Niektórzy wciąż traktują rynek finansowy jako fenomen psychologiczny. Od 1602 roku i otwarcia pierwszej giełdy w Amsterdamie wiele się jednak zmieniło i współcześnie. jest on raczej zjawiskiem technologicznym. Traderów na parkietach zastąpiło projektowane przez doktorów matematyki i fizyki, oprogramowanie, które podejmuje decyzje w ciągu ułamków sekund.
Mowa o tzw. algorytmach HFT. Jak działają takie programy i kto oraz w jaki sposób może zarabiać dzięki nim?
Czym jest handel HFT?
HFT to skrót od “High Frequency Trading” co oznacza “handel wysokiej częstotliwości”. Wykorzystuje on specjalne algorytmy, zdolne do monitorowania wielu rynków jednocześnie, wyszukiwania na nich okazji handlowych i w końcu – do kupna i sprzedaży ogromnych ilości akcji, walut, kryptowalut czy surowców w bardzo krótkim czasie.
Jeśli mielibyśmy powołać się na definicję Amerykańskiej Komisji Papierów Wartościowych i Giełd (SEC), handel HFT powinien spełniać kilka warunków, z których najważniejsze to:
- Korzystanie z programów komputerowych zdolnych do bardzo szybkiej realizacji transakcji (tym, czy czy algorytm HFT będzie przynosił zyski, czy też nie, decyduje właśnie szybkość)
- Kończenie każdego dnia handlowego bez niezabezpieczonych pozycji (lub z bardzo niewielką ich liczbą)
- Zastosowanie rozwiązań zmniejszających latencję (tj. czas upływający od wysłania sygnału przez algorytm do odebrania go na giełdzie), włączając w to m.in. wykorzystanie kabli światłowodowych czy kolokację serwerów (wynajem odpowiedniej infrastruktury IT)
W przypadku HFT „szybka realizacja transakcji” nie oznacza kilku minut lub sekund. To, co jest “szybkie” z perspektywy ludzkiej, w świecie maszyn zostawi Cię na szarym końcu peletonu, dlatego mówimy tu nawet o setkach nanosekund – jednych miliardowych sekundy.
To właśnie dlatego firmy HFT korzystają z serwerów umieszczonych jak najbliżej giełd (a same giełdy, oferując im usługi kolokacji, zmniejszające latencję, zarabiają krocie).
Wszystko po to, by wykorzystywać minimalne ruchy cen, które dla człowieka są niezauważalne. Ze względu na wymagania technologiczne, z tego typu handlu korzystają więc przede wszystkim banki i fundusze inwestycyjne, podczas gdy dla przeciętnego zjadacza chleba, jest on jedynie ciekawostką.
Algorytmy HFT a roboty typu Expert Advisor
Raz na jakiś czas, na rynku znajdziemy sprzedawców botów, którzy wmawiają klientom, że oferowane przez nich algorytmy Expert Advisor, przeznaczone na platformy MT4 lub MT5, są algorytmami HFT. Dlatego też w niektórych artykułach natrafimy na opinie, iż traderzy detaliczni także mogą korzystać z tego modelu handlowego. W rzeczywistości, takie oprogramowanie nie ma z prawdziwym handlem HFT praktycznie nic wspólnego, co stanie się oczywiste, gdy w sekcji “Popularne strategie HFT”., omówimy strategie wykorzystywane przez firmy HFT.
Obok zaawansowanej technologii, fundusze HFT potrzebują też odpowiedniego personelu. Od osób z wykształceniem ścisłym, które często werbuje się z topowych amerykańskich uniwersytetów, takich jak MIT, przez inżynierów oprogramowania, tłumaczących modele teoretyczne na język zrozumiały przez maszynę, aż po traderów nadzorujących pracę algorytmów. Nie dziwi więc, że kapitał początkowy firm stosujących tę technologię, zaczyna się zwykle od kilku milionów dolarów.
Kiedy system HFT przejdzie wszystkie etapy rygorystycznych testów, zostanie wykorzystany na żywym rynku, często operując relatywnie niewielkim kapitałem. Jeśli wyniki live będą zgodne z oczekiwaniami, algorytm będzie gotów do prawdziwego handlu. Odtąd, wykorzystując niedostrzegalne dla ludzkiego oka nieefektywności, powinien zarabiać przeciętnie od 5 do >20% rocznie.
Historia i rozwój HFT
Teoretycznie, algorytmy HFT działały już od okolic roku 1983 – na giełdzie NASDAQ, która jako jedna z pierwszych giełd przeszła na handel w pełni elektroniczny. Wówczas, czas realizacji transakcji wynosił jednak aż kilka sekund, dlatego technologie te nazwiemy raczej protoplastami dzisiejszego oprogramowania tego typu.
Rozwój HFT, jakimi je znamy, miał miejsce dopiero w latach 2000-2010, a do popularyzacji tych rozwiązań przyczynił się m.in. Jim Simons ze swoim funduszem Renaissance Technologies (trudno jednak nazwać Renaissance funduszem HFT – była (i jest) to raczej firma korzystająca z szeroko pojętej analizy ilościowej).
W tym okresie, czas potrzebny algorytmom do zawarcia transakcji spadł z kilku sekund do milisekund i mikrosekund.
Oprogramowanie, które jest w stanie kupować i sprzedawać setki tysięcy akcji w tak krótkim czasie było wyjątkowo atrakcyjne z perspektywy firm działających na Wall Street. Nie wymagało tak dużych nakładów finansowych, ponieważ mniejszy kapitał równoważyła częstotliwość zawieranych przez nie transakcji, a potencjalny stosunek zysk/strata był zdecydowanie korzystniejszy, niż ten oferowany przez klasyczne strategie inwestycyjne.
Dlatego z czasem, HFT zaczęto wykorzystać nie tylko w handlu akcjami, ale i na całym rynku finansowym.
W historii rozwoju tych algorytmów kluczowy jest też rok 2009 i krach na amerykańskim rynku nieruchomości.
Od tamtego momentu, liczba firm zajmujących się tego typu handlem zaczęła spadać. Nie tylko ze względu na kryzys, ale i z uwagi na fakt, że stosowanie HFT zaczęło być coraz mniej opłacalne. Powód? Szybki rozwój technologii i wzrost jej popularności sprawiły, że wzrosła też konkurencyjność, tak więc potrzebne do osiągania zysków “przewagi”, które były w stanie opracowywać zespoły matematyków i programistów, stawały się coraz mniejsze.
Popularne strategie HFT
Tylko w jaki sposób w handlu HFT zdobywa się taką przewagę i na jakiej zasadzie działają algorytmy?
Szczegóły strategii wykorzystywanych przez największe fundusze są oczywiście tajne, jednak wiemy, że same strategie dzielą się na kilka kategorii.
Market Making
Pierwszą z nich jest Market Making, który wśród traderów detalicznych (i nie tylko) cieszy się raczej złą sławą. Przede wszystkim dlatego, że niektórzy uważają, iż Market Makerzy wykorzystują swoją przewagę nad innymi uczestnikami rynku i manipulują cenami aktywów.
Na małych i słabo regulowanych rynkach manipulacja jest możliwa i według anegdot, w przeszłości była wręcz normą. Nieuczciwe praktyki, pomimo ścisłych regulacji, mogą mieć oczywiście miejsce także na najbardziej płynnych rynkach, jednak teoretycznie, Market Maker ma przeważnie jeden cel: zapewniać płynność aktywnym uczestnikom rynku, działając w roli uczestnika pasywnego.
Co to oznacza w praktyce?
Market Maker ustawia swoje zlecenia oczekujące po obu stronach rynku – Bid i Ask. Różnica cenowa pomiędzy najwyższą wystawioną przez niego ofertą kupna i najniższą wystawioną przez niego ofertą sprzedaży to tzw. spread, na którym Market Maker zarabia.
Powiedzmy, że jako aktywny kupujący (kupujący po cenie rynkowej), korzystasz z pasywnego zlecenia sprzedaży ustawionego przez Market Makera. W tym momencie przechowuje on w portfelu pozycję short.
Jednak ktoś inny, jako aktywny sprzedający, korzysta z wystawionego przez Market Makera zlecenia pasywnego kupna.
W ten sposób MM sprzedał aktywa drożej – Tobie – i odkupił je taniej, zarabiając na różnicy cen.
Wszystko dzieje się w ułamkach sekund, często na wielu powiązanych ze sobą rynkach.
Market Making to strategia z szufladki “Delta Neutral” – zakładająca neutralną deltę, czyli brak ekspozycji na ryzyko wynikające z wahań cenowych. Teoretycznie Market Maker zarabia bez względu na to, czy instrument znajduje się w trendzie wzrostowym, spadkowym czy bocznym.
Market Making a szerokość spreadów
Jako że Market Makerzy są ciągle gotowi do kupna i sprzedaży aktywów, zapewniają rynkowi płynność, czerpiąc zyski ze spreadu Bid-Ask. Warto jednak zaznaczyć, że im mniejsza częstotliwość transakcji na danym rynku, tym większe jest ryzyko, że Market Maker w pewnym momencie nie znajdzie drugiej strony transakcji i będzie zmuszony do przechowania w portfelu toksycznych pozycji. Dlatego na rynkach, na których takie ryzyko jest wyższe, możemy zaobserwować szersze spready (ryzyko jest większe, więc MM poszerza spread, by sobie je zrekompensować).
Arbitraż statystyczny
Arbitraż polega na rozpoznawaniu i wykorzystywaniu nieefektywności cenowych między instrumentami, które są ze sobą powiązane, w celu osiągnięcia zysku (teoretycznie zysk ten nie jest obarczony ryzykiem). Może to być na przykład:
- Zarabianie na różnicach cen tego samego instrumentu, notowanego na dwóch różnych giełdach.
- Zarabianie na rozbieżnościach cen instrumentów, które powinny ze sobą korelować
Przykładem strategii z tej drugiej grupy jest tzw. Pairs Trading.
Handlowanie par polega na znalezieniu dwóch instrumentów, które naturalnie ze sobą korelują.
Następnie modelujemy przeszłe wahania cen tych instrumentów, szukając sytuacji, w których chwilowo przerywają one tę korelację.
W handlu na żywo algorytm będzie szukał podobnych sytuacji, po to by kupić jeden instrument, sprzedać drugi i zarobić na różnicy cen w momencie, kiedy aktywa znowu zaczną korelować ze sobą w wysokim stopniu.
Pairs trading jest kolejną strategią należącą do grupy “Delta Neutral”, ponieważ także nie opiera się na spekulacjach dotyczących przyszłego kierunku cen.
Trzeba jednak pamiętać, że chociaż znajdziemy ją w szufladce “arbitraż”, może być to nieco mylące, ponieważ osiągany w ten sposób zysk, tak naprawdę nie jest pozbawiony ryzyka. Wynika to stąd, że korelacja między aktywami zmienia się w czasie. Np. korelacja ceny firmy X z ceną firmy Y może nigdy nie wrócić do “normy”, ponieważ jedna z nich zbankrutuje.
News Trading
Przykładem strategii, która jednocześnie nie należy do grupy Delta Neutral, jest zautomatyzowany news trading.
Zasady przypominają tutaj manualny odpowiednik – algorytmy próbują jak najszybciej uzyskać dostęp do świeżo opublikowanej informacji, następnie określić wpływ tej informacji na dany instrument i w końcu – zrealizować transakcję zgodnie z przewidywanym kierunkiem ceny.
Reakcje instrumentu na konkretne newsy są modelowane statystycznie, przy wykorzystaniu danych historycznych, a program podejmuje decyzje zgodnie z informacjami zawartymi w takim modelu.
W podobnych strategiach często wykorzystuje się uczenie maszynowe i przetwarzanie języka naturalnego – algorytmy automatycznie analizują świeże dane i porównują je z danymi historycznymi. “Czytają” posty w mediach społecznościowych czy publikacje banków centralnych, poszukując w nich odpowiednich słów kluczowych, dzięki czemu są w stanie określać wpływ danej publikacji na sentyment w środowisku inwestorów.
Strategie nieetyczne lub/i nielegalne: Momentum Ignition, spoofing i front-running
Momentum-Ignition
Kolejne strategie, które mogą być wykorzystywane przez niektóre firmy zajmujące się algorytmami HFT, są już niekoniecznie etyczne, lub nawet…niekoniecznie legalne.
Pierwsza z nich – Momentum Ignition, wykorzystuje tzw. owczy pęd. Algorytm inicjuje ruch cenowy w danym kierunku, realizując serię agresywnych transakcji, czym ma za zadanie wywołać reakcję innych algorytmów. Te, zauważając momentum, podłączą się pod trend. Następnie, algorytm odpowiedzialny za to zachowanie ceny, wykorzystuje sztucznie wytworzony popyt lub podaż w celu realizacji zleceń w przeciwnym kierunku.
W uproszczeniu można nazwać to krótkoterminowym scenariuszem Pump&Dump.
Spoofing
Uczestnik rynku stosujący spoofing (który jest praktyką nielegalną) wprowadza do Order Booka pasywne zlecenia kupna lub sprzedaży, które nie są przeznaczone do realizacji. Przykładowo, algorytm może ustawić na drabince Bid-Ask duże zlecenie/zlecenia sprzedaży, mające wywołać u pozostałych uczestników rynku fałszywe wrażenie, że w okolicy pojawił się trader, który zamierza sprzedać duże ilości akcji, walut, surowców czy kryptowalut (zależnie od rynku).
Ta taktyka ma na celu zdezorientowanie innych spekulantów i sztuczne wytworzenie popytu/podaży, które następnie zostaną wykorzystane przez nieuczciwego tradera.
Na przykład – może on ustawiać w Order Booku pokaźne oferty Sell Limit, aby pobudzić aktywną podaż (sprzedającą po cenach rynkowych). Ta, niczego nieświadoma, będzie realizować stopniowo wprowadzane przez niego na rynek, podzielone na malutkie bloki, zlecenia kupna.
Reasumując – spoofer przekonuje część rynku do kupna lub sprzedaży za pomocą wystawiania fałszywych ofert, by wykorzystać ją do zrealizowania zleceń w przeciwnym kierunku.
Nieco podobną do spoofingu manipulacją jest tzw. Quote Stuffing – wysłanie na rynek bardzo wielu fałszywych zleceń w celu dezorientacji i spowolnienia innych algorytmów.
Front-running
Front-running, który podobnie jak spoofing, jest nielegalny, polega na wykorzystaniu przez algorytm informacji o dużych zleceniach (zanim te zostaną zrealizowane).
Powiedzmy, że podmiot X ma informacje o tym, że podmiot Y ma zamiar kupić dużą liczbę akcji. Wykorzystując tę informację, X kupuje udziały, zanim zdąży zrobić to Y, po czym odsprzedaje mu je po wyższej cenie.
Mówimy tu jednak o zleceniach, których, jako traderzy detaliczni, nie jesteśmy w stanie zaobserwować. W Order Booku widzimy tylko oferty pasywnego kupna/sprzedaży, które wcale nie muszą zostać zrealizowane (patrz: spoofing). Ponadto, naprawdę duże zlecenia są dzielone przez algorytmy na mniejsze części (tzw. Iceberg Orders), więc jako ludzie, raczej nie będziemy w stanie ich rozpoznać.
Kluczowa jest tu więc wiedza, do której przeciętny człowiek nie ma dostępu, dlatego wśród podmiotów podejrzanych o front-running znajdziemy duże banki czy fundusze.
Do takich instytucji należał np. HSBC. Były szef ds. obrotu gotówkowego na rynku FX w tym banku – Mark Johnson, otrzymywał od klienta poufne informacje o przyszłych transakcjach, które następnie wykorzystywał, dopuszczając się front-runningu. W ten sposób, rzeczony klient miał zostać oszukany na ponad 7 milionów dolarów.
Wpływ HFT na rynki finansowe – wpływ na zmienność i korzyści oraz kontrowersje
Jeżeli mielibyśmy wskazać konkretny moment w historii, w którym handel HFT zaczął interesować przeciętnych ludzi i przeniknął do głównego nurtu, to byłby to 6 maja roku 2010 i słynny Flash Crash na amerykańskim rynku akcji. Wówczas doszło do gwałtownego załamania indeksów Dow Jones, S&P500 i NASDAQ, które następnie równie szybko odrobiły większość strat. DJ stracił wtedy niemal 1000 punktów, czyli ok. 9% wartości – w ciągu zaledwie kilku minut.
Przyczyną krachu miało być kilka różnych czynników, wśród których znalazł się właśnie trading HFT. Niektórzy spekulowali, że wszystkiemu winna była zbytnia zależność nowoczesnego rynku od technologii. Miało dojść tutaj do reakcji łańcuchowej, w której algorytmy jeden po drugim zaczęły usuwać płynność z Order Booka.
Jedną z osób pociągniętych do odpowiedzialności był słynny Navinder Sarao – legendarny trader detaliczny (wcześniej, Sarao pracował jednak jako trader profesjonalny dla firmy Futex, handlującej kontraktami terminowymi), który w relatywnie krótkim czasie, mieszkając u rodziców, był w stanie zbudować majątek praktycznie od zera, stosując scalping. Sarao korzystał z zaprojektowanego przez siebie algorytmu, który miał odegrać rolę w krachu, wprowadzając na rynek fałszywe zlecenia. Według CFTC, korzystając z orpogramowania w dniu krachu, Sarao miał zarobić około 879 tysięcy dolarów.
Prawdopodobnie ze względu na to, że sprawa była dość głośna, opinii publicznej bardzo łatwo było zrzucić winę za krach na algorytmy HFT.
Palcem wskazywano jednak nie tylko na spekulantów, takich jak Sarao, ale i na Market Makerów HFT, którym zarzucano, że wcale nie dostarczają płynności na rynku. Wystawiane przez nich oferty określano mianem. „ghost liquidity”, czyli płynności, która błyskawicznie znika z Order Booka i z której nie można realnie skorzystać.
Reasumując, zgodnie z opinią krytyków, rynek stał się więc areną bitew robotów, które, konkurując ze sobą, zostawiły przeciętnego inwestora daleko w tyle. Z czasem, termin HFT zaczął kojarzyć się tak negatywnie, że podmioty wykorzystujące trading wysokiej częstotliwości nie chciały być z nim kojarzone i określały się raczej jako firmy stosujące handel algorytmiczny, dostawcy płynności czy po prostu Market Makerzy.
Jednakże sprawa tych algorytmów wcale nie jest oczywista i ich obecność na rynkach finansowych, przynajmniej teoretycznie, ma także swoją dobrą stronę.
Market Maker HFT jako podmiot działający na korzyść przeciętnych inwestorów
Mianowicie – Market Makerzy korzystający z takiej technologii, o ile podlegają odpowiednim regulacjom, przyczyniają się do większej płynności i tym samym – większej stabilności instrumentów finansowych oraz zmniejszają koszty transakcyjne dla wszystkich uczestników rynku.
Gdy na giełdzie wystąpi mniej lub bardziej poważny krach, opinia publiczna może zrzucać winę za jego wystąpienie właśnie na algorytmy. Ale krachy są tak stare, jak sama giełda i odpowiadały za nie motywowane emocjami, irracjonalne zachowania ludzi.
Dlatego istnieje także inny punkt widzenia, który znajdziemy m.in. w raporcie dot. Flash Crasha z 2010 roku od CME Group, pt. “What Happened on May 6th?”.
Zgodnie z nim, do gwałtownych załamań przyczyniają się decyzje człowieka, a algorytmy – podejmujące decyzje na bazie logiki, minimalizują negatywny wpływ jego działalności. Ponieważ są gotowe do kupna/sprzedaży w sytuacjach, w których człowiek panikuje.
Skrajny przykład scenariusza, w którym brak podmiotu skłonnego do przejęcia ryzyka od inwestorów był szczególnie odczuwalny, to “Czarny Poniedziałek” 19 października 1987 roku, kiedy to Dow Jones stracił niemal 23% w ciągu jednego dnia handlowego. Wówczas, Market Makerzy sprzed ery HFT przestali odbierać telefony od inwestorów, przez co ci nie byli w stanie zamknąć tracących na wartości pozycji.
Regulacje i przyszłość HFT, czyli o tym, jak trader/inwestor manualny staje się dinozaurem świata finansów
Jeśli chodzi o regulacje, wszystkie firmy wykorzystujące trading HFT są monitorowane przez organy nadzorcze, takie jak SEC (co oczywiście nie oznacza, że przypadki nadużyć nie mają miejsca). Zainteresowanie nałożeniem ograniczeń na handel wysokiej częstotliwości wzrosło szczególnie po wspomnianym Flash Crashu z 2010 roku, ponieważ obawiano się, że pozostawienie firm HFT samym sobie i brak odpowiedniego nadzoru może zdestabilizować rynek w podobny sposób w przyszłości.
Nie ulega jednak wątpliwości, że z perspektywy tradera indywidualnego, szczególnie tego, który jest zainteresowany spekulacją krótkoterminową, działalność algorytmów – regulowanych czy też nie, nie jest niczym pozytywnym.
Za sprawą HFT nowe informacje są wliczane w ceny jeszcze szybciej, a pomiędzy firmami korzystającymi z takich rozwiązań ma miejsce wyścig technologiczny. Z tego względu, przewagę na rynku zdobyć jest coraz trudniej – w przypadku przeciętnego inwestora wypracowanie “Edge’a” z prawdziwego zdarzenia, może dzisiaj graniczyć z cudem. Czegokolwiek nie chciałbyś zrobić, algorytm zrobi to nieporównywalnie szybciej i sprzątnie Ci okazję sprzed nosa.
Przekonało się o tym na przykład bardzo wielu scalperów, którzy w pewnym momencie, ze względu na aktywność HFT, przestali osiągać zyski. Jednym z nich miał być wspomniany Navinder Sarao, który swój własny algorytm zaczął wykorzystywać wtedy, gdy zrozumiał, że nie jest już w stanie zarabiać jako trader manualny.
Niestety, problem nie dotyczy tylko tych, którzy spekulują na niższych interwałach. Dla inwestorów w klasycznym rozumieniu, którzy nie wspomagają się technologią, także może być tu coraz mniej miejsca. Korzystając z wiedzy programistycznej, bardzo łatwo jest zautomatyzować proces wyceny spółek i zbudować prosty algorytm, który w ciągu kilku sekund oceni wybrane aktywa pod względem fundamentalnym, przetwarzając automatycznie pobierane z sieci dane.
Jest więc nieuniknione, że z roku na rok wykorzystanie zaawansowanego oprogramowania na giełdach będzie tylko rosło (proces ten powinien zostać dodatkowo przyspieszony przez rozwój AI), aż człowiek zostanie całkowicie wyparty przez maszynę.
Inwestowanie jest ryzykowne. Inwestuj odpowiedzialnie.
Powiązane wpisy:
News trading (handel na danych) – na czym polega? 
Czym jest Social Trading (Handel Społecznościowy)? 
Czym jest handel algorytmiczny (Algo Trading)? 
Co to jest day trading? Jak korzystać z tej strategii? 
Co to jest swing trading? Jak korzystać z tej strategii? 
Short squeeze – czym jest i jak czym polega? 
Czym jest i na czym polega Wash Trading? 
Czym jest scalping kryptowalut? Na czym polega? 
Czym jest atak Sybil? Na czym polega? 
Czym jest Pump and Dump? Na czym polega?
