幾年前，一家名為Knight Capital的公司推出了一種新的演算法交易軟體，並將其投入使用。但有一個問題。它每分鐘損失1000萬英鎊，而當他們將其撤下時，該公司已經損失了4.4億英鎊。
在印度最近的排燈節mahurat交易時段（節日的短暫交易時段，否則為假期）期間的印度類似事件中，某些衍生產品的價格暴跌了近20％。後來發現這是由於經紀人的演算法交易軟體故障所致。當天的所有交易均被廢止。
在這兩種情況下，問題都是流氓演算法。這些實例是一種現象的明顯體現，這種現象已經存在了一段時間：機器已經悄悄地將人類從現代股票市場中解放出來。
印度僅在2008年才允許演算法交易，但演算法已經控制了幾乎所有交易的三分之一。在這種現象在近三十年前首次出現的西方國家，到2012年，演算法在美國股票交易量中的佔比約為50％。在每天運行23小時的外匯市場中，演算法佔交易量的80％ 。
簡而言之，演算法交易涉及使用技術來自動買賣證券。通常，人類會這樣做。他們分析公司，部門，企業，價格和其他數據，並決定何時買賣。但是，這些數據也可以由計算機自動分析，並且如果您正確編程演算法，則可以讓計算機自動（更重要的是，快速）下訂單。
在早期，演算法交易可以更快地完成最簡單的任務，例如在一個交易所購買某種東西，然後在另一處出售，將差額作為套利獲利。然後，他們變得更加複雜，使用期貨或「期權」來創建以毫秒為單位進出的獲利交易。
一些正在醞釀中的應用程序甚至更加複雜，它們利用深層的物理概念和博士學位持有者的見識來構建程序，這些程序通常是在人工智慧和機器的幫助下，通過分析世界各地的新聞，公告，推文或價格走勢而獲利的。學習。基於演算法的超大型對沖基金Rennaisance Technologies為創始人吉姆·西蒙斯（Jim Simons）賺了16億美元，並成為2019年收入最高的對沖基金經理。
在印度，演算法交易仍不到50％，公司規模相對較小。大量的演算法交易量是純套利的（例如，在國家證券交易所或NSE和BSE之間的交易）。
但是複雜的演算法將在某個時候接管印度股市。數學出錯時會發生什麼？還是當機器人的性質造成嚴重破壞時？此外，還有永恆的公平問題。對於一些經驗豐富的市場參與者來說，在技術的幫助下獲得不當優勢是否公平？價格的發現任務（這是市場的基本功能）可以外包給計算機多少？
被動投資
他們說，「高科技」世界喜歡投資指數，只要購買Nifty或US S＆P 500的股票，你就會做的不錯，這已經被證明很長時間了，主要是因為追蹤指數的費用要低得多，不需要情報，只需購買相同權重的相同股票即可，因此，您不需要高薪基金經理，因此成本較低，而成本較低，您的實際回報要好一些。
成本也較低，因為您可以通過編程方式「跟蹤」指數或模型，是否想在周一購買以「 M」開頭的股票？您可以在幾分鐘內建立一個小的演算法，甚至在您睡著時也可以購買股票。將這樣的模型變成交易所交易基金（ETF），突然之間，每個人都可以購買您的「周一M」模型，這是一種低成本的「智能Beta」替代投資，在過去幾年中可能偶然地起作用了。 。
但是由於成本低廉和取得了明顯的成功，更多的資金投入了指數和ETF。這種吸引力已一發不可收拾，以至於日本銀行開始印鈔併購買其本國的ETF。中央銀行的市場佔有率如此之大，以至現在它已成為前100家公司中23家的主要股東。
全球金融服務公司晨星公司（Morningstar）最近的一份報告指出，「被動」策略管理的總資金在2019年首次超過傳統的主動管理池。
即使在印度，僱員公積金組織（EPFO）仍以每月250億盧比的價格購買Nifty ETF。這極大地扭曲了共同基金。 EPFO從印度國家銀行購買的Nifty ETF現在是該國最大的股票共同基金，擁有650億盧比的資產。
大型實體大量流入的結果實際上是，更多的錢流入了前50名股票中，其中前10名股票的權重超過60％。如果您排在前十名，您可能會發現今年剩下的市場實際上已經下降了，而如果將它們包括在內，則上升了10％。
失真來自盲目跟隨索引的能力，使用技術可以輕鬆地複製索引。如果指數ETF投資成為人們投資的唯一方式，那麼公司的業績好壞並不重要，只要其權重在指數中保持不變就可以購買。想一想對公司獎勵一系列良好結果的激勵措施有何影響。
反身和保險
除了不正確的激勵措施外，演算法有時也會出錯。 1987年，美國普遍使用了一種技術來進行「投資組合保險」，如果市場跌幅超過一定數量，則演算法會自動賣出股票，從而在一定程度上限制了損失，這就是人們的想法。
直到1987年10月某個「黑色星期一」，當時股票開始大量下跌，保險演算法隨後自動賣出股票，使價格進一步下跌，從而觸發了更多的保險演算法銷售，直到市場在一天之內下跌超過22％。 。
問題不是演算法。它確實達到了預期的效果。但是人類認為技術可以挽救生命的想法恰恰是毀了生命的一天。太多的人盲目地依靠不知道如何應對自身行動的複合效應的技術。
因此，在有限的大小上有效的工作可能會成為一個大規模的問題。如果一些投資者通過演算法運行投資組合保險，則可能效果很好。少量出售幾乎不會導致市場倒塌。但是，當幾乎每個人都在使用它們時，它們成為一種自我實現的預言。市場下跌時賣出，每個人賣出時市場下跌。
模型相當容易構建。如果發生這種情況，請執行此操作。使用過去幾年或幾十年的回測數據，該概念在電子表格上效果很好。但是，當您實際參與遊戲時，如果您是某種規模的玩家，遊戲本身就會發生變化。這就是資深市場參與者George Soros所說的「反射性」。
自反性是指觀察或測量某物的行為改變它的時候。如果您有影響力，並說市場是牛市的話，那就意味著人們會買進，而買房會使牛市更加看漲。技術增強了反身性，尤其是當技術的創造者對市場的反身性一無所知時。
想像一下，您根據自己的演算法以編程方式購買了股票，而您卻是如此有利可圖，以至於您從投資者那裡獲得了很多錢。現在您是鎮上最大的實體；大家都知道如果您的股票下跌了30％，並且您的演算法想要賣出，那根本就不可能，因為每個人都會在您之前賣出。您的數學模型假設在屏幕上的價格是您購買或出售時的價格，但實際情況因您的規模和對市場的影響而不同。
這裡最大的例子是長期資本管理公司（LTCM），這家對沖基金擁有諾貝爾獎獲得者羅伯特·默頓（Robert Merton）和邁倫·斯科爾斯（Myron Scholes），一次資產超過1400億美元。該基金使用技術和演算法在債券到外匯等不同市場自動交易。它成為它所參與的市場中的「大鯨魚」，用來表示規模最大的參與者。
當市場因亞洲經濟疲軟而轉向，然後在1998年後俄羅斯違約時，他們摧毀了LTCM，這簡直就是其模式崩潰了。後來事實證明，競爭者確切地知道了LTCM的規模，甚至在對沖基金還沒有出現之前就退出了競爭，這使一項精湛的技術變成了塵土。
危險的偷看
然後，技術帷幕的另一面讓人感到恐懼：隱私角度，即分析個人數據的演算法。
在美國，您可以出售「訂單流」，可以將您在經紀人處的購買訂單交給一個大型市場參與者，該參與者將「窺視」該訂單，然後可以說他會履行該訂單，或者讓它傳遞給其他交易所。但實際上，技術可以用來獲得優勢-如果市場參與者的速度比您快，那麼它可以以更低的價格從另一家交易所購買甚至更快，然後再賣給您，因為您的訂單甚至還沒有達到。其他交流呢。
為什麼會這樣濫用？因為在沒有那個市場參與者偷看您的訂單的情況下，過了一會兒您會以較低的價格在另一家交易所買到它。 （您根本無法在印度出售訂單流。）
訂單流之所以受歡迎，是因為經紀人獲得報酬以允許其他市場參與者查看其客戶的訂單。這筆費用實在太大了，以至於經紀人可以為您提供「免費」經紀人，也就是說，只要您讓經紀人顯示訂單流向其他地方，您就無需支付任何交易費用。
之前，您必須告訴經紀人購買什麼，但是如果他濫用該信息，則可能會被指控欺詐。藉助一台計算機查看此信息，您很可能甚至都不知道該信息是否被濫用，即使是被濫用，也沒有人會因為該計算機這樣做而受到指責。偷看訂單實際上可能不是濫用，但它越過某處。
在印度，NSE代管騙局略微超出了界限。這個想法是，證券交易所以循環機制向經紀人提供數據，首先將數據發送給首先連接到其交易系統的任何人，然後再發送給第二個經紀人，依此類推。
如果有人首先連接到NSE的交易系統，那麼他們將首先獲取數據，而且藉助技術，即使早一點實現也就足夠了。這樣，計算機就可以從這種「早期」提要中學習到足夠的知識，甚至可以在演算法交易領域內將任何人提前下單，總的來說，這是獲利的，經過調查，甚至從做這件事的人手中奪走了利潤。 。
這個問題是如此複雜，以至於沒有舉報人的細節，幾乎是不可能發現的。即使到現在，可能還會發生許多這樣的騙局，直到我們知道之前我們才知道。
演算法戰爭
如今，「金融科技」已成為流行語，濫用技術將事情推向極致，做出無效假設，「偽造」披露甚至引誘掠奪性演算法也很容易。
掠奪性演算法只是捕食其他演算法。有人會檢測到某個演算法正在試圖以零碎零碎的價格出售大量股票，然後通過先行操作來利用。有些人會簡單地製造人為的價格信號，以扭曲另一種演算法的設計，例如倫敦的交易商通過欺騙迅速取消的15萬多張訂單來欺騙。這導致了大規模的「快閃記憶體」崩潰，演算法失去了立足之本，從而使欺騙交易者賺了大約4000萬美元。
技術是機遇，在金融領域，它也提供了與利潤的直接聯繫。您可以將其永久使用：吸引更多人參加，降低成本並節省時間。但是您也可以清楚地將其用於邪惡，如果您穿著深色西服，就可以擺脫它。
迪帕克·謝諾伊（Deepak Shenoy）是塞比註冊技術支持的投資組合經理Capitalmind Wealth的創始人兼首席執行官。
