ETFFIN Finance >> Curso de Finanças Pessoais >  >> Ações >> Mercado de Ações

A Aprender com o Trading Algorítmico: Insights para a Tomada de Decisão Humana

A Aprender com o Trading Algorítmico: Insights para a Tomada de Decisão Humana

Em 2019, o mundo preocupava-se que os algoritmos agora nos conhecem melhor do que nós a nós mesmos. Nenhum conceito captura isto melhor do que capitalismo de vigilância, um termo cunhado pela escritora americana Shoshana Zuboff para descrever uma nova era sombria em que empresas como Facebook e Google fornecem serviços populares enquanto os seus algoritmos vendem os nossos rastos digitais.

Surpreendentemente, a preocupação de Zuboff não se estende aos algoritmos nos mercados financeiros que substituíram muitos dos humanos nos pisos de negociação. O trading algorítmico automatizado descolou por volta do início do século XXI, primeiro nos EUA mas logo na Europa também.

Um motor importante foi o trading de alta frequência, que opera a velocidades cegantes, até milmillonésimos de segundo. Ofereceu aos investidores a perspetiva de uma vantagem sobre os rivais, enquanto ajudava a fornecer liquidez a um mercado ao garantir que havia sempre alguém disposto a comprar e vender a um determinado preço. O trading de alta frequência está agora por trás de mais de metade dos volumes nos mercados de ações e futuros. Noutros mercados, como o de câmbio, os algoritmos têm uma presença menor mas ainda significativa, sem sinais de que diminuirão no futuro.

Os vícios dos dispositivos

Os humanos ainda programam os algoritmos e desenham as suas estratégias de negociação, embora o surgimento do deep learning esteja a colocar até este papel em ameaça. Mas no momento em que os algoritmos entram em funcionamento nos mercados, agem por sua própria conta sem intervenção humana, dançando uns com os outros de formas tontas e frequentemente inesperadas.

À primeira vista, têm pouco em comum connosco. Não podem pensar ou sentir, e apesar do hype em torno do machine learning, ainda é controverso e complicado descrevê-los como inteligentes. Como traders humanos, no entanto, tomam decisões, observam outros a tomar decisões, e ajustam o seu comportamento em resposta.

A Aprender com o Trading Algorítmico: Insights para a Tomada de Decisão Humana

A velocidades muitas vezes mais rápidas do que os humanos provavelmente jamais conseguirão, estes algoritmos formam facilmente expetativas sobre as expetativas uns dos outros ao colocarem as suas ordens de compra e venda.

Por exemplo, um algoritmo pode procurar manipular as expetativas de outro sobre movimentos de preço enviando um grande número de ordens para comprar ou vender um ativo particular. O primeiro algoritmo cancela então rapidamente as suas ordens, tendo esperançosamente enganado o seu rival a fazer a aposta errada sobre para onde o mercado se dirige.

Curiosamente, sociólogos consideram este tipo de antecipação mútua uma característica central do que significa para os humanos ser sociais. Eles há muito veem os mercados como arenas altamente sociais. Nos dias de glória dos pisos de negociação, ler corretamente as pistas sociais de outros traders — uma careta ou um sorriso, tons ansiosos, até o burburinho do piso de negociação — muitas vezes ditava a diferença entre riqueza e desastre.

A Aprender com o Trading Algorítmico: Insights para a Tomada de Decisão Humana

Mas se as máquinas podem ser sociais, quão semelhante ou diferente é isso de como os humanos se socializam realmente? Existem diferenças óbvias, claro. Enquanto os traders humanos do passado muitas vezes se conheciam bem, e saíam juntos após o trabalho, os algoritmos negociam anonimamente. Quando enviam ordens para comprar ou vender ativos, nenhum outro trader sabe se vem de um homem ou de uma máquina.

De facto, é precisamente por isso que são programados para formar expetativas uns sobre os outros. Pistas faciais já não estão disponíveis, mas estratégias inteiras foram desenvolvidas que procuram descobrir se um número de ordens pode ter sido colocado por um e o mesmo algoritmo — e depois tentar prever quais poderão ser os seus próximos movimentos.

Para evitar tais tentativas, os algoritmos são frequentemente desenhados para não serem reconhecidos como algoritmos por outros algoritmos. Como disse o sociólogo escocês Donald MacKenzie, eles podem envolver-se em estratégias de dissimulação e/ou procurar dar uma apresentação particular do seu "eu" em público. Estes são novamente atributos que sociólogos há muito consideram aspetos-chave da vida metropolitana.

Avalanche!

Juntamente com colegas, passei os últimos vários anos nos principais centros financeiros a entrevistar traders, programadores, reguladores, funcionários de bolsas e outros profissionais de finanças sobre estes algoritmos de negociação. Isto revelou algumas outras semelhanças interessantes entre traders humanos e automatizados.

Programadores admitem prontamente que, uma vez que os seus algoritmos começam a interagir com outros, deixam-se levar e agem de forma imprevisível, como se estivessem numa multidão. Sociólogos desde o final do século XIX estudaram como as pessoas se encantam com multidões e deixam a sua autonomia deslizar em "avalanches sociais", mas até agora ignorámos largamente o facto de máquinas financeiras fazerem algo semelhante.

O "flash crash" de 6 de maio de 2010 ilustra melhor o que quero dizer aqui. Em quatro minutos e meio, a interação frenética de algoritmos de negociação totalmente automatizados colocou os mercados dos EUA em picada, gerando cerca de 1 bilião de dólares (768 mil milhões de libras) em perdas até a negociação ser rapidamente suspensa.

A maioria destas transações envolvidas foram depois canceladas como "claramente erróneas". Certamente nenhum trader ou programador tinha planeado criar esta mudança massiva de preços, mas décadas de investigação sociológica dizem-nos que este tipo de comportamento é esperado em grandes grupos. Precisamos de compreender como os nossos algoritmos financeiros interagem em conjunto antes que as nossas próprias ferramentas se tornem a nossa ruína.

A Aprender com o Trading Algorítmico: Insights para a Tomada de Decisão Humana

Claro, nem todas as formas de interação social são admiráveis ou benéficas. Como os humanos, os algoritmos interagem uns com os outros de formas que vão do carinhoso e pacífico ao frio e violento: desde fornecer liquidez e manter a estabilidade do mercado até fazer ordens manipulativas e desencadear atividade de negociação selvagem.

Compreender estas interações não é apenas chave para entender a negociação moderna e tentar prevenir futuros flash crashes. Os algoritmos falam uns com os outros em mais e mais campos hoje. Compreender como se comportam como multidões esperançosamente lançará luz em áreas onde estão apenas a começar a afirmar-se — pense em sistemas de tráfego de condução autónoma ou guerra automatizada, por exemplo. Pode até alertar-nos para as avalanches que estão à espera.