Фондовая биржа - организации алгоритмической торговли внедрение инструментов машинного обучения

Например, в 2001 г. трейдер компании UBS на Токийской бирже вместо продажи 16 акций по цене 610 000 иен ввел заявку на продажу 610 000 акций по цене 16 иен. В инвестиционном отделении компании ошибку заметили через две минуты и сразу же отменили заказ. Но этого времени хватило для того, чтобы нанести банку ущерб, который, по разным оценкам составлял от 50 до100 млн. долл. Спустя год в Лондоне трейдер, выставлявший котировки компании Ryanair, перепутал цену акций в евро и фунтах. Эта ошибка мгновенно подняла индекс Лондонской фондовой биржи на 61%. А в сентябре 2006 г. один из трейдеров J.P. Morgan ошибся компьютерной клавишей, из-за чего были выставлены на продажу не те акции. Потери компании от данного ордера составили около 50 млн. долл. Как видно из приведенных цифр, ошибки, связанные с человеческим фактором, на фондовом рынке обходятся слишком дорого. И именно использование алгоритмов дает возможность их нивелировать. Это обстоятельство в сочетании с другими преимуществами роботов сделало их одной из самых успешных инноваций в истории биржевой торговли и, конечно, стало мощнейшим локомотивом генезиса индустрии автоматизированного трейдинга. Однако, говоря о достоинствах, не стоит забывать и про недостатки автоматизированной торговли. В первую очередь они относятся к сложности создания самих алгоритмов и программирования роботов. Ведь качественное и продуктивное выполнение данной задачи невозможно без глубоких и, что гораздо важнее, специфических и редких знаний в статистике, программировании и финансовом инжиниринге. Остальные минусы применения автоматизированного трейдинга связаны с техническими факторами. Во-первых, существуют риски разъединения связи с фондовым рынком, отключения электроэнергии и перегрузки биржевых серверов, а это значит, что успешность работы торговых роботов сильно зависит от качества инфраструктуры. Во-вторых, присутствует вероятность проблем в работе самого алгоритма. Если программа даст сбой, то она будет многократно повторять одну и ту же ошибку, которая приведет к сотням убыточных сделок. Кроме того, роботы неспособны реагировать на нестандартные ситуации, ведь каждый алгоритм ориентирован на работу в конкретных, заранее определенных условиях рынка. Поэтому в случае резкого изменения обстоятельств робот становится не только бесполезной, но и губительной для своего хозяина машиной.Несмотря на возможность положительного влияния на рынки, самым важным аспектом оценки алгоритмического трейдинга следует считать его инвестиционную эффективность. Обычно она измеряется посредством показателя прибыльности совершаемых сделок либо через соотношение риска и доходности, обуславливающих привлекательность торговых роботов как инструмента инвестирования. Однако стоит отметить, что получение общих оценок прибыльности алгоритмической торговли чрезвычайно затруднено тем, что данные, необходимые для этого, размещаются исключительно в закрытом доступе, а потому всем имеющимся оценкам свойственна локальность и фрагментарность. В этих условиях весьма полезным для понимания общей картины является исследование, проведенное на базе общей лаборатории Вашингтонского и Принстонского университетов, а также Массачусетского технологического института. В работе были использованы данные, предоставленные Комиссией по торговле товарными фьючерсами (CFTC) – двухлетние статистические массивы по биржевым транзакциям компаний, входящих в расчетную базу индекса S&P 500. На их основе были рассчитаны различные характеристические коэффициенты для торговых алгоритмов.Последние несколько лет алгоритмическая торговля находится в эпохе всеобщего и стремительного сокращения прибылей. Причем речь идет не о 2-10%, которые в других областях экономики уже считаются индикаторами серьезных рецессий, а о гораздо более значительных цифрах прибыли, генерируемые торговыми роботами на американском рынке, начали уменьшаться с переломного для развития алгоритмической торговли. Эта тенденция не изменяет вектор своего развития и сегодня. Помимо этого, надежным индикатором динамики прибыльности HFT является поведение основных игроков рынка. Так, одна из лидирующих в данном сегменте компаний KCG недавно завила о желании отказаться от высокочастотной торговли, как основного источника заработка. Почти одновременно с этим один из ее давних и сильнейших конкурентов Chicago’sInfiniumCapital заявил о выходе из бизнеса в связи с неблагоприятной конъюнктурой. Не отстали от фирм, специализирующихся на высокочастотной торговле, и глобальные инвестиционные банки. Так, GoldmanSachs, один из первых адаптировавший высокоскоростной трейдинг под нужды инвесторов, вынужден сегодня продавать весь свой маркет-мейкинг блок на NewYorkstockexchange.Столь драматичные изменения в динамике прибыльности алгоритмической торговли, в первую очередь высокочастотной, связаны с тем, что одновременно начали действовать и наложились друг на друга два рода предпосылок: внутренние и внешние. Под внутренними предпосылками понимается ряд характеристик, которые имманентно присущи алгоритмической торговле и которые, в то же время, создали на рынке условия, губительные для ее собственного развития. На самом деле сложившуюся ситуацию максимально точно характеризует фраза одного из отраслевых экспертов: «Чем больше людей в сфере алгоритмической торговли, тем меньше в ней возможностей, и даже те возможности, которые можно найти, остаются доступными все меньшее количество времени». Невероятные успехи, достигнутыми роботами на ранних этапах своего развития, способствовали привлечению в отрасль новых игроков. В итоге через несколько лет этот сегмент оказался настолько перенасыщен, что прибыли пошли вниз. Как было показано выше, в самой сути автоматизированного трейдинга заложено падение инвестиционной отдачи на определенном этапе своего генезиса: на рынок входят все новые игроки, привлеченные высокими прибылями, из-за чего индустрия перенасыщается, и доходность роботов снижается. Логично предположить, что эта закономерность является частью более длинного цикла. Из-за падения доходности алгоритмические трейдеры начнут экспансию на новые площадки (например, азиатские), будут переходить на такие стратегии, которые еще далеки от перенасыщения рынка (парный трейдинг, баскет-трейдинг и др.). Поэтому, несмотря на активность регуляторов по ограничению высокочастотного трейдинга, которая ведет к усложнению реализации ряда алгоритмических стратегий и удорожанию применения торговых роботов в целом, будущее алгоритмической торговли представляется достаточно оптимистичным. Кроме того, неотъемлемые атрибуты современной цивилизации, такие как компьютеры, интернет, порталы сверхбыстрой передачи данных, крепко-накрепко связали скорость и качество принятия решений со способностью выживать в конкурентной борьбе, и этим самым обусловили незаменимость высоких технологий на биржевых и внебиржевых рынках. Важно и то, что распространение алгоритмических систем оказывает положительное воздействие на ликвидность торгов, эффективность ценообразования и, отчасти, волатильность котировок. А значит, автоматизированный трейдинг эффективен не только с инвестиционной, но и с общественной точки зрения. Поэтому вполне логично предположить, что в будущем его развитие будет активно поддерживать не только инвестиционная общественность, но и регуляторы.СПИСОК ИСТОЧНИКОВ1. Володин С.Н., Якубов А.П. Развитие Алгоритмической торговли намировых финансовых рынках: причины, тенденции и перспективы // Финансы икредит. – 2017. – С.532-548.2. Тьюлз Р., Брэйдли Э., Тьюлз Т. Фондовый рынок: Пер. с англ. - М.:Инфра-М, 1997. - 684 с.3. Володин С.Н., Ляхова А.А. Алгоритмическая торговля: историяразвития, особенности и перспективы. Аудит и финансовый анализ. - 2015. - № 6. -С. 432 – 441.4. Волки WallStreet: рассказ о высокочастотном трейдинге от экспертаThomsonReuters. [Электронный ресурс] – Режим доступа:http://habrahabr.ru/company/itinvest/blog/247891/. 5. Искяндяров Р.Р., О.А. Гришина. Эволюция высокочастотной торговли// Вестник РЭУ им. Г. В. Плеханова. - 2018. - № 2. - С. 4-10.