211service.com
Hur man undviker en ny flashkrasch
Idag är det tre år sedan 2010 Flash Crash , när den amerikanska aktiemarknaden tappade 1 000 poäng på några minuter innan de återhämtade de flesta av dessa förluster några minuter senare.
Kraschen inträffade när högfrekventa handelsalgoritmer hamnade i en ond, höghastighetsförsäljningsspiral och utplånade miljarder dollar i värde innan någon visste vad som hände. Vissa observatörer hävdar att ett handelssystem som domineras av maskiner snarare än människor kan bli allt mer benäget att drabbas av sådana katastrofala krascher i framtiden.
Kanske kan algoritmer också hjälpa till att göra det finansiella systemet säkrare.
Jag deltog nyligen i ett fascinerande föredrag som beskrev ett matematiskt tillvägagångssätt som bara kan hjälpa finansiella tillsynsmyndigheter att upptäcka tidiga tecken på nöd i ett finansiellt system som har blivit allt mer komplext och ogenomträngligt. Andrew Lo , en professor vid Sloan Business School och chef för MIT:s Laboratory for Financial Engineering, inledde sitt föredrag, kallad Mäta och hantera komplexiteten i det finansiella systemet, genom att visa två diagram som prydligt illustrerar komplexiteten och det ömsesidiga beroendet i det nuvarande finansiella systemet.
Den första visar relationer mellan olika stora finansiella institutioner för ungefär 20 år sedan:
Den andra visar samma relationer bara 10 år senare:
Dessa gigantiska gummibandskulor av komplexitet illustrerar hur prekärt det finansiella systemet är; Lo fortsatte med att notera att dessa finansiella institutioner inte är skyldiga att avslöja sin verksamhet och skulle motsätta sig att göra det av rädsla för att ge sina konkurrenter en konkurrensfördel.
Lo pratade sedan om en idé som kan hjälpa till att ge tillsynsmyndigheter ett sätt att övervaka aktiviteten utan att kräva att finansiella företag lägger sina kort på bordet. Hans lösning är en algoritm som låter deltagarna handkryptera detaljerna i sina finansiella aktiviteter på ett sådant sätt att detaljerna förblir hemliga men beräkningsfunktioner kan utföras på den samlade informationen för att avslöja potentiellt besvärande aktivitet i det övergripande systemet.
Tillvägagångssättet är ganska likt homomorfisk kryptering , en matematisk teknik som undersöks som ett sätt att ge tillgång till mycket känsliga data lagrade i molndatabaser (se A Cloud That Can’t Leak ).
Du kan läsa om detaljerna i detta papper , medförfattare med kollegor från EPFL School of Communication and Computer Science i Schweiz och AlphaSimplex Group , ett handelsbolag grundat av Lo.
Efter föredraget frågade jag Lo om detta verkligen kunde ha hjälpt till att förhindra den finansiella härdsmältan 2007. Så här sa han:
Det är stor skillnad mellan att ha många varningsskyltar och att ha en officiell regeringskälla som liknar National Weather Service som informerar dig om att en orkan håller på att byggas upp. Ja, det fanns gott om varningsskyltar, men det är praktiskt taget omöjligt för tillsynsmyndigheter att vidta åtgärder baserat på varningsskyltar. Föreställ dig att be folket i New Jersey att evakuera för att du har en dålig känsla för vädret.
Jag frågade också om detta tillvägagångssätt skulle hjälpa till med högfrekvent handel och relaterat framväxande beteende (se Watch High-Frequency Trading Bots Go Berserk).
Vårt tillvägagångssätt kan faktiskt vara ganska användbart för högfrekvent handel för att låta investerare mäta hur trångt en marknad är vid en viss tidpunkt utan att be enskilda handlare att avslöja sina positioner.
Det verkar vara en ganska genialisk lösning på ett enormt viktigt problem.