股票配资公司_在线配资网站_网上配资平台-武汉配资网
您的位置:首页 >配资新闻 >

沧州配资新闻公司可靠吗

时间:2020-01-13 16:15:00 | 来源:

几年前,一家名为Knight Capital的公司推出了一种新的算法交易软件,并将其投入使用。但有一个问题。它每分钟损失1000万英镑,而当他们将其撤下时,该公司已经损失了4.4亿英镑。

在印度最近的排灯节mahurat交易时段(节日的短暂交易时段,否则为假期)期间的印度类似事件中,某些衍生产品的价格暴跌了近20%。后来发现这是由于经纪人的算法交易软件故障所致。当天的所有交易均被废止。

在这两种情况下,问题都是流氓算法。这些实例是一种现象的明显体现,这种现象已经存在了一段时间:机器已经悄悄地将人类从现代股票市场中解放出来。

印度仅在2008年才允许算法交易,但算法已经控制了几乎所有交易的三分之一。在这种现象在近三十年前首次出现的西方国家,到2012年,算法在美国股票交易量中的占比约为50%。在每天运行23小时的外汇市场中,算法占交易量的80% 。

简而言之,算法交易涉及使用技术来自动买卖证券。通常,人类会这样做。他们分析公司,部门,企业,价格和其他数据,并决定何时买卖。但是,这些数据也可以由计算机自动分析,并且如果您正确编程算法,则可以让计算机自动(更重要的是,快速)下订单。

在早期,算法交易可以更快地完成最简单的任务,例如在一个交易所购买某种东西,然后在另一处出售,将差额作为套利获利。然后,他们变得更加复杂,使用期货或“期权”来创建以毫秒为单位进出的获利交易。

一些正在酝酿中的应用程序甚至更加复杂,它们利用深层的物理概念和博士学位持有者的见识来构建程序,这些程序通常是在人工智能和机器的帮助下,通过分析世界各地的新闻,公告,推文或价格走势而获利的。学习。基于算法的超大型对冲基金Rennaisance Technologies为创始人吉姆·西蒙斯(Jim Simons)赚了16亿美元,并成为2019年收入最高的对冲基金经理。

在印度,算法交易仍不到50%,公司规模相对较小。大量的算法交易量是纯套利的(例如,在国家证券交易所或NSE和BSE之间的交易)。

但是复杂的算法将在某个时候接管印度股市。数学出错时会发生什么?还是当机器人的性质造成严重破坏时?此外,还有永恒的公平问题。对于一些经验丰富的市场参与者来说,在技术的帮助下获得不当优势是否公平?价格的发现任务(这是市场的基本功能)可以外包给计算机多少?

被动投资

他们说,“高科技”世界喜欢投资指数,只要购买Nifty或US S&P 500的股票,你就会做的不错,这已经被证明很长时间了,主要是因为追踪指数的费用要低得多,不需要情报,只需购买相同权重的相同股票即可,因此,您不需要高薪基金经理,因此成本较低,而成本较低,您的实际回报要好一些。

成本也较低,因为您可以通过编程方式“跟踪”指数或模型,是否想在周一购买以“ M”开头的股票?可以在几分钟内建立一个小的算法,甚至在您睡着时也可以购买股票。将这样的模型变成交易所交易基金(ETF),突然之间,每个人都可以购买您的“周一M”模型,这是一种低成本的“智能Beta”替代投资,在过去几年中可能偶然地起作用了。 。

但是由于成本低廉和取得了明显的成功,更多的资金投入了指数和ETF。这种吸引力已一发不可收拾,以至于日本银行开始印钞并购买其本国的ETF。中央银行的市场份额是如此之大,以至于现在它已成为前100家公司中23家的主要股东。

全球金融服务公司晨星公司(Morningstar)最近的一份报告指出,“被动”策略管理的总资金在2019年首次超过传统的主动管理池。

即使在印度,雇员公积金组织(EPFO)仍以每月250亿卢比的价格购入Nifty ETF。这极大地扭曲了共同基金。EPFO从印度国家银行购买的Nifty ETF现在是该国最大的股票共同基金,拥有650亿卢比的资产。

大型实体大量流入的结果实际上是,更多的钱流入了前50名股票中,其中前10名股票的权重超过60%。如果您排在前十名,您可能会发现今年剩下的市场实际上已经下降了,而如果将它们包括在内,则上升了10%。

失真来自盲目跟随索引的能力,使用技术可以轻松地复制索引。如果指数ETF投资成为人们投资的唯一方式,那么公司的业绩好坏无关紧要-只要其权重在指数中保持不变就可以购买。考虑一下对公司激励报告良好结果的动机有什么影响。

反身和保险

除了不正确的激励措施外,算法有时也会出错。1987年,在美国,一种普遍使用的技术是“投资组合保险”,如果市场跌幅超过一定数量,则算法会自动卖出股票,从而在一定程度上基本上限制了损失,或者就是人们的想法。

直到1987年10月某个“黑色星期一”,当时股票开始大量下跌,保险算法随后自动卖出股票,使价格进一步下跌,从而触发了更多的保险算法销售,直到市场在一天之内下跌超过22%。 。

问题不是算法。它确实达到了预期的效果。但是人类认为技术可以挽救生命的想法恰恰是毁了生命的一天。太多的人盲目地依赖那些不知道如何应对自身行为的复合效应的技术。

因此,在有限的大小上有效的工作可能会成为一个大规模的问题。如果一些投资者通过算法运行投资组合保险,则可能效果很好。少量出售几乎不会导致市场倒塌。但是,当几乎每个人都在使用它们时,它们成为一种自我实现的预言。市场下跌时卖出,每个人卖出时市场下跌。

模型相当容易构建。如果发生这种情况,请执行此操作。使用过去几年或几十年的回测数据,该概念在电子表格上效果很好。但是,当您实际参与游戏时,如果您是某种规模的玩家,游戏本身就会发生变化。这就是资深市场参与者George Soros所说的“反射性”。

自反性是指观察或测量某物的行为改变它的时候。如果您具有影响力,并说市场看涨,那么它就会使人们买入,而买入会使它变得更看涨。技术增强了反身性,尤其是当技术的创造者对市场的反身性一无所知时。

想象一下,您根据自己的算法以编程方式购买了股票,并且您是如此有利可图,以至于您从投资者那里获得了很多钱。现在,您是镇上最大的实体;大家都知道如果您的股票下跌了30%,并且您的算法想要卖出,那根本就不可能,因为每个人都会在您之前卖出。您的数学模型假设在屏幕上的价格是您购买或出售的价格,但实际情况因您的规模和对市场的影响而不同。

这里最大的例子是长期资本管理公司(LTCM),这家对冲基金拥有诺贝尔奖获得者罗伯特·默顿(Robert Merton)和迈伦·斯科尔斯(Myron Scholes),一次资产超过1400亿美元。该基金使用技术和算法在债券到外汇等不同市场自动交易。它成为它所参与的市场中的“大鲸鱼”,用来表示规模最大的参与者。

当市场因亚洲经济疲软而转向,然后在1998年后俄罗斯违约时,他们摧毁了LTCM,这简直就是模型崩溃。后来事实证明,竞争者确切地知道了LTCM的规模,甚至在对冲基金还没有出现之前就退出了竞争,这使一项精湛的技术变成了尘土。

危险的偷看

然后,技术帷幕的另一面让人感到恐惧:隐私角度,即分析个人数据的算法。

在美国,您可以出售“订单流”,可以将您在经纪人处的购买订单交给一个大型市场参与者,该参与者将“窥视”该订单,然后可以说他会履行该订单,或者让它传递给其他交易所。但实际上,技术可以用来获得优势-如果市场参与者的速度比您快,那么它可以以更低的价格从另一家交易所购买甚至更快,然后再卖给您,因为您的订单甚至还没有达到。其他交流呢。

为什么会这样滥用?因为如果没有那个市场参与者偷看您的订单,稍后您会以较低的价格在另一家交易所获得它。(您根本无法在印度出售订单流。)

订单流之所以受欢迎是因为经纪人获得报酬以允许其他市场参与者查看其客户的订单。这笔费用实在太大了,以至于经纪人可以为您提供“免费”经纪人-也就是说,只要您让经纪人显示订单流向其他地方,您就无需支付任何交易费用。

此前,您必须告诉经纪人要购买什么,但是如果他滥用了该信息,则可能会被指控欺诈。通过一台计算机查看此信息,您很可能甚至都不知道该信息是否被滥用了,即使被滥用,也没有人会因为该机器做到这一点而受到指责。偷看订单实际上可能不是滥用,但它越过某处。

在印度,NSE代管骗局略微超出了界限。想法是,证券交易所以循环机制向经纪人提供数据,首先将数据发送给首先连接到其交易系统的任何人,然后再发送给第二个经纪人,依此类推。

如果有人首先连接到NSE的交易系统,那么他们将首先获取数据,而且借助技术,即使早一点实现也就足够了。这样,计算机就可以从这种“早期”提要中学习到足够的知识,甚至可以在算法交易领域内将任何人提前下单,总的来说,这是获利的,经过调查,甚至从做这件事的人手中夺走了利润。 。

这个问题是如此复杂,以至于没有举报人的细节,几乎是不可能发现的。甚至现在,可能还会发生许多这样的骗局,直到我们知道,我们才知道。

算法战争

如今,“金融科技”已成为流行语,滥用技术将事情推向极致,做出无效假设,“伪造”披露甚至引诱掠夺性算法也很容易。

掠夺性算法只是捕食其他算法。有人会检测到某个算法正在试图以零碎零碎的价格出售大量股票,然后通过先行操作来利用。有些人会简单地制造人为的价格信号,以扭曲另一种算法的设计,就像伦敦的交易员通过欺骗迅速取消的超过15万张订单所做的那样。这导致了大规模的“闪存”崩溃,算法失去了立足之本,从而使欺骗交易者赚了大约4000万美元。

技术是机遇,在金融领域,它也提供了与利润的直接联系。您可以将其永久使用:吸引更多人参加,降低成本并节省时间。但是您也可以清楚地将其用于邪恶,如果您穿着深色西服,就可以摆脱它。


沧州配资新闻公司可靠吗?

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。