😶‍🌫️
HFT around Institutional space
Introduzione
La rivoluzione elettronica nei mercati dei capitali risale agli anni 70 negli stati
uniti con la creazione del NASDAQ seguita poi negli anni 80 con il program
trading emerge, grazie alla diffusione dei mercati finanziari completamente
elettronici. La digitalizzazione del processo consente la decentralizzazione e i
luoghi fisici sono ora sostituiti da aree virtuali gestite da computer.
Gli sviluppi più recenti portano al trading algoritmico e al trading ad alta
frequenza. Il trading algoritmico può essere definito come “trading
computerizzato controllato da algoritmi”. Quindi si può dedurre che il trading
algoritmico (AT) è un processo per l’esecuzione di ordini utilizzando istruzioni
di trading pre-programmate e automatizzate che prendono in considerazioni
molteplici variabili. Il trading algoritmico utilizza formule complesse, modelli
matematici e statistici per prendere decisioni di acquisto o vendita di un asset.
La supervisione umana non è richiesta ma può essere implementata.
Ogni singolo istante è importante nel mondo HFT e il tempo rappresenta la sfida
principale per questi algoritmi dove anche un microsecondo è importante per
battere la concorrenza. Ovviamente l’HFT è caratterizzato da computer potenti
ed estremamente sofisticati che permettono di eseguire enormi quantità di
ordini ad una velocità molto elevata.
Dopo aver analizzato il lato razionale dei mercati dei capitali identificato negli
algoritmi, bisognerebbe prendere in considerazione anche il lato opposto,
quello irrazionale popolato da investitori umani. Infatti gli esseri umani non
sono particolarmente affidabili quando si tratta di attenersi ad un processo. I
pregiudizi, l’eccesso di fiducia, il rimpianto e la dissonanza cognitiva
introducono incongruenze nei mercati finanziari. Al contrario i computer non
subiscono tale soggettività: seguono le regole e formano stime oggettive dei
rischi. Gli algoritmi sono più efficienti e razionali degli esseri umani e allo stesso
tempo meno inclini a prendere decisioni emotivamente motivate. Tuttavia
alcuni ricercatori hanno scoperto che il trading algoritmico contiene aspetti
comportamentali, infatti quest’ultimo introduce una nuova serie di emozioni.
Dark Pools
Una dark pool è un forum finanziario privato e organizzato oppure una borsa
per il trading di titoli. Consente agli investitori istituzionali di fare trading senza
esposizione fino a quando l’operazione non è stata eseguita e segnalata. Le
dark pool offrono inoltre ad alcuni investitori l’opportunità di effettuare grandi
ordini ed operazioni senza rivelare le proprie intenzioni durante il processo di
ricerca del venditore o acquirente. Una caratteristica fondamentale delle dark
pools è che offrono commissioni più vantaggiose rispetto agli exchange
siccome spesso sono ospitate all’interno di aziende e non solo da banche.
HFT around Institutional space
1
D’altra parte anche se le dark pool sono legali permettono di lavorare con poca
trasparenza.
Trading Algoritmico
Con la conversione delle borse tradizionali in quelle elettroniche sono state
introdotte molte strategie diverse poiché le tattiche complesse sono più facili
da perseguire per un computer che richiede meno tempo per valutare più dati
provenienti da diversi mercati. Il tempo di 1000 millisecondi, ovvero 1 secondo è
il limite del processo decisionale umano, il che significa che nessun individuo è
in grado di prendere una decisione in un lasso di tempo inferiore.
Confronto tra ecosistema decisionale umano e algoritmico
Esempi di strategie
1. Stealth (Deutsche Bank) = Strategia che esegue silenziosamente gli ordini
in oltre 30 mercati in tutto il mondo. Si tratta di una strategia di ricerca di
liquidità, progettata per ridurre al minimo l’impatto sul mercato facendo
trading solo quando si presentano opportunità e riducendo al minimo la
perdita di informazioni. L’algoritmo Stealth è stato progettato per mercati in
rapida evoluzione, caratterizzati da ampi spread, quotazioni rapide e bassa
liquidità Top of the book.
2. Camaleonte (BNP Paribas) = Strategia di esecuzione adattiva che monitora
costantemente le condizioni attuali del mercato, con l’obbiettivo di
massimizzare la cattura dello spread in modo dinamico alla ricerca di
opportunità di prezzo.
3. Viper (BNP Paribas) = Algoritmo veloce e aggressivo/passivo che viene
utilizzato in più sedi di trading. Progettato per funzionare con ordini di
HFT around Institutional space
2
medie e grandi dimensioni, alla ricerca di un’ esecuzione ottimale
dell’ordine.
4. Iguana (BNP Paribas) = Algoritmo passivo/aggressivo e adattivo con tassi
di partecipazione dinamici che distribuisce gli ordini dinamicamente in un
intervallo di tempo specificato dall’utente. Utilizza una logica avanzata che
gli consente di reagire favorevolmente ai movimenti del mercato.
5. Guerrilla & Sniper (Credit Suisse) = Guerilla è progettato per effettuare
ordini senza segnalare al mercato la presenza dell’acquirente o del
venditore ed ha il potere di suddividere gli ordini più grandi in ordini più
piccoli frammentandoli. Funziona bene con azioni a media capitalizzazione
e azioni a piccola capitalizzazione. Sniper invece è un algoritmo molto
aggressivo che farà trading fino a quando non raggiunge il prezzo limite
dell’investitore.
Queste sono solo alcune delle strategie utilizzate dalle banche d’affari ogni
giorno, ma ci sono molti algoritmi diversi che perseguono strategie generali:
arbitraggio, mean reversion e trend trading sono solo alcune delle più popolari
strategie. Le strategie di arbitraggio consistono nell’ acquistare un’azione
quotata in almeno due borse al prezzo più basso in un mercato, rivendendola
immediatamente al prezzo più alto nell’altro mercato. Le strategie di mean
reversion si basano sull’idea che i prezzi alti o bassi di un azione siano un
fenomeno provvisorio che ritorna periodicamente al suo valore medio. Il trend
trading è una strategia di algo-trading che tenta di catturare profitti attraverso
l’analisi del momentum di un asset in una particolare direzione.
L’AT viene utilizzato in molte forme di attività di trading e investimento.
L’orizzonte temporale coinvolto può essere diverso: a breve o a medio/lungo
termine. Le strategie a breve termine sono perseguite da market maker, società
di brokeraggio e speculatori che beneficiano dell’esecuzione automatizzata
degli ordini. Le strategie a medio/lungo termine sono spesso eseguite da fondi
comuni di investimento e compagnie assicurative per acquistare azioni in
grandi quantità senza influenzare i prezzi delle azioni con i loro enormi
investimenti.
Pro e Contro del trading algoritmico
Il trading algoritmico è utilizzato principalmente da investitori istituzionali per
ridurre i costi associati al trading ed è particolarmente redditizio negli ordini di
grandi dimensioni. Consente un’esecuzione semplice e veloce delle operazioni
garantendo scambi efficienti e con un inserimento degli ordini istantaneo e
accurato. La potenza computazionale degli algoritmi verifica
contemporaneamente diverse condizioni di mercato, utilizza dati storici e in
tempo reale riducendo il rischio di errore manuale. D’altra parte, anche se la
velocità è un vantaggio del trading algoritmo, può diventare uno svantaggio,
infatti quando numerosi ordini vengono eseguiti nello stesso momento senza il
controllo umano le conseguenze possono essere drammatiche come accadde
con il Black Monday nel 1987, quando tutti i 23 mercati più importanti subirono
HFT around Institutional space
3
un grosso calo a causa di alcuni programmi di stop loss che non avevano
funzionato correttamente.
Anche la liquidità può essere vista come uno svantaggio poiché viene creata
attraverso ordini di acquisto o vendita rapidi e siccome é così veloce ad
apparire è altrettanto veloce a scomparire, eliminando il possibile profitto per le
operazioni. Gli algoritmi inoltre possono portare ad una perdita di liquidità,
infatti è stato dimostrato che il trading algoritmico è stato il fattore principale
della perdita di liquidità nel mercato valutario dopo che il franco svizzero ha
scontato il suo ancoraggio all’euro nel 2015.
Tra le altre cose il trading algoritmico richiede requisiti tecnici molto importanti
come la programmazione informatica, la connettività di rete e l’accesso alle
piattaforme di trading oltre ad un computer e ad una connessione ad internet
potente.
High Frequency Trading (HFT)
Le autorità di regolamentazione americane definiscono il trading ad alta
frequenza elencando cinque caratteristiche che spesso gli vengono attribuite:
“Utilizzo di programmi straordinariamente veloci e sofisticati per la
generazione, l’instradamento e l’esecuzione degli ordini; utilizzo di servizi di
co-locazione e feed di dati individuali forniti da negoziatori per ridurre al
minimo la rete e altre latenze; invio di numerosi ordini che vengono annullati
poco dopo l’invio, chiudendo la giornata di negoziazione il più vicino possibile
ad una posizione piatta (ovvero senza detenere posizioni significative e non
coperte durante la notte)”. La SEC sottolinea il fatto che non tutte queste
caratteristiche devono essere presenti affinché un’impresa proprietaria sia
correttamente classificata come HFT.
Com’é possibile dedurre, confrontando le suddette definizioni di trading
algoritmico e trading ad alta frequenza, l’HFT è un sottoinsieme dell’AT. Una
differenza importante è che l’AT è generalmente un trader “agente”, nel senso
che fa trading per i propri clienti sfruttando la tecnologia per eseguire gli ordini
garantendo il miglior tempo e prezzo di esecuzione in cambio di commissioni,
mentre gli “agenti” HF fanno trading nel proprio interesse e a proprio rischio.
Le due principali differenze fra loro sono la velocità e il periodo di
mantenimento: l’HFT richiede un tempo molto breve per eseguire gli ordini ed
anche il periodo di detenzione è molto breve che di solito varia da pochi secondi
a pochi minuti. Al contrario per esempio l’investimento tradizionale a lungo
termine richiede più tempo. Nel mezzo fra i due c’è il trading algoritmico. Poiché
AT e HFT divergono, hanno anche alcune caratteristiche in comune: sono
utilizzati da professionisti, non è necessario alcun intervento umano, si basano
su decisioni di trading predeterminate, entrambi osservano dati di mercato in
tempo reale inviando e gestendo ordini automaticamente avendo diretto
accesso al mercato.
Differenza fra gli HFT, AT e investimento tradizionale
HFT around Institutional space
4
Nel mercato azionario statunitense, la percentuale delle transazioni eseguite
da algoritmi è ancora più elevata rispetto ai mercati dei futures. Si stima che
circa l'80-90% del volume totale delle transazioni nel mercato azionario
statunitense sia eseguito da algoritmi di trading automatizzato. Questo include
sia il trading ad alta frequenza (HFT) che altre forme di trading algoritmico.
Nuovi rischi
Da molti anni l’obbiettivo principale dei governi e delle banche centrali è quello
di stabilizzare i mercati finanziari dopo la bolla dei subprime ma molte prove
suggeriscono che una possibile prossima crisi finanziaria potrebbe essere
alimentata da attacchi informatici. Il settore finanziari è sempre stato un
obbiettivo importante dei cyber-criminali perché le istituzioni che lavorano nel
settore hanno accesso a molti soldi.
Gli attacchi alle applicazioni web sono la più grande minaccia per il settore
finanziario e, secondo il Data Breach Investigation Report del 2016,
rappresentano l’82% delle violazioni dei dati. Un altro tipo di attacco è il
Distributed Denial of Service (DDoS), che rappresenta il 34% degli incidenti di
sicurezza. Un DDoS mira a rendere il sito Web o il servizio inutilizzabile
sovraccaricandolo con più traffico di quello che il server può ospitare per
rubare il maggior numero possibile di dati. Le Advanced Persistent Threats
(APT) invece, cercano di rubare enormi quantità di dati per un lungo periodo
mantenendo l’accesso continuo alla rete. Si tratta di un attacco informatico
particolarmente subdolo, infatti il 69% delle aziende colpite da questo tipo di
attacco se ne sono accorte settimane o mesi dopo.
Futuro
Molte aziende stanno adottando questa tipologia di operatività ma dovranno
affrontare numerose sfide e gli sviluppi futuri non sono ancora noti. Un
fenomeno che sta prendendo piede è l’integrazione tra hardware e firmware,
che permetterebbe di ridurre drasticamente la velocità decisionale e di
elaborazione degli algoritmi.
Ci sono molte nuove alternative al giorno d’oggi per gli investitori istituzionali,
come per esempio l’implementazione del machine learning e dell’intelligenza
artificiale. I programmatori di computer, grazie ai nuovi sviluppi
dell’intelligenza artificiale, sono ora in grado di sviluppare programmi in grado
di migliorarsi attraverso un processo iterativo chiamato deep-learning.
HFT around Institutional space
5
Poiché i costi della tecnologia sono diminuiti, le barriere d’ingresso sono
diminuite di conseguenza negli ultimi anni, ma alcune di esse rimangono
ancora da prendere in considerazione se un’azienda vuole entrare nel mondo
degli HFT. Si tratta di investimenti significativi in strutture di co-location e reti
ad alta velocità per ridurre la latenza e acquisire enormi quantità di dati del
mercato.
I problemi di rischio invece includono i rischi stessi del mercato, rischi
tecnologici e di conformità. Poiché gli HFT si basano su dati di mercato e
condizioni di mercato presunte, ogni cambiamento nel mercato può avere un
impatto inaspettato sul risultato finale. Inoltre, ci sono sempre più rischi legati
all’elevata dipendenza dalla tecnologia e dall’infrastruttura. Per ultimo ma non
per importanza il rischio di conformità da monitorare sempre con attenzione.
Quest’ultimo è quando un’organizzazione non agisce in conformità con le leggi
ed i regolamenti del settore oppure con le politiche interne o le pratiche scritte.
Una violazione di una di queste può portare a sanzioni legali, confisca
finanziaria o perdite. Proprio per questo uno dei maggiori punti interrogativi è
l’impatto della regolamentazione. Negli ultimi anni le autorità di
regolamentazione sono intervenute per regolamentare il settore ed alcune
norme hanno avuto un forte impatto sugli HFT non togliendo il fatto che possa
nuovamente succedere in futuro. Possono includere il divieto di utilizzo di
determinate strategie di trading e l’imposizione di una tassa sulle transazioni.
Caratteristiche e redditività degli HFT
Ovviamente l’HFT è caratterizzato da computer estremamente potenti che
permettono di eseguire e gestire enormi quantità di ordini ad altissima velocità
(anche più di 5.000 ordini al secondo). Anche se gli HFT costituiscono una
minoranza dei trader, generano la maggior parte dei volumi di scambio, infatti
nel 2009 per esempio le società HFT erano solo il 2% ma rappresentavano il
73% di tutte le azioni scambiate. Inoltre è bene sottolineare che il trading HF è
un metodo di trading proprietario, il che significa che gli operatori effettuano
operazioni a proprio rischio con il proprio denaro.
Parlando del periodo di detenzione degli ordini, molti ricercatori affermano che
le strategie HFT non prendono posizioni overnight, ciò significa che le posizioni
sono sempre chiuse nell’arco di una giornata anche se principalmente durano
pochi secondi o pochi minuti. Questo modello porta a piccoli ricavi su un
numero elevato di operazioni e per questo motivo i trader HFT acquistano e
vendono strumenti finanziari estremamente liquidi, siccome gli permettono di
uscire facilmente dalle posizioni precedentemente prese.
La latenza, detta anche ping di un sistema informatico è l’intervallo di tempo
che intercorre tra un’azione dell’utente (input) e la risposta risultante (output) e
quindi misura la velocità di risposta di un sistema elettronico. In economia
quindi la latenza rappresenta l’intervallo di tempo necessario per trasformare
una decisione economica in una negoziazione. La bassa latenza soddisfa
teoricamente il limite fisico della velocità della luce, che è pari a 3 microsecondi
per chilometro.
HFT around Institutional space
6
Un aspetto molto importante per la velocità di questo algoritmi è proprio la
distanza fra i server dell’agenzia di trading rispetto ai server della borsa, infatti
più essi sono vicini fra loro e maggiore può essere la velocità di trasmissione
dei dati. Quindi la vicinanza fra i server delle borse permette agli HFT di
mantenere un vantaggio temporale, anche se infinitesimale, rispetto agli altri
concorrenti e di conseguenza permette di effettuare investimenti più redditizi
che altrimenti sarebbero impossibili.
Un servizio che permette una “semplificazione” di tutto ciò è il servizio di colocation che permette di affittare spazi, chiamati rack, per posizionare i server
delle agenzie di trading in prossimità dei server della borsa in modo da ridurre i
tempi di negoziazione senza dover per forza acquisire un edificio oppure un
terreno. Il primo mercato in cui è stato possibile utilizzare i server di co-location
è stato il NYSE.
Come detto in precedenza, gli algoritmi ad alta frequenza permettono di
modificare o annullare l’ordine rapidamente, infatti l’elevato numero di ordini
inviati e poi annullati porta ad un elevato rapporto ordine/negoziazione (OTR)
che rappresenta la percentuale di ordini che vengono emessi rispetto agli ordini
che vengono effettivamente eseguiti. I dati infatti suggeriscono che solo l’1%
degli ordini totali si traduce in un contratto di trading.
Strategie di High Frequency Trading
Il fenomeno del trading ad alta frequenza comprende una vasta gamma di
strategie e tecniche che possono essere raggruppate in base alla loro
aggressività e complessità. Strategie diverse comportano effetti diversi sul
mercato e quindi anche diverse questioni normative. Secondo la SEC, ci sono
quattro macro categorie di strategie HFT che sono: Arbitraggio statistico,
fornitura di liquidità, strategie direzionali e strutturali. Ogni macro categoria ha
sottocategorie che portano a diverse strategie che hanno a loro volta
conseguenze diverse sul profitto e sull’impatto a mercato.
ARBITRAGGIO STATISICO:
L’arbitraggio consiste nel realizzare profitti sfruttando le differenze di prezzo
dello stesso strumento finanziario. Teoricamente le opportunità di arbitraggio
non dovrebbero esistere poiché il mercato assorbe immediatamente ogni
informazione, ma in realtà sono costantemente presenti nel mercato a causa
delle inefficienze temporanee. Il compito degli arbitraggisti statistici infatti è
quello di identificare strumenti simili che hanno un “prezzo errato” e, una volta
identificati, acquistano quello più economico e vendono quello più costoso.
Ovviamente con i recenti sviluppi dei mercati è sempre più difficile individuare e
sfruttare le opportunità di arbitraggio e per questo motivo è necessario essere
estremamente veloci. Poiché gli HFT sono gli operatori più veloci del mercato,
sono quasi gli unici attori in grado di sfruttare le opportunità di arbitraggio,
utilizzando il loro vantaggio competitivo sia nella fase di identificazione che in
quella di esecuzione. Gli algoritmi ad alta frequenza sono in grado di
identificare le opportunità di arbitraggio nello stesso momento in cui appaiono
a mercato, rappresentando una delle strategie più redditizie per gli HFT.
L’arbitraggio neutrale e l’arbitraggio incrociato sono sottocategorie delle
HFT around Institutional space
7
strategie di arbitraggio statistico. L’arbitraggio incrociato è possibile grazie al
fatto che lo stesso strumento finanziario può essere negoziato in più di una
sede a causa della frammentazione del mercato, e in ognuna di esse può avere
prezzi diversi. Gli arbitraggisti incrociati sono in gradi di realizzare profitti
acquistando l’asset nella sede con il prezzo più basso e rivendendolo nella
sede dove la quotazione è più alta. Questa tipologia di strategia è applicabile
anche sugli ETF, sfruttando sempre le differenze di prezzo.
MARKET NEUTRAL:
Una strategia market neutral implica il detenere una posizione long in un asset
considerato sottovalutato e allo stesso tempo una posizione short in un asset
strettamente correlato ma sopravvalutato. I possibili rischi si compensano a
vicenda grazie alle due posizioni opposte detenute dal trader. Quando i prezzi
degli asset correlati si normalizzano nei valori attesi stimati, l’operatore ad alta
frequenza liquida le posizioni per ottenere profitto. Grazie alla sua potenza di
calcolo l’attore ad alta frequenza può gestire un portafoglio con centinaia di
titoli e, cambiando frequentemente le azioni in esso può eliminare l’esposizione
ai rischi del mercato.
LIQUIDITY PROVIDING:
I trader ad alta frequenza possono agire anche come market maker e, come
loro, possono offrire liquidità al mercato. La differenza principale però è che un
trader ad alta frequenza non è obbligato a rispettare le disposizioni e le regole
di un vero market maker come per esempio le quotazioni bilaterali continue, il
timing delle quotazioni, lo spread massimo e la quantità minima. Pertanto
possono strategicamente decidere di quale ordine essere la controparte. La
bassa liquidità quindi è un requisito fondamentale per un’ efficiente strategia di
erogazione di liquidità, infatti se c’è un elevata liquidità può non essere
redditizia poiché il risultato sarebbe un aumento dello spread penalizzando gli
HFT che agiscono come market maker. L’unico rischio derivante da questa
strategia è un aumento inaspettato della volatilità, ma può essere facilmente
coperto attraverso la modifica o la cancellazione degli ordini grazie all’alta
velocità degli algoritmi. I trader ad alta frequenza possono guadagnare con
questa strategia di fornitura di liquidità essenzialmente in due modi: dallo
spread fra domanda e offerta, chiamato approccio di cattura dello spread
(spread capturing approach) e dagli incentivi delle piattaforme di trading sotto
forma di commissioni o sconti chiamata rebate driven approach.
SPREAD CAPTURING:
Come veri e propri market maker i trader ad alta frequenza dopo aver
analizzato le condizioni di mercato, sono in grado di guadagnare profitti
attraverso lo spread bid & ask, infatti possono piazzare ordini di acquisto e
vendita nello stesso momento all’interno del book generando profitti come
detto prima dalla differenza fra bid e ask. Inoltre i trader HFT possono
programmare i loro algoritmi in modo da farli lavorare completamente in
autonomia.
REBATE DRIVEN:
HFT around Institutional space
8
Le strategie basate sui rimborsi cercano di realizzare profitti sfruttando i diversi
regimi di commissioni presenti nelle diverse sedi di negoziazione. Poiché le
piattaforme di trading realizzano la maggior parte dei profitti dalle
commissioni, ogni sede vuole attirare il maggior numero di operazioni e la
rivalità fra di loro ha portato alla frammentazione del mercato. La capacità di
assorbire grandi quantità di ordini e liquidità senza compromettere l’operatività
infatti è uno degli elementi chiave per attrarre i trader ad alta frequenza. Negli
ultimi anni le commissioni di trading sono diminuite costantemente, soprattutto
per gli operatori che portano liquidità all’interno dei mercati; per esempio ai
partecipanti al mercato che tolgono liquidità sono addebitate commissioni più
elevate, mentre agli operatori a mercato che offrono liquidità viene addebitata
una commissione inferiore o possono ricevere uno sconto. Con questa
strategia chiamata maker/taker, i trader accumulano i rimborsi offerti dalle sedi
di negoziazione.
DIRECTIONAL STRATEGIES:
Le strategie direzionali di solito prevedono una posizione long oppure short per
beneficiare di un movimento di prezzo intraday. Queste strategie vengono
eseguite con aggressività, prendendo liquidità dal mercato al fine di ottenere
profitto grazie ai trend di mercato a breve termine. Includono strategie che
possono essere sia facili che complesse, come per esempio anticipare altri
trader che influenzeranno i prezzi del mercato (institutional trader).
MOMENTUM TRADING:
Le strategie a momentum possono essere chiamate anche strategie su notizie e
vengono implementate dalla quarta generazione di strategie algoritmiche con
però delle piccole differenze. Si tratta di uno degli approcci più semplici e
intuitivi disponibili, infatti il suo focus è incentrato tendenzialmente sulle notizie
che sono in grado di cambiare i prezzi degli strumenti finanziari presenti a
mercato generando un possibile trend. Dopo aver elaborato ed analizzato tutte
le informazioni ritenute importanti, l’algoritmo adotta la strategia migliore per
generare un profitto. Per far funzionare questa strategia è necessario
implementare algoritmi di news reader che siano in grado di comprendere le
notizie e i milioni di dati presenti a mercato.
Giusto per chiarire come funziona questa tipologia di strategia, bisogna
pensare che analizza quante volte una parola specifica o addirittura un intera
frase è presente nelle notizie, elaborando poi la miglior strategia da applicare.
Un esempio reale è quello del 23 agosto 2013, quando è stata pubblicata la
notizia delle dimissioni dell’amministratore delegato di Microsoft Corporation,
Steve Baller, ed improvvisamente si è verificato un aumento importante nel
prezzo delle azioni di Microsoft. In questa situazione l’operatore HFT ha letto le
notizie, le ha analizzate ed ha approfittato del trend rialzista acquistano azioni
di Microsoft prima degli altri operatori. Il più grande problema però è che un
algoritmo non è in grado di distinguere se una notizia sia vera o falsa, come per
esempio il 23 aprile 2013 quando l’Associated Press pubblicò un tweet
riguardante le esplosioni all’interno della Casa Bianca in realtà mai avvenute.
In questo caso l’operatore HFT chiuse tutte le posizioni long per sfruttare il
HFT around Institutional space
9
possibile trend ribassista innescando però il successivo flash crash durante lo
stesso giorno.
LIQUIDITY DETECTION:
Con il rilevamento della liquidità gli operatori ad alta frequenza osservano il
comportamento degli altri attori raccogliendo la liquidità offerta dal mercato. I
sistemi di rilevamento della liquidità verificano la presenza degli ordini di stop e
degli ordini di target (ordini limit) inviando al book piccoli ordini per testare
specifici livelli di prezzo. Gli algoritmi di rilevamento della liquidità sono anche
in grado di valutare la presenza di ordini di grandi dimensioni nel book, ovvero
ordini troppo grandi per essere eseguiti tutti in una volta. Ciò diventa
fondamentale per gli operatori HFT perché consente loro di conoscere la
posizione degli altri operatori, e conoscere la posizione degli altri partecipanti
consente agli operatori ad alta frequenza di interferire con la strategia dei
concorrenti. Una volta che l’HFT rileva i livelli di prezzo già menzionati, deve
solo portare il prezzo dello strumento finanziario al giusto livello per attivare
automaticamente gli ordini di stop o target dei concorrenti, che così facendo
iniziano a rilasciare la loro liquidità. L’operatore che decide di eseguire questa
strategia agisce come Price Taker poiché beneficia della liquidità che altri
operatori offrono al mercato.
IGNITION MOMENTUM:
Può essere considerata una sottocategoria della strategia di Liquidity
Detection, ma allo stesso tempo ci sono due caratteristiche diverse: L’ignition
momentum richiede una posizione long e short molto aggressiva e quindi più
complessa, infatti consiste nell’influenzare il comportamento degli altri
operatori attraverso la sua aggressività. Grazie alla posizione long o short il
prezzo dello strumento finanziario in questione cambia e l’operatore ad alta
frequenza chiude la sua posizione ad un prezzo vantaggioso. L’operatore di
momentum ignitor invece effettua ordini molto rapidamente per ottenere una
posizione di grandi dimensioni per generare un immediato aumento della
volatilità. Questo aumento di volatilità può indurre altri partecipanti del mercato
ad eseguire strategie più aggressive enfatizzando così i movimenti del prezzo.
Poiché l’operatore HFT ha precedentemente stabilito altre posizioni, cerca di
ottenere profitto quando successivamente liquida la posizione dopo aver
stimolato l’evoluzione del movimento dei prezzi sul lato atteso. Questa strategia
ha 3 caratteristiche principali: il prezzo non cambia anche se il volume
aumenta, grandi movimenti di prezzo sono dovuti a un volume elevato ed il
ritorno al livello di partenza è dovuto da un basso volume. Gli operatori che
eseguono l’ignition momentum preferiscono eseguire questo approccio quando
la volatilità è bassa ed il mercato ha ordini di piccole dimensioni così da
amplificare l’effetto della strategia. La fase con alti movimenti di volume e di
prezzo è dovuta al fatto che sono stati attivati gli ordini stop, infatti essi iniziano
a rilasciare tutta la liquidità intrinseca che accelera l’andamento del prezzo.
Esempio di Ignition momentum
HFT around Institutional space
10
STRUCTURAL STRATEGIES:
Sono strategie eseguite solo da operatori ad alta frequenza che cercano di
sfruttare le vulnerabilità strutturali del mercato o dei suoi partecipanti.
Permettono di beneficiare della presenza di operatori meno evoluti e
solitamente non hanno un impatto positivo sul mercato. Le strategie strutturali
più famose sono l’arbitraggio a latenza ed il flash trading (approfondite sotto).
LATENCY ARBITRAGE:
Grazie alle strategie di arbitraggio a latenza, gli operatori ad alta frequenza
sono in grado di trarre vantaggio da piccole differenze di prezzo negli strumenti
finanziari tra i diversi mercati, derivanti da differenze di tempo estremamente
ridotte e sfruttando delle inefficienze nel mercato. L’arbitraggio a latenza è
possibile solo se l’operatore in questione dispone di un sistema ad alta
frequenza in grado di soddisfare i requisiti di bassa latenza poiché per eseguire
con successo questa strategia l’opportunità di arbitraggio dev’essere
riconosciuta immediatamente non appena si presenta siccome tipicamente
dura pochi millisecondi.
FLASH TRADING:
Questo approccio è uno dei più aggressivi che un operatore HFT possa
eseguire, l’aggressività infatti è fondamentale per una corretta esecuzione di
questa strategia (definita come caso limite per l’arbitraggio latente). Anche se i
profitti sono enormi e quasi privi di rischi, le minacce per la qualità del mercato
sono elevate, infatti chi decide di mettere a mercato questa tipologia di
strategia approfitta della frammentazione del mercato e cerca di guadagnare
più soldi possibili nell’intervallo di tempo che intercorre tra la visione privata
degli ordini ed il momento effettivo in cui questi ordini diventano pubblici.
Ma come funziona questa strategia? Non appena il mercato oppure un ECN
(Electronic Communication Network) riceve un ordine che non può essere
eseguito presso l’NBBO (National Best Bid and Offer), questo non viene
automaticamente trasferito al mercato in cui l’NBBO è presente, ma invece
viene offerto in visibilità agli operatori HFT dandogli così la possibilità di
visualizzare privatamente questi ordini prima di tutti gli altri operatori (attività
offerta ed assicurata dagli ECN attraverso il pagamento di un servizio
specifico). Questo servizio si chiama Flash trading e gli ordini che possono
essere visualizzati prima che diventino pubblici si chiamano ordini flash. A
HFT around Institutional space
11
volte però è possibile che questi ordini non vengano eseguiti poiché la
condizione di prezzo NBBO non è presente, in questo caso lo stesso sono
disponibili per gli operatori HFT dando loro un vantaggio informativo notevole.
Anche se questa strategia ha raccolto numerose critiche, l’analisi empirica
mostra che si tratta comunque di un’opportunità per migliorare le condizioni del
mercato, aumentando così la liquidità e migliorando il processo di scoperta dei
prezzi.
Esempio di Flash order
LAYERING, PINGING, QUOTE STUFFING, SMOKING E SPOOFING
Queste strategie ad alta frequenza sono le migliori per sfruttare la prevedibilità
degli operatori tradizionali. Si basano su simulazioni di mercato per portare gli
operatori tradizionali ad eseguire scelte affrettate e sbagliate in modo che gli
HFT siano in grado di utilizzare strategie adeguate per realizzare profitti privi di
rischi. Questi approcci hanno in comune l’uso di ordini limite, infatti una volta
che gli HFT posizionano i loro ordini li modificano e/o eliminano rapidamente
per creare distorsioni negli operatori tradizionali che reagiscono a falsi input
del mercato.
LAYERING:
L’HFT piazza ordini limite a diversi livelli di prezzo e sempre diversi dal livello di
prezzo attuale (tendenzialmente sempre lontani da esso). La maggior parte
delle volte poi annulla l’ordine in un futuro molto prossimo re-inviando poi lo
stesso ordine. In questo modo l’operatore ad alta frequenza inganna gli
operatori tradizionali che erroneamente pensano che il mercato sia pronto per
un nuovo trend e così facendo l’operatore HFT sarà in grado di acquistare o
vendere azioni ad un prezzo più accessibile.
PINGING:
L’obbiettivo di questa strategia è quello di verificare la presenza di ordini
nascosti non osservabili da altri attori di mercato ed accertare la presenza di
potenziali grandi operatori. La strategia di Ping consente di fare trading in
anticipo per catturare un movimento di prezzo nella direzione d’interesse dei
grandi operatori presenti. Grazie a questa strategia, gli HFT cercano di capire il
prezzo più alto o più basso che un operatore di controparte è disposto ad
accettare rispettivamente per acquistare o vendere un titolo attraverso
l’inserimento di un numero elevato di ordini ma di piccoli importi. Infatti
analizza la presenza di ordini limite e spinge contro di essi creando una
HFT around Institutional space
12
condizione di trading redditizia ma temporanea. Gli operatori HFT che
utilizzano questa strategia iniziano ad analizzare il mercato piazzando ordini di
vendita o di acquisto per trovare grandi operatori a mercato. Una volta trovato
l’operatore pesante l’HFT che utilizza la strategia ping annulla tutti gli ordini
precedentemente inviati a mercato e assume la stessa posizione dell’operatore
massiccio (long o short).
QUOTE STUFFING:
Attraverso la strategia di quote stuffing, l’operatore ad alta frequenza effettua
un’enorme quantità di ordini falsi o vuoti con l’obbiettivo di rallentare il mercato,
le piattaforme di trading ed il processo di analisi. In questo modo è in grado di
rendere difficile l’accesso al mercato agli altri partecipanti in modo che possa
scegliere la posizione più redditizia senza concorrenza. Infatti l’enorme
quantità di dati da elaborare e analizzare rallenta gli operatori tradizionali, le
piattaforme di trading ma anche gli altri operatori ad alta frequenza. Chi può
trarre vantaggio da tutto ciò è solo l’operatore ad alta frequenza che ha
utilizzato per primo questa strategia.
Esempio di quote stuffing (Heineken sinistra, Telefonica destra)
SPOOFING:
La strategia di spoofing prevede numerosi ordini di enormi quantità che
verranno successivamente annullati per ingannare gli altri partecipanti a
mercato, facendoli così credere che ci sia una grande pressione sul lato di
acquisto o vendita in modo che il prezzo aumenti o diminuisca di conseguenza.
In questo modo gli operatori ingannati comprano o vendono accettando il
prezzo dell’operatore “spoofing”, il quale una volta accettati gli ordini annulla
rapidamente tutte le posizioni e ne apre di nuove nel lato opposto. Per facilitare
la comprensione un esempio può essere questo: L’operatore che effettua lo
spoofing piazza un ordine enorme in acquisto per far credere agli altri
partecipanti che ci sia una grossa pressione long in modo che il prezzo aumenti
generando un trend rialzista. Questi partecipanti accettano le proposte di
vendita che nel mentre l’operatore “spoofing” offre ed una volta che sono state
accettate tutte il trader “spoofing” annulla l’enorme ordine in acquisto e ne
mette uno contrario in vendita per spaventare gli altri operatori a proseguire.
Tutto bello se non fosse che lo spoofing è una pratica illegale punita
severamente dagli organi regolamentatori come per esempio il caso di Panther
Energy Trading LLC che è stata sanzionata a pagare 1,4 milioni di dollari, a
rimborsare 1,4 milioni di profitti e a non operare per un anno all’interno dei
mercati. Al di là di ciò però lo spoofing comunque è una pratica messa spesso
HFT around Institutional space
13
in atto da grandi enti che vedono le sanzioni da pagare come briciole a
confronto dei profitti che possono fare con questa strategia.
FRONT RUNNING:
Il front running consiste essenzialmente nell’effettuare una transazione
utilizzando la pre-conoscenza, a volte non pubblicizzata, di un’informazione
che sarà in grado di influenzare il prezzo dell’attività sottostante. Utilizzando
questa strategia un’operatore HFT prende posizione in un asset finanziario
appena prima di tutti gli altri operatori. Le informazioni in questione possono
essere ottenute sia legalmente che anche illegalmente (come nel caso
dell’inside trading). Solo il front running con informazioni non pubbliche è
illegale, mentre è legale quando per esempio il broker utilizza delle informazioni
pubbliche. Nella pratica gli operatori HFT sono in grado di notare quando altri
partecipanti al mercato sposteranno un enorme numero di azioni e per questo
prenderanno posizione prima che questi influenzino i prezzi. In seguito possono
accadere due cose: la prima è che l’operatore non HFT piazza l’ordine a
mercato che molto probabilmente avrà un prezzo inferiore a quello ottimale, la
seconda è che il mercato mostrerà una maggiore richiesta di liquidità da parte
degli operatori price taker.
Possibili aspetti positivi degli HFT
Tendenzialmente gli economisti non hanno un’idea comune sugli effetti del
fenomeno HFT però, prendendo in considerazione l’efficienza delle
informazioni sui prezzi, la liquidità e la volatilità, l’HFT tende a migliorare le
condizioni di mercato. I principali effetti positivi dell’implementazione di sitemi
ad alta frequenza sono:
Riduzione delle commissioni
Aumento della liquidità
Migliore efficienza soprattutto sul processo di price discovery
Riduzione della volatilità a breve termine
Maggiore collegamento fra le sedi di negoziazione
Riduzione dello spread medio fra Bid-Ask
RIDUZIONE DELLE COMMISSIONI:
Un migliore accesso al mercato è assicurato dagli operatori ad alta frequenza,
infatti grazie all’accesso diretto al mercato non è necessario trattare con un
broker per eseguire le operazioni. Questo permette di ridurre le commissioni
sulle transazioni siccome non c’è bisogno di un intermediario ed inoltre con la
presenza degli operatori HFT i costi di transazione sono più concentrati intorno
alla media (quindi con una deviazione standard inferiore).
AUMENTO DELLA LIQUIDITÀ:
HFT around Institutional space
14
La liquidità si riferisce alla capacità di negoziare ordini di grandi dimensioni a
basso costo ed alla facilità con cui i partecipanti al mercato sono in grado di
vendere i propri strumenti finanziari trasformandoli in denaro ad un prezzo il
più vicino possibile a quello del mercato. In generale un mercato liquido è un
mercato meno volatile e con molte offerte di acquisto o vendita che riducono lo
spread, infatti questo è un aspetto molto positivo per tutti gli attori di mercato: i
regolatori amano la liquidità poiché un mercato liquido è generalmente meno
volatile di uno illiquido; i trader godono di una liquidità maggiore perché gli
consente di entrare ed uscire dalle posizioni praticamente istantaneamente ed
anche le borse apprezzano ciò siccome un mercato più liquido attira più clienti
nelle sedi. La liquidità è positivamente correlata all’elevato turnover di contratti,
agli spread Bid-Ask ridotti, alle commissioni basse ed ai prezzi resilienti, per
questo comprende diverse dimensioni come: profondità, tenuta, ampiezza,
immediatezza e resilienza (vedi immagine).
Nella figura, QA e QB rappresentano gli importi che potrebbero essere
scambiati ai prezzi Bid e Ask del momento; la differenza fra il Best Bid ed il Best
Ask rappresenta la tenuta; l’ampiezza del mercato invece è il numero di ordini a
prezzi diversi e rappresenta il costo operativo; la resilienza rappresenta la
capacità del mercato di riprendersi da eventi imprevisti e l’immediatezza
descrive la velocità con cui gli ordini vengono eseguiti.
La liquidità inoltre può essere utilizzata come indicatore di salute per un
mercato, ma bisogna prendere in considerazione tutti gli elementi che la
costituiscono poiché un singolo indicatore non è sufficiente. Ad esempio se si
prende in considerazione solo il volume di scambio, un importo eccessivo da un
lato potrebbe causare un allargamento dello spread bid-ask anche perché la
misura più utilizzata per determinare un mercato liquido è proprio la differenza
fra bid-ask. Inoltre numerose ricerche, principalmente basate sull’osservazione
dello spread, hanno infatti dimostrato che uno degli impatti più importanti che
gli HFT hanno avuto sui mercati è proprio l’aumento della liquidità.
HFT around Institutional space
15
Questo risultato porta alla conclusione che una riduzione dello spread quindi è
possibile principalmente attraverso la presenza di operatori ad alta frequenza
che riducono i costi impliciti delle transazioni. Gli attori ad alta frequenza sono
in grado di fare ciò grazie alle strategie da loro utilizzate e grazie al fatto che
sono in grado di comprendere i livelli di liquidità nel book e di conseguenza
possono assumere la posizione di market maker per sfruttare lo spread e
fornire liquidità al mercato. Nonostante ciò bisogna comunque tenere a mente
che questi attori del mercato possono assumere diverse posizioni al suo interno
come anche già detto in precedenza, quindi possono sì avere una posizione da
market maker ma ovviamente a loro vantaggio; infatti se per loro non è
conveniente fare da fornitori di liquidità possono sempre cambiare la loro
posizione all’interno del mercato e diventare market taker (cioè togliendo
liquidità al mercato invece di fornirla).
PROCESSO DI PRICE DISCOVERY PIÙ EFFICIENTE:
Il processo di price discovery determina il prezzo di uno strumento finanziario
attraverso l’interazione fra acquirenti e venditori, in altre parole il miglior
acquirente incontra il best seller e il mercato scopre il prezzo dello strumento
finanziario. In un mercato efficiente il prezzo riflette tutte le informazioni su un
titolo, ma l’operatore più veloce e informato può trarre vantaggio da più info per
migliorare il processo di scoperta del prezzo e quindi imporre i costi della
selezione avversa agli operatori meno informati.
Dei test empirici hanno dimostrato che quando gli HFT utilizzano strategie
direzionali oppure di momentum i movimenti di prezzo a breve termine possono
essere amplificati anche se il vero valore del titolo non può essere influenzato
da nuove informazioni, portando quindi ad un peggior processo di price
discovery. Questo può succedere perché gli operatori ad alta frequenza non
sono interessati al destino delle imprese negoziate e quindi i prezzi potrebbero
discostarsi anche di molto dal loro valore equo. Stesso ragionamento lo si può
fare con le notizie market movers (CPI; PCE; FED I.R; etc.), perché siccome i
primi a riuscire ad utilizzare queste notizie a loro vantaggio sono proprio gli HFT
nel breve termine possono generare una sopravvalutazione della notizia sul
prezzo inducendo i trader più lenti a negoziarla a prezzi sconvenienti.
RIDUZIONE DELLA VOLATILITÀ A BREVE TERMINE:
La volatilità rappresenta la tendenza dei prezzi a cambiare inaspettatamente in
brevi intervalli di tempo in base alla domanda e offerta ed in base alle nuove
informazioni disponibili. L’alta volatilità di solito rappresenta una situazione di
incertezza, instabilità o turbolenza sia dei mercati che degli operatori, infatti
una volatilità esagerata non è molto apprezzata né dagli investitori né dalle
società negoziate. Però al contrario degli investitori, gli speculatori a breve
termine possono beneficiare di una situazione di alta volatilità siccome può
offrire maggiori opportunità di arbitraggio o semplicemente di inefficienze nel
prezzo.
Uno studio ha dimostrato che gli HFT possono ridurre la volatilità degli
strumenti finanziari soprattutto quando forniscono liquidità al mercato, d’altra
parte sempre nello stesso studio viene riportato anche che nel caso in cui gli
HFT lavorino come market taker possono al contrario amplificare l’effetto della
HFT around Institutional space
16
volatilità esacerbando la fluttuazione dei prezzi. Per questo trovare una
correlazione fra volatilità e HFT non è facile ed i risultati sono abbastanza
discordanti, siccome gli HFT possono eseguire molte strategie diverse
adattandosi alle mutevoli condizioni di mercato. La relazione fra gli HFT e
volatilità può però essere analizzata in due modi:
1. Come si comportano gli operatori ad alta frequenza in un contesto di alta
volatilità
2. Come gli HFT influenzano la volatilità dei prezzi
Dei test hanno dimostrato che la redditività degli HFT non aumenta in modo
significativo con l’aumentare della volatilità, mentre un numero maggiore di
HFT riduce la volatilità intraday.
MAGGIORE COLLEGAMENTO FRA LE SEDI DI NEGOZIAZIONE:
Grazie agli HFT le interazioni fra i mercati si sono intensificate e le connessioni
sono sempre più veloci ed efficienti. Dalla creazione dei primi ECN e MTF la
concorrenza fra questi ultimi e i mercati regolamentati si è sempre più
intensificata ed allo stesso tempo, i nuovi sviluppi tecnologici riducono il tempo
necessario per le transazioni. Oggi MTF, come i mercati regolamentati,
possono offrire piattaforme e servizi di trading in grado di ridurre la latenza e
l’hosting centrale di prossimità.
Possibili aspetti negativi degli HFT
Molti economisti sono ancora dubbiosi sugli aspetti positivi degli HFT,
sostenendo l’idea che quest’ultimi tendano a creare artificialmente attraverso
pratiche illegali condizioni di mercato che possono essere sfruttate solo da
loro. In effetti, le inefficienze di mercato sono il modo più semplice per gli
operatori ad alta frequenza di generare profitto, cosa che altrimenti non
sarebbe possibile. Le principali conseguenze negative degli HFT possono
essere:
Selezione avversa
Front running e liquidità fantasma
Asimmetria informativa
Rischi sistemici
Manipolazioni di mercato e mercato a due livelli
SELEZIONE AVVERSA:
La selezione avversa è la naturale conseguenza delle caratteristiche operative
degli HFT e dell’attuazione di strategie aggressive. Le strategie aggressive
includono il ping e il rilevamento della liquidità ma probabilmente la più
pericolosa è la prima proprio perché consente agli operatori HFT di manipolare
il mercato per creare situazioni illusorie solo per approfittarne e guadagnare
denaro.
HFT around Institutional space
17
In un documento di ricerca A. Puorro evidenzia il fatto che gli operatori più lenti
che si concentrano su operazioni a breve termine cercano principalmente la
presenza di micro trend nel mercato, inoltre ha notato che gli HFT grazie alla
loro velocità e attraverso l’uso della strategia di pinging, possono facilmente
simulare una riduzione sul lato desiderato. In questo modo le operazioni dei
partecipanti tradizionali seguono il micro trend, non contando però che in quel
momento l’HFT può essere la controparte degli operatori tradizionali
distorcendo quindi la realtà del mercato a proprio vantaggio. Gli effetti però
sono evidenti, infatti gli operatori ad alta frequenza sono in grado di vendere a
prezzi più alti e ad acquistare a prezzi più bassi ingannando gli operatori
tradizionali (i guadagni degli HFT sono le perdite degli operatori manuali).
ASIMMETRIA INFORMATIVA:
Si verifica quando due individui hanno un diverso grado di informazione che
influenza le caratteristiche del contratto. Nelle strategie di arbitraggio latente il
vantaggio informativo gioca un ruolo cruciale, infatti bastano pochi
millisecondi per far guadagnare un HFT, ma tendenzialmente i vantaggi non
sono solo sulle plusvalenze ma anche sul risparmio di denaro. Ovviamente una
crescente asimmetria informativa può influire sulla trasparenza del mercato ed
infatti si è scoperto che gli HFT oltre ad avere come già detto più informazioni
hanno anche un tempo di reazione inferiore rispetto a quello degli operatori
tradizionali.
RISCHI SISTEMICI:
Rappresenta il rischio che dipende da fattori derivanti dal funzionamento del
mercato, e in effetti il fenomeno HFT ha aumentato di molto il rischio sistemico
poiché ha aumentato la connessione e la dipendenza dei mercati da essi. A
causa di tale correlazione sorge una seria preoccupazione: uno shock che
colpisce un piccolo numero di HFT attivi può influenzare l’intero mercato e
addirittura danneggiare le sedi di negoziazione.
Un paper di ricerca ha dimostrato che l’introduzione della piattaforma ad alta
frequenza Arrowhead, adottata nel 2010 dalla borsa di Tokyo aumenta il rischio
di propagazione degli shock, aumentando sia l’auto correlazione che la
correlazione incrociata. Infatti dagli studi è emerso che il rischio di quote
stuffing misurato dal rapporto quotazioni/trade è raddoppiato, facendo
crescere anche la probabilità di flash crash (repentino movimento verso il
basso bilanciato poi nei minuti/ore successive) come nel 2010 sui mercati USA,
dove il Dow Jones ha perso quasi il 9%, azioni come Procter & Gamble il 40% e
sono stati “bruciati” più di un trilione di dollari.
S&P 500 il 6 maggio 2010
HFT around Institutional space
18
In quella sessione all’interno dei mercati 16 operatori classificati come ad alta
frequenza hanno scambiato un totale di più di 1.455.000 contratti (un singolo
contratto del Nasdaq o di S&P 500 ha un valore nominale di 250.000$), quindi
facendo giusto due calcoli 1.455.000 contratti x 250.000$ =
363.750.000.000$ scambiati solo da questi 16 operatori.
MANIPOLAZIONI DI MERCATO E MERCATO A DUE LIVELLI:
Il rischio di manipolazioni all’interno dei mercati finanziari non è nuovo, ma
algoritmi così veloci possono fornire nuovi strumenti per perseguire
comportamenti illeciti che includono false impressioni sul volume degli scambi,
sui prezzi e sulla profondità di mercato. Gli operatori ad alta frequenza infatti
possono utilizzare la cancellazioni massiva dei preventivi e degli ordini
nascosti oltre a tutte le tecniche già discusse in precedenza.
La bassa latenza, la co-locazione e l’hosting centrale di prossimità possono
offrire alcuni vantaggi agli operatori HFT, ma è anche importante capire
quando questi vantaggi competitivi possono diventare sleali e andare a
discapito degli altri partecipanti a mercato. I principali vantaggi degli HFT sono
rappresentati principalmente dalla quotazione di mercato in tempo reale, dalla
riduzione dei tempi di transazione e dalla possibilità di ricevere informazioni
pochi millisecondi prima degli altri operatori. Su questi aspetti si concentrano le
critiche di molti economisti che suggeriscono che gli HFT abbiano un vantaggio
a discapito degli altri operatori creando così un mercato a due livelli. Anche i
regolamentatori non forniscono una regola chiara, anzi, da un lato vietano di
rilasciare informazioni importanti a un sottoinsieme di investitori, dall’altro lato
invece permettono alle sedi di negoziazione di vendere feed di dati a chi ha
sottoscritto un servizio specifico.
Finanza comportamentale e Algoritmi
Ora che è stato descritto approfonditamente il fenomeno degli HFT si può
provare a trovare delle caratteristiche comuni con gli operatori umani,
caratterizzati principalmente dall’utilizzo implicito della finanza
comportamentale.
La finanza comportamentale è una disciplina abbastanza nuova emersa
intorno agli anni 80 che combina psicologia, sociologia, economia e finanza,
HFT around Institutional space
19
difatti quest’ultima studia gli effetti che tutti i fattori emotivi, sociali, cognitivi e
psicologici hanno sulle decisioni economiche delle persone. Tutte le definizioni
di finanza comportamentale hanno in comune l’irrazionalità, la non conformità
ai modelli e l’esistenza di pregiudizi, per questo il suo punto di partenza è
l’assenza di supporto empirico per le deviazioni dei modelli standard. Può
essere considerato, in qualche modo, l’opposto del trading algoritmico dal
momento che questi ultimi seguono una strategia predeterminata basata
sull’analisi tecnica dei mercati e non subiscono stress o emozioni.
Con l’economia neoclassica gli economisti svilupparono modelli in cui gli
individui erano considerati agenti egoisti e pienamente razionali sostenendo un
paradigma economico in cui l’economia è una scienza che deduce il
comportamento delle persone da supposizioni. Nello stesso periodo viene
anche creato il concetto di homo economicus, il cui comportamento è
completamente razionale. I 3 pilastri principali dell’economia neoclassica sono:
Le persone hanno preferenze razionali
Gli individui massimizzano sempre l’utilità mentre le imprese massimizzano
il profitto
Le persone prendono decisioni indipendenti sulla base di tutte le
informazioni pertinenti
L’economia neoclassica si avvale della funzione di utilità, infatti per arrivare
alla scelta ottimale gli individui valutano tutti i possibili pacchetti di beni e
scelgono quello che massimizza la loro utilità in base al loro vincolo di bilancio
solitamente rappresentato dal loro reddito. Gli economisti neoclassici
suggeriscono che per fare la scelta ottimale gli individui utilizzano l’intero
insieme di informazioni che hanno a disposizione, ma come spesso accade
quest’ultime non sono gratuite e in aggiunta le persone non sono in grado di
valutare un insieme enorme di informazioni.
UN’ANALISI MAGGIORMENTE APPROFONDITA SULL’ANALISI
COMPORTAMENTALE:
La teoria dell’utilità attesa di John Von Neumann e Oskar Morgenstern è stata
promossa per definire il comportamento razionale quando le persone
affrontano l’incertezza. Quest’ultima è una teoria normativa poiché descrive
come le persone dovrebbero comportarsi nel loro processo decisionale in
condizioni di incertezza. A sostegno della loro teoria hanno mutato alcune
proprietà assiomatiche per le preferenze, le più importanti sono l’ordine e
l’indipendenza.
Per quanto riguarda l’ordine hanno stabilito che un soggetto, date due
prospettive qualsiasi può sempre dichiarare l’una preferita all’altra, associando
a questa proprietà la completezza e la transitività. Il primo sottolinea il fatto che
tutti i potenziali prospect possono essere classificati, mentre il secondo
suggerisce che se A è preferito a B e B è preferito a C, automaticamente A sarà
preferito a C evitando così la creazione di preferenze cicliche. Invece per
quanto riguarda l’indipendenza hanno dichiarato che l’aggiunta di una certa
quantità non altera il rapporto di preferenza, presumendo inoltre che le
preferenze non si cambino nel tempo.
HFT around Institutional space
20
Una contraddizione alla teoria dell’utilità è il cosiddetto paradosso di Allais, che
dimostra che se aggiungiamo, sottraiamo, moltiplichiamo o dividiamo la stessa
quantità per tutti i risultati, le persone non si comportano in modo coerente.
Inoltre alcune evidenze hanno dimostrato che le decisioni delle persone non
sono sempre le stesse se il problema o la domanda sono presentati in maniera
diversa e quindi si può dedurre che la visione del problema e di conseguenza
della soluzione da parte di un soggetto è influenzata dalla modalità di
presentazione e dalla percezione della domanda. Un’alternativa a questa teoria
è la teoria del prospetto che descrive come effettivamente si comportano le
persone non basandosi su modelli rigorosi. In base al fatto che le persone a
seconda della natura del prospetto a volte mostrano avversione al rischio e
altre volte ricerca del rischio, questa teoria consente di cambiare gli
atteggiamenti. Le ricerche infatti evidenziano che le persone non si
preoccupano tanto del livello di ricchezza in sé ma piuttosto prendono in
considerazione i cambiamenti della ricchezza da un punto di riferimento e in
aggiunta è stato anche notato che gli individui tendono a sentire emotivamente
di più le perdite dei guadagni e con esso le è stato dimostrano che le persone
manifestano avversione al rischio nel dominio del guadagno e ricerca del
rischio nel dominio delle perdite.
I ricercatori hanno scoperto anche due diversi fenomeni che colpiscono gli
individui: l’effetto break even e l’effetto house money. Il primo suggerisce che il
rischio aumenta dopo la perdita, mentre il secondo si dice che venga fuori
quando qualcuno aumenta l’assunzione di rischi dopo dei profitti. Inoltre
riportando il focus sulla teoria del prospetto per fare un esempio pratico, risulta
più difficile chiudere una posizione in perdita poiché le perdite come detto in
precedenza influiscono maggiormente sull’emotività rispetto ai guadagni.
D’altro canto però è anche abbastanza difficile scegliere quando chiudere una
posizione profittevole siccome un individuo preso dall’avidità potrebbe
scegliere di chiuderla troppo presto. Shefrin e Statman infatti hanno osservato
che gli investitori realizzano guadagni più facilmente delle perdite ma
tendenzialmente le perdite sono maggiori dei guadagni, questo perché le
persone tendono a trattenere le azioni in perdita troppo a lungo ed a vendere
troppo presto le azioni con prestazioni positive. Questa tendenza a evitare di
chiudere le posizioni in perdita ed a mantenere troppo poco le posizioni in
profitto è nota come effetto di disposizione e il motivo è che una perdita è
dolorosa e difficile da accettare e per questo gli investitori decidono di detenere
per più tempo una posizione in perdita con la speranza che il mercato giri a loro
favore invece di chiudere la posizione e realizzare la perdita.
I modelli tradizionali non sopravvivono ai test empirici perché sembra che le
persone agiscano in un modo che non è razionale. A differenza del concetto di
homo economicus, sviluppato dai neo economisti, gli individui hanno
dimostrato che in alcuni casi distorcono inconsciamente le informazioni per
evitare incongruenze e spesso vedono un campione estratto a caso come
altamente rappresentativo. Ma alla fine ciò che conta è proprio il modo in cui le
informazioni vengono lette e comprese e nel caso di individui gli economisti
comportamentali dimostrano che la percezione è fortemente condizionata dal
proprio desiderio e dalle proprie aspettative, la memoria infatti restituisce
HFT around Institutional space
21
molteplici imprecisioni quando qualcuno cerca di ricordare situazioni o eventi.
Gli esseri umani quindi cercano una soluzione soddisfacente invece che
ottimale e questa è una conseguenza naturale della razionalità limitata che
porta a un processo decisionale non ottimale.
L’euristica può essere suddivisa in due categorie: euristica della familiarità ed
euristica seminale. Gli individui si sentono più a loro agio con ciò che è familiare
e per questo tendono a rimanere in una situazione di comodità rispetto
all’esplorazione di altre opzioni e proprio per questo tipicamente non prendono
nuove iniziative anche se potrebbero essere utili. Le persone sono resilienti ai
cambiamenti e preferiscono lo stato attuale, anche per questo è molto
probabile che gli individui continuino una linea d’azione poiché è stata quella
perseguita tradizionalmente anche se potrebbe non rientrare nei loro interessi.
Le euristiche seminali invece sono composte da ancoraggio, disponibilità e
rappresentatività dove l’ancoraggio si riferisce alla tendenza di attenersi a un
punto di riferimento arbitrario quando si effettuano inferenze, la disponibilità
suggerisce che si ritiene che gli eventi più facilmente richiamati dalla mente
siano anche quelli che si verificano con maggior probabilità e quindi si può
dedurre che gli individui tendano a calcolare la probabilità di un evento in base
a quanto facilmente se lo ricordano, e per ultima la rappresentatività che
suggerisce che le persone categorizzano utilizzando prototipi e giudizi.
Implicazioni euristiche nel processo decisionale finanziario
L’euristica sembra molto spesso un eccellente sistema decisionale per
risparmiare tempo e fatica ma a volte porta gli investitori a decisioni operative
sfortunate. La preferenza per le cose familiari si riflette anche sugli
investimenti, infatti i ricercatori hanno scoperto che gli investitori hanno una
tendenza ad investire maggiormente in titoli appartenenti alla propria nazione.
Per esempio un tipico investitore americano nel 1989 deteneva il 93,8% del suo
portafogli in azioni americane, un investitore giapponese il 98,1% in azioni
giapponesi e un investitore britannico l’82% in azioni britanniche. Questa
tendenza ad investire in titoli nazionali si chiama home bias e può diventare un
problema poiché un esposizione eccessiva porta a rinunciare ai guadagni
derivanti dalla diversificazione in altri paesi. Ci sono però diverse spiegazioni di
questo fenomeno che si possono raggruppare in due categorie: Razionali in
base alle implicazioni tra cui l’attraversamento dei confini nazionali, i tassi di
cambio, il rischio sovrano e le tasse di frontiera; come seconda invece
possiamo categorizzarla come una spiegazione comportamentale basata sulla
preferenza per la vicinanza geografica.
SPIEGAZIONE COMPORTAMENTALE DELLE EMOZIONI DEGLI INVESTITORI:
È abbastanza difficile dire se un’emozione sia buona o cattiva, dipende, può
essere buona perché l’anticipazione del rimpianto fa evitare di correre rischi
eccessivi, mentre può essere cattiva siccome a volte capita che prevale sugli
aspetti cognitivi. I movimenti del mercato sono comunemente attribuiti alle
emozioni degli operatori, ci sono prove infatti che ad esempio, il buon umore
derivante dal sole mattutino porta a rendimenti azionari più elevati, poiché il
HFT around Institutional space
22
sole al mattino può rendere le persone più ottimiste. È probabile che gli stati
d’animo abbiano effetti inconsci sul comportamento, infatti un ricercatore ha
scoperto che esiste una relazione statisticamente significativa fra i giorni
nuvolosi e i rendimenti nominali di 26 borse internazionali. Kamstra invece
(ricercatore) ha scoperto che l’effetto dell’ora legale porta a grandi perdite e
rendimenti negativi nei principali indici del mercato azionario. Inoltre alcune
ricerche dimostrano che le persone più felici sono più ottimiste e assegnano
maggiori probabilità agli eventi positivi senza però voler scommettere, in altre
parole gli individui sono più avversi al rischio quando sono felici ma senza però
arrivare all’esecuzione per non mettere a rischio il buon umore.
ORGOGLIO E RIMPIANTO:
Due emozioni molto utili per capire il comportamento degli investitori sono
proprio l’orgoglio e il rimpianto. Il rimpianto è il senso di responsabilità per gli
esiti negativi dovuti a una scelta operativa, ed è un emozione negativa che
viene amplificata se l’individuo ha causato una perdita ad altre persone. D’altra
parte l’orgoglio può essere considerato l’opposto del rimpianto, infatti
rappresenta la soddisfazione derivante dai propri successi. I ricercatori
riconoscono l’importanza che il rimpianto e l’orgoglio possono avere sulle
decisioni operative e da questo deducono che gli operatori sono fortemente
motivati a evitare il rimpianto. È importante anche notare che l’effetto di queste
due emozioni è asimmetrico e che il rimpianto venga sentito maggiormente.
IL CERVELLO DEI TRADER:
Alcuni scienziati affermano che gli operatori sui mercati finanziari hanno
conoscenze che non possono esprimere a parole, questo perché i mercati sono
più complessi del linguaggio che abbiamo per descriverli e come sempre
l’eccellenza nella maggior parte dei campi richiede molta competenza. Ma cosa
rende un operatore competente e profittevole? Osservando il mercato
possiamo vedere che un operatore può istintivamente conoscere la strategia
che vuole perseguire, ma in molte circostanze diversi trader con la stessa
strategia effettueranno acquisizioni o vendite simili ma dando spiegazioni
diverse alla loro posizione. Hanno visto le stesse informazioni, agito nello
stesso modo ma hanno capito il loro comportamento in modo diverso e da
questo si può dedurre che questi operatori hanno preso le loro decisioni
basandosi sull’istinto e non sempre sulla valutazione cognitiva. Come sempre
conoscere le regole dei giochi e una buona dose di pratica sono elementi chiave
per il successo e proprio per questo gli operatori di successo dedicano molto
tempo alla pratica, il ché a sua volta da loro la possibilità di collegare le loro
conoscenze all’azione che dovrebbero intraprendere. Grazie ai recenti sviluppi
della neuro finanza gli scienziati sono in grado di esaminare come si comporta
il cervello mentre un individuo si occupa di decisioni finanziare. Le risposte
automatiche spesso stimolano l’amigdala (all’interno del sistema limbico
regola le risposte emotive) mentre le risposte controllate stimolano il proencefalo o corteccia pre-frontale che gestisce le funzioni esecutive (gestione
emozioni, memoria, attenzione, flessibilità cognitiva e controllo inibitorio).
I neuro scienziati hanno indagato su varie quesiti e si è scoperto che quei trader
le cui reazioni a profitti o perdite sono più intense sono anche gli stessi che poi
HFT around Institutional space
23
hanno prestazioni peggiori suggerendo la necessità di emozioni più equilibrate.
Lo e Replin hanno dimostrato che anche gli operatori più esperti mostrano una
risposta emotiva significativa durante l’attività di trading sotto grande volatilità
ed inoltre è stato anche notato che quando si prevedono guadagni si attiva una
regione sottocorticale chiamata nucleo Accumbens. Questa regione ricca di
dopamina si attiva solo con i guadagni e non con le perdite suggerendo
un’esperienza differenziale tra di loro.
Anche i rischi e l’incertezza vengono elaborati in modi diversi, i ricercatori
dimostrano che di fronte all’incertezza le regioni del cervello più attive sono la
corteccia orbito frontale e l’amigdala (entrambe le regioni integrano emozione e
cognizione) mentre di fronte al rischio le aree cerebrali che rispondono sono i
lobi parietali. Da questo quindi si può dedurre che il rischio porta a una reazione
cognitiva mentre l’incertezza sembra innescare una risposta emotiva. Nel
corso di alcune ricerche è emerso che quando i tempi diventano incerti, come
può accadere durante una crisi, l’incapacità degli operatori di prevedere la
distribuzione dei rendimenti futuri li sposta da una risposta razionale ad una
emotiva diffondendo la riluttanza a detenere asset rischiosi ed esacerbando i
cali di mercato.
Si può concludere ricordando che gli individui sono soggetti a pregiudizi
cognitivi ed emotivi e in particolare le emozioni giocano un ruolo fondamentale
nel processo decisionale, in alcuni casi prevalendo anche sugli aspetti
cognitivi. Per questo motivo un operatore di successo deve essere
emotivamente stabile essendo consapevole di questi effetti emotivi e cercando
di mediarli con competenze e capacità cognitive.
INVESTIRE SECONDO LA FINANZA COMPORTAMENTALE:
Con gli investimenti comportamentali gli economisti considerano il tentativo di
migliorare le performance del portafoglio applicando le conoscenze della
finanza comportamentale. Sono state descritte una serie di anomalie di
mercato come per esempio l’effetto gennaio, ovvero la tendenza dei rendimenti
ad essere più alti nel primo mese dell’anno, oppure l’effetto dell’inizio
settimana, ovvero la tendenza dei rendimenti ad essere minori il lunedì; ma una
volta che una determinata anomalia viene segnalata o pian piano scompare
oppure si riduce col tempo. Ciò dimostra un approccio ad eliminare le anomalie
nel tentativo di aumentare l’efficienza del mercato. Parlando di investitori ci
sono prove che mostrano un eccesso di fiducia fra di loro e la conseguenza di
ciò è un trading eccessivo. Per eccesso di fiducia si intende un investitore che
crede fortemente nella propria capacità di valutare un titolo finanziario, ma
ovviamente nemmeno gli operatori più short term sono immuni da essa.
Sembra abbastanza logico pensare che le persone ricordino i loro successi e
fallimenti con la stessa chiarezza e quindi passare a una visione accurata nel
tempo con in aggiunta l’esperienza favorirebbe il processo, ma una prevalenza
dell’eccesso di fiducia poi diventa difficile da eliminare.
Inoltre dovremmo anche ricordare che il bias di auto attribuzione induce le
persone a ricordare i loro successi con grande chiarezza, il bias del senno di poi
le induce a idealizzare la loro memoria in ciò che crediamo e abbiamo previsto
in precedenza e il bias di conferma evidenzia la tendenza a cercare prove
HFT around Institutional space
24
coerenti con le proprie convinzioni precedenti ignorando i dati contrastanti. Due
ricercatori ricollegandosi alla fiducia in sé hanno affermato che il successo
passato amplifica grandemente l’eccesso di fiducia mentre i fallimenti passati
al contrario tendono ad essere minimizzati, pertanto si può ipotizzare che
quegli operatori che hanno avuto buoni risultati e successo potrebbero essere
più inclini ad essere troppo sicuri di sé rispetto ad altri. L’effetto di disposizione
può anche essere spiegato da un’eccessiva fiducia in se stessi, talvolta
facendo cadere nell’errore di essere troppo legato a convinzioni passate
scartando così informazioni negative che spingono la posizione presa verso la
parte opposta, mantenendo perdite eccessive e prendendosi più rischi di quelli
previsti. Pertanto l’evidenza mostra che gli operatori che hanno subito delle
perdite nella prima metà della giornata tendono ad aumentare il rischio
ottenendo scarse prestazioni.
Conclusioni
Numerose e articolate sono le realtà all’interno dei mercati dei capitali ma una
delle più recenti e probabilmente più concrete sono proprio i modelli ad alta
frequenza. Questa nuova tecnologia è stata più volte criticata ed è ancora oggi
al centro di molte discussioni, ma rappresenta un fenomeno talmente grande e
profondo che è impossibile trovare un punto di mezzo fra critici e sostenitori: da
una parte abbiamo la maggior efficenza dei prezzi, la riduzione dello spread bid
& ask, la riduzione della volatilità e l’aumento dell’efficenza e della liquidità a
mercato; dall’altra ci sono alcune strategie al confine tra la legalità di utilizzo e
l’illegalità con la creazione di disuguaglianze al suo interno.
Non si può ignorare il ruolo che la tecnologia gioca al giorno d’oggi nelle nostre
vite ed è quasi impossibile immaginare un mondo senza di essa. Allo stesso
tempo però come accaduto nella vita di tutti giorni ci sono stati grandi sviluppi
all’interno dei mercati finanziari dove gli algoritmi hanno prima aiutato le
persone ed ora pian piano le stanno sostituendo creando un modello più
efficace, almeno per quanto riguarda le transazioni all’ordine dei millisecondi.
Infatti il trading ad alta frequenza ha dato un cambiamento sostanziale su
come vengono effettuate le operazioni introducendo una velocità di esecuzione
nemmeno immaginabile fino a pochi anni fa. Proprio per questo stiamo
entrando in un nuovo mondo, citando Sean Gourley “Nel mondo delle
macchine”.
Un aspetto molto importante però da tenere bene a mente è che un algoritmo ad
alta frequenza è redditizio all’incirca per 3-6 mesi e richiede delle revisioni più
o meno ogni due settimane, mentre uno nuovo appena sviluppato richiede un
attenzione costante. Da qua si può dedurre che quindi gli
operatori/programmatori devono costantemente sviluppare nuovi algoritmi per
non perdere il loro vantaggio a mercato. Anche se l’obbiettivo del futuro non
sarà la velocità degli algoritmi, continuerà a svolgere un ruolo molto importante
e la sua evoluzione potrebbe essere l’utilizzo delle micro-onde invece che i cavi
ottici, questo perché i segnali viaggiano più velocemente attraverso l’aria
rispetto che attraverso i cavi, infatti è stato calcolato che i sistemi a micro-onde
HFT around Institutional space
25
riducono del 40% il tempo necessario per accedere al mercato tra New York e
Chicago portando il tempo da 8.3 millisecondi che richiedere un cavo ottico a
un range che va dai 4.6 ai 4.74 millisecondi che richiedono le micro-onde.
HFT around Institutional space
26