Estratégia de negociação hft

Estratégias e segredos de empresas de negociação de alta frequência (HFT).

Sigilo, Estratégia e Velocidade são os termos que melhor definem as empresas de negociação de alta frequência (HFT) e, na verdade, o setor financeiro em geral, como existe hoje.

As empresas de HFT são sigilosas sobre suas formas de operação e chaves para o sucesso. As pessoas importantes associadas à HFT ignoraram a publicidade e preferiram ser menos conhecidas, embora isso esteja mudando agora.

As empresas do negócio de HFT operam através de múltiplas estratégias para negociar e ganhar dinheiro. As estratégias incluem diferentes formas de arbitragem - arbitragem de índice, arbitragem de volatilidade, arbitragem estatística e arbitragem de fusão junto com macro global, patrimônio a granel / longo, mercado passivo e assim por diante.

O HFT conta com a velocidade ultrarrápida do software de computador, acesso a dados (NASDAQ TotalView-ITCH, NYSE OpenBook, etc.) a importantes recursos e conectividade com latência mínima (atraso).

Vamos explorar um pouco mais sobre os tipos de empresas de HFT, suas estratégias para ganhar dinheiro, grandes players e muito mais.

As empresas de HFT geralmente usam dinheiro privado, tecnologia privada e várias estratégias privadas para gerar lucros. As empresas de negociação de alta frequência podem ser divididas amplamente em três tipos.

A forma mais comum e maior de empresa de HFT é a empresa proprietária independente. A negociação proprietária (ou "negociação prop") é executada com o dinheiro da empresa e não dos clientes. Da mesma forma, os lucros são para a empresa e não para clientes externos. Algumas empresas HTF são uma parte subsidiária de uma corretora. Muitas das corretoras regulares possuem uma subseção conhecida como mesas de operações proprietárias, onde a HFT é feita. Esta seção é separada do negócio que a empresa faz para seus clientes externos regulares. Por fim, as firmas de HFT também operam como hedge funds. Seu foco principal é lucrar com as ineficiências na precificação de títulos e outras categorias de ativos usando arbitragem.

Antes da Regra Volcker, muitos bancos de investimento tinham segmentos dedicados ao HFT. Pós-Volcker, nenhum banco comercial pode ter agências negociadoras proprietárias ou quaisquer investimentos em fundos de hedge. Embora todos os grandes bancos tenham fechado suas lojas de HFT, alguns desses bancos ainda enfrentam alegações sobre uma possível má conduta relacionada a HFT conduzida no passado.

Existem muitas estratégias empregadas pelos comerciantes proprietários para ganhar dinheiro para suas empresas; alguns são bastante comuns, alguns são mais controversos.

Essas empresas negociam de ambos os lados, ou seja, fazem pedidos de compra e venda usando ordens de limite que estão acima do mercado atual (no caso de venda) e ligeiramente abaixo do preço de mercado atual (no caso de compra). A diferença entre os dois é o lucro que eles acumulam. Assim, essas firmas se entregam ao "mercado" apenas para lucrar com a diferença entre o spread de compra e venda. Essas transações são realizadas por computadores de alta velocidade usando algoritmos. Outra fonte de renda para as empresas de HFT é que elas são pagas para fornecer liquidez pelas Redes de Comunicações Eletrônicas (ECNs) e algumas bolsas de valores. As empresas de HFT desempenham o papel de criadoras de mercado criando spreads bid-ask, produzindo ações de baixo volume e alto volume (favoritos típicos para HFT) muitas vezes em um único dia. Essas empresas protegem o risco, eliminando o comércio e criando um novo. (Veja: Escolha de Melhores Negociantes de Alta Frequência de Ações (HFTs)) Outra maneira de essas empresas ganharem dinheiro é procurando por discrepâncias de preço entre os títulos em diferentes bolsas ou classes de ativos. Essa estratégia é chamada de arbitragem estatística, na qual um trader proprietário está à procura de inconsistências temporárias nos preços em diferentes bolsas. Com a ajuda de transações ultrarrápidas, eles aproveitam essas pequenas flutuações que muitos nem percebem. Empresas de HFT também ganham dinheiro se entregando à ignição momentum. A empresa pode tentar causar um aumento no preço de uma ação, usando uma série de negociações com o objetivo de atrair outros operadores de algoritmos para negociar essa ação. O instigador de todo o processo sabe que depois do movimento rápido de preços “artificialmente criado”, o preço reverte ao normal e, assim, o comerciante lucra tomando uma posição antecipada e, eventualmente, negociando antes que ele fracasse. (Leitura relacionada: Como o investidor de varejo lucra com a negociação de alta frequência)

O mundo da HFT tem jogadores que variam de pequenas empresas a médias empresas e grandes players. Alguns nomes da indústria (em nenhuma ordem particular) são Automated Trading Desk (ATD), Chopper Trading, DRW Holdings LLC, Tradebot Systems Inc., KCG Holdings Inc. (fusão de GETCO e Knight Capital), Susquehanna International Group LLP ( SIG), a Virtu Financial, a Allston Trading LLC, a Geneva Trading, a Hudson River Trading (HRT), a Jump Trading, a Five Rings Capital LLC, a Jane Street, etc.

As firmas envolvidas em HFTs frequentemente enfrentam riscos relacionados a anomalias de software, condições dinâmicas de mercado, bem como regulamentos e conformidade. Uma das instâncias flagrantes foi um fiasco ocorrido em 1º de agosto de 2012, que levou a Knight Capital Group à falência - perdeu US $ 400 milhões em menos de uma hora após a abertura dos mercados naquele dia. A "falha de negociação", causada por um mau funcionamento do algoritmo, levou a um comércio errático e a ordens ruins em 150 ações diferentes. A empresa acabou sendo resgatada. Essas empresas têm que trabalhar em sua gestão de riscos, uma vez que se espera que elas garantam muita conformidade regulatória, além de enfrentar desafios operacionais e tecnológicos.

Noções básicas de negociação algorítmica: conceitos e exemplos.

Um algoritmo é um conjunto específico de instruções claramente definidas destinadas a realizar uma tarefa ou processo.

O comércio algorítmico (negociação automatizada, negociação de caixa preta ou simplesmente negociação de algoritmos) é o processo de usar computadores programados para seguir um conjunto definido de instruções para fazer uma negociação, a fim de gerar lucros a uma velocidade e freqüência impossíveis para uma negociação. comerciante humano. Os conjuntos de regras definidos são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Para além das oportunidades de lucro para o comerciante, a negociação de algoritmos torna os mercados mais líquidos e torna o comércio mais sistemático ao excluir os impactos humanos emocionais nas atividades de negociação. (Para mais, confira Escolhendo o Software de Negociação Algorítmica Certo.)

Suponha que um comerciante siga estes critérios comerciais simples:

Compre 50 ações de uma ação quando a média móvel de 50 dias ultrapassar a média móvel de 200 dias Venda ações da ação quando a média móvel de 50 dias ficar abaixo da média móvel de 200 dias.

Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitore automaticamente o preço das ações (e os indicadores de média móvel) e coloque as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais ficar de olho nos preços e gráficos ao vivo, ou colocar os pedidos manualmente. O sistema de negociação algorítmica faz isso automaticamente, identificando corretamente a oportunidade de negociação. (Para mais informações sobre médias móveis, consulte Médias móveis simples Faça as tendências se destacarem.)

[Se você quiser aprender mais sobre as estratégias comprovadas e no ponto que podem, eventualmente, ser trabalhadas em um sistema de negociação alorítimo, confira o curso Torne-se um Day Trader da Investopedia Academy. ]

Benefícios do comércio algorítmico.

Algo-trading fornece os seguintes benefícios:

Negociações executadas com os melhores preços Possibilidade de colocação imediata e imediata de ordens (com altas chances de execução nos níveis desejados) Negociações cronometradas correta e instantaneamente, para evitar mudanças significativas nos preços Redução dos custos de transação (veja o exemplo de déficit de implementação abaixo) Verificações automatizadas simultâneas em múltiplos condições de mercado Risco reduzido de erros manuais na colocação dos negócios Backtest o algoritmo, com base em dados históricos e em tempo real disponíveis Reduzida possibilidade de erros por parte de comerciantes humanos com base em fatores emocionais e psicológicos.

A maior parte da negociação de algoritmos atuais é a negociação de alta frequência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em vários mercados e vários parâmetros de decisão, com base em instruções pré-programadas. (Para mais informações sobre negociação de alta frequência, consulte Estratégias e segredos de empresas de negociação de alta frequência (HFT).)

O comércio de algo é usado em muitas formas de atividades de negociação e investimento, incluindo:

Investidores de médio a longo prazo ou empresas compradoras (fundos de pensão, fundos mútuos, seguradoras) que compram em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e de grande volume. Comerciantes de curto prazo e participantes do lado da venda (formadores de mercado, especuladores e arbitradores) se beneficiam da execução automatizada do comércio; Além disso, o comércio de algo ajuda a criar liquidez suficiente para os vendedores no mercado. Comerciantes sistemáticos (seguidores de tendências, pares de traders, hedge funds, etc.) acham muito mais eficiente programar suas regras de negociação e permitir que o programa troque automaticamente.

O comércio algorítmico fornece uma abordagem mais sistemática ao comércio ativo do que métodos baseados na intuição ou instinto de um comerciante humano.

Estratégias de Negociação Algorítmica.

Qualquer estratégia para negociação algorítmica requer uma oportunidade identificada que seja lucrativa em termos de ganhos aprimorados ou redução de custos. A seguir estão as estratégias de negociação comuns usadas no comércio de algo:

As estratégias de negociação algorítmica mais comuns seguem as tendências de médias móveis, desvios de canal, movimentos de níveis de preços e indicadores técnicos relacionados. Essas são as estratégias mais fáceis e simples de implementar por meio do comércio algorítmico, porque essas estratégias não envolvem previsões nem previsões de preços. As negociações são iniciadas com base na ocorrência de tendências desejáveis, que são fáceis e diretas de implementar por meio de algoritmos, sem entrar na complexidade da análise preditiva. O exemplo acima mencionado de média móvel de 50 e 200 dias é uma tendência popular seguindo a estratégia. (Para mais informações sobre estratégias de negociação de tendências, consulte: Estratégias simples para capitalizar tendências.)

Comprar uma ação com cotação dupla a um preço menor em um mercado e, simultaneamente, vendê-la a um preço mais alto em outro mercado oferece o diferencial de preço como lucro ou arbitragem isenta de risco. A mesma operação pode ser replicada para ações versus instrumentos futuros, já que os diferenciais de preço existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preço e colocar as ordens permite oportunidades lucrativas de maneira eficiente.

Os fundos de índices definiram períodos de reequilíbrio para aproximar seus investimentos aos seus respectivos índices de referência. Isso cria oportunidades lucrativas para os operadores algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos básicos, dependendo do número de ações no fundo de índice, imediatamente antes do rebalanceamento do fundo de índice. Tais negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.

Muitos modelos matemáticos comprovados, como a estratégia de negociação delta-neutral, que permitem negociar com combinação de opções e seu título subjacente, onde são feitas negociações para compensar deltas positivos e negativos, de modo que o delta do portfólio seja mantido em zero.

A estratégia de reversão à média baseia-se na ideia de que os preços altos e baixos de um ativo são um fenômeno temporário que revertem para o seu valor médio periodicamente. Identificar e definir uma faixa de preço e implementar um algoritmo com base nisso permite que os negócios sejam colocados automaticamente quando o preço do ativo entra e sai de seu intervalo definido.

A estratégia de preço médio ponderado por volume divide uma ordem grande e libera pedaços menores da ordem para o mercado, determinados dinamicamente, usando perfis de volume histórico específicos do estoque. O objetivo é executar o pedido próximo ao Preço Médio Ponderado pelo Volume (VWAP), beneficiando, assim, no preço médio.

A estratégia de preço médio ponderada pelo tempo quebra uma ordem grande e libera dinamicamente pedaços menores da ordem para o mercado usando intervalos de tempo divididos uniformemente entre um horário de início e de término. O objetivo é executar o pedido próximo ao preço médio entre os horários inicial e final, minimizando o impacto no mercado.

Até que a ordem de negociação esteja totalmente preenchida, este algoritmo continua enviando ordens parciais, de acordo com a taxa de participação definida e de acordo com o volume negociado nos mercados. A "estratégia de etapas" relacionada envia pedidos em uma porcentagem definida pelo usuário de volumes de mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge níveis definidos pelo usuário.

A estratégia de déficit de implementação visa minimizar o custo de execução de um pedido negociando o mercado em tempo real, economizando assim no custo do pedido e se beneficiando do custo de oportunidade de execução atrasada. A estratégia aumentará a taxa de participação visada quando o preço das ações se mover favoravelmente e diminuirá quando o preço das ações se mover negativamente.

Existem algumas classes especiais de algoritmos que tentam identificar “acontecimentos” do outro lado. Esses "algoritmos de farejamento", usados, por exemplo, por um criador de mercado do lado da venda, têm a inteligência incorporada para identificar a existência de quaisquer algoritmos no lado da compra de uma ordem grande. Essa detecção por meio de algoritmos ajudará o criador de mercado a identificar grandes oportunidades de pedidos e possibilitará que ele se beneficie com o preenchimento dos pedidos a um preço mais alto. Às vezes, isso é identificado como front-running de alta tecnologia. (Para mais informações sobre comércio de alta frequência e práticas fraudulentas, consulte: Se você comprar ações on-line, você está envolvido em HFTs.)

Requisitos técnicos para negociação algorítmica.

Implementar o algoritmo usando um programa de computador é a última parte, batida com backtesting. O desafio é transformar a estratégia identificada em um processo informatizado integrado que tenha acesso a uma conta de negociação para fazer pedidos. Os seguintes são necessários:

Conhecimentos de programação de computadores para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricados. Conectividade de rede e acesso a plataformas de negociação para colocação de pedidos. Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de fazer pedidos. para backtest o sistema, uma vez construído, antes de ir viver em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.

Aqui está um exemplo abrangente: A Royal Dutch Shell (RDS) está listada na Bolsa de Valores de Amsterdã (AEX) e na Bolsa de Valores de Londres (LSE). Vamos criar um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes:

AEX negocia em Euros, enquanto a LSE negocia em Libras Esterlinas Devido à diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguida pelas duas bolsas sendo negociadas simultaneamente pelas próximas horas e negociando apenas na LSE durante a última hora conforme a AEX fecha .

Podemos explorar a possibilidade de negociação de arbitragem sobre as ações da Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes?

Um programa de computador que pode ler os preços de mercado atuais Feeds de preços de LSE e AEX Um feed de taxa de câmbio para taxa de câmbio de GBP-EUR Capacidade de colocação de pedidos que pode encaminhar o pedido para a capacidade correta de troca.

O programa de computador deve executar o seguinte:

Leia o feed de preço recebido do estoque RDS de ambas as trocas Usando as taxas de câmbio disponíveis, converta o preço de uma moeda para outra Se houver uma discrepância de preço suficiente (descontando os custos de corretagem) levando a uma oportunidade lucrativa, coloque a compra ordem em troca de preço mais baixo e ordem de venda em troca de preço mais alto Se as ordens forem executadas como desejado, o lucro da arbitragem seguirá.

Simples e fácil! No entanto, a prática de negociação algorítmica não é tão simples de manter e executar. Lembre-se, se você puder colocar uma negociação gerada por algoritmos, os outros participantes do mercado também poderão. Consequentemente, os preços flutuam em milissegundos e até microssegundos. No exemplo acima, o que acontece se a transação de compra for executada, mas o comércio de venda não é feito, pois os preços de venda mudam no momento em que seu pedido chega ao mercado? Você vai acabar sentado com uma posição aberta, fazendo com que sua estratégia de arbitragem seja inútil.

Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos entre ordens de negociação e execução e, o mais importante de tudo, algoritmos imperfeitos. Quanto mais complexo for um algoritmo, o backtesting mais rigoroso é necessário antes de ser colocado em ação.

The Bottom Line.

A análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinada criticamente. É emocionante usar a automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso garantir que o sistema seja completamente testado e que os limites necessários sejam definidos. Comerciantes analíticos devem considerar aprender programação e construir sistemas por conta própria, para ter confiança em implementar as estratégias corretas de maneira infalível. Uso cauteloso e testes completos de negociação de algoritmos podem criar oportunidades lucrativas. (Para mais, veja Como codificar seu próprio robô de negociação da Algo.)

Negociação de alta frequência: tudo o que você precisa saber.

No rescaldo do livro de Michael Lewis, "Flash Boys", tem havido um renovado aumento no interesse pelo High Frequency Trading. Infelizmente, muito disso é conflituoso, tendencioso, excessivamente técnico ou simplesmente errado. E como não podemos presumir que todos os interessados ​​tenham sido acompanhados por nossos 5 anos de cobertura de um tópico que finalmente ganhou seu dia no centro das atenções, abaixo está um resumo simples para todos.

Com certeza, o pensamento por trás da HFT é dificilmente revolucionário, ou até mesmo novo. Embora hoje a HFT esteja intimamente associada a computadores de alta velocidade, a HFT é um termo relativo, descrevendo como os participantes do mercado usam a tecnologia para obter informações e agir sobre ela antes do restante do mercado. Perto do advento do telescópio, os mercadores do mercado usavam telescópios e olhavam para o mar para determinar a carga dos navios mercantes que chegavam. Se o comerciante pudesse determinar quais mercadorias iriam chegar em breve a esses navios, eles poderiam vender seu suprimento em excesso no mercado antes que as mercadorias recebidas pudessem introduzir concorrência de preços.

Dito isso, a proliferação real da tecnologia no comércio começou a sério na década de 1960 com a chegada do NASDAQ, a primeira troca de computadores pesados.

Ironicamente, enquanto alguma forma de HFT existe há muito tempo, seu verdadeiro "potencial" foi revelado pela primeira vez em outubro de 1987 com o primeiro crash do mercado inteiro, que resultou de uma propagação exponencial do comércio de programas, que no momento com a HFT Ninguém realmente entendeu. E mesmo que alguns pensassem que a Segunda-Feira Negra teria ensinado aos comerciantes e aos reguladores uma lição, ela apenas acelerou a incursão de negociações computadorizadas e de qualidade em mercados regulares, a tal ponto que a HFT agora responde por quase três quartos de todo o volume negociado , enquanto dark pools e outros "off exchange venues" - ou mais mercados que não são facilmente acessíveis à maioria - respondem por até 40% de todas as negociações totais por volume, acima dos 16% há seis anos.

A cronologia aproximada da negociação algorítmica, da qual a HFT é um subconjunto, é mostrada na linha do tempo abaixo.

Ao longo da última década, após iniciativas regulamentares destinadas a criar concorrência entre plataformas de negociação principalmente como resultado da revisão do Regulamento do Sistema do Mercado Nacional (ou reg NMS), o mercado de ações se fragmentou. A liquidez está agora dispersa em muitos locais de negociação de ações e pools escuros. Essa complexidade, combinada com as plataformas de negociação que se tornam eletrônicas, criou oportunidades de lucro para players tecnologicamente sofisticados. Os operadores de alta frequência usam conexões de velocidade ultraelevada com espaços de negociação e algoritmos de negociação sofisticados para explorar ineficiências criadas pela nova estrutura de mercado e para identificar padrões em negociações de terceiros que podem ser usados ​​em proveito próprio.

Para os investidores tradicionais, no entanto, essas novas condições de mercado são menos bem-vindas. Os investidores institucionais encontram-se atrás desses novos concorrentes, em grande parte porque o jogo mudou e porque não possuem as ferramentas necessárias para competir efetivamente.

Em resumo: O papel do comerciante humano evoluiu. Eles agora também precisam entender como funcionam vários métodos de negociação eletrônica, quando usá-los e quando estar cientes daqueles que podem afetar adversamente seus negócios.

A competição no mercado local começou com o regulamento do Sistema de Comércio Alternativo de 1998. Este foi introduzido para fornecer uma estrutura para a competição entre as plataformas de negociação. Em 2007, o regulamento do Sistema Nacional do Mercado ampliou a estrutura exigindo que os comerciantes acessassem o “melhor preço exibido” disponível em um mercado visível automatizado. Essas regulamentações visavam promover a formação eficiente e justa de preços nos mercados de ações. Como novos locais competiram com sucesso pelo volume de comércio, a liquidez do mercado se fragmentou nesses locais.

Os participantes do mercado que buscam liquidez são obrigados por obrigações regulatórias a ter acesso a liquidez visível pelo melhor preço, o que pode exigir que incorporem novas tecnologias que possam acessar a liquidez fragmentada entre as plataformas de negociação. Essas tecnologias podem incluir tecnologia de roteamento e algoritmos que reagrupam a liquidez fragmentada. As Dark Pools - plataformas de negociação originalmente projetadas para negociar anonimamente grandes pedidos de blocos eletronicamente - começaram a expandir seu papel e negociar pedidos menores. Isso permitiu que os revendedores internalizassem seus fluxos e investidores institucionais para ocultar seus pedidos em bloco dos oportunistas do mercado.

O uso dessas tecnologias pode levar ao vazamento de informações comerciais que podem ser exploradas por operadores oportunistas. A informação é vazada quando os algoritmos eletrônicos revelam padrões em sua atividade de negociação. Esses padrões podem ser detectados por HFTs que, então, fazem negócios que lucram com eles. A competição por liquidez encorajou as plataformas de negociação a mudar do modelo de utilidade tradicional, onde cada lado de uma transação seria cobrado, a modelos em que os locais cobram por serviços tecnológicos, pagar aos participantes para fornecer liquidez e cobrar dos participantes que removam a liquidez. Muitos locais de negociação se tornaram fornecedores de tecnologia.

Os corretores-corretores perceberam que muitas vezes a parte está pagando a taxa de execução da transação, que é usada pelos locais para pagar aos comerciantes oportunistas um desconto por fornecer liquidez. Para evitar o pagamento dessas taxas e internalizar seu valioso fluxo ativo desinformado, especialmente de clientes de varejo, os corretores também estabeleceram dark pools. Ao internalizar seu fluxo ou, em muitos casos, vendê-lo para firmas proprietárias de trading, elas podem evitar o pagamento das taxas de negociação que os locais cobram para remover a liquidez de seus livros de ordens.

A ironia é que, em sua tentativa de simplificar e simplificar o mercado com Reg ATS e Reg NMS, os reguladores criaram a mais avançada miscelânea de locais de negociação, nós de vazamento de informações e incontáveis ​​oportunidades de entrar em blocos institucionais e de varejo.

Antes de continuarmos, vamos dar uma olhada em talvez o conceito mais crítico e incompreendido, que os defensores da HFT estão muito felizes em usar sem realmente entender o que isso significa.

Há mais: conforme explicamos em agosto de 2009, o termo correto para focar não é liquidez, mas o déficit de implementação, também conhecido como Slippage, que é o HFTs cobrados dos investidores - esse é, em média, o custo de espalhar e percorrer. Custos de Impedimento da Implementação (IS) - compostos por 2 peças: Custos de Atraso no Momento - Qualquer custo de atraso incorrido entre a Decisão Inicial (Aberta no Dia 1) e o Preço de Posição do Corretor. Pense nisso como o custo de buscar liquidez; e Custos de Impacto no Mercado - Variação de preço entre o momento em que a Ordem é colocada na Corretora e o eventual preço de negociação. (aqueles curiosos para aprender mais sobre as nuances podem fazê-lo neste link).

É essa ligação inextricável entre o local e os algos que dominam o local, o que levou muitos a sugerir - corretamente - que um dos principais culpados pela proliferação de HFT é o modelo de negócios de troca dominante, conhecido como modelo Maker-Taker, em que o provedor de liquidez é pago (em termos práticos, significa pagar àqueles que fornecem liquidez ordens com limite, mesmo que as ordens limitadas sejam meras ordens subtisiadas de um grande bloco de ordens), enquanto cobram os tomadores de liquidez (aqueles que tiram liquidez com ordens de mercado). Isso está resumido no painel abaixo.

Não importa a razão, uma coisa é certa: o uso da HFT explodiu.

Com os mercados de ações se tornando eletrônicos e os preços cotados pelo centavo (em oposição aos oitavos anteriores de um dólar), os tradicionais criadores de mercado “manuais” têm dificuldade em acompanhar as novas empresas tecnologicamente experientes. O campo de jogo tem sido inclinado em favor dos HFTs, que usam computadores de alta velocidade, conectividade de baixa latência e feeds de dados diretos de baixa latência para realizar o alpha oculto. ou como alguns o chamam - frontrunning.

Os HFTs podem seguir estratégias ativas, passivas ou híbridas. HFTs passivos empregam estratégias de mercado que buscam ganhar tanto o spread de oferta / oferta quanto os descontos pagos pelos locais de negociação como incentivos para o lançamento de liquidez. Eles fazem isso de forma eficiente em vários estoques simultaneamente, utilizando todo o potencial de seu hardware de computador, tecnologia fornecida pelo local e modelos estatísticos. Essa estratégia é comumente conhecida como Electronic Liquidity Provision (ELP), ou arbitragem de desconto.

Essas estratégias de ELP também podem ser detectores de sinais. Por exemplo, quando as estratégias ELP são adversamente afetadas por um preço que altera o spread atual de compra / venda, isso pode indicar a presença de uma grande ordem de bloqueio institucional. Um HFT pode então usar essa informação para iniciar uma estratégia ativa para extrair o alfa desta nova informação.

HFTs ativos monitoram o roteamento de grandes pedidos, observando a sequência em que os locais são acessados. Uma vez que uma grande ordem é detectada, a HFT irá, então, negociar antecipadamente, antecipando o impacto futuro do mercado que geralmente acompanha ordens consideráveis. A HFT fechará sua posição quando acreditar que a grande encomenda terminou. O resultado dessa estratégia é que o HFT agora se beneficiou do impacto do grande pedido. A preocupação do investidor institucional, que originalmente submeteu a grande encomenda, é que seu impacto no mercado é amplificado por essa atividade de HFT e, assim, reduz seu alfa. Os HFTs mais sofisticados usam técnicas de aprendizado de máquina e inteligência artificial para extrair o alfa do conhecimento da estrutura do mercado e das informações do fluxo de pedidos.

A presença comum de HFT também significa que uma das principais considerações ao fazer um pedido é o "roteamento inteligente de pedidos", que leva em consideração conceitos como a arbitragem de latência e o tamanho do pedido. Isso é mais simplificado no painel abaixo.

O que nos leva ao tema de saber se todas as HFTs estão simplesmente disponíveis, por legal que seja, e permitindo que empresas como a Virtu divulguem lucros de "provisão de liquidez", "negociando" 1.237 de 1.238 pregões. A resposta - não. Pelo menos não explicitamente. A lista completa de estratégias de HFT, dividida pelo seu impacto em várias partes interessadas, é mostrada abaixo. Novamente, pelo menos no papel, algumas estratégias são benéficas, principalmente para o investidor de varejo. A maior questão, no entanto, é - existe algo como um investidor de varejo deixado em um momento em que o volume de negociações do mercado caiu para níveis baixos da década, e onde a HFT agora compreende a maior parte do volume aceso.

E enquanto no papel HFT fornece benefício, a realidade é que, na prática, as consequências do HFT são quase negativas. Deixando de lado as implicações éticas de se considerarmos legal ou não legal, as conseqüências não intencionais muito maiores da HFT é que ela tornou os locais de negociação inerentemente muito mais instáveis ​​e propensos a acidentes súbitos e inexplicáveis. Deixando de lado o crash mais conhecido do mercado de HFT, o “flash crash” de maio de 2010, mais recentemente o mercado sofreu vários eventos adversos como consequência do novo ambiente de mercado fragmentado e com fins lucrativos. Em alguns casos, esses eventos resultaram da interação imprevisível dos algoritmos de negociação; em outros casos, eles eram o resultado de falhas de software ou hardware sobrecarregado.

PERDA DE CAPITAL DE CAVALEIRO - MAIS DE US $ 450 MILHÕES + ONDAS DE COMÉRCIOS ACIDENTAIS.

Um mau funcionamento do software da Knight causou ondas de negócios acidentais para as empresas listadas na NYSE. O incidente causou perdas de mais de US $ 450 milhões para a Knight. A SEC lançou mais tarde uma investigação formal.

GOLDMAN SACHS - $ 10S DE MM + GLICAGEM TÉCNICA IMPACTA OPÇÕES.

Uma atualização interna do sistema, resultando em falhas técnicas, impactou as opções de ações e ETFs, levando a negociações erradas que estavam muito fora dos preços de mercado. Artigos sugerem que os negócios de opções errôneas poderiam ter resultado em perdas de US $ 10 milhões. A Goldman Sachs afirmou que não enfrentou perda material ou risco deste problema.

NASDAQ - HALT DE 3 DIAS DE NEGOCIAÇÃO DEVIDO À CONDIÇÃO DE LIGAÇÃO.

Devido a um problema de conexão, a NASDAQ interrompeu a negociação por mais de três horas para evitar condições de negociação injustas. Um bug de software aumentou erroneamente o envio de mensagens de dados entre o Securities Information Processor da NASDAQ e a NYSE Arca para além do dobro da capacidade da conexão. A falha no software também impediu que o sistema de backup interno da NASDAQ funcionasse corretamente.

NASDAQ - PROBLEMAS DE TRANSFERÊNCIA DE DADOS CONGELAR ÍNDICE POR 1 HORA.

Um erro durante a transferência de dados fez com que o índice composto NASDAQ fosse congelado por aproximadamente uma hora. Alguns contratos de opções vinculados aos índices foram interrompidos, embora nenhuma negociação de ações tenha sido impactada. Funcionários da NASDAQ afirmam que o problema foi causado por erro humano. Embora o mercado não tenha sofrido perdas, esse mau funcionamento técnico - o terceiro em dois meses - suscita preocupações consideráveis.

O que nos leva ao culminar de 50 anos de mudança de tecnologia, ou seja, a mudança na relação entre investidor e corretor.

Tradicionalmente, os investidores gastavam seus esforços em busca de alfa e os corretores eram cobrados com liquidez de fornecimento. A liquidez pode ser obtida através do mercado no andar de cima ou na bolsa de valores. A bolsa de valores operava como uma concessionária que consolidava a liquidez. Além de gerar alfa, a única decisão de um investidor era escolher um corretor para executar seus negócios. Hoje, os investidores ainda estão preocupados em gerar alfa. No entanto, o processo de negociação necessário para executar suas estratégias alfa tornou-se mais complexo. O modelo de utilidade consolidado foi substituído por um mercado que é altamente fragmentado, com locais com fins lucrativos competindo vigorosamente pela liquidez, que é fornecida principalmente pelos HFTs.

Esse novo ambiente coloca os corretores em uma posição difícil. Eles têm uma responsabilidade fiduciária de fornecer a melhor execução aos seus clientes. Isso exige que eles invistam em novas tecnologias para obter liquidez e se defenderem contra as estratégias de HFT. E como muitos desses locais agora pagam descontos por liquidez, o que é fornecido rapidamente pelos HFTs, os corretores geralmente têm que pagar taxas de tomada ativas ao local. E, ao mesmo tempo em que os corretores incorrem nesses custos, os investidores estão pressionando-os para reduzir as comissões.

Essas pressões sobre as margens dos corretores estão criando conflitos de interesses com seus clientes. Acessando locais com taxas de negociação mais baixas, ou tentando rotas de pedidos passivos, os corretores podem reduzir seus custos operacionais. No entanto, essas rotas comerciais não são necessariamente melhores para os investidores.

Investidores sofisticados agora exigem informações detalhadas de execução, detalhando como o fluxo de pedidos foi gerenciado pelo corretor, para que possam garantir a melhor execução. Embora os corretores forneçam relatórios de desempenho agregados, os investidores podem criar uma análise mais completa, incluindo comparação de desempenho do corretor usando informações mais detalhadas.

Resumido visualmente - Antes:

Então, juntando tudo, qual é o estado atual do mercado? Ironicamente, quando se retira todos os sinos e assobios da tecnologia moderna, tudo remonta a um conceito tão antigo quanto o primeiro mercado em si - ou seja, alfa, ou superando o mercado mais amplo.

Para encontrar o alfa oculto, é importante primeiro entender onde os participantes do mercado estão com relação à utilização da informação. A área cinza claro no gráfico abaixo representa o típico investidor institucional, desempenhando o papel de “avestruz” ou “compilador”, seja escolhendo ignorar as mudanças em torno deles ou usar informações somente para tarefas básicas de conformidade. A maioria dos HFTs pertence ao estágio “comandante” azul claro; eles assumem o comando das informações em torno deles e permitem que eles orientem seus negócios. Aproveitar a oportunidade da informação e encontrar o alfa oculto exige que a empresa suba os estágios de adaptação.

COMPLEXIDADE: Mede a sofisticação do uso da informação no direcionamento da ação. Quer a informação seja de dados comerciais ou newsfeeds, ela pode ser usada de maneiras mais ou menos sofisticadas, desde métodos aritméticos simples até métodos estatísticos complexos, juntamente com um forte entendimento estratégico. Usos aritméticos visam fornecer não mais do que medidas básicas de contabilidade de valores, volumes e ganhos e perdas. Os métodos estatísticos visam identificar padrões em informações que podem ser usadas para orientar a negociação. O entendimento estratégico introduz a teoria dos jogos, antecipando a reação de outros participantes do mercado quando um investidor emprega uma estratégia comercial específica.

FREQUÊNCIA: Cada negociação que um investidor oferece oferece uma oportunidade para aprender. A coleta de informações de todos os negócios, em oposição a alguns poucos, ajuda a dar ao investidor uma melhor compreensão de como esses negócios podem ocorrer no futuro. Quanto mais freqüente a análise, mais relevantes serão as descobertas.

ITERAÇÃO: As descobertas servem apenas a um propósito se forem aplicadas. A chave é usar as informações para orientar as ações cujos resultados são analisados ​​e as descobertas são reaplicadas. Isso cria um loop iterativo contínuo que leva a uma eficiência cada vez maior.

BREADTH: O compartilhamento de conhecimento com objetivos semelhantes (por exemplo, investidores institucionais negociando grandes blocos) poderia levar a um processo de implementação de investimento mais eficiente para todos os participantes. Trabalhando em conjunto, os investidores institucionais podem compartilhar a experiência de implementação de pedidos em bloco e os dados, como um utilitário. O resultado disso pode ajudar os investidores institucionais a se defenderem contra as perdas por impacto no mercado e proteger estratégias proprietárias.

As empresas de HFT tenderão a estabilizar no estágio 4, “comandante”, já que é menos provável que compartilhem qualquer informação em um conceito de utilidade; a execução comercial é o seu capital intelectual proprietário. Os investidores institucionais, por outro lado, têm o potencial de atingir o estágio 5, "otimizador". Para investidores institucionais, seu capital intelectual proprietário geralmente está dentro de suas decisões de investimento, não em suas rotas de implementação comercial. Os investidores institucionais estão, assim, mais dispostos a colaborar uns com os outros para trabalhar contra as estratégias comerciais que lhes causam impacto no mercado.

Independentemente da disposição de um investidor em relação às estratégias de negociação; aproveitando a tecnologia avançada ou comprometendo-se com estratégias de negociação mais tradicionais, é importante perceber que a negociação de tecnologia avançada é a realidade de hoje. Os investidores precisam considerar seriamente tomar as medidas apropriadas para proteger-se contra as possíveis repercussões negativas, bem como posicionar-se para encontrar o alfa oculto no mercado avançado de hoje.

Então, a linha de fundo: HFT é legal. mas também muito mais. De fato, como os bancos TBTF, a própria HFT tornou-se tão incrustada no tecido topológico da moderna estrutura de mercado, que qualquer sugestão prática para erradicar a HFT neste momento é risível simplesmente porque desestimula a HFT de um mercado - que na verdade é fraudada, mas não apenas por HFTs no nível micro, mas mais importante pelo Federal Reserve e bancos centrais globais no macro - é virtualmente impossível sem um grande reset sistêmico primeiro. É por isso que os reguladores, legisladores e executores vão bufar, e. acabam fazendo nada. Porque se há uma coisa que os participantes sistêmicos do TBTF têm, é a alavancagem ilimitada para coletar tanto capital devido a estar em uma posição de importância sistemática em um mercado, manipulado ou não.

Finalmente, se o empurrão chegar e o destino da HFT estiver ameaçado, atente abaixo, porque se a presença da HFT, por mais branda que possa ter sido, levou à queda do flash de maio de 2010 e ao mercado subseqüentemente instável que exibiu pelo menos um Um desastre memorável a cada mês, então a ameaça de puxar o comerciante marginal, que agora representa 70% de todas as ações e volume (se não houver liquidez) teria consequências comparáveis ​​ao colapso do Lehman.

Finalmente, para todos aqueles ainda confusos pela HFT, aqui está a simplificação final.

Fonte: Oliver Wyman, Hidden Alpha em Equity Trading.

Estratégias de Negociação de Alta Freqüência.

A maioria dos investidores provavelmente nunca viu o P & amp; L de uma estratégia de negociação de alta frequência. Há uma razão para isso, é claro: dadas as características típicas de desempenho de uma estratégia de HFT, uma empresa de trading tem pouca necessidade de capital externo. Além disso, as estratégias de HFT podem ter restrições de capacidade, uma consideração importante para investidores institucionais. Por isso, é divertido ver a reação de um investidor ao encontrar o histórico de uma estratégia HFT pela primeira vez. Acostumados a ver as taxas de Sharpe na faixa de 0,5-1,5, ou talvez até 1,8, se tiverem sorte, os retornos ajustados ao risco de uma estratégia de HFT, que geralmente têm índices de Sharpe de dois dígitos, são realmente verdadeiros. Incompreensível.

A título ilustrativo, anexei abaixo o registro de desempenho de uma dessas estratégias de HFT, que negocia cerca de 100 vezes por dia no contrato eMini S & P 500 (incluindo a sessão noturna). Note que a borda não é tão boa & # 8211; com uma média de 55% de negócios lucrativos e lucro por contrato de cerca de meio tick & # 8211; Estas são algumas das características que definem as estratégias de negociação de HFT. Mas devido ao grande número de negócios, isso resulta em lucros substanciais. Nessa freqüência, as comissões de negociação são muito baixas, geralmente abaixo de US $ 0,1 por contrato, em comparação com US $ 1 & # 8211; US $ 2 por contrato para um comerciante de varejo (na verdade, uma firma de HFT normalmente possui ou aluga assentos na bolsa para minimizar tais custos).

Escondidos da análise acima estão os custos indiretos associados à implementação de tal estratégia: feed de dados de mercado, plataforma de execução e conectividade capaz de lidar com grandes volumes de mensagens, bem como algoritmos para monitorar sinais de microestrutura e gerenciar prioridades de pedidos. . Sem estes, a estratégia seria impossível de implementar com lucro.

Dimensionando um pouco as coisas, vamos dar uma olhada em uma estratégia de negociação diária que é negociada apenas cerca de 10 vezes por dia, em barras de 15 minutos. Embora não seja de frequência ultra-alta, a estratégia, no entanto, é suficientemente alta para ser muito sensível à latência. Em outras palavras, você não gostaria de tentar implementar essa estratégia sem um feed de dados de mercado de alta qualidade e plataforma de negociação de baixa latência capaz de executar no nível de 1 milissegundo. Pode ser possível implementar uma estratégia desse tipo usando a plataforma ADL do TT, por exemplo.

Enquanto a taxa de ganho e o fator de lucro são semelhantes à primeira estratégia, a menor frequência de negociação permite uma PL de pouco mais de 1 tick, enquanto a curva de capital é muito menos suave, refletindo um índice de Sharpe que é apenas & # 8220; # 8221; em torno de 2,7.

A suposição crítica em qualquer estratégia de HFT é a taxa de preenchimento. As estratégias de HFT são executadas usando ordens limite ou IOC e apenas uma certa porcentagem delas será preenchida. Supondo que haja alfa no sinal, o P & L cresce em proporção direta ao número de negociações, o que, por sua vez, depende da taxa de preenchimento. Uma taxa de preenchimento de 10% a 20% geralmente é suficiente para garantir a lucratividade (dependendo da qualidade do sinal). Uma baixa taxa de preenchimento, como normalmente seria vista se alguém tentasse negociar em uma plataforma de negociação de varejo, destruiria a lucratividade de qualquer estratégia de HFT.

Para ilustrar esse ponto, podemos dar uma olhada no resultado se a estratégia acima foi implementada em uma plataforma de negociação que resultou em pedidos sendo preenchidos somente quando o mercado negocia com o preço limite. Não é uma visão bonita.

A moral da história é: desenvolver um algoritmo de negociação de HFT que contenha um sinal alfa viável é apenas metade da imagem. A infra-estrutura de negociação usada para implementar essa estratégia não é menos crítica. É por isso que as empresas de HFT gastam dezenas, ou centenas de milhões de dólares desenvolvendo a melhor infraestrutura que podem pagar.

Negociação de alta frequência: ações versus futuros.

Um talentoso desenvolvedor de sistemas jovens que eu conheço recentemente me procurou com uma interessante curva de capital para uma estratégia de alta frequência que ele projetou em futuros de E-mini:

Obviamente, ele estava fazendo uso criativo do "gerenciamento de dinheiro" & # 8221; técnicas tão amadas por projetistas de sistemas futuros. Convidei-o a considerar como seria a sensação de estar trocando uma posição E-mini de 1.000 lotes quando o mercado fez um mergulho de 20 pontos. Um levantamento de US $ 100.000 por dia pode fazer com que a estratégia pareça um pouco menos atraente. Por outro lado, se você já tivesse feito milhões de dólares na estratégia, talvez não se importasse mais com isso.

Uma crítica mais importante às técnicas de gerenciamento de dinheiro é que elas são tipicamente altamente dependentes do caminho: se você tivesse iniciado sua estratégia um pouco mais próximo de um dos períodos de levantamento que são quase imperceptíveis no gráfico, isso poderia ter consequências catastróficas para sua conta de negociação. A única maneira de avaliar isso corretamente, eu aconselhava, era fazer backtest da estratégia ao longo de centenas de milhares de testes usando simulação de Monte Carlo. Isso revelaria claramente que o risco de ruína era muito maior do que poderia parecer de um único backtest.

Em seguida, perguntei-lhe se a estratégia estava entrando e saindo passivamente, publicando ofertas e ofertas, ou agressivamente, cruzando o spread para vender na oferta e comprar na oferta. Eu tinha uma boa idéia de qual seria a resposta dele, dado o volume de negociações na estratégia e, com certeza, ele confirmou que a estratégia estava usando entradas e saídas passivas. Deixando de lado o desafio de executar uma negociação de 1.000 contratos dessa maneira, em vez disso, peço a ele que me mostre a curva de capital para um único contrato na estratégia subjacente, sem o aprimoramento da administração de recursos. Ainda era muito impressionante.

As premissas de preenchimento crítico para estratégias passivas.

Mas há uma suposição subjacente incorporada nesses resultados, sobre os quais escrevi em postagens anteriores: a taxa de preenchimento. Normalmente, em uma plataforma de negociação de varejo, como a Tradestation, pressupõe-se que suas ordens serão preenchidas se uma negociação ocorrer no preço limite em que o sistema está tentando executar. Essa suposição padrão de uma taxa de preenchimento de 100% é altamente irrealista. As ordens do sistema têm que competir pela prioridade no livro de ordens de limite com as ordens de muitos milhares de outros traders, incluindo firmas de HFTs que provavelmente lhe baterão ao soco todas as vezes. Como consequência, a taxa real de preenchimento provavelmente será muito menor: 10% a 20%, se você tiver sorte. E muitos desses preenchimentos serão "tóxicos": os pedidos de compra serão os últimos a serem preenchidos imediatamente antes que o mercado se mova para baixo e os pedidos de venda sejam os últimos a serem preenchidos no momento em que o mercado subir. Como resultado, o desempenho real da estratégia será muito distante da bela figura mostrada no gráfico da curva de capital hipotético.

Uma maneira de lidar com o problema é fazer uma suposição muito mais conservadora, de que suas ordens de limite só serão preenchidas quando o mercado passar por elas. Isso pode ser facilmente alcançado em um produto como o Tradestation, selecionando a opção de backtest apropriada:

Os resultados de desempenho da estratégia geralmente parecem muito diferentes quando essa suposição de preenchimento muito mais conservadora é aplicada. O resultado para este sistema não foi de todo incomum:

Naturalmente, a hipótese mais conservadora aplicada aqui também é irreal: muitas das ordens de venda do sistema de negociação seriam preenchidas com o preço limite, mesmo que o mercado não subisse (ou diminuísse no caso de uma ordem de compra). ). Além disso, mesmo que não fossem preenchidos durante o intervalo de barras em que foram emitidos, muitas ordens de limite postadas pelo sistema seriam preenchidas nas barras subseqüentes. Mas a realidade provavelmente está muito mais próxima do resultado, assumindo uma suposição conservadora de preenchimento do que otimista. Dito de outra forma: se a estratégia demonstra bom desempenho sob suposições pessimistas e otimistas de preenchimento, há uma chance razoável de que ela funcionará bem na prática, deixando de lado outras considerações.

Um exemplo de uma estratégia de equidade de HFT.

Vamos comparar a estratégia de futuros com um exemplo de uma estratégia similar de HFT em ações. Sob o pressuposto de preenchimento otimista, a curva de capital tem a seguinte aparência:

Sob o pressuposto de preenchimento mais conservador, a curva de capital é obviamente pior, mas a estratégia continua a produzir excelentes retornos. Em outras palavras, mesmo que o mercado se mova contra o sistema em cada pedido, negociando mais alto depois que uma ordem de venda é preenchida, ou diminuindo depois que uma ordem de compra é preenchida, a estratégia continua a ganhar dinheiro.

Microestrutura do Mercado.

Existe uma razão fundamental para a discrepância no comportamento das duas estratégias sob diferentes cenários de preenchimento, que se relaciona com a microestrutura muito diferente dos mercados de futuros versus mercados de ações. No caso da estratégia E-mini, o comércio médio pode ser, digamos, 50 dólares, o que equivale a apenas 4 ticks (cada tick vale $ 12,50). Então, a média de comércio: taxa de tamanho de carrapato é de cerca de 4: 1, na melhor das hipóteses. Em uma estratégia de equidade com comércio médio semelhante, o tamanho do tick pode ser de apenas 1 centavo. Para uma estratégia de futuros, cruzar o spread para entrar ou sair de uma negociação mais do que um punhado de vezes (ou perder várias entradas ou saídas de ordens limitadas) irá rapidamente eviscerar a lucratividade do sistema. Um sistema HFT em ações, por outro lado, tipicamente se mostrará mais robusto, devido ao menor tamanho do tick.

Naturalmente, há muitos outros desafios à negociação de ações de alta frequência que os futuros não sofrem, como a multiplicidade de destinos comerciais. Isso significa que, por exemplo, em um feed de dados de mercado consolidado, é provável que seu sistema veja oportunidades de negociação que simplesmente não surjam na prática devido a efeitos de latência no feed. Assim, a lucratividade das estratégias de equity da HFT é frequentemente superestimada, quando medida usando um feed consolidado. Futuros, que são negociados em uma única bolsa, não sofrem com tais dificuldades. E há uma série de outras diferenças na microestrutura dos mercados de futuros versus mercados de ações que o analista deve levar em consideração. Mas, tudo isso compreendido, em geral eu aconselharia que as ações tornassem um ponto de partida mais fácil para o desenvolvimento do sistema HFT, em comparação com os futuros.