Mennesket mot maskinen – Har mennesket en sjanse mot robotene?

Gjesteforfatter Charles Phan jobber med profesjonell algoritmehandel for store internasjonale hedgefond i London, og har utviklet avanserte algoritmer i snart 15 år.

I min siste kolonne her på DaytraderLand, introduserte jeg et par forskjellige aspekter av algoritmehandel. I denne kolonnen vil jeg bruke litt tid på å forklare hvorfor vi overhodet er interessert i denne form for algoritmehandel.

Stilmessig kan man skille mellom tradere som tar beslutninger basert på faste regler og de som handler per diskresjon.

Faktisk er det et spekter på den måte at folk som har en maskin ofte følger med på nyheter, mens tradere som handler per telefon fortsatt bruker et regneark med historiske scenarier.

Hva er så fordelene og ulempene ved de to beslutningstypene? Hvilke former for investering passer best til maskiner, og hvilke passer best til mennesker?

Diskresjon

La oss starte med diskresjon.

De største fordelene ved diskresjon er:

  1. At du kan ta spesielle forhold til etterretning
  2. At du kan sette veldig mye penger på spill
  3. At du kan påvirke markedet.

George Soros er trolig det mest kjente eksempel på en investor som handler med fornuften.

I 1992 forutså Soros at Storbritannia ikke kunne være innenfor European Exchange Rate Mechanism (ERM). Og hvordan vurderte man så at pundet ville falle? Jo, Tyskland hadde høyere renter på grunn av inflasjonseffekter fra gjenforeningen noen år tidligere. Storbritannia hadde underskudd på både betalingsbalansen og statens budsjettbalanse. Men politisk var det et spørsmål om prestisje, at man skulle holde valutakursen innenfor de rammer som var satt kun to år tidligere. Dessuten var det også viktig å holde inflasjonen nede, og staten hadde derfor stor interesse i å holde pundet innenfor ERM. Altså en spesiell situasjon hvor staten prøver å stå opp mot markedet, og en situasjon preget av politiske opplevelser. Hvor enkelt blir det å knekke regjeringen? Det er nok ingen overraskelse at slike type fond ofte har tidligere tjenestemenn på lønningslisten som kan gi en kvalitativ vurdering. Det er så absolutt ikke noe som ville vært lett for en algoritme å handle.

Soros tjente milliarder av dollar på en dag. Det er selvfølgelig kun mulig ved at man har en stor posisjon, noe som kun er mulig ved at man er villig til å konsentrere sine innsatser.

Og hva skjedde så?

Jo, 15 september 1992 begynte Soros å selge pund for et gigantisk beløp. Ved å gjøre det, avvikles pokerspillet mellom staten og spekulantene. Man blir rett og slett selv skyld i at ens forutsigelse blir til virkelighet. Det er noe man aldri vil være i stand til å simulere i en økonomisk modell.

Aktivisme

Et annet eksempel er aktivisme.

Bill Ackman fra Pershing Square er et godt eksempel her. Da han shorter en aksje, kommer han med en rekke artikler om hvorfor alle andre også burde gjøre det. Han får en hel masse oppmerksomhet, noe som utvilsomt har en effekt på aksjen.

Hva med ulemper ved diskresjon? Disiplin, mangel på diversifisering og behov for arbeidskraft.

Man skulle umiddelbart tro at det var lett å se at et valutapar, hvor den ene valuta hadde høy rente og den andre valuta dobbelt underskudd, skulle være enkelt å forutse. På toppen av det, er renteutbyttet i ens favør da den tyske renten var høyere enn den britiske. Problemet er at man ikke har uuttømmelige lommer. Situasjonen var selvsagt at renten i Storbritannia eksploderte. Først 10% og deretter 12%. Med enorme posisjoner kunne det lett ha skjedd at en av spekulantene ble nervøs og bestemte seg for å lukke sine posisjoner – og dermed hjalp regjeringen med å få pundet opp.

For å se hvordan det er å holde en posisjon man tror på, mens det går feil vei, kan det lønne seg å se filmen “The Big Short”.

I filmen har hovedpersonene spådd korrekt at det amerikanske boligmarkedet vil kollapse. Imidlertid skjer det ikke med det samme, faktisk går det feil vei en god stund og hovedpersonene lider en hel del. Investorer ringer og spør, og de begynner å tenke seg om en ekstra gang. Det er sannsynligvis folk som ikke ble inkludert i filmen, fordi de stakk halen mellom bena og lukket ned før den store jackpotten kom. Som du kan se, er det vanskelig å holde seg til sine handler, selv om man har tenkt seg godt om. Man vil naturligvis bli tynget av tvil, mens man stirrer på de røde tallene.

Mangel på diversifisering og mangel på ideer: Hvis man handler basert på politiske nyheter og økonomiske hensyn, ender man med å bruke mye tid på å lese. Da jeg selv handlet makro, leste jeg ofte ganske motstridende artikler og teorier gjennom hele dagen. Det hadde den konsekvens at det tok en stund å formulere en klar idé om hva som egentlig foregikk. Det skjer også ofte at ens ideer er bundet av de samme grunntankene, slik at de i bunnen er de samme. Det gir en konsentrasjon av risiko. Hvis man vil ha flere ideer, må man punge ut og ansette flere analytikere, noe som heller ikke er gratis eller gir noen garanti for å finne noe som man ikke allerede hadde tenkt på.

Fordeler ved algoritmehandel

La oss nå se på regelbasert handel – også kalt algoritmehandel.

De største fordelene er at man kan bruke De store talls lov, at man kan gjøre ting som kun maskiner kan gjøre, samt at man kan minimere de psykologiske effektene.

De store talls lov

Når man har funnet en fordelaktig, gjentatt situasjonen i markedet, skal man spille på den situasjonen så ofte man kan. Når man leter etter slike situasjoner, gjør man seg bryet med å finne noe som forekommer veldig ofte.

Det kan for eksempel være at aksjer som har hatt gode nyheter stiger neste dag. Det fine med en slik modell er at det er svært mange eksperimenter å se på. Markedet handler jo hver dag og det er mange markeder å undersøke. Så selv om regelen (selvfølgelig er det mange varianter på en slik regel) kanskje kun er korrekt i 51% av tilfellene, kan man likevel tjene penger på det, siden man kanskje handler hundrevis av aksjer hver dag spredt over klodens ulike børser. Det kan man så sammenligne med spesielle situasjoner, som for eksempel sprakende økonomiske unioner som skjer sjelden nok til at det kommer i nyhetene hver gang et land er i fare.

For at en diskresjonær spekulant skal ha like stor sikkerhet som maskinen, som handler hundrevis av ganger per dag med 51% sannsynlighet, må han over en livstid med kanskje 20-30 cracking valutaer være utrolig flink til å forutsi.

Maskinene er overlegne over mennesket

Det er veldig mange ting som en maskin kan gjøre bedre enn et menneske

Maskinene er raske til å regne. For en god tid tilbake kjente jeg noen folk som leide kontor ved siden av mitt firma. Deres metode var å sitte og klikke med musen når spredningen mellom to futures kom ut av den normale verdi. De kunne dermed kjøpe den ene og selge den andre for senere å gjøre det motsatte. De er ikke der lenger. Denne typen beregninger er blitt fullstendig spist opp av mennesker som kan programmere.

Maskinene er også flinke til å gjøre det samme om og om igjen. De blir ikke nervøse når de har tapt penger, og de kan overvåke en rekke posisjoner. De kan kopieres automatisk, og det spiller ingen rolle om de går i stykker.

Analyse er vanskelig uten datamaskiner

Sist men ikke minst, har vi analyse. Det er et mangfold av handelsmønstre som man kan lete etter med en datamaskin. Ja, det er nesten umulig å gjøre det uten. Selv en veldig enkel hypotese som at prisen går ned før helgen, kan kun testes av noen som kan programmere en datamaskin.

Psykologien har begrenset effekt

Både diskresjonær handel og algoritmehandel har det store problemet at man ikke helt og holdent kan stenge følelsene ute. Algoritmehandel har den fordelen at man ikke kan falle helt av vognen. Man kan skru opp og ned på en algoritme, men det er jo bare å velge mer eller mindre av den samme strategien. Hvis man kun handler uten maskinen, kan man finne på helt nye måter å tape penger på. Omtrent som tilting når man spiller poker.

Ulemper ved algoritmehandel

De største ulempene ved algoritmehandel er at det er mange begivenheter som man ikke kan sette tall på, samt at handelsomkostningene ofte er så høye at de overstiger overskuddet.

Hvis det publiseres en artikkel hvor en amerikansk matkjede blir hengt ut for dårlig hygiene (eksempel), betyr det noe for prisingen? Hvordan koder man egentlig inn at artikkelen er mer enn normalt kritisk? Og hvis man kan det, skjer det overhodet ofte nok til at man kan handle på det mer enn et par ganger i året?

Handelsomkostningene er 100% sikre tap

Hvis man ønsker å kaste terningen ofte, betaler man bare mer i handelsomkostninger. Mønstrene man finner må overkomme de omkostningene, før man kan handle løs. Dette gjør det svært vanskelig å finne noe som fungerer.

Sammendrag av algoritmehandel

For å oppsummere finnes det situasjoner, hvor man har bruk for menneskelig input. Ting som ikke skjer så ofte, er svært vanskelige å systematisere. Det finnes alltid opplysninger som passer inn i et system. Imidlertid for situasjoner som ofte oppstår, kan det være fordelaktig både å analysere dem med en datamaskin, men også å handle dem automatisk.

Har du spørsmål eller kommentarer til algoritmehandel? Skriv dem nedenfor.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *