Színre lépnek a kereskedési robotok

Könyvek, tanulmányok születtek arról, hogy a befektetői hibák jelentős része pszichológiai eredetű, vagyis a veszteségek egy része nem a külső piaci körülményekre vezethető vissza, hanem a döntéshozatal szabadságára, a félelem és a remény folyamatos harcára. Tanácsadásokon rendszeresen elhangzik, hogy tippek helyett stratégiára van szükség azért, hogy a stresszhelyzetekben kizárjuk az ötletszerű akciókat, amelyeknek nincs racionális alapja.

Kvantitatív kereskedési rendszernek nevezik, amikor a döntéshozatal matematikai és statisztikai módszerek alapján történik. Ilyenkor az összes pszichológiai tényezőt kirekesztjük a döntési folyamatból. Amikor valamilyen kvantitatív megközelítést alkalmazunk, akkor feltételezzük, hogy létezik egy olyan statisztikai előny, amelyre bizonyos feltételek fennállása esetén szert tehetünk a piacon. 

Ezt nevezzük pozitív abnormális hozamnak, avagy szaknyelven alfa hozamnak. De álljunk itt meg egy pillanatra!

A hatékony piacok elmélete kimondja, hogy bennfentes információk nélkül többlethozamot csak többletkockázat vállalásával lehet elérni. A pénzügyi számítási feladatokban is szerepel egy kezdeti feltétel, ami szerint nincsenek adók és kereskedési költségek, nincs arbitrázslehetőség és a befektetők racionálisan viselkednek. A valóság azonban egészen más, ezen feltételek egyike sem áll fenn. Tehát a piaci hatékonyság nem állandó, időnként keletkeznek olyan anomáliák, amelyekkel az a bizonyos alfa hozam elérhető. Ilyenek lehetnek a teljesség és az igazságtartalom igénye nélkül pl. a naptárhatás (bizonyos időszakokban kimutatható többlethozam más időszakokhoz képest), a momentumhatás (a korábban felülteljesítő eszközök a közeljövőben is várhatóan felülteljesítenek), átlaghoz való visszahúzódás (extrém árelmozdulás után jellemzően a hosszú távú átlagos trendhez tart az árfolyam) és mások. Az ilyen ötletek tárháza szinte végtelen.

Az algoritmikus kereskedés alapját egy előre definiált szabályrendszer képezi. A kereskedési algoritmusok, döntéstámogató rendszerek egy részének célja, hogy a fenti anomáliákat megtalálja és jelezze a felhasználónak vagy direkt módon piacra is lépjen. A sikerhez ezeket természetesen fel kell ismerni és meg kell határozni a paramétereket, amelyek teljesülésekor a feltételek fennállnak. Ezután a felismert lehetőséget vissza kell tesztelni historikus adatsorokon, lehetőleg fiktív adatokon is (Monte-Carlo-szimuláció). Itt nem zárul le a folyamat, mert vissza kell mérni a valós kereskedéseink eredményét is, és ha a hatékonyság romlik – idővel pedig ez biztosan bekövetkezik, hiszen a piac nem statikus, hanem állandó változásban van –, akkor meg kell változtatni a paramétereket vagy teljesen felülírni a korábbi elképzelést.

Látható tehát, hogy a kereskedési robotok egy része nem öntanuló gép vagy mesterséges intelligencia, hanem egyszerű döntéstámogató és a kereskedést megkönnyítő rendszer. 

Ezek óriási adathalmazból segítenek szűréseket elvégezni, ismétlődő feladatokat pillanatok alatt hajtanak végre. Erre jó példa, ha egy ilyen rendszer „lefuttat egy backtesztet”, azaz ellenőrzi az anomália meglétét például tíz évre visszamenőleg. De figyelheti a Twitter-bejegyzésekben gyakran előforduló szavakat vagy az éppen 52 hetes csúcson levő részvényeket is. Nagy előny, hogy állandóan „ott ül” az irodában és az előre definiált feltételek esetén – megnyomja a BUY vagy SELL gombot, esetleg értesíti az alap- vagy vagyonkezelőt, hogy azonnal kapcsolódjon be a piac figyelésébe. A háttérben gyakran csak pár sor programkódról van szó, mégis az ilyen alkalmazások jelentős szolgálatot tesznek.

Emellett léteznek ún. HFT (high frequency trading) algoritmusok is, amelyek a másodperc törtrésze alatt hajtanak végre kereskedési műveleteket. Egyes statisztikák szerint mostanra a részvényforgalom akár 50-60 százalékát is kitehetik az ilyen módon létrejövő megbízások. A közelmúltban többször is ezek voltak felelősek a gyakrabban előforduló, ún. flash-crashekért is, amikor a piac percek alatt összeomlik, majd visszatér a kiindulópontra. 

Egy dolog biztosnak látszik: a döntéshozatali lánc elején vagy végén mindig ott lesz az ember a saját gyengeségeivel, tökéletlenségével. Ezért nem valószínű, hogy valaha is elérjük a tökéletes algoritmust, amely helyettünk végzi a befektetői tevékenységet. 

Hiszen – ha másban nem is, de – abban végül mindig állást kell foglaljunk, hogy kiadjuk-e a kezünkből a döntést, és ha igen, akkor ez a teljes tőkeallokációnkban mekkora hányadot érint. Az algoritmusok elterjedése és egyidejű működése várhatóan azt eredményezi, hogy a jövőben még gyakoribbak lesznek azok a szituációk, amikor nagyon sok befektető „egy irányban áll” és egyszerre ugyanazt lépi. Ez a flash-crash jelenségeket is tovább erősítheti.