• 16 Ottobre 2020

High Frequency Trading e Alternative Data

High Frequency Trading e Alternative Data

High Frequency Trading e Alternative Data 970 512 FinScience

di Eugenio Ciamprone

La CONSOB (Commissione Nazionale per le Società e la Borsa) definisce l’High Frequency Trading (di seguito HTF) come un sottoinsieme del concetto più generale di Trading algoritmico:

“Il trading algoritmico è una modalità di negoziazione basata sull’utilizzo di algoritmi e programmi informatici, in genere molto complessi, che raccolgono ed elaborano le informazioni e i dati di mercato in tempo reale e avviano in automatico gli ordini (di vendita o di acquisto di strumenti finanziari) sulle diverse piattaforme di negoziazione. Quando viene svolto a velocità molto elevata prende il nome di trading ad alta frequenza o high-frequency trading.”

Le origini dell’HFT sono riconducibili a due metodologie nate a partire dagli anni ’90, i cosiddetti Banditi del SOES (Small Order Execution System) ovvero trader che utilizzavano una metodologia aggressiva di trading che consisteva nell’eseguire centinaia di operazioni di scambio al giorno al fine di sfruttare le piccole inefficienze del mercato come ad esempio ritardi di aggiornamento dei prezzi Bid-Ask da parte dei market maker, e successivamente gli ECN (Electronic Communications Networks) ovvero reti elettroniche in grado di connettere tra loro gli operatori finanziari senza la necessità di comunicazione degli ordini agli intermediari, introdotti dalla Securities Exchange Commission (SEC) statunitense al fine di aumentare gli scambi e ridurre il costo della transazione.

Mentre il SOES e gli ECN sono stati utilizzati maggiormente in mercati spesso turbolenti e poco maturi come il NASDAQ e contribuirono ad incrementarne l’estrema volatilità, a partire dal 2005 le evoluzioni normative e tecnologiche hanno portato alla nascita dell’HFT e alla sua diffusione.

Caratteristiche e strategie dell’High Frequency Trading

Come già anticipato, l’HFT è una sottocategoria dell’ampio panorama del trading algoritmico, ma cosa contraddistingue il primo rispetto a quest’ultimo?

L’elemento distintivo è sicuramente la frequenza, insieme ad altre caratteristiche che secondo la SEC identificano l’HFT, ovvero l’utilizzo di programmi sofisticati e di straordinaria velocità di calcolo per la generazione e l’esecuzione di ordini, la co-location per minimizzare la latenza, l’apertura e la chiusura di posizioni in pochissimo tempo, la chiusura di tutte le posizioni in giornata e la sottomissione di un numero elevatissimo di ordini.

Per garantire il vantaggio competitivo in termini di velocità di esecuzione, l’HFT deve rispondere a due requisiti necessari, la Low-latency e la Co-location:

La Low-latency è il tempo necessario che intercorre tra la sottoscrizione di un ordine di acquisto o vendita e il feedback di ricezione e conferma dell’ordine. Questo tempo, nel caso dell’HFT, deve essere ovviamente il più basso possibile in modo tale da garantire il vantaggio competitivo rispetto ad altri ordini immessi nella piattaforma.

La velocità misurata non è solamente quella degli ordini eseguiti bensì devono essere valutate anche le prestazioni degli algoritmi i quali, prima di immettere un ordine nel mercato, effettuano le analisi al fine di mettere in atto la strategia migliore.

Per ridurre il più possibile la latenza non basta il solo miglioramento delle prestazioni informatiche ma deve essere rispettato anche il requisito della Co-location.

Infatti, a parità di efficienza delle prestazioni informatiche, vincerà l’operatore che si trova fisicamente ad una distanza inferiore rispetto alla Borsa verso la quale è stato inviato l’ordine. Dunque la prossimità fisica dei server garantisce un vantaggio competitivo rispetto agli altri operatori.

Molto spesso sono le stesse Borse Valori ad offrire a pagamento l’utilizzo di spazi in prossimità dei loro server (servizio di Co-location appunto, o servizio di proximity central hosting qualora lo stesso venga offerto da operatori terzi).

Dopo aver analizzato in che modo gli operatori di HFT ottengono velocità e frequenza delle operazioni, vediamo al servizio di quali strategie di trading queste caratteristiche vengono utilizzate. Le principali sono:

  • Statistical passive arbitrageovvero la capacità di sfruttare il disallineamento dei prezzi relativi allo stesso sottostante su due mercati differenti;
  • Liquidity Providing e Liquidity Detection Strategy, dove nella prima gli operatori mirano a posizionare le proprie posizioni di negoziazione tra i primi livelli dei book mentre nella seconda strategia gli stessi puntano ad accumulare la liquidità offerta dal mercato;
  • Trading on News dove gli algoritmi degli HFT leggono l’enorme quantità di dati e informazioni provenienti dai media(web, social, ecc..) al fine di trarne indicazioni per operare in modo profittevole sui mercati.

L’ultimo punto introduce un elemento di forte innovazione nell’ambito degli HFT, ovvero l’utilizzo degli Alternative Data.

High Frequency Trading e Alternative Data

Gli Alternative Data sono informazioni ricavabili da fonti non convenzionali come social, blog, forum e piattaforme e-commerce, e rivestono un ruolo sempre più importante nelle decisioni di investimento in affiancamento a quelli che sono i dati tradizionali come bilanci, prezzi e volumi di Borsa.  

I mercati finanziari sono un settore in continua evoluzione e una delle innovazioni più sfidanti è la spinta oltre il progresso informatico e tecnologico. Le caratteristiche distintive dell’HFT, come la velocità e la frequenza, potrebbero non essere sufficienti a determinare una posizione di vantaggio competitivo (orami rappresentano una rendita di posizione per le istituzioni più fisicamente vicine ai server delle Borse), così come l’analisi dei soli dati finanziari tradizionali.

La ricerca di valore si sposta dunque sempre di più verso un approccio data-driven e verso una crescente importanza dell’utilizzo degli Alternative Data anche nelle scelte di investimento.

ALTERNATIVE DATA PER COSTRUIRE STRATEGIE DI INVESTIMENTO