211service.com
Hoe u nog een Flash-crash kunt vermijden
Vandaag is het driejarig jubileum van de Flash-crash 2010 , toen de Amerikaanse aandelenmarkt binnen enkele minuten 1.000 punten verloor voordat ze de meeste van deze verliezen een paar minuten later goedmaakte.
De crash deed zich voor toen hoogfrequente handelsalgoritmen in een vicieuze, snelle verkoopspiraal kwamen, waardoor miljarden dollars aan waarde werden weggevaagd voordat iemand wist wat er aan de hand was. Sommige waarnemers beweren dat een handelssysteem dat wordt gedomineerd door machines in plaats van door mensen in de toekomst steeds meer vatbaar zou kunnen zijn voor dergelijke rampzalige crashes.
Misschien kunnen algoritmen echter ook helpen om het financiële systeem veiliger te maken.
Ik woonde onlangs een fascinerende lezing bij waarin een wiskundige benadering werd beschreven die financiële regelgevers misschien zou kunnen helpen om vroege tekenen van nood te herkennen in een financieel systeem dat steeds complexer en ondoordringbaarder wordt. Andrew Lo , een professor aan de Sloan Business School en directeur van MIT's Laboratory for Financial Engineering, begon zijn toespraak, genaamd Meten en beheren van de complexiteit van het financiële systeem, door twee grafieken te tonen die de complexiteit en onderlinge afhankelijkheid van het huidige financiële systeem netjes illustreren.
De eerste toont relaties tussen verschillende grote financiële instellingen ongeveer 20 jaar geleden:
De tweede toont dezelfde relaties slechts 10 jaar later:
Deze gigantische rubberen ballen van complexiteit illustreren hoe precair het financiële systeem is; Lo merkte verder op dat deze financiële instellingen niet verplicht zijn om hun activiteiten openbaar te maken, en zouden hier bezwaar tegen hebben uit angst hun rivalen een concurrentievoordeel te geven.
Lo sprak vervolgens over een idee dat regelgevers een manier zou kunnen bieden om activiteiten te volgen zonder dat financiële bedrijven hun kaarten op tafel hoeven te leggen. Zijn oplossing is een algoritme waarmee deelnemers de details van hun financiële activiteiten met de hand kunnen coderen, zodat de details geheim blijven, maar rekenfuncties kunnen worden uitgevoerd op de collectieve gegevens om potentieel lastige activiteiten in het algehele systeem te onthullen.
De aanpak lijkt veel op homomorfe codering, een wiskundige techniek die wordt onderzocht als een manier om toegang te bieden tot zeer gevoelige gegevens die zijn opgeslagen in cloud computing-databases (zie A Cloud That Can't Leak).
De details leest u in dit papier , co-auteur met collega's van de EPFL School of Communication and Computer Science in Zwitserland en AlphaSimplex Group , een handelsonderneming opgericht door Lo.
Na het gesprek vroeg ik Lo of dit echt had geholpen om de financiële ineenstorting van 2007 te voorkomen. Dit is wat hij zei:
Er is een groot verschil tussen het hebben van veel waarschuwingssignalen en het hebben van een officiële overheidsbron, verwant aan de National Weather Service, die u informeert dat er een orkaan aan het bouwen is. Ja, er waren veel waarschuwingssignalen, maar het is vrijwel onmogelijk voor toezichthouders om actie te ondernemen op basis van waarschuwingssignalen. Stel je voor dat je de mensen in New Jersey vraagt te evacueren omdat je een slecht gevoel hebt over het weer.
Ik vroeg ook of deze aanpak zou helpen bij hoogfrequente handel en gerelateerd opkomend gedrag (zie Kijk hoe hoogfrequente handelsbots gek worden).
Onze aanpak zou zelfs heel nuttig kunnen zijn voor hoogfrequente handel, omdat beleggers kunnen meten hoe druk een markt op een bepaald moment is zonder individuele handelaren te vragen hun posities bekend te maken.
Het lijkt een behoorlijk ingenieuze oplossing voor een enorm belangrijk probleem.