Empat risiko besar dari perdagangan frekuensi tinggi algoritmik

Perdagangan algoritmik (atau perdagangan “algo”) mengacu pada penggunaan algoritme komputer (pada dasarnya sekumpulan aturan atau instruksi untuk membuat komputer melakukan tugas tertentu) untuk memperdagangkan sejumlah besar saham atau aset keuangan lainnya sambil meminimalkan dampak pasar dari hal tersebut. perdagangan. Perdagangan algoritmik melibatkan penempatan perdagangan berdasarkan kriteria yang ditentukan dan mengukir perdagangan ini menjadi lot yang lebih kecil sehingga harga saham atau aset tidak terpengaruh secara signifikan.

Manfaat dari perdagangan algoritmik jelas: ini memastikan “eksekusi terbaik” dari perdagangan karena meminimalkan elemen manusia, dan dapat digunakan untuk memperdagangkan berbagai pasar dan aset jauh lebih efisien daripada yang dapat diharapkan oleh pedagang daging dan tulang. (Untuk lebih lanjut, baca: Dasar-dasar Algoritma Trading: Konsep dan Contoh ).

Apa Empat risiko besar dari perdagangan frekuensi tinggi algoritmik?

Perdagangan frekuensi tinggi (HFT) membawa perdagangan algoritmik ke tingkat yang berbeda sama sekali – anggap saja sebagai perdagangan algo steroid. Sesuai dengan istilahnya, perdagangan frekuensi tinggi melibatkan penempatan ribuan pesanan dengan kecepatan sangat tinggi. Tujuannya adalah untuk menghasilkan keuntungan kecil pada setiap perdagangan, seringkali dengan memanfaatkan perbedaan harga untuk saham atau aset yang sama di pasar yang berbeda. HFT secara diametris berlawanan dengan investasi tradisional jangka panjang, beli dan tahan, karena arbitrase dan aktivitas pembuatan pasar yang merupakan roti dan mentega HFT umumnya terjadi dalam jendela waktu yang sangat kecil, sebelum perbedaan harga atau ketidaksesuaian menghilang.

Perdagangan algoritmik dan HFT telah menjadi bagian integral dari pasar keuangan karena konvergensi beberapa faktor. Ini termasuk meningkatnya peran teknologi di pasar saat ini, semakin kompleksnya instrumen dan produk keuangan, dan dorongan tanpa henti menuju efisiensi yang lebih besar dalam pelaksanaan perdagangan dan biaya transaksi yang lebih rendah. Sementara perdagangan algoritmik dan HFT bisa dibilang telah meningkatkan likuiditas pasar dan konsistensi penetapan harga aset, penggunaannya yang terus meningkat juga telah menimbulkan risiko tertentu yang tidak dapat diabaikan, seperti yang dibahas di bawah ini.

Risiko Terbesar: Penguatan Risiko Sistemik

Salah satu risiko terbesar dari HFT algoritmik adalah risiko yang ditimbulkannya terhadap sistem keuangan. Laporan Juli 2011 oleh Komite Teknis Organisasi Internasional Komisi Sekuritas (IOSCO) mencatat bahwa karena keterkaitan yang kuat antara pasar keuangan, seperti yang ada di AS, algoritme yang beroperasi di seluruh pasar dapat mengirimkan guncangan dengan cepat dari satu pasar ke pasar berikutnya., sehingga memperkuat risiko sistemik. Laporan tersebut menunjuk ke Flash Crash Mei 2010 sebagai contoh utama dari risiko ini.

Flash Crash mengacu pada penurunan 5% -6% dan rebound pada indeks ekuitas utama AS dalam rentang beberapa menit pada sore hari tanggal 6 Mei 2010. Dow Jones jatuh hampir 1.000 poin dalam basis intraday, yang pada saat itu waktu adalah penurunan poin terbesar dalam catatan. Seperti catatan laporan IOSCO, banyak saham dan dana yang diperdagangkan di bursa ( ETF ) menjadi kacau hari itu, jatuh antara 5% dan 15% sebelum memulihkan sebagian besar kerugian mereka. Lebih dari 20.000 perdagangan di 300 sekuritas dilakukan dengan harga sebanyak 60% dari nilainya beberapa saat sebelumnya, dengan beberapa perdagangan dieksekusi dengan harga yang tidak masuk akal, mulai dari satu sen atau setinggi $ 100.000. Tindakan perdagangan yang tidak menentu ini mengguncang investor, terutama karena terjadi lebih dari setahun setelah pasar pulih dari penurunan terbesar mereka dalam lebih dari enam dekade.

Apakah “Spoofing” Berkontribusi Pada Kerusakan Flash?

Apa yang menyebabkan perilaku aneh ini? Dalam laporan bersama yang dirilis pada September 2010, SEC dan Commodity Futures Trading Commission menyalahkan program perdagangan tunggal senilai $ 4,1 miliar oleh seorang pedagang di perusahaan reksa dana yang berbasis di Kansas. Namun pada April 2015, otoritas AS menuduh pedagang harian yang berbasis di London, Navinder Singh Sarao, dengan manipulasi pasar yang berkontribusi pada kehancuran. Tuduhan tersebut menyebabkan penangkapan Sarao dan kemungkinan ekstradisi ke AS

Sarao diduga menggunakan taktik yang disebut ” spoofing ” , yang melibatkan penempatan pesanan palsu dalam jumlah besar dalam aset atau turunan (Sarao menggunakan kontrak E-mini S&P 500 pada hari Flash Crash) yang dibatalkan sebelum diisi. Ketika pesanan palsu berskala besar muncul di buku pesanan, mereka memberi kesan kepada pedagang lain bahwa ada minat beli atau jual yang lebih besar daripada kenyataannya, yang dapat memengaruhi keputusan perdagangan mereka sendiri.

Misalnya, spoofer mungkin menawarkan untuk menjual sejumlah besar saham di ABC dengan harga yang sedikit jauh dari harga saat ini. Ketika penjual lain ikut serta dalam aksi dan harga turun, spoofer dengan cepat membatalkan pesanan jualnya di ABC dan membeli saham sebagai gantinya. Kemudian spoofer memasukkan sejumlah besar pesanan beli untuk menaikkan harga ABC. Dan setelah ini terjadi, spoofer menjual kepemilikannya di ABC, mengantongi keuntungan bersih, dan membatalkan pesanan beli palsu. Bilas dan ulangi.

Banyak pengamat pasar skeptis terhadap klaim bahwa suatu hari pedagang bisa saja menyebabkan kehancuran sendirian yang menghapus hampir satu triliun dolar nilai pasar untuk saham AS dalam beberapa menit. Tapi apakah tindakan Sarao benar-benar menyebabkan Flash Crash masih menjadi topik pembicaraan lain. Sementara itu, ada beberapa alasan yang valid mengapa algoritmik HFT memperbesar risiko sistemik.

Mengapa Algoritma HFT Memperkuat Risiko Sistemik?

Algoritmik HFT memperkuat risiko sistemik karena sejumlah alasan.

• Mengintensifkan Volatilitas : Pertama, karena ada banyak aktivitas HFT algoritmik di pasar saat ini, mencoba mengakali persaingan adalah sifat bawaan sebagian besar algoritme. Algoritme dapat bereaksi secara instan terhadap kondisi pasar. Akibatnya, selama pasar yang bergejolak, algoritme dapat sangat memperluas spread bid-ask mereka (untuk menghindari dipaksa mengambil posisi perdagangan) atau akan menghentikan sementara perdagangan sama sekali, yang mengurangi likuiditas dan memperburuk volatilitas.
• Efek Ripple : Dengan meningkatnya derajat integrasi antara pasar dan kelas aset dalam ekonomi global, kehancuran di pasar utama atau kelas aset sering kali merambat ke pasar dan kelas aset lain dalam reaksi berantai. Misalnya, jatuhnya pasar perumahan AS menyebabkan resesi global dan krisis utang karena kepemilikan substansial dari sub-prime paper AS dipegang tidak hanya oleh bank AS, tetapi juga oleh lembaga keuangan Eropa dan lainnya. Contoh lain dari efek riak tersebut adalah dampak merugikan dari jatuhnya pasar saham China, serta jatuhnya harga minyak mentah, pada ekuitas global dari Agustus 2015 hingga Januari 2016.
• Ketidakpastian : Algoritmik HFT adalah kontributor penting untuk volatilitas pasar yang berlebihan, yang dapat memicu ketidakpastian investor dalam waktu dekat dan memengaruhi kepercayaan konsumen dalam jangka panjang. Ketika pasar tiba-tiba runtuh, investor dibiarkan bertanya-tanya tentang alasan langkah dramatis tersebut. Selama kekosongan berita yang sering terjadi pada saat-saat seperti itu, pedagang besar (termasuk perusahaan HFT) akan memangkas posisi perdagangan mereka untuk memperkecil risiko, sehingga lebih menekan pasar. Saat pasar bergerak lebih rendah, lebih banyak stop-loss diaktifkan, dan putaran umpan balik negatif ini menciptakan spiral ke bawah. Jika pasar beruang berkembang karena aktivitas tersebut, kepercayaan konsumen terguncang oleh erosi kekayaan pasar saham dan sinyal resesi yang berasal dari kehancuran pasar utama.