Ioan Moldovan

De ani buni trăim revoluţie după revoluţie. Revoluţia din '89, revoluţiile Facebook, Big Data Revolution, Deep Learning Revolution, Blockchain Revolution etc. . Atât de multe, încât programatorul abia are timp să ţină pasul, schimbările de paradigmă succedându-se aproape mai rapid decât schimbările de prim-miniştri. Toate au ramificaţii şi în tranzacţionarea automată. Companiile ce activează în domeniul financiar sunt evident "early adopters", pentru că pentru acestea viteza şi informaţia înseamnă oportunităţi şi bani. Ca urmare a dezvoltării tehnologice, aceste companii sunt într-o cursă continuă, iar unele din motoare sunt dezvoltarea de software specializat şi cei care stau în spatele acestei dezvoltări. În acelaşi timp are loc şi o creştere a accesibilităţii acestui domeniu: accesul la platformele de trading devine mult mai uşor odată cu explozia criptomonedelor.

Algoritmii folosiți cel mai des în sistemele de trading sunt cei de regresie (logistică pentru clasificare de uptick / downtick, least squares, local curve fitting, robust regressions sau, când există constrângeri legate de viteză, algoritmi de online regression, KWIK sau Locally weighted projection). În comunitatea machine learning există o oarecare reticență în a folosi metode "clasice" precum regresia liniară, fiind privită ca "elementară", însă este o unealtă foarte importantă și cu potențial foarte mare. Una din obiecțiile aduse folosirii acestei regresii este că nu detectează decât combinații liniare ale datelor de intrare, însă adăugând metrici derivate din înmulțiri între features, ridicări la putere sau aplicarea de funcții periodice sau de altă natură, pot fi detectate interacțiuni între variabilele de intrare sau se poate chiar face fitting la funcții complexe (de menționat că și rețelele neuronale au nevoie de cel puțin 2 nivele ascunse pentru a putea detecta interacțiuni între input features).

Tranzacțiile datorate tradingului automat au crescut semnificativ în ultimii ani, ajungând să fie majoritare pe toate bursele importante. De exemplu, pe Tokyo Stock Exchange volumul de tranzacții generate din co-location (sisteme prezente fizic în proximitatea bursei) a crescut de la 10% în 2010 la peste 50% în 2016. Apare natural întrebarea de ce există atât de mult trading automat?