Στις αρχές της δεκαετίας του 1980, τροφοδοτούμενοι από τις εξελίξεις στην τεχνολογία και τις χρηματοοικονομικές καινοτομίες, όπως τα παράγωγα, οι θεσμικοί επενδυτές άρχισαν να χρησιμοποιούν προγράμματα ηλεκτρονικών υπολογιστών για την εκτέλεση συναλλαγών με βάση προκαθορισμένους κανόνες και αλγόριθμους. Αυτό τους βοήθησε να ολοκληρώνουν μεγάλες συναλλαγές γρήγορα και αποτελεσματικά.
Τότε, αυτοί οι αλγόριθμοι ήταν σχετικά απλοί και χρησιμοποιούνταν κυρίως για το λεγόμενο αρμπιτράζ δεικτών, μια επενδυτική στρατηγική με στόχο τη δημιουργία κέρδους από τις μικρές διαφορές τιμής ανάμεσα σε παρόμοια ή απολύτως ίδια περιουσιακά στοιχεία. Συνήθως αφορά την αγορά ενός περιουσιακού στοιχείου από μια πηγή και την άμεση πώλησή του κάπου αλλού σε υψηλότερη τιμή.
Καθώς η τεχνολογία προχωρούσε και γινόταν διαθέσιμα περισσότερα δεδομένα, αυτό το είδος διαπραγμάτευσης γινόταν όλο και πιο περίπλοκο, με αλγόριθμους ικανούς να αναλύουν πολύπλοκα δεδομένα της αγοράς και να εκτελούν συναλλαγές με βάση ένα ευρύ φάσμα παραγόντων. Αυτοί οι έμποροι προγραμμάτων συνέχισαν να αυξάνονται σε αριθμό στους μεγάλους «διαδρόμους» συναλλαγών – στους οποίους περιουσιακά στοιχεία αξίας πάνω από ένα τρισεκατομμύριο δολάρια αλλάζουν χέρια κάθε μέρα – προκαλώντας δραματική αύξηση της αστάθειας της αγοράς.Τελικά αυτό είχε ως αποτέλεσμα το τεράστιο χρηματιστηριακό κραχ το 1987, γνωστό ως Μαύρη Δευτέρα. Ο βιομηχανικός μέσος όρος Dow Jones υπέστη τη μεγαλύτερη ποσοστιαία πτώση εκείνη την εποχή στην ιστορία του και εξαπλώθηκε σε όλο τον κόσμο. Εκείνη την ημέρα ο δείκτης του Χρηματιστηρίου της Νέας Υόρκης καταβαραθρώθηκε κατά 508 μονάδες ή 22,6%. Το μεγαλύτερο ημερήσιο κραχ που γνώρισε η Wall Street. Έντεκα από τις 30 μετοχές του Dow Jones δεν εμφανίστηκαν καθόλου στο ταμπλό των συναλλαγών την πρώτη ώρα της διαπραγμάτευσης. Εξανεμίστηκαν πάνω από 1 τρισ. δολάρια από την χρηματιστηριακή αγορά.Σε απάντηση, οι ρυθμιστικές αρχές εφάρμοσαν μια σειρά μέτρων για να περιορίσουν τη χρήση των προγραμμάτων, συμπεριλαμβανομένων των αυτόματων διακοπτών που σταματούν τις συναλλαγές όταν υπάρχουν σημαντικές διακυμάνσεις στην αγορά και άλλα όρια.
HFT – συναλλαγές υψηλής συχνότητας
Το 2002, το Χρηματιστήριο της Νέας Υόρκης εισήγαγε ένα πλήρως αυτοματοποιημένο σύστημα συναλλαγών. Ως αποτέλεσμα, τα προγράμματα αυτά έδωσαν τη θέση τους σε πιο εξελιγμένους αυτοματισμούς με πολύ πιο προηγμένη τεχνολογία: Συναλλαγές υψηλής συχνότητας.
Το HFT χρησιμοποιεί προγράμματα υπολογιστών για να αναλύει δεδομένα της αγοράς και να εκτελεί συναλλαγές σε εξαιρετικά υψηλές ταχύτητες. Μπορούν να πραγματοποιήσουν συναλλαγές σε εκατομμυριοστά του δευτερολέπτου.
Αυτές οι συναλλαγές είναι συνήθως πολύ βραχυπρόθεσμες και ενδέχεται να περιλαμβάνουν την αγορά και την πώληση της ίδιας κινητής αξίας πολλές φορές μέσα σε λίγα νανοδευτερόλεπτα. Οι αλγόριθμοι τεχνητής νοημοσύνης αναλύουν μεγάλες ποσότητες δεδομένων σε πραγματικό χρόνο και εντοπίζουν μοτίβα και τάσεις που δεν είναι άμεσα εμφανή στους traders. Αυτό τους βοηθά να λαμβάνουν καλύτερες αποφάσεις και να εκτελούν συναλλαγές με ταχύτερο ρυθμό.
Μια άλλη σημαντική εφαρμογή της τεχνητής νοημοσύνης στο HFT είναι η επεξεργασία φυσικής γλώσσας, η οποία περιλαμβάνει την ανάλυση και την ερμηνεία δεδομένων ανθρώπινης γλώσσας, όπως άρθρα ειδήσεων και αναρτήσεις στα μέσα κοινωνικής δικτύωσης. Αναλύοντας αυτά τα δεδομένα, οι έμποροι μπορούν να αποκτήσουν πολύτιμες γνώσεις για το κλίμα της αγοράς και να προσαρμόσουν ανάλογα τις στρατηγικές συναλλαγών τους.Οφέλη από το εμπόριο AI
Αυτές οι συναλλαγές υψηλής συχνότητας που βασίζονται στην τεχνητή νοημοσύνη λειτουργούν πολύ διαφορετικά από τους ανθρώπους.
Ο ανθρώπινος εγκέφαλος είναι αργός, ανακριβής και ξεχασιάρης. Είναι ανίκανος για γρήγορη, υψηλής ακρίβειας, αριθμητική που απαιτείται για την ανάλυση τεράστιων όγκων δεδομένων για τον εντοπισμό εμπορικών σημάτων. Οι υπολογιστές είναι εκατομμύρια φορές πιο γρήγοροι, με ουσιαστικά αλάνθαστη μνήμη, τέλεια προσοχή και απεριόριστη ικανότητα ανάλυσης μεγάλου όγκου δεδομένων σε κλάσματα του δευτερολέπτου.
Και, έτσι, όπως και οι περισσότερες τεχνολογίες, το HFT παρέχει πολλά οφέλη στα χρηματιστήρια.
Οι συναλλαγές υψηλής συχνότητας μπορούν επίσης να συμβάλουν στη μείωση του αντίκτυπου της αναποτελεσματικότητας της αγοράς εντοπίζοντας γρήγορα τις εσφαλμένες τιμές στην αγορά. Για παράδειγμα, οι αλγόριθμοι HFT μπορούν να ανιχνεύσουν πότε μια συγκεκριμένη μετοχή είναι υποτιμημένη ή υπερτιμημένη και να εκτελούν συναλλαγές για να επωφεληθούν από αυτές τις αποκλίσεις. Με αυτόν τον τρόπο, αυτού του είδους οι συναλλαγές μπορούν να βοηθήσουν στη διόρθωση της αναποτελεσματικότητας της αγοράς και να διασφαλίσουν ότι τα περιουσιακά στοιχεία αποτιμώνται με μεγαλύτερη ακρίβεια.
Τα μειονεκτήματα
Αλλά η ταχύτητα και η αποτελεσματικότητα μπορούν επίσης να αποδειχθούν ζημιογώνες. Οι αλγόριθμοι HFT μπορούν να αντιδράσουν τόσο γρήγορα σε γεγονότα ειδήσεων και άλλα σήματα της αγοράς που μπορεί να προκαλέσουν ξαφνικές αυξήσεις ή πτώσεις στις τιμές των περιουσιακών στοιχείων.
Επιπλέον, μπορούν να χρησιμοποιήσουν την ταχύτητα και την τεχνολογία τους για να αποκτήσουν αθέμιτο πλεονέκτημα έναντι άλλων traders, παραμορφώνοντας περαιτέρω τα μηνύματα της αγοράς. Η αστάθεια που δημιουργήθηκε από αυτά τα εξαιρετικά εξελιγμένα εργαλεία συναλλαγών που βασίζονται σε τεχνητή νοημοσύνη οδήγησε στο λεγόμενο flash κραχ τον Μάιο του 2010, όταν οι μετοχές έπεσαν και στη συνέχεια ανέκαμψαν μέσα σε λίγα λεπτά – αποκαθιστώντας στη συνέχεια περίπου 1 τρισεκατομμύριο δολάρια σε αξία αγοράς.
Από τότε, οι ασταθείς αγορές έχουν γίνει το νέο φυσιολογικό.
Η ταχύτητα και η αποτελεσματικότητα με την οποία οι έμποροι υψηλής συχνότητας αναλύουν τα δεδομένα σημαίνει ότι ακόμη και μια μικρή αλλαγή στις συνθήκες της αγοράς μπορεί να προκαλέσει μεγάλο αριθμό συναλλαγών, οδηγώντας σε ξαφνικές διακυμάνσεις των τιμών και αυξημένη αστάθεια.
Οι αποφάσεις των τραπεζών
Προς το παρόν, τουλάχιστον, φαίνεται ότι οι περισσότερες τράπεζες δεν θα επιτρέπουν στους υπαλλήλους τους να επωφεληθούν από το ChatGPT και παρόμοια εργαλεία. Η Citigroup, η Bank of America, η Goldman Sachs και αρκετοί άλλοι κολοσσοί έχουν ήδη απαγορεύσει τη χρήση τους στους ορόφους των αιθουσών συναλλαγών, επικαλούμενοι ανησυχίες για το απόρρητο.
Ο καθηγητής Pawan Jain, από το West Virginia University, εκφράζει την άποψη ότι, τελικά, οι τράπεζες θα αγκαλιάσουν την τεχνητή νοημοσύνη, μόλις επιλύσουν τις ανησυχίες που έχουν για αυτήν. Τα πιθανά κέρδη είναι πολύ σημαντικά για να τα παραβλέψουμε – και υπάρχει κίνδυνος να μείνουν πίσω από τους αντιπάλους τους. «Αλλά οι κίνδυνοι για τις χρηματοπιστωτικές αγορές, την παγκόσμια οικονομία και για όλους μας είναι επίσης μεγάλοι, οπότε ελπίζω να προχωρήσουν προσεκτικά», επισημαίνει.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου