Translate

lunedì 25 maggio 2015

OPERANO IGNORANDO ED IGNORANO ALLEGRAMENTE. E' POSSIBILE IDENTIFICARE LE STRATEGIE OPERATIVE DEGLI HIGH FREQUENCY TRADERS? SI'.

Come forse saprete, alla tematica dell' HFT ho dedicato numerosi posts (clicca qui) e qui trovate il mio scambio di mail con la Consob.
In questo contributo, invece, vorrei provare a dire un paio di cose su di un argomento che -proprio a voler essere generosi- può considerarsi conosciuto da 10 persone (tra le quali il sottoscritto non è ovviamente da annoverare) in tutta Italia. E perché vorrei provare a scrivere questi due pensieri? Perché mi è capitato di leggere -su forum e chat- e di sentire cose che non stanno né in cielo né -soprattutto- in terra, spesso scritte o dette da quelli che dovrebbero fare gli interessi di investitori e risparmiatori (banchieri, gestori, gente con master a destra ed a sinistra, gente con curricula chilometrici, presunti controllori del mercato, ecc.).
Per confutare le loro balle, secondo le quali non sarebbe possibile rilevare le condotte manipolatorie degli HFTs, mi limiterò a far riferimento ad uno studio elaborato da Yang, Kirilenko, Hayes ed altri, dal titolo "Behavior Based Learning in Identifying High Frequency Trading Strategies".
Come detto più volte, il trading algoritmico si è imposto come forza dominante dei (e nei) mercati finanziari di tutto il mondo. L'identificazione e la comprensione del suo impatto, sono elementi critici tanto per gli operatori quanto per i regolatori ed a differenza di quello che dicono gestori, banchieri e controllori, entrambe sono possibili. In che modo? Ad esempio utilizzando un modello di caratterizzazione della condotta dei traders, noto come Inverse Reinforcement Learning, volto a e capace di raggiungere un equilibrio tra due caratteristiche desiderabili, nel senso che l' IRL è in grado di catturare proprietà fondamentali, aventi natura empirica, delle dinamiche dell' order book pur rimanendo le stesse computazionalmente tracciabili. Impiegando un algoritmo IRL basato su programmazione lineare, secondo quanto dimostrato dagli autori, è possibile identificare e distinguere -con un'accuratezza (clicca qui) superiore al 90%- il trading ad alta frequenza da tutte le altre trading strategies, almeno con riguardo all' E-Mini S&P 500. Infatti, i tests eseguiti sul mercato di questi futures, suggeriscono che le strategie di trading ad alta frequenza possano essere accuratamente identificate e profilate, partendo dall'osservazione dell'operatività negoziale individuale. Vi risparmio tutto il processo definitorio di variabili algebriche che sta a monte delle conclusioni alle quali giungono gli accademici e cerco di venire direttamente al punto della discussione.

Kirilenko e gli altri, hanno eseguito due esperimenti, utilizzando il modello noto col nome di Markov Decision Process (un modello matematico che studia i processi decisionali in cui i risultati sono in parte casuali ed in parte legati alle scelte del decisore), posto alla base dell'algoritmo IRL, al fine di identificare le strategie di trading algoritmico impiegate dai vari operatori. Gli stessi hanno fatto uso delle 6 classi in cui Kirilenko ha raggruppato i vari traders:
  1. HFTs;
  2. Market Makers;
  3. Traders Opportunistici;
  4. Fundamental Buyers;
  5. Fundamental Sellers
  6. Small Traders
In generale, gli HFTs hanno un set di caratteristiche distintive ben definito, come ad esempio un volume di elevata attività nel corso dell' intera giornata di negoziazioni, frequenti modifiche apportate agli ordini, mantenimento di bassi livelli di scorte, indifferente orientamento alle posizioni short/long. I Market Makers sono investitori di breve orizzonte che seguono una strategia di acquisto e vendita di numerosi contratti, fatto salvo l'obiettivo del mantenimento di un livello di scorte contenuto. I Traders Opportunistici, a volte si si atteggiano come Market Makers acquistando e vendendo su livelli prossimi ad un target definito, mentre in altri casi agiscono come Fundamental Traders accumulando posizioni long o short. I Fundalmental Buyers e Sellers sono net buyers e sellers, accumulanti posizioni in una delle due direzioni. Gli Small Traders sono quelli che presentano un' attività scarsamente significativa nel corso di un tipico giorno di negoziazioni.
Nel primo esperimento, gli autori si sono impegnati a separare le strategie HFT da quelle di Market Making ed Opportunistiche, impiegate nella simulazione del mercato dei futures E-Mini S&P500. Come deducibile dalla foto di cui sotto, le condotte tipiche dei Fundamental Buyers/Sellers sono segnatamente differenti da quelle degli altri traders algoritmici; dunque è abbastanza chiaro come la comparazione tra gli HFTs e le trading strategies dei Fundamental risulti scarsamente significativa, ragion per cui gli autori si sono soffermati maggiormente sulla separazione delle HFT Strategies da quelle di Market Making e di Trading Opportunistico. 
Nel secondo esperimento, hanno condotto uno studio specificatamente dedicato all'identificazione ed alla rilevazione di una strategia tipica degli HFTs, nota col nome di spoofing (ne abbiamo già parlato qui e qui). Ogni classe di partecipanti è stata caratterizzata in ragione della velocità dei loro trades, del limite di posizione, della distribuzione della size degli ordini, della distribuzione del prezzo degli ordini; si tratta di caratterizzazioni eseguite su dati ufficiali inerenti l' E-Mini S&P 500 FUTURES CONTRACT, forniti dalla CFCT USA.
Nel distinguere le strategie degli HFTs da quelle dei Market Makers e degli Opportunistic Traders, gli studiosi hanno utilizzato tre diverse metodologie:
  1. Linear Discriminant Analysis (LDA);
  2. Quadratic Discriminant Analysis (QDA);
  3. Multi-Gaussian Discriminant Analysis (MDA)
I metodi 2 e 3 (non lineari) hanno performato meglio del primo. Il livello massimo di accuratezza raggiunto dai 3 metodi è pari al 100%. In generale, ciascuno di essi ha raggiunto un'accuratezza relativamente elevata, in quanto compresa tra il 95% ed il 100%. La sensibilità (cioè i veri positivi-clicca qui) è compresa tra l'89% ed il 94%. La specificità (cioé i veri negativi-clicca qui) è in generale migliore e comunque pari al 100% qualunque sia il metodo di classificazione utilizzato nel distinguere gli HFTs dagli altri operatori. I risultati conseguiti impiegando le metodologie di cui sopra, nell'ambito della distinzione delle strategie dei Traders Opportunistici da quelle dei Market Makers, non sono altrettanto soddisfacenti se comparati a quelli conseguiti nella distinzione delle strategie degli HFTs da quelle dei Market Makers e degli Opportunistici.

In altri termini: distinguere gli HFTs dagli altri partecipanti al mercato è possibile; più precisamente è possibile rilevarne la presenza previa identificazione, ovvero caratterizzazione delle differenti strategie impiegate dalle varie tipologie di operatori, eseguita utilizzando un algoritmo IRL a programmazione lineare, poggiante sul modello del processo decisionale di Markov (clicca qui).
A domani per la restante parte dedicata allo spoofing.