Mercado de opções de negociação de alta freqüência

Fundamentos do comércio algorítmico: 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 em caixa preta ou simplesmente algo-trading) é o processo de uso de computadores programados para seguir um conjunto definido de instruções para colocar um comércio para gerar lucros a uma velocidade e freqüência impossíveis para um comerciante humano. Os conjuntos definidos de regras são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Além das oportunidades de lucro para o comerciante, o algo-trading torna os mercados mais líquidos e torna a negociação mais sistemática descartando impactos emocionais humanos nas atividades comerciais. (Para mais, consulte Picking the Right Algorithmic Trading Software.)

Suponha que um comerciante siga esses critérios de comércio simples:

Compre 50 ações de uma ação quando sua média móvel de 50 dias excede a média móvel de 200 dias. Vende ações da ação quando sua média móvel de 50 dias está abaixo da média móvel de 200 dias.

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

[Se você quiser saber mais sobre as estratégias comprovadas e pontuais que podem eventualmente ser trabalhadas em um sistema de comércio alorítico, confira o Curso de Torneio de Dia de Torneio da Invastopedia Academy. ]

Benefícios da negociação algorítmica.

A Algo-trading oferece os seguintes benefícios:

Negociações executadas com os melhores preços Posicionamento instantâneo e preciso da ordem comercial (com altas chances de execução nos níveis desejados) Negociações cronometradas corretamente e instantaneamente, para evitar mudanças de preços significativas Custos de transação reduzidos (veja o exemplo de falta de implementação abaixo) Verificações automatizadas simultâneas em múltiplos condições de mercado Reduziu o risco de erros manuais na colocação dos negócios Backtest o algoritmo, com base nos dados históricos e em tempo real disponíveis Reduzida a possibilidade de erros por comerciantes humanos com base em fatores emocionais e psicológicos.

A maior parte do dia-a-dia é a negociação de alta freqüência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em múltiplos mercados e múltiplos parâmetros de decisão, com base em instruções pré-programadas. (Para obter mais informações sobre o comércio de alta freqüência, consulte Estratégias e Segredos de Empresas de Negociação de Alta Freqüência (HFT).)

O Algo-trading é usado em muitas formas de atividades de comércio e investimento, incluindo:

Investidores de médio a longo prazo ou empresas de compra (fundos de pensão, fundos de investimento, companhias de seguros) que adquirem ações em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e de grande porte. Os comerciantes de curto prazo e os participantes do lado da venda (fabricantes de mercado, especuladores e arbitragentes) se beneficiam da execução comercial automatizada; Além disso, ajudas de algo-trading na criação de liquidez suficiente para os vendedores no mercado. Os comerciantes sistemáticos (seguidores de tendências, comerciantes de pares, hedge funds, etc.) acham muito mais eficiente programar suas regras comerciais e permitir que o programa seja comercializado automaticamente.

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

Estratégias de negociação algorítmica.

Qualquer estratégia de negociação algorítmica exige uma oportunidade identificada que seja rentável em termos de melhoria de ganhos ou redução de custos. As seguintes são estratégias de negociação comuns usadas em algo-trading:

As estratégias de negociação algorítmicas mais comuns seguem as tendências em médias móveis, fuga de canais, movimentos no nível de preços e indicadores técnicos relacionados. Estas são as estratégias mais fáceis e simples de implementar através de negociação algorítmica porque essas estratégias não envolvem fazer previsões ou previsões de preços. Os negócios são iniciados com base na ocorrência de tendências desejáveis, que são fáceis e direitas de implementar através 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 as estratégias de negociação de tendências, consulte: Estratégias simples para capitalizar as tendências.)

Comprar um estoque cotado duplo a um preço mais baixo em um mercado e simultaneamente vendê-lo a um preço mais alto em outro mercado oferece o diferencial de preço como lucro ou arbitragem sem risco. A mesma operação pode ser replicada para ações versus instrumentos de futuros, pois os diferenciais de preços existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preços e colocar as ordens permite oportunidades lucrativas de forma eficiente.

Os fundos do índice definiram períodos de reequilíbrio para que suas participações fossem compatíveis com seus respectivos índices de referência. Isso cria oportunidades rentáveis ​​para comerciantes algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos base, dependendo do número de ações no fundo do índice, apenas antes do reequilíbrio do fundo do índice. Essas negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.

Muitos modelos matemáticos comprovados, como a estratégia de negociação neutra do delta, que permitem a negociação de combinações de opções e sua segurança subjacente, onde os negócios são colocados para compensar deltas positivos e negativos, de modo que o portfólio delta seja mantido em zero.

A estratégia de reversão média baseia-se na ideia de que os preços altos e baixos de um bem são um fenômeno temporário que retorna periodicamente ao seu valor médio. Identificar e definir uma faixa de preço e implementar algoritmos com base em isso permite que os negócios sejam colocados automaticamente quando o preço do recurso entra e sai do seu alcance definido.

A estratégia de preços médios ponderados por volume quebra uma grande ordem e libera pedaços menores determinados dinamicamente da ordem para o mercado usando perfis de volume histórico específicos de estoque. O objetivo é executar a ordem perto do preço médio ponderado do volume (VWAP), beneficiando assim o preço médio.

A estratégia de preço médio ponderado no tempo quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando intervalos de tempo uniformemente divididos entre o início e o fim do tempo. O objetivo é executar a ordem perto do preço médio entre os horários de início e término, minimizando assim o impacto no mercado.

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

A estratégia de falta de implementação visa minimizar o custo de execução de uma ordem através da negociação do mercado em tempo real, economizando assim o custo da ordem e beneficiando do custo de oportunidade da execução atrasada. A estratégia aumentará a taxa de participação direcionada quando o preço das ações se mover de forma favorável e diminuí-lo quando o preço das ações se mover de forma adversa.

Existem algumas classes especiais de algoritmos que tentam identificar "acontecimentos" do outro lado. Esses "algoritmos de sniffing", usados, por exemplo, por um market maker market market têm a inteligência interna para identificar a existência de qualquer algoritmo no lado da compra de uma grande ordem. Essa detecção através de algoritmos ajudará o fabricante de mercado a identificar grandes oportunidades de ordem e permitir que ele se beneficie ao preencher os pedidos a um preço mais alto. Isso às vezes é identificado como front-running de alta tecnologia. (Para obter mais informações sobre negociação de alta freqüência 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. São necessários os seguintes:

Conhecimento de programação de computador para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricado Conectividade de rede e acesso a plataformas de negociação para colocar os pedidos Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de colocar pedidos A capacidade e infra-estrutura para voltar a testar o sistema uma vez construído, antes de entrar em operação em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.

Aqui está um exemplo abrangente: o Royal Dutch Shell (RDS) está listado na Amsterdam Stock Exchange (AEX) e London Stock Exchange (LSE). Vamos construir 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, seguido de ambas as trocas comerciais simultaneamente durante as próximas horas e depois de negociar apenas na LSE durante a última hora à medida que o AEX fecha .

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

Um programa de computador que pode ler os preços atuais do mercado Os feeds de preços de LSE e AEX A taxa de câmbio para a taxa de câmbio GBP-EUR Capacidade de colocação de pedidos que podem rotear a ordem para a troca correta do recurso Back-testing em feeds históricos de preços.

O programa de computador deve executar o seguinte:

Leia o preço de entrada do estoque RDS de ambas as bolsas Usando as taxas de câmbio disponíveis, converta o preço de uma moeda para outra. Se houver uma discrepância de preço suficientemente grande (descontando os custos de corretagem) levando a uma oportunidade rentável, então coloque a compra ordem em troca de preços mais baixos e ordem de venda em troca de preços mais elevados Se as ordens forem executadas conforme desejado, o lucro de arbitragem seguirá.

Simples e fácil! No entanto, a prática de negociação algorítmica não é simples de manter e executar. Lembre-se, se você pode colocar um comércio gerado por algo, os outros participantes do mercado podem também. Conseqüentemente, os preços flutuam em milissegundos e até mesmo em microssegundos. No exemplo acima, o que acontece se o seu comércio de compras for executado, mas o comércio de vendas não acontece à medida que os preços de venda mudam quando o seu pedido atinge o mercado? Você vai acabar sentado com uma posição aberta, tornando sua estratégia de arbitragem inútil.

Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos de tempo entre ordens comerciais e execução e, o mais importante de tudo, algoritmos imperfeitos. O algoritmo mais complexo é o backtesting mais rigoroso antes de ser posto em ação.

The Bottom Line.

A análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinada criticamente. É excitante ir pela automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso certificar-se de que o sistema está completamente testado e os limites exigidos são definidos. Os comerciantes analíticos devem considerar a aprendizagem de sistemas de programação e construção por conta própria, ter confiança em implementar as estratégias certas de forma infalível. O uso cauteloso eo teste completo de algo-trading podem criar oportunidades rentáveis. (Para mais informações, consulte Como codificar seu próprio robô Algo Trading.)

Como um comerciante ganhou US $ 2,4 milhões em 28 minutos.

Update, 5/7/2018: No dia 6 de abril, a Reuters informou que, de acordo com seus dados, um tweet sobre um acordo potencial entre a Intel e a Altera parece não ter sido o ímpeto para negociações de opções atempadas que arrecadaram US $ 2,4 milhões em 28 minutos. Esse tweet, enviado por um repórter do Wall Street Journal, ocorreu 19 segundos após os negócios terem ocorrido. Intel e Altera alegadamente desde que cancelou qualquer conversa, e nenhum acordo parece estar em andamento. A história da fortuna foi atualizada para refletir esses fatos.

Alguns anos atrás, um fundo de hedge de Londres criou algo que rapidamente se tornou conhecido como o fundo do Twitter. Um sistema de computador que operava & # 8220; leia & # 8221; 100 milhões de tweets por semana e determinou se refletiram uma perspectiva positiva ou negativa no mundo.

Se o sentimento fosse positivo, o fundo compraria ações. Se fosse negativo, colocaria uma aposta de que os estoques baixariam.

Foi uma idéia horrível. O fundo caiu e queimou dentro de dois anos.

Mas aqui é talvez o que o fundo deveria ter feito: na sexta-feira, um comerciante de opções fez mais de US $ 2,4 milhões com base em um único fio de notícias em apenas 28 minutos. Bom trabalho, se você conseguir, o que você provavelmente pode.

O comércio teve que ver com relatórios de que a Intel (INTC) está em negociações para comprar Altera (ALTR). As notícias das discussões de fusão entre os dois fabricantes de chips surgiram no Dow Jones Newswires na tarde de sexta-feira, mas nenhum acordo foi anunciado oficialmente. No entanto, um segundo após o sucesso da notícia, um comerciante comprou opções para cerca de 300 mil ações da Altera. As opções tinham um preço de exercício de US $ 36, e as ações no momento negociavam US $ 34. Então, eles foram chamados para fora das opções de dinheiro, porque qualquer pessoa que os exercesse acabaria por ter que pagar US $ 36 por um estoque de US $ 34. E as opções estavam programadas para expirar em meados de abril. Eles não custam muito, cerca de US $ 0,35 cada, ou cerca de US $ 110,000 para todo o comércio.

Menos de 20 segundos depois, o estoque da Altera foi interrompido nas notícias da fusão da Intel, de acordo com dados da Nasdaq. Dois segundos depois, um repórter do Wall Street Journal rerizou as notícias, de acordo com Dow Jones. Quando o estoque reabriu em torno de 3:40, as ações haviam saltado 28%. O estoque fechou em quase US $ 44,50. Isso significava que as opções que tinham sido compradas por US $ 0,35 agora valiam quase US $ 8,50, ou coletivamente, apenas mais de US $ 2,4 milhões mais, que eram 28 minutos antes.

A Intel está em negociações para comprar Altera. O negócio seria maior no histórico da Intel. Scoop w / @danacimilluca chegando a t. co/Q7kOQBB8Zh $ ALTR.

Os comerciantes de opções dizem que vêem comércios sombrios o tempo todo. E a Comissão de Valores Mobiliários investiga regularmente negociações questionáveis ​​e, às vezes, trazem casos de insider trading contra os investidores por trás deles.

Especialistas dizem que um comerciante de opções de dedo rápido poderia ter executado um comércio em quase um minuto, mas houve um pouco de ceticismo em uma sala de conversação de opções de comerciantes para saber se isso era possível. Uma explicação muito melhor: o comércio foi feito por um computador. Alguns anos atrás, o comércio de alta frequência era relativamente raro nos mercados de opções. Mas hoje, os comerciantes dizem que é cada vez mais comum.

E talvez não seja tão surpreendente que um computador possa pegar algo como um hit de notícias ou um tweet que derruba leitores sobre o potencial acordo.

A questão, como acontece com todos os debates sobre o comércio de alta freqüência, é se é justo ou, em vez disso, se é mais justo do que um comerciante usar informações privilegiadas. Geralmente, a teoria por trás da negociação de informação privilegiada é ilegal que dá a algumas pessoas uma vantagem injusta sobre outras. Outros investidores não tiveram acesso à mesma informação privilegiada.

Mas também é verdade que a maioria dos investidores não tem acesso a um computador comercial de alta freqüência que poderia fazer um comércio de 300.000 opções de compartilhamento em menos de um minuto. Então, não é tão injusto permitir o comércio de alta freqüência, pelo menos nesta instância, também?

Jim Strugger, estrategista de derivativos da MKM Partners, diz que é um argumento bobo. O abuso de informações é ilegal e a negociação de alta freqüência não é. O comércio de alta freqüência pode ser um problema, diz Strugger, quando se baseia em dados de mercado que apenas as empresas de investimento têm acesso ou acesso a primeiro. A insider trading também é sobre acesso a informações privadas. Mas quando uma troca é baseada em informações públicas, ou algo dito no Twitter, então deve ser um jogo justo. (A empresa de Strugger, por sinal, não é um comerciante de alta freqüência. O que é mais, sua empresa frustrar os comerciantes atuando sobre as informações que eles aprendem no Twitter.)

Strugger diz que ele ouviu falar de indivíduos criando algoritmos de negociação rápida em casa. O que é mais, Strugger diz que os algoritmos do computador estão longe de ser perfeitos, por isso não é como o sistema é manipulado.

& # 8220; eu sou agitado o tempo todo de pessoas que querem nos vender sistemas de computadores que podem fazer negócios rápidos em tweets ou notícias sobre possíveis negócios, mas eu desisto, e # 8221; diz Strugger. & # 8220; Por cada acordo, eles ficam corretos, há dez eles ficam errados. & # 8221;

Veja mais notícias comerciais da Fortune:

CONTEÚDO FINANCEIRO PATROCINADO.

Você pode gostar.

Histórias de.

Assine nossa newsletter.

Inscreva-se & amp; Salve .

Assine nossa newsletter.

A Fortune pode receber compensação por alguns links para produtos e serviços neste site. As ofertas podem estar sujeitas a alterações sem aviso prévio.

Cotações atrasadas pelo menos 15 minutos. Dados de mercado fornecidos pela Interactive Data. ETF e fundos mútuos fornecidos pela Morningstar, Inc. Termos e condições da Dow Jones: djindexes / mdsidx / html / tandc / indexestandcs. html.

Os dados do índice S & P são propriedade da Chicago Mercantile Exchange Inc. e seus licenciadores. Todos os direitos reservados. Termos e Condições. Desenvolvido e implementado por soluções interativas de gerenciamento de dados.

Estratégias e Segredos das Empresas de Negociação de Alta Freqüência (HFT).

O sigilo, a Estratégia e a Velocidade são os termos que melhor definem as empresas de alta freqüência (HFT) e, de fato, a indústria financeira em geral, tal como existe hoje.

As empresas HFT são seguras sobre suas formas de operar e chaves para o sucesso. As pessoas importantes associadas à HFT evitam as luzes das pistas e preferem ser menos conhecidas, embora isso esteja mudando agora.

As empresas do negócio 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, juntamente com macro global, equidade longa / curta, mercado de mercado passivo, e assim por diante.

A HFT confia na velocidade ultra rápida do software de computador, acesso a dados (NASDAQ TotalView-ITCH, NYSE OpenBook, etc.) a recursos importantes e conectividade com latência mínima (atraso).

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

As empresas HFT geralmente usam dinheiro privado, tecnologia privada e uma série de estratégias privadas para gerar lucros. As empresas comerciais de alta freqüência podem ser divididas em três tipos.

A forma mais comum e maior da empresa HFT é a empresa proprietária independente. A negociação exclusiva (ou "prop trading") é executada com o próprio dinheiro da empresa e não com os clientes. Por outro lado, os lucros são para a empresa e não para clientes externos. Algumas empresas da HTF são parte subsidiária de uma empresa de corretores. Muitas das empresas regulares de corretoras têm uma seção secundária conhecida como mesas de negociação proprietárias, onde o HFT está pronto. Esta seção está separada do negócio que a empresa faz para seus clientes externos regulares. Por último, as empresas HFT também operam como hedge funds. Seu foco principal é lucrar com as ineficiências nos preços entre títulos e outras categorias de ativos usando arbitragem.

Antes da regra de Volcker, muitos bancos de investimento tinham segmentos dedicados à HFT. Post-Volcker, nenhum banco comercial pode possuir mesas de negociação proprietárias ou quaisquer investimentos de hedge funds desse tipo. Embora todos os principais bancos tenham encerrado suas lojas de HFT, alguns desses bancos ainda estão enfrentando alegações sobre possíveis malversações relacionadas ao HFTs realizadas no passado.

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

Essas empresas negociam de ambos os lados, ou seja, eles fazem pedidos para comprar e vender usando pedidos 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 bolsam. Assim, essas empresas se dedicam à "criação de mercado" apenas para obter lucros com a diferença entre o spread de oferta e solicitação. Essas transações são realizadas por computadores de alta velocidade usando algoritmos. Outra fonte de renda para as empresas HFT é que eles são pagos por fornecer liquidez pelas Redes de Comunicações Eletrônicas (ECNs) e algumas trocas. As empresas HFT desempenham o papel de criadores de mercado, criando spreads de oferta e solicitação, produzindo principalmente preços baixos, estoques de alto volume (favoritos típicos para HFT) muitas vezes em um único dia. Essas empresas cercam o risco ao esquentar o comércio e criar um novo. (Veja: Seleção de Principais estoques de comerciantes de alta freqüência (HFTs)) Outra maneira dessas empresas ganhar dinheiro é procurando discrepâncias de preços entre títulos em diferentes bolsas ou aulas de ativos. Esta estratégia é chamada de arbitragem estatística, em que um comerciante proprietário está atento às inconsistências temporárias nos preços em diferentes trocas. Com a ajuda de transações ultra rápidas, eles capitalizam essas pequenas flutuações que muitos nem sequer percebem. As empresas HFT também ganham dinheiro ao se entregarem a uma ignição momentânea. A empresa pode ter como objetivo causar um pico no preço de um estoque, usando uma série de negócios com o motivo de atrair outros comerciantes de algoritmos para negociar esse estoque. O instigador de todo o processo sabe que após o movimento de preços rápidos "artificialmente criado", o preço reverte para o normal e, portanto, o comerciante ganha tomando uma posição no início e, eventualmente, trocando antes de sair. (Leitura relacionada: como o investidor varejista beneficia da negociação de alta freqüência)

O mundo da HFT tem jogadores que vão desde pequenas empresas até empresas de médio porte e grandes jogadores. Alguns nomes da indústria (sem pedido específico) são o Automated Trading Desk (ATD), a Chopper Trading, a DRW Holdings LLC, a Tradebot Systems Inc., a KCG Holdings Inc. (fusão da GETCO e Knight Capital), Susquehanna International Group LLP ( SIG), Virtu Financial, Allston Trading LLC, Geneva Trading, Hudson River Trading (HRT), Jump Trading, Five Rings Capital LLC, Jane Street, etc.

As empresas envolvidas em HFT enfrentam frequentemente riscos relacionados à anomalia de software, condições dinâmicas do mercado, bem como regulamentos e conformidade. Uma das instâncias flagrantes foi um fiasco ocorrido em 1 de agosto de 2018, que trouxe o Knight Capital Group perto da falência - perdeu US $ 400 milhões em menos de uma hora após os mercados terem aberto esse dia. A "falha comercial", causada por um mau funcionamento do algoritmo, levou a comércio errático e ordens ruins em 150 estoques diferentes. A empresa foi finalmente resgatada. Essas empresas devem trabalhar no gerenciamento de riscos, uma vez que é esperado que assegurem muita conformidade regulatória, além de enfrentar os desafios operacionais e tecnológicos.

Como a HFT está mudando o que sabemos sobre o mercado.

Emily Lambert | 18 de junho de 2018.

Quando os produtores de TV estão à procura de imagens para ilustrar notícias financeiras, a escolha mais fácil é muitas vezes o comércio de uma troca, com os comerciantes gesticulando e gritando. Este verão, algumas dessas imagens serão limitadas à história. A CME Group, a maior bolsa de futuros do mundo, está encerrando quase todos os pólos de Chicago, onde gerações de comerciantes trocaram contratos de futuros e opções com gritos e sinais de mão. Grande parte do trabalho desses comerciantes é agora automatizado, executado por algoritmos que colocam milhares de pedidos a cada segundo e que se competem entre si para alcançar os servidores da troca.

Leitura recomendada.

Este é o último exemplo de como a negociação eletrônica, e mais recentemente o comércio de alta freqüência (HFT), mudou o mercado. Mas não é apenas a velocidade e os meios de execução que mudaram: os dados que os mercados financeiros produzem estão mudando o que sabemos - ou pensamos que sabíamos - sobre os mercados financeiros. Armados com enormes quantidades de dados, e poder de computação suficiente para dar sentido a eles, econometristas e estatísticos estão revisitando e fazendo buracos em algumas teorias de longa data sobre como os mercados funcionam. Algumas dessas teorias foram construídas em pontos de dados diários coletados de livros vinculados mantidos em bibliotecas. Mas na era de alta freqüência, essas hipóteses precisam ser atualizadas? "Houve uma proliferação de dados, e isso levou a um renascimento na pesquisa empírica", diz Andrew Lo, do MIT.

O Método Generalizado de Momentos.

Os modelos econométricos tendem a ser altamente geeky. Quando a Lars Peter Hansen, da Universidade de Chicago, ganhou o Prêmio Nobel de Ciências Econômicas em 2018, muitos jornalistas se esforçaram para explicar seu trabalho, o Método de Momentos Generalizados (GMM). Como um dos dois vencedores de Hansen, Robert Schiller de Yale, explicou no New York Times, "o professor Hansen desenvolveu um procedimento. . . para testar modelos de expectativas racionais - modelos que englobam o modelo dos mercados eficientes - e seu método levou à rejeição estatística de muitos mais deles ". (Eugene F. Fama, Robert R. McCormick Professor Distinguido de Finanças no Chicago Booth , também compartilhou o Nobel naquele ano.)

A hipótese de alavancagem de Fischer Black.

Antes de desenvolver o GMIM, Xiu fazia parte de uma equipe revisitando a influente hipótese do economista Fischer Black, de 1976, em relação à alavancagem. No mercado de ações, a volatilidade de uma ação tende a se elevar quando o preço das ações cair - particularmente em índices como o S & P 500. Black acreditava que a relação negativa entre a volatilidade de um ativo e seu retorno poderia ser explicada pela dívida da empresa relação de capital próprio. Quando o preço das ações da General Motors declina, por exemplo, a volatilidade das ações sobe. Intuitivamente, faz sentido: quanto mais apalpado for uma empresa, mais provável será a sua participação.

Modelos de preços de opção.

Perguntas sobre o efeito de alavanca levaram o Xiu a questionar modelos de opções de preços. Das muitas coisas que são modeladas em finanças, o preço das opções de compra de ações é um dos mais fundamentais. Os contratos de opções derrubaram a revolução quantitativa do setor financeiro: depois que o CBOE formou e lançou seus primeiros contratos, a Fischer Black e Myron Scholes inventaram seu famoso modelo Black-Scholes, que os comerciantes usavam para avaliar opções. Durante anos, os comerciantes e corretores nos boxes comerciais imprimiram folhas de preços calculados usando Black-Scholes.

"Muitos no setor financeiro usam Heston e uma variedade de modelos similares para avaliar as opções. Isso é sábio? & # 13; "

Volatilidade e volume de negócios.

Os pesquisadores também estão transformando o GMIM em outro modelo teórico bem conhecido, a Hipótese de Mistura de Distribuição (MDH), que data da década de 1970 e prevê uma relação entre a volatilidade e as medidas de liquidez, como o volume de negócios. Essas são variáveis-chave para as estratégias dos fabricantes de mercado, e o MDH é um dos modelos que as ligam. Ele sustenta que boas ou más notícias geram variações diárias de preços e volume de negócios.

Trabalhos citados.

Torben G. Andersen, & ldquo; Volatilidade de retorno e volume de negociação: uma interpretação de fluxo de informação de volatilidade estocástica, & rdquo; Journal of Finance, março de 1996. Andrew Ang, Robert J. Hodrick, Yuhang Xing e Xiaoyan Zhang, & ldquo; The Cross-Section of Volatility and Esperpected Returns, & rdquo; Journal of Finance, fevereiro de 2006. Fischer Black, & ldquo; Studies of Stock Volatility Changes, & rdquo; Documento apresentado nos Procedimentos das Reuniões de 1976 da Associação Americana de Estatística, Seção de Estatística de Negócios e Economia, 1976. Lars Peter Hansen, & ldquo; Large Sample Properties of Generalized Method of Moments Estimators, & rdquo; Econometrica, julho de 1982. Lars Peter Hansen e Kenneth J. Singleton, & ldquo; Variabilidade instrumental generalizada, estimativa de modelos de expectativas racionais não-lineares, & rdquo; Econometrica, setembro de 1982. Steven L. Heston, & ldquo; Uma solução de formulário fechado para opções com volatilidade estocástica com aplicativos para obrigações e opções de moeda, & rdquo; Review of Financial Studies, abril de 1993. Dacheng Xiu e Ilze Kalnina, & ldquo; Estimativa não paramétrica do efeito de alavanca usando informações de mercados de derivativos, & rdquo; Documento de trabalho, maio de 2018. Dacheng Xiu e Jia Li, & ldquo; Métodos generalizados de momentos integrados para dados de alta freqüência, & rdquo; Documento de trabalho, fevereiro de 2018. Uma versão anterior deste documento é circulada como & ldquo; Regressões de variância pontual. & Rdquo;

Verão de 2018.

Veja a questão & rsaquo;

Artigos em destaque.

cbr-logo-white Criado com Sketch.

Chicago Booth Review.

PERSPECTIVAS DE INVESTIGAÇÃO DE NEGÓCIOS, POLÍTICAS E MERCADOS.

CREDIT SUISSE: Veja como a negociação de alta freqüência mudou o mercado de ações.

O aumento da negociação de alta freqüência no mercado de ações dos EUA não foi nada, senão controverso.

A prática, que usa algoritmos complexos para analisar vários mercados e executar ordens baseadas em condições de mercado, dividiu Wall Street em dois campos: aqueles que pensam que o mercado de ações se beneficiou de sua existência e aqueles que defendem o contrário.

O que não está em dúvida, no entanto, é o seu impacto global na bolsa de valores.

"Eles estabeleceram firmemente seu lugar no ecossistema do mercado, principalmente servindo como um facilitador conectando compradores e vendedores ao longo do tempo, mas também freqüentemente criticado por esse papel por ser supérfluo, ou pior, predatório", afirmou a estrategista do Credit Suisse, Ana Avramovic, em um nota recente.

"Seja qual for sua visão, seu impacto foi largo e, provavelmente, duradouro", acrescentou.

Em uma nota, intitulada We†™ re All High Frequency Traders Now, Avramovic correu através de quatro formas em que HFTs impactaram o mercado.

Ver como: uma página slides.

Maiores volumes de negociação.

Os maiores volumes de negociação são o "impacto maior, mais duradouro e mais visível" da HFT, segundo o Credit Suisse.

O relatório dizia: В.

"Estimamos que o volume de gerentes de dinheiro e investidores, ativos e passivos, manteve-se bastante consistente por pelo menos uma década (entre cerca de 3 e 4 bilhões de ações por dia). Atualmente, os volumes atuais dos EUA são mais do dobro do que eles estavam na pré-crise, em grande parte dos anos pré-HFT. A diferença é principalmente devido a HFT e estratégias de negociação de alta velocidade ".

Há queixas de que esta atividade não é uma atividade "real", mas sim que esse aumento é baixo para uma negociação desnecessária, ou é projetado para tirar proveito de investidores com movimentos mais lentos.

"Embora isso possa ser verdade. A maioria das atividades da HFT serve para conectar esses compradores e vendedores naturais e reduzir os tempos de espera, muitas vezes substancialmente assim", disse Credit Suisse.

Os spreads de lance e solicitação para estoques de grandes capitais se apertaram.

Um spread de oferta e solicitação é um conceito importante em Wall Street. Refere-se à diferença entre o preço ao qual alguém deseja comprar um ativo (preço do preço) e o preço pelo qual o vendedor deseja vender esse ativo (preço de venda). Quanto mais apertado melhor, em teoria.

O aumento da HFT tem visto uma divergência entre os spreads de oferta e solicitação para estoques de grandes capitais (eles se apertaram) e pequenas capitulações (eles se expandiram), sugerindo uma concentração de negociação nos estoques mais líquidos e maiores.

Credit Suisse disse:

"Os spreads Bid-ask para largecaps e smallcaps geralmente se movem na mesma direção, o que significa que eles ampliam ou estreitam de acordo com a volatilidade. No entanto, achamos que a dispersão nos spreads entre os estoques mais líquidos e menos líquidos cresceu desde meados de 2009 ".

Há maior volatilidade nos estoques de grande capitalização no final do dia de negociação.

Os estoques de grandes capitais e os estoques de pequena capitalização também vêem a maior volatilidade em diferentes momentos do dia.

"No início do dia, as pequenas capitais tendem a ser mais voláteis, pois demoram um pouco mais para estabelecer preços justos", disse Credit Suisse. "Mas, no final do dia, eles realmente têm uma volatilidade ligeiramente menor do que as grandes capas".

"As pequenas capitais parecem ter maiores lacunas de preços, no entanto, elas tendem a ter menos das pequenas flutuações, em grande parte, em contraste, com sua grande presença de fabricantes de mercado, podem experimentar algo como" citações de flicker ", pois o preço salta rapidamente entre a oferta e pergunte, especialmente no final do dia.

"Ambos os fenômenos podem ser atribuídos à HFT", sua ausência no caso de smallcaps e operações de ida e volta ocupadas no caso de largecaps ".

Há um pequeno número de lacunas de preços, ou grandes saltos, em grandes preços de ações.

Os comerciantes de alta freqüência muitas vezes procuram se beneficiar de ineficiências no mercado, pisando quando algo se moveu demais.

Como resultado, В "há menos casos de preços em ações que geralmente possuem maior presença de HFT", de acordo com o Credit Suisse. Em outras palavras, esses estoques têm menos carrapatos extremos para cima e para baixo.

"Por vários anos, em 2009, quando o HFT atingiu o seu pico, a proporção de lacunas nas pequenas capitais para grandes capitais permaneceu em torno de cinco lacunas em um estoque de boné pequeno para todos em uma grande camiseta", disse o banco.

"Começando em 2018, no entanto, e continuando em grande parte até hoje, quando vimos algum HFT deixando o mercado e outros se reunindo em largecap land, essa proporção aumentou consideravelmente", acrescentou o banco.