Prevendo o próximo 'flash crash' do mercado de ações

p Logo após a Grande Recessão, os mercados de ações dos EUA despencaram - e se recuperaram em 36 minutos. O Dow Jones Industrial Average caiu mais de 9%, perdendo mais de 1, 000 pontos antes de se recuperar repentinamente.

p 6 de maio, O evento de 2010 foi o primeiro “flash crash” registrado. Embora não tenha efeitos de longo prazo, levantou preocupações entre os investidores sobre a estabilidade do mercado de ações.

p Os computadores tornaram o comércio mais rápido e eficiente, mas também podem criar instabilidade nos mercados. Hoje, analistas quantitativos usam algoritmos complexos para fazer muitas negociações em muitos mercados em uma fração de segundo. Esses novos algoritmos agora respondem por mais da metade de todas as negociações. Mas isso pode levar a ainda mais travamentos de flash.

p Como engenheiros, estávamos interessados ​​naquele acidente de maio de 2010. Nenhuma razão pode explicar por que as falhas de flash acontecem. Mas existem maneiras de prever e mitigar essas anomalias? Aceitamos o desafio de desenvolver uma teoria que possa ajudar a prever falhas de flash.

O fluxo dos mercados

p Começamos com a dinâmica dos fluidos, o estudo do fluxo de fluidos como a água. Esses princípios podem ser aplicados a outros problemas; um de nós usou anteriormente a física dos fluidos para examinar o movimento do tráfego.

p Na dinâmica dos fluidos, pesquisadores observam como as quantidades medidas, como velocidade e pressão, afetam a dinâmica do fluxo. Por exemplo, Os meteorologistas usam as mudanças na velocidade e pressão do vento para prever o movimento de tempestades severas.

p Nós nos perguntamos:essa ciência pode nos dar uma visão sobre a dinâmica do mercado de ações?

p Sentimos que as teorias existentes para prever falhas de flash são inadequadas, porque eles se concentram em apenas uma pequena parte da imagem inteira, como o desempenho de algum subconjunto de ações. Os índices Dow Jones ou S&P 500 fornecem uma quantidade limitada de informações sobre o mercado, observando o comportamento de um subconjunto de ações apropriadamente escolhidas.

p Nossa abordagem foi incluir todas as ações do mercado. Em contraste, nosso modelo fornece essas informações para quase toda a gama de ações, discriminado por faixas de preço específicas. Todos esses intervalos podem ser observados simultaneamente, gerando um alerta precoce.

p Encontramos análogos para as medições que os cientistas normalmente usam para entender o fluxo. Por exemplo, para o nosso modelo, a "densidade" do fluxo era o número de estoques por preço unitário, e “pressão” era a força para cima ou para baixo no preço causada pela atividade de compra e venda dos comerciantes.

p Observando os mercados de ações a partir de uma tela de computador, pudemos ver que o movimento dos preços das ações se assemelha ao fluxo de um fluido como o ar ou a água.

Examinando a falha do flash

p Em nosso estudo, publicado em 1º de setembro, 2018, obtivemos dados de preço por minuto para cerca de 4, 000 ações na NYSE, NASDAQ e AMEX no dia do flash crash de maio de 2010. Usamos esses dados para testar nosso modelo de dinâmica de fluidos do mercado.

p Quando olhamos para os preços de 700 ações na tarde do crash, vimos que o choque foi claramente visível. Os gráficos de velocidade pareciam a impressão de um dispositivo sismográfico monitorando choques de um terremoto. Os gráficos da pressão também mostraram claramente um evento importante no momento do flash crash.

p Olhar para todas as ações também nos deu a capacidade de prever o futuro próximo de seu comportamento. Nosso modelo mostrou sinais de um crash repentino 10 minutos antes do grande evento - antes que quaisquer problemas fossem evidentes para os observadores humanos.

p Observamos resultados semelhantes do modelo no caso de outras falhas. Por exemplo, estudamos a oferta pública inicial do Facebook em 18 de maio, 2012. A empresa arrecadou cerca de US $ 16 bilhões, mas esta oferta massiva foi atormentada por dificuldades técnicas inesperadas. O IPO foi adiado por 30 minutos, causando turbulência nos mercados por algumas horas.

p Em nosso esforço para analisar o que realmente aconteceu neste dia, testamos nosso modelo para ver se ele poderia observar sinais antes do momento da oferta. O modelo mostrou um período de alta volatilidade que afetou muitas ações, criando o caos nos mercados.

O próximo grande acidente

p Nosso próximo passo é gerar um sistema inteligente que considerará automaticamente os dados e alertará os supervisores sobre as perturbações iminentes no mercado. Se este aviso chegar cedo o suficiente, os investidores poderiam usá-lo para tomar medidas preventivas.

p Contudo, existem algumas maneiras pelas quais o modelo ainda precisa ser aprimorado. Depender de sinais iniciais pode levar a falsos positivos, que queremos minimizar. Alguns de nossos resultados recentes, ainda não relatado, sugerem quantos falsos positivos e negativos ocorrem.

p Em um estudo diferente, ainda não publicado, descrevemos um sistema que analisa os dias de negociação quando anormalidades foram relatadas. Descobrimos que nosso sistema foi capaz de produzir taxas baixas de falsos positivos e negativos.

p À luz desses alarmes, os reguladores do mercado podem então tomar as medidas adequadas. Por exemplo, eles podem impedir que certas negociações sejam feitas ou bloquear negociantes específicos de qualquer atividade por um período de tempo. Os comerciantes podem optar por comprar ações nos momentos em que o preço das ações está caindo, e vender durante os momentos em que os preços voltam aos valores anteriores ao fracasso. Essas ações podem ajudar a reduzir o impacto do acidente.

p Em outras palavras, os investidores poderiam explorar o crash para melhorar suas posições - e, ao mesmo tempo, ajudar a amortecer alguns dos efeitos do crash.