بازار سهام در حال حاضر توسط کامپیوتر اجرا, الگوریتم ها و مدیران منفعل

چنین توسعه را افزایش می دهد سوال در مورد عملکرد بازارهای, چگونه شرکت ها اداره می شود و ثبات مالی

F چهل سالپیش سرمایه گذاری یک امر مجزا انسان بود. ری دالیو که در کف معاملات بورس نیویورک کار می کرد می گوید:" مردم باید یکدیگر را بیرون ببرند و فروشندگان مدیران صندوق را سرگرم می کنند و هیچ کس نمی داند قیمت ها چقدر است."بازار بورس) در اوایل دهه 1970 قبل از تاسیس همکاران بریج واتر اکنون بزرگترین صندوق تامینی جهان است. تکنولوژی پایه بود. کنت جیکوبز رییس بانک سرمایهگذاری لازارد به یاد دارد که از یک ماشین حساب جیبی برای تحلیل ارقام حاصل از گزارشهای شرکت استفاده کند. همکاران قدیمی او از قوانین اسلاید استفاده می کردند. حتی در دهه 1980 "خواندن وال استریت ژورنال در راه خود را به کار, یک تلویزیون در طبقه تجاری و یک نوار صدای تیک تیک" یک مزیت اطلاعاتی قابل توجهی, به یاد یکی از سرمایه گذاران.

مرورگر شما از عنصر پشتیبانی نمی کند.

از این پس نقش انسان در تجارت به سرعت کاهش یافته است. در جای خود رایانه ها, الگوریتم ها و مدیران منفعل—موسساتی که یک صندوق شاخص را در اختیار دارند که سبدی از سهام را در اختیار دارد تا با بازده بازار سهام یا بخش های سهام مطابقت داشته باشد, به جای تلاش برای ضرب و شتم (نمودار 1 را ببینید). در 13 سپتامبر یک فشارسنج منتشر شده توسط مورنینگ استار گزارش داد که ماه گذشته برای اولین بار حجم دارایی های سهام غیرفعال با قیمت 4.3 تریلیون دلار بیش از حد توسط انسان است.

افزایش روباتیک مالی نه تنها تغییر سرعت و شکل بازار سهام است. همچنین سوالاتی را در مورد عملکرد بازارها و تاثیر بازارها بر اقتصاد گسترده تر و نحوه اداره شرکت ها و ثبات مالی مطرح می کند.

امریکا در حال اتوماسیون

سرمایه گذاران همیشه انواع مختلف تکنولوژی به اینسو انسو جمع کردن اطلاعات بازار در حال حرکت قبل از رقبای خود استفاده می شود. سرمایه گذاران اولیه شرکت هند شرقی هلند قبل از ورود به هلند به دنبال خبرنامه هایی در مورد ثروت کشتی های اطراف دماغه امید خوب بودند. ظاهرا روچیلدها بیشتر ثروت خود را مدیون کبوتر حامل هستند که خبر شکست فرانسوی ها در نبرد واترلو را سریعتر از کشتی ها به همراه داشت.

در دوران پرانتز قرمز و قوانین اسلاید, پیشرفت های تکنولوژیکی امروز شروع به خزش در. ماشین ها ابتدا کارهای ساده تر (و بلندترین) را انجام دادند. در دهه 1970 معامله گران طبقه ای که در یک صرافی با یکدیگر فریاد می زدند با اجرای الکترونیکی جایگزین شدند که جمع کردن داده ها در مورد قیمت ها و حجم را برای همه راحت تر کرد. که, به نوبه خود, بهبود اعدام با ایجاد اطمینان بیشتر در مورد قیمت.

در مدیریت نمونه کارها الگوریتم نیز در اطراف برای دهه بوده است. که در 1975 جک بوگل پیشتاز تاسیس, که ایجاد اولین صندوق شاخص, در نتیجه خودکار ساده ترین تخصیص نمونه کارها ممکن. در دهه های 1980 و 1990 محصولات خودکار خیال باف مانند صندوق های تامینی کمی ظاهر شدند که به صندوق های "کوانت" و صندوق های قابل معامله در بورس معروف هستند (ای تی افس) به ترتیب. برخیای تی افپیگیری شاخص, اما دیگران اطاعت قوانین سرمایه گذاری پیچیده تر با خودکار تصمیم گیری طولانی توسط انسان دفاع, مانند خرید سهام ارزش به اصطلاح; که نگاه ارزان در مقایسه با دارایی های این شرکت. از بدو تاسیس بسیاری از صندوق های کوانتومی الگوریتم هایی را طراحی کرده اند که می توانند داده های بازار را صیقلی کنند, شکار سهام با سایر ویژگی های جذاب و انتخاب شده توسط انسان, که در اصطلاحات اصطلاحات اصطلاحات معروف هستند "عوامل".

ایده عوامل از دو اقتصاددان به نام های یوجین فاما و کنت فرنچ مطرح شد و توسط کلیف استنس دانشجوی مستر فاما که در سال 1998 تاسیس شد عملی شدعقیقمدیریت سرمایه یک شرکت سرمایه گذاری است که یکی از بزرگترین صندوق های تامینی جهان را اداره می کند. بودجه مکتوب مانندعقیقالگوریتم های برنامه برای انتخاب سهام بر اساس عواملی که توسط نظریه اقتصادی وارد شده و با تجزیه و تحلیل داده ها مانند حرکت (افزایش قیمت اخیر) یا عملکرد (پرداخت سود سهام بالا). در ابتدا فقط چند مدیر پول فناوری خرد کردن اعداد را داشتند. حالا همه این کار را می کنند.

استراتژی های سرمایه گذاران "مبتنی بر قوانین"-کسانی که از الگوریتم ها برای اجرای تصمیمات نمونه کارها استفاده می کنند-به طور فزاینده ای در حال تغییر است. برخی از صندوق های کوانتومی مانند بریج واتر از الگوریتم ها برای انجام تجزیه و تحلیل داده ها استفاده می کنند اما از انسان ها می خواهند تا معاملات را انتخاب کنند. اما بسیاری از صندوق های کوچک مانند دو سیگما و رنسانس تکنولوژی در حال هل دادن اتوماسیون و حتی بیشتر با استفاده از یادگیری ماشین و هوش مصنوعی (AI) برای فعال کردن ماشین ها برای انتخاب سهام برای خرید و فروش.

این افزایش چشم انداز کامپیوتر مصرف بیش از سرمایه گذاران انسانی' وظیفه نهایی: تجزیه و تحلیل اطلاعات به منظور طراحی استراتژی های سرمایه گذاری. اگر چنین است, که می تواند منجر به درک بهتری از چگونه بازار کار, و چه شرکت های ارزش.

اجرای سفارشات در بازار سهام در حال حاضر توسط معامله گران الگوریتمی تحت سلطه است. فعالیت های کمتری در سطح کشور انجام می شودبازار بورسو بیشتر در مورد سرورهای رایانه ای بی سر و صدا در نیوجرسی. با توجه به دویچه بانک, 90% از معاملات سهام سلف و 80% از معاملات نقدی سهام توسط الگوریتم های بدون هیچ ورودی انسانی اجرا. بازارهای سهام مشتق نیز توسط اعدام الکترونیکی با توجه به لری طب از طب گروه تحت سلطه, یک شرکت تحقیقاتی.

این باید محل باشد

هر روز حدود 7 میلیارد سهام به ارزش 320 میلیارد دلار در بازار سهام امریکا تغییر می کند. بخش عمده ای از این حجم معاملات با فرکانس بالا است که سهام در سرعت به منظور جذب سود زودگذر بدبختانه. معامله گران با فرکانس بالا, اقدام به عنوان واسطه, در نیمی از حجم معاملات روزانه درگیر. حتی به استثنای معامله گران, گرچه, و به دنبال فقط در سرمایه گذاران, سرمایه گذاران مبتنی بر قوانین در حال حاضر اکثریت معاملات را.

سه سال پیش صندوق های کوانتومی به بزرگترین منبع حجم معاملات نهادی در بازار سهام ایالات متحده تبدیل شدند (نمودار 2 را ببینید). به گفته گروه طب تاکنون 36 درصد از حجم نهادی را تشکیل می دهند که این رقم در سال جاری تنها 18 درصد در سال 2010 افزایش یافته است. دوبراکو لاکوس-بوجاس از جی پی مورگان چیس می گوید فقط 10 درصد از معاملات نهادی توسط مدیران صندوق های سهام سنتی انجام می شود.

ماشین ها به طور فزاینده ای برای نگهداری نیز خرید می کنند. ارزش کل سهام عمومی ایالات متحده 31 تن دلار است که با شاخص راسل 3000 اندازه گیری می شود. سه نوع صندوق های مدیریت شده توسط رایانه—صندوق های شاخص,ای تی افوجوه مکتوب-اجرا در اطراف 35% از این (نگاه کنید به جدول 3). مدیران انسانی مانند صندوق های تامینی سنتی و سایر صندوق های متقابل فقط 24 درصد مدیریت می کنند. (بقیه, برخی از 40%, سخت تر برای اندازه گیری و متشکل از انواع دیگر از صاحبان, مانند شرکت های که نگه داشتن تعداد زیادی از سهام خود را.)

از بین 18 تا 19 تریلیون دلار دارایی های مدیریت شده بیشتر توسط ماشین ها مراقبت می شود. صندوق های شاخص نیمی از این گلدان را با حدود 9 تریلیون دلار مدیریت می کنند. برنشتاین, یک شرکت تحقیقاتی, می گوید دیگر مدیران سهام کمی پس از دیگری نگاه 10-15%, تقریبا 2 2 تریلیون. 35 تا 40 درصد باقیمانده به ارزش 7 تا 8 تریلیون دلار توسط انسان کنترل می شود.

منشوری که برای دیدن پیشرفت سرمایه گذاری الگوریتمی صندوق های تامینی است. چهار نفر از پنج بزرگترین در جهان-بریج واتر,عقیق, دو سیگما و رنسانس—به طور خاص برای استفاده از روش های کمی تاسیس شدند. تنها استثنا, مرد گروه, یک صندوق تامینی بریتانیا, خریداری عددی, یک مدیر حقوق صاحبان سهام کمی مستقر در بوستون, که در 2014. بیش از نیمی از دارایی های مرد گروه تحت مدیریت در حال حاضر کمی اجرا می شود. یک دهه پیش یک چهارم کل دارایی های صندوق های تامینی تحت مدیریت در صندوق های کوانتومی بود; در حال حاضر 30%, با توجه بهاچ اف, یک گروه تحقیقاتی. این رقم احتمالا تغییر را نادیده می گیرد با توجه به اینکه صندوق های سنتی مانند پوینت 72 رویکرد کمی را اتخاذ کرده اند.

نتیجه این است که بازار سهام در حال حاضر بسیار موثر است. بازارهای جدید روبو هزینه های بسیار کمتری را به همراه دارند. وجوه غیرفعال هر ساله 0.03-0.09 درصد از دارایی های تحت مدیریت را دریافت می کنند. مدیران فعال اغلب 20 برابر بیشتر هزینه می گیرند. صندوق های تامینی, که با استفاده از اهرم و مشتقات به تلاش برای افزایش بازده بیشتر, را 20% از بازده در بالا به عنوان یک هزینه عملکرد.

هزینه پایین تر اجرای یک تجارت به این معنی است که اطلاعات جدید در مورد یک شرکت فورا در قیمت خود منعکس می شود. به گفته دالیو "اجرای دستور به طرز خارق العاده ای بهتر است."کمیسیون برای تجارت سهام در مبادلات کوچک هستند: $0.0001 در هر سهم برای هر دو خریدار و فروشنده, با توجه به دانشگاهیان در دانشگاه شیکاگو. هزینه های سنگ پایین نیز منتقل می شود. در اکتبر 1 چارلز شواب, یک سایت کارگزاری مصرف کننده پیشرو, وTDامریترید رقیب هر دو اعلام کرد که کارمزدهای معاملاتی را به صفر خواهد رساند.

هزینه های ارزان تر به نقدینگی اضافه شده است-که تعیین می کند یک معامله گر قبل از جابجایی قیمت یک سهم چقدر می تواند بخرد یا بفروشد. نقدینگی بیشتر به معنای گسترش کمتر بین قیمت یک معامله گر می تواند یک سهم و قیمت او می تواند یک فروش خرید.

اما بسیاری از منتقدان استدلال می کنند که این گمراه کننده است زیرا نقدینگی فراهم شده توسط معامله گران با فرکانس بالا در مقایسه با بانک ها قابل اعتماد نیست. این استدلال در بحران ها ناپدید می شود. مقاله اخیر منتشر شده توسط ارگ اوراق بهادار, یک شرکت بازرگانی, رد این دیدگاه. این نشان می دهد که گسترش برای اجرای یک تجارت کوچک—می گویند $10,000—در سهام یک شرکت به طور چشمگیری در طول دهه گذشته کاهش یافته است و به طور مداوم کم است. کسانی که برای معاملات بزرگتر, تا $10متر, دارند, در بدترین حالت, باقی مانده همان و در بسیاری از موارد بهبود یافته.

استاد بزرگ فلش

تسلط بازار ماشین ها قطعا بیشتر خواهد شد. استراتژی عواملی که بشر در زمان ابتدایی تر بودن فناوری ابداع کرد اکنون به طور گسترده در دسترس استای تی افبعضی هاای تی افبازدید کنندگان به دنبال سهام با بیش از یک عامل. برخی دیگر از "استراتژی برابری ریسک" پیروی می کنند که رویکردی پیشگام دالیو است که نوسانات دارایی ها را در طبقات مختلف متعادل می کند. هر سطح اضافه شده از پیچیدگی برگ کمتر برای انبارداران انسان به انجام. "سی سال پیش بهترین مدیر صندوق یکی از با بهترین شهود بود, می گوید:" دیوید سیگل, همکاری ریاست دو سیگما. در حال حاضر کسانی که یک "رویکرد علمی", با استفاده از ماشین, داده ها وAI, می تواند یک لبه داشته باشد.

برای درک تحولات پیش رو در بازار شطرنج یک مثال قابل توجه است. در سال 1997 دیپ بلوای بی امابر رایانه, ضرب و شتم گری کاسپاروف, قهرمان جهان حاکم. این پیروزی ماشین بر انسان بود-تا یک نقطه. دیپ بلو با استفاده از قوانین نوشته شده توسط بازیکنان انسانی برنامه ریزی شده بود. به سبک انسانی بازی می کرد اما بهتر و سریعتر از هر انسانی می توانست.

پرش به 2017, وقتی گوگل پرده برداری کرد الفازرو, یک کامپیوتر است که قواعد شطرنج داده شده بود و سپس خود را تدریس چگونه به بازی. چهار ساعت تمرین طول کشید تا بتوان استوک ماهی را شکست داد که بهترین ماشین شطرنج برنامه ریزی شده با تاکتیک های انسانی است. جالب, الفازرو ساخته شده چه مانند اشتباهات به چشم انسان نگاه. مثلا در میانه بازی یک اسقف را فدای یک مزیت استراتژیک کرد که خیلی دیرتر مشخص شد.

وجوه کوانتومی را می توان به دو گروه تقسیم کرد: کسانی مانند استوک ماهی که از ماشین هایی برای تقلید از استراتژی های انسانی استفاده می کنند. یک سرمایه گذار کوانتومی می گوید برای 30 سال سرمایه گذاری کمی با یک فرضیه شروع شد. سرمایه گذاران این اطلاعات را بر اساس داده های تاریخی تست می کنند و در مورد مفید بودن این داده ها قضاوت می کنند. اکنون دستور معکوس شده است. او می گوید:" ما با داده ها شروع می کنیم و به دنبال فرضیه می گردیم.

انسانها به طور کامل از تصویر خارج نیستند. نقش خود را به انتخاب و انتخاب کنید که داده ها برای تغذیه به دستگاه است. همان سرمایه گذار می گوید:" شما باید به الگوریتم بگویید که به چه داده هایی نگاه کند. "اگر شما یک الگوریتم یادگیری ماشینی را روی یک مجموعه داده خیلی بزرگ اعمال کنید اغلب تمایل دارد به یک استراتژی بسیار ساده مانند حرکت برگردد.”

اما فقط به عنوان الفازرو استراتژی است که نگاه و مجزا غیر انسانی پیدا شده است, جیکوبز لازارد می گویدAI- سرمایه گذاری الگوریتمی محور اغلب عواملی را شناسایی می کند که انسان ها ندارند. ذهن انسان ممکن است به دنبال درک این باشد که دستگاه چه چیزی را کشف کرده است تا عوامل جدید "قابل توضیح" را پیدا کند. چنین عوامل جدیدی در نهایت به عوامل فعلی می پیوندند. و برای مدتی به نفع کسانی خواهند بود که نگهشان دارند.

خیلی ها محتاط هستند. برایان کلی از دانشگاه ییل کهعقیقسرپرست یادگیری ماشین می گوید این شرکت عوامل صرفا مشتق شده از ماشین را پیدا کرده است که به نظر می رسد برای مدتی بهتر عمل می کنند. "اما در نهایت معلوم شد که جعلی هستند."او می گوید ترکیب یادگیری ماشین با نظریه اقتصادی بهتر کار می کند.

برخی دیگر کاملا شکاک هستند-از جمله اقای دالیو. او در شطرنج خاطرنشان می کند که قوانین یکسان هستند. بازار, در مقابل, تکامل, نه به این دلیل که مردم یاد بگیرند, و چه یاد می گیرند می شود در قیمت گنجانیده شده. "اگر کسی چیزی را کشف کند که شما کشف کرده اید نه تنها بی ارزش است بلکه بیش از حد تخفیف می یابد و ضرر ایجاد می کند. هیچ تضمینی وجود ندارد که استراتژی است که قبل از کار دوباره کار خواهد کرد وجود دارد," او می گوید. یک استراتژی یادگیری ماشینی که منطق انسانی را به کار نمی گیرد "اگر با درک عمیق همراه نباشد در نهایت منفجر می شود.”

همچنین داده های موجود به همان اندازه مفید نیستند که در ابتدا تصور می شد. مدیران صندوق های تامینی سنتی در حال حاضر تجزیه و تحلیل تمام انواع داده ها به اطلاع تصمیم گیری انبار خود: از سوابق کارت اعتباری به تصاویر ماهواره ای از موجودی به منشور پرواز برای جت های خصوصی. اما این تکثیر داده ها لزوما به ماشین ها اجازه نمی دهد تا کار اصلی کشف عوامل جدید سرمایه گذاری را بر عهده بگیرند.

دلیل این است که با استانداردهایAIبرنامه های کاربردی مجموعه داده های مربوطه کوچک هستند. "چه تعیین مقدار داده ها است که شما واقعا باید به کار از اندازه چیزی است که شما در حال تلاش برای پیش بینی می گوید:" کلی. برای سرمایه گذاران در بازار سهام که ممکن است بازده ماهانه وجود دارد که چند دهه ارزش داده ها—فقط چند صد داده-نقاط. این در مقایسه با گیگابایت داده هایی که برای تربیت الگوریتم ها برای تشخیص چهره یا رانندگی اتومبیل استفاده می شود چیزی نیست.

شکایت بارها شنیده در مورد سرمایه گذاری ماشین محور طول می کشد کاملا مخالف میخ سرپهن کوچک. این منتقدان می گویند این یک سوییز نیست—دور از این. این وحشتناک است. یک ترس این است که این الگوریتم ها ممکن است شوک های مکرر و ناگهانی را برای به اشتراک گذاشتن قیمت ها ایجاد کنند. نگرانی خاص "سقوط فلش" است. در سال 2010 بیش از 5 درصد از ارزش پاک شدS&P500 در عرض چند دقیقه. که در 2014 قیمت اوراق قرضه به شدت بیش از بسیج 5%, دوباره در عرض چند دقیقه. در هر دو مورد بازارها عمدتا تا پایان روز عادی شده بودند اما کم عمق بودن نقدینگی فراهم شده توسط معامله گران با فرکانس بالا توسط تنظیم کننده ها به عنوان احتمالا تشدید حرکت ها مقصر شناخته شد. نگرانی که تصاحب دستگاه باعث شده است که بازارها به طور غیرقابل کنترل بی ثبات شوند در دسامبر گذشته به یک دیوانگی رسیده است, زیرا قیمت ها به دلیل اخبار اندک به شدت کاهش یافت, و در طول تابستان به دلیل چرخش شدید.

به 1987 به اصطلاح تجارت برنامه, که سهام در طول یک شیب بازار به فروش می رسد, کمک به تار و مار دوشنبه سیاه, زمانی که شاخص داو جونز کاهش یافت 22% در یک روز. اما مشکل سپس "گله داری"بود—مدیران پول حول یک استراتژی واحد جمع می شدند. امروز تنوع بیشتری وجود دارد, با صندوق های سرمایه گذاری مختلف با استفاده از منابع داده های مختلف, افق های زمانی و استراتژی. تجارت الگوریتمی ساخته شده است قربانی, استدلال می کند مایکل مندلسون ازعقیق. "هنگامی که بازار سقوط, سرمایه گذاران باید به توضیح است که از دست دادن. و وقتی متوجه نمی شوند یک کامپیوتر را مقصر می دانند. او فکر می کند: "ماشین ها حتی ممکن است بازارها را راحت کنند. "کامپیوترها وحشت نمی کنند.”

پول هرگز نمی خوابد

مشکل دیگر این است که مدیران دارایی سنتی دیگر نمی توانند رقابت کنند. یکی از بزرگترین مدیران دارایی جهان شکایت می کند:" بازارهای عمومی در حال تبدیل شدن به همه برنده هستند. "من فکر نمی کنم ما حتی می تواند نزدیک به رقابت در این بازی," او می گوید. فیلیپ جابر, که راه اندازی صندوق نام کمل خود را به شدت پیش بینی, جابر سرمایه, که در 2007, گفت که مدل های کامپیوتری بود "خیلی خفیف جایگزین" بازیگران سنتی در نامه نهایی خود را به مشتریان به عنوان او بسته برخی از وجوه در ماه دسامبر گذشته.

و باقی می ماند یک ترس واقعی وجود دارد: چه اتفاقی می افتد اگر وجوه مکتوب تحقق وعده های خود را وحشی ترین بوستر? بازارهای سهام مرکزی برای اقتصادهای مدرن هستند. شرکتهای نیازمند پول نقد را با سرمایهگذاران تطبیق میدهند و نشان میدهند که شرکتها چقدر خوب عمل میکنند. نحوه عملکرد این شرکت ها پیامدهای بزرگی برای ثبات مالی و حاکمیت شرکتی دارد. بنابراین مهم است که الگوریتم های غیر قابل استفاده از تصمیم گیری های انسانی شروع به فراخوانی عکس ها می کنند.

چشم انداز دستیابی به برتری از عوامل مشتق شده از ماشین باعث می شود که مدیران پول دیگر به شمع بپردازند. ترس از عواقب طبیعی است زیرا جهشی به سوی ناشناخته است. اما بازارهای دقیق تر و موثر هستند, بهتر است هر دو سرمایه گذاران و شرکت ها در خدمت. اگر تاریخ یک راهنمای, هر مزیت تجاری جدید برای اولین بار فقط چند بهره مند شوند. اما بازار بی امان است. منبع این مزیت عمومی خواهد شد و کپی خواهد شد. و چیز جدیدی نه فقط در مورد بازار سهام بلکه در مورد جهانی که منعکس می کند درک خواهد شد. ■

این مقاله در بخش توجیهی نسخه چاپی تحت عنوان "مارس ماشین ها"ظاهر شد