211service.com
Cómo evitar otro accidente repentino
Hoy se cumple el tercer aniversario de la 2010 Flash Crash , cuando el mercado de valores de EE. UU. perdió 1,000 puntos en cuestión de minutos antes de recuperar la mayoría de estas pérdidas unos minutos después.
El colapso ocurrió cuando los algoritmos de negociación de alta frecuencia entraron en una espiral de ventas viciosa y de alta velocidad, eliminando miles de millones de dólares de valor antes de que nadie supiera lo que estaba sucediendo. Algunos observadores sostienen que un sistema de comercio dominado por máquinas en lugar de seres humanos podría ser cada vez más propenso a sufrir accidentes tan calamitosos en el futuro.
Sin embargo, quizás los algoritmos también puedan ayudar a que el sistema financiero sea más seguro.
Recientemente asistí a una charla fascinante que describe un enfoque matemático que podría ayudar a los reguladores financieros a detectar los primeros signos de dificultades en un sistema financiero que se ha vuelto cada vez más complejo e impenetrable. Andrew Lo , profesor de Sloan Business School y director del Laboratorio de Ingeniería Financiera del MIT, inició su charla, titulada Medición y gestión de la complejidad del sistema financiero, mostrando dos gráficos que ilustran claramente la complejidad y la interdependencia del sistema financiero actual.
El primero muestra las relaciones entre varias instituciones financieras importantes hace aproximadamente 20 años:
El segundo muestra las mismas relaciones solo 10 años después:
Estas bolas gigantes de complejidad ilustran cuán precario es el sistema financiero; Lo continuó señalando que estas instituciones financieras no están obligadas a revelar sus actividades y se opondrían a hacerlo por temor a dar a sus rivales una ventaja competitiva.
Luego, Lo habló sobre una idea que podría ayudar a darles a los reguladores una forma de monitorear la actividad sin requerir que las firmas financieras pongan sus cartas sobre la mesa. Su solución es un algoritmo que permite a los participantes cifrar manualmente los detalles de sus actividades financieras de tal manera que los detalles permanezcan en secreto, pero las funciones computacionales se pueden realizar en los datos colectivos para revelar una actividad potencialmente problemática en el sistema en general.
El enfoque es bastante similar al cifrado homomórfico, una técnica matemática que se está explorando como una forma de proporcionar acceso a datos muy sensibles almacenados en bases de datos de computación en la nube (consulte Una nube que no puede filtrarse).
Puede leer sobre los detalles en este papel , coautor con colegas de la Escuela de Comunicación y Ciencias de la Computación EPFL en Suiza y Grupo AlphaSimplex , una empresa comercial fundada por Lo.
Después de la charla, le pregunté a Lo si esto realmente podría haber ayudado a prevenir el colapso financiero de 2007. Esto es lo que dijo:
Existe una gran diferencia entre tener muchas señales de advertencia y tener una fuente oficial del gobierno similar al Servicio Meteorológico Nacional que le informa que se está formando un huracán. Sí, hubo muchas señales de advertencia, pero es prácticamente imposible que los reguladores actúen basándose en las señales de advertencia. Imagínese pedirle a la gente de Nueva Jersey que evacue porque tiene un mal presentimiento sobre el clima.
También pregunté si este enfoque ayudaría con el comercio de alta frecuencia y el comportamiento emergente relacionado (consulte Observe cómo los robots de comercio de alta frecuencia se vuelven locos).
Nuestro enfoque podría ser bastante útil para el comercio de alta frecuencia al permitir a los inversores medir qué tan concurrido está un mercado en un momento dado sin pedir a los operadores individuales que revelen sus posiciones.
Parece una solución bastante ingeniosa a un problema de enorme importancia.