Come evitare un altro flash crash

Oggi ricorre il terzo anniversario della 2010 Flash Crash , quando il mercato azionario statunitense ha perso 1.000 punti in pochi minuti prima di recuperare la maggior parte di queste perdite pochi minuti dopo.

L'incidente si è verificato quando gli algoritmi di trading ad alta frequenza sono entrati in una spirale di vendita viziosa e ad alta velocità, spazzando via miliardi di dollari di valore prima che qualcuno sapesse cosa stava succedendo. Alcuni osservatori sostengono che un sistema commerciale dominato dalle macchine piuttosto che dagli esseri umani potrebbe essere sempre più soggetto a incidenti così disastrosi in futuro.

Forse gli algoritmi possono anche aiutare a rendere più sicuro il sistema finanziario.

Di recente ho partecipato a un affascinante discorso che descrive un approccio matematico che potrebbe aiutare i regolatori finanziari a individuare i primi segni di difficoltà in un sistema finanziario che è diventato sempre più complesso e impenetrabile. Andrew Lo , professore alla Sloan Business School e direttore del Laboratory for Financial Engineering del MIT, ha dato il via al suo discorso, chiamato Misurare e gestire la complessità del sistema finanziario, mostrando due grafici che illustrano chiaramente la complessità e l'interdipendenza dell'attuale sistema finanziario.

Il primo mostra le relazioni tra le varie principali istituzioni finanziarie circa 20 anni fa:

Il secondo mostra le stesse relazioni solo 10 anni dopo:

Queste gigantesche palle elastiche di complessità illustrano quanto sia precario il sistema finanziario; Lo ha proseguito osservando che queste istituzioni finanziarie non hanno alcun obbligo di rivelare le proprie attività e si opporrebbero a farlo per paura di offrire ai loro rivali un vantaggio competitivo.

Lo ha poi parlato di un'idea che potrebbe aiutare a dare alle autorità di regolamentazione un modo per monitorare l'attività senza richiedere alle società finanziarie di mettere le carte in tavola. La sua soluzione è un algoritmo che consente ai partecipanti di crittografare manualmente i dettagli delle loro attività finanziarie in modo tale che i dettagli rimangano segreti ma le funzioni computazionali possano essere eseguite sui dati collettivi per rivelare attività potenzialmente problematiche nel sistema complessivo.

L'approccio è abbastanza simile alla crittografia omomorfica, una tecnica matematica che viene esplorata come un modo per fornire accesso a dati molto sensibili archiviati in database di cloud computing (vedi A Cloud That Can't Leak).

Puoi leggere i dettagli in questo articolo , coautore con i colleghi della Scuola EPFL di comunicazione e informatica in Svizzera e Gruppo AlphaSimplex , una società commerciale fondata da Lo.

Dopo il discorso ho chiesto a Lo se questo avrebbe davvero aiutato a prevenire il tracollo finanziario del 2007. Ecco cosa ha detto:

C'è una grande differenza tra avere molti segnali di avvertimento e avere una fonte ufficiale del governo simile al National Weather Service che ti informa che un uragano sta crescendo. Sì, c'erano molti segnali di pericolo, ma è praticamente impossibile per le autorità di regolamentazione agire sulla base di segnali di pericolo. Immagina di chiedere alla gente del New Jersey di evacuare perché hai una brutta sensazione riguardo al tempo.

Ho anche chiesto se questo approccio sarebbe stato d'aiuto con il trading ad alta frequenza e il relativo comportamento emergente (vedi Watch High-Frequency Trading Bots Go Berserk ).

Il nostro approccio potrebbe effettivamente essere molto utile per il trading ad alta frequenza, consentendo agli investitori di misurare quanto sia affollato un mercato in un determinato momento senza chiedere ai singoli trader di rivelare le proprie posizioni.

Sembra una soluzione piuttosto ingegnosa per un problema di enorme importanza.

nascondere