Translate

lunedì 30 marzo 2015

BREVI CHIARIMENTI SU ALCUNI ASPETTI DEL TRADING AD ALTA FREQUENZA

Cari amici, in queste settimane mi avete posto delle domande vertenti su alcune caratteristiche del trading ad alta frequenza, alle quali proverò a rispondere. Riposte, le prime due, che valgono anche per il trading ordinario. 

Cosa vuol dire essere operatore price taker?
Il trader price taker è colui il quale è disposto a comprare o a vendere al miglior prezzo presente sul mercato in un dato momento. Ciò significa che, nel caso di operazione long, il trader sarà disposto ad acquistare solo al migliore prezzo (ask) offerto in lettera, vale a dire in corrispondenza del prezzo più basso al quale il o i venditori presenti sul mercato in quel momento sono disposti a vendere l'azione, il future, l'opzione e così via. Nel caso in cui la quantità presente sulla sell side del book non fosse in grado di soddisfare totalmente il corrispondente ordine di acquisto, questo verrà -per la quantità rimanente- soddisfatto automaticamente al miglior prezzo successivo (più alto), sino al suo completo soddisfacimento, in termini di size. Nell'ipotesi di operazione short, valgono considerazioni di segno -esattamente- contrario. Appare ovvio come in entrambi i casi, la tipologia di ordine usato per un' operazione di price taking sia il cosiddetto market order.


Cosa vuol dire essere operatore liquity provider?
Il trader liquidity provider è colui il quale non è disposto a comprare o a vendere al miglior prezzo presente sul mercato in un dato momento, ma intende piazzare il proprio ordine sul book, in attesa che qualche operatore price taker lo incroci, soddisfacendolo. Facciamo una premessa, ricordando una cosa: è vero che il primo livello ask coincide con il più basso prezzo a cui almeno un venditore è disposto a vendere, ma è anche vero che questo è sempre più alto di quello fatto segnare dal mercato in corrispondenza del primo livello bid, coincidente con il più alto prezzo a cui almeno un compratore è disposto a comprare almeno una singola unità di uno strumento finanziario. E' il famoso bid-ask spread. Fatta questa premessa, possiamo capire per quale ragione l'operatore liquidity provider, in un' operazione long, vada a piazzare il proprio ordine di acquisto non sul primo livello lettera (o ask che dir si voglia) bensì sul primo livello denaro (o su livelli inferiori, corrispondenti a prezzi ancora minori), in attesa (e nella speranza) che un venditore price taker piazzi su quello stesso livello di prezzo un ordine dalla size uguale o maggiore rispetto a quella contemplata nell'ordine inserito dal buyer liquidity provider. Il rischio maggiore, consiste nella possibilità che l'ordine di acquisto non sia mai eseguito: o per mancanza, in quel momento, di un venditore price taker o perché quelli presenti, andranno ad incrociarsi con (e dunque a soddisfare) gli ordini di buyer liquidity providers offerenti un prezzo più alto e quindi risultanti migliori per i venditori. Inserisco uno schizzo del book di negoziazione, al fine di rendere -almeno spero- più chiara la spiegazione. Ricordate: Il Denaro è il “Bid” mentre la Lettera è l' “Ask”.
www.segretibancari.com


In cosa consiste la selezione avversa di cui hai parlato nel post dedicato al pinging? (clicca qui)
La selezione avversa è la naturale conseguenza della combinazione tra la scelta strategica di un HFT di operare come market maker “a convenienza” (ne abbiamo parlato qui) e l'attuazione della pratica del pinging unitamente a quella della liquidity detection; questa combinazione ha come bersagli predestinati i traders tradizionali e quelli algoritmici meno evoluti. Come già detto negli altri post, l'HFT scandaglia il mercato -anche- alla ricerca di operatori tradizionali o algoritmici meno competitivi intenzionati a seguire microtrends di mercato. Che cosa signfica seguire i microtrends di mercato? Vuol dire che detti operatori -nel breve- prendono posizione in base a ciò che vedono sul book di negoziazione. Una volta rilevata la presenza di tale tipologia di traders, l'HFT inizia a dare una nuova e diversa rappresentazione della sua presenza sul mercato, modificando le sizes degli ordini inseriti sul book, ad esempio simulando una diminuzione delle quantità messe sul “denaro” (o bid).
Quando lo spessore della bid side diminuisce, generalmente, aumentano le possibilità di discesa del prezzo, ragion per cui il trader non ad alta frequenza è spinto a vendere. Infatti, in una fase di discesa dei prezzi, i compratori tendono a togliere i propri ordini di acquisto; togliendoli (quindi riducendo lo spessore) il “denaro” ha meno capacità di resistere -in equilibrio- a grossi ordini di vendita venendosi a creare una situazione in cui le probabilità di un ulteriore discesa del prezzo crescono esponenzialmente. Tramite le strategie viste (pinging tra tutte) il trader ad alta frequenza può simulare lo svuotamento della bid side, facendo credere al trader tradizionale che il mercato stia prendendo una piega ribassista; il malcapitato inizia a vendere e subito l'HFT si pone come controparte dei suoi ordini di vendita, acquistando ad un prezzo -ovviamente- più conveniente. Dopo aver finito la fase di accumulo, l' HFT inizia a simulare uno svuotamento dell' ask side ed un riempimento della bid side (denaro), al fine di rappresentare un mutamento del microtrend precedente, da ribassista a rialzista. Il trader tradizionale che in virtù della prima rappresentazione si era posizionato short, ora vede andare il mercato long e se qualcun altro -anche solo per caso- ha svuotato l'ask per riempire la bid side, il malcapitato non potrà che scontare una perdita. In altri termini , l'HTF sta inducendo il trader tradizionale (o la sua piattaforma di trading) ad inviare ordini a mercato, espressione dell'attivazione dello stop loss (in questo caso ordini di acquisto, visto che la posizione originariamente presa dal trader non ad alta frequenza era short). Attivandosi, lo stop loss invia ordini di acquisto, che saranno soddisfatti proprio dall' HFT, il quale chiuderà in profitto a differenza del trader tradizionale. Ricapitolando:
  1. l'HFT “spinge” il trader tradizionale ad andare short (la posizione corta è qui usata a puro scopo esemplificativo) simulando lo svuotamento della bid side;
  2. il trader tradizionale vende mentre l'HFT si pone come sua controparte acquistando ad un prezzo più conveniente (accumula);
  3. l'HFT, a questo punto, svuota l'ask side e riempie la bid, segnalando un inversione del trend da ribassista a rialzista;
  4. qualche altro trader -anche per puro caso- segue il nuovo microtrend, innescando un aumento dei prezzi;
  5. il trader che era andato short, vede il mercato andare long: è quindi in perdita;
  6. si attiva lo stop loss che rilascia ordini di acquisto volti a chiudere proprio la sua posizione short;
  7. gli ordini di acquisto rilasciati una volta innescato lo stop loss, saranno soddisfatti proprio dall' HFT che venderà allo stesso malcapitato, ad un prezzo più alto, i titoli acquisitati proprio da lui – ad un prezzo più basso- durante la fase di accumulazione -di cui al punto 2.

venerdì 27 marzo 2015

FTSE MIB ITALIANO E TRADING AD ALTA FREQUENZA

Cari amici, me lo avete chiesto in tanti più volte ed ora sono finalmente in grado di rispondervi: sul FTSE MiB, gli HFTs hanno rappresentato – nel 2013- il 27.17% del totale degli scambi e nel 2015 (sino ad oggi) il 30,01% . Dietro di noi -in termini di valori medi- Amsterdam, con il 24% del valore, seguita da Londra e Parigi con il 21%.
Qualche giorno fa è stato pubblicato un bellissimo studio a firma di Valeria Caivano (Consob) inerente l'impatto del trading ad alta frequenza sulla volatilità dei prezzi dei titoli negoziati sul mercato italiano FTSE MIB nel periodo 2011-2013. Quali sono, secondo lo studio, i traders considerabili ad alta frequenza? Sono quelli identificabili come tali, sulla base di informazioni pubblicamente disponibili inerenti la loro strategia operativa (cosiddetti HFT ‘puri’), nonché gli attori del proprietary trading delle banche di investimento utilizzanti con tendenza crescente -secondo l'ESMA- tecnologie proprie del HF. Il lavoro mostra come un incremento esogeno del livello di attività ad alta frequenza determini un significativo incremento della volatilità dei rendimenti giornalieri. Infatti, a seconda della specificazione utilizzata, un incremento di 10 punti percentuali del peso degli HFT ‘puri’ sul totale degli scambi, determina un aumento della volatilità intraday (calcolata su un intervallo di 10 secondi ed espressa su base annua) compreso tra i 4 e i 6 punti percentuali (su un ordine di grandezza della volatilità che si colloca attorno al 15 per cento circa per i titoli inclusi nell’analisi). Considerando invece la misura più ampia di HFT, che include anche l’operatività delle banche d’investimento, l’effetto risulta compreso tra i 3 e i 5 punti percentuali.

Di seguito evidenzierò alcuni aspetti dello studio della Caivano che reputo interessanti, non solo in ragione del contenuto proprio delle informazioni sottoposte all'attenzione del pubblico, ma anche perché ho rilevato diverse coincidenze tra quanto scritto -autorevolmente- dall'autrice e quanto riportato -a livello amatoriale- dal sottoscritto nelle decine di posts dedicati all'argomento.
Partiamo da alcuni dati diffusi dall' ESMA (un organismo dell'Unione europea che dal 1 gennaio 2011 ha il compito di sorvegliare il mercato finanziario europeo) nel 2014. Cosa dice l'ESMA? L' Autorità riferisce dapprima un dato abbastanza ovvio, vale a dire che il peso dell'attività connessa agli HFTs varia a seconda del modello identificativo impiegato: utilizzando quello diretto (cioè ponderando l'operatività degli HFTs che si definiscono spontaneamente tali) il fenomeno dell'alta frequenza vale il 24% del trading svolto sui mercati europei; utilizzando quello indiretto, basato sulla durata della vita degli ordini -e quindi sulle strategie di trading- pesa per il 43% del valore tradato sul continente. Inoltre, la stessa Autorità ci dice che, la più alta quota -cioè il 43%- è composta: per il 19% dall' attività di operatori classificati come HFTs puri; per il 22% dall'attività delle banche di investimento; per il 2% dall'attività di altri partecipanti al mercato.
Dati interessanti vengono forniti anche sul fenomeno della co -location:
  • l' 80% degli HFTs puri fa uso dei servizi di co-location in almeno una trading venue;
  • le banche d'investimento che usano detti servizi, rappresentano il 37% del totale.
Lo scritto della Caivano, ci illustra anche cosa è accaduto sul mercato italiano -dal 2012 in poi- sul versante del trading ad alta frequenza. Nel 2012, i cash markets di Borsa Italiana sono migrati verso una nuova ultra-low- latency trading platforme (non diversamente da quanto successo al NYSE, NYSE ARCA, NYSE BOND e qui descritto ), denominata Millennium Exchang in grado di offrire ai partecipanti al mercato la possibilità di operare con una minor latenza, grazie ad una nuova configurazione dei servers di Borsa Italiana, volta ad avvicinare l'hardware ai vari mercati, garantendo una maggiore efficienza e velocità. Le due immagini di cui sotto, mostrano la trading activity degli HFTs come percentuale del trading totale (turnover degli HFTs rispetto a quello totale) nel periodo di riferimento 2011-2013.



Cosa ci segnalano queste immagini? Che l'attività degli HFTs small -puri- e large -banche di investimento ed altri- è cresciuta, dal 2012 in poi, in misura maggiore per i primi che per i secondi.
Lo studio, dopo aver confermato l' entità della relazione tra aumento dell'attività degli HFTs ed aumento intraday (calcolata su un intervallo di 10 secondi ed espressa su base annua) della volatilità dei prezzi delle azioni oggetto dell'operatività dei traders ad alta frequenza, ci ricorda come:
  • un incremento della volatilità sul FTSE MIB su 10 secondi, su tassi di interesse a breve termine nonché sul Btp/Bund spread, siano tutti segnali di un declino delle condizioni economiche generali ed un segnale di crescita dell'incertezza, tutti positivamente correlati con la volatilità dei titoli osservati nello studio nel loro atteggiarsi in qualità di strumenti negoziati dagli HFTs, al pari del bid/ask spread e contrariamente alla capitalizzazione di mercato delle società;
  • la riduzione dei prezzi di una security genera un incremento della sua volatilità, supportando quindi l'ipotesi in base alla quale una riduzione del tick size scoraggia l'apporto di liquidità conducendo ad un aumento della volatilità;
  • quanto maggiore risulta la frammentazione -tra tipi di traders- degli scambi di un' azione, nonché in termini di quotazioni su più piattaforme, minore dovrebbe essere la volatilità intraday della stessa;
  • l'impatto del rafforzamento dell'attività degli HFTs sulla volatilità dei titoli scambiati sul FTSE MIB risulta significativo anche su intervalli temporali > ai 10 secondi (1 minuto, 5 minuti, 10 minuti);
  • l'impatto (e questo credo sia il dato più interessante) sulla volatilità esercitato dall'aumento dell'attività degli HFTs risulta maggiore di quello generato dalle altre variabili in grado di influenzarla e considerate nello studio (incremento della volatilità sul FTSE MIB su 10 secondi con base daily, su tassi di interesse a breve termine -Euribor a 3 mesi- nonché sul Btp/Bund spread). Non bisogna infatti dimenticare che, non solo gli HFTs traggono maggior profitto in presenza di una maggiore volatilità ma la loro partecipazione ai mercati è di per sé in grado di condizionarla, intensificando la comparsa di larghe variazioni dei prezzi a causa delle loro strategie di breve termine.

martedì 24 marzo 2015

TRADING AD ALTA FREQUENZA E SPOOFING. IL CASO PANTHER ENERGY

Cari amici, oggi vorrei parlarvi di un'altra strategia usata dagli HFTs, difficilmente rilevabile dalle autorità deputate a salvaguardare l'integrità del mercato, nota con il nome di spoofing. Di seguito, al fine di rendere-spero- più comprensibile la ratio sottostante la condotta oggetto di esame, porterò alla vostra attenzione un caso concreto inerente un tipo di derivato semplice semplice, vale a dire il future contract.
In data 22 Luglio 2013 la U.S. Commodity Futures Trading Commission (CFTC) emanò un provvedimento sanzionatorio nei confronti della Panther Energy Trading e del suo titolare Michael J. Coscia, per aver attuato la pratica manipolatoria dello spoofing, utilizzando algoritmi informatici programmati con l'intento di perseguire il fine illecito consistente nel piazzamento e successiva rapida cancellazione di ordini di acquisto/vendita sul mercato dei futures. Secondo l'Autorità, l'attività irregolare -nell'arco temporale compreso tra l' 8 Agosto e l' 8 Ottobre 2011- ebbe ad oggetto un ampio spettro di commodities i cui strumenti finanziari venivano negoziati sulla CME Group's Globes Trading Platform. La sanzione inflitta dalla CFTC prevedeva il pagamento di una somma pari ad 1,4 milioni di dollari, la restituzione di 1,4 milioni di dollari di profitti oltre al divieto di tradare direttamente ed indirettamente -per un anno- su tutti i mercati registrati presso la CFTC.
Ma cosa successe a livello operativo? Secondo l' Autorità Statunitense, Coscia e Panther avrebbero immesso piccoli ordini -andati a buon fine- aventi ad oggetto la vendita/acquisto di futures, ai quali facevano seguire numerosi grossi ordini di acquisto/vendita ad un prezzo molto più alto/basso di quello fatto segnare dal mercato in quel momento, destinati ad essere cancellati subito dopo. Infatti, piazzando grossi ordini di acquisto (il discorso opposto vale nel caso di sell orders), tentarono di dare -al resto del mercato- l'impressione dell'esistenza di un forte interesse, di una grossa pressione sulla buy side del book, la quale avrebbe potuto suggerire -ai vari traders- che i prezzi di quei contratti, su quelle commodities, avrebbero potuto iniziare a salire di lì a poco, incrementando -di conseguenza- le probabilità che gli altri partecipanti al mercato (nel maturare la convinzione di posizionarsi long su quegli strumenti) acquistassero i titoli posti poco prima in vendita tramite i piccoli ordini inseriti da Panther Energy e Coscia. Tuttavia, questi intendevano dare -esclusivamente- l'impressione dell'esistenza di un buy-side interest, ragione per cui immettevano sì grossi ordini d'acquisto ma con l'intento di cancellarli prima dell'effettiva esecuzione. Non appena i piccoli ordini messi in vendita -poco prima- venivano eseguiti (perché nel frattempo gli altri operatori convinti della creazione di un nuovo trend rialzista falsamente indotto dagli stessi grossi buy orders destinati alla cancellazione, si decidevano a comprare quanto offerto dall' algo trader), i buy orders venivano cancellati e la sequenza operativa rapidamente riprodotta al contrario, ovvero, immettendo piccoli ordini d'acquisto, seguiti da grossi ordini di vendita cancellati subito dopo l'esecuzione dei primi. La costante rappresentazione di pressioni -inesistenti- ora sulla buy ora sulla sell side, per effetto dell'immissione di grandi ordini di acquisto/vendita poi cancellati, di fatto, spostava a vantaggio della Panther tutte le probabilità di ottenere un eseguito sui primi e più piccoli ordini di acquisto o vendita. I contratti futures nel cui trading i soggetti sanzionati risultavano impegnati, riguardavano: energia, metalli, tassi d'interesse, agricoltura, indici azionari, foreign currency commodities, inclusi alcuni strumenti largamente negoziati come i Light Sweet Crude Oil Futures Contract, Natural Gas, Mais, Soybeans, Soybean Oil, Soybean Meal, Grano.


L'esempio che segue, riguarda gli steps dell'attività dell'algoritmo di Panther sui Light Sweet Crude Oil Futures
  1. L'algoritmo immetteva un -relativamente- piccolo ordine su una delle sides del mercato al o in prossima del miglior prezzo offerto in vendita o in acquisto; nel caso qui oggetto di analisi, si trattava di un ordine di vendita di 17 contratti ad un prezzo di $ 85,29 a barile, che era il più basso prezzo tra i tutti i contratti messi in vendita dagli altri partecipanti al mercato. Quindi, l'offerta di Panther & Coscia rappresentava -in quel momento- il best offered price.
  2. In una frazione di secondo (pochi millisecondi), Panther & Coscia, iniziavano ad immettere ordini di acquisto inerenti un -relativamente- consistente numero di Light Sweet Crude Oil Futures Contract a prezzi progressivamente più alti: la prima offerta a $ 85,26, la seconda a $ 85,27, e la terza a $ 85,28. I prezzi offerti dall'azienda di trading algoritmico erano maggiori di quelli proposti dagli altri partecipanti al mercato, peri quegli stessi contratti. Dunque, questa inserì i propri ordini con prezzi più alti e perciò considerati migliori. Immettendo grossi ordini di acquisto, la Panther tentava di dare al resto del mercato l'impressione dell'insorgenza di un forte buying interest, il quale avrebbe suggerito che i prezzi dei futures sarebbero aumentati di lì a poco, incrementando -contemporaneamente- la probabilità che i traders -decisi ad entrare long su quei contratti in virtù della pressione generata sulla buy side- acquistassero i 17 lotti poco prima messi in vendita dal trader algoritmico. Poiché il fine ultimo ed esclusivo della Panther era proprio quello di segnalare l'esistenza di un falso buying interest, gli ordini di acquisto venivano cancellati prima della loro esecuzione.
Nell'esempio di cui sopra, l'algoritmo cercava di catturare un profitto immediato dalla vendita dei 17 lotti, i quali, ovviamente,avrebbero dovuto essere in carico ad un prezzo inferiore rispetto a quello immesso nel sell order, che -a sua volta- avrebbe dovuto comunque attestarsi il più possibile in prossimità (seppur qualche pips sotto) del miglior prezzo di vendita fatto segnare dal mercato in quel momento, altrimenti il rapporto costi/opportunità sarebbe stato sbilanciato tutto a vantaggio dei costi e poco a vantaggio delle opportunità. Quindi, una volta ottenuta l'esecuzione dell'ordine di vendita dei 17 lotti, i grossi ordini inseriti in acquisto venivano cancellati, mentre l'algoritmo si predisponeva prontamente per operare al contrario (in reverse). Cioè, il programma avrebbe immesso un piccolo ordine d'acquisto seguito da grossi ordini di vendita a prezzi progressivamente decrescenti, cancellati subito dopo l'esecuzione dei primi. Episodi di offerte, acquisti, vendite, cancellazioni e nel caso di esecuzione degli ordini, di liquidazione sono stati più e più volte osservati su time frames molto brevi. In alcuni casi, Panther utilizzò lo spoofing algorithm centinaia di volte in singoli giornate di contrattazioni su singoli contratti futures garantendo, nel periodo considerato compreso tra l' 8 Agosto e l'8 Ottobre 2011, un profitto pari a circa 1,4 milioni di dollari.


lunedì 23 marzo 2015

RASSEGNATEVI, L' INNOVAZIONE DEVASTERA' IL VOSTRO MODELLO DI BUSINESS

Ieri, leggendo di questa assurdità (clicca qui) pensavo -tra me e me- potesse trattarsi di uno scherzo: sinceramente, non avevo mai sentito parlare di forze dell'ordine intente a dar la caccia a quelli che di fatto sono i fattori produttivi di un servizio offerto tramite app (nel caso di specie i conducenti di autovetture del circuito UBER). UBER altro non è che uno dei tanti disruptors (devastatori) dei modelli di business -quello dei poveri tassisti nel caso dell'articolo di cui sopra- conosciuti sino ad oggi; una delle tante innovazioni che ha mandato in soffitta per sempre quel tipo di attività, quel modello organizzativo, quell'idea di servizio. E' bene che tutti, dal fabbro al grande imprenditore che gestisce un' attività con una storia pluridecennale, se ne facciano una ragione: tecnologie sempre più evolute continueranno a comparire sui e a scomparire dai mercati senza sosta, contribuendo a creare beni e servizi in grado di competere simultaneamente su 3 livelli:
  • prezzo;
  • prestazioni;
  • personalizzazione.

Sarà perfettamente inutile appellarsi al legislatore per ottenere la protezione giuridica (ben diversa da quella che solo l'apprezzamento segnalato dal mercato può offrire) di una supply chain superata dal corso degli eventi: l'imprenditore che non riesce a scorgere la nascita di disruptors prima dei suoi clienti è destinato al ridimensionamento e/o al fallimento. Siamo oltre l'era di Michael Porter, di Clayton Christensen e del suo “Innovator's Dilemma”, di W. Chan Kim e Renée Mauborgne e del loro “ Blue Ocean Strategy”; il tempo a noi contemporaneo è quello in cui i disruptors attaccano i mercati a livello tridirezionale, offrendo -grazie a crescita esponenziale e costi sempre più bassi delle nuove tecnologie- beni e servizi migliori, più economici e più personalizzati. Pensare di poter innovare selettivamente processi produttivi e prodotti mentre il resto del mercato resta immobile è semplicemente anacronistico. Pensiamo un attimo a come Google Maps Navigation abbia devastato i mercati di Garmin, Tom Tom e Magellan, offrendo agli utenti un servizio gratuito: 18 mesi dopo il lancio delle mappe del primo, i secondi avevano perso circa l'85% della capitalizzazione di mercato. I disruptors se ne fottono altamente delle tradizionali regole della concorrenza, non considerando gli incumbents (aziende mature) e i loro prodotti come concorrenti o modelli oggetto di studio. Entrano nel mercato e spazzano via le imprese esistenti alla velocità della luce: quando qualcuno se ne accorgerà non ci sarà tempo per organizzare una risposta competitiva efficace. Si tratta di diversità dimensionale, quasi fisica direi: mentre alcuni settori produttivi chiedono protezione ad una classe politica totalmente inadeguata, marcia ed incompetente, attraverso l'approvazione di leggi e provvedimenti paleozoici, i disruptors applicano alla legge del mercato (l'unica che conta) la legge di Moore in versione riveduta e corretta; nel caso dei taxi, anziché cercare di replicare -migliorandoli ulteriormente- i modelli di Lyft, SideCar ed Uber, vengono chieste multe e ritiri delle carte di circolazione, suscitando spesso le proteste dei consumatori poco disposti ad abbandonare servizi migliori e più economici. Mentre gli incumbents italiani si affidano al parlamento dei Razzi, dei Scilipoti, dei Lupi, le aziende innovatrici si affidano agli hackatons, produttori di idee rivoluzionarie realizzate in pochissimo tempo – senza necessità di alcun approvazione dell'ufficio legale o del CEO- grazie all'ampia disponibilità di componenti off-the-shelf posti alla base di sistemi di produzione modulare, in grado di garantire economie di scala crescenti. Il marketing dei loro prodotti è trainato dai consumatori e non diffuso presso di loro; sfruttano i big data in grado di fornire loro informazioni di mercato quasi perfette. Applicano strategie indisciplinate in grado di garantire costi di creazione costantemente in calo; godono di crescita potenzialmente illimitata alimentata dai sempre più contenuti costi di sperimentazione (divenuti inferiori a quelli “da rimpianto”) di quelle idee coltivate tramite crowdsourcing, strutturalmente idonee a garantire returns on combines (ritorni sulle combinazioni) sempre più elevati, rispetto ai returns on designs (ritorni sulle progettazioni). La circostanza che vede la devastazione dei modelli business generata da una serie di esperimenti quasi casuali, inerenti componenti apparentemente privi di qualsiasi nesso funzionale, produttivo, casuale, fornisce alle aziende incumbent il falso segnale di un' assoluta quiete nel segmento di riferimento, disincentivandole a predisporre una risposta competitiva. Negli anni '80 il business dei flippers era enorme: nel 1992 la spesa sostenuta dagli americani per questo tipo di intrattenimento era pari alla metà di quella sostenuta per andare al cinema; nel 1993 i fabbricanti vendettero circa 130 mila nuovi flipper; nel 1994 la Sony lanciò la Play Station 1 con annessa celebrazione dei nuovi emotion engines. Dal 1994 al 1998 le vendite di flipper crollarono fino 15 mila unità all'anno, divenute meno di 10 mila nel 1999. Ma a crollare non fu solo l'industria dei flippers, vittima collaterale di un disruptor che non aveva neanche intenzione di competere con questo genere di prodotto, ma anche Sega nonché le decine di sale giochi presenti a New York, fra cui la Broadway Arcade, meta preferita dei VIP amanti dei videogames. Oggi il mercato dei flippers è limitato al settore dell'arredamento, in un segmento -molto contenuto- composto da utenti domestici; chi pensa che questa sia la brutta fine di un'industria gloriosa, forse non sa che quella che aspetta a chi si ostina a chiedere aiuto al legislatore anziché concentrare risorse in ricerca e sviluppo, sarà ancor peggiore.
Prossimo settore da devastare? Banche e finanza. 

sabato 21 marzo 2015

TRADING AD ALTA FREQUENZA. ORDINI ERRATI E QUOTE STUFFING. NEL CASO “CITADEL LLC” QUALCOSA NON TORNA PT4

Cari amici, nel post precedente ho provato a dar conto della versione ufficiale dei fatti fornita dal NASDAQ e dalla FINRA sul caso CITADEL LLC; in questo vorrei illustrarne un'altra, ponente una serie di interrogativi ma altresì fornente una serie di dati tecnici -a mio parere- difficilmente confutabili.

Il cannone con cui Citadel spara gli ordini sui mercati

Cosa affermano i diversi esperti di HFT, tra i quali quelli di Nanex? Innanzitutto, contestano il tenore del comunicato del NASDAQ, secondo il quale gli ordini inoltrati da CITADEL verso i vari mercati -specie nell' episodio del 13 Febbraio 2014- non costituirebbero la rappresentazione plastica di una strategia di quote stuffing ragionata, quindi voluta, quanto quella di un semplice errore umano. Tuttavia, secondo la corrente di pensiero oggetto del present post, se si fosse trattato di mero errore umano, questo sarebbe consistito nella erronea configurazione di un parametro (trashing control) autorizzante il trading desk ad inoltrare ordini ad una velocità superiore agli oltre 200 al secondo, quindi con una frequenza operativa definita dalle autorità “eccessiva”: può dirsi un evento del genere semplicemente tale? Per rispondere a questa domanda è necessario valutare -in generale- se essi siano stati inoltrati in maniera uniforme nell'arco dell'intero secondo (1 ogni 5 millisecondi) oppure se tutti e 200 siano stati inviati in una sola frazione temporale pari a 5 millisecondi, rimanendo poi l'HFT silente nei successivi 995 millisecondi (1 secondo= 1.000 millisecondi). Dove sta la differenza? Sta nel fatto che, nella seconda ipotesi, non solo un pacchetto di 200 ordini (200 è una cifra dal valore meramente esemplificativo tratta dal caso qui concretamente esaminato) inoltrato in soli 5 millisecondi impatta -rallentandole nel processo computazionale- le strutture hardware e software -nonché i trading systems- dei vari mercati in una misura maggiore rispetto a quanto accadrebbe a fronte di 200 ordini suddivisi in più frazioni temporali della durata di 5 millisecondi ciascuna, con la particolarità che sganciando la raffica in un sol colpo (5 millisecondi) per poi restare inattivo nei successivi 995, l'HFT non sarebbe rilevato dai softwares di monitoraggio del traffico informatico dei vari mercati, operanti come una sorta di radar. Per quale ragione? Perché i radars operano su basi temporali di 1 secondo o più; quindi, poiché in entrambe le ipotesi operative sopra descritte si avrebbero -comunque- 200 ordini complessivi immessi in 1 secondo, il radar qui considerato -nel caso in cui fossero inseriti tutti in soli 5 millisecondi- non rileverebbe alcun anomalia ove il suo limite massimo di tolleranza fosse settato a 200 ordini al secondo, manovrando l'HTF su parametri quantitativi/temporali atti a non far scattare l'allarme, pur generando il rallentamento proprio del quote stuffing, in virtù della concentrazione degli ordini immessi in soli 5 millisecondi, anziché della loro distribuzione nell'arco del secondo. Cerchiamo di capire il perché, ricordandoci che il quote stuffing -come tutte le medaglie- consta di due facce: immissione e cancellazione. Ogni mercato, dal punto di vista informatico, stabilisce un limite al numero di ordini cancellabili al secondo per singola azione (o altro strumento finanziario). Immaginando che uno di essi lo setti a 300, sarà facile individuare -sui reports di quella piattaforma- episodi di cancellazioni di 300 ordini per secondo per singola azione? No, pur risultando facilissimo rilevare tantissimi casi (quindi tantissimi singoli secondi) in cui risulteranno cancellati ben … 299 ordini! Provo a spiegarmi meglio con un altro esempio.
Ipotizziamo che:
  • un mercato fissi a 1.000 il numero massimo di ordini immettibili e/o cancellabili -per singola azione- al secondo;
  • un HFT invii una raffica di ordini (prontamente cancellati) in un lasso di tempo molto breve, pari a 100 millisecondi, restando silente per i successivi 900.
  • i radar dei mercati misurino il numero di ordini cancellati con la frequenza di una volta al secondo;
  • le reti fisiche trasportanti detti ordini (quindi a livello logico i relativi bytes) operino su di una scala temporale misurabile in microsecondi (1 microsecondo è pari ad 1 milionesimo di secondo).
Come si atteggerebbe un HFT e quale sarebbe il risultato operativo in presenza delle condizioni sopra indicate -molto realistiche- condizioni?
  1. Se un mercato stabilisce che, per ogni secondo e per ogni azione il numero massimo di ordini immettibili e/o cancellabili sia pari a 1.000, l'HFT invierà 1.000 ordini (subito cancellati) in -ad esempio- soli 100 millisecondi, restando silente nei successivi 900; così facendo, i “radars” in uso ai mercati, rileveranno 1.000 ordini immessi in un secondo, come tali rispettosi dei parametri quantitativi/temporali previamente settati.
  2. Se la piattaforma di negoziazione (mercato regolamentato, ECNs, MTFs) stabilisce che il network (hardware+software) possa accettare al massimo 1.000 ordini al secondo (i numeri impiegati hanno funzione meramente esemplificativa), va da sé che, onde evitare la comparsa di latenza (ritardo), la velocità massima di conduzione (quando parlo di conduzione parlo proprio di quantità di ordini presenti nei cavi) degli ordini deve essere pari a un ordine per millisecondo (1.000 ordini al secondo sono infatti pari ad 1 al millisecondo, essendo il millisecondo pari ad 1/1000 di secondo). Ciò significa anche che, qualora un HFT inviasse 1.000 ordini in 100 millisecondi anziché 100 in 100 millisecondi (come sarebbe naturale in un contesto operativo volto a non generare ritardi essendo la portata massima in tal caso pari ad 1 ordine al millisecondo), la rete fisica risulterà sovraccaricata producendo un ritardo proprio dopo i primi 100 ordini (portata massima per 100 millisecondi in assenza di latenza); ne consegue che le informazioni di prezzo e quantità proprie di altri 900 ordini (sia parte dei mille, sia altri ad essi in testa al flusso generale di dati), arriveranno in ritardo presso i computers degli altri traders, con tutto quello che ne consegue in termini di latenza informativa su profondità e ampiezza del book e conseguente sfruttamento degli arbitraggi da latenza, generati dall'HFT proprio tramite quote stuffing. E' questo il punto cruciale della guerra tecnologica in atto sui mercati.
Ritorniamo a Citadel. Domandano alcuni autori: come mai il NASDAQ ha sottostimato l'impatto dell'algoritmo di Citadel e quanto questo era effettivamente diffuso? Perché, ad esempio, nel provvedimento sanzionatorio non è stato fatto riferimento alcuno alle raffiche di ordini -rilevate nel giorno antecedente l'evento del 13 Febbraio 2014- interessanti decine di titoli? Perché, ad esempio, nel medesimo provvedimento non è stato fatto riferimento alcuno agli altri 632 eventi di quote stuffing verificatisi proprio in data 13 Febbraio 2014?
Partiamo dal 12 Febbraio 2014 e soprattutto partiamo da una serie di dati statistici offerti da NANEX.
In data 12 Febbraio 2014, dalle ore 13:31 sino alla chiusura delle contrattazioni, un algoritmo di un HFT ha piazzato (con contestuale cancellazione) dai 5.000 ai 30.000 ordini al secondo, su singoli titoli azionari ed ETFs. In molti segmenti temporali della durata di un secondo, sono state individuati più di 20 mila ordini falsi aventi ad oggetto un singolo titolo, quindi immessi al ritmo di uno ogni 50 microsecondi (milionesimi di secondo) o meno. In 50 microsecondi, l'informazione può percorrere circa 15,2 km, il che significa che ciascuno dei 20 mila ordini veniva cancellato dopo aver percorso meno di 15,2km prima di arrivare al data center del mercato collocato nel New Jersey. Solo computers collocati a metà della distanza sopra indicata potrebbe aver agito in tempo sui circa 20,000 ordini tarocchi al secondo per singolo titolo. Quelli interessati dai fenomeni di quote stuffing nella giornata del 12 Febbraio 2012, avevano come iniziati le lettere O, P, Q, S, T. Non tutti erano quotati sullo stesso mercato, ma gli eventi più estremi hanno interessato proprio il NASDAQ. L' order to trade ratio per ciascuno di essi era bassissimo; in 15 secondi furono registrati 275 mila ordini farlocchi, immessi e cancellati con riguardo ad un solo titolo, vale a dire PLUG. Da notare come in molti casi, il bombardamento sia partito negli ultimi 3 minuti di contrattazioni, il che richiama alla mente un altro caso qui analizzato.
Ecco i dati di NANEX
Nanex.net
La rarità di fenomeni di queste proporzioni è rappresentata in maniera perfetta – oltre che artisticamente eccitante- in questo grafico di NANEX, che tramite puntini blu e rossi (maggiore è il diametro, maggiore è la magnitudo del fenomeno) mostra la distribuzione temporale dei casi di quote stuffing moderato (ordini per secondo >= a 6.000 puntini blu) ed estremo (ordini per secondo >= a 25.000, puntini rossi), dal 2009 in poi.

Nanex.net


Qui, invece, un estratto delle statistiche inerenti alcuni dei titoli affetti dal quote spamming, in quella giornata.

Le altre critiche mosse al comunicato NASDAQ da NANEX e da altri traders in alcuni forum tematici presenti nella dark net di internet, quali sarebbero? Innanzitutto, sia gli esperti di NANEX che quelli coperti dall'anonimato in alcuni forum non accessibili dai comuni motori di ricerca, dopo aver analizzato e confrontato i “direct feed” NASDAQ Total View data con quelli del SIP, hanno riscontrato inesattezze rispetto a quanto dichiarato dal NASDAQ. In cosa consisterebbero dette inesattezze?
  • Il NASDAQ afferma che CITADEL piazzò ordini ad una velocità di uno ogni 8-9 microsecondi. I contrarian, invece, sostengono che siano stati piazzati ad una velocità di 17 messaggi al millisecondo oppure, visto il tutto in termini di ordini, alla velocità di 8-9 al millisecondo, poiché un messaggio serve per inserire l'ordine ed uno per cancellarlo.
  • Il Nasdaq afferma che l'algoritmo di Citadel iniziò ad operare in Quote Stuffing sul titolo PENN tra le 13:32:53.029 e le 13:33:00.998; i contrarian sottolineano invece come sia i dati del direct feed sia quelli del SIP mostrino l'algoritmo attivarsi tra le 13:32:48.875 e le 13:33:04.525
  • Nel grafico di cui sotto, offerto da NANEX, possiamo ben capire come i contrarian -verosimilmente- abbiano ragione sull'inesattezza temporale delle evento interessante il titolo PENN sul NASDAQ: per quale motivo? Perché sia le rilevazioni del SIP (blu) sia quelle del direct feed del NASDAQ (rosse), indicanti un lasso temporale differente da quello citato nel comunicato del NASDAQ, si sovrappongono perfettamente, il che vuol dire che convergono sull'esattezza della finestra temporale rilevata da NANEX & C. 

Nanex.net


Di seguito esporrò una serie di considerazioni utili -almeno spero- a comprendere i 2 grafici che inserirò a chiusura di questo post. Nel mondo della finanza, la commodity che ha più valore in assoluto non è né l'oro, né il platino, né il crude oil: è l'infomazione. In questo zero-sum game, i “giocatori” che per primi accedono alla migliore informazione (vale a dire a quella maggiormente aderente alla realtà) alla fine, portano sempre a casa il bottino e/o il bottino più grosso. Il bisogno di ricevere informazioni accurate e di qualità, ma soprattutto il bisogno di riceverle il più rapidamente possibile ha contribuito a creare una vera e propria industria dei dati. I principali clienti degli High-Speed Informations Providers sono gli HFTs: i loro algoritmi analizzano al millisecondo le informazioni ottenute dai primi, prendendo posizione sul mercato conseguentemente. La maggior parte degli investitori retail, basa le proprie scelte di mercato facendo riferimento al consolidated feed,vale al dire al risultato del consolidamento del flusso di dati, derivato dalla combinazione di tutti i prezzi di tutte le azioni quotate su tutti i mercati, volta a calcolare il NBBO , successivamente diffuso come unico data stream. Il consolidated feed prices è noto anche come SIP o SIP Feed. Chi non volesse attendere i dati del SIP (gli HFTs) si orienta sui servizi di colocation e multiple co-location qui descritti (in tal caso i server utilizzati per il funzionamento degli algoritmi sono posizionati in più località, ciascuna delle quali in prossimità di una piattaforma.) Per gli HFTs intendono usufruire di tali servizi? Al fine di “vedere” i dati in anticipo rispetto a coloro i quali facciano affidamento -unicamente- su quelli distribuiti dal SIP; infatti tramite co-location et similia i dati passano direttamente dal mercato all'HFT, laddove quegli stessi dati viaggiando verso il consolidated feed, percorrono la strada più lenta, “fermandosi” nel punto di consolidamento, prima della loro diffusione. In osservanza del Reg NMS statunitense, la fornitura di dati -tramite direct data feed- ad un operatore disposto a pagare, con una rapidità maggiore di quella garantita da parte dello stesso mercato nel trasferirli vesto il consolidated feed è proibita (mentre è astrattamente consentita una più rapida trasmissione dal mercato al consolidated feed): l'informazione sui prezzi proveniente da un mercato deve perciò giungere contemporaneamente sia a coloro i quali paghino per il servizio di direct feed sia al SIP (consolidated feed). Dove risiede dunque il problema? Risiede nel SIP, presso il quale, vuoi a causa della mole di dati da processare, vuoi per la struttura fisica e logica non proprio all'avanguardia, intercorrono alcuni millesimi di secondo tra la ricezione dei dati (da tutti i mercati), il loro consolidamento e la loro diffusione. Diffusione in corrispondenza della quale quel dato avrà un marca temporale “t” quando in realtà è ivi giunto qualche millesimo di secondo prima, per poi restarvi il tempo (millisecondi) necessario al processo di consolidamento; millisecondi durante i quali gli utilizzatori dei servizi di direct data feed hanno ricevuto nuove e più aggiornate informazioni. In altri termini, a causa del funzionamento del SIP, gli investitori sprovvisti un servizio di direct data feed sono portati a considerare “nuovi” dati vecchi di qualche millesimo di secondo, mentre saranno gli utilizzatori del servizio “di comunicazione diretta” gli unici a vedere i dati considerabili realmente nuovi in quel dato momento.
Proviamo ad analizzare nel dettaglio il frame temporale di un secondo, rappresentante la vista offerta dal Total View (il Direct Feed del Nasdaq) e dal SIP (Consolidated Data) nel momento in cui Citadel attacca in quote stuffing il titolo Penn National Gaming Inc. (PENN). Ogni pixel del grafico è pari ad un millisecondo. La linea blu rappresenta il numero di quotazioni generate dal SIP in ogni millisecondo; la linea rossa mostra il numero di messaggi registrati dal direct feed (Total View) del Nasdaq. Tra i due non dovrebbero esserci ritardi in osservanza del Reg NMS; tuttavia, in diversi frame sono stati rilevati non solo sul titolo in esame ma su tutti quelli gestiti tramite lo stesso hardware e software in uso al SIP. Chi si avvantaggia del ritardo? Gli HFTs, specie quando lo stesso diviene prevedibile quindi maggiormente gestibile in maniera matematica, previa generazione del quote stuffing; più nello specifico se ne avvantaggiano gli internalizzatori. Cos' è un internalizzatore? E' un’impresa di investimento che in modo organizzato, frequente e sistematico negozia per conto proprio eseguendo gli ordini del cliente al di fuori di un mercato regolamentato o di un sistema multilaterale di negoziazione. L'internalizzazione sistematica si ha quando l'intermediario internalizzatore esegue ordini, potenzialmente eseguibili su un mercato regolamentato, mediante incrocio con ordini di altri clienti oppure in contropartita con il proprio magazzino titoli, al di fuori di un mercato regolamentato o di un sistema multilaterale di negoziazione; in altri termini, esso garantisce il matching degli ordini retail basati sui dati SIP, potendo acquistare e vendere nel contempo le medesime azioni ai prezzi più aggiornati fatti segnare sul più rapido direct feed, oltre a poter sfruttare, posizionandosi di conseguenza, le informazioni di su prezzi e size degli ordini transitanti -con relative più o meno prolungate permanenze- presso le dark pools.
Nanex.net


Cosa ci dice, invece, il grafico di cui sotto? Come prima cosa è opportuno notare come lo stesso sia scansionato su frames da 200 millisecondi ciascuno: 13:32:50:00; 13:32:50:20; 13:32:50:40; 13:32:50:60 e così via; in secondo luogo (ma non per importanza), in corrispondenza delle frecce blu, è possibile osservare come il SIP diventi silente, ovvero non trasmetta quotazioni (bid/ask prices e quantità) del titolo PENN, accumulando un ritardo rispetto al direct feed (linea rossa) addirittura pari -nel caso della prima freccia- a 16 millisecondi. Questo succede proprio per effetto del tempo necessario a consolidare i vari dati, ingorgati nel collo di bottiglia fisico (hardware) e logico (software) del SIP; terminato il silenzio, il SIP esplode in un tripudio di nuove quotazioni. Tuttavia, i traders che le osserveranno non immaginano di certo che si tratti di dati vecchi di qualche millisecondo (16 nel caso qui preso in considerazione): per quale motivo? Perché il SIP marca temporalmente quei dati come dati delle ore 13:32:50:16 (momento della diffusione) e non come sarebbe viceversa corretto fare, delle ore 13:32:50:00 (momento in cui arrivano dal mercato al SIP).  
Nanex.net


Post scritto ascoltando 











martedì 17 marzo 2015

TRADING AD ALTA FREQUENZA. ORDINI ERRATI O QUOTE STUFFING ? PT. 3 IL CASO DELL' HEDGE FUND "CITADEL LLC"

In questo post, vorrei provare ad illustrare alcuni aspetti riconducibili ad un caso concreto di immissione di ordini errati che sembrerebbe sconfinare in un voluto quote stuffing. Come detto in quello precedente, alle autorità risulta difficilissimo individuare -e sanzionare- condotte di tal fatta, proprio a causa delle loro caratteristiche strutturali- ingegneristiche.
***
Citadel Securities LLC (CDRG) è una società membro della FINRA dal 2005 e del NASDAQ dal 2006: in qualità di retail equity market maker abilitato ad operare negli USA, fornisce - a milioni di investitori- l'esecuzione di una vasta gamma di servizi attraverso la propria struttura di brokerage-dealing, conducendo altresì trading proprietario per conto proprio.
In data 29 Giugno 2010, il NASDAQ inflisse a CDRG una multa di $ 10,000 per aver violato le NASDAQ Rules nn. 2110 e 3010, essendo state riscontrate deficienze -temporalmente inquadrabili tra l' 1 Gennaio ed il 30 Giugno 2008- nel sistema di supervisione dell'azienda e nelle procedure di sorveglianza documentale, inerenti la prevenzione della superficiale immissione di ordini chiaramente erronei.
Il caso analizzato in questo post afferisce, proprio alla mancata -ragionevole- prevenzione della trasmissione di ordini errati verso il NASDAQ, il BATS Exchange, il BATS -Y Exchange, il NYSE Arca, tra il 18 Marzo 2010 ed il 28 Febbraio 2014; immissione errata da alcuni considerata inesistente, trattandosi invece -a loro dire- di quote stuffing intenzionale.
  • In 24 occasioni, tra il 18 Marzo 2010 e l' 8 Gennaio 2013, CDRG avanzò ai mercati di cui sopra, richieste di attivazione di processi informatici volti a cancellare gli ordini immessi -con errori- per conto della propria clientela, che i sistemi di supervisione e controllo del rischio aziendale mancarono di individuare e prevenire, in una misura considerabile ragionevole.
  • Separatamente, nell' Aprile 2010, impegnata a sviluppare un aggiornamento del proprio software, CDRG rilasciò -per sbaglio- una versione beta di un precedente progetto di upgrade, successivamente abbandonato, la quale causò un evento di quote stuffing in ragione del fatto che furono inviati – con evidente errore concettuale- limit orders prezzati a livello di mercato. Il rilascio di questa versione software mal funzionante fece sì che CDRG vendesse -erroneamente- allo scoperto, circa 2,75 milioni di azioni di PC Group, nell'arco di 11 minuti.
  • Nell'Agosto 2011, CDRG rilasciò una versione aggiornata del software deputato a gestire il dimensionamento degli ordini nell'ambito di una delle strategie di trading algoritmico proprietario da essa impiegate; tuttavia, questa release presentava un difetto ingegneristico a causa del quale la trading strategy attivava un loop -quindi un ciclo continuo, privo di conclusione- di ordini inviati e cancellati.
  • In data 13 Dicembre 2012, CDRG inserì dati di mercato erronei all'interno dell'orders book dell'azienda, nella finestra temporale in cui un data server dedicato alla gestione dei market data del NYSE Arca, mancò di attivarsi correttamente. Detta circostanza fece si che il Proprietary Trading Desk di Citadel inviasse, in due minuti, limit orders contenenti condizioni molto vicine a quelle di mercato (quindi limit orders prossimi ad essere marketable a causa dei limiti aventi impostazioni eccessivamente vicine ai valori fatti segnare dal mercato in quel momento) su 16 titoli.
  • In connessione con un progetto di ridefinizione del codice informatico, completato nel Gennaio 2014, CDRG mal configurò alcune linee dello stesso, causando la disattivazione di un  controllo deputato a prevenire la trading strategy -impiegata dal broker-dealer- avente come perno funzionale l'inoltro di un numero di ordini superiore a 200 al secondo, per un dato titolo. A causa di detta erronea configurazione, il controllo informatico mancò di attivarsi nel momento in cui il codice revisionato venne introdotto nell'ambiente operativo e -conseguentemente- CDRG omise di prevenire l'attuazione della strategia, finalizzata ad inviare milioni di ordini verso i mercati, seguiti da poche o nulle esecuzioni.


CDRG conduce i propri affari per mezzo di trading desks totalmente automatizzate; quello deputato al market making sull'azionario ha sperimentato 2 diversi tipi di eventi di ordini considerati errati  -secondo la versione ufficiale-  tra il 18 Marzo 2010 ed il 28 Febbraio 2014:
  1. Ordini erroneamente immessi -nella sua veste di broker- per conto dei clienti retail.
  2. Ordini erroneamente immessi dal suo sistema di trading proprietario.
Proviamo ad approfondirli.
Errori dell' Equity Market Making Desk di Citadel.
  1. Nelle 24 ipotesi -sopracitate- comprese nel periodo di tempo considerato, l'Equity Market Making Desk di Citadel, mancò di prevenire l' erronea trasmissione -verso i mercati- di ordini  provenienti dai clienti. Le transazioni risultanti da quegli ordini, influenzarono il prezzo di ogni titolo bersaglio, in alcuni casi in maniera molto consistente. Ad esempio, in data 23 Settembre 2010, l'azienda omise di bloccare un market order -inserito per sbaglio- da un suo cliente per 45.000 azioni; nel momento in cui esso giunse sul mercato, il prezzo delle azioni della small cap aumentò del 132%.
  2. In ognuno dei 24 casi sopra riferiti, CDRG avanzò alle borse la richiesta di provvedere a cancellare le risultanti esecuzioni, asserendo che gli ordini fossero -chiaramente- errati. Più specificatamente, 17 delle 24 rettifiche, furono formalizzate asserendo che i clienti avessero involontariamente inserito market o stop orders anziché limit o stop limit orders. In diversi casi, i mercati accolsero -in tutto o in parte- le richieste del broker, cancellando le transazioni derivanti da quegli ordini la cui identificazione come -erronei- veniva condotta in relazione alle  notifiche inoltrare dai mercati al broker o -in un numero ristretto di casi- attraverso un'indagine svolta direttamente sui clienti.
  3. Tra l'Aprile ed il Giugno 2010, CDRG risultava sfornita di un sistema di un controllo del rischio pre-trade sull' equity market making desk, diverso dal mero limite quantitativo impedente la trasmissione di ordini aventi una size superiore a 999.999 azioni, atto ad inibire l'inoltro di quelli errati.
  4. Nel Giugno 2010, prima dell'entrata in vigore della Rule 15c3-5, CDRG aggiunse un pre-trade risk control all' equity market making desk, comparante la size dell' ordine del cliente con il trading volume (pronuncia inglese) medio quotidiano del titolo. Tra il Giugno 2010 ed il Gennaio 2013, CDRG modificò il size/voume control in più occasioni,restringendo i filtri ed aggiungendone altri al fine di individuare un numero sempre più ampio di erroneous orders. Nonostante questi accorgimenti, ordini di tal genere continuarono ad arrivare sui mercati poiché non risultavano eccedere i parametri relativi  alla size e/o al volume oppure perché quel dato tipo di ordine o di titolo era stato preventivamente escluso dal sistema di controllo pre-trade. Ad esempio, nel Febbraio 2012, CDRG mancò di impedire un erroneous customer orders di 105.257 azioni, in quanto il criterio del size/volume control non era applicato agli ordini “not-held”.
  5. In aggiunta alle mancanze di cui sopra, dall'inizio del Novembre 2010 al 28 Febbraio 2014, i risks control parameters sull'equity market making desk di CDRG erano da considerare inadeguati, in quanto escludevano dal monitoraggio intere categorie di titoli, tra i quali quelli del NASDAQ 100, S&P 100 nonché moltissimi di quelli negoziati sul mercato degli ETFs.
Il Caso PCGR
  1. Il 7 Aprile 2010 l'equity market making desk vendette -per errore- allo scoperto, su base proprietaria, 2,75 milioni di azioni di PCGR (PC Group), causando un crollo del 77% nel prezzo dei titoli, in circa 11 minuti. I 2,75 milioni di azioni equivalevano al 56,7% del volume medio quotidiano fatto registrare nel mese di Aprile 2010.
  2. Il profit and loss server di CDRG, un monitor che fornisce una real time view dei profitti e delle perdite registrare nel trading proprietario, riflesse l'ampia posizione accumulata in PCGR, allertando il desk di CDRG nonché il reparto informatico. Dopo la scoperta di tale attività, CDRG impedì al desk di inviare ulteriori ordini su PCGR.
  3. Il difetto del software sopra richiamato, fece sì che Cidatel trasmettesse ai mercati -in maniera aggressiva- marketable sell limit orders alla media di 25 al secondo, per 100 titoli. Poiché nessuno di essi superava il limite delle 999.999 azioni, l'order size control, vale a dire il primario pre-trade risk control system per la prevenzione degli ordini erronei, attivo in quel tempo sull' equity market making desknon segnalò alcuna anomalia
  4. CDRG non era munita -in quel periodo- di policies scritte né di sistemi di controllo, idonei ad affrontare una modifica dei trading – quoting systems o degli algoritmi in uso, né mai assegnò ad alcun dipendente il compito di monitorare costantemente quelli coinvolti nel caso PCGR.
Excessive Messaging Activity (Quote stuffing)
  1. In data 23 Agosto 2011, l'option market making desk di CDRG rilasciò una versione aggiornata del suo software di gestione del sizing, inerente una delle strategie di proprietary trading tra quelle in uso all'azienda. La strategia, così aggiornata, fu prima rilasciata ad un quoter trading desk elettronico abilitato ad operare su di un numero limitato di titoli il quale, tuttavia, non aveva configurato correttamente il wait timer, vale a dire il temporizzatore della durata dell' outstanding dell'ordine. Questo elemento, combinato con la nuova logica di sizing degli ordini, generò un non intenzionale loop nella strategia di invio e successiva cancellazione degli ordini.
  2. In conseguenza di ciò, tra il 23 ed il 31 Agosto 2011, CDRG inviò verso i mercati raffiche multiple di ordini, alla velocità di 10 mila al secondo. Tale eccessiva attività di quoting, che coinvolse centinaia di migliaia di ordini per un totale di oltre 19 milioni di azioni, si verificò dalle 2 alle 3 volte al giorno. Per esempio, in data 25 Agosto 2011, in un solo secondo, CDRG, inviò ai mercati 13,917 ordini su di un solo titolo per un totale di 2.410.700 azioni. Ciascun ordine fu reso visibile sul book di negoziazione ma cancellato prima dell'esecuzione.
  3. Nessun operatore di CDRG deputato al controllo del rischio sul mercato delle opzioni fu allertato della raffica di messaggi in corso, a causa della brevissima durata e della size modesta di ciascun ordine.
  4. Dopo aver ricevuto una richiesta da parte della FINRA, Citadel modificò il software impiegato nell'options market making desk, con lo scopo di prevenire il ripetersi di eventi simili.
  5. A causa di un progetto di ridefinizione del codice informatico, completato nel Gennaio 2014, CDRG errò nel configurarne una porzione, causando la disattivazione di un controllo designato a prevenire una strategia, avente come caratteristica quella dell'immissione di oltre 200 ordini al secondo per un dato titolo (cosiddetto trashing control). A causa di questo errato settaggio, il controllo mancò di attivarsi allorquando il codice modificato venne introdotto nel contesto operativo. Come risultato, CDRG mancò di prevenire l'attivazione della strategia di trading proprietario avente ad oggetto l'immissione di milioni di ordini con poche o nulle esecuzioni. Per esempio, in data 13 Febbraio 2014 tra le ore 13:32:53:029 e le ore 13:33:00:998 Citadel trasmise verso il NASDAQ approssimativamente 8-9 ordini per acquistare 100 azioni della Penn National Gaming Inc. (“PENN”) per ogni microsecondo (pari ad un milionesimo di secondo, dato contestato da alcuni studiosi), per un totale di 65.000 ordini, seguiti da zero esecuzioni. Dopo aver ricevuto da parte del NASDAQ, preoccupato dal forte incremento registrato nell'attività di quoting da parte di Citadel, una richiesta di informazioni, l'azienda disabilitò la trading strategy, modificò il codice del software per affrontare il problema, implementò un trashing control addizionale volto a prevenire un'eventuale reiterazione della condotta.
Il Data Server Failure del Trading Desk Proprietario di CDRG.
  1. In data 13 Dicembre 2012, un data server di CDRG dedicato a gestire quelli del NYSE Arca  Market ed impiegato nell' ambito del proprietary trading desk, mancò di attivarsi correttamente. La mancata attivazione fece sì che, il server aziendale deputato alla gestione dei dati del NYSE Stock Exchange si connettesse in sostituzione del primo, distribuendo – a livello informatico- i dati non di ARCA, bensì del NYSE Stock Exchange LLC. Il software per il trading algoritmico all'epoca usato da Citadel non registrava né rilevava in maniera separata il mercato dal quale riceveva gli aggiornamenti dei dati di mercato, cosicché la strategia di trading sviluppata per operare sul NYSE Arca, non ricevette -in quell'occasione- i dati relativi a quel mercato, quanto piuttosto quelli del NYSE Stock Exchange LLC, erroneamente interpretati dall'algoritmo come provenienti dal primo mercato. Leggendo quei dati, l'algoritmo del proprietary trading desk si attivò inoltrando in 2 minuti, erronei hyper-marketable limit orders su 16 titoli differenti. I mercati accolsero, parzialmente, la richiesta -avanzata da Citadel- di cancellare le successive esecuzioni, riducendo la perdita $400 mila ordini.
  2. Per tutto quanto sopra, Citadel in data 2 Giugno 2014 ha subito una multa pari ad 800 mila dollari, di cui: 420 mila da versare al NASDAQ, 160 mila a NYSE ARCA, 100 mila a BZX, 70 mila a BYX e 50 mila alla FINRA.
In un post futuro vedremo come alcuni importanti operatori appartenenti al mondo del trading algoritmico, non concordando sul fatto che si tratti di meri errori o difetti -non voluti- di programmazione, affermino trattarsi di quote stuffing ricercato e voluto. 

In questi 2 video, traders ad alta frequenza di Citadel in azione sulla CNN