Per la settima parte, clicca qui.
Nei posts precedenti ed in particolar modo dalla parte III (clicca qui) in poi, abbiamo visto come sia possibile analizzare algoritmicamenteil contenuto delle news, quindi le informazioni, stabilendo se esse siano -rispetto al prezzo dell'asset osservato- positive, negative, neutrali. Il passo successivo all' interpretazione,consiste nell'assegnazione di un punteggio numerico all'informazione, propedeutica al calcolo delle medie e da qui dei relativi scostamenti, strumentali alla rilevazione del sentiment sui timeframes desiderati. E' abbastanza pacifico che forti oscillazioni dei prezzi, inducano forti oscillazioni del sentiment, mentre forti mutamenti del sentiment non sono sempre seguiti da forti mutamenti del prezzo.Questa circostanza, cosa ci suggerisce? Che il solo sentiment non può essere elemento dotato di un'affidabilità tale da giustificare, di per sé, una solida previsione dell'andamento di mercato, costituendo invece uno dei tanti parametri, uno dei tanti valori -potenzialmente strutturabile per indici e settori- contemplato nel processo decisionale di un algo. Particolarmente interessanti sono le news surprises, espressione di uno scostamento tra le aspettative -il consensus- di mercato -in termini quantitativi assoluti e/o percentuali- inerente quel dato ed il valore effettivamente comunicato. Solitamente, per stimare la dimensione della sorpresa, il valore risultante dalla differenza tra dati attesi e dati ufficiali, viene diviso per la deviazione standard del dato considerato. In molti casi -richiesta sussidi disoccupazione, nuovi posti di lavoro, nuovi permessi di costruzione ecc.- si tratta di dati la cui incorporazione nel prezzo avviene in maniera rapida; in altre ipotesi -per esempio dimissioni di un CEO- è necessaria un'analisi più complessa ditipo quantitativo, astrattamente conducente ad opposte visioni sull'impatto netto prodotto dall'effetto sorpresa sui prezzi, in grado di incrementare fortemente la volatilitàe/o ridurre la liquiditàdell'asset osservato. Quello che è importante ribadire è che lo sfruttamento del news flow varia anche a seconda del tipo di algoritmo (esecuzione o trading automatico) in considerazione del fatto che, non può considerarsi variabile “core”del mercato a differenza della liquidità, volatilità, prezzo, volume. Per questo motivo, il trattamento algoritmico da esso subito, varia a seconda della finalità del processo di trading non discrezionale, essendo in quelli di esecuzione non considerabile, singolarmente, elemento determinante nel perseguimento degli obiettivi chiave della minimizzazione dei costi di transazione ed impatto sul mercato.
Nei posts precedenti ed in particolar modo dalla parte III (clicca qui) in poi, abbiamo visto come sia possibile analizzare algoritmicamenteil contenuto delle news, quindi le informazioni, stabilendo se esse siano -rispetto al prezzo dell'asset osservato- positive, negative, neutrali. Il passo successivo all' interpretazione,consiste nell'assegnazione di un punteggio numerico all'informazione, propedeutica al calcolo delle medie e da qui dei relativi scostamenti, strumentali alla rilevazione del sentiment sui timeframes desiderati. E' abbastanza pacifico che forti oscillazioni dei prezzi, inducano forti oscillazioni del sentiment, mentre forti mutamenti del sentiment non sono sempre seguiti da forti mutamenti del prezzo.Questa circostanza, cosa ci suggerisce? Che il solo sentiment non può essere elemento dotato di un'affidabilità tale da giustificare, di per sé, una solida previsione dell'andamento di mercato, costituendo invece uno dei tanti parametri, uno dei tanti valori -potenzialmente strutturabile per indici e settori- contemplato nel processo decisionale di un algo. Particolarmente interessanti sono le news surprises, espressione di uno scostamento tra le aspettative -il consensus- di mercato -in termini quantitativi assoluti e/o percentuali- inerente quel dato ed il valore effettivamente comunicato. Solitamente, per stimare la dimensione della sorpresa, il valore risultante dalla differenza tra dati attesi e dati ufficiali, viene diviso per la deviazione standard del dato considerato. In molti casi -richiesta sussidi disoccupazione, nuovi posti di lavoro, nuovi permessi di costruzione ecc.- si tratta di dati la cui incorporazione nel prezzo avviene in maniera rapida; in altre ipotesi -per esempio dimissioni di un CEO- è necessaria un'analisi più complessa ditipo quantitativo, astrattamente conducente ad opposte visioni sull'impatto netto prodotto dall'effetto sorpresa sui prezzi, in grado di incrementare fortemente la volatilitàe/o ridurre la liquiditàdell'asset osservato. Quello che è importante ribadire è che lo sfruttamento del news flow varia anche a seconda del tipo di algoritmo (esecuzione o trading automatico) in considerazione del fatto che, non può considerarsi variabile “core”del mercato a differenza della liquidità, volatilità, prezzo, volume. Per questo motivo, il trattamento algoritmico da esso subito, varia a seconda della finalità del processo di trading non discrezionale, essendo in quelli di esecuzione non considerabile, singolarmente, elemento determinante nel perseguimento degli obiettivi chiave della minimizzazione dei costi di transazione ed impatto sul mercato.
Ciò non significa, ovviamente, che gli operatori algoritmici mostrino indifferenza rispetto alla gestione del flusso di notizie. L'incorporazione negli algos dei comportamenti osservabili dagli operatori in ragione dei livelli di prezzo e di liquidità osservati, così come dei processi di gestione del news flow, sono fenomeni relativamente recenti. In particolar modo, l'inserimento della componente “informativa” negli algos già esistenti, consente un miglioramento delle rispettive performances: ad esempio i VWAP (clicca qui) e gli Shortfall (clicca qui) potrebbero sperimentare -ed in genere sperimentano- rispettivamente, un miglioramento dei targets in termini di volume profiles e delle stime in termini di volatilità di breve termine, laddove quelli cost-based potrebbero apportare -in ragione delle news rilasciate- temporanee modifiche ai modelli “limit orders” impiegati. In realtà, unnews-adaptive algo presenta una logica non molto differente di quella governante unoprice-adaptive. Intendo dire: nel caso di notizia positiva -per il prezzo dell'asset- l'algo procederà ad un selling meno aggressivo o ad un buying più aggressivo. In fondo, un algo news adaptive opera cercando di “immaginare” come il mercato -quindi i prezzi- potrebbe reagire alle news,prendendo posizione, rispetto al movimento successivo, con un certo anticipo da ciò conseguendo che, laddove i prezzi dovessero muoversi per effetto delle news nella direzione paventata, i modelli operativi news adaptive dovrebbero performare meglio di quelli pricebased.
I trades ed i prezzi di mercato, variano senza sosta dall'apertura alla chiusura e gli algos POV (cliccaqui) o price inline si adattano costantemente alla condizioni rilevate sul mercato. Tuttavia, non è possibile rilevare mutamenti informativi con la stessa frequenza, ragion per cui un ordine basato solo ed esclusivamente sul news feedè un po' un ordine la cui attivazione è subordinata all'integrazione di una condizione, costituita dalla release di una notizia positiva o negativa per l'asset trattato. Quindi i news driven orders di natura algoritmica vengono usati dagli istituzionali per alleggerire o incrementare alcune posizioniin presenza di alcune news, assumendo i contorni propri dei traling stop orders, nel caso di specie utilizzabili in presenza di modelli in grado di quantificare con ragionevole accuratezza l'impatto potenziale delle news sui prezzi.
Nessun commento:
Posta un commento