכנסות נטו של חברות מושקע במחקר ופיתוח של מערכות מסחר אוטונומיות אלו.[38]

יישום אסטרטגיה

רוב האסטרטגיות האלגוריתמיות מיושמות באמצעות שפות תכנות מודרניות, אם כי חלקן עדיין מיישמות אסטרטגיות שתוכננו בגיליונות אלקטרוניים. יותר ויותר, האלגוריתמים המשמשים על ידי ברוקרים גדולים ומנהלי נכסים נכתבים בשפת ההגדרה של מסחר אלגוריתמי של פרוטוקול FIX (FIXatdl), המאפשרת לחברות המקבלות פקודות לציין במדויק כיצד יש לבטא את הפקודות האלקטרוניות שלהן. פקודות שנבנו באמצעות FIXatdl יכולות לאחר מכן להישלח ממערכות הסוחרים דרך פרוטוקול FIX.[95] מודלים בסיסיים יכולים להסתמך על משהו פשוט כמו רגרסיה ליניארית, בעוד ששיטות מורכבות יותר כמו זיהוי דפוסים[96] או מודלים חזויים יכולים לשמש גם להפעלת מסחר. שיטות מורכבות יותר כגון שרשרת מרקוב מונטה קרלו שימשו ליצירת מודלים אלו.[97]

השפעות

מסחר אלגוריתמי הוכח כמשפר משמעותית את נזילות השוק[98] בין יתרונות נוספים. עם זאת, שיפורים בפרודוקטיביות שהביא המסחר האלגוריתמי נתקלו בהתנגדות מצד ברוקרים וסוחרים אנושיים המתמודדים עם תחרות קשה ממחשבים.

פיננסים קיברנטיים

התקדמות טכנולוגית בפיננסים, במיוחד אלו הקשורות למסחר אלגוריתמי, הגבירה את המהירות, הקישוריות, הטווח והמורכבות הפיננסית תוך הפחתת האנושיות שלהם. מחשבים המריצים תוכנה המבוססת על אלגוריתמים מורכבים החליפו בני אדם בתפקידים רבים בתעשייה הפיננסית. הפיננסים הופכים למעשה לתעשייה שבה מכונות ובני אדם חולקים את התפקידים הדומיננטיים – ומשנים את הפיננסים המודרניים למה שחוקר אחד כינה "פיננסים קיברנטיים".[99]

חששות

בעוד מומחים רבים משבחים את היתרונות של החדשנות במסחר אלגוריתמי ממוחשב, אנליסטים אחרים הביעו דאגה בנוגע להיבטים ספציפיים של מסחר ממוחשב.

החיסרון במערכות אלו הוא הקופסה השחורה שלהן," אמר מר ויליאמס. "לסוחרים יש תחושות אינטואיטיביות לגבי איך העולם עובד. אבל עם המערכות האלו אתה שופך המון מספרים, ומשהו יוצא מהקצה השני, ולא תמיד אינטואיטיבי או ברור מדוע הקופסה השחורה התמקדה בנתונים או קשרים מסוימים.

רשות השירותים הפיננסיים עוקבת מקרוב אחר התפתחות המסחר בקופסה שחורה. בדוח השנתי שלה, הרגולטור ציין את היתרונות הגדולים של היעילות שטכנולוגיה חדשה מביאה לשוק. אך היא גם הצביעה על כך ש'תלות גדולה יותר בטכנולוגיה ומדלינג מתוחכמים מביאה עמה סיכון גדול יותר שכשל במערכות עלול לגרום להפרעה לעסקים'.[100]

שר האוצר הבריטי לוורד מיינרס הזהיר כי חברות עלולות להפוך ל"צעצועים" של ספקולנטים בגלל מסחר אוטומטי בתדירות גבוהה. לורד מיינרס אמר כי התהליך מסכן את הקשר בין משקיע לחברה.[101]

נושאים נוספים כוללים את הבעיה הטכנית של השהייה או העיכוב בהעברת הצעות מחיר לסוחרים,[102] אבטחה והאפשרות של התמוטטות מערכת מלאה המובילה להתרסקות שוק.[103]

גולדמן מוציא עשרות מיליוני דולרים על הדבר הזה. יש להם יותר אנשים שעובדים בתחום הטכנולוגיה שלהם מאשר אנשים בשולחן המסחר... אופי השווקים השתנה באופן דרמטי.[104]

ב-1 באוגוסט 2012, קבוצת נייט קפיטל חוותה בעיה טכנולוגית במערכת המסחר האוטומטית שלה,[105] מה שגרם להפסד של 440 מיליון דולר.

הבעיה הזו הייתה קשורה להתקנת תוכנת מסחר של נייט ושלחה מספר רב של פקודות שגויות בניירות ערך הנסחרים ב-NYSE לשוק. תוכנה זו הוסרה ממערכות החברה. ... הלקוחות לא הושפעו לרעה מהפקודות השגויות, והבעיה בתוכנה הייתה מוגבלת לניתוב של מניות מסוימות ל-NYSE. נייט סחרה את כל עמדת המסחר השגוי שלה, מה שהוביל להפסד לפני מס של כ-440 מיליון דולר.

מסחר אלגוריתמי ומסחר בתדירות גבוהה הוכחו כתורמים לתנודתיות במהלך התרסקות הבזק של 6 במאי 2010,[45][47] כאשר מדד דאו ג'ונס התעשייתי צנח כ-600 נקודות והתאושש מההפסדים הללו תוך דקות. באותו זמן, זו הייתה הנדנדה התוך-יומית השנייה בגודלה, 1,010.14 נקודות, והירידה הנקודתית היומית הגדולה ביותר, 998.5 נקודות, על בסיס תוך-יומי בהיסטוריה של מדד דאו ג'ונס התעשייתי.[106]

התפתחויות אחרונות

חדשות השוק הפיננסי מעוצבות כעת על ידי חברות כגון Need To Know News, Thomson Reuters, Dow Jones, ו־Bloomberg, כדי שייקראו ויסחרו על ידי אלגוריתמים.

מחשבים משמשים כעת ליצירת סיפורי חדשות על תוצאות רווחי חברות או נתונים כלכליים כשהם משתחררים. והמידע הכמעט מיידי הזה מהווה הזנה ישירה למחשבים אחרים שסוחרים על החדשות.[107]

האלגוריתמים לא סוחרים רק על סיפורי חדשות פשוטים, אלא גם מפרשים חדשות מורכבות יותר להבנה. חברות מסוימות מנסות גם להקצות באופן אוטומטי סנטימנט (החלטה אם החדשות טובות או רעות) לסיפורי חדשות כדי שהמסחר האוטומטי יוכל לעבוד ישירות על סיפור החדשות.[108]

יותר ויותר, אנשים בוחנים את כל סוגי החדשות ובונים סביבן מדדים משלהם בצורה חצי-מובנית," כפי שהם מחפשים כל הזמן יתרונות מסחר חדשים, אמר רוב פסארלה, מנהל אסטרטגיה גלובלית בקבוצת המדיה הארגונית של דאו ג'ונס. החברה שלו מספקת גם הזנת חדשות בזמן השהייה נמוך וגם ניתוחי חדשות לסוחרים. פסארלה גם הצביע על מחקר אקדמי חדש שנערך על המידה שבה חיפושים תכופים בגוגל על מניות שונות יכולים לשמש כמדדי מסחר, ההשפעה הפוטנציאלית של ביטויים ומילים שונים שעשויים להופיע בהצהרות של רשות ניירות ערך והגל האחרון של קהילות מקוונות המוקדשות לנושאי מסחר במניות.[108]

השווקים הם מטבעם שיחות, שצמחו מבתי קפה ופונדקים," הוא אמר. כך, הדרך שבה שיחות נוצרות בחברה דיגיטלית תשמש להמרת חדשות לעסקאות, גם כן, אמר פסארלה.[108]

יש עניין אמיתי בהעברת תהליך הפרשנות של חדשות מהאנשים למכונות," אומרת קירסטי סוטארי, מנהלת עסקים גלובלית של מסחר אלגוריתמי ברויטרס. "יותר מהלקוחות שלנו מוצאים דרכים להשתמש בתוכן חדשות כדי להרוויח כסף.[107]

דוגמה לחשיבות של מהירות דיווח החדשות לסוחרים אלגוריתמיים הייתה קמפיין פרסום של דאו ג'ונס (הופעות כללו עמוד W15 של The Wall Street Journal, ב-1 במרץ 2008) שטען כי השירות שלהם הקדים שירותי חדשות אחרים בשתי שניות בדיווח על הורדת ריבית של בנק אנגליה.

ביולי 2007, סיטיגרופ, שכבר פיתחה אלגוריתמי מסחר משלה, שילמה 680 מיליון דולר עבור Automated Trading Desk, חברה בת 19 שנים שסחרה בכ-200 מיליון מניות ביום.[109] סיטיגרופ רכשה בעבר את Lava Trading ו-OnTrade Inc.

בסוף 2010, משרד המדע של ממשלת בריטניה יזם פרויקט Foresight לחקירת עתיד המסחר הממוחשב בשווקים הפיננסיים,[110] בהובלת דיים קלרה פורס, לשעבר מנכ"לית בורסת לונדון, ובספטמבר 2011 הפרויקט פרסם את ממצאיו הראשוניים בצורה של נייר עבודה בן שלושה פרקים זמין בשלוש שפות, יחד עם 16 מאמרים נוספים המספקים ראיות תומכות.[110] כל הממצאים הללו נכתבו או נכתבו בשיתוף על ידי אקדמאים ומתרגלים מובילים, והיו כפופים לביקורת עמיתים אנונימית. הדו"ח שפורסם ב-2012, הכיר בבעיות הקשורות לחוסר נזילות תקופתי, צורות חדשות של מניפולציה ואיומים פוטנציאליים על יציבות השוק עקב אלגוריתמים שגויים או תעבורת הודעות מוגזמת. עם זאת, הדו"ח גם זכה לביקורת על אימוץ "טיעונים סטנדרטיים בעד HFT" וחברי הפאנל המייעץ היו קשורים לתעשיית HFT.[111]

ארכיטקטורת מערכת

מערכת מסחר מסורתית מורכבת בעיקר משני בלוקים – האחד מקבל את נתוני השוק והשני ששולח את בקשת הפקודה לבורסה. עם זאת, מערכת מסחר אלגוריתמית יכולה להתחלק לשלושה חלקים:

  1. בורסה
  2. השרת
  3. היישום

הבורסות מספקות נתונים למערכת, שבדרך כלל מורכבים מספר הפקודות האחרון, נפחי המסחר ומחיר הסחר האחרון (LTP) של נייר ערך. השרת, בתורו, מקבל את הנתונים תוך שמשמש כמאגר למסד נתונים היסטורי. הנתונים מנותחים בצד היישום, שבו מוזנות אסטרטגיות מסחר מהמשתמש וניתן לצפות בהן בממשק משתמש גרפי. לאחר יצירת הפקודה, היא נשלחת למערכת ניהול הפקודות (OMS), אשר בתורה מעבירה אותה לבורסה.[112][113]

בהדרגה, ארכיטקטורת מסחר ישנה עם זמן השהייה גבוה מוחלפת על ידי רשתות חדשות, מתקדמות, בעלות תשתית גבוהה וזמן השהייה נמוך. מנוע עיבוד אירועים מורכב (CEP), שהוא הלב של קבלת ההחלטות במערכות מסחר מבוססות אלגוריתמים, משמש לניתוב פקודות וניהול סיכונים.[112][113]

עם הופעת פרוטוקול FIX (Financial Information Exchange), החיבור ליעדים שונים הפך לקל יותר וזמן היציאה לשוק התקצר כאשר מדובר בחיבור ליעד חדש. עם פרוטוקול סטנדרטי במקום, שילוב של ספקי צד שלישי להזנות נתונים אינו מסורבל עוד.[112]

השפעות

אחת הממצאים האירוניים יותר של מחקר אקדמי על מסחר אלגוריתמי עשויה להיות שסוחרים בודדים מציגים אלגוריתמים כדי לפשט ולצפות את התקשורת, בעוד השווקים בסופו של דבר הופכים למורכבים יותר ופחות צפויים.[114] מאחר שאלגוריתמי מסחר עוקבים אחר כללים מקומיים שמגיבים להוראות מתוכנתות או דפוסים נלמדים, ברמה המיקרו, ההתנהגות האוטומטית והתגובתית שלהם הופכת חלקים מסוימים של הדינמיקה של התקשורת לצפויים יותר. עם זאת, ברמה המאקרו, הוכח כי התהליך המתהווה הכולל הופך למורכב יותר ופחות צפוי.[114] תופעה זו אינה ייחודית לשוק המניות, והיא זוהתה גם עם בוטים לעריכה בוויקיפדיה.[115]

אף על פי שהפיתוח שלו עשוי היה להיות מונע על ידי הקטנת גודלי המסחר כתוצאה מהעברה לעשרוניות, מסחר אלגוריתמי הקטין עוד יותר את גודלי המסחר. משרות שבוצעו בעבר על ידי סוחרים אנושיים מוחלפות על ידי מחשבים. המהירויות של חיבורי המחשבים, הנמדדות במילישניות ואפילו במיקרושניות, הפכו חשובות מאוד.[116][117]

שווקים אוטומטיים לחלוטין כגון NASDAQ, Direct Edge ו-BATS (לשעבר ראשי תיבות של Better Alternative Trading System) בארצות הברית, צברו נתח שוק משווקים פחות אוטומטיים כגון NYSE. יתרונות כלכליים של מסחר אלקטרוני תרמו להפחתת עמלות ועלויות עיבוד מסחר, ותרמו למיזוגים בינלאומיים וקונסולידציה של בורסות פיננסיות.

תחרות מתפתחת בין בורסות עבור זמני העיבוד המהירים ביותר להשלמת עסקאות. לדוגמה, ביוני 2007, בורסת לונדון השיקה מערכת חדשה בשם TradElect שהבטיחה זמן סבב ממוצע של 10 מילישניות מהצבת פקודה לאישור סופי ויכולה לעבד 3,000 פקודות בשנייה.[118] מאז, בורסות תחרותיות המשיכו להפחית את זמן ההשהייה עם זמני סבב של 3 מילישניות זמינים. זה חשוב מאוד לסוחרים בתדירות גבוהה, מכיוון שהם צריכים לנסות לאתר את טווחי הביצועים העקביים והסבירים של מכשירים פיננסיים נתונים. אנשי מקצוע אלו עוסקים לעיתים קרובות בגרסאות של קרנות מדד מניות כמו E-mini S&Ps, מכיוון שהם מחפשים עקביות והפחתת סיכונים יחד עם ביצועים מובילים. עליהם לסנן נתוני שוק כדי לשלב בתוכנת התכנות שלהם כך שיהיה זמן ההשהייה הנמוך ביותר והנזילות הגבוהה ביותר בזמן להצבת הפסקות הפסד או לקיחת רווחים. עם תנודתיות גבוהה בשווקים אלו, זה הופך למשימה מורכבת ועלולה להיות מלחיצה, שבה טעות קטנה עלולה להוביל להפסד גדול. נתוני תדירות מוחלטים משחקים תפקיד בפיתוח ההוראות המתוכנתות מראש של הסוחר.[119]

בארצות הברית, ההוצאות על מחשבים ותוכנות בתעשייה הפיננסית עלו ל-26.4 מיליארד דולר ב-2005.[2][120]

מסחר אלגוריתמי גרם לשינוי בסוגי העובדים הפועלים בתעשייה הפיננסית. לדוגמה, פיזיקאים רבים נכנסו לתעשייה הפיננסית כמנתחים כמותיים. חלק מהפיזיקאים אף החלו לערוך מחקר בכלכלה כחלק ממחקר דוקטורט. תנועה בין-תחומית זו נקראת לעיתים אקונופיזיקה.[121] חוקרים מסוימים מציינים גם "פער תרבותי" בין עובדי חברות העוסקות בעיקר במסחר אלגוריתמי לבין מנהלי השקעות מסורתיים. מסחר אלגוריתמי עודד התמקדות מוגברת בנתונים והפחית את הדגש על מחקר בצד המכירה.[122]

תקני תקשורת

מסחר אלגוריתמי דורש תקשורת של פרמטרים רבים יותר בהשוואה לפקודות שוק והגבלה מסורתיות. סוחר בצד אחד (ה"צד הקנייה") חייב לאפשר למערכת המסחר שלו (המכונה לעיתים "מערכת ניהול פקודות" או "מערכת ניהול ביצוע") להבין זרם מתגבר של סוגי פקודות אלגוריתמיות חדשות. עלויות המחקר והפיתוח וצרכים אחרים לבניית סוגי פקודות אלגוריתמיות מורכבים חדשים, יחד עם תשתית הביצוע ועלויות השיווק להפצתם, הם משמעותיים למדי. מה שהיה נחוץ היה דרך שבה משווקים (ה"צד המכירה") יוכלו לבטא פקודות אלגוריתמיות באופן אלקטרוני כך שסוחרי צד הקנייה יוכלו פשוט לשלב את סוגי הפקודות החדשים במערכת שלהם ולהיות מוכנים לסחור בהם ללא צורך בקידוד מסכי הזנת פקודות חדשים מותאמים בכל פעם.

פרוטוקול FIX הוא איגוד סחר המפרסם תקנים פתוחים וחינמיים בתחום המסחר בניירות ערך. חברי האיגוד כוללים כמעט את כל הברוקרים הגדולים ורבים מהברוקרים הבינוניים והקטנים, בנקים מרכזיים, משקיעים מוסדיים, קרנות נאמנות וכו'. מוסד זה שולט בקביעת התקנים בתחומי הקדם-מסחר והמסחר של עסקאות ניירות ערך. בשנים 2006–2007, מספר חברים התאחדו ופרסמו טיוטת תקן XML לביטוי סוגי פקודות אלגוריתמיות. התקן נקרא FIX Algorithmic Trading Definition Language (FIXatdl).

ראו גם

קישורים חיצוניים

הערות שוליים

  1. ↑ מסחר במניות בשברים מתוארך לשנות ה-1700.[18] זו מורשת של הסוחרים הספרדים, שמטבעם הריאל הספרדי היה בחלוקה לשמיניות.[19]
  2. ↑ כיוון שארביטראז' כולל לפחות שתי עסקאות, המטאפורה היא של לבישת מכנסיים, רגל (עסקה) אחת בכל פעם. הסיכון שאחת העסקאות (רגל) לא תצליח להתבצע הוא לפיכך 'סיכון רגל' (במקור מאנגלית: leg risk).
  1. ↑ The New Investor, UCLA Law Review, available at: https://ssrn.com/abstract=2227498
  2. ^ 2.0 2.1 "Business and finance". The Economist. אורכב מ-המקור ב-22 ביוני 2008. נבדק ב-18 באפריל 2007. {{cite news}}: (עזרה)
  3. ↑ "| Aite Group". www.aitegroup.com.
  4. ↑ Kissell, Robert (4 בספטמבר 2020), Algorithmic Trading Methods, Elsevier Science, ISBN 978-0-12-815630-8 {{citation}}: (עזרה)
  5. ↑ The New Financial Industry, Alabama Law Review, available at: https://ssrn.com/abstract=2417988
  6. ↑ Lemke and Lins, "Soft Dollars and Other Trading Activities," § 2:30 (Thomson West, 2015–2016 ed.).
  7. ^ 7.0 7.1 Lemke and Lins, "Soft Dollars and Other Trading Activities," § 2:31 (Thomson West, 2015–2016 ed.).
  8. ↑ Silla Brush (20 ביוני 2012). "CFTC Panel Urges Broad Definition of High-Frequency Trading". Bloomberg.com. {{cite web}}: (עזרה)
  9. ↑ Futures Trading Commission Votes to Establish a New Subcommittee of the Technology Advisory Committee (TAC) to focus on High Frequency Trading, February 9, 2012, Commodity Futures Trading Commission
  10. ↑ O'Hara, Maureen; Lopez De Prado, Marcos; Easley, David (2011), "Easley, D., M. López de Prado, M. O'Hara: The Microstructure of the 'Flash Crash': Flow Toxicity, Liquidity Crashes and the Probability of Informed Trading", The Journal of Portfolio Management, Vol. 37, No. 2, pp. 118–128, Winter, SSRN 1695041
  11. ↑ Ansari, Yasmeen; Yasmin, Sadaf; Naz, Sheneela; Zaffar, Hira; Ali, Zeeshan; Moon, Jihoon; Rho, Seungmin (2022). "A Deep Reinforcement Learning-Based Decision Support System for Automated Stock Market Trading". IEEE Access. 10: 127469–127501. doi:10.1109/ACCESS.2022.3226629. ISSN 2169-3536.
  12. ↑ Adegboye, Adesola; Kampouridis, Michael; Otero, Fernando (2023-06-01). "Algorithmic trading with directional changes". Artificial Intelligence Review (באנגלית). 56 (6): 5619–5644. doi:10.1007/s10462-022-10307-0. ISSN 1573-7462.
  13. ↑ Brogaard, Jonathan; Hendershott, Terrence; Riordan, Ryan (2014-08-01). "High-Frequency Trading and Price Discovery". The Review of Financial Studies. 27 (8): 2267–2306. doi:10.1093/rfs/hhu032. hdl:10419/154035. ISSN 0893-9454.
  14. ↑ Balp, Gaia; Strampelli, Giovanni (2018). "Preserving Capital Markets Efficiency in the High-Frequency Trading Era". University of Illinois Journal of Law, Technology & Policy. 2018: 349.
  15. ↑ COMMISSION DELEGATED REGULATION (EU) 2017/589
  16. ^ 16.0 16.1 16.2 16.3 McGowan, Michael J. (2010-11-08). The Rise of Computerized High Frequency Trading: Use and Controversy. Duke University School of Law. OCLC 798727906.
  17. ↑ Sornette (2003), "Critical Market Crashes", Physics Reports, 378 (1): 1–98, arXiv:cond-mat/0301543, Bibcode:2003PhR...378....1S, doi:10.1016/S0370-1573(02)00634-8, S2CID 12847333, אורכב מ-המקור ב-3 במאי 2010 {{citation}}: (עזרה)
  18. ↑ Vinzant, Carol (2001-02-13). "Wall Street Taking Another Look at Decimals". The Washington Post. אורכב מ-המקור ב-2024-06-17.
  19. ↑ "Wall Street: Adios, Fractions!". CBS News. 2001-01-28. אורכב מ-המקור ב-2024-06-17.
  20. ↑ He, Yan (2022). "Decimal Trading in the U.S. Stock Markets". In Lee, Cheng-Few; Lee, Alice C. (eds.). Encyclopedia of Finance. Springer. pp. 719–722. doi:10.1007/978-3-030-91231-4_17. ISBN 978-3-030-91231-4.
  21. ↑ Bowley, Graham (2011-04-25). "Preserving a Market Symbol". The New York Times. אורכב מ-המקור ב-2024-05-10.
  22. ↑ "Agent-Human Interactions in the Continuous Double Auction" (PDF), IBM T.J.Watson Research Center, באוגוסט 2001 {{citation}}: (עזרה)
  23. ↑ Gjerstad, Steven; Dickhaut, John (בינואר 1998), "Price Formation in Double Auctions, Games and Economic Behavior, 22(1):1–29", S. Gjerstad and J. Dickhaut, vol. 22, no. 1, pp. 1–29, doi:10.1006/game.1997.0576 {{citation}}: (עזרה)
  24. ↑ "Minimal Intelligence Agents for Bargaining Behaviours in Market-Based Environments, Hewlett-Packard Laboratories Technical Report 97-91", D. Cliff, באוגוסט 1997, אורכב מ-המקור ב-24 בספטמבר 2015, נבדק ב-21 בדצמבר 2011 {{citation}}: (עזרה)
  25. ↑ Leshik, Edward; Cralle, Jane (2011). An Introduction to Algorithmic Trading: Basic to Advanced Strategies. West Sussex, UK: Wiley. p. 169. ISBN 978-0-470-68954-7.
  26. ↑ "Algo Arms Race Has a Leader – For Now", NYU Stern School of Business, 18 בדצמבר 2006, אורכב מ-המקור ב-7 במרץ 2021, נבדק ב-13 ביולי 2009 {{citation}}: (עזרה)
  27. ↑ Johnson, Barry (2010). "Algorithmic trading & DMA : an introduction to direct access trading strategies". (No Title) (באנגלית). 4Myeloma Press.
  28. ↑ Narang, R.K. (7 באוגוסט 2009). Inside the Black Box: The Simple Truth About Quantitative Trading. Wiley.com (באנגלית) (1 ed.). John Wiley & Sons. ISBN 978-0-470-52914-0. נבדק ב-2024-06-26. {{cite book}}: (עזרה)
  29. ↑ Leshik, Edward A; Cralle, Jane, eds. (2012-01-02). An Introduction to Algorithmic Trading: Basic to Advanced Strategies (באנגלית) (1 ed.). Wiley. doi:10.1002/9781119206033. ISBN 978-0-470-68954-7.
  30. ↑ Kissell, Robert (2006-06-30). "The Expanded Implementation Shortfall: Understanding Transaction Cost Components". The Journal of Trading (באנגלית). 1 (3): 6–16. doi:10.3905/jot.2006.644083. ISSN 1559-3967.
  31. ↑ "Triennial Central Bank Survey of Foreign Exchange and Over-the-counter (OTC) Derivatives Markets in 2019" (באנגלית). 2019-09-16. {{cite journal}}: Cite journal requires |journal= (עזרה)
  32. ↑ FT.com (3 באפריל 2014). "Fierce competition forces 'flash' HFT firms into new markets". {{cite web}}: (עזרה)
  33. ↑ Opalesque (4 באוגוסט 2009). "Opalesque Exclusive: High-frequency trading under the microscope". {{cite web}}: (עזרה)
  34. ↑ Virtu Financial Form S-1, available at https://www.sec.gov/Archives/edgar/data/1592386/000104746914002070/a2218589zs-1.htm
  35. ↑ Laughlin, G. Insights into High Frequency Trading from the Virtu Financial IPO WSJ.com Retrieved May 22, 2015.
  36. ↑ Morton Glantz, Robert Kissell. Multi-Asset Risk Modeling: Techniques for a Global Economy in an Electronic and Algorithmic Trading Era. Academic Press, December 3, 2013, p. 258.
  37. ↑ "Aite Group". www.aitegroup.com.
  38. ^ 38.0 38.1 38.2 38.3 38.4 Rob Iati, Partner, The TABB Group, The Real Story of Trading Software Espionage - Advanced Trading, advancedtrading.com (ארכיון)
  39. ↑ "High-Frequency Trading". The New York Times (באנגלית אמריקאית). ISSN 0362-4331. נבדק ב-2025-07-30.
  40. ↑ "A London Hedge Fund That Opts for Engineers, Not M.B.A.'s (Published 2006)" (באנגלית). 2006-08-18. נבדק ב-2025-07-30.
  41. ↑ "Business and finance". The Economist.
  42. ↑ "Algorithmic trading, Ahead of the tape", The Economist, vol. 383, no. June 23, 2007, p. 85, 21 ביוני 2007 {{citation}}: (עזרה)
  43. ↑ "Algorithmic Trading Statistics (2024) - Analyzing Alpha". analyzingalpha.com (באנגלית אמריקאית). 2021-05-31. נבדק ב-2024-06-26.
  44. ↑ "MTS to mull bond access", The Wall Street Journal Europe, p. 21, 18 באפריל 2007 {{citation}}: (עזרה)
  45. ^ 45.0 45.1 Lauricella, Tom (2 באוקטובר 2010). "How a Trading Algorithm Went Awry". The Wall Street Journal. {{cite news}}: (עזרה)
  46. ↑ Mehta, Nina (1 באוקטובר 2010). "Automatic Futures Trade Drove May Stock Crash, Report Says". Bloomberg L.P. {{cite news}}: (עזרה)
  47. ^ 47.0 47.1 Bowley, Graham (1 באוקטובר 2010). "Lone $4.1 Billion Sale Led to 'Flash Crash' in May". The New York Times. {{cite news}}: (עזרה)
  48. ↑ Spicer, Jonathan (1 באוקטובר 2010). "Single U.S. trade helped spark May's flash crash". Reuters. {{cite news}}: (עזרה)
  49. ↑ Goldfarb, Zachary (1 באוקטובר 2010). "Report examines May's 'flash crash,' expresses concern over high-speed trading". Washington Post. {{cite news}}: (עזרה)
  50. ↑ Popper, Nathaniel (1 באוקטובר 2010). "$4.1-billion trade set off Wall Street 'flash crash,' report finds". Los Angeles Times. {{cite news}}: (עזרה)
  51. ↑ Younglai, Rachelle (5 באוקטובר 2010). "U.S. probes computer algorithms after "flash crash"". Reuters. {{cite news}}: (עזרה)
  52. ↑ Spicer, Jonathan (15 באוקטובר 2010). "Special report: Globally, the flash crash is no flash in the pan". Reuters. {{cite news}}: (עזרה)
  53. ↑ TECHNICAL COMMITTEE OF THE INTERNATIONAL ORGANIZATION OF SECURITIES COMMISSIONS (ביולי 2011), "Regulatory Issues Raised by the Impact of Technological Changes on Market Integrity and Efficiency" (PDF), IOSCO Technical Committee, נבדק ב-12 ביולי 2011 {{citation}}: (עזרה)
  54. ↑ Huw Jones (7 ביולי 2011). "Ultra fast trading needs curbs - global regulators". Reuters. אורכב מ-המקור ב-28 בינואר 2016. נבדק ב-12 ביולי 2011. {{cite news}}: (עזרה)
  55. ↑ Kirilenko, Andrei; Kyle, Albert S.; Samadi, Mehrdad; Tuzun, Tugkan (5 במאי 2014), The Flash Crash: The Impact of High Frequency Trading on an Electronic Market (PDF) {{citation}}: (עזרה)
  56. ↑ Amery, Paul (11 בנובמבר 2010). "Know Your Enemy". IndexUniverse.eu. נבדק ב-26 במרץ 2013. {{cite news}}: (עזרה)
  57. ^ 57.0 57.1 Petajisto, Antti (2011). "The index premium and its hidden cost for index funds" (PDF). Journal of Empirical Finance. 18 (2): 271–288. doi:10.1016/j.jempfin.2010.10.002. נבדק ב-26 במרץ 2013. {{cite journal}}: (עזרה)
  58. ^ 58.0 58.1 Rekenthaler, John (בפברואר–במרץ 2011). "The Weighting Game, and Other Puzzles of Indexing" (PDF). Morningstar Advisor. pp. 52–56 [56]. אורכב מ-המקור (PDF) ב-29 ביולי 2013. נבדק ב-26 במרץ 2013. {{cite news}}: (עזרה)
  59. ↑ "High-Frequency Firms Tripled Trades in Stock Rout, Wedbush Says". Bloomberg/Financial Advisor. 12 באוגוסט 2011. נבדק ב-26 במרץ 2013. {{cite news}}: (עזרה)
  60. ↑ Siedle, Ted (25 במרץ 2013). "Americans Want More Social Security, Not Less". Forbes. נבדק ב-26 במרץ 2013. {{cite news}}: (עזרה)
  61. ↑ "The Application of Pairs Trading to Energy Futures Markets" (PDF).
  62. ↑ Sattarov, Otabek; Muminov, Azamjon; Lee, Cheol Won; Kang, Hyun Kyu; Oh, Ryumduck; Ahn, Junho; Oh, Hyung Jun; Jeon, Heung Seok (2020-01-01). "Recommending Cryptocurrency Trading Points with Deep Reinforcement Learning Approach". Applied Sciences (באנגלית). 10 (4): 1506. doi:10.3390/app10041506. ISSN 2076-3417.
  63. ^ 63.0 63.1 Willis, Andrew (2001). "The Insiders Guide to Trading the World Stock Markets" (PDF). אורכב מ-המקור (PDF) ב-2021-09-24.
  64. ↑ "Rules | The Nasdaq Stock Market". Nasdaq. 2020-11-23. נבדק ב-2024-03-29.
  65. ↑ Borelli, Mark (2001). "Market Making in the Electronic Age". heinonline.org. נבדק ב-2024-06-26.
  66. ↑ Shen, Jackie (2013). "A Pre-Trade Algorithmic Trading Model under Given Volume Measures and Generic Price Dynamics (GVM-GPD)". SSRN. arXiv:1309.5046. doi:10.2139/ssrn.2327835.
  67. ↑ Shen, Jackie; Yu, Yingjie (2014). "Styled Algorithmic Trading and the MV-MVP Style". SSRN.
  68. ↑ Shen, Jackie (2017). "Hybrid IS-VWAP Dynamic Algorithmic Trading via LQR". SSRN.
  69. ↑ Wilmott, Paul (29 ביולי 2009). "Hurrying into the Next Panic". The New York Times. p. A19. נבדק ב-29 ביולי 2009. {{cite news}}: (עזרה)
  70. ↑ "Trading with the help of 'guerrillas' and 'snipers'" (PDF), Financial Times, 19 במרץ 2007, אורכב מ-המקור (PDF) ב-7 באוקטובר 2009 {{citation}}: (עזרה)
  71. ↑ Lemke and Lins, "Soft Dollars and Other Trading Activities," § 2:29 (Thomson West, 2015–2016 ed.).
  72. ↑ Rob Curren, Watch Out for Sharks in Dark Pools, The Wall Street Journal, August 19, 2008, p. c5. Available at WSJ Blogs retrieved August 19, 2008
  73. ↑ Artificial intelligence applied heavily to picking stocks by Charles Duhigg, November 23, 2006
  74. ↑ Oladimeji, Ismaila W.; Folasade, Ismaila M. (2016-04-01). "Forecasting Shares Trading Signals With Finite State Machine Variant" (PDF). Journal of Multidisciplinary Engineering Science and Technology. 3 (4). ISSN 2458-9403.
  75. ↑ Maneesilp, K.; Prasatkaew, C. (2014-11-01). "Price Pattern Detection Using Finite State Machine with Fuzzy Transitions". 2014 IEEE 11th International Conference on e-Business Engineering. pp. 126–130. doi:10.1109/ICEBE.2014.31. ISBN 978-1-4799-6563-2.
  76. ↑ "How To Build Robust Algorithmic Trading Strategies". AlgorithmicTrading.net (באנגלית אמריקאית). נבדק ב-8 באוגוסט 2017. {{cite news}}: (עזרה)
  77. ↑ [6] Cont, R. (2001). "Empirical Properties of Asset Returns: Stylized Facts and Statistical Issues." Quantitative Finance, 1(2), 223-236.
  78. ↑ [7] Embrechts, P., McNeil, A., & Straumann, D. (1999). "Correlation and Dependence in Risk Management: Properties and Pitfalls." Risk Management: Value at Risk and Beyond, 176-223.
  79. ↑ [14] Peters, E. E. (1994). "Fractal Market Analysis: Applying Chaos Theory to Investment and Economics." Wiley.
  80. ↑ [9] Lo, A. W. (2004). "The Adaptive Markets Hypothesis: Market Efficiency from an Evolutionary Perspective." The Journal of Portfolio Management, 30(5), 15-29.
  81. ↑ Kenett, Dror Y.; Stanley, H. Eugene; Ben-Jacob, Eshel (2 ביולי 2013). "How High Frequency Trading Affects a Market Index". Scientific Reports. 3. Bibcode:2013NatSR...3.2110K. doi:10.1038/srep02110. PMC 3743071. PMID 23817553. {{cite journal}}: (עזרה)
  82. ^ 82.0 82.1 Geoffrey Rogow, Rise of the (Market) Machines, The Wall Street Journal, June 19, 2009
  83. ^ 83.0 83.1 "OlsenInvest – Scientific Investing" (PDF). אורכב מ-המקור (PDF) ב-25 בפברואר 2012. {{cite web}}: (עזרה)
  84. ↑ Hendershott, Terrence, Charles M. Jones, and Albert J. Menkveld. (2010), "Does Algorithmic Trading Improve Liquidity?", Journal of Finance, 66: 1–33, doi:10.1111/j.1540-6261.2010.01624.x, hdl:10.1111/j.1540-6261.2010.01624.x, S2CID 30441, SSRN 1100635{{citation}}: תחזוקה - ציטוט: multiple names: authors list (link)
  85. ↑ Menkveld, Albert J.; Jovanovic, Boyan (2010), "Jovanovic, Boyan, and Albert J. Menkveld. Middlemen in Securities Markets", working paper, SSRN 1624329
  86. ↑ James E. Hollis (ספט' 2013). "HFT: Boon? Or Impending Disaster?" (PDF). Cutter Associates. אורכב מ-המקור (PDF) ב-1 ביולי 2015. נבדק ב-1 ביולי 2014. {{cite news}}: (עזרה)
  87. ↑ "Citigroup to expand electronic trading capabilities by buying Automated Trading Desk", The Associated Press, International Herald Tribune, 2 ביולי 2007, נבדק ב-4 ביולי 2007 {{citation}}: (עזרה)
  88. ↑ Event Arb Definition Amex.com, September 4, 2010
  89. ↑ "Quote Stuffing Definition". Investopedia. נבדק ב-27 באוקטובר 2014. {{cite web}}: (עזרה)
  90. ↑ Diaz, David; Theodoulidis, Babis (10 בינואר 2012). "Financial Markets Monitoring and Surveillance: A Quote Stuffing Case Study". doi:10.2139/ssrn.2193636. S2CID 166680108. SSRN 2193636. {{cite journal}}: (עזרה); Cite journal requires |journal= (עזרה)
  91. ↑ High-Speed Devices and Circuits with THz Applications by Jung Han Choi
  92. ↑ "Low Latency Trading". אורכב מ-המקור ב-2 ביוני 2016. נבדק ב-26 באפריל 2015. {{cite web}}: (עזרה)
  93. ↑ Saar, Gideon; Hasbrouck, Joel (2013-05-22). "Low-Latency Trading". doi:10.2139/ssrn.1695460. S2CID 219368985. SSRN 1695460. {{cite journal}}: Cite journal requires |journal= (עזרה)
  94. ↑ "Archived copy" (PDF). אורכב מ-המקור (PDF) ב-4 במרץ 2016. נבדק ב-26 באפריל 2015. {{cite web}}: (עזרה); (עזרה)
  95. ↑ FIXatdl – An Emerging Standard (אורכב 05.03.2020 בארכיון Wayback Machine), FIXGlobal, December 2009
  96. ↑ Preis, T.; Paul, W.; Schneider, J. J. (2008), "Fluctuation patterns in high-frequency financial asset returns", EPL, 82 (6): 68005, Bibcode:2008EL.....8268005P, doi:10.1209/0295-5075/82/68005, S2CID 56283521
  97. ↑ Hult, Henrik; Kiessling, Jonas (2010), Algorithmic trading with Markov chains, Trita-MAT. MA (8 ed.), Stockholm: KTH: KTH, p. 45, ISBN 978-91-7415-741-3, ISSN 1401-2278, נבדק ב-2024-06-26
  98. ↑ Hendershott, Terrence; Jones, Charles M.; Menkveld, Albert J. (2010), "HENDERSHOTT, TERRENCE, CHARLES M. JONES, AND ALBERT J. MENKVELD. Does Algorithmic Trading Improve Liquidity?" (PDF), Journal of Finance, 66: 1–33, CiteSeerX 10.1.1.105.7253, doi:10.1111/j.1540-6261.2010.01624.x, S2CID 30441, אורכב מ-המקור (PDF) ב-16 ביולי 2010 {{citation}}: (עזרה)
  99. ↑ Lin, Tom C.W., The New Investor, 60 UCLA 678 (2013), available at: https://ssrn.com/abstract=2227498
  100. ↑ Black box traders are on the march The Telegraph, 27 August 2006
  101. ↑ Myners' super-fast shares warning BBC News, Tuesday 3 November 2009.
  102. ↑ Skypala, Pauline (2 באוקטובר 2006). "Enter algorithmic trading systems race or lose returns, report warns". The Financial Times. אורכב מ-המקור ב-30 באוקטובר 2007. {{cite news}}: (עזרה)
  103. ↑ Cracking The Street's New Math, Algorithmic trades are sweeping the stock market.
  104. ↑ The Associated Press, July 2, 2007 Citigroup to expand electronic trading capabilities by buying Automated Trading Desk, accessed July 4, 2007
  105. ↑ Knight Capital Group Provides Update Regarding August 1st Disruption To Routing In NYSE-listed Securities (אורכב 04.08.2012 בארכיון Wayback Machine)
  106. ↑ And, Tom Lauricella (2010-05-06). "Dow Takes a Harrowing 1,010.14-Point Trip". Wall Street Journal (באנגלית אמריקאית). נבדק ב-2025-07-30. Lauricella, Tom, and McKay, Peter A. "Dow Takes a Harrowing 1,010.14-Point Trip," Online Wall Street Journal, May 7, 2010. Retrieved May 9, 2010
  107. ^ 107.0 107.1 "City trusts computers to keep up with the news". Financial Times.
  108. ^ 108.0 108.1 108.2 "Traders News". Traders Magazine. אורכב מ-המקור ב-16 ביולי 2011. {{cite web}}: (עזרה)
  109. ↑ Siemon's Case Study (אורכב 29.12.2018 בארכיון Wayback Machine) Automated Trading Desk, accessed July 4, 2007
  110. ^ 110.0 110.1 "Future of computer trading". GOV.UK. 23 באוקטובר 2012. {{cite web}}: (עזרה)
  111. ↑ "U.K. Foresight Study Slammed For HFT 'Bias'". Markets Media. 30 באוקטובר 2012. נבדק ב-2 בנובמבר 2014. {{cite news}}: (עזרה)
  112. ^ 112.0 112.1 112.2 Darbellay, Raphaël (2021). "Behind the scenes of algorithmic trading" (PDF). University of Applied Science Haaga-Helia.
  113. ^ 113.0 113.1 Kumar, Sameer (2015-03-14). "Technology Edge in Algo Trading: Traditional Vs Automated Trading System Architecture". Finbridge.
  114. ^ 114.0 114.1 "How Complexity and Uncertainty Grew with Algorithmic Trading". MartinHilbert.net (באנגלית אמריקאית). נבדק ב-2025-04-24.
  115. ↑ "Large-Scale Communication is More Complex and Unpredictable with Automated Bots". MartinHilbert.net (באנגלית אמריקאית). נבדק ב-2025-04-24.
  116. ↑ "Business and finance". The Economist.
  117. ↑ "InformationWeek Authors". InformationWeek. אורכב מ-המקור ב-אוקטובר 22, 2007. נבדק ב-אפריל 18, 2007.
  118. ↑ "LSE leads race for quicker trades" by Alistair MacDonald The Wall Street Journal Europe, June 19, 2007, p.3
  119. ↑ "Milliseconds are focus in algorithmic trades". Reuters. 11 במאי 2007. {{cite news}}: (עזרה)
  120. ↑ "Moving markets". נבדק ב-20 בינואר 2015. {{cite news}}: (עזרה)
  121. ↑ Farmer, J. Done (בנובמבר 1999). "Physicists attempt to scale the ivory towers of finance". Computing in Science & Engineering. 1 (6): 26–39. arXiv:adap-org/9912002. Bibcode:1999CSE.....1f..26D. doi:10.1109/5992.906615. S2CID 9058415. {{cite journal}}: (עזרה)
  122. ↑ Brown, Brian (2010). Chasing the Same Signals: How Black-Box Trading Influences Stock Markets from Wall Street to Shanghai. Singapore: John Wiley & Sons. ISBN 978-0-470-82488-7.
הערך באדיבות ויקיפדיה העברית, קרדיט,
רשימת התורמים
רישיון cc-by-sa 3.0

מסחר אלגוריתמי41564608

אוחזר מתוך "https://he.hamichlol.org.il/w/index.php?title=מסחר_אלגוריתמי&oldid=3406569"