El comercio algorítmico es un método para ejecutar órdenes utilizando instrucciones comerciales automatizadas preprogramadas que tienen en cuenta variables como el tiempo, el precio y el volumen. [1] Este tipo de comercio intenta aprovechar la velocidad y los recursos computacionales de las computadoras en relación con los comerciantes humanos. En el siglo XXI, el comercio algorítmico ha ido ganando terreno entre los comerciantes minoristas e institucionales. [2] [3] Un estudio de 2019 mostró que alrededor del 92% de las operaciones en el mercado Forex se realizaban mediante algoritmos comerciales en lugar de humanos. [4]
Es ampliamente utilizado por bancos de inversión , fondos de pensiones , fondos mutuos y fondos de cobertura que pueden necesitar extender la ejecución de una orden más grande o realizar operaciones demasiado rápido para que los operadores humanos reaccionen. Sin embargo, también está disponible para comerciantes privados que utilizan herramientas minoristas sencillas.
El término comercio algorítmico se utiliza a menudo como sinónimo de sistema de comercio automatizado . Estos abarcan una variedad de estrategias comerciales , algunas de las cuales se basan en fórmulas y resultados de finanzas matemáticas y, a menudo, dependen de software especializado. [5] [6]
Ejemplos de estrategias utilizadas en el comercio algorítmico incluyen el comercio sistemático , la creación de mercado , la difusión entre mercados, el arbitraje o la especulación pura , como el seguimiento de tendencias . Muchos entran en la categoría de comercio de alta frecuencia (HFT), que se caracteriza por una alta rotación y altos ratios entre pedidos y transacciones. [7] Las estrategias HFT utilizan computadoras que toman decisiones elaboradas para iniciar órdenes basadas en la información que se recibe electrónicamente, antes de que los comerciantes humanos sean capaces de procesar la información que observan. Como resultado, en febrero de 2012, la Comisión de Comercio de Futuros de Productos Básicos (CFTC) formó un grupo de trabajo especial que incluía académicos y expertos de la industria para asesorar a la CFTC sobre la mejor manera de definir HFT. [8] [9] El comercio algorítmico y el HFT han resultado en un cambio dramático de la microestructura del mercado y en la complejidad e incertidumbre de la macrodinámica del mercado, [10] particularmente en la forma en que se proporciona la liquidez . [11]
La informatización del flujo de órdenes en los mercados financieros comenzó a principios de la década de 1970, cuando la Bolsa de Nueva York introdujo el sistema de "giro de órdenes designado" (DOT). SuperDOT se introdujo en 1984 como una versión mejorada del DOT. Ambos sistemas permitieron el envío de órdenes electrónicamente al puesto comercial adecuado. El "sistema automatizado de informes de apertura" (OARS) ayudó al especialista a determinar el precio de apertura del mercado (SOR; Smart Order Routing).
Con el auge de los mercados totalmente electrónicos llegó la introducción del programa de negociación , que la Bolsa de Valores de Nueva York define como una orden para comprar o vender 15 o más acciones valoradas en más de 1 millón de dólares en total. En la práctica, las operaciones de programa estaban preprogramadas para entrar o salir automáticamente de operaciones en función de varios factores. [12] En la década de 1980, el comercio de programas se utilizó ampliamente en el comercio entre los mercados de acciones y futuros del S&P 500 en una estrategia conocida como arbitraje de índices.
Casi al mismo tiempo, el seguro de cartera se diseñó para crear una opción de venta sintética sobre una cartera de acciones mediante la negociación dinámica de futuros sobre índices bursátiles de acuerdo con un modelo informático basado en el modelo de fijación de precios de opciones de Black-Scholes .
Muchas personas (por ejemplo, por el informe Brady ) culparon a ambas estrategias, a menudo simplemente agrupadas como "comercio de programas", de exacerbar o incluso iniciar la caída del mercado de valores de 1987 . Sin embargo, el impacto del comercio electrónico en las caídas del mercado de valores no está claro y se discute ampliamente en la comunidad académica. [13]
El panorama financiero volvió a cambiar con el surgimiento de las redes de comunicación electrónica (ECN) en la década de 1990, que permitieron la negociación de acciones y divisas fuera de las bolsas tradicionales. [12] En los EE.UU., la decimalización cambió el tamaño mínimo del tick de 1/16 de dólar (0,0625 dólares EE.UU.) a 0,01 dólares EE.UU. por acción en 2001, y puede haber fomentado el comercio algorítmico, ya que cambió la microestructura del mercado al permitir diferencias más pequeñas entre las acciones. precios de oferta y de compra, disminuyendo la ventaja comercial de los creadores de mercado, aumentando así la liquidez del mercado. [14]
Este aumento de la liquidez del mercado llevó a los operadores institucionales a dividir las órdenes según algoritmos informáticos para poder ejecutar órdenes a un mejor precio promedio. Estos precios de referencia promedio se miden y calculan mediante computadoras aplicando el precio promedio ponderado en el tiempo o, más generalmente, mediante el precio promedio ponderado por el volumen .
Está terminado. El comercio que existió a lo largo de los siglos ha muerto. Hoy tenemos un mercado electrónico. Es el presente. Es el futuro.
Robert Greifeld , director ejecutivo de NASDAQ , abril de 2011 [15]
Otro estímulo para la adopción del comercio algorítmico en los mercados financieros llegó en 2001, cuando un equipo de investigadores de IBM publicó un artículo [16] en la Conferencia Conjunta Internacional sobre Inteligencia Artificial donde demostraron que en versiones experimentales de laboratorio de las subastas electrónicas utilizadas en En los mercados financieros, dos estrategias algorítmicas (el propio MGD de IBM y el ZIP de Hewlett-Packard ) podrían superar consistentemente a los operadores humanos. MGD era una versión modificada del algoritmo "GD" inventado por Steven Gjerstad y John Dickhaut en 1996/7; [17] el algoritmo ZIP había sido inventado en HP por Dave Cliff (profesor) en 1996. [18] En su artículo, el equipo de IBM escribió que el impacto financiero de sus resultados que mostraban que MGD y ZIP superaban a los comerciantes humanos "... podría medirse en miles de millones de dólares al año"; El artículo de IBM generó cobertura mediática internacional.
En 2005, la SEC puso en marcha el Sistema de Regulación del Mercado Nacional para fortalecer el mercado de valores. [12] Esto cambió la forma en que las empresas negociaban con reglas como la Trade Through Rule, que exige que las órdenes de mercado deben publicarse y ejecutarse electrónicamente al mejor precio disponible, evitando así que los corredores se beneficien de las diferencias de precios al igualar las órdenes de compra y venta. . [12]
A medida que se abrieron más mercados electrónicos, se introdujeron otras estrategias comerciales algorítmicas. Estas estrategias son más fáciles de implementar mediante computadoras, ya que pueden reaccionar rápidamente a los cambios de precios y observar varios mercados simultáneamente.
Muchos corredores de bolsa ofrecieron estrategias comerciales algorítmicas a sus clientes, diferenciándolos por comportamiento, opciones y marca. Los ejemplos incluyen Chameleon (desarrollado por BNP Paribas ), Stealth [19] (desarrollado por el Deutsche Bank ), Sniper y Guerilla (desarrollado por Credit Suisse [20] ). Estas implementaciones adoptaron prácticas de los enfoques de inversión de arbitraje , arbitraje estadístico , seguimiento de tendencias y reversión a la media .
Estudios de casos Las proyecciones de rentabilidad del Grupo TABB, una firma de investigación de la industria de servicios financieros, para la industria HFT de acciones estadounidenses fueron de 1.3 mil millones de dólares antes de gastos para 2014, [21] significativamente por debajo del máximo de 21 mil millones de dólares que las 300 firmas de valores y coberturas Los fondos que entonces se especializaban en este tipo de operaciones obtuvieron en 2008 beneficios [22] que los autores calificaron entonces de "relativamente pequeños" y "sorprendentemente modestos" en comparación con el volumen total de operaciones del mercado. En marzo de 2014, Virtu Financial , una empresa de comercio de alta frecuencia, informó que durante cinco años la empresa en su conjunto fue rentable en 1.277 de 1.278 días de negociación, [23] perdiendo dinero solo un día, lo que demuestra los beneficios de negociar millones de veces, a través de un conjunto diverso de instrumentos cada día de negociación. [24]
Un tercio de todas las transacciones bursátiles de la Unión Europea y los Estados Unidos en 2006 fueron impulsadas por programas o algoritmos automáticos. [26] En 2009, los estudios sugirieron que las empresas HFT representaban entre el 60% y el 73% de todo el volumen de negociación de acciones de EE. UU., cifra que cayó a aproximadamente el 50% en 2012. [27] [28] En 2006, en la Bolsa de Valores de Londres , más del 40% de todas las órdenes fueron ingresadas por comerciantes algorítmicos, y se prevé que el 60% para 2007. Los mercados estadounidenses y europeos generalmente tienen una mayor proporción de transacciones algorítmicas que otros mercados, y las estimaciones para 2008 varían hasta una proporción del 80% en algunos mercados. Los mercados de divisas también tienen operaciones algorítmicas activas, medidas en alrededor del 80% de las órdenes en 2016 (en comparación con aproximadamente el 25% de las órdenes en 2006). [29] Los mercados de futuros se consideran bastante fáciles de integrar en el comercio algorítmico, [30] y se espera que alrededor del 20% del volumen de opciones sea generado por computadora para 2010. [ necesita actualización ] [31] Los mercados de bonos están avanzando hacia un mayor acceso a las operaciones algorítmicas comerciantes. [32]
El comercio algorítmico y el HFT han sido objeto de mucho debate público desde que la Comisión de Bolsa y Valores de EE. UU. y la Comisión de Comercio de Futuros de Productos Básicos dijeron en informes que un comercio algorítmico realizado por una compañía de fondos mutuos desencadenó una ola de ventas que condujo al Flash Crash de 2010. . [33] [34] [35] [36] [37] [38] [39] [40] Los mismos informes encontraron que las estrategias HFT pueden haber contribuido a la volatilidad posterior al extraer rápidamente liquidez del mercado. Como resultado de estos acontecimientos, el Dow Jones Industrial Average sufrió su segunda mayor oscilación intradiaria hasta esa fecha, aunque los precios se recuperaron rápidamente. (Consulte la Lista de los mayores cambios diarios en el Promedio Industrial Dow Jones ). Un informe de julio de 2011 de la Organización Internacional de Comisiones de Valores (IOSCO), un organismo internacional de reguladores de valores, concluyó que si bien "los algoritmos y la tecnología HFT han sido utilizados por el mercado participantes para gestionar sus operaciones y riesgos, su uso también fue claramente un factor que contribuyó al evento de caída repentina del 6 de mayo de 2010." [41] [42] Sin embargo, otros investigadores han llegado a una conclusión diferente. Un estudio de 2010 encontró que HFT no alteró significativamente el inventario comercial durante el Flash Crash. [43] Algunas operaciones algorítmicas antes del reequilibrio de los fondos indexados transfieren ganancias de los inversores. [44] [45] [46]
La mayoría de los ahorros para la jubilación , como los fondos de pensiones privados o 401(k) y las cuentas de jubilación individuales en EE.UU., se invierten en fondos mutuos , los más populares de los cuales son los fondos indexados que periódicamente deben "reequilibrar" o ajustar su cartera para que coincida con las nuevas precios y capitalización de mercado de los valores subyacentes en la acción u otro índice que siguen. [47] [48] Las ganancias se transfieren de inversores pasivos del índice a inversores activos, algunos de los cuales son operadores algorítmicos que explotan específicamente el efecto de reequilibrio del índice. La magnitud de estas pérdidas sufridas por los inversores pasivos se ha estimado entre 21 y 28 pb por año para el S&P 500 y entre 38 y 77 pb por año para el Russell 2000. [45] John Montgomery de Bridgeway Capital Management dice que los "pobres rendimientos para los inversores" resultantes " de operar por delante de los fondos mutuos es "el elefante en la habitación" del que "sorprendentemente, la gente no habla". [46]
El comercio de pares o el comercio de pares es una estrategia larga-corta, idealmente neutral al mercado , que permite a los operadores beneficiarse de discrepancias transitorias en el valor relativo de sustitutos cercanos. A diferencia del arbitraje clásico, en el caso del comercio por pares la ley del precio único no puede garantizar la convergencia de los precios. Esto es especialmente cierto cuando la estrategia se aplica a acciones individuales: estos sustitutos imperfectos pueden, de hecho, divergir indefinidamente. En teoría, la naturaleza larga-corta de la estrategia debería hacer que funcione independientemente de la dirección del mercado de valores. En la práctica, el riesgo de ejecución, las divergencias grandes y persistentes, así como una disminución de la volatilidad, pueden hacer que esta estrategia no sea rentable durante largos períodos de tiempo (por ejemplo, 2004-2007). Pertenece a categorías más amplias de arbitraje estadístico , comercio de convergencia y estrategias de valor relativo . [49]
En finanzas, delta-neutral describe una cartera de valores financieros relacionados, en la que el valor de la cartera permanece sin cambios debido a pequeños cambios en el valor del valor subyacente. Una cartera de este tipo normalmente contiene opciones y sus correspondientes valores subyacentes, de modo que los componentes delta positivos y negativos se compensan, lo que hace que el valor de la cartera sea relativamente insensible a los cambios en el valor del valor subyacente.
En economía y finanzas , el arbitraje / ˈ ɑːr b ɪ t r ɑː ʒ / es la práctica de aprovechar una diferencia de precios entre dos o más mercados : lograr una combinación de acuerdos coincidentes que capitalicen el desequilibrio, siendo la ganancia la diferencia entre los precios del mercado . Cuando lo utilizan los académicos, un arbitraje es una transacción que no implica ningún flujo de caja negativo en ningún estado probabilístico o temporal y un flujo de caja positivo en al menos un estado; en términos simples, es la posibilidad de obtener ganancias sin riesgo y a costo cero. Ejemplo: una de las oportunidades comerciales de arbitraje más populares se juega con los futuros del S&P y las acciones del S&P 500. Durante la mayoría de los días de negociación, estos dos desarrollarán una disparidad en los precios entre los dos. Esto sucede cuando el precio de las acciones que se negocian principalmente en los mercados NYSE y NASDAQ están por delante o por detrás de los futuros del S&P que se negocian en el mercado CME.
El arbitraje es posible cuando se cumple una de tres condiciones:
El arbitraje no es simplemente el acto de comprar un producto en un mercado y venderlo en otro por un precio más alto en un momento posterior. Idealmente, las transacciones largas y cortas deberían ocurrir simultáneamente para minimizar la exposición al riesgo de mercado, o el riesgo de que los precios puedan cambiar en un mercado antes de que se completen ambas transacciones. En términos prácticos, esto generalmente sólo es posible con valores y productos financieros que pueden negociarse electrónicamente, e incluso entonces, cuando se ejecutan los primeros tramos de la operación, los precios en los otros tramos pueden haber empeorado, bloqueando un precio garantizado. pérdida. Perder uno de los tramos de la operación (y posteriormente tener que abrirlo a un precio peor) se denomina "riesgo de ejecución" o, más específicamente, "riesgo de entrada y salida". [a] En el ejemplo más simple, cualquier bien vendido en un mercado debería venderse al mismo precio en otro. Los comerciantes pueden, por ejemplo, descubrir que el precio del trigo es más bajo en las regiones agrícolas que en las ciudades, comprar el bien y transportarlo a otra región para venderlo a un precio más alto. Este tipo de arbitraje de precios es el más común, pero este sencillo ejemplo ignora el costo de transporte, almacenamiento, riesgo y otros factores. El "verdadero" arbitraje requiere que no exista riesgo de mercado. Cuando los valores se negocian en más de una bolsa, el arbitraje se produce comprando simultáneamente en una y vendiendo en la otra. Esta ejecución simultánea, si se trata de sustitutos perfectos, minimiza los requisitos de capital, pero en la práctica nunca crea una posición "autofinanciada" (libre), como muchas fuentes suponen incorrectamente siguiendo la teoría. Mientras haya alguna diferencia en el valor de mercado y el riesgo de los dos tramos, habría que aportar capital para mantener la posición de arbitraje largo-corto.
La reversión a la media es una metodología matemática que a veces se utiliza para la inversión en acciones, pero se puede aplicar a otros procesos. En términos generales, la idea es que tanto los precios altos como los bajos de una acción son temporales y que el precio de una acción tiende a tener un precio promedio a lo largo del tiempo. Un ejemplo de proceso de reversión de la media es la ecuación estocástica de Ornstein-Uhlenbeck .
La reversión a la media implica primero identificar el rango de negociación de una acción y luego calcular el precio promedio utilizando técnicas analíticas en relación con activos, ganancias, etc.
Cuando el precio actual de mercado es menor que el precio promedio, la acción se considera atractiva para la compra, con la expectativa de que el precio aumentará. Cuando el precio de mercado actual está por encima del precio promedio, se espera que el precio de mercado baje. En otras palabras, se espera que las desviaciones del precio medio vuelvan al precio medio.
La desviación estándar de los precios más recientes (por ejemplo, los últimos 20) se utiliza a menudo como indicador de compra o venta.
Los servicios de informes bursátiles (como Yahoo! Finance , MS Investor, Morningstar , etc.) suelen ofrecer promedios móviles para períodos como 50 y 100 días. Si bien los servicios de informes proporcionan los promedios, aún es necesario identificar los precios altos y bajos para el período de estudio.
El especulación es la provisión de liquidez por parte de creadores de mercado no tradicionales , mediante la cual los operadores intentan ganar (o alcanzar ) el diferencial de oferta y demanda. Este procedimiento permite obtener ganancias siempre que los movimientos de precios sean menores que este diferencial y normalmente implica establecer y liquidar una posición rápidamente, generalmente en minutos o menos.
Un creador de mercado es básicamente un revendedor especializado. El volumen que negocia un creador de mercado es muchas veces mayor que el del revendedor individual promedio y haría uso de sistemas y tecnología de negociación más sofisticados. Sin embargo, los creadores de mercado registrados están sujetos a normas cambiarias que estipulan sus obligaciones de cotización mínima. Por ejemplo, NASDAQ requiere que cada creador de mercado publique al menos una oferta y una demanda en algún nivel de precio, a fin de mantener un mercado bilateral para cada acción representada. [50]
La mayoría de las estrategias denominadas negociación algorítmica (así como búsqueda algorítmica de liquidez) entran en la categoría de reducción de costos. La idea básica es dividir una orden grande en órdenes pequeñas y colocarlas en el mercado a lo largo del tiempo. La elección del algoritmo depende de varios factores, siendo los más importantes la volatilidad y la liquidez de la acción. Por ejemplo, para una acción muy líquida, igualar un cierto porcentaje de las órdenes generales de acciones (llamados algoritmos de volumen en línea) suele ser una buena estrategia, pero para una acción muy ilíquida, los algoritmos intentan igualar cada orden que tenga un precio favorable ( llamados algoritmos de búsqueda de liquidez).
El éxito de estas estrategias generalmente se mide comparando el precio promedio al que se ejecutó toda la orden con el precio promedio alcanzado mediante una ejecución de referencia durante la misma duración. Por lo general, se utiliza como punto de referencia el precio medio ponderado por volumen. En ocasiones, el precio de ejecución también se compara con el precio del instrumento en el momento de realizar la orden.
Una clase especial de estos algoritmos intenta detectar órdenes algorítmicas o de iceberg en el otro lado (es decir, si está intentando comprar, el algoritmo intentará detectar órdenes del lado de venta). Estos algoritmos se denominan algoritmos de rastreo. Un ejemplo típico es "Stealth".
Algunos ejemplos de algoritmos son VWAP , TWAP , déficit de implementación , POV, tamaño de visualización, buscador de liquidez y sigilo. Los algoritmos modernos a menudo se construyen de manera óptima mediante programación estática o dinámica. [51] [52] [53]
A partir de 2009, el HFT, que comprende un amplio conjunto de operadores del lado comprador y del lado vendedor , se ha vuelto más prominente y controvertido. [54] Estos algoritmos o técnicas reciben comúnmente nombres como "Stealth" (desarrollado por el Deutsche Bank), "Iceberg", "Dagger", "Monkey", "Guerrilla", "Sniper", "BASOR" (desarrollado por Quod Financial) y "Sniffer". [55] Los dark pools son sistemas de comercio alternativos que son de naturaleza privada y, por lo tanto, no interactúan con el flujo de orden público y, en cambio, buscan proporcionar liquidez no mostrada a grandes bloques de valores. [56] En los dark pools, el comercio se realiza de forma anónima, con la mayoría de las órdenes ocultas o "en iceberg". [57] Los jugadores o "tiburones" detectan órdenes grandes haciendo "ping" a órdenes pequeñas del mercado para comprar y vender. Cuando se llenan varios pedidos pequeños, es posible que los tiburones hayan descubierto la presencia de un pedido grande en el iceberg.
"Ahora es una carrera armamentista", dijo Andrew Lo, director del Laboratorio de Ingeniería Financiera del Instituto Tecnológico de Massachusetts en 2006. "Todo el mundo está construyendo algoritmos más sofisticados, y cuanto más competencia existe, menores son las ganancias". [58]
Las estrategias diseñadas para generar alfa se consideran estrategias de sincronización del mercado. Este tipo de estrategias se diseñan utilizando una metodología que incluye backtesting, forward testing y live testing. Los algoritmos de sincronización del mercado normalmente utilizarán indicadores técnicos como promedios móviles, pero también pueden incluir lógica de reconocimiento de patrones implementada mediante máquinas de estados finitos . [ cita necesaria ]
La prueba retrospectiva del algoritmo suele ser la primera etapa e implica simular las operaciones hipotéticas a lo largo de un período de datos dentro de la muestra. La optimización se realiza para determinar las entradas más óptimas. Las medidas tomadas para reducir la posibilidad de una optimización excesiva pueden incluir modificar las entradas +/- 10%, modificar las entradas en pasos grandes, ejecutar simulaciones de Monte Carlo y garantizar que se tengan en cuenta los deslizamientos y las comisiones. [59]
La prueba directa del algoritmo es la siguiente etapa e implica ejecutar el algoritmo a través de un conjunto de datos fuera de la muestra para garantizar que el algoritmo funcione dentro de las expectativas comprobadas.
Las pruebas en vivo son la etapa final del desarrollo y requieren que el desarrollador compare las operaciones reales en vivo con los modelos probados en retrospectiva y en avance. Las métricas comparadas incluyen porcentaje de rentabilidad, factor de beneficio, reducción máxima y ganancia promedio por operación.
Como se señaló anteriormente, el comercio de alta frecuencia (HFT) es una forma de comercio algorítmico caracterizado por una alta rotación y altos índices de orden a comercio. Aunque no existe una definición única de HFT, entre sus atributos clave se encuentran algoritmos altamente sofisticados, tipos de órdenes especializados, coubicación, horizontes de inversión a muy corto plazo y altas tasas de cancelación de órdenes. [7] En Estados Unidos, las empresas de negociación de alta frecuencia (HFT) representan el 2% de las aproximadamente 20.000 empresas que operan en la actualidad, pero representan el 73% de todo el volumen de negociación de acciones. [60] En el primer trimestre de 2009, los activos totales bajo gestión de fondos de cobertura con estrategias HFT ascendieron a 141.000 millones de dólares EE.UU., aproximadamente un 21% menos que su máximo. [61] La estrategia HFT tuvo éxito por primera vez gracias a Renaissance Technologies . [62]
Los fondos de alta frecuencia comenzaron a volverse especialmente populares en 2007 y 2008. [62] Muchas empresas de alta frecuencia son creadores de mercado y proporcionan liquidez al mercado, lo que ha reducido la volatilidad y ha ayudado a reducir los diferenciales entre oferta y oferta, haciendo que el comercio y la inversión sean más baratos para otros participantes del mercado. . [61] [63] [64] HFT ha sido objeto de intensa atención pública desde que la Comisión de Bolsa y Valores de EE. UU. y la Comisión de Comercio de Futuros de Productos Básicos declararon que tanto el comercio algorítmico como el HFT contribuyeron a la volatilidad en el Flash Crash de 2010 . Entre las principales empresas comerciales de alta frecuencia de EE. UU. se encuentran Chicago Trading Company, Optiver , Virtu Financial , DRW , Jump Trading , Two Sigma Securities , GTS, IMC Financial y Citadel LLC . [sesenta y cinco]
Hay cuatro categorías clave de estrategias HFT: creación de mercado basada en el flujo de órdenes, creación de mercado basada en información de datos de ticks, arbitraje de eventos y arbitraje estadístico. Todas las decisiones de asignación de cartera se toman mediante modelos cuantitativos computarizados. El éxito de las estrategias computarizadas se debe en gran medida a su capacidad para procesar simultáneamente volúmenes de información, algo que los comerciantes humanos comunes y corrientes no pueden hacer.
La creación de mercado implica colocar una orden límite para vender (u ofrecer) por encima del precio de mercado actual o una orden límite de compra (u oferta) por debajo del precio actual de forma regular y continua para capturar el diferencial entre oferta y demanda. Automated Trading Desk, que fue comprada por Citigroup en julio de 2007, ha sido un creador de mercado activo, representando alrededor del 6% del volumen total tanto en NASDAQ como en la Bolsa de Nueva York. [66]
Otro conjunto de estrategias HFT en la estrategia de arbitraje clásica podría involucrar varios valores, como la paridad de tasas de interés cubiertas en el mercado de divisas , que proporciona una relación entre los precios de un bono nacional, un bono denominado en una moneda extranjera, el precio al contado de la moneda. y el precio de un contrato a término sobre la moneda. Si los precios de mercado son lo suficientemente diferentes de los implícitos en el modelo para cubrir el costo de transacción , entonces se pueden realizar cuatro transacciones para garantizar una ganancia libre de riesgo. HFT permite arbitrajes similares utilizando modelos de mayor complejidad que involucran muchos más de 4 valores. El Grupo TABB estima que los beneficios agregados anuales de las estrategias de arbitraje de baja latencia superan actualmente los 21.000 millones de dólares. [27]
Se ha desarrollado una amplia gama de estrategias de arbitraje estadístico mediante las cuales las decisiones comerciales se toman sobre la base de desviaciones de relaciones estadísticamente significativas. Al igual que las estrategias de creación de mercado, el arbitraje estadístico se puede aplicar a todas las clases de activos.
Un subconjunto de arbitraje de valores de riesgo, fusión, convertibles o en dificultades que cuenta con un evento específico, como la firma de un contrato, una aprobación regulatoria, una decisión judicial, etc., para cambiar la relación de precio o tasa de dos o más instrumentos financieros y permitir el arbitrajista para obtener ganancias. [67]
El arbitraje de fusiones, también llamado arbitraje de riesgos, sería un ejemplo de ello. El arbitraje de fusiones generalmente consiste en comprar acciones de una empresa que es objeto de una adquisición y, al mismo tiempo, vender en corto las acciones de la empresa adquirente. Normalmente, el precio de mercado de la empresa objetivo es inferior al precio ofrecido por la empresa adquirente. El diferencial entre estos dos precios depende principalmente de la probabilidad y el momento de realización de la adquisición, así como del nivel predominante de los tipos de interés. La apuesta en un arbitraje de fusión es que dicho diferencial eventualmente será cero, siempre y cuando se complete la adquisición. El riesgo es que el acuerdo "se rompa" y el diferencial se amplíe enormemente.
Una estrategia que han empleado algunos comerciantes, que ha sido prohibida pero probablemente continúa, se llama suplantación de identidad. Es el acto de colocar órdenes para dar la impresión de querer comprar o vender acciones, sin tener nunca la intención de dejar ejecutar la orden para manipular temporalmente el mercado para comprar o vender acciones a un precio más favorable. Esto se hace creando órdenes límite fuera del precio de oferta o demanda actual para cambiar el precio informado a otros participantes del mercado. Posteriormente, el comerciante puede realizar operaciones basadas en el cambio artificial en el precio y luego cancelar las órdenes limitadas antes de que se ejecuten.
Supongamos que un comerciante desea vender acciones de una empresa con una oferta actual de 20 dólares y una demanda actual de 20,20 dólares. El comerciante colocaría una orden de compra a $ 20,10, todavía a cierta distancia de la demanda, por lo que no se ejecutará, y la oferta de $ 20,10 se informa como la mejor oferta nacional y el mejor precio de oferta de oferta. Luego, el comerciante ejecuta una orden de mercado para la venta de las acciones que deseaba vender. Debido a que el mejor precio de oferta es la oferta artificial del inversionista, un creador de mercado completa la orden de venta a $20,10, lo que permite un precio de venta de $0,10 más alto por acción. Posteriormente, el comerciante cancela su orden limitada en la compra que nunca tuvo la intención de completar.
El relleno de cotizaciones es una táctica empleada por comerciantes malintencionados que implica ingresar y retirar rápidamente grandes cantidades de órdenes en un intento de inundar el mercado, obteniendo así una ventaja sobre los participantes más lentos del mercado. [68] Las órdenes colocadas y canceladas rápidamente provocan fuentes de datos de mercado en las que los inversores comunes confían para retrasar las cotizaciones de precios mientras se produce el relleno. Las empresas HFT se benefician de feeds patentados de mayor capacidad y de la infraestructura más capaz y de menor latencia. Los investigadores demostraron que los operadores de alta frecuencia pueden beneficiarse de las latencias inducidas artificialmente y las oportunidades de arbitraje que resultan del relleno de cotizaciones. [69]
La latencia inducida por la red, sinónimo de retraso, medida en retraso unidireccional o tiempo de ida y vuelta, normalmente se define como el tiempo que tarda un paquete de datos en viajar de un punto a otro. [70] El comercio de baja latencia se refiere a los sistemas de comercio algorítmicos y las rutas de red utilizadas por las instituciones financieras que se conectan a las bolsas de valores y a las redes de comunicación electrónica (ECN) para ejecutar rápidamente transacciones financieras. [71] La mayoría de las empresas de HFT dependen de la ejecución de baja latencia de sus estrategias comerciales. Joel Hasbrouck y Gideon Saar (2013) miden la latencia en función de tres componentes: el tiempo que tarda (1) la información en llegar al comerciante, (2) los algoritmos del comerciante para analizar la información y (3) la acción generada para llegar al comerciante. intercambiar e implementar. [72] En un mercado electrónico contemporáneo (alrededor de 2009), el tiempo de procesamiento comercial de baja latencia se calificaba como inferior a 10 milisegundos, y el de latencia ultrabaja como inferior a 1 milisegundo. [73]
Los comerciantes de baja latencia dependen de redes de latencia ultrabaja . Se benefician al proporcionar información, como ofertas y ofertas competitivas, a sus algoritmos microsegundos más rápido que sus competidores. [27] El avance revolucionario en velocidad ha llevado a la necesidad de que las empresas tengan una plataforma comercial ubicada en tiempo real para beneficiarse de la implementación de estrategias de alta frecuencia. [27] Las estrategias se modifican constantemente para reflejar los cambios sutiles en el mercado, así como para combatir la amenaza de que los competidores realicen ingeniería inversa en la estrategia . Esto se debe a la naturaleza evolutiva de las estrategias comerciales algorítmicas: deben poder adaptarse y operar de manera inteligente, independientemente de las condiciones del mercado, lo que implica ser lo suficientemente flexibles para soportar una amplia gama de escenarios de mercado. Como resultado, una proporción significativa de los ingresos netos de las empresas se gasta en I+D de estos sistemas comerciales autónomos. [27]
La mayoría de las estrategias algorítmicas se implementan utilizando lenguajes de programación modernos, aunque algunas todavía implementan estrategias diseñadas en hojas de cálculo. Cada vez más, los algoritmos utilizados por las grandes casas de bolsa y administradores de activos están escritos en el lenguaje de definición de comercio algorítmico ( FIXatdl ) del protocolo FIX, que permite a las empresas que reciben órdenes especificar exactamente cómo deben expresarse sus órdenes electrónicas. Las órdenes creadas con FIXatdl se pueden transmitir desde los sistemas de los comerciantes a través del protocolo FIX. [74] Los modelos básicos pueden basarse en tan solo una regresión lineal, mientras que también se pueden utilizar modelos más complejos de teoría de juegos y reconocimiento de patrones [75] o modelos predictivos para iniciar el comercio. Para crear estos modelos se han utilizado métodos más complejos, como la cadena de Markov Monte Carlo . [ cita necesaria ]
Se ha demostrado que el comercio algorítmico mejora sustancialmente la liquidez del mercado [76], entre otros beneficios. Sin embargo, las mejoras en la productividad generadas por el comercio algorítmico han encontrado la oposición de corredores y comerciantes humanos que enfrentan una dura competencia de las computadoras.
Los avances tecnológicos en las finanzas, en particular los relacionados con el comercio algorítmico, han aumentado la velocidad, la conectividad, el alcance y la complejidad financieros y, al mismo tiempo, han reducido su humanidad. Las computadoras que ejecutan software basado en algoritmos complejos han reemplazado a los humanos en muchas funciones de la industria financiera. Las finanzas se están convirtiendo esencialmente en una industria donde las máquinas y los humanos comparten los roles dominantes, transformando las finanzas modernas en lo que un académico ha llamado "finanzas cyborg". [77]
Si bien muchos expertos elogian los beneficios de la innovación en el comercio algorítmico computarizado, otros analistas han expresado preocupación por aspectos específicos del comercio computarizado.
"La desventaja de estos sistemas es su carácter de caja negra ", dijo Williams. "Los comerciantes tienen sentidos intuitivos de cómo funciona el mundo. Pero con estos sistemas, ingresas un montón de números y algo sale del otro extremo, y no siempre es intuitivo o claro por qué la caja negra se aferró a ciertos datos o relaciones". [58]
"La Autoridad de Servicios Financieros ha estado vigilando atentamente el desarrollo del comercio de caja negra. En su informe anual, el regulador destacó los grandes beneficios de eficiencia que la nueva tecnología está aportando al mercado. Pero también señaló que "una mayor dependencia basado en tecnología y modelos sofisticados trae consigo un mayor riesgo de que la falla de los sistemas pueda resultar en la interrupción del negocio". [78]
El Ministro del Tesoro del Reino Unido, Lord Myners, ha advertido que las empresas podrían convertirse en "juguetes" de los especuladores debido al comercio automático de alta frecuencia. Lord Myners dijo que el proceso corría el riesgo de destruir la relación entre un inversor y una empresa. [79]
Otros problemas incluyen el problema técnico de la latencia o el retraso en hacer llegar las cotizaciones a los comerciantes, [80] la seguridad y la posibilidad de una falla completa del sistema que provoque una caída del mercado . [81]
"Goldman gasta decenas de millones de dólares en estas cosas. Tienen más gente trabajando en su área de tecnología que gente en la mesa de operaciones... La naturaleza de los mercados ha cambiado dramáticamente". [82]
El 1 de agosto de 2012, Knight Capital Group experimentó un problema tecnológico en su sistema de comercio automatizado, [83] causando una pérdida de 440 millones de dólares.
Este problema estaba relacionado con la instalación de software comercial por parte de Knight y resultó en que Knight enviara al mercado numerosas órdenes erróneas de valores que cotizan en la Bolsa de Nueva York. Este software ha sido eliminado de los sistemas de la empresa. ... Los clientes no se vieron afectados negativamente por los pedidos erróneos y el problema del software se limitó al envío de determinadas acciones cotizadas a la Bolsa de Nueva York. Knight ha salido de toda su posición comercial errónea , lo que ha resultado en una pérdida antes de impuestos realizada de aproximadamente $440 millones.
Se demostró que el comercio algorítmico y de alta frecuencia contribuyó a la volatilidad durante el Flash Crash del 6 de mayo de 2010, [33] [35] cuando el Dow Jones Industrial Average se desplomó alrededor de 600 puntos solo para recuperar esas pérdidas en cuestión de minutos. En ese momento, fue la segunda mayor oscilación de puntos, 1.010,14 puntos, y la mayor caída de puntos en un día, 998,5 puntos, en base intradiaria en la historia del Dow Jones Industrial Average. [84]
Las noticias sobre los mercados financieros ahora están siendo formateadas por empresas como Need To Know News, Thomson Reuters , Dow Jones y Bloomberg , para ser leídas y comercializadas mediante algoritmos.
"Las computadoras ahora se utilizan para generar noticias sobre los resultados de las ganancias de las empresas o las estadísticas económicas a medida que se publican. Y esta información casi instantánea forma una alimentación directa a otras computadoras que comercian con las noticias". [85]
Los algoritmos no se limitan a intercambiar noticias simples, sino que también interpretan noticias más difíciles de entender. Algunas empresas también están intentando asignar automáticamente el sentimiento (decidiendo si la noticia es buena o mala) a las noticias para que el comercio automatizado pueda funcionar directamente en la noticia. [86]
"Cada vez más, la gente mira todo tipo de noticias y construye sus propios indicadores en torno a ellas de forma semiestructurada", mientras buscan constantemente nuevas ventajas comerciales, dijo Rob Passarella, director global de estrategia de Dow Jones Enterprise Media Group. Su empresa proporciona noticias de baja latencia y análisis de noticias para los comerciantes. Passarella también señaló que se están llevando a cabo nuevas investigaciones académicas sobre el grado en que las búsquedas frecuentes en Google sobre diversas acciones pueden servir como indicadores comerciales, el impacto potencial de varias frases y palabras que pueden aparecer en las declaraciones de la Comisión de Bolsa y Valores y la última ola de comunidades en línea. dedicado a temas de negociación de acciones. [86]
"Los mercados son, por su propia naturaleza, conversaciones, ya que surgieron de cafeterías y tabernas", dijo. Por lo tanto, la forma en que se crean las conversaciones en una sociedad digital también se utilizará para convertir noticias en intercambios, dijo Passarella. [86]
"Existe un interés real en trasladar el proceso de interpretación de noticias de los humanos a las máquinas", dice Kirsti Suutari, directora comercial global de comercio algorítmico de Reuters. "Cada vez más clientes nuestros encuentran formas de utilizar el contenido de noticias para ganar dinero". [85]
Un ejemplo de la importancia de la velocidad de presentación de noticias para los operadores algorítmicos fue una campaña publicitaria de Dow Jones (apariciones incluidas en la página W15 de The Wall Street Journal , el 1 de marzo de 2008) afirmando que su servicio había superado a otros servicios de noticias por dos segundos en la presentación de informes. un recorte de tipos de interés por parte del Banco de Inglaterra.
En julio de 2007, Citigroup , que ya había desarrollado sus propios algoritmos de negociación, pagó 680 millones de dólares por Automated Trading Desk, una empresa de 19 años que comercializa alrededor de 200 millones de acciones al día. [87] Citigroup había comprado anteriormente Lava Trading y OnTrade Inc.
A finales de 2010, la Oficina de Ciencias del Gobierno del Reino Unido inició un proyecto Foresight que investiga el futuro del comercio informático en los mercados financieros, [88] dirigido por Dame Clara Furse , ex directora ejecutiva de la Bolsa de Valores de Londres y en septiembre de 2011 el proyecto publicó su hallazgos iniciales en forma de un documento de trabajo de tres capítulos disponible en tres idiomas, junto con 16 artículos adicionales que brindan evidencia de respaldo. [88] Todos estos hallazgos son escritos o coautores de destacados académicos y profesionales, y fueron sometidos a revisión por pares anónima. Publicado en 2012, el estudio Foresight reconoció problemas relacionados con la iliquidez periódica, nuevas formas de manipulación y amenazas potenciales a la estabilidad del mercado debido a algoritmos erróneos o tráfico excesivo de mensajes . Sin embargo, el informe también fue criticado por adoptar "argumentos estándar a favor de HFT" y por estar vinculados a los miembros del panel asesor con la industria HFT. [89]
Un sistema de negociación tradicional consta principalmente de dos bloques: uno que recibe los datos del mercado y el otro que envía la solicitud de orden al intercambio. Sin embargo, un sistema de comercio algorítmico se puede dividir en tres partes:
Las bolsas proporcionan datos al sistema, que normalmente consisten en la última cartera de pedidos, los volúmenes negociados y el último precio negociado (LTP) del scrip. El servidor, a su vez, recibe los datos y actúa simultáneamente como almacén de la base de datos histórica. Los datos se analizan en el lado de la aplicación, donde las estrategias comerciales las proporciona el usuario y se pueden ver en la GUI . Una vez generada la orden, se envía al sistema de gestión de órdenes (OMS), que a su vez la transmite al intercambio.
Gradualmente, la arquitectura de sistemas algorítmicos de alta latencia de la vieja escuela está siendo reemplazada por redes más nuevas, de última generación, de alta infraestructura y baja latencia . El complejo motor de procesamiento de eventos (CEP), que es el corazón de la toma de decisiones en los sistemas comerciales basados en algoritmos, se utiliza para el enrutamiento de órdenes y la gestión de riesgos.
Con la aparición del protocolo FIX (Financial Information Exchange) , la conexión a diferentes destinos se ha vuelto más fácil y el tiempo de salida al mercado se ha reducido, cuando se trata de conectar con un nuevo destino. Con el protocolo estándar implementado, la integración de proveedores externos para fuentes de datos ya no es engorrosa.
Uno de los hallazgos más irónicos de la investigación académica sobre el comercio algorítmico podría ser que los comerciantes individuales introducen algoritmos para hacer la comunicación más simple y predecible, mientras que los mercados terminan siendo más complejos e inciertos. [10] Dado que los algoritmos comerciales siguen reglas locales que responden a instrucciones programadas o patrones aprendidos, en el nivel micro, su comportamiento automatizado y reactivo hace que ciertas partes de la dinámica de comunicación sean más predecibles. Sin embargo, a nivel macro, se ha demostrado que el proceso emergente general se vuelve más complejo y menos predecible. [10] Este fenómeno no es exclusivo del mercado de valores, y también se ha detectado con robots de edición en Wikipedia. [90]
Aunque su desarrollo puede haber sido impulsado por la disminución del tamaño de las operaciones causada por la decimalización, el comercio algorítmico ha reducido aún más el tamaño de las operaciones. Los trabajos que alguna vez fueron realizados por comerciantes humanos se están trasladando a computadoras. Las velocidades de las conexiones informáticas, medidas en milisegundos e incluso microsegundos , han adquirido gran importancia. [91] [92]
Los mercados más completamente automatizados, como NASDAQ, Direct Edge y BATS (anteriormente acrónimo de Better Alternative Trading System) en los EE. UU., han ganado participación de mercado frente a mercados menos automatizados como la Bolsa de Nueva York. Las economías de escala en el comercio electrónico han contribuido a reducir las comisiones y los costos de procesamiento comercial, y han contribuido a las fusiones internacionales y la consolidación de los intercambios financieros .
Se está desarrollando una competencia entre los intercambios por los tiempos de procesamiento más rápidos para completar las operaciones. Por ejemplo, en junio de 2007, la Bolsa de Valores de Londres lanzó un nuevo sistema llamado TradElect que promete un tiempo de respuesta promedio de 10 milisegundos desde la realización de un pedido hasta la confirmación final y puede procesar 3.000 pedidos por segundo. [93] Desde entonces, los intercambios competitivos han seguido reduciendo la latencia con tiempos de respuesta de 3 milisegundos disponibles. Esto es de gran importancia para los operadores de alta frecuencia, porque tienen que intentar identificar los rangos de rendimiento consistentes y probables de determinados instrumentos financieros. Estos profesionales suelen operar con versiones de fondos indexados como el E-mini S&P, porque buscan coherencia y mitigación de riesgos junto con un rendimiento superior. Deben filtrar los datos del mercado para incorporarlos a su programación de software, de modo que haya la latencia más baja y la liquidez más alta en el momento de colocar límites de pérdidas y/o tomar ganancias. Dada la alta volatilidad en estos mercados, esto se convierte en una tarea compleja y potencialmente estresante, donde un pequeño error puede generar una gran pérdida. Los datos de frecuencia absoluta influyen en el desarrollo de las instrucciones preprogramadas del operador. [94]
En Estados Unidos, el gasto en computadoras y software en la industria financiera aumentó a 26,4 mil millones de dólares en 2005. [2] [95]
El comercio algorítmico ha provocado un cambio en los tipos de empleados que trabajan en la industria financiera. Por ejemplo, muchos físicos han ingresado a la industria financiera como analistas cuantitativos. Algunos físicos incluso han comenzado a investigar en economía como parte de su investigación doctoral. Este movimiento interdisciplinario a veces se llama econofísica . [96] Algunos investigadores también citan una "división cultural" entre los empleados de empresas dedicadas principalmente al comercio algorítmico y los administradores de inversiones tradicionales. El comercio algorítmico ha fomentado un mayor enfoque en los datos y ha disminuido el énfasis en la investigación del lado de las ventas. [97]
Las operaciones algorítmicas requieren comunicar muchos más parámetros que las órdenes tradicionales de mercado y limitadas. Un operador en un extremo (el " lado comprador ") debe permitir que su sistema de negociación (a menudo llamado " sistema de gestión de órdenes " o " sistema de gestión de ejecución ") comprenda un flujo en constante proliferación de nuevos tipos de órdenes algorítmicas. Los costos de I+D y otros costos para construir nuevos tipos de órdenes algorítmicas complejas, junto con la infraestructura de ejecución y los costos de marketing para distribuirlos, son bastante sustanciales. Lo que se necesitaba era una forma en que los especialistas en marketing (el " lado vendedor ") pudieran expresar órdenes algo electrónicamente, de modo que los comerciantes del lado comprador pudieran simplemente colocar los nuevos tipos de órdenes en su sistema y estar listos para negociarlos sin necesidad de codificar constantemente pantallas personalizadas de entrada de nuevas órdenes. cada vez.
FIX Protocol es una asociación comercial que publica estándares abiertos y gratuitos en el área de negociación de valores. El lenguaje FIX fue creado originalmente por Fidelity Investments, y los miembros de la asociación incluyen prácticamente a todos los corredores de bolsa grandes y medianos y pequeños, bancos centrales monetarios, inversionistas institucionales, fondos mutuos, etc. Esta institución domina el establecimiento de estándares en las áreas comerciales y previas al comercio de transacciones de seguridad. En 2006-2007, varios miembros se reunieron y publicaron un borrador de estándar XML para expresar tipos de orden algorítmico. El estándar se llama Lenguaje de definición de comercio algorítmico FIX ( FIXatdl ). [98]
{{citation}}: Mantenimiento CS1: varios nombres: lista de autores ( enlace ){{cite journal}}: Citar diario requiere |journal=( ayuda ){{cite journal}}: Citar diario requiere |journal=( ayuda ){{cite web}}: Mantenimiento CS1: copia archivada como título ( enlace )