In Nederland gevestigde grote Handelaren voor eigen rekening (HERs) passen op grote schaal machine learning toe in hun handelsalgoritmes. 80 tot 100 procent van de handelsalgoritmes die zich richten op liquide en gestandaardiseerde financiële instrumenten zoals futures of equity leunen op machine-learning-modellen, blijkt uit onderzoek van de AFM.
Daarbij voorspellen de modellen doorlopend de prijs van het financieel instrument op basis waarvan orders worden aangepast of geannuleerd. De complexiteit van de modellen brengt ook serieuze risico’s met zich mee.
Machine learning is inmiddels alom aanwezig op de financiële markten. Er zijn tal van vacatures voor data-analisten met ervaring in machine learning en er is een voortdurende stroom van wetenschappelijke publicaties over de theoretische toepassing van machine learning in handelsalgoritmes. Omdat de HER-populatie in Amsterdam relatief groot is en HERs in de sector vooroplopen in algoritmische handel, wil de AFM met dit onderzoek bijdragen aan een beter inzicht in de toepassing van machine learning.
HERs passen machine learning in hun algoritmes vooral toe om doorlopend de prijs van een future of aandeel te voorspellen. Hierbij kijkt het model met name naar allerlei uiteenlopende karakteristieken van het orderboek, in plaats van naar fundamentele karakteristieken. De meest recente data, de laatste (micro-)seconde, heeft de meest voorspellende waarde. De voorspelde prijs wordt voortdurend geüpdatet en zet vervolgens het handelsalgoritme in werking.
Geen opmerkingen:
Een reactie posten
Opmerking: Alleen leden van deze blog kunnen een reactie posten.