Fino a qualche anno fa era certo che il trading ad alta frequenza, meglio conosciuto come HFT, prendesse completamente il sopravvento sul mercato. Nel 2010, questo modo di operare secondo protocolli tecnologicamente avanzati, costituivano circa il 70% dell’intero volume azionario statunitense, con apparente tendenza all’aumento, ma nel 2012 c’è stato un primo brusco segnale di arretramento. Durante il 2009 i traders ad alta frequenza scambiavano circa 3,25 miliardi di azioni al giorno. Nel 2012, secondo Bloomberg, i quantitativI erano scesi a 1,6 miliardi al giorno. Allo stesso tempo, i profitti medi sono diminuiti da 0,1 un centesimo per azione a 0,05 centesimi, secondo dati ufficiali comunicati dalla SEC.
I dati più recenti risalgono alla fine del 2017, con risultanze in ulteriore calo sia per quantitativi tradati, attestati a circa il 50% del quantitativo sull’intero mercato azionario, sia per gli utili derivanti per ogni singola azione, attestati a 0,04 centesimi.
Nell’HFT, i computer potenti utilizzano algoritmi complessi per analizzare i mercati ed eseguire transazioni super veloci, di solito in grandi volumi. In forza di questo l’architettura HFT prevede l’uso di potenti hardware di alta gamma che costano enormi quantità di denaro, intaccando i profitti e con la crescente concorrenza, il successo non è garantito.
Il motivi del declino degli High Frequency Trading
Ma andiamo a vedere perché il protocollo HFT sta perdendo terreno.
Un programma HFT richiede ingenti risorse per essere implementato e, nel caso, corretto; così come i potenti hardware e software, che richiedono aggiornamenti frequenti e costosi, assorbendo di fatto una buona dose di profitto. I mercati poi sono altamente dinamici e tenerne conto totalmente in sede di progettazione degli algoritmi è praticamente impossibile. Ciò riduce il tasso di successo delle operazioni in HFT a causa di errori in cui cadono sempre più frequentemente gli algoritmi sottostanti.
Il mondo dell’ HFT include anche il trading ad altissima frequenza. I traders ad altissima frequenza sopportano i costi per l’accesso a servizi di flash trading per “vedere” in anticipo le informazioni su quotazioni e volumi rispetto al resto del mercato. Questo vantaggio costringe gli altri partecipanti al mercato a tradare sulla difensiva se non proprio a ridurre “volumetricamente” la loro attività, rivendicando pratiche sleali in crescente aumento in opposizione all’operatività HFT.
Le imposte sugli High Frequency Trading e la saturazione del loro mercato
Altro vulnus per l’attività HFT sono i regolamenti, che stanno diventando sempre più rigidi. Nel 2013 l’Italia è stato il primo paese a introdurre un’imposta speciale sul trading ad alta frequenza, seguita a ruota dalla Francia dove è stata imposta una tassa analoga sulle trattazioni ad alta frequenza.
Altra variabile che ha impattato negativamente sul trading ad alta frequenza è il sovraffollamento del mercato che tratta questi protocolli tecnologicamente avanzati. Istituzioni con forte esperienza in tal senso pongono i loro algoritmi più intelligenti l’uno contro l’altro. I partecipanti a questo scontro tecnologico implementano algoritmi HFT per rilevare e superare altri algoritmi. Il risultato netto è quello di programmi ad alta velocità che combattono tra loro, spremendo ancor di più i profitti.
Insomma a causa dei summenzionati fattori come l’aumento dei costi per una architettura tecnologicamente adeguata, costi di esecuzione, nuove tasse e normative più severe, i profitti rivenienti dal trading ad alta frequenza si stanno drasticamente obbligando i traders in HFT a muovere verso strategie di trading alternative, più efficienti dal punto di vista operativo e meno costose, che non innescano processi normativi più stringenti.
High Frequency Trading: un fenomeno in via di estinzione?
Le alternative agli High Frequency Trading:
Il Momentum trading e la direzione del movimento dei prezzi nel tempo
Il Momentum Trading: l’antico indicatore di analisi tecnica basato sull’identificazione del momentum è una delle alternative più popolari a HFT. Il momentum trading implica il rilevamento della direzione dei movimenti di prezzo che dovrebbero continuare per qualche tempo (da qualche minuto a qualche mese). Una volta che l’algoritmo del computer rileva una direzione, gli operatori collocano uno o più scambi scaglionati secondo ordini di grandi dimensioni. A causa della grande quantità di ordini, anche le piccole variazioni dei prezzi si traducono in profitti interessanti nel tempo. Poiché le posizioni basate sul trading direzionale devono essere mantenute per un po’ di tempo, non è necessario un trading rapido in millisecondi o microsecondi. Ciò consente di risparmiare enormemente sui costi di infrastruttura.
Trading automizzato e lettura delle notizie dei mercati
Trading automatizzato basato sulle notizie: le notizie guidano il mercato. Scambi, agenzie di stampa e venditori di dati fanno un sacco di soldi vendendo notizie dedicate ai trader. Le negoziazioni automatizzate basate sull’analisi automatica delle notizie hanno guadagnato slancio. I programmi per computer sono ora in grado di leggere le notizie e intraprendere azioni di trading immediate in risposta a ciò. L’algoritmo sottostante identifica le parole chiave come ad esempio il dividendo, il suo ammontare e la data di stacco, immettendo successivamente un ordine istantaneo a mercato.
Questa strategia basata sulle notizie può funzionare meglio degli HFT in quanto tali ordini devono essere inviati in frazioni di secondo, per lo più su quotazioni di mercato aperte e possono essere eseguiti anche a prezzi sfavorevoli. Oltre ai dividendi, il trading automatizzato basato su notizie è programmato per i risultati trimestrali delle società o altre azioni societarie come spin-off o variazione sui cambi spot per le aziende che hanno una forte esposizione all’estero.
Trading automizzato, lettura dei feed dei social media e calcolo del tasso di probabilità
Conclusioni su: High Frequency Trading: un fenomeno in via di estinzione?
Trading basato sui feed dei social media: la scansione dei feed dei social media in tempo reale, da fonti conosciute e partecipanti al mercato di riferimento è un’altra tendenza emergente nel trading automatizzato. Comprende l’analisi predittiva dei contenuti dei social media strutturata mediante dati storici e algoritmi, modellati statisticamente, allo scopo di individuare il tasso di probabilità per cui certi eventi possano verificarsi in futuro. Più nello specifico, si tratta di un ramo del “data mining”, ovvero un processo di estrazione di informazioni da database di grandi dimensioni al fine di identificare le associazioni per così dire “nascoste” tra le pieghe del mercato, rendendole visibili in forza dei piani industriali presentati dalle società quotate.
