Il repentino e pesante calo dei mercati del 5 agosto 2024 (arrivato puntualmente finché ero in vacanza all’estero) mi ha fatto riflettere sulle sue motivazioni e ai meccanismi che regolano i mercati per cui talvolta una serie di informazioni, anche se molto breve, può portare a stravolgimenti fulminei. Ciò mi ha portato di conseguenza a pensare all’impatto in tutto questo delle attività di trading automatico e al desiderio di conoscere meglio questo mondo, facendo alcune ricerche di cui vi lascio questo estratto.
A partire dagli anni ’90, ma soprattutto dal 2000 in poi, il panorama dei mercati finanziari è stato profondamente trasformato dall’avvento dei sistemi automatici, che pian piano sempre più sono stati affiancati alle attività degli investitori tradizionali. Questi sistemi, che includono l’high-frequency trading (HFT) e altre forme di trading algoritmico, sfruttano complessi modelli matematici e tecnologie avanzate per eseguire operazioni su larga scala e ad alta velocità. La loro diffusione ha portato a numerosi cambiamenti strutturali nei mercati, creando diverse opportunità ma anche non poche preoccupazioni.
Si sono sviluppati inizialmente negli Stati Uniti per poi diffondersi gradualmente in tutto il mondo e ad oggi costituiscono una parte significativa del volume complessivo delle transazioni.
Vediamo cosa sono questi sistemi di trading comunemente chiamati “Flash Boys”, dal nome ad essi dato dal giornalista Michael Lewis, autore del libro Flash Boys: A Wall Street Revolt, pubblicato nel 2014.
L’High-Frequency Trading: una panoramica
L’high-frequency trading (HFT) rappresenta una delle espressioni più avanzate del trading algoritmico. Utilizza algoritmi sofisticati per eseguire migliaia, se non milioni, di operazioni in pochi secondi. L’obiettivo principale è sfruttare piccole discrepanze nei prezzi degli asset attraverso la rapidità di esecuzione, capitalizzando su variazioni che durano solo frazioni di secondo.
Le società di HFT investono enormi risorse in infrastrutture tecnologiche, inclusi server posizionati in prossimità delle borse valori per ridurre al minimo la latenza. La velocità è infatti fondamentale: anche un millisecondo può fare la differenza tra un’operazione redditizia e una perdita.
Vi sono poi altri modelli di trading algoritmico, che operano su orizzonti temporali più ampi o con strategie diverse. Tra questi, possiamo distinguere:
- Trading basato su strategie di arbitraggio: Questi algoritmi cercano di trarre vantaggio dalle differenze di prezzo per lo stesso asset tra mercati diversi.
- Trading basato su segnali: Algoritmi che eseguono operazioni in base a segnali generati da indicatori tecnici o macroeconomici.
- Trading quantitativo: Si basa su modelli statistici e matematici per identificare pattern di mercato e opportunità di trading.
Ma quali conseguenze hanno portato questi sistemi sui mercati finanziari?
I primi sistemi automatici di investimento sono stati introdotti nei mercati finanziari negli anni ’90, ma il loro sviluppo e diffusione sono avvenuti principalmente nei primi anni 2000.
Da allora, sempre più, essi hanno avuto un impatto significativo sui mercati finanziari, influenzando diversi aspetti, dalla liquidità alla stabilità, alcuni in positivo, altri negativamente.
Aumento della liquidità: Una delle conseguenze più evidenti è stato l’incremento della liquidità sui mercati. Gli algoritmi di trading, eseguendo un elevato numero di operazioni, tendono a ridurre lo spread tra bid e ask (tra domanda e offerta), facilitando l’ingresso e l’uscita delle posizioni per gli investitori.
Volatilità e flash crash: Nonostante il contributo alla liquidità, il trading ad alta frequenza può anche aumentare significativamente la volatilità, soprattutto in situazioni di mercato instabile. Un esempio eclatante è stato il “flash crash” del 6 maggio 2010, quando l’indice Dow Jones perse quasi 1.000 punti in pochi minuti, per poi recuperare rapidamente. L’evento fu in gran parte attribuito alle dinamiche degli algoritmi di trading, che amplificarono le fluttuazioni di prezzo.
Un altro esempio recente, come detto all’inizio, è stato il recente repentino e pesante calo delle principali borse mondiali, in particolare del Nikkei 225, a inizio agosto 2024.
Effetti sui prezzi: Il processo di formazione dei prezzi è stato influenzato dalla presenza massiccia di algoritmi di trading. In teoria, l’HFT e altri algoritmi dovrebbero rendere i mercati più efficienti, facilitando una rapida incorporazione delle informazioni nei prezzi. Tuttavia, alcuni critici sostengono che la velocità con cui operano questi algoritmi possano distorcere le quotazioni, portandole a riflettere meno accuratamente il valore intrinseco degli asset.
Disuguaglianze tra operatori: Il trading algoritmico ha anche accentuato le disuguaglianze tra operatori di mercato. Le società che possono permettersi di investire in tecnologie avanzate e infrastrutture hanno un vantaggio competitivo significativo rispetto agli investitori tradizionali, tra cui i piccoli risparmiatori, che basano le loro scelte sui fondamentali aziendali.
Essi nel breve termine sono svantaggiati. Le loro analisi e strategie, progettate per orizzonti temporali più lunghi, non riescono a tenere il passo con la rapidità e l’aggressività dei “Flash Boys”.
Le fluttuazioni imprevedibili e talvolta inspiegabili dei prezzi delle azioni causate dalle operazioni HFT possono creare in essi frustrazione, minando la loro fiducia nella correttezza e nell’efficienza dei mercati.
Regolamentazione e attività borderline: L’ascesa del trading algoritmico ha spinto le autorità di regolamentazione a rivedere le norme di mercato, con l’adozione di nuove regole e standard, come l’obbligo di registrare e analizzare i dati di trading ad alta frequenza. Tuttavia, la regolamentazione è spesso in ritardo rispetto all’innovazione tecnologica, e nel mentre vengono messe in atto anche diverse pratiche non propriamente lecite che, pur essendo vietate dalle normative in molte giurisdizioni, sono difficili da rilevare e perseguire.
Lo spoofing, una di queste attività, è una tecnica manipolativa in cui i trader emettono simultaneamente migliaia di ordini di acquisto e vendita, senza però alcuna intenzione di completarli. Questi ordini vengono rapidamente cancellati prima che possano essere eseguiti. L’obiettivo è creare un falso segnale di domanda o offerta, influenzando così il comportamento degli altri operatori di mercato.
Vi sono altre tecniche manipolative come il layering , variante dello spoofing in cui un trader HFT inserisce diversi livelli di ordini falsi a prezzi diversi. L’obiettivo è dare l’illusione di un interesse crescente o decrescente per un asset, ingannando altri operatori di mercato e manipolando i prezzi. Una volta che il prezzo dell’asset si muove nella direzione desiderata, il trader cancella rapidamente gli ordini falsi e capitalizza sul movimento di prezzo risultante.
Il quote stuffing invece che consiste nell’inviare un’enorme quantità di ordini al mercato in un brevissimo periodo di tempo, solo per cancellarli quasi immediatamente. Questa tecnica ha l’effetto di rallentare i sistemi di trading degli altri operatori, causando ritardi nella diffusione delle informazioni sui prezzi e creando confusione per approfittare della situazione per eseguire operazioni vantaggiose.
Esistono poi anche diverse altre tecniche manipolative, tutte in genere sostanzialmente basate sulla velocità e sul grande numero di operazioni di negoziazione emesse dagli HFT in brevissimo tempo.
Per concludere: sviluppi HFT con intelligenza artificiale generativa
Il panorama dei mercati finanziari è stato radicalmente trasformato dall’introduzione dei sistemi automatici di investimento e, in particolare, dalle attività dei Flash Boys. L’avvento in questo ambito dell’intelligenza artificiale generativa, con la sua capacità di creare modelli complessi in grado di apprendere da enormi quantità di dati, potrebbe sviluppare strategie di trading ancora più sofisticate delle attuali, che si adattano rapidamente alle mutevoli condizioni di mercato, simulando e ottimizzando migliaia di possibili scenari prima di eseguire una transazione, migliorando l’efficienza e la precisione del trading.
Con l’IA generativa si potrebbero analizzare inoltre enormi quantità di dati non strutturati, come notizie, post sui social media, e documenti finanziari, per generare previsioni più accurate. Gli HFT potrebbero quindi sfruttare queste previsioni per eseguire operazioni più tempestive e redditizie.
Si potrebbe eliminare gran parte del lavoro manuale attualmente necessario per sviluppare e testare le strategie di trading e ciò potrebbe accelerare lo sviluppo di nuove strategie e consentire un’iterazione più rapida.
Mi aspetto che l’utilizzo dell’IA generativa in questo ambito porti fra non molto a ulteriori nuovi inevitabili impattanti cambiamenti.
Riuscire a raggiungere per tempo un equilibrio tra innovazione e regolamentazione sarà fondamentale per garantire che i mercati rimangano equi e stabili, consentendo a tutti gli operatori, dai trader HFT agli investitori tradizionali, di competere su un terreno di gioco equo.
