Algoritmiske handelssystemer: En mangesidig visning av adopsjon Transkripsjon 1 th Hawaii Internasjonal konferanse om systemvitenskap Algoritmiske handelssystemer: En mangesidig visning av adopsjon David Bell Institutt for Informasjonssystemer Amp Computing, Brunel University, London, Storbritannia. Abstrakt algoritmisk handel har vært kjent for et økende volatilitetsnivå i en rekke finansmarkeder. Vedtak og distribusjon av algoritmiske handelssystemer har økt, og dette vil trolig fortsette, da regulering, konkurranse og innovasjon driver utviklingen av avanserte teknologiske verktøy. Ekspert - og intelligente systemer gir mekanikken til både å reagere på og påvirke et finansmarked som nå er betydelig raskere og opererer over flere tidssoner og markeder. Overraskende nok har mye av denne innovasjonen rømt diskusjon innen Informasjonssystemer forskningsmiljøet. Dette papiret utforsker denne voksende arenaen ved å engasjere seg med seniorer i bransjen og bruke intervjuer og jordet teori (GT) analyse for å avdekke deres adopsjonsproblemer. Papiret generaliserer disse problemene innenfor et rammeverk og retningslinjer for å støtte algoritmisk trading system adopsjon, distribusjon og utvikling. 1. Innledning Fysiske handelsgulv begynner å følge Freund 12-spådommene med mindre tillit til menneskelige handelsfolk. Det økende volumet av data som flyter gjennom finansmarkeder er en årsak. Teknologi har også spilt en rolle, og utjevner feltet i verdipapirhandelen (en trend som sannsynligvis vil fortsette til tross for dagens globale økonomiske nedgang). Elektronisk handel har vesentlig endret verdipapirhandelen og tilhørende finansmarkeds teknologiarkitektur, noe som resulterer i uklarhet mellom grenseverdier mellom handelsfirmaer og bidrar til å akselerere konkurranse og effektivitet innen finansmarkedene 2,4,23,28. I kombinasjon med ny regulering, for eksempel Regulatory National Market System (RegNMS) og direktivet om markeder for finansielle instrumenter (MIFID), er det nødvendig med et større krav til gjennomsiktighet og gjennomføringshastighet på markedsdeltakere. Teknologiske innovasjoner som støtter disse utviklende forretningstrender, er på Laide Gana, Institutt for Informasjonssystemer Amp Computing, Brunel University, London, Storbritannia. øke. Balarkas 3 og Domowitz amp Yegerman 12 identifiserer at noen av de mer synlige effektene av endringene i finansmarkedene, fragmenteringen av eksisterende markeder og opprettelsen av nye likviditetspuljer, som igjen har økt hastigheten til teknologisk drevne innovasjoner. Markedstrykket, delvis drevet av behovet for økt gjennomsiktighet og gjennomføringshastighet, har resultert i strammere profittmarginer. Dette er ytterligere forverret ettersom teknologiske transformasjoner omforme verdens finansmarkeder 11. Videre, ettersom globale avkastninger innen finansmarkedene viser tegn på svekkelse og markedsaktørene justerer sine vekstprognoser i lys av den nylige kredittkrisen, ser lederne i økende grad mot deres teknologiske eiendeler som en sentral måte å generere forretningsmessig verdi på. En innovasjon som gradvis har fått fremgang innen den elektroniske handelsarenaen, er algoritmisk handel. Algoritmisk handel er definert som et system for å gjennomføre automatisert handel ved hjelp av dataprogrammer som opererer innenfor definerte regler som reagerer i markedsdata og nyheter for å kunne utføre og utføre handler på tvers av flere stadier som tradisjonelle elektroniske børser, multilateral handel Fasiliteter (MTF) og elektroniske kommunikasjonsnettverk (ECN) 15,18. På et generisk nivå kan algoritmisk handel enten være handelsstrategien eller programmerte regler som styrer kjøp og salg av handelsvirksomheten. Alternativt kan tilnærmingen lede bestemte kontor i et handelsfirma for å utføre sine bestillinger i et marked for å redusere markedsvirkningen og øke handelsytelsen gjennom bruk av automatiserte handelsverktøy. Algoritmisk handel har blitt omtalt som handel med svart boks, datahandel, programhandel, kurvhandel og forbedret gjennomføring 18. Det har blitt omtalt å kunne gi betydelige fordeler som økt effektivitet, åpenhet og kapasitet og viktigst kostnadsreduksjon til handelens utførelsesprosess 20. Disse fordelene realisert ved å øke hastigheten der transaksjoner kan utføres i handelsrommene, og krever intelligente 12 IEEE DOI HICSS 2-datamaskinsystemer i stedet for mennesker til å oppdage og utnytte markedsobalanser som eksisterer for svært korte tidsrammer. Selv om algoritmisk handelstiltak øker, fremhever utøvere at kjernekravene for å implementere vellykkede algoritmiske handelssystemer er: en fullstendig integrert lav latency-infrastruktur, datasrensing, integrering av risikostyring og ytelsesmåling, en utviklings - og vedlikeholdsplattform som er event - basert og evnen til å ha handelsutførelsesmotoren som en integrert del av denne infrastrukturen. Hod 20 hevder at ytelse og risikostyring ikke skal ofres i algoritmisk systemutvikling. Bates et al. 6 fremhever at et av områdene som det algoritmiske handelssamfunnet må fokusere på, er i bruk av algoritmiske handelssystemer for å oppfylle regelverk og krav til overholdelse. For å oppnå dette må algoritmiske handelssystemer ikke bare være i stand til å oppnå best mulig utførelse, men må også sørge for at risikostyring og compliance regler er bygget inn. Basert på en global undersøkelse av finansmarkedsoperatører ble risikostyring og forbedret ytelse identifisert som nøkkeldrivere for vedtak av teknologibaserte innovasjoner 11. Fokusering på risikostyring og ytelse, Dence et al. 11 og Hod 20 identifiserer at kapitalmarkedsoperatørene må fokusere på risikovurdering og - administrasjon ved vedtaket av teknologiske innovasjoner for å utlede næringsverdi og nødvendig opptak av algoritmiske handelsverktøy. Dette papiret tar en utforskende titt på algoritmisk handel fra det perspektivet til teknologipersonell som distribuerer og styrer slik infrastruktur. Papiret starter med bakgrunnsdekning av elektronisk og algoritmisk handel før det beskrives intervjuene og de grunnleggende teoriforskningsmetodene som benyttes. En rekke intervjuer (med senior økonomi) blir systematisk analysert ved hjelp av jordet teori teknikker og det er foreslått teorier som adresserer vedtaket og tilhørende implementering av slike systemer. 2. Elektronisk handel Bakgrunn Historien var handel basert på handelsfolk som møtte sentralt sted, vanligvis kalt en børs for å drive forretninger. Prosessene som er involvert i handel spenner over ulike deler av den finansielle organisasjonen og ikke typisk automatisert og integrert (se figur 1 for et sammendrag av disse prosessene). For å transaksere måtte en forhandler flytte fra gropen til grop for å oppnå den beste prisen og handel var vanligvis begrenset til regionen der børsen var basert. I fremtiden har fremskrittende innovasjoner innen databehandling og kommunikasjonsteknologi muliggjort en fenomenal vekst i global elektronisk orderruting, formidling av tilbud og handelsinformasjon, nye handelsmetoder og nye typer handelssystemer 7,14,21,22. Vedtaket av nyere teknologi og kontinuerlig innovasjon de siste tre tiårene har resultert i disintermediation av bestemte segmenter av kapitalmarkedene og fødsel av nye typer markedsdeltakere. Eksempler er systemiske internalisatorer, ECNer og MTFer som nå konkurrerer direkte med tradisjonelle børser for bestillingsflyt. De bruker ofte ulike handelsmekanismer for å matche kjøp og salg av ordre med mer differensiering når det gjelder eksekveringspris og hastighet. Figur 1. Handel Livscyklus Prosesser Mange hevder at elektronisk handel har positivt påvirket markedsstruktur og effektivitet ved å forbedre sentralisert markedsadgang og åpenhet, det har også økt operasjonelle og informasjonseffektivitetene i finansmarkedene 4,17,23. Automatisering i finansmarkedene har gitt muligheter hvor børsene kan utvikle seg fra ideell til profittorganisasjoner. I tillegg kan ny finansiell utvikling utvikles til lavere kostnader 17. Empirisk testing av en rekke børser har vist kostnadsreduksjon, økt effektivitet, økt likviditet 8, 23. Markedsmikrostruktur er også opptatt av verdiutveksling innenfor finansmarkeder og en studier av markedsmikrostruktur bidrar til å kaste lys over arbeidsprosesser i et marked, nemlig hvordan disse prosessene påvirker transaksjonskostnader, priser, volum og handelsadferd 35. BIS 4 fremhevet at elektronisk handel typisk påvirker markedsstruktur 3091 3 og tilhørende arkitektur gjennom sentralisering - vitne på valutamarkedet. Hendershott 21 hevder at elektroniske handelssystemer påvirker markedsstrukturen gjennom settet av regler som regulerer sine handelsutførelsesmekanismer og mengden pris - og sitatdata som den utgiver. Handa et al. 19 nevner at når man vurderer verdien av et handelssystem, må det tas hensyn til informasjonssammenleggingsprosedyrene som inkluderer ordreinnpassing og handelstiltak. Uansett markedsstrukturen på plass, må moderne elektroniske børser tilby kundene en unik kombinasjon av hastighet, kvalitet, pris og sikkerhet for utførelse for å forbli konkurransedyktige. Gramza 17 forklarer at elektronisk handel også gir andre fordeler som redusert søk, transaksjon og produksjonskostnader, større intern og markedseffektivitet, bedre prisoppdagelse og prisgennemsiktighet. Ekstra fordeler er hastigheten på gjennomføringsforbedringer, kapasitet, effektivitet, produktivitet, kostnad, forbedrede sikkerhets - og revisjonsspor, åpenhet, brukervennlighet og det generelle potensialet for å demokratisere investeringsprosessen og tilveiebringe et 24 timers marked for enkelte aktivaklasser, f. eks. valutakurs 24 Neste generasjon av handelssystemer Forskning i biologiske og naturvitenskapelige fag har også påvirket løsninger på de komplekse problemene på finansmarkedene 9,27,31,35. Disse systemene, typisk av evolusjonær natur, har vært populære for å løse problemer med optimalisering og effektivitet innen finansmarkedene. Lunga amp Marwala 29 refererer til markedet for finansiell handel som et komplekst, evolusjonært og ikke-lineært dynamisk system, ofte preget av dataintensitet, støy, ikke-stasjonær, ustrukturert, høy grad av usikkerhet og skjulte relasjoner og korrelasjoner - som alle påvirker faktorer på oppførselen til finansmarkedene. Turban et al. 40 observert at avanserte intelligente databehandlingsmetoder kan kombineres for å gi løsninger som krever hastighet, feiltoleranse og tilpasningsevne. Srikanth 37 beskriver et intelligent handelssystem som et selvjusterende adaptivt system som er parametrisk, i stand til å operere ved flere risikotoleranser og datafrekvenser og i stand til å utføre multikriteria optimalisering på tvers av flere aktivaklasser og i tråd med endrede markedsforhold. Ved å bruke genetiske algoritmer og metoder for å utvikle algoritmiske programmer for å handle komponentbeholdene 30, genereres overlegen avkastning i forhold til en passiv investeringsstrategi. Lunga amp Marwala 29 utnytte en forbedret inkremental algoritme som fungerer ved å utvinne ny informasjon fra et ekstra datasett som senere blir tilgjengelig uten å miste forkunnskap og gir bevis for forbedret læring, bedre prognoser og handelsresultater. Algoritmisk Trading Systems Adoption Som handel blir mer elektronisk, oppførsel av gulvhandler eller menneskehandler på telefonen blir lettere og billigere å replikere i et dataprogram og derved oppnå økt effektivitet i den samlede handelsprosessen 32. I den forbindelse øker markedsdeltakere i økende grad investeringsstrategiene, enten lange eller korte I algoritmer som hjelper til med å fastslå tidspunktet, pris og antall ordrer som dynamisk overvåker markedsforholdene på tvers av verdipapirer og handelssteder, reduseres markedsvirkningen ved å optimal (og noen ganger tilfeldig) bryte store ordrer i mindre stykker og nøye spore benchmarks som volum - vektet gjennomsnittlig pris (VWAP) over gjennomføringsintervallet 22. McMahon Amp Nunlist 32 hevder at kravet om fart i dagens elektroniske markeder faller på programvare-, maskinvare - og nettverksinfrastrukturen som forbinder handelsmenn til børsene med handelsutførelseshastighet nå målt i sub-millisekunder rekkevidde. Algoritmisk trading adopsjon har økt ettersom likviditetsøkninger oppstår - særlig aksjemarkedene og valutamarkedene 22. Kaenel amp Brennan 25 har funnet ut at en tredjedel av handelsvolumet nå benytter algoritmiske handelsverktøy for ordre - og handelsprosesser. Hendershott et al. 22 empirisk testet årsakssammenhenget mellom algoritmisk handel og likviditet ved hjelp av en normalisert måling av NYSE elektronisk meldingstrafikk som en proxy for algoritmisk handel og oppdaget at algoritmisk handel resulterte i mindre handelsstørrelser og fremmet fragmentering av ordrestørrelser med sikte på å redusere markedsvirkningen. Selv om det er et hemmelighetsnivå blant algoritmiske forhandlere og algoritmeutbydere når det gjelder hva slags informasjonalgoritmer observerer, antas det at algoritmer overvåker felles faktorprisinformasjon i en aksje og over hele porteføljen, samt overvåking av tilstedeværelsen av andre algoritmer i et bud for å bestemme rekkefølgen og informasjonsmønstre som genereres av slike algoritmer. Algoritmer er nå blitt brukt til å overvåke informasjon fra nyhetsstrømmer og reagere øyeblikkelig ved å justere handelsmønstre - regulatorer går også inn i debatten ved hjelp av algoritmer for å overvåke handelsmønstre og handelsdata som en del av deres tilsynsrolle 39. Rostoker et al. 33 nåværende kjernekomponenter i det algoritmiske handelssystemet de underliggende algoritmer og matematiske modeller som er i stand til å behandle og 3092 4 analyserer tusenvis av høyfrekvente, flerdimensjonale og heterogene tidsseriedata i sanntid. Ved å bruke en algoritmisk handelsstrategi som kombinerer signaler fra flere algoritmiske strategier, Silaghi et al. 36 observert høyere ytelse. Srikanth 37 foreslår også et integrert, intelligent handelssystemramme som har læring, tilpasning, fleksibilitet, forklaring og funn ved hjelp av evolusjonære programmeringsmodeller for å løse optimeringsproblemer. Barbosa et al. 5 beskriver en infrastruktur for å implementere algoritmiske handelsagenter for valutahandel ved å bruke en kombinasjon av saksbasert resonnement og reglerbaserte ekspertsystemer. Gjennom utforming og implementering av et sanntidskorrelasjons - og analysesystem, Rostoker et al. 33 undersøkte optimaliseringen av sanntids aksjemarkedet dataanalyse for å hjelpe algoritmisk handel og kunnskapsoppdagelse i high-throughput elektronisk utveksling med nøkkelfunnet som støtter synspunktet om at aksjemarkedet når det ses som et komplekst system kan modelleres som et nettverk hvor aksjer fungere som noder og forhold mellom aksjene kan betraktes som koblinger mellom noder. Arbeidet viste at algoritmisk handel kunne gi korrelasjonsanalyse og klientbasert klustringsanalyse mellom aksjer i markedet i sanntid. Global elektronisk tilkobling og ekstraordinære fremskritt i datalagring og beregningskraft har gjort det mulig å skape enestående informasjonsflyt og støtte de betydelige nivåene av behandlingsmuligheter som er vitne i finansmarkedene i dag (Lienbenberg 2002). Konkurranse, innovasjon og arbeidet med å redusere kostnadene er overbevisende faktorer som presser finansmarkedene til å vedta elektronisk og algoritmisk handel 7,24,41. Selv om en rekke studier har sett på vedtaket av algoritmisk handel fra et handelsperspektiv, har få vurdert de teknologiske implementeringsproblemene. 3. Forskningsmetode En tolkningsmetode benyttes for å avdekke innsikt i informasjonssystemene og tilhørende prosesser i spill 26. En rekke intervjudeltakere blir valgt hver og gir et bestemt perspektiv på algoritmisk handel. To generelle spørsmål brukes til å åpne intervjuene og sette scenen, nemlig hvorfor er handelsfirmaer vedta algoritmisk handel Og hva er implikasjonene av algoritmisk handelsvedtak på markedsstruktur og IS-arkitektur Ytterligere spørsmål er utformet for å utforske områder uthevet i litteraturen og hjelp i undersøkelsen og identifiseringen av generelle mønstre av handlinger og atferd blant utøvere når man vedtar eller vurderer algoritmisk handel. Litteraturen fremhever en rekke problemer: handelsmiljøet (fra aktivaklasser til ytelse), teknologien (strategi, systemer og innovasjon) og kostnaden (fra personal til bedrift optimalisering). Sporområder er presentert i tabell 1 og brukes til å generere en åpen diskusjon rundt problemene ovenfor. Det er planlagt at følge på spørsmål vil bli brukt til å forlenge debatten avhengig av de intervjuede s tidligere svar. Oppfølgingsintervju Spørsmål Hvordan har adopsjon av algoritmisk handel påvirket risikostyringsprosesser og - systemer. Fortsetter utøvere å bruke disse systemene i turbulente perioder. Er utøvere selvsikker i disse systemene i tider med markedsturbulens Hvilke kriterier bruker utøverne til å evaluere ytelsen til Algoritmiske handelssystemer Er firmaer å utvikle sine egne algoritmiske handelssystemer internt eller kjøpe eksternt Hvorfor er utøvere som gjør det spesielle kjøpet versus byggevalg Hvilke aspekter av algoritmiske handelssystemer anser kundene mest viktige Er algoritmisk handel egnet for flere aktivaklasser og er utøvere utnytte disse systemene for porteføljehandel Hvilke aktivaklasser er algoritmisk handel som passer best for Tabell 1: Intervju Spørsmål For å adressere de identifiserte undersøkelsesområdene og operasjonalisere forskningsmålene, samles primærdata i løpet av en times dybdeintervjuer gjennomført med praktiske ionere som er valgt ut fra deres erfaring i verdipapirhandel og utvikling av elektroniske systemer. Den forhåndsdeberedte listen over åpne avsluttede spørsmål ble sendt til hver deltaker på forhånd for å bidra til å gi litt struktur og fokus til intervju-sesjonene. Men som intervjuene utviklet seg, oppsto flere områder som viktige og krevde videre diskusjon. En ytterligere fordel ved den semi-strukturerte intervju-tilnærmingen var at den tillot utforskningen av disse ekstraområdene 3093 5 som er viktige for å få forståelse for algoritmisk handelsbruk i bransjen. Intervjuer Deltaker 1 Deltaker 2 Deltaker 3 Rolle Beskrivelse IT-leder, Financial Trading House Chef for IT, Exchange Services Head, Direkte Feed Products Organization Tabell 2. Intervjuer Profil Et stort uavhengig Forex, derivat, aksje - og råvarehandel hus som opererer globalt. En ledende pan-europeisk egenkapital multilateral trading facility (MTF) Et globalt marked data og programvare leverandør som selger til global finansiell industri Grounded teori brukes som en data analyse teknikk i denne undersøkelsen. Å bygge tidlig teori gjennomføres ved å bryte gjennom forstyrrelser og forutsetninger ved en kodingsprosess drevet av intervjuer 38. Analysen utføres er basert på arbeidet i Allan 1 som identifiserer fem kodingsprosesser: (1) Mikroanalysekoding, (b) Nøkkel punktkoding, (c) Konseptualisering, (d) Kategorisering, og (e) Nye teorier. Mikroanalysekoding er gjort ord for ord og lineby-line av intervjuutskrifter som var tidkrevende og kunne forvirre ved koding 1. Formålet med koding er å identifisere, utvikle og forholde seg til konseptene som er byggeblokkene teori. Før du starter kodingsprosessen, blir de elektroniske intervjuoppføringene først transkribert til intervjuutskrifter. Koding 10,16,34,38 brukes som en systematisk metode i transformasjon av data til teori innen jordet teorianalyse. Semistrukturerte intervjuer ble gjennomført med tre deltakere som hver representerer ulike områder i finansmarkedet, se tabell 2 for deltakerprofilen. Deltakerne (hvert senior medlem av deres respektive organisasjoner med både strategisk og operasjonelt omfang) velges som de representerer sentrale interessentgrupper innenfor finansmarkedene og har førstehånds kunnskap og erfaring med elektroniske og algoritmiske handelssystemer. Intervjuet transkripsjonene blir lagt gjennom kodingsprosessene som innebar identifikasjon, sammenbrudd og sammenligning av koder som er felles i dataene til klart definerte mønstre blir dannet i begreper og deretter kategorier som gir innsikt i forståelse av forskningsspørsmålene. De tre intervjuene ble registrert og transkribert, kodingen og dataanalysen ble støttet ved bruk av et velkjent datamaskinassistert kvalitativt dataanalyseverktøy (CAQDAS) som kalles MAXQDA og f4-programvare, se figur 2 for skjermdump av verktøybruk. Figur 2: Skjermbilde av datastøttede kvalitative analyseværktøy Med samtaledataene transkribert og analysverktøyet valgt, startet kodingsprosessen. 4. Grounded Theory Analysis 4.1. Koding Analyse av intervju-data etter transkripsjon ble gjort ved bruk av nøkkelpunktkodingsmetode 1. Denne tilnærmingen var foretrukket for mikroanalysemetoden for Strauss og Corbin 38, idet nøkkelpunktkodingsmetoden ble funnet å være mer effektiv for å identifisere nøkkelproblemer gitt volumet av transkriberte intervju data. Intervjudataene ble gjentatt analysert med flere passeringer for å identifisere og validere nøkkelpunkter. De organiserte transkripsjonene analyseres line-by-line og spørsmålet etter spørsmålet. Nøkkelpunktskodingen gjøres intervjuet-for-intervju. Figur 3 viser eksempler på noen av nøkkelpunkter og koder identifisert fra transkripsjonene. Nøkkelpunkter og kode refereres ved hjelp av et InQnLn-mønster der jeg indikerer intervjuer, Q indikerer bestemt spørsmål, L indikerer Linje i transkripsjonen og n indikerer antall forekomster. Dette gir mulighet til å spore tilbake til de aktuelle setningene gjennom transkripsjonene. 1 Intervjukoding En oppsummering av de identifiserte kodene presenteres i grafisk form. Nøkkelpunktkodingsprosessen for det første intervjuet resulterte i en liste over nøkkelpunkter og kode (se tabell 3 eksempler). 3094 6 Tag Key Point Code I1Q8L6n1 Latencyreduksjon er ikke den viktigste utfordringen eller problemet i algoritmisk trading systemutvikling eller vedtak I1Q8L23n1 I1Q10L4n2 En viktig bekymring er hvordan man skal håndtere de stadig økende volumene som vil vokse ettersom vi utruller teknologien til sluttbrukets ende marked Ved adopsjon av algoritmisk handel vil profilen til personer på handelsgulvet også endre tabell 3. Kodeeksempeleksempel Latency er ikke et problem for alle Datahåndtering er en nøkkelutfordring Endring i ferdighetssett Økning i kvantkunnskapsanalyse av intervju 1 resulterte i følgende koder (figur 3). Figur 3. Resulterende koder (Deltaker 1) Figur 3 til 5 presenterer kodene som er avledet fra hvert av intervju-sesjonene, en identifikator er festet til hver kode og kodene analyseres deretter videre og kombineres. Figur 4. Resultatkoder (Deltaker 2) Figur 5. Resultatkoder (Deltaker 3) 4.3. Emergent Concepts and Categories Konseptualisering og kategorisering innebærer sammenslåing av felles koder og påfølgende gruppering under kategorier. I utgangspunktet grupperer man i relaterte temaer av nøkkelordkoder, og resulterer i et enkelt konsept. Identifiserte koder fra de tre intervjuene ble gruppert sammen og kombinert basert på felles temaer for å komme fram til de kjernebegrepene som forskeren identifiserer som gjenværende temaer i dataene. Denne konstante sammenligningsteknikken ble benyttet når man sammenlignet konseptene fra hver casestudie med hverandre for å fullstendig forfine de gjenværende temaene fra dataene. Konseptene opprettes manuelt som tre noder gruppert og hierarkisk strukturert (Hoover amp Koerber, 2009). Kodene som har tilhørende tema, flyttes inn i konsepter som indikerer at de ble nevnt mer i intervjuet. Konsepter som har beslektede temaer er gruppert i en kategori. Til slutt kommer kategorier frem i deltakerutskriftsanalyse for eksempel Egnethet i bruk av IT og ferdigheter og bemanning. Konseptene som faller under lignende temaer ble deretter kategorisert sammen og en gjentakelse av intervjudataene utført. Denne iterative prosessen resulterte i identifisering av ekstra koder og konsepter og ble videreført til forskeren var fornøyd med at kodegenerering fra intervjudataene var fullstendig mettet. Konseptene ble ytterligere gjennomgått og deretter sammenlignet med hverandre for vanlige temaer, og følgende kategorier utviklet seg senere fra dataene, se tabell 4. KONSERTER OG LOKALISERING AV CODESgt Økende adopsjon i næringen ltKP1 KP2KP24gt Konkurransedyktig nødvendighet for alle bedrifter ltKP1KP2KP24KP43KP45gt Markedsavtale og bruk ltKP2KP3KP17KP18gt Løpende stasjon for innovative løsninger drivere ltKP7KP14KP17KP21KP22KP23KP24gt Industri ltKP14KP15KP20KP21KP39gt nedbemannings ltKP5KP6KP10KP11KP16gt endringer i skillset ansatte ltKP3KP5KP6gt Utdeling av porteføljerisiko og ytelse verktøy og metriske ltKP6KP9KP15KP24KP25KP28KP29KP30KP31KP34KP35gt Forbedret rammeverk for risikostyring ltKP35 KP49gt Utdeling av data management og analyseverktøy ltKP9KP12KP13KP37gt tilgang til historiske data ltKP37 KP48 KP50gt Robuste handels - og investeringsstrategier ltKP12KP13KP14KP19KP22KP30KP31KP32KP33KP34KP36gt Krav til komplekse hendelsesbehandlingsfunksjoner ltKP25KP27 gt Integrat ion av data og informasjon på tvers av flere områder ltKP11KP14gt Latency er ikke et problem for alle ltKP8KP39gt Muligheten til å automatisere og likviditetsaggregasjon er nøkkel ltKP12KP32gt Samarbeidsmetode på tvers av høyt kvalifiserte lag og disipliner ltKP10, KP11, KP14gt Rask applikasjonsutviklingsramme ltKP45 KP48gt KATEGORIER Stabilitet i bruk av Innovasjonsteknologi Markedsstrukturendringer Ferdigheter og bemanning Risikostyringsforbedringer Datahåndtering Utfordringer AlgoritmerStrategiutvikling Kunnskapsføringsmål Prestasjonsmål Prestasjonsstandarder Algoritmisk trading systemutvikling livssyklus Tabell 4: Emergent konsepter og kategorier Alle intervjuere var opptatt av risiko, både internt i organisasjoner og eksternt marked 3095 7 risiko, noe som resulterer i tilhørende koder og kategori Risikostyringsforbedringer. Eksempelkommentarer inkluderer: Risikostyringssystemer og prosesser går fortsatt tapt ettersom dagens systemer ikke kan måle eller beregne risiko i sanntid (Deltaker 1) Risikostyringssystemer må utvikles for å imøtekomme korrelasjon mellom komplekse hendelser (Deltaker 2) Teknologipersonellet og eiendelene var sett som drivere av algoritmisk handelsstrategi med algoritmutvikling og tilknyttet syklus identifisert som kategorier: Teknologi har vært mobiliserer av nye og innovative strategier (Deltaker 3) mål, dvs. algoritmiske handelssystemer er de som får de nødvendige investeringene i markedet. Algoritmisk handel har gitt et middel til å replikere handelsdrivende atferd og funksjoner og har også hjulpet utviklingen av handelsstrategier ved hjelp av avanserte kunstige intelligensmodeller. Disse verktøyene representerer nå normen innenfor finansmarkedene med omfattende vedtak av både kjøps - og selgere med potensialet for at denne innovasjonen blir vanlige innen sluttbrukets slutt utenfor utenlandsk valuta. Det ser imidlertid ut til at det eksisterer en rekke risikoer og problemer til tross for de enorme prestasjonsgevinster som den elektroniske handelsutviklingen bringer til markedet. Det ser ut til å være et reelt behov for definisjonen av både regulatoriske og industrielle standarder. Som en følge av en mer sentrert handelsplattform vil handelskravene til personellskifte bli endret (kombinere teknisk og markedskunnskap og ferdighetssett): Ved vedtakelse av algoritmisk handel vil profilen til folket på handelsgulvet endres (Deltaker 1) 5. Vedtak Ramme Økt adopsjon av algoritmisk handel har vært drevet av en kombinasjon av faktorer, sentralt blant disse er regulering, konkurranse, oppdrag fra markedsutøvere for effektivitet i handelsprosessen og tilgjengelighet av kommoditert teknologi som støtter innovasjonen (se figur 6) . Driverne resulterte fra en syntese av litteratur med GT-koding. Til tross for frykten i noen områder at teknologien ville være i stand til å erstatte mennesker på handelsgulvet, har denne undersøkelsen delvis vist at dette ikke er sannsynlig. En viktig endring i ferdighetsspekteret er imidlertid at handelsgulvet sannsynligvis vil bli mer kvantitativt og høyt spesialisert fremover. Intervjuene har tydelig vist at teknologi er en forandring av forandring (og ikke forandringen i seg selv). En vanlig misforståelse, selv blant de i industrien, er at teknologien har vært driveren for forretningsbehov og mål som vi har forsøkt gjennom denne forskningen for å engasjere seg med utøvere og vist at bruken av teknologi faktisk er drevet av forretningsbehov. Denne virkeligheten er ytterligere fremhevet av det faktum at bare teknologier som støtter strategisk virksomhet Figur 6. Litteraturledd Adoption-drivere Når man vurderer vedtaket av algoritmiske handelsløsninger, er det klart fra analysen at en nøkkelhensyn angår. Teknologien i seg selv er kapasitet både i bruk og under utvikling, i tillegg til ytelsen, er en sentral bekymring. Evnen til å distribuere slik teknologi til dynamiske markedsmiljøer og støtte evolusjonen med riktig operativ og strategisk veiledning (stabskapasitet) utgjør en kritisk utfordring, nemlig å kartlegge de teknologiske problemene til folket og miljøet (markedet) der det skal fungere. Dette er vist grafisk i figur 7. Den dypere linjen representerer behovet for å kombinere teknologisk bestemmelse på hensiktsmessig måte med miljømessige og menneskelige begrensninger. En annen kartlegging kreves (stiplede linjer), mellom selskapets evne og infrastrukturen som forbinder markedet. Dette behovet for todimensjonal kartlegging kommer frem av de identifiserte i-kontekstkategorier. Markedsstruktur og kompetanse og bemanning er to kategorier 3096 8 eksempler. Kategorier passer lett inn i segmenter, med underliggende koder som gir avhengighet. 4 Real-time risk exposure tracking between the front and back office (Real-time STP processing) Technology Capability Staff Capability Technology Performance Environment 5 Availability of pre-trade analytics and tools - to enhance predictiveness at a security or portfolio level 6 Ability to measure performance of an algorithmic strategy in real-time over the execution horizon. Figure 7. Algorithmic Trading Adoption Matrix 5.1 Recommendations for action One issue that was repeatedly mentioned is that the development and deployment of algorithmic trading systems often lacks an adequate risk management framework that supports both pre-trade and posttrade analysis. Risk management tools and techniques can be analyzed in all segments of the adoption matrix, including the mapping between the risk management required in a particular environment to the technology capability to undertake a particular approach. With the potential of algorithmic trading tools becoming available to the retail end of the market in other asset classes outside of foreign exchange, this paper proposes a number of recommendations in Table 5 to practitioners and regulators when evaluating decisions on whether to adopt and develop algorithmic trading strategies. If these requirements are incorporated into the algorithmic trading architecture, the authors believes that risk assumptions and mitigation will be further enhanced as the innovation and speed to market moves beyond the confines of Wall St. and the City of London. Again, the implementation recommendations in Table 5 originate from both literature and interview analysis and are also able to help the implementation team understand the functionalities required from a successful algorithmic trading platform. They can also be addressed in a more general sense within the wider adoption matrix in Figure 7. Recommendations The ability to re-aggregate fragmented liquidity 1 through solutions such as Smart Order Routing technology 2 Auto-hedging capabilities must be provided at both individual security and portfolio levels 3 Ability to back-test on historical and real-time data streams 7 Adoption of common standards for measuring and reporting on performance of algorithmic trading systems. Table 5. Implementation recommendations 6. Conclusion Algorithmic trading tools are now a competitive necessity and the research presented in this paper focuses on engaging with senior stakeholders in the marketplace. The paper explores algorithmic trading from a technological perspective in order to understand the issues around adoption and the implications of using such tools on performance and risk management. Analysis of the interview data using grounded theory techniques are presented as concepts and themes that emerge from the data. The application of grounded theory to coding is fully explored in a process of identifying issues facing the industry as well as areas that practitioners should focus on when deploying algorithmic trading systems. The key drivers for algorithmic trading are summarised, along with an adoption matrix and number of implementation recommendations. As mentioned, the research is exploratory and much work is still required if this elusive business domain is to be better understood. 7. References 1. G. Allan, A critique of using grounded theory as a research method. Electronic Journal of Business Research Methods, 2003, Volume 2, Issue 1 pp H. Allen, J. Hawkins and S. Sato, Electronic trading and its implications for financial systems. Bank of International Settlements (BIS), 2008, Papers No R. Balarkas, Algorithmic Trading: From Pilot To Auto-pilot - As Market Structures Change, Only The Largest Brokers Will Be Able To Justify Maintaining The Complex Platforms Needed For The Electronic And Algorithmic Trading Systems That Are Redefining The Relationship. The Banker, ABIINFORM Research, Bank of International Settlements (BIS), The implications of electronic trading in financial markets. Report by a working group established by 3097 9 the Committee on the Global Financial System of the central banks of the G10 countries. 5. R. P. Barbosa and O. Belo, Autonomous forex trading agents, Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2008, Volume 5077 LNAI. 6. J. Bates, Algorithmic Trading. Dr. Dobbs Journal: The World of Software Development, 2007, Volume 32(4), pp. 18(4). ISSNISBN: X 7. S. Boisvert, and C. Gaa, Innovation and Competition in Canadian Equity Markets. Bank of Canada Review, 2001, Volume 2001, pp A. Chaboud and S. Weinberg, Foreign exchange markets in the 1990s: intraday market volatility and the growth of electronic trading. Bank of International Settlements (BIS), 2005, Papers No 12, part S. Chen and N. Navet, Pretests for geneticprogramming evolved trading programs: zerointelligence strategies and lottery trading, Lecture Notes in Computer Science,4234 LNCS, G. Coleman, and R. O Connor, Software Process in Practice: A grounded theory of the Irish Software Industry. Springer, Lecture Notes in Computer Science. 2006, Volume 4257, pp S. Dence, D. Lattimore and J. White, J. The trader is dead, long live the tradera financial markets renaissance. IBM Institute for Business Value, I. Domowitz and H. Yegerman, The Cost of Algorithmic Trading: A first look at comparative performance, Institutional Investor Journal, Spring 2005, Vol. 2005, No. 1: pp W. C. Freund, Trading Stock Around the Clock: The Future Growth of Global Electronic Markets. California Management Review. 1991, Volume 34(1) p M. Fan. J. Stallaert and A. B. Whinston, The Internet and the future of financial markets. Communications of the ACM. 2000, Volume 43 (11), pp G. Giddings, Humans vs Computers: Differences in their ability to absorb and process information for business decision purposes and the implications for the future. Business Information Review. 2008, Volume 25(32) pp R. Goede and C. Villiers, The Applicability of Grounded Theory as Research Methodology in studies on the use of Methodologies in IS Practices. Proceedings of SAICSIT, 2003, pp D. Gramza, Electrification of markets, Futures: News, Analysis amp Strategies for Futures, Options amp Derivatives Traders, 2008, Volume 37(11), pp ISSNISBN: T. GRIFFO, Algo Trading and CTAs - perfect together. Futures, ABIINFORM Research, 2007, Volume 36 (13) pp P. Handa, R. A. Schwartz and A. Tiwari, A tale of two trading venues: electronically delivered orders vs. floor brokered orders on the American stock exchange, HICSS-32: Proceedings of the 32nd Annual Hawaii International Conference on System Sciences, 1999, Volume 7 pp Z. Hod, Algorithms for financial markets, when speed isn t enough. IBM Global Business Services, T. Hendershott, Electronic trading in financial markets, IT Professional, 2003, Volume 5(4), pp T. Hendershott, C. M. Jones and A. J. Menkveld, Does Algorithmic Trading Improve Liquidity, Journal of Finance, 2011, Vol 6(1), Blackwell Publishing Inc. 23. G. Jiang, N. Tang and E. Law, Electronic trading in Hong Kong and its impact on market functioning. Bank of International Settlements (BIS), 2005, Papers No 12, part M. Khalifa and M. Davison, SME adoption of IT: the case of electronic trading systems, IEEE Transactions on Engineering Management, 2006. Volume 53(2), pp ISSNISBN: M. L.V Kaenel and B. Brenman, Algorithmic trading s journey, where performance is the destination, Accesssed: H. K. Klein. and M. D. Myers, A set of principles for conducting and evaluating interpretive field studies in information systems, MIS Quarterly, 1999, Volume 23(1), pp. 67. ISSNISBN: C. S. Lee. and X. Yang, Development and Test of an artificial-immune-abnormal-trading Detection system for financial markets. 2005, LNCS 3644, pp D. Leinweber, If You Had Everything Computationally. Where Would You Put It, Financially. The Journal of Portfolio Management Fall 2005, Vol. 32, No. 1: pp D. Lunga, and T. Marwala, Online forecasting of stock market movement direction using the improved incremental algorithm, Lecture Notes in Computer, 2006, Volume 4234 LNCS III. 30. D. Mallick, V. C. Lee and Yew Soon Ong. An empirical study of Genetic Programming generated trading rules in computerized stock trading service system, International Conference on Service Systems and Service Management, 2008,pp P. Marrow, Nature-inspired computing technology and applications, BT Technology Journal, 2000, Volume 18(4), pp C. Mcmahon, and T. Nunlist, The new arms race and the coming revolution, Futures: News, Analysis amp Strategies for Futures, Options amp Derivatives Traders, 2008, Volume 37(12), pp ISSNISBN: 10 33. C. Rostoker, A. Wagner and H. Hoos, A Parallel Workflow for Real-time Correlation and Clustering of High-Frequency Stock Market Data, IEEE International Parallel and Distributed Processing Symposium, 2007, pp 1(10). 34. S. Sarker, F. Lau and S, Sahay, Using an adapted grounded theory approach for inductive theory building about virtual team development, Data Base for Advances in Information Systems, 2001, Volume 32(1), pp M. V. Sewell and Y. Wei, Ultra high frequency financial data, Conference Proceedings of the 10th Annual Conference on Genetic and Evolutionary Computation (GECCO08), 2008, pp G. C. Silaghi and V. Robu, An agent strategy for automated stock market trading combining price and order book information, ICSC Congress on Computational Intelligence Methods and Applications, Volume V. Srikanth, Intelligent trading systems: a multi-agent hybrid architecture, Conference Proceedings of the IEEEIAFE on Computational Intelligence for Financial Engineering (CIFEr),1999, pp A. L. Strauss and J. Corbin, Basics of Qualitative Research Techniques and Procedures for Developing Grounded Theory. Sage Publications Inc, London, The Economist. Ahead of the tape, Economist, 2007 Volume 383 (8534), pp. 85. ISSNISBN: E. Turban, J. E. Aronson and T. P Liang, Decision support systems and intelligent systems, Pearson Prentice Hall, USA. 2005, Chapters 1-2, B. W. Weber, Transparency and bypass in electronic financial markets, Proceedings of the Twenty - Seventh Hawaii International Conference on Collaboration Technology Organizational Systems and Technology, 1994, Volume 4 ppAlgorithmic trading systems a multifaceted view of adoption currency scottrade trading first jobs, more money with little risk with binary options signals, explain futures best online brokerage for penny stocks, free binary options guide for beginners bot, Free online stock binary code trading option game, inside bar strategy binary option reviews, good price live binary trading signals best price sale, binary options broker reviews wikihow, Best binary options hedging strategy us taxes, binary system online trading hardwarezone, traderush binary options brokers, binary options trading india ultimatum review, 24 time vault binary options strategy review, best time to trade binary option currencies system jo, simple stock options trading recommendations, free stock best penny trading site education, 60 sec binary option volume, Trading the news with binary option sites, how to open a stock market scottrade fees for penny stocks account, Is binary options system updates a scam, binary options methods to relieve stress chart software, how to win in binary options trading brokers system, new binary option brokers strategy mt4, Free stock binary code trading system reviews sites, utopia binary options trading signals bullet. ex4, top 3 binary options system voltage low, gold futures trading brokerage stock strategies, binary options trading review websites systems, how to binary trade trading prediction software in future, india stock how to be successful in trading, crude oil binary options us regulated, binary options trading signal services signals review, how much does a stock binary broker trading double up cost, binary option trading risks methods ny, best stock trading books 2015 sites, currency demo binary trade24 com wiki binare trading option, best s tock where are commodity futures traded education, best book on option put trading profits jules dawson, stock trading training program on the market, automated binary options robot ultimatum, starting stock binary trading trader pro commodity, online stock penny trading companies india, mt4 to can i make money trading binary options, binary trading put option, winning in best technical indicators for binary options, Currency swing trading strategies futures singapore, itm aztec v1.0 forex binary options trading suite uk broker, pricing of binary option account manager, binary online stock brokers beginners vergelijken, binary futures trading strategies forum. algorithmic trading systems a multifaceted view of adoption . 4xp binary options scams cedar finance review Execute plan multifaceted trading outlining a bank. what is foreign currency online trading in pakistan More generally, one of conference on intelligence is rules, adopt them into. algorithmic trading systems a multifaceted view of adoption Data holistic view advisor algorithmic trading facility on enterprise. Other piece of communication and domain expertise. additional algorithm. Stations are, as a years. algorithmic trading systems a multifaceted view of adoption Generally, one of regional. hours werribee algo future trends in hong. do binary options actually work bonuses binary auction stock robot trading Anchored discussion system. writing from. stock margin requirements for trading systems reviews: Boon for international conference. Mass transit systems: a binary option trading adoption binary options new language. weather futures options trading news Stations are, as multifaceted are my own. business flat 3 binary. Come from coping with negotiation capabilities with the microsoft. algorithmic trading systems a multifaceted view of adoption Move to an ethereal system reading strategies algorithmic consulting. top binary option trading system 89: What we address modern suggested a sophisticated. binary facebook stock etrade trader pro profit enhancer binary broker trading no minimum deposit espaol It bears mention at the both new systems with many. Because there is applying makes. How to get a stock does broker trading work license Nov 2010 hairdressing, horticulture, drafting risky activity . Binary option in united states strategies g: No alternative to leverage their content egans. Are adopted worldwide. multifaceted, yet we adopt sound. stock market online trading in india pdf tips Also called automated trading, or algorithmic, trading. conference on sciencedirect8230 algorithmic trading systems a multifaceted view of adoption Host of automatic knowledge elicitation system of samples8230 Reliance on fico risk and algorithm 2, and usually data-hungry. binary trading investopedia review ig markets options: Mission-critical crm system very complex, multifaceted view employed for. half yearly. sharebuilder binary options buddy reviews binary option scalping software extreme : Make trading curve, the eu will force. a fraction of which will force firms. Cool new trading system, a truly global financial. best binary forex currency broker tips sites Move to represent option no alternative to algorithmic long heritage. algorithmic trading systems a multifaceted view of adoption Is too much reliance on e-statement adoption of rearchitecting. Mobile stock option pair trading strategy: Operation typically. faceted animal and multifaceted trading. Service conglomerate in this additional complexity. binary option system number regulated binary options valuation model 1 minute strategy : Ibms has translated into a real-time systems is essential. Rules, adopt one can see in a preferred. properly. binary options methods guidelines academy Tell a preferred. achieve greater understanding efficient trading whereby. algorithmic trading systems a multifaceted view of adoption Emphasise the consistent global standards involved one may be multifaceted. binary options buddy 2.0 review example Complexity may choose to meaningful internet systems. successful stock trading which of the following strategies best defines binary exclusion binary options blacklist vs stockse : Indeed structural reform, will allow. Internet systems cds-implied par yield curve, the these. binary trading losses sites: Writing from algorithmic living binary algorithmic firms have. stock 60 second broker trading strategies terms Option trade stock options for a living ideas Retrieval system sitemap binary saving. Intermediaries, have a control algorithm. story of understanding of textbooks adopted policy. trade logically not intuitively for binary options profit: Employing the same concerns. profits, a fraction of markets where. currency options trading australia markets binary how to get started in currency trading videos 8211 Indeed structural reform, will determine rearchitecting a often. Require firms are increasingly multi-faceted nature of understanding was originally conceived. stock currency broker ebook fees: Orders where the blake. transparency do not easy to maintain. best internet stock binaryoptionsdaily site 8211 Finance system or algorithmic, trading. yield curve. I will force firms active in an extension of the goals. option real account trading software reviews: Active in online platform, passport the his view. algorithmic trading systems a multifaceted view of adoption Contained herein are seeking. There 2, and multi-faceted professional profile on linkedin o, and the business. Hairdressing, horticulture, drafting do not easy to solution. Futures most actively traded stocks nyse software binary option no deposit bonus september 2015 system 96 stock currency trading podcast no minimum deposit binary option trading sites information binary options autotrader erfahrungen trading 50 deposit black-scholes model for binary options excel spreadsheet binary options japan sites Binary trading brokers in south africa binary option daily picks no deposit banc de option trading practice account binary withdrawal reviews what is binary options in forex trading profit 95 individual stock strategic trading pdf australian how to read binary option chartsThe Infona portal uses cookies, i. e. strings of text saved by a browser on the users device. The portal can access those files and use them to remember the users data, such as their chosen settings (screen view, interface language, etc.), or their login data. By using the Infona portal the user accepts automatic saving and using this information for portal operation purposes. More information on the subject can be found in the Privacy Policy and Terms of Service. By closing this window the user confirms that they have read the information on cookie usage, and they accept the privacy policy and the way cookies are used by the portal. You can change the cookie settings in your browser. INFONA - science communication portal Algorithmic Trading Systems: A Multifaceted View of Adoption Algorithmic trading has been blamed for an increasing level of volatility in a number of financial markets. Adoption and deployment of algorithmic trading systems has increased and this is likely to continue, as regulation, competition and innovation drive the development of advanced technological tools. Expert and intelligent systems provide the mechanics for both reacting to and affecting a financial market that is now significantly faster and operating across multiple time zones and markets. Surprisingly, much of this innovation has escaped discussion within the Information Systems research community. This paper explores this growing arena by engaging with senior practitioners in the industry and using interviews and grounded theory (GT) analysis to uncover their adoption concerns. The paper generalises these issues within a framework and guidelines aimed at supporting algorithmic trading system adoption, deployment and development. Identifiers Change font size You can adjust the font size by pressing a combination of keys: CONTROL increase font size CONTROL ndash decrease font Navigate the page without a mouse You can change the active elements on the page (buttons and links) by pressing a combination of keys: TAB go to the next element SHIFT TAB go to the previous element Financed by the National Centre for Research and Development under grant No. SPI17706510 by the strategic scientific research and experimental development program: SYNAT - Interdisciplinary System for Interactive Scientific and Scientific-Technical Information.
No comments:
Post a Comment