Estrategias Algorítmicas De Negociación De Alta Frecuencia

LA AGENDA El misterio de la negociación de alta frecuencia Algo misterioso sacudió uno de los mercados financieros más estables del mundo por doce minutos desgarradores el 15 de octubre de 2014. Durante ese breve período, el rendimiento de la nota del Tesoro a 10 años, El gobierno federal se desplomó dramáticamente y luego se elevó, y nadie pudo decir por qué. Fue, dijo Jamie Dimon, CEO de JPMorgan Chase, un evento que se supone que sucederá sólo una vez cada 3 mil millones de años. Al igual que otras sorpresas del mercado, incluyendo un desplome de mayo de 2010 en acciones y futuros, provocó una investigación. Las agencias gubernamentales pasaron meses diseccionando millones de puntos de datos del mercado del Tesoro para averiguar lo que había sucedido ese día. Su conclusión era inquietante: todavía no tenían ni idea de lo que la había causado. Lo que fueron capaces de documentar, sin embargo, fue el surgimiento de un nuevo actor importante en las notas del Tesoro: un grupo de inversores que utilizan sistemas de negociación ultra-rápidos para ganar dinero rápidamente moviendo la deuda pública. Las agencias descubrieron que las empresas, que negociaban en forma privada su propio capital en lugar del dinero de los inversionistas externos, representaban la mayoría de las operaciones en este mercado crucial. El comercio algorítmico de alta velocidad había sido durante mucho tiempo una gran preocupación en los mercados bursátiles, donde las empresas sofisticadas pero oscuras con conexiones rápidas a los intercambios obligaban a los reguladores a lidiar con problemas potenciales, incluida la volatilidad del mercado. Lo que la investigación de T-note encontró es que tales comerciantes también habían hecho una incursión profunda en el primer mercado de fondos del gobierno de globos, un refugio seguro para los inversionistas y una herramienta vital para implementar la política monetaria de Estados Unidos. Los resultados subrayaron lo difícil que podría ser mantener los mercados estables y justos a medida que los jugadores más rápidos y opacos aparecen. Las empresas de trading algorítmicas más agresivas han sido vistas con sospecha durante años debido a las preocupaciones de que su negocio es esencialmente depredador, explotando pequeñas deficiencias técnicas en el mercado en detrimento de otros inversores. Michael Lewis, autor de Moneyball y The Big Short, abordó este mundo sombrío en su libro Flash Boys de 2014, que demonizaba a estos comerciantes de alta frecuencia como depredadores que ganaban dinero a expensas de empresas más tradicionales, pagando para acceder a los mercados más rápidamente Que otros inversores. Los comerciantes trabajan en el piso de la Bolsa de Nueva York el 15 de octubre de 2014 en la ciudad de Nueva York. Durante 12 largos minutos ese día, el rendimiento de la nota del Tesoro a 10 años cayó en valor y luego repentinamente se recuperó. Spencer Platt / Getty Aunque HFT podría sonar como un problema dentro del béisbol en el mundo de las finanzas, el debate ha burbujeado hasta el punto de que ha surgido en la carrera presidencial. Tal vez la reforma financiera más importante en la plataforma de Hillary Clinton es un nuevo impuesto que apunta a niveles excesivos de ciertos tipos de órdenes del mercado de valores, una medida que su campaña argumenta ayudará a combatir el comercio dañino de alta frecuencia. La plataforma Democrática 2016 da un guiño a otros en el partido que quieren un impuesto más amplio de la transacción de Wall Street, para frenar la especulación excesiva y el comercio de alta frecuencia, que ha amenazado los mercados financieros. Clinton también ha articulado una revisión mucho más amplia del mercado de valores para garantizar un acceso igual a los mercados y la información, que los iniciados también ven como una referencia a las ventajas que los comerciantes de alta frecuencia intentan cultivar. (Los planes de Donald Trumps son mucho menos específicos.) Pero como la crítica se centra en el difícil de monitorear el mundo del comercio automatizado, las preguntas siguen siendo lo que es dañino comercio y quién lo está haciendo Los propios comerciantes defienden su trabajo no sólo legal, Manteniendo los mercados líquidos. E incluso si decidimos que el comercio es perjudicial, hay alguna manera de conseguir que el caballo regrese al granero? PARTE DEL desafío es que el comercio automatizado está en todas partes ahora: La tecnología detrás de esta nueva raza de comerciante es parte del tejido fundamental De los mercados, utilizados por una amplia variedad de empresas e inversores. Los comerciantes de mayor preocupación para los reguladores son los que tratan de jugar la complejidad del propio mercado para la ventaja competitiva. Su éxito se ha arraigado en la obtención de las conexiones más rápidas concebible a varios mercados y haciendo el mejor trabajo de analizar enormes cantidades de datos comerciales. La carrera armamentista ha producido numerosas firmas con diferentes estrategias, pero los observadores ahora las colocan en un par de categorías separadas. Un tipo de empresa compra y vende diversos productos de forma continua, proporcionando liquidez y cerrando rápidamente sus posiciones para limitar su propio riesgo. Los defensores de estos mercados de mercado electrónicos, sostienen que pueden ayudar a proporcionar liquidez en los mercados donde operan. Uno de estos, Virtu Financial, el año pasado se convirtió en la primera empresa de comercio de alta frecuencia para hacer público. Este año, JPMorgan Chase acordó una asociación en la que Virtu ayudará a las naciones mayor tesoros del comercio bancario. Estos grandes actores se están volviendo más populares y más aceptados, incluso por algunos de los más firmes críticos del comercio de alta frecuencia. Hace años pensábamos que el comercio de alta frecuencia era un cubo, y lo poníamos en un cubo. No sabíamos demasiado sobre esto, dijo Joseph Saluzzi, cofundador de la firma de corretaje Themis Trading. Era muy vago y nadie hablaba de ello. Luego están los comerciantes de los que se enteró cuando la Securities and Exchange Commission presenta una demanda contra ellos. Tome Athena Capital Research. El gestor de inversiones cuantitativas globales financiado con fondos privados fue el objetivo del primer caso de manipulación de mercado de alta frecuencia de las SEC, resultando en un acuerdo de 1 millón en 2014. La agencia alegó que la firma utilizó un algoritmo denominado Gravyquot para impulsar artificialmente los precios de mercado en su Haciendo grandes cantidades de operaciones cerca del cierre de un día de comercio. La SEC dijo que la empresa relativamente pequeña dominó el mercado en los últimos segundos de un día de negociación para decenas de miles de acciones que utilizan computadoras de alta potencia, algoritmos complejos y operaciones de fuego rápido. Un comerciante se sienta y monitorea sus pantallas de computadora como él negocia en los mercados financieros de las oficinas de Futex Co. en abril, 2015. Futex empleó anteriormente a Navinder Singh Sarao, que las autoridades de los EEUU demandan ayudaron a causar el choque de destello 2010. Getty Images Esos son los tipos que necesitan ser controlados, dijo Saluzzi. Esas son las personas que no conocen mucho. Son depredadores en la naturaleza. Atenea no admitió ni negó el mal hecho. CÓMO USTED las retiene en Hasta ahora, Washington ha manejado el asunto con cautela. La Presidenta de la SEC Mary Jo White ha hablado de la necesidad de evitar interferencia indebida con las prácticas que benefician a los inversionistas y la eficiencia del mercado. También ha descrito formas en que los inversores están mejor en el mercado algorítmico actual que en los antiguos mercados manuales gracias en parte a los menores costos de ejecución del comercio. Andrei Kirilenko, ex economista jefe de la Commodity Futures Trading Commission, dijo en una entrevista que los reguladores necesitan entender mejor quién está ahí afuera, por qué están ahí afuera, sabemos lo que hacen, si hacen algo mal Podemos obtener sus registros? El ex asesor general de la CFTC Dan Berkovitz dijo que los reguladores se han alejado de la cuestión de si la tecnología es inherentemente buena o mala. Ahora el enfoque se centra más en asegurar una estructura de mercado justa. La carrera por los speedwhos que realmente se benefician, y si beneficia a alguien, eso significa que algunos dolores por lo que dijo Berkovitz, ahora un socio en WilmerHale. Si la gente es más rápida y mejor y theyre hacer dinero de él, de dónde viene ese dinero es alguien que se lastima por él Yo no creo que los reguladores tienen la capacidad de entender realmente las tripas de estas cosas. Y por lo que se preocupa su va a salir de control. En lugar de tratar de revertir el reloj de la tecnología, las agencias que supervisan los mercados de los Estados Unidos se han movido para exigir a los comerciantes algorítmicos, y las personas que diseñan sus sistemas de comercio, para registrarse con los reguladores. Algunos de los mayores comerciantes de nuestros mercados no están sujetos a nuestra supervisión y necesitamos una manera de asegurarnos de que están siguiendo controles de riesgo razonables, dijo el presidente de la CFTC, Timothy Massad, en un discurso del 27 de septiembre. Y, de hecho, algunos de esos comerciantes han apoyado un requisito de registro. La CFTC, que supervisa el mercado de futuros, ha redactado una polémica propuesta que iría más lejos, extendiendo sus requisitos de mantenimiento de registros al código fuente que subyace a los sistemas de negociación automatizados. La regla, que todavía no se ha finalizado, requeriría que los comerciantes algorítmicos mantengan repositorios que rastreen los cambios en su código, lo que podría ponerse a disposición de los investigadores en caso de que algo saliera mal en los mercados. Los críticos de la industria están luchando contra este aspecto de la regla, argumentando que dar al gobierno el acceso a su propiedad intelectual sensible a la salsa secreta de sus algoritmos es un riesgo demasiado grande. En una entrevista, el comisionado de la CFTC, J. Christopher Giancarlo, el republicano solitario en el panel que aprueba las reglas en la agencia, dijo que era una acción retrógrada que tendría un impacto sofocante en el comercio de innovación tecnológica en los Estados Unidos. Massad, por su parte, promete un lenguaje final que respeta y protege la confidencialidad mientras sigue dando a la agencia un vistazo al código cuando sus problemas de investigación. Nuestro deseo nunca ha sido exigir que el código fuente se nos entregue rutinariamente, dice. En otro enfoque, la SEC está elaborando una regla de comercio anti-disruptiva como medida preventiva contra formas potencialmente peligrosas de comercio de alto volumen y alta frecuencia. La SEC no ha anunciado qué estrategias comerciales tratará de superar ahora, la norma está siendo señalada, pero no ha sido formalmente propuesta, pero el jefe de la agencia ha señalado que el informe del mercado del Tesoro como instructivo en la identificación de actividades agresivas que podrían trabajar contra los inversores . Aunque todas estas soluciones proceden del lado de la reglamentación, es posible que los operadores de alta frecuencia acaben por verse atrapados por el sector privado. El héroe de Lewiss Flash Boys era una nueva firma llamada IEX: un centro de negociación de acciones de lanzamiento, cuyos fundadores querían proporcionar a los inversores un lugar protegido para comerciar sin ser escalpelados por comerciantes depredadores que tenían acceso más rápido a los datos de Intercambios Su innovación fue una bobina bumpa de velocidad de cable de fibra óptica diseñada para frenar el acceso al mercado en 350 microsegundos. En septiembre de 2015, IEX pidió a la SEC que le permitiera convertirse en una bolsa de valores de pleno derecho, como NYSE y NASDAQ después de meses de intenso cabildeo en ambos lados de la propuesta, la SEC firmó su solicitud en Junemarking un hito importante en La respuesta de las agencias al comercio de alta frecuencia. Su evidencia de que los reguladores están dispuestos a permitir que el sector privado resuelva algunas de las grandes preocupaciones surgidas con la tecnología comercial. Ellos están de pie al margen viendo el experimento del sector privado con el diseño del mercado, Kirilenko dijo de los reguladores, la predicción de que no mucho más que eso sucedería pronto. Se mantendrán al margen hasta el próximo choque de flash. Una segunda edición completamente revisada de la mejor guía para el comercio de alta frecuencia El comercio de alta frecuencia es un esfuerzo difícil, pero rentable, que puede ayudar a los comerciantes de alta frecuencia. Generan beneficios estables en diversas condiciones de mercado. Pero la base sólida en la teoría y la práctica de esta disciplina son esenciales para el éxito. Si usted es un inversor institucional que busca una mejor comprensión de las operaciones de alta frecuencia o un inversor individual en busca de una nueva forma de comercio, este libro tiene lo que usted necesita para aprovechar al máximo su tiempo en los mercados dinámicos de hoy. Sobre la base del éxito de la edición original, la segunda edición de High-Frequency Trading incorpora las últimas investigaciones y preguntas que han salido a la luz desde la publicación de la primera edición. Cubriendo hábilmente todo, desde las nuevas técnicas de gestión de carteras para el comercio de alta frecuencia y los últimos desarrollos tecnológicos que permiten a HFT actualizar las estrategias de gestión de riesgos y cómo salvaguardar la información y el flujo de pedidos tanto en mercados oscuros como ligeros. Incluye numerosas estrategias de negociación cuantitativa y herramientas para la construcción de un sistema de comercio de alta frecuencia. Abordar los aspectos más esenciales del comercio de alta frecuencia, desde la formulación de ideas hasta la evaluación del desempeño. Si bien el interés en el comercio de alta frecuencia continúa creciendo, poco se ha publicado para ayudar a los inversionistas a comprender e implementar este enfoque hasta ahora. Este libro tiene todo lo que necesita para obtener un control firme de cómo funciona la negociación de alta frecuencia y lo que se necesita para aplicarlo a sus esfuerzos comerciales cotidianos. Capítulo 1 Cómo los mercados modernos se diferencian de los anteriores 1 Medios de comunicación, mercados modernos y HFT 6 HFT como evolución de la metodología de comercio 7 Qué es el comercio de alta frecuencia 13 Qué hacen los comerciantes de alta frecuencia 15 Cuántos comerciantes de alta frecuencia hay 17 principales Los jugadores en el espacio de HFT 17 Organización de este libro 18 Preguntas de fin de capítulo 19 Capítulo 2 Innovaciones tecnológicas, sistemas y HFT 21 Una breve historia del hardware 21 Preguntas de fin de capítulo 35 Capítulo 3 Microstructura de mercado, órdenes y límites Order Books 37 Tipos de mercados 37 Libros de orden límite 39 Ejecución agresiva versus pasiva 43 Órdenes complejas 44 Horario de negociación 45 Microestructura moderna: Convergencia y divergencia del mercado 46 Fragmentación en acciones 46 Fragmentación en futuros 50 Fragmentación en opciones 51 Fragmentación en divisas 51 Fragmentación en renta fija 51 Fragmentación en los intercambios 51 Preguntas de fin de capítulo 52 Capítulo 4 Datos de alta frecuencia 53 Qué son los datos de alta frecuencia 53 Cómo se registran los datos de alta frecuencia 54 Propiedades de los datos de alta frecuencia 56 Los datos de alta frecuencia son voluminosos 57 Datos de alta - Los datos de frecuencia están sujetos a la desviación Bid-Ask 59 Los datos de alta frecuencia no son normales o anormales 62 Los datos de alta frecuencia están espaciados de forma irregular 62 La mayoría de los datos de alta frecuencia no contienen identificadores Buy-and - Preguntas del Capítulo 74 Capítulo 5 Costos de Operación 75 Resumen de Costos de Ejecución 75 Costos de Ejecución Transparentes 76 Costos de Ejecución Implícita 78 Antecedentes y Definiciones 82 Estimación del Impacto de Mercado 85 Estimación Empírica del Impacto Permanente de Mercado 88 Preguntas de Fin de Capítulo 96 Capítulo 6 Rendimiento y Capacidad de Estrategias de negociación de frecuencias altas 97 Principios de medición del desempeño 97 Medidas de desempeño básicas 98 Razones comparativas 106 Atribución de desempeño 110 Evaluación de capacidad 112 Decaimiento de alfa 116 Preguntas de fin de capítulo 116 Capítulo 7 El negocio de negociación de alta frecuencia 117 Procesos clave de HFT 117 Financiero Mercados adecuados para HFT 121 Economía de HFT 122 Participantes en el mercado 129 Preguntas de fin de capítulo 130 Capítulo 8 Estrategias de arbitraje estadístico 131 Aplicaciones prácticas del arbitraje estadístico 133 Preguntas de fin de capítulo 144 Capítulo 9 Negociación direccional en torno a eventos 147 Desarrollo de eventos direccionales basados ​​en eventos Estrategias 148 Lo que constituye un evento 149 Metodologías de pronóstico 150 Noticias negociables 153 Aplicación del arbitraje de eventos 155 Preguntas finales de capítulo 163 Capítulo 10 Fabricación automatizada de mercados8212Na239ve Modelos de inventario 165 Creación de mercados: Principios clave 167 Simulación de una estrategia de creación de mercados 167 Estrategias 168 Haciendo mercado como un servicio 173 Haciendo un mercado rentable 176 Preguntas de fin de capítulo 178 Capítulo 11 Fabricación automatizada de mercados II 179 Cuáles son los datos 179 Información de modelado en el flujo de pedidos 182 Preguntas de fin de capítulo 193 Capítulo 12 Estrategias adicionales de HFT, Manipulación del Mercado y Bloqueos del Mercado 195 Arbitraje de Latencia 196 Propagación de Scalping 197 Captura de Rebates 198 Coincidencia de Citas 199 Cita Relleno 201 Aprendizaje de Máquinas 207 Preguntas de Fin de Ciclo 208 Capítulo 13 Regulación 209 Iniciativas Clave de Reguladores de todo el Mundo 209 Preguntas de Fin de Capítulo 223 Capítulo 14 Gestión del Riesgo de HFT225 Medición del Riesgo de HFT 225 Preguntas de Fin de Ciclo 244 Capítulo 15 Minimización del Impacto del Mercado 245 Por qué Algoritmos de Ejecución 245 Algoritmos de Enrutamiento de Pedidos 247 Problemas con Modelos Básicos 258 Modelos Avanzados 262 Implementación Práctica de Estrategias de Ejecución Óptimas 269 Fin - Preguntas sobre el capítulo 270 Capítulo 16 Implementación de los sistemas HFT 271 Desarrollo del modelo Ciclo de vida 271 Implementación del sistema 273 Prueba de sistemas de negociación 283 Preguntas sobre el final del capítulo 287 Acerca del autor 288 Acerca del sitio web 290 IRENE ALDRIDGE es un consultor de inversiones, Experto en temas de inversión cuantitativa y comercio de alta frecuencia, y un educador experimentado. Actualmente es Profesora de Industria de la Universidad de Nueva York, Departamento de Finanzas e Ingeniería de Riesgos, Instituto Politécnico, así como Managing Partner y Responsable de Cartera Cuantitativa de Able Alpha Trading Ltd., una firma de consultoría de inversiones y un vehículo comercial exclusivo, Frecuencia. Aldridge es también un fundador de AbleMarkets, un recurso en línea que realiza la última investigación de alta frecuencia para inversores institucionales y corredores de bolsa. Aldridge tiene un MBA de INSEAD, una maestría en ingeniería financiera de la Universidad de Columbia, un BE en ingeniería eléctrica de la Cooper Union en Nueva York, y está en el proceso de completar su doctorado en la Universidad de Nueva York. Ella es un orador frecuente en los principales eventos de la industria y un colaborador de académicos, profesionales y publicaciones de los medios de comunicación, incluyendo la revista de comercio. La revista Futures, Reuters HedgeWorld, Advanced Trading, FX Week. FINalternativos. Tratamiento de la tecnología. Y Huffington Post. Desde su creación a principios de los 80, el comercio de alta frecuencia (HFT, por sus siglas en inglés) ha seguido evolucionando y creciendo. Si bien algunos han intentado demonizarlo en los últimos años, el hecho es que HFT ha proporcionado considerables mejoras operacionales a los mercados, entre los cuales la mayor parte ha resultado en una menor volatilidad, mayor estabilidad del mercado, una mayor transparencia del mercado y menores costos de ejecución para comerciantes e inversionistas . Mientras que los geeks a menudo reclaman HFT como su dominio, cualquier persona puede integrar este acercamiento probado en sus esfuerzos comerciales. Con una inversión mínima requerida, las barreras para entrar en este campo nunca han sido más bajas, y la oportunidad de generar ganancias significativas nunca ha sido mayor. Nadie lo entiende mejor que la experta de la industria Irene Aldridge. Y ahora, con la segunda edición de High-Frequency Trading, ella vuelve a compartir su experiencia en esta arena con usted. Basado en el éxito de la primera edición, este recurso confiable incorpora la información más reciente aplicada y lista para implementar sobre este enfoque comercial esencial. También incluye desafiantes preguntas de fin de capítulo para probar su dominio de los temas cubiertos. A lo largo del camino: Describe la evolución tecnológica que ha permitido algorítmica y HFT, y establece los cimientos del análisis a través de descripciones de la microestructura del mercado moderno, datos de alta frecuencia y costos de transacción. Enfoque en la economía de HFT, explorando las metodologías para evaluar El desempeño y la capacidad de las estrategias de HFT, y delineando el negocio real de HFT Direcciones de la aplicación real de HFT, detallando los modelos básicos de las estrategias de HFT de hoy, de arbitraje estadístico y direccional basado en eventos de comercio automatizado de mercado y detección de liquidez Examina el real Los riesgos inherentes a muchas estrategias de HFT y las maneras de mitigarlas o minimizarlas Discute la legislación moderna pertinente a HFT, enfoques tradicionales y actuales, y las inminentes direcciones probables de alta frecuencia de comercio, segunda edición también está acompañado por un sitio web que complementa el material encontrado en este libro. Incluye diapositivas de enseñanza personalizables, código C / C básico para estimar los coeficientes de regresión, una muestra de datos de tick y mucho más. Con el fin de negociar eficazmente en los mercados de hoy, es necesario adaptarse rápidamente a la cambiante paisaje del mercado. Comercio de alta frecuencia, segunda edición le pondrá en una mejor posición para lograr este objetivo difícil de alcanzar y le permiten beneficiarse de él en el proceso. Algorithmic y de alta frecuencia de comercio El diseño de algoritmos comerciales requiere sofisticados modelos matemáticos respaldados por datos fiables . En este libro de texto, los autores desarrollan modelos para el comercio algorítmico en contextos tales como la ejecución de órdenes grandes, la fabricación del mercado, la orientación VWAP y otros horarios, pares comerciales o colección de activos, y la ejecución en oscuras piscinas. Estos modelos se basan en la forma en que funcionan los intercambios, si el algoritmo está negociando con comerciantes mejor informados (selección adversa) y el tipo de información disponible para los participantes del mercado tanto a alta como a baja frecuencia. Algorithmic and High-Frequency Trading es el primer libro que combina sofisticados modelos matemáticos, datos empíricos y economía financiera, llevando al lector desde ideas básicas hasta investigación y práctica de vanguardia. Si necesita comprender cómo operan los mercados electrónicos modernos, qué información proporciona una ventaja comercial y cómo otros participantes del mercado pueden afectar la rentabilidad de los algoritmos, entonces este es el libro para usted. Comentarios Este libro es un libro importante y oportuno sobre el comercio algorítmico. Los comerciantes humanos en los mercados financieros son una especie en peligro de extinción, reemplazado gradualmente por computadoras y algoritmos. En este nuevo mundo, diseñar y codificar estrategias de negociación requiere conocimiento de la microestructura del mercado, principios económicos básicos que rigen la formación de precios en los mercados financieros y hechos estilizados sobre la dinámica de precios y la actividad de negociación. También requiere herramientas matemáticas específicas, tales como el control estocástico, y la comprensión de cómo estas herramientas se utilizan para resolver problemas comerciales. Algorithmic y de alta frecuencia de comercio es único en que ofrece un tratamiento unificado de estos temas. Disfruté de leerlo y lo recomiendo altamente a los estudiantes o profesionales interesados ​​en los modelos matemáticos utilizados en el comercio algorítmico. Thierry Foucault, HEC Paris Este libro es el primero en dar una cobertura exhaustiva de las estrategias óptimas en el comercio algorítmico y de alta frecuencia, desde el punto de vista muy moderno de la optimización estocástica dinámica y basado en el trabajo de vanguardia, Estos autores. Otros libros cubren la mecánica y las estadísticas de la dinámica del mercado de alta frecuencia, pero ninguno cubre los aspectos matemáticos a esta profundidad. Sería un gran libro de texto para un curso de posgrado en el comercio óptimo. Robert Almgren, Quantitative Brokers Este libro de texto es una adición bienvenida a la literatura sobre el comercio algorítmico y los mercados de alta frecuencia. Se llena una brecha significativa mediante la introducción de modelos matemáticos de vanguardia en el análisis e implementación de algoritmos prácticos. Usando una mezcla única de teoría de microestructuras, análisis de datos financieros y modelos matemáticos, los autores recorren al lector a través del laberinto de los mercados de alta frecuencia, detallando cómo funcionan los intercambios y qué tipo de datos generan. Los algoritmos de negociación y sus implementaciones prácticas se describen en prosa fácil de entender y se ilustran con simulaciones esclarecedoras. Este texto es ideal para estudiantes de posgrado e investigadores en matemática e ingeniería financiera, así como para profesionales que ya trabajan en el campo. Ren Carmona, Universidad de Princeton Este libro de texto de vanguardia muestra cómo construir los modelos matemáticos avanzados que sustentan los algoritmos comerciales modernos. Si necesita comprender cómo funcionan los mercados electrónicos modernos, qué información proporciona una ventaja comercial y cómo otros participantes del mercado pueden afectar la rentabilidad de los algoritmos, entonces este libro es para usted. Sobre los Autores lvaro Cartea es Profesor de Finanzas Matemáticas en el Departamento de Matemáticas de la Universidad de Oxford y miembro académico del Oxford-Man Institute. Antes de venir a Oxford, lvaro fue profesor de Finanzas Matemáticas en la Universidad de Londres, profesor asociado de Finanzas de la Universidad Carlos III de Madrid y profesor de la Facultad de Ciencias Económicas, Matemáticas y Estadística de la Universidad de Birkbeck. Anteriormente fue JP Morgan Profesor de Matemáticas Financieras, Exeter College, Universidad de Oxford. Lvaro obtuvo su Doctorado en la Universidad de Oxford en 2003. Sebastian Jaimungal es Profesor Asociado y Catedrático de Estudios de Posgrado en el Departamento de Ciencias Estadísticas de la Universidad de Toronto, donde enseña en los programas de Doctorado y Máster en Finanzas Matemáticas. Él consulta para los principales bancos y fondos de cobertura centrándose en la implementación de motores de valoración de derivados de avance y estrategias de negociación algorítmica. También es editor asociado de la Revista SIAM de Matemática Financiera, la Revista Internacional de Finanzas Teóricas y Aplicadas, la revista Risks y el boletín de Argo. Jaimungal es vicepresidente del grupo de actividades SIAM en Ingeniería Financiera y Matemáticas, y sus investigaciones han sido ampliamente publicadas en revistas académicas y profesionales. Sus intereses recientes incluyen el comercio de alta frecuencia y algorítmica, el control estocástico aplicado, juegos de campo medio, opciones reales y modelos de productos básicos y precios de derivados. Jos Penalva es profesor asociado de la Universidad Carlos III de Madrid, donde imparte clases de doctorado y de máster en Finanzas, así como a nivel de licenciatura. Actualmente está trabajando en modelos de información y microestructura de mercado y su investigación ha sido publicada en Econometrica y otras revistas académicas de primer nivel. HFT El comercio de alta frecuencia (HFT) es una plataforma de comercio de programas que utiliza computadoras de gran alcance para realizar un gran número de pedidos a velocidades muy rápidas. Utiliza algoritmos complejos para analizar múltiples mercados y ejecutar pedidos basados ​​en las condiciones del mercado. Normalmente, los operadores con las velocidades de ejecución más rápidas son más rentables que los operadores con velocidades de ejecución más lentas. Ruptura de Negocio de Alta Frecuencia - HFT El comercio de alta frecuencia se hizo popular cuando los intercambios empezaron a ofrecer incentivos para que las compañías añadieran liquidez al mercado. Por ejemplo, la Bolsa de Valores de Nueva York (NYSE) tiene un grupo de proveedores de liquidez llamado Proveedores de Liquidez Suplementaria (SLP) que intenta aumentar la competencia y la liquidez de las cotizaciones existentes en la bolsa. Como incentivo para las empresas, la NYSE paga una comisión o reembolso por proporcionar dicha liquidez. En julio de 2016, la rebaja promedio de SLP fue de 0,0019 para los valores cotizados en NYSE y NYSE MKT en NYSE. Con millones de transacciones por día, esto resulta en una gran cantidad de beneficios. El SLP fue introducido después del colapso de Lehman Brothers en 2008, cuando la liquidez era una preocupación importante para los inversionistas. Beneficios de HFT El mayor beneficio de HFT es que ha mejorado la liquidez del mercado y eliminado los diferenciales de oferta y demanda que previamente hubieran sido demasiado pequeños. Esto fue probado agregando honorarios en HFT, y como resultado, los spreads de oferta-demanda aumentaron. Un estudio evaluó cómo los spreads de oferta y demanda canadienses cambiaron cuando el gobierno introdujo los honorarios en HFT, y se encontró que los diferenciales bid-ask aumentaron 9. Las críticas de HFT HFT son polémicas y se han encontrado con algunas duras críticas. Ha reemplazado a una gran cantidad de intermediarios y utiliza modelos matemáticos y algoritmos para tomar decisiones, tomando la decisión humana y la interacción fuera de la ecuación. Las decisiones ocurren en milisegundos, y esto podría dar lugar a grandes movimientos del mercado sin razón. Como ejemplo, el 6 de mayo de 2010, el Dow Jones Industrial Average (DJIA) sufrió su mayor punto de caída intradía cada vez, disminuyendo 1.000 puntos y cayendo 10 en sólo 20 minutos antes de volver a subir. Una investigación gubernamental culpó a una orden masiva que desencadenó una liquidación para el accidente. Una crítica adicional de HFT es que permite a las grandes empresas a beneficio a expensas de los pequeños, o los inversores institucionales y minoristas. Otra queja importante acerca de HFT es la liquidez proporcionada por HFT es la liquidez fantasma, lo que significa que proporciona liquidez que está disponible en el mercado un segundo y pasó el siguiente, impidiendo a los comerciantes de ser realmente capaz de negociar esta liquidity. Basics of Algorithmic Trading: Concepts and Ejemplos Carga del reproductor. Un algoritmo es un conjunto específico de instrucciones claramente definidas destinadas a llevar a cabo una tarea o proceso. El trading algorítmico (trading automatizado, black-box trading o simplemente algo-trading) es el proceso de usar computadoras programadas para seguir un conjunto definido de instrucciones para colocar un comercio con el fin de generar beneficios a una velocidad y frecuencia que es imposible para un Comerciante humano Los conjuntos de reglas definidas se basan en el tiempo, el precio, la cantidad o cualquier modelo matemático. Aparte de las oportunidades de beneficio para el comerciante, algo-trading hace que los mercados más líquidos y hace que el comercio más sistemático por descartar impactos humanos emocionales en las actividades comerciales. Supongamos que un comerciante sigue estos sencillos criterios comerciales: Compra 50 acciones de una acción cuando su media móvil de 50 días supera el promedio móvil de 200 días Vende las acciones de la acción cuando su promedio móvil de 50 días se sitúa por debajo de la media móvil de 200 días Utilizando este conjunto de dos instrucciones sencillas, es fácil escribir un programa informático que vigile automáticamente el precio de la acción (y los indicadores de media móvil) y coloque los pedidos de compra y venta cuando se cumplan las condiciones definidas. El comerciante ya no tiene que mantener un reloj para los precios en vivo y gráficos, o poner en los pedidos manualmente. El sistema de comercio algorítmico lo hace automáticamente para él, identificando correctamente la oportunidad de negociación. Algo-trading ofrece los siguientes beneficios: Operaciones ejecutadas a los mejores precios posibles Posicionamiento inmediato y preciso de pedidos comerciales (con altas posibilidades de ejecución en los niveles deseados) Operaciones Controlar simultáneamente los controles automatizados en múltiples condiciones de mercado Reducir el riesgo de errores manuales en la colocación de las operaciones Volver a probar el algoritmo, sobre la base de datos históricos y en tiempo real disponibles Reducido La posibilidad de errores por parte de los comerciantes humanos basada en factores emocionales y psicológicos La mayor parte del día actual algo-trading es el comercio de alta frecuencia (HFT), que intenta capitalizar sobre la colocación de un gran número de pedidos a velocidades muy rápidas en múltiples mercados y múltiples decisiones Parámetros, basándose en instrucciones preprogramadas. Algo-trading se utiliza en muchas formas de comercio y las actividades de inversión, incluyendo: Inversores de mediano a largo plazo o empresas de compra de lado (fondos de pensiones , Fondos de inversión, compañías de seguros) que compran en acciones en grandes cantidades pero no quieren influir en los precios de las acciones con inversiones discretas de gran volumen. Los comerciantes a corto plazo y los participantes de la parte vendedora (fabricantes de mercado, especuladores y arbitrajes) se benefician de la ejecución automatizada del comercio, además de las ayudas para la creación de liquidez suficiente para los vendedores en el mercado. Los comerciantes sistemáticos (seguidores de tendencias, comerciantes de parejas, fondos de cobertura, etc.) encuentran mucho más eficiente programar sus reglas comerciales y dejar que el programa se comercialice automáticamente. El comercio algorítmico proporciona un enfoque más sistemático al comercio activo que los métodos basados ​​en la intuición o el instinto de los comerciantes humanos. Estrategias de negociación algorítmica Cualquier estrategia para el comercio algorítmico requiere una oportunidad identificada que sea rentable en términos de ganancias mejoradas o reducción de costos. Las siguientes son estrategias comunes de trading usadas en algo-trading: Las estrategias de trading algorítmicas más comunes siguen las tendencias en las medias móviles. Canales. Movimientos del nivel de precios e indicadores técnicos relacionados. Estas son las estrategias más sencillas y fáciles de implementar a través de la negociación algorítmica, ya que estas estrategias no implican la realización de predicciones o previsiones de precios. Las operaciones se inician en función de las tendencias deseadas. Que son fáciles y sencillos de implementar a través de algoritmos sin entrar en la complejidad del análisis predictivo. El ejemplo mencionado de 50 y 200 días de media móvil es una estrategia de seguimiento de la tendencia popular. Comprar una acción cotizada dual a un precio más bajo en un mercado y venderlo simultáneamente a un precio más alto en otro mercado ofrece el diferencial de precio como beneficio libre de riesgo O arbitraje. La misma operación puede repetirse para las acciones frente a los instrumentos de futuros, ya que existen diferencias de precios de vez en cuando. La implementación de un algoritmo para identificar tales diferenciales de precios y colocar los pedidos permite oportunidades rentables de manera eficiente. Los fondos de índice han definido períodos de reequilibrio para que sus participaciones estén a la par con sus respectivos índices de referencia. Esto crea oportunidades rentables para los comerciantes algorítmicos, que capitalizar las operaciones esperadas que ofrecen beneficios de 20-80 puntos básicos dependiendo de la cantidad de acciones en el fondo índice, justo antes de reequilibrar el fondo de índice. Tales operaciones se inician a través de sistemas de negociación algorítmica para la ejecución oportuna y mejores precios. Una gran cantidad de modelos matemáticos probados, como la estrategia de negociación delta neutral, que permiten la negociación sobre la combinación de opciones y su valor subyacente. Donde las operaciones se colocan para compensar los deltas positivos y negativos para que el delta de la cartera se mantenga en cero. La estrategia de reversión media se basa en la idea de que los precios altos y bajos de un activo son un fenómeno temporal que vuelve a su valor medio periódicamente. Identificar y definir un rango de precios y un algoritmo de implementación basado en que permite que los oficios se colocan automáticamente cuando el precio del activo se rompe dentro y fuera de su rango definido. La estrategia de precio medio ponderado por volumen rompe un pedido grande y libera trozos más pequeños determinados dinámicamente de la orden al mercado usando perfiles de volumen históricos específicos de stock. El objetivo es ejecutar la orden cerca del Precio Medio Ponderado por Volumen (VWAP), beneficiándose así del precio medio. La estrategia de precios promedio ponderada en el tiempo rompe una gran orden y libera trozos más pequeños dinámicamente determinados de la orden al mercado utilizando intervalos de tiempo divididos de manera uniforme entre un tiempo de inicio y un tiempo de finalización. El objetivo es ejecutar la orden cerca del precio medio entre el inicio y el final, minimizando así el impacto en el mercado. Hasta que el pedido comercial se llene completamente, este algoritmo continúa enviando órdenes parciales, de acuerdo a la relación de participación definida y de acuerdo con el volumen negociado en los mercados. La estrategia de pasos relacionados envía órdenes a un porcentaje definido por el usuario de los volúmenes de mercado y aumenta o disminuye esta tasa de participación cuando el precio de la acción alcanza los niveles definidos por el usuario. La estrategia de déficit de implementación tiene como objetivo minimizar el costo de ejecución de una orden negociando el mercado en tiempo real, ahorrando así el costo de la orden y beneficiándose del costo de oportunidad de la ejecución retrasada. La estrategia aumentará la tasa de participación objetivo cuando el precio de las acciones se mueve favorablemente y disminuirlo cuando el precio de las acciones se mueve adversamente. Hay algunas clases especiales de algoritmos que intentan identificar acontecimientos en el otro lado. Estos algoritmos de sniffing, utilizados, por ejemplo, por un fabricante de mercado de venta, tienen la inteligencia integrada para identificar la existencia de cualquier algoritmo en el lado de compra de una orden grande. Esta detección a través de algoritmos ayudará al creador de mercado a identificar grandes oportunidades de pedidos y le permitirá beneficiarse al llenar los pedidos a un precio más alto. Esto a veces se identifica como de alta tecnología front-running. Requisitos técnicos para el comercio algorítmico La implementación del algoritmo usando un programa de computadora es la última parte, batida con backtesting. El desafío es transformar la estrategia identificada en un proceso computarizado integrado que tiene acceso a una cuenta de negociación para realizar pedidos. Los siguientes son necesarios: Conocimiento de programación de computadoras para programar la estrategia de negociación requerida, programadores contratados o software de comercio pre-fabricado Conectividad de red y acceso a plataformas de negociación para colocar los pedidos Acceso a feeds de datos de mercado que serán monitoreados por el algoritmo para oportunidades de colocar Órdenes La capacidad y la infraestructura para backtest el sistema una vez construido, antes de que vaya vivo en los mercados reales Datos históricos disponibles para backtesting, dependiendo de la complejidad de las reglas implementadas en el algoritmo Aquí está un ejemplo completo: Royal Dutch Shell (RDS) Bolsa de Valores (AEX) y Bolsa de Valores de Londres (LSE). Permite crear un algoritmo para identificar oportunidades de arbitraje. Debido a la diferencia horaria de una hora, AEX se abre una hora antes que LSE, seguido de ambos intercambios que operan simultáneamente durante las próximas horas y luego se negocian sólo en LSE durante La última hora a medida que se cierra AEX Podemos explorar la posibilidad de negociación de arbitraje en las acciones de Royal Dutch Shell que figuran en estos dos mercados en dos monedas diferentes Un programa informático que puede leer los precios actuales del mercado Precios de feeds de LSE y AEX Tipo de cambio de GBP-EUR Capacidad de colocación de pedidos que puede encaminar el pedido al intercambio correcto Capacidad de back-testing en precios históricos El programa de computadora debe realizar lo siguiente: Leer el feed de precio entrante de acciones RDS de ambos intercambios Usando los tipos de cambio disponibles . Convertir el precio de una moneda a otro Si existe una discrepancia de precio suficientemente grande (descontando los costos de corretaje) que conduce a una oportunidad rentable, entonces ponga la orden de compra en el precio más bajo de cambio y venta de orden en el mayor precio de cambio. Sin embargo, la práctica del trading algorítmico no es tan simple de mantener y ejecutar. Recuerde, si usted puede colocar un comercio algo-generado, así que puede los otros participantes del mercado. En consecuencia, los precios fluctúan en milisegundos e incluso microsegundos. En el ejemplo anterior, qué sucede si su compra de comercio se ejecuta, pero vender el comercio doesnt como los precios de venta cambian en el momento en que su orden llega al mercado Usted terminará sentado con una posición abierta. Haciendo su estrategia de arbitraje sin valor. Existen riesgos y desafíos adicionales: por ejemplo, los riesgos de falla del sistema, los errores de conectividad de la red, los intervalos de tiempo entre las órdenes comerciales y la ejecución y, lo que es más importante, los algoritmos imperfectos. Cuanto más complejo sea un algoritmo, el backtesting más riguroso es necesario antes de que se ponga en acción. El análisis cuantitativo de un desempeño de algoritmos juega un papel importante y debe ser examinado críticamente. Es emocionante ir a la automatización ayudada por computadoras con la noción de ganar dinero sin esfuerzo. Pero uno debe asegurarse de que el sistema está completamente probado y los límites requeridos se establecen. Los comerciantes analíticos deben considerar el aprendizaje de la programación y los sistemas de construcción por su cuenta, para estar seguros de la aplicación de las estrategias adecuadas de manera infalible. El uso cauteloso y las pruebas exhaustivas de algo-trading pueden crear oportunidades rentables.