Trading algoritmico e High Frequency Trading (HFT)

Michael Lewis, in Flash Boys29, narra la storia di Brad Katsuyama, investitore professionista presso la Royal Bank of Canada (RBC), il quale si trovò casualmente a lavorare per un’impresa di investimento acquisita dalla RBC, la Carlin Financial, specializzata in

electronic trading e basata fuori dal distretto finanziario di Toronto.

Nella nuova sede di lavoro, nel corso del 2007, Brad si trovò innanzi a una situazione che non aveva mai affrontato nella sua lunga carriera da investitore. Nello specifico, se sugli schermi appariva l’offerta di un certo numero di azioni per un dato prezzo, nel momento esatto in cui egli impartiva al software l’ordine di transazione, l’offerta svaniva nel nulla. Era come se gli indici di mercato che apparivano sul suo monitor fossero un’illusione.

L’High Frequency Trading (HFT) rientra nella famiglia del

trading algoritmico o automatico (Algorithmic Trading o Automated trading, AT), il quale può essere definito come l’esecuzione di

decisioni di trading attraverso l’utilizzo di algoritmi30. L’AT viene

27 T.C.W. LINN, Reasonable Investor(s), cit., p. 496, identifica tale investitore come cyborg: «The new cyborg participant in the marketplace is less human than the traditional investor, and capable of being faster, better informed, and more rational».

28 Si rinvia, sul punto, al precedente capitolo I § 3.

29 M. LEWIS, Flash Boys. A Wall Street Revolt, New York-London, 2014.

30 Per un inquadramento, G. CIALELLA, Describing and regulating High-Frequency Trading, in G.N. GREGORIOU (a cura di), The Handbook of High Frequency Trading, Londra, 2015. Si veda, anche, D.J.LEINWEBER, Nerds on Wall Streets: Maths, Machines and Wired Markets, Hoboken, 2009. È dunque l’automazione decisionale o esecutiva il tratto distintivo rispetto al trading non algoritmico. Si veda, T. LYNN- J. G. MOONEY-P. ROSATI-M. CUMMINS, Disrupting Finance. Fintech and Strategy in the 21st century, Cham, 2019, p. 53. Le origini del fenomeno possono, a ben vedere, essere rintracciate ancor prima nella spinta tecnologica degli anni settanta che portò allo sviluppo del trading elettronico. Il primo antesignano dell’HFT può individuarsi nelle pratiche di negoziazione dei c.d. banditi del SOES, della prima metà degli anni novanta. Vedi, J.H. HARRIS-P.H. SCHULTZ, The trading Profits of SOES bandits, in Journal of Financial Economics, 1998, 50, p. 39, che li qualifica in questi termini: «SOES bandits are individual investors who attempts to

Tesi soggetta a copyright. Non riproducibile, in tutto o in parte, se non con il consenso scritto dell’autore.

26

generalmente utilizzato da investitori professionali, per conto proprio o di terzi, per la gestione automatica di ordini e si fonda, appunto, sull’utilizzo di algoritmi predefiniti, che consentono di perfezionare operazioni di negoziazione, reagendo alle informazioni di mercato in tempo reale e al di fuori di un intervento umano31.

L’HTF si distingue da quest’ultimo essenzialmente per un dato quantitativo e uno temporale. Si tratta, infatti, di una modalità di negoziazione per il tramite di dispositivi hardware e software molto sofisticati, che consentono di effettuare un elevato volume di ordini, attraverso la creazione e la quasi contestuale liquidazione di posizioni a brevissimo termine, nell’ordine di pochissime frazioni di secondo, chiudendo la giornata borsistica senza detenere alcuna posizione32. I

trader ad alta frequenza riducono al minimo il c.d. periodo di latenza,

vale a dire la finestra temporale che intercorre tra il momento della decisione di una certa operazione e quello della sua esecuzione. In altri termini: il tempo per tradurre una scelta di investimento in una operazione finanziaria.

Gli high frequency traders (HTFs), peraltro, si caratterizzano per il fatto di svolgere un trading interamente proprietario – compiuto cioè prevalentemente nell’interesse proprio dell’operatore finanziario che se ne vale e non di terzi – e per la preferenza verso strumenti particolarmente liquidi, tali da poter essere ceduti nel minor tempo possibile. L’obiettivo è infatti pizzicare i titoli al fine di lucrare piccolissimi profitti, ma numerosi, attraverso arbitraggi tra diversi mercati e con tempi di esecuzione istantanei33.

La velocità è, dunque, la caratteristica principale del fenomeno.

Questa, evidentemente, non dipende solo dai microprocessori del sistema di HFT considerato ma altresì dall’ubicazione e

capitalize on short term momentum in stock prices by executing trades through Nasdaq’s Small Order Execution System (SOES)».

31 S. ALVARO-M. VENTORUZZO, High Frequency Trading: note per una discussione, in Banca impresa società, 2016, p. 421. Si veda, anche, G. STRAMPELLI, L’informazione societaria a quindici anni dal T.U.F.: profili evolutivi e problemi, in Riv. Soc., 2014, p. 993, dove si distingue tra due tipologie di algoritmi: gli algoritmi c.d. di prima generazione «non elaborano le informazioni dei titoli oggetto di trading»; gli algoritmi c.d. di seconda generazione, invece, «sono in grado di elaborare un certo numero di informazioni attingendo a tal fine ai circuiti informatizzati di diffusione delle stesse».

32 A. PUORRO, High Frequency Trading: una panoramica, in Questioni di Economia e Finanza, 2013, pp. 6 ss.

Tesi soggetta a copyright. Non riproducibile, in tutto o in parte, se non con il consenso scritto dell’autore.

27

dall’infrastruttura che connette le trading venues. Infatti, per quanto l’evoluzione tecnologica possa giocare un ruolo essenziale, la velocità di un ordine, che prende la forma di un impulso elettronico tra due terminali, sarà sempre una funzione della distanza spaziale che separa due punti34. Di qui, la diffusione dei c.d. servizi di co-location, offerti dalle piattaforme di negoziazione ai partecipanti al mercato per attrarre volumi di negoziazioni: essi consistono nella locazione di spazi e locali (c.d. racks) ubicati presso o in prossimità della sede di negoziazione per consentire al richiedente di collocarvi i propri server, al fine di ridurre ulteriormente la latenza.

Se la velocità è l’elemento cruciale per battere la concorrenza, possono agevolmente spiegarsi i numerosi interventi infrastrutturali per implementare i collegamenti tra le sedi di negoziazione, quali ad esempio, il progetto Go West35, per connettere con cavi sottomarini e a fibra ottica Chicago, la Pacific Coast e Tokyo, o l’opera realizzata dalla società Hibernian Atlantic per collegare Londra e New York.

I numeri dell’HFT sono impressionanti, costituendo nel 2017 all’incirca il 70% dell’interno volume di negoziazioni sul mercato statunitense dei derivati e il 40% di quello della London Stock Exchange36. Dalla relazione annuale della Consob dello stesso anno, si apprende che il 29% del controvalore degli scambi avvenuti sull’Mta è riconducibile a operatori attivi nelle negoziazioni ad alta frequenza37; mentre nel 2018 il dato sale al 32%38.

Sebbene i profitti degli operatori di HFT abbiano conosciuto, secondo alcuni, una discreta riduzione negli ultimi anni39, così come il

34 J.A. ANGEL, When Finance Meets Physics: The Impact of the Speed of Light on Financial Markets and their Regulation, in The Financial Review, 2014, pp. 271- 281.

35 FINANCIAL TIMES, How high-frequency trading hit a speed bump, January 1, 2018.

36 R. COOPER-J. SEDDON-B. VAN VLIET, High-frequency trading and conflict in the financial markets, in Journal of Information Technology, 2017, pp. 270-282; T. HENDERSHOTT-R. RIORDAN, Algorithmic Trading and the Market for Liquidity, in Journal of Financial and Quantitative Analysis, 2013, pp. 1001-1024. Si vedano anche le stime offerte da S. ALVARO-M. VENTORUZZO, cit., p. 418.

37 Relazione annuale per l’anno 2017, Consob, Roma.

38 Relazione annuale per l’anno 2018, Consob, Roma.

39 THE WALL STREET JOURNAL, High-Frequency Traders Fall on Hard Times, March 21, 2017.

Tesi soggetta a copyright. Non riproducibile, in tutto o in parte, se non con il consenso scritto dell’autore.

28

volume di asset negoziati per loro tramite40, l’entità del fenomeno rimane degna di nota.

Da ultimo, deve menzionarsi la promettente applicazione dell’Intelligenza Artificiale nell’analisi e nella gestione del rischio41, nell’ottimizzazione della negoziazione dei titoli (c.d. capital

optimization), nella gestione dei portafogli, nell’analisi dell’impatto

della negoziazione sul mercato (c.d. market impact analysis)42. Aladdin43, NumerAI44 e Euklid45 sono tutti esempi di imprese fintech che si avvalgono di algoritmi di AI per operare scelte di investimento, spesso al di fuori di qualsivoglia intervento umano46.

In definitiva, in un ordine crescente di sofisticazione e complessità operativa dell’artefatto tecnologico, possono identificarsi

40 A oggi l’entità del fenomeno si è ridotta, contando negli Stati Uniti il 50% degli scambi. Così, EUROPEAN CENTRAL BANK, Competition among high-frequency traders, and market quality, working paper series, No 2290, June 2019. Il picco è stato raggiunto nel 2009, vedi i dati forniti da TABB GROUP, US Equity High Frequency Trading: Strategies, Sizing and Market Structure, September 2, 2009.

41 T. LYNN-J.G. MOONEY-P. ROSATI-M. CUMMINS, Disrupting Finance, op. cit., pp. 41 ss, fa riferimento al rischio di mercato, inteso quale «the risk that emanates from investing, trading, and generally from having exposure to financial markets».

42 FINANCIAL STABILITY BOARD, Artificial Intelligence and machine learning in financial services. Market developments and financial stability implications, 1 November 2017, p. 17: «Firms can use AI to obtain more information from sparse historical models, or help identify non-linear relationships in order flow. Machine Learning can be used to create ‘trading robots’ that then teach themselves how to react to market changes. Market impact analysis involves the evaluating the effect of a firm’s own trading on market prices».

43 NumerAI costituisce un nuovo modello di hedge fund, basato sulla filosofia del gaming e della collaborazione: in particolare, la strategia di investimento del fondo viene esternalizzata a migliaia programmatori e quant, che competono nell’elaborazione di modelli predittivi nell’ambito di una competizione settimanale. (https://numer.ai/homepage). Si veda, anche, BLOOMBERG, The Tinder for Markets Is Run On Crypto, 4 ottobre, 2018.

44 Come si evince dal sito internet di BlackRock, Aladdin (Asset Liability and Debt Derivatives Investment Networks) costituisce un sistema operativo per la gestione automatizzata di asset in real-time, combinando applicativi di risk analytics e portfolio management (https://www.blackrock.com/aladdin/offerings/aladdin-overview).

45 Euklid è una piattafroma per la gestione del risparmio e degli investimenti attraverso algoritmi; una metodologia di calcolo basata su applicazioni di IA a migliaia di dati osservati (https://euklid.uk.com/home).

46 Nello specifico, «advances in financial technology have made it possible for many complex algorithmic programs to operate exclusively on artificial intelligence, devoid of any human input after initial installation». T.C.W. LINN, Reasonable Investor(s),op. cit., p. 496.

Tesi soggetta a copyright. Non riproducibile, in tutto o in parte, se non con il consenso scritto dell’autore.

29

(i) sistemi di trading algoritmico elementari47, (ii) sistemi di trading algoritmico super-veloci (e.g. HFT) e (iii) sistemi di trading (o di ottimizzazione), veloci, esperti e autonomi. In ragione dell’alquanto recente sviluppo della terza categoria di sistemi, non stupisce come l’attenzione della letteratura e dei regolatori si sia concentrata prevalentemente sui primi due tipi e, in particolare, sui sistemi di

trading ad alta frequenza.