Для начала полезным было бы ознакомиться со статистикой, показывающей тенденции в изменение числа сделок, совершенных посредствам алгоритмической торговли. По данным со II российской конференции по алгоритмической торговле за период с 2010 по 2013 годы количество операций, совершаемых с ее помощью на ММВБ, возросло с 20% до 43% от общего числа сделок [1]. К сегодняшнему же дню, что ожидаемо, темп прироста замедлился, но процент операций остался на очень высоком уровне. Россия, конечно, не является идеальным примером в силу слабого развития рынка капитал по сравнению с ведущими мировыми экономиками. Рост алгоритмической торговли приходится лишь на последние годы в силу молодости российского фондового рынка. Что же касается других государств с более развитой экономикой, то общая тенденция роста данного вида трейдинга прослеживалась них в начале века. В США и ЕС к 2006 году на долю торговли с использование роботов приходилось около 1/3 всего числа операций, а к концу десятилетия этот показатель достигал отметок более 50 процентов [11]. Хорошим примером может служить ситуация на одной из самых крупных биржевых площадок мира Deutsche Börse. В 2004 году доля высокочастотной торговли была на уровне не выше 20%, к 2006 30-35%, а уже в 2008 около 45% [11]. Однако после этого данный показатель немного сократился. Аналогичная ситуация наблюдается и с другими ведущими финансовыми институтами в сфере трейдинга. Соответственно, есть основания считать, что текущий тренд и далее будет сохраняться. Прослеживается постепенное вытеснение традиционного трейдинга алгоритмической и высокочастотной торговлей.
Для более детального анализа рассмотрим предпосылки и факторы, которые влияют на выявленную тенденцию в использовании алгоритмической торговли. Во-первых, это скорость осуществляемых действий. Программа способно одновременно отслеживать огромное количество котировок, за считанные секунды принимать решения и производить транзакции, что расширяет спектр и число возможных операций. Это значительно расширяет спектр возможностей инвестора по сравнению с классическими методами. Во-вторых, справедливо говорить об отсутствие эмоций, присущих любому человеку, что выливается в хладнокровность решений и приверженность стратегии. В-третьих, машина всегда придерживается четких предписаний, не может в силу усталости или растерянности перестать участвовать в осуществлении сделок. Все это наряду с точностью машин позволяет говорить о существенных преимуществах алгоритмической торговли по сравнению с традиционными способами трейдинга, что коренным образом влияет на размер прибыли, доходность инвестора. Конечно, в некоторых специфических ситуациях такие аспекты роботов могут и навредить. Например, сбои в работе торговых роботов способны стать причиной обвалов рынка, что случалось на мировой практике. В 2006 году из-за подобных ошибок произошел кратковременное, внутридневное и ощутимое падение ведущих фондовых индексов США [5]. Но все же преимущества их использования гораздо более ощутимы. Развитие программирования и расширение вычислительных мощностей еще больше потворствуют прогрессу в данной области. Число трансакций с применением алгоритмической торговли настолько высоко, что порой не хватает вычислительных мощностей, что также толкает прогресс вперед, позволяя писать более совершенные коды и извлекать еще большую выгоду.
Далее рассмотрим показатели прибыльности, которые позволяет получить использование алгоритмической высокочастотной торговли. Для этого выявим тенденции изменения доходности данного метода в исторической перспективе, а также сравним с традиционным трейдингом. Рост прибыльности с течением времени довольно очевиден, поскольку роботы становились все более совершенными и подстраивались под реалии развивающегося фондового рынка. Можно выделить несколько этапов развития данного вида торговли [9]. Первые роботы появились в США в 1960-70 гг. и работали на основе долгосрочных трендследящих стратегий. Ввиду небольшой распространенности, малой развитости техники доля общей доходности по рынку была мала, но крупным компаниям удавалось извлекать неплохой доход, но с существенным риском. В 1970-80 годах возникли машины 2-ого поколения, которые прослужили вплоть до начала нового столетия. Переход к ним связан, прежде всего, с началом распространения фьючерсов. Торговые роботы того времени использовали более совершенные стратегии мониторинга рынка. Доля в общей прибыли по-прежнему оставалась невысокой. Колоссальное развитие технологий в начале 20-ого столетия позволило изобрести и использовать еще более мощны механизмы, которые в зависимости от конечной цели и ситуации выбирают наиболее подходящую программу-исполнитель. Как раз с появлением алгоритмических роботов 3-его поколения, данный вид торговли начал стремительное развитие в связи с указанными ранее факторами. Особое место заняло развитие и распространение высокочастотной торговли. Каждая отдельная сделка в таком методе не позволяет получить какого-либо ощутимого прироста денежных средств, но за счет огромного количества транзакций и широко распространения роботов, в целом по рынку доходность от алгоритмической торговли достигает колоссальных масштабов и показывает на протяжении первых пятнадцати лет нового века весьма ощутимый рост прибыльности. Так, например, под управлением фондов CTA, которые на американском фондовом рынке являются ведущими игроками в области предоставления услуг рассматриваемого вида торговли, в 2000 году находилось 37 миллиардов долларов. К 2010 году этот показатель практически в 9 раз и составил 314,7 миллиардов [9]. Из всего вышесказанного можно сделать вывод, что общий тренд-это ощутимый рост доходности, особенно в первое десятилетие двадцать первого века. Причем данный скачек связан как с экстенсивными факторами развития, то есть расширением использования роботов в торговле, так и с интенсивными, то есть с модернизацией используемых технологий.
Проанализируем прибыльность рассматриваемого нами способа транзакций в сравнение с традиционной моделью. Выводы здесь вполне соответствуют общей логике. Многочисленные статистические исследование показали, что в течение последних лет, доходность роботов начала существенно превосходить аналогичный показатель у классических инвесторов. Причем в начале 2000-х годов программы значительно уступали обыкновенным людям, но далее торговые роботы продемонстрировали ощутимый рывок. Примером может служить конкурс “Лучший частный инвестор”, проводимый Московской Биржей. Прибыльность торговых роботов вплоть до 2009 года в нем не могла составить сколь-либо ощутимую конкуренцию для традиционных участников [7]. Так, в 2008 году в сильнейшую двадцатку вошли лишь три торговых робота с 8,10 и 18 результатом [3]. Однако в упомянутый выше 2009 год, машины на основе фондовых алгоритмов уже в равной пропорции входили в первую десятку победителей, а на основе данных соревнований 2013 года, можно сделать вывод, что программы окончательно обошли классических игроков по показателям доходности и вытеснили их с высоких позиций. Есть основания полагать, что подобная ситуация прослеживается и на ведущих мировых фондовых площадках.
Исходя из уже проделанного анализа, можно попытаться предугадать тенденции развития алгоритмической торговли, а соответственно и ее прибыльности в будущем. Нет оснований полагать, что данную сферу ожидает такой же колоссальный рост, как это было в начале двадцать первого века, поскольку чаша весов между классическими инвесторами и роботами и так уже значительно склонилась в сторону последних. Кроме того, различные возрастающие риски использования алгоритмической торговли также будут препятствовать ее ускоренному проникновению на фондовый рынок. В соответствии с этим, тенденции прибыльности вряд ли претерпят существенные изменения, особенно в странах с уже устойчивым и сложившимся фондовым рынком. Скорее всего, будут наблюдаться колебания данного показателя на стабильно высоком уровне с незначительным положительным трендом, связанным с развитием способов программирования и аппаратного обеспечения. Но гонка технологий, погоня за оптимизацией времени обработки сигнала ведет к существенным издержкам. Так, например, в 2005 году расходы на оборудование подобного рода составили около 26 миллиардов долларов в целом по финансовой индустрии [2]. Сейчас эти показатели выросли в разы.
В заключение отметим, что тенденции прибыльности алгоритмической торговли на мировых фондовых рынках в целом росли ускоряющимися темпами с момента их появления и в течение примерно первых десяти лет двадцать первого века. Далее, тренд сменился на постепенное планомерное развитие с существенным замедлением, и такая ситуация имеет перспективу сохраниться и в дальнейшем. К текущему моменту показатели прибыльности алгоритмической торговли достигли значительных результатов и часто превышают результаты классических инвесторов.
Список литературы:
1. Алгоритмическая торговля на финансовых рынках [Электронный ресурс] // Инвестиционная компания “Газинвест”. – Режим доступа: http://gasinv.ru/algoritmicheskaya-torgovlya-na-finansovykh-rynkakh (дата обращения: 07.01.2019)
2. Алгоритмическая торговл. [Электронный ресурс]. – Режим доступа: http://www.achupryna.com/алгоритмическая-торговля-алгоритмический-трейдинг-торговый-алгоритм/ (дата обращения: 07.01.2019)
3. В двадцатку лучших инвесторов на РТС попали три робота [Электронный ресурс] // Lenta.ru – 2008. – Режим доступа: http://lenta.ru/news/2008/10/13/robot1/ (дата обращения: 07.01.2019)
4. Вторая российская конференция по алгоритмической торговле. [Электронный ресурс]: http://www.itinvest.ru/conference-algorithmic-trading/report (дата обращения: 07.01.2019)
5. Досенко Е.М. Тенденции развития и регулирование алгоритмической торговли // Евразийский международный научно-аналитический журнал “Проблемы современной экономики”. – № 3 (51). – 2014.
6. Жиба Л.А. Высокочастотная торговля: особенности и перспективы // Скиф. Вопросы студенческой науки. – 2019
7. Конкурс “Лучший частный инвестор” [Электронный ресурс] // Московская Биржа – Режим доступа: http://investor.moex.com/ (дата обращения: 07.01.2019)
8. Третья всероссийская конференция по алгоритмической торговле: с места событий [Электронный ресурс]. – 2016. – Режим доступа: https://smart-lab.ru/blog/313234.php (дата обращения: 07.01.2019)
9. Шляпочник Я. Как развивалась алгоритмическая торговля // РБК, ежедневная деловая газета. – 2012
10. Шляпочник Я. О поисках Грааля в алгоритмической торговле [Электронный ресурс] // Сноб.ру. – 2019. – Режим доступа: https://snob.ru/profile/28581/blog/162945/ (дата обращения: 07.01.2019)
11. Lauricella T. How a Trading Algorithm Went Awry [Электронный ресурс] // The Wall Street Journal. – 2010. – Режим доступа: http://www.wsj.com/articles/SB10001424052748704029304575526390131916792 (дата обращения: 07.01.2019)
12. London Traders Conference 2018. [Электронный ресурс] // Запись трансляции. – 2018. – Режим доступа: https://smart-lab.ru/tag/%D0%BA%D0%BE%D0%BD%D1%84%D0%B5%D1%80%D0%B5%D0%BD%D1%86%D0%B8%D0%B8%20%D0%BF%D0%BE%20%D0%B0%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B9%20%D1%82%D0%BE%D1%80%D0%B3%D0%BE%D0%B2%D0%BB%D0%B5/ (дата обращения: 07.01.2019)
13. The Flash Crash: High-Frequency Trading in an Electronic Market [Электронный ресурс] // SSRN — Режим доступа: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1686004 (дата обращения: 07.01.2019)
