Mennesket mod maskinen – Har mennesket en chance imod robotterne? 

Gæsteskribent Charles Phan arbejder med professionel algoritmehandel i London for store, internationale hedgefonde og har udviklet avancerede algoritmer i snart 15 år.

I min sidste klumme her på DaytraderLand introducerede jeg et par forskellige aspekter af algoritmehandel. I denne klumme vil jeg bruge lidt tid på at begrunde, hvorfor vi overhovedet er interesserede i denne form for algoritmehandel.

Stilmæssigt kan man dele verden op mellem tradere, der tager beslutninger baseret på faste regler, og dem der handler per diskretion.

Der er faktisk et spektrum på den måde, at folk der har en maskine ofte holder øje med nyhederne, mens tradere, der handler telefonisk, alligevel har et regneark med historiske scenarier.

Hvad er så fordele og ulemper ved de to slags beslutninger? Hvilke former for investering passer bedst til maskiner, og hvilke passer bedst til mennesker?

Diskretion

Lad os starte med diskretion.

De største fordele ved diskretion er:

  1. At man kan tage specielle forhold til efterretning,
  2. At man kan sætte ret mange penge på spil,
  3. At man selv kan påvirke markedet.

George Soros er nok det mest kendte eksempel på en investor, der handler med fornuften.

I 1992 forudså Soros, at Storbritannien ikke kunne blive indenfor Den Europæiske Valutakursmekanisme (ERM). Og hvordan vurderede man så, at pundet måtte falde? Ja, Tyskland havde højere renter på baggrund af inflationære effekter fra genforeningen nogle år tidligere. Storbritannien havde underskud på både betalingsbalancen og den offentlige saldo. Men politisk var det et prestigespørgsmål, at man skulle holde valutakursen indenfor den ramme, som man havde sat blot to år tidligere. Desuden var det også vigtigt at holde inflationen nede, så staten havde stor interesse i at holde pundet indenfor ERM. Altså en speciel situation, hvor staten forsøger at holde stand mod markedet, og en en situation præget af politiske fornemmelser. Hvor nemt bliver det at knække regeringen? Det er nok ikke en overraskelse, at den slags fonde ofte har tidligere embedsmænd på lønningslisten, der kan give en kvalitativ vurdering. Det er bestemt ikke noget, som ville være nemt for en algoritme at handle.

Soros tjente milliarder af dollars på én dag. Det kan man naturligvis kun, hvis man har en stor position, og det kan man kun have, hvis man er villig til at koncentrere ens væddemål.

Og hvad skete der så?

Ja, den 15. september 1992 begyndte Soros at sælge pund for et gigantisk beløb. Ved at gøre det afvikles pokerspillet mellem staten og spekulanterne. Man bliver simpelthen selv skyld i, at ens forudsigelse bliver til virkelighed. Det er noget, man aldrig vil kunne simulere i en økonomisk model.

Aktivisme

Et andet eksempel er aktivisme.

Bill Ackman fra Pershing Square er et godt eksempel. Når han shorter en aktie, så kommer han med en masse artikler om, hvorfor alle andre også burde gøre det. Han får en hel masse opmærksomhed, hvilket uden tvivl også har en effekt på aktien.

Hvad med ulemper ved diskretion? Disciplin, mangel på diversifisering, og behov for arbejdskraft.

Man skulle umiddelbart tro, at det var nemt at se, at et valutakryds, hvor den ene valuta havde høj rente og den anden valuta dobbelt underskud, skulle være nemt at forudse. Oven i købet er rentespændet i ens favør, da den tyske rente var højere end den britiske. Problemet er, at man ikke har uudtømmelige lommer. I situationen skete det naturligvis, at renten i Storbritannien røg i vejret. Først 10% og så 12%. Med enorme positioner kunne det nemt være sket, at en af spekulanterne blev nervøse og valgte at lukke sine positioner – og dermed hjalp regeringen i at få pundet op.

For at se hvordan det er at holde en position, som man tror på, mens det går den forkerte vej, så kan med fordel se filmen “The Big Short”.

I filmen har vores hovedpersoner korrekt forudset at amerikanske huslån må kollapse. Det sker bare ikke lige med det samme, ja faktisk går det den forkerte vej i en tid, og vores hovedpersoner lider ret meget. Investorer ringer og spørger, og de begynder at tænke sig om en ekstra gang. Der er sikkert folk, der ikke kom med i filmen, fordi de stak halen mellem benene og lukkede ned før den store jackpot kom. Som man kan se, at det er svært at holde fast til sine handler, selvom man har tænkt sig godt om. Og man vil naturligvis blive tynget af tvivl, mens man stirrer på de røde tal

Mangel på diversificering og mangel på idéer: hvis man handler baseret på politiske nyheder og økonomiske betragtninger, så ender man med at bruge ret meget tid på at læse. Dengang jeg selv handlede makro læste jeg hele dagen, ofte ret modsigende artikler og teorier. Det havde den konsekvens, at det tog ret lang tid at formulere en klar ide om, hvad der egentlig foregik. Det sker også ofte, at ens idéer er bundet af de samme grundtanker, så de i bunden er de samme handler. Det giver en koncentration af risiko. Hvis man vil have flere idéer, så må man punge ud og hyre nogle flere analytikere, og det er heller ikke gratis eller nogen garanti for at finde noget, man ikke allerede havde tænkt på.

Fordele ved algoritmehandel

Lad os nu se på regelbaseret handel – også kaldet algoritmehandel.

De største fordele er, at man kan bruge De Store Tals Lov, at man kan lave ting som kun maskiner kan lave, samt at man kan minimere de psykologiske effekter.

De Store Tals Lov

Når man har fundet en fordelagtig, gentagen situation i markedet, så skal man spille på den situation, så ofte man kan. Når man leder efter sådanne situationer, så gør man sig umage for at finde noget, der forekommer meget hyppigt.

Det kunne for eksempel være, at aktier der har haft goder nyheder stiger den næste dag. Det gode ved sådan en model er, at der er rigtig mange eksperimenter at kigge på. Markedet handler jo hver dag, og der er mange markeder at undersøge. Så selvom den regel (der er naturligvis mange variationer på sådan en regel) måske kun er korrekt 51% af gangene, så kan man alligevel tjene penge på det, da man handler måske hundredevis af aktier hver dag, spredt over klodens forskellige børser. Det kan man så sammenligne med specielle situationer, som f.eks. krakelerende møntunioner, der sker sjældent nok til at komme i nyhederne hver gang et land er i farezonen.

For at den diskretionære spekulant skulle have lige så stor sikkerhed som maskinen, der handler hundrede gange om dagen med 51% sandsynlighed, så skulle han over en livstid med måske 20-30 knækkende valutaer være helt utrolig god til forudsigelse.

Maskinerne er mennesket overlegent

Der er ret mange ting, som en maskine kan gøre bedre end et menneske.

Maskiner er hurtige til at regne. Der var engang, at jeg kendte nogle folk, der havde lejet kontoret ved siden af mit firma. Deres metode var at sidde og klikke med musen, når spændet mellem to futures kom ud af den normale værdi. Altså, de kunne købe den ene og sælge den anden for siden at gøre det modsatte. De er der ikke mere. Den slags beregning er blevet fuldstændigt spist af folk, der kan programmere.

Maskiner er også gode til at gøre det samme om og om igen. De bliver ikke nervøse, når de har tabt penge, og de kan holde øje med vilkårligt mange positioner. De kan kopieres uden videre, og det gør ikke noget, hvis de går i stykker.

Analyse er svær uden computere

Sidst, men ikke mindst er der analyse. Der er et væld af handelsmønstre, som man kan lede efter med en computer. Ja, det er stort set umuligt at gøre det uden. Selv en meget enkel hypotese, som at prisen går ned før weekenden, kan kun testes af nogen, der kan programmere en computer.

Psykologien har begrænset effekt

Både diskretionær handel og algoritmehandel har det store problem, at man ikke helt kan slukke for ens egne følelser. Algoritmehandel har dog den fordel, at man ikke kan falde helt af vognen. Man kan skrue op og ned på en algoritme, men det er jo bare at vælge mere eller mindre af den samme strategi. Hvis man kun handler uden maskinem så kan man finde på helt nye måder at tabe penge på. Meget som at gå på tilt, når man spiller poker.

Ulemper ved algoritmehandel

De største ulemper ved algoritmehandel er, at der er mange begivenheder, man ikke kan sætte tal på, samt at handelsomkostningerne ofte er så høje, at de overstiger overskuddet.

Hvis der udkommer en artikel hvor en amerikansk madkæde bliver hængt ud for dårlig hygiene (eksempel), betyder det så noget for prissætningen? Hvordan koder man egentlig ind, at artiklen er mere end almindeligt kritisk? Og hvis man kan det, sker det så overhovedet ofte nok til, at man kan handle på det mere end et par gange om året?

Handelsomkostninger er 100% sikre tab.

Hvis man ønsker at kaste terningen ofte, så betaler man mere i handelsomkostninger. Så de mønstre man finder skal overkomme de omkostninger, før man kan handle løs. Det gør det ret svært at finde noget, der virker.

Sammenfatning på algoritmehandel

For at opsummere, så findes der situationer, hvor man har brug for menneskeligt input. Ting der ikke sker ofte, de er svære at systematisere. Der findes altid informationer, der passer ind i et system. Men for de situationer der sker ofte, så kan det være en fordel både at analysere dem med en computer, men også at handle dem automatisk.

Har du spørgsmål eller kommentarer til algoritmehandel? Så skriv nedenfor.

Charles Phan

Charles Phan works professionally with high-frequency tradingfor major hedge funds in the City of London and have been developing trading algorithms for more than 15 years.

Leave a Reply

Your email address will not be published. Required fields are marked *