Automatizuota prekybos akcijomis sistema

Algoritminė prekyba, kitaip vadinama automatizuota prekyba arba juodosios dėžės prekyba - specialių elektroninių platformų panaudojimas prekyboje, kai operacijų atlikimą nusprendžia tam tikras algoritmas. Tokios platformos gali leisti vartotojui iš anksto suprogramuoti prekybos veiksmų atlikimą pagal tam tikrus kintamuosius, tokius kaip laikas, rinkos kaina arba sandorio dydis, arba leidžia atlikti tokias operacijas kitoms automatinėms kompiuterinėms programoms. Algoritminę prekybą plačiai naudoja investiciniai bankai, pensijų fondai, investiciniai fondai ir kiti pirkimo operacijas vykdantys instituciniai investuotojai, siekdami padalinti didelius pavedimus į kelias mažesnes operacijas bei suvaldyti riziką ir įtaką rinkai.

Daug algoritminės prekybos operacijų rūšių gali būti apibūdinamos kaip „aukšto dažnio prekyba“ (angl. High Frequency Trading arba HFT), todėl 2012 m. vasarį (angl. Commodity Futures Trading Commision arba CFTC) sukūrė specialią darbo grupę, sudarytą iš akademikų ir pramonės ekspertų, kurios tikslas – patarti CFTC, kaip teisingai apibrėžti aukšto dažnio prekybos sąvoką. HFT strategijoms vykdyti pasitelkiami kompiuteriai, kurie priima sprendimus atlikti pirkimo ar pardavimo pavedimus, remiantis elektroniniu būdu gauta informacija dar iki tol, kol šią informaciją apdorojo prekiaujantys rinkoje žmonės. Algoritminės prekybos bei HFT atsiradimas lėmė didelius pasikeitimus rinkų mikrostruktūroje – jos tapo papildomu likvidumo šaltiniu.

Algoritminę prekybą galima panaudoti bet kurioje iš , įskaitant , arbitražą arba gryną spekuliacija (įskaitant ). Bet kuriose prekybos stadijose, ar tai sprendimų priėmimas ar veiksmų rinkoje atlikimas, galima panaudoti algoritminių sistemų pagalbą. Taip pat algoritminės sistemos gali visą darbą atlikti automatiškai be žmogaus įsikišimo į prekybos procesą. Vienas pagrindinių HFT algoritmų trūkumų yra itin sudėtingas jų pelningumo apskaičiavimas. Finansinių paslaugų tyrimų įmonė „TABB Group“ 2009 m. rugpjūtį įvertino, kad 300 vertybiniais popieriais prekiaujančių bendrovių ir apribotos rizikos fondų, besispecializuojančių HFT prekyboje, gavo 21 mlrd. JAV dolerių pelną 2008 m., kurį tyrimo autoriai pavadino „santykinai mažu“ ir „netikėtai kukliu“, palyginus su bendra rinkos prekybos apimtimi. 2014 m. kovą HFT prekybos įmone „Virtu Financial“ pranešė, kad per penkerius metus buvo pelninga 1277 dienas iš 1278, t. y. prarado pinigus tik 1 dieną.

Pasak finansinių paslaugų tyrimų ir konsultacijų įmonės „Aite Group“, trečdalis visų 2006 m. atliktų Europos Sąjungos ir JAV akcijos sandorių buvo įvykdyti naudojant automatines programas ar algoritmus^{[reikalingas šaltinis]}. O 2009 m. tyrimai parodė, kad net 60–73 % prekybos apimties JAV akcijų rinkoje sudaro HFT įmonės. 2012 m. šitas skaičius nukrito iki maždaug 50 %. 2006 m. Londono vertybinių popierių biržoje daugiau kaip 40 % visų pavedimų padarė algoritminėmis sistemomis besinaudojantys prekeiviai, ir buvo prognozuojama, kad šis skaičius 2007 m. išaugs iki 60 %. Sandorių, atliktų naudojant algoritminę prekybą, dalis Amerikos ir Europos rinkose yra ženkliai didesnė nei kitose rinkose, o 2008 m. buvo prognozuojama, kad ši dalis kai kuriose rinkose sieks net 80 proc. visų sandorių. Valiutų rinkose algoritminė prekyba taip pat yra paplitusi – 2006 m. 25 % pavedimų buvo atlikti panaudojant algoritmines sistemas. Algoritminė prekyba nesunkiai gali būti pritaikyta ir ateities sandorių rinkose – buvo tikimasi, kad iki 2010 m. 20 proc. pasirinkimo sandorių (opcionų) apimties bus vykdomi panaudojant algoritmines sistemas. Obligacijų rinkas taip pat bandoma pritaikyti algoritminei prekybai.

Algoritminė prekyba ir HFT yra viešų diskusijų objektas nuo tada, kai kartu su Prekybos žaliavų ateities sandoriais komisija savo pranešimuose paskelbė, kad investicinio fondo atliktos algoritminės prekybos operacijos sukėlė pardavimų bangą, kuri lėmė 2010 m. Juodąjį ketvirtadienį (angl. 2010 Flash Crash). Tose pačiose ataskaitose buvo paminėta, kad HFT strategijos galėjo turėti įtaką ir tolimesniam rinkų nestabilumui. 2010 m. Juodąjį ketvirtadienį įvyko antrasis didžiausias iki tos dienos užfiksuotas indekso „Dow Jones Industrial Average“ kritimas dieninės prekybos metu, tačiau kainos greitai atsistatė. (IOSCO) savo 2011 m. liepos mėn. paskelbtoje ataskaitoje nurodė, jog, nepaisant to, kad algoritmų prekybą ir HFT technologijas rinkos dalyviai naudojo savo prekybos ir rizikos valdymui, šių technologijų naudojimas lėmė Juodojo Antradienio įvykius. Tačiau kiti tyrėjai, analizavę 2010 m. Juodojo ketvirtadienio įvykius padarė kitas išvadas ir paskelbė, kad HFT reikšmingai nepakeitė prekybos apimties per „Flash Crash“.

Istorija

Pavedimų kompiuterizacija finansų rinkose prasidėjo XX a. septinto dešimtmečio pradžioje, kai Niujorko akcijų birža pristatė Pavedimų apdorojimo sistemą (DOT, vėliau SuperDOT). Ši sistema elektroniniu būdu nukreipdavo pavedimus į tinkamą prekybos vietą, kurioje tokie pavedimai būdavo įvykdomi rankiniu būdu. Programiniu būdu buvo nustatyta vykdyti visus pavedimus, kai akcijos kaina yra didesnė nei 15 JAV dolerių vertės bei suma viršija vieną milijoną JAV dolerių. Automatizuota rinkos atidarymo informavimo sistema (Opening Automated Reporting System, OARS) padėdavo specialistams nuspręsti rinkos pusiausvyros (angl. market clearing) atidarymo kainą (SOR; Smart Order Routing). 1980 metais programinis pavedimų pateikimo ir priėmimo būdas vis labiau paplito bei tapo populiarus tiek JAV akcijų, tiek ateities sandorių rinkose.

Niujorko akcijų birža užprogramuotą prekybą (angl. program trading) apibrėžia kaip įsakymą pirkti ar parduoti 15 ar daugiau skirtingų akcijų, kurių bendra vertė viršija 1 mln. dolerių. Praktikoje tai reiškia, kad visus tokius pavedimus atlieka kompiuteris. XX a. aštuntajame dešimtmetyje užprogramuota prekyba tapo plačiai naudojama prekiaujant indekso S&P 500 akcijomis ir ateities sandoriais.

Akcijų indekso arbitraže spekuliantas perka (ar parduoda) akcijų indekso (pavyzdžiui S&P 500) ateities kontraktą, ir parduoda (ar perka) šį sandorį atitinkantį portfelį, sudarytą iš 500 ar mažiau akcijų, Niujorko akcijų biržoje (NYSE). Pardavimo (ar pirkimo) algoritmas Niujorko akcijų biržoje būna iš anksto nustatytas taip, kad į rinką būtų automatiškai įeinama tuo metu, kai ateities sandorio ir akcijų indekso kainos skiriasi ir kai tas skirtumas yra pakankamas pelnui uždirbti.

Panašiu laiku portfelio draudimas buvo pritaikytas dirbtinai atlikti pasirinkimo parduoti sandorio (opciono) funkciją. Tai buvo pasiekta per aktyvią prekybą akcijų indekso ateities kontraktais pagal kompiuterizuotą modelį, pagrįstą pasirinkimo sandorių (opcionų) kainodaros modeliu.

Daugelis žmonių (kad ir JAV politikas bei investavimo bendrovių direktorius ) manė, kad šios strategijos, dažnai kartu vadinamos tiesiog užprogramuota prekyba, pagilino ar net sukėlė 1987 m. įvykusią akcijų rinkos griūtį, tačiau iš tiesų kompiuterizuotos prekybos įtaka akcijų rinkos griūtims nėra ištirta, todėl kelia daug diskusijų akademinėje bendruomenėje.

XX a. aštuntajame-devintajame dešimtmetyje susikūrė finansų rinkos su visiška pavedimų automatizacija ir panašūs (angl. Electronic Communication Network). Algoritminę prekybą JAV galimai paskatino ir decimalizacija, lėmusi minimalaus tiko dydžio pasikeitimą iš 1/16 dolerio (US$0,0625) į 0,01 dolerio už akciją. Šis pasikeitimas pakeitė rinkos mikrostruktūrą – leido mažesnius skirtumus tarp pirkimo ir pardavimo kainų, sumažino pagrindinių rinkos dalyvių (bankų, investavimo bendrovių, stambių spekuliantų) prekybos pranašumą, o dėl to padidėjo likvidumas rinkoje.

Padidėjus rinkos likvidumui instituciniai investuotojai pradėjo skaidyti pavedimus pagal tam tikrus algoritmus, o tai leido pavedimus vykdyti palankesnėmis vidutinėmis kainomis. Šios planuojamos vidutinės pavedimo kainos apskaičiuojamos automatiškai, taikant vidutines svertines kainas (angl. time-weighted average price), susiformavusias per tam tikrą laiką, o dažniau – vidutines svertines kainas (angl. volume-weighted average price) priklausomai nuo įsigyjamų (ar parduodamų) vertybinių popierių vienetų kiekio.

Tai pabaiga. Prekyba, kuri egzistavo anksčiau, mirė. Šiandien mes turime elektroninę prekybą. Tai dabartis. Tai ateitis.

, NASDAQ vadovas, 2011 m. balandis

Algoritminės prekybos taikymą finansų rinkose ypač paskatino „IBM“ mokslininkų 2001 m. paskelbtas straipsnis Tarptautinėje dirbtinio intelekto konferencijoje – jų tyrimas, atliktas prekiaujant elektroniniuose aukcionuose, parodė, kad dviejų algoritmų strategijų („IBM“ MGD ir „Hewlett-Packard“ ZIP) prekybos finansiniai rezultatai nuosekliai viršija žmogaus prekybos rezultatus. MGD buvo patobulinta „GD“ algoritmo versija sukurta Stiveno Gjerstado ir Džono Dikhauto 1996–1997 m., tuo tarpu ZIP algoritmą sukūrė profesorius Deivas Klifas 1996 m. Savo straipsnyje „IBM“ mokslininkai rašė, kad šie prekybos rezultatų skirtumai gali siekti kelis milijardus dolerių kasmet.

Kai atsirado daugiau elektroninių rinkų, buvo pristatyta ir kitų algoritminės prekybos strategijų. Šias strategijas lengviau įgyvendina kompiuteriai, nes jie gali greičiau reaguoti į laikinus kainų neatitikimus bei tuo pačiu metu analizuoti kainas keliose rinkose. Pavyzdžiui, Chameleon (sukurta BNP Paribas), Stealth (sukurta Deutsche Bank), Sniper and Guerilla (sukurta Credit Suisse), arbitražo, , trendo sekimo, kainos judėjimo link vidurkio strategijos.

Tokio tipo prekyba skatina kurti nedidelio vėlavimo hostingą (angl. Low Latency Proximity Hosting) ir globalių biržos sujungimą (angl. Global Exchange Connectivity). Kuriant elektroninės prekybos strategiją būtina atsižvelgti į informacijos vėlavimą, kuris suprantamas kaip laiko tarpas nuo informacijos išsiuntimo iki informacijos gavimo. Ribinis informacijos vėlavimas apibrėžiamas šviesos greičiu, t. y. informacija 1000 km optiniu kabeliu atskrieja per 3,3 milisekundes, tačiau bet koks signalą atnaujinantis ar nukreipiantis įrenginys sulėtina informacijos greitį ir padidina vėlavimą.

Strategijos

Spekuliacinės algoritminės strategijos

Rinkos formavimo strategijos

Šios strategijos naudojasi atsitiktiniu kainų svyravimo principu – nepriklausomai nuo kainos augimo duotame laiko intervale dalis sandorių mažins finansinio instrumento kainą palyginus su praeitomis reikšmėmis ir, atvirkščiai, instrumento kainos kritimo atveju dalis sandorių didins finansinio instrumento kainą palyginus su praeitomis reikšmėmis. Tokiu būdu strategijos naudotojui sėkmingai parinkus pavedimų kainas, galima pigiai pirkti ir brangiai parduoti nepriklausomai nuo trendo krypties. Šios strategijos naudotojai yra vieni pagrindinių rinkų momentinio likvidumo „tiekėjų“, o konkurencijos dėka palankiai veikia ir jos vaizdą, todėl biržos dažnai stengiasi pritraukti tokius spekuliantus į nelikvidžius instrumentus, teikia komisinių mokesčių lengvatas, kai kuriais atvejais net teikiant išmokas už kotiruočių palaikymą.

Sekimas trendu

Sekimo trendu (angl. Trend Following) strategija – tai strategija, kai bandoma pasinaudoti ilgalaike, vidutinės trukmės ar trumpalaike rinkos judėjimo tendencija. Strategija gali būti naudojama tiek akcijų, tiek ateities sandorių rinkose, tiek rinkai kylant, tiek krentant t. y. pelnas gali būti gaunamas tiek kainos viršūnės, tiek kainos dugno taškuose. Spekuliantai, naudojantys šią strategiją, mėgina nuspėti rinkos kryptį ir nustatyti palankiausius pirkimo ar pardavimo signalus, naudodami dabartinės kainos rinkoje skaičiavimus, bei rėžių, kuriuose svyruoja kaina, galimus pramušimo taškus. Spekuliantai, naudojantys šią strategiją, nesiekia nuspėti tikslios kainos, jie tiesiog įeiną į rinką, kai mano, kad rinka įgauna tam tikrą kryptį, ir iš jos išeina, kai mano, jog ši kryptis keičiasi.

Porinė prekyba

Porinės prekybos (angl. Pair Trading) strategija yra neutrali rinkos svyravimams pirkimo-pardavimo strategija, leidžianti spekuliantams uždirbti iš trumpalaikių panašių vertybinių popierių kainų neatitikimų. Strategijos esmė yra sekti du istoriškai koreliuojančius vertybinius popierius ir kai ši koreliacija susilpnės, pavyzdžiui vienos akcijos kaina pakils, o kitos – nukris, parduoti kylančią akciją ir pirkti krintančią akciją, tikintis, kad įprastas skirtumas tarp šių akcijų atsistatys. Divergenciją tarp panašių vertybinių popierių gali sukelti trumpalaikiai pasiūlos/paklausos pokyčiai, pavieniai dideli pirkimo/pardavimo pavedimai, reakcija į svarbias įmonės paskelbtas naujienas ir pan. Porų strategijos pavyzdys galėtų būti „Pepsi“ ir „Coca Cola“ kompanijų akcijos. Šios bendrovės parduoda panašų produktą ir istoriškai jų akcijų pakilimai ir nuosmukiai sutampa. Jei „Coca Cola“ akcijų ženkliai pakiltų, o Pepsi akcijų vertė liktų nepakitusi, spekuliantas, naudojantis porų strategiją, „Coca Cola“ akcijas parduotų ir pirktų „Pepsi“ akcijas, darydamas prielaidą, kad abiejų šių kompanijų akcijos grįš prie savo istorinio balanso taško.

Prekyba krepšeliais

Prekyba krepšeliais (angl. Basket Trading) kartoja pagrindinius porinės prekybos principus, tačiau skiriasi tuo, kad kainų santykis sudaromas iš karto dviem „instrumentų krepšeliams“. Kiekvieno krepšelio kaina apskaičiuojama pagal kelių instrumentų kainą, atsižvelgiant į šių instrumentų kiekį krepšeliuose. Taip pat kaip ir porinės prekybos strategijose, kai santykio su slankiuoju vidurkiu skirtumas pasiekia numatytą dydį, įvykdomas visų instrumentų, sudarančių pirmą krepšelį, pirkimas ir vienalaikis visų antrą krepšelį sudarančių instrumentų pardavimas. Santykiams grįžus prie vidurkio įvykdomi atvirkštiniai pavedimai. Prekybos krepšeliais strategijų efektyvumas labai priklauso nuo momentinio instrumentų likvidumo, todėl šios strategijos naudojamos tik labai likvidžiose rinkose.

Arbitražas

Arbitražas (angl. Arbitrage) – daugiausia tai yra prekybos poromis atvejai, kai pora susideda iš vienodų arba tarpusavyje susietų aktyvų, kurių koreliacija beveik lygi (arti vienetui). Atitinkamai, tokių instrumentų kainų santykis dažniausia bus beveik nekintantis. Arbitražo strategijų efektyvumas ypatingai priklauso nuo rinkos duomenų gavimo ir pavedimų išsiuntimo greičio, todėl arbitražą galima priskirti prie labiausiai nuo technologijų priklausomų algoritmų, reikalaujančių itin greitų ryšio kanalų bei šiuolaikinės prekybos infrastruktūros. Pavyzdys: vienas populiariausių arbitražo naudojimų yra S&P ateities sandorių ir S&P 500 akcijų poroje. Dažnai tarp jų atsiranda nelygybė. Taip atsitinka, kai S&P 500 akcijų kainos, kuriuos daugiausiai prekiaujamos NYSE ir NASDAQ biržose, pralenkia arba atsilieka nuo S&P ateities sandorio, kuris prekiaujamas CME biržoje.

Naudojimosi kainos nepastovumu strategija

Naudojimosi kainos nepastovumu strategija (angl. Volatility Trading) – strategija, kai naudojamasi pasirinkimo sandorio (opciono) kainos priklausomybe nuo numatomo bazinio aktyvo kainos nepastovumo (angl. volatility) per laikotarpį iki opciono pabaigos. Tai reiškia, kad, nepasikeitus bazinio aktyvo kainai, opciono kaina tam tikru laiko momentu skirsis priklausomai nuo skaičiavimuose panaudoto bazinio aktyvo kainos nepastovumo – kuo didesnis numatomas aktyvo kainos nepastovumas, tuo didesnė opciono kaina. Atitinkamai, prognozuojamam kainų nepastovumui augant opcionai nuperkami, o nepastovumui krintant – parduodami. Prekyba naudojantis kainų nepastovumu laikoma viena sudėtingiausių dėl matematinių skaičiavimų sudėtingumo.

Žemo vėlavimo prekyba

Žemo vėlavimo prekyba (angl. Low Latency Trading) – sekimo trendu strategijų modifikacija, kai parenkami du koreliuojantys finansiniai instrumentai ir stebint vieno (bazinio) instrumento kainos judėjimą prekiaujama kitu (darbiniu) finansiniu instrumentu, kurio kainos judėjimas šiek tiek atsilieka. Trendo ieškoma labai mažuose laiko intervaluose, didelio likvidumo rinkose. Kartais prekiaujant pagal šią strategiją yra prekiaujama ne vienu darbiniu instrumentu, o kelių instrumentų krepšeliu. Tokiu atveju kiekvienas krepšelį sudarantis instrumentas koreliuoja su baziniu instrumentu. Šios strategijos efektyvumas priklauso tik nuo informacijos apie bazinio instrumento judėjimą gavimo greičio ir pavedimų įvykdymo spartos, todėl šiai strategijai įgyvendinti (taip pat kaip ir arbitražo strategijoms) reikalingi itin greiti ryšio kanalai bei šiuolaikinės prekybos infrastruktūros.

Užbėgimo į priekį strategija

Užbėgimo į priekį strategija (angl. Front Running) – strategija, kuri remiasi momentiniu instrumento likvidumu ir vidutine su šiuo instrumentu susijusių sandorių apimtimi rinkoje per tam tikrą laiką. Strategijos esmė – pamačius vieną ar kelis pavedimus, kurių suminis dydis didesnis nei įprastinis, siūlyti keliais punktais mažesnę pardavimo (ar didesnę pirkimo) kainą nei siūlo minėtus pavedimus padarę rinkos dalyviai. Tokiu būdu padarytas pavedimas atsiduria prieš didelės apimties pavedimą (pavedimus). Kai įvykdomas šią strategiją taikančio spekulianto pavedimas, spekuliantas padaro antrą pavedimą – jei prieš tai instrumentą įsigijo, dabar bando jį parduoti keliais punktais aukštesne kaina, o jei prieš tai jį pardavė – bando įsigyti vėl, tačiau žemesne kaina. Naudojant šią strategiją, yra tikimasi, kad, kol bus vykdomas didelės apimties pavedimas, prieš kurį spekuliantas įsiterpė, dėl atsitiktinio kainos susvyravimo bus įvykdytas ir antrasis spekulianto pavedimas. Ši strategija tinkama, jei rinka yra labai likvidi, o sėkmingam strategijos įgyvendinimui reikalingi itin greiti ryšio kanalai bei šiuolaikinės prekybos infrastruktūros.

Kitos strategijos

Kainų pasikeitimui nejautraus portfelio strategijos

Finansuose kainų skirtumui nejautrus (angl. Delta-neutral) portfelis yra tarpusavyje susijusių vertybinių popierių rinkinys, kurio bendra vertė nekinta, jei kiekvieno jį sudarančio vertybinio popieriaus vertė svyruoja nežymiai. Tokį portfelį paprastai sudaro pasirinkimo sandoriai (opcionai) ir juos atitinkantys vertybiniai popieriai, iš kurių gauti pelnai ir patirti nuostoliai kompensuoja vienas kitą, todėl bendra portfelio vertė nėra jautri kurio nors vertybinio popieriaus svyravimui ir ženkliai nekinta.

Kainos judėjimo link vidurkio strategija

Kainos judėjimas link vidurkio (angl. Mean reversion) yra matematinė teorija kartais naudojama prekyboje vertybiniais popieriais. Jos esmė ta, kad tiek vertybinių popierių kainų viršūnės, tiek dugnai yra laikini ir kad kaina yra linkusi grįžti prie savo istorinės vidutinės kainos. Naudojant šią strategiją pirmiausia turi būti nustatomas atitinkamo vertybinio popieriaus prekybos laikotarpis, o tada skaičiuojama vidutinė kaina. Kai vertybinio popieriaus kaina yra mažesnė už vidurkį, manoma, kad yra palankus laikas pirkti, tikintis, kad jo kaina kils, o kai kaina yra didesnė už vidutinę, tikimasi, kad kaina kris. Vidutinę vertybinio popieriaus kainą parodo slankieji vidurkiai – dažniausiai naudojamas paskutinių 20 dienų vidurkis. Taip pat populiarūs Yahoo! Finance, MS Investor, Morningstar ir kitų bendrovių sudaromi 50 bei 100 dienų slankieji vidurkiai.

Veikimas

Priešingai įprastam investavimo būdui, kai akcijų vertė nustatoma vadovaujantis įmonės finansine būkle, naudojant algoritmines sistemas pirkimo bei pardavimo laikas, kaina bei vertė yra nustatoma grynai matematiškai pagal tam tikrą užduotą ar pasirinktą statistinį modelį. Šie modeliai kuriami vadovaujantis statistinių duomenų apibendrinimu (apdorojamu). Tam tikslui yra naudojami dideli duomenų kiekiai, kurie yra analizuojami specifiniu analitiniu programų, tokią kaip Matlab, pagalba. Vėlesniame etape šie duomenys yra struktūrizuojami, apjungiami į programą (algoritmą) bei testuojami realiose prekybos sąlygose. Paskutiniame etape yra suprogramuojami prekybos robotai (programos) atliekančios vienus ar kitus prekybos sandorius rinkoje. Tokiu būdu gautu prekybos rezultatai yra mažiau priklausomi nuo subjektyviu priežasčių, dėka ko ir gaunamas stabilus pelnas. Rezultatai yra lengviau prognozuojami, rizika lengviau nustatoma bei įvertinama.

Taikymas

Pastaraisiais metais itin tobulėjant kompiuterinei technikai, ryšiams bei internetui, kompiuterinių algoritminių sistemų naudojimas įgauna vis didesni pagreiti. Kaip pavyzdį galima būtu pateikti matematikos profesoriaus investicinį fondą „“, kurio pelnas kelerius metus iš eilės siekė virš milijardo JAV dolerių. Tai išties įspūdinga investicinio fondo grąža.

Panaudojimo privalumai

Disciplinos palaikymas

Algoritminėms sistemoms automatiškai vykdant pavedimus pagal iš anksto suprogramuotas taisykles, prekiautojas negalės dvejoti dėl sprendimo priėmimo ar nukrypti nuo iš anksto suplanuotos strategijos – neuždaryti nuostolingos pozicijos tikintis, kad ji taps pelninga, ar, pasiekus iš anksto numatytą pelną, neparduoti, tikintis, kad bus uždirbta dar daugiau ir pan. Algoritminės sistemos naudingos ir tiems prekiautojams, kurie yra linkę daryti per daug pavedimų t. y. prekiauti nesulaukę ir nepatikrinę prekybos signalų, kas dažnai atneša nuostolį, bei tiems, kurie patyrę kelis nuostolius iš eilės, net ir matydami tikrai palankias pirkimo ar pardavimo galimybes, dėl psichologinių priežasčių nedrįsta sudaryti dar vieno sandorio. Algoritminės sistemos padeda ne tik išlaikyti discipliną prekiaujant rinkose, kurioms būdingi stiprūs kainų svyravimai, bet ir apsaugo nuo streso sukeliamų klaidų, tokių kaip atsitiktinis „100“ suvedimas vietoje „1000“ ir pan.

Strategijos testavimas pagal istorinius duomenis

Algoritminėmis sistemomis besinaudojantis prekiautojas gali lengvai patikrinti tam tikros strategijos efektyvumą, paleisdamas ją ant istorinių duomenų. Algoritmas negali nukrypti nuo užprogramuoto scenarijaus, tad prekiautojas gali būti tikras, kad realiu laiku susidarius panašiai situacijai, algoritmas elgsis taip pat, kaip elgėsi, kai buvo bandomas ant istorinių duomenų.

Padidėjęs pavedimų įvykdymo greitis

Automatizuotos sistemos gali akimirksniu sureaguoti į pasikeitimus rinkoje, patikrinti tam tikros strategijos sąlygos pasiekimą ir įvykdyti strategijoje numatytus veiksmus. Tai yra ypač svarbu, nes kelių sekundžių, o kartais ir milisekundžių pauzė siunčiant pavedimus gali lemti, ar sandoris bus sėkmingas. Vos tik įeinama į rinką, algoritminė sistema gali automatiškai patikslinti pavedimą – nustatyti nuostolio ribą (angl. stop-loss) ir (ar) tašką, kurį pasiekus, bus pasiimamas pelnas (angl. profit targets). Kai kurios rinkos juda labai greitai, todėl kaskart, kai kritinis veiksmas nėra atliekamas laiku, prekiautojo noras mėginti dar kartą mažėja. Automatizuotos prekybos sistemos neleidžia tam atsitikti.

Prekybos diversifikacija

Automatinės prekybos sistemos sudaro galimybę spekuliantui prekiauti keliomis sąskaitomis arba naudoti kelias strategijas vienu metu. Kadangi kompiuteris gali ieškoti strategijų pritaikymo galimybių iškart keliose rinkose, milisekundžių tikslumu atlikti pavedimus bei stebėti pavedimų būseną, automatinės prekybos sistemos yra labai naudingos ir diversifikuojant portfelį. 

Tyrimai

• Pasak Bostone esančios konsultacines firmos „Aite Group LLC.“, net 30 % pirkimo-pardavimo sandorių JAV bei Europos Sąjungos finansų rinkose 2006 metais buvo atlikta naudojant kompiuterines (algoritmines) sistemas. Pagal tos pačios kompanijos prognozes, sandorių kiekis įvykdomas automatinių prekybos programų iki 2010 pasieks bei viršys 50 % ribą.

• 2006 metais Londono akcijų biržoje daugiau nei 40 % visų pavedimų buvo padaryta algotreiderių. Pagal tos pačios kompanijos prognozes, iki 2007 metų jų kiekis išaugs iki 60 %.

• JAV rinkose pastebimas didesnis automatizuotų sistemų panaudojimas. Remiantis „Aite Group LLC“ duomenimis, 2008 metais šis kiekis vidutiniškai siekia net 80 % kai kuriuose segmentuose.

Vertinimas

Kai kurios užsienio kompanijos užsiima automatinių kompiuterizuotų sistemų vertinimu. Sistemos yra vertinamos pagal įvairius kokybės kriterijus bei joms suteikiami patikimumo reitingai.

Šaltiniai

1. Moving markets Shifts in trading patterns are making technology ever more important, The Economist, 2006 m. vasario 2 d.
2. Algorithmic Trading: Hype or Reality? Archyvuota kopija 2014-12-29 iš Wayback Machine projekto. , Aite Group
3. CFTC Panel Urges Broad Definition of High-Frequency Trading, Bloomberg News, 2012 m. birželio 20 d.
4. Futures Trading Commission Votes to Establish a New Subcommittee of the Technology Advisory Committee (TAC) to focus on High Frequency Trading, 2012 m. vasario 9 d., Prekybos žaliavų ateities sandoriais komisija (angl. Commodity Futures Trading Commission)
5. „Easley, D., M. López de Prado, M. O’Hara: The Microstructure of the 'Flash Crash': Flow Toxicity, Liquidity Crashes and the Probability of Informed Trading“, The Journal of Portfolio Management, Vol. 37, No. 2, pp. 118–128, Winter, 2011,SSRN 1695041
6. Opalesque Exclusive: High-frequency trading under the microscope Archyvuota kopija 2014-12-19 iš Wayback Machine projekto., Opalesque, 2009 m. rugpjūčio 4 d.
7. Virtu Financial Form S-1, United States Securities And Exchange Commision, 2014 m. kovo 10 d.
8. Rob Iati, The Real Story of Trading Software Espionage, AdvancedTrading.com, 2009 m. liepos 10 d.
9. A London Hedge Fund That Opts for Engineers, Not M.B.A.’s, Heather Timmons, 2006 m. rugpjūčio 18 d.
10. Looking for options – Derivatives drive the battle of the exchanges, Economist.com, 2007 m. balandžio 15
11. Algorithmic trading, Ahead of the tape, The Economist 383 (June 23, 2007), 2007 m. birželio 21 d.
12. „MTS to mull bond access“, , 2007 m. balandžio 18 d.
13. Lauricella, Tom (2010 m. spalio 2 d.). „How a Trading Algorithm Went Awry“. The Wall Street Journal.
14. Mehta, Nina (2010 m. spalio 1 d.). „Automatic Futures Trade Drove May Stock Crash, Report Says“. Bloomberg.
15. Bowley, Graham (2010 m. spalio 1 d.). „Lone $4.1 Billion Sale Led to 'Flash Crash' in May“. The New York Times.
16. Spicer, Jonathan (2010 m. spalio 1 d.). „Single U.S. trade helped spark May's flash crash“. Reuters.
17. Goldfarb, Zachary (2010 m. spalio 1 d.). „Report examines May's 'flash crash,' expresses concern over high-speed trading“. Washington Post.
18. Popper, Nathaniel (2010 m. spalio 1 d.). „$4.1-billion trade set off Wall Street 'flash crash,' report finds“. Los Angeles Times.
19. Younglai, Rachelle (2010 m. spalio 5 d.). „U.S. probes computer algorithms after "flash crash"“. Reuters.
20. Spicer, Jonathan (2010 m. spalio 15 d.). „Special report: Globally, the flash crash is no flash in the pan“. Reuters.
21. TECHNICAL COMMITTEE OF THE INTERNATIONAL ORGANIZATION OF SECURITIES COMMISSIONS (2011 m. liepa), Regulatory Issues Raised by the Impact of Technological Changes on Market Integrity and Efficiency. Nuoroda tikrinta 2011 m. liepos 12 d. 
22. Huw Jones (2011 m. liepos 7 d.). „Ultra fast trading needs curbs -global regulators“. Reuters. Suarchyvuotas originalas 2014-10-19. Nuoroda tikrinta 2011 m. liepos 12 d..
23. Tuzun, Tugkan (2014 m. gegužės 5 d.) 
24. Sornette (2003), Critical Market Crashes
25. BOWLEY, GRAHAM (2011 m. balandžio 25 d). „Preserving a Market Symbol“. The New York Times. Nuoroda tikrinta 7 August 2014.
26. „Agent-Human Interactions in the Continuous Double Auction“ Archyvuota kopija 2013-11-04 iš Wayback Machine projekto., IBM T.J.Watson Research Center, 2001 m. rugpjūtis
27. „Price Formation in Double Auctions, Games and Economic Behavior, 22(1):1-29“, S. Gjerstadas ir J. Dickhautas, 1998 m. sausis
28. „Minimal Intelligence Agents for Bargaining Behaviours in Market-Based Environments, Hewlett-Packard Laboratories Technical Report 97-91“ Archyvuota kopija 2015-09-24 iš Wayback Machine projekto., D. Cliffas, 1997 m. rugpjūtis
29. „Algo Arms Race Has a Leader – For Now“, NYU Stern School of Business, 2006 m. gruodžio 18 d.
30. Anatomy of a Trend Following Trade – The Short Exit Archyvuota kopija 2014-12-29 iš Wayback Machine projekto., Attain Capital, 2011 m. spalio 27 d.
31. The Application of Pairs Trading to Energy Futures Markets, 2008 m. liepos 5 d.
32. The Pros And Cons Of Automated Trading Systems, Jean Folger