В 2019 году мир был обеспокоен тем, что алгоритмы теперь знают нас лучше, чем мы сами себя знаем. Никакая концепция не отражает это лучше, чем капитализм слежки — термин, придуманный американской писательницей Шошаной Зубофф для описания мрачной новой эпохи, в которой такие компании, как Facebook и Google, предоставляют популярные услуги, в то время как их алгоритмы разглашают наши цифровые следы.
Удивительно, но беспокойство Зубоффа не распространяется на алгоритмы на финансовых рынках, которые заменили многих людей на торговых площадках. Автоматизированная алгоритмическая торговля получила распространение примерно в начале 21 века, сначала в США, а вскоре и в Европе.
Одним из важных факторов стала высокочастотная торговля, которая происходит с головокружительной скоростью, вплоть до миллиардных долей секунды. Это давало инвесторам перспективу преимущества над своими конкурентами, а также помогало обеспечить ликвидность рынка, гарантируя, что всегда будет кто-то, готовый покупать и продавать по определенной цене. Высокочастотная торговля сейчас отстает более чем на половину объемов как на фондовом, так и на фьючерсном рынках. На других рынках, таких как валютный рынок, алгоритмы имеют меньшее, но все же значительное присутствие, и нет никаких признаков того, что они будут ослабевать в будущем.
Люди по-прежнему программируют алгоритмы и разрабатывают свои торговые стратегии, хотя развитие глубокого обучения ставит под угрозу даже эту роль. Но в тот момент, когда алгоритмы запускаются на рынках, они начинают действовать самостоятельно, без вмешательства человека, танцуя друг с другом головокружительными и зачастую неожиданными способами.
На первый взгляд, они имеют мало общего с нами. Они не могут думать и чувствовать, и, несмотря на шумиху вокруг машинного обучения, называть их умными по-прежнему сложно и спорно. Однако, как и люди-торговцы, они принимают решения, наблюдают за тем, как другие принимают решения, и в ответ корректируют свое поведение.
На скоростях, во много раз превышающих скорость, с которой люди, вероятно, когда-либо смогут справиться, эти алгоритмы легко формируют ожидания относительно ожиданий друг друга при размещении заказов на покупку и продажу.
Например, один алгоритм может пытаться манипулировать ожиданиями другого относительно движения цен, отправляя большое количество заказов на покупку или продажу определенного актива. Затем первый алгоритм быстро отменит свои ордера, надеясь, что он обманом заставит своего соперника сделать неправильную ставку о том, в каком направлении движется рынок.
Интересно, что социологи считают такого рода взаимное ожидание центральной чертой того, что значит для человека быть социальным. Они уже давно рассматривают рынки как высокосоциальную арену. В период расцвета торговых площадок правильное прочтение социальных сигналов других трейдеров – гримас или ухмылок, тревожных тонов и даже шума торгового зала – часто определяло разницу между богатством и катастрофой.
Но если машины могут быть социальными, насколько они похожи или отличаются от того, как на самом деле общаются люди? Конечно, есть очевидные различия. В то время как люди-трейдеры прошлого часто хорошо знали друг друга и часто проводили время вместе после работы, алгоритмы торгуют анонимно. Когда они отправляют приказы на покупку или продажу активов, никто из других трейдеров не знает, исходит ли он от человека или от машины.
Действительно, именно поэтому они запрограммированы на формирование ожиданий друг от друга. Лицевые подсказки больше не доступны, но были разработаны целые стратегии, которые направлены на то, чтобы выяснить, могло ли несколько ордеров быть размещено одним и тем же алгоритмом, а затем попытаться предсказать, какими могут быть его следующие шаги.
Чтобы избежать таких попыток, алгоритмы часто разрабатываются так, чтобы другие алгоритмы не распознавали их как алгоритмы. Как выразился шотландский социолог Дональд Маккензи, они могут использовать стратегии сокрытия и/или стремиться публично представить свое «я». Это снова те качества, которые социологи уже давно считают ключевыми аспектами столичной жизни.
Вместе с коллегами я провел последние несколько лет в крупных финансовых центрах, беседуя с трейдерами, программистами, регулирующими органами, чиновниками бирж и другими финансовыми специалистами об этих торговых алгоритмах. Это выявило некоторые другие интересные сходства между людьми и автоматизированными трейдерами.
Программисты с готовностью признают, что как только их алгоритмы начинают взаимодействовать с другими, они увлекаются и действуют непредсказуемо, как если бы они были в толпе. Социологи с конца 19-го века изучали, как люди очаровываются толпой и позволяют своей автономии ускользать в виде «социальных лавин», но мы до сих пор в значительной степени игнорировали тот факт, что финансовые машины делают нечто подобное.
«Внезапный крах» 6 мая 2010 года лучше всего иллюстрирует то, что я здесь имею в виду. За четыре с половиной минуты бешеное взаимодействие полностью автоматизированных торговых алгоритмов привело к резкому падению рынков США, принеся убытки в размере около 1 триллиона долларов США (768 миллиардов фунтов стерлингов), пока торговля не была быстро приостановлена.
Большинство из этих сделок позже были отменены как «явно ошибочные». Конечно, ни один трейдер или программист не планировал вызвать такой масштабный сдвиг цен, но десятилетия социологических исследований говорят нам, что такое поведение ожидается в больших группах. Нам необходимо понять, как наши финансовые алгоритмы взаимодействуют согласованно, прежде чем наши собственные инструменты станут нашей погибелью.
Конечно, не все формы социального взаимодействия достойны восхищения и пользы. Как и люди, алгоритмы взаимодействуют друг с другом разными способами:от заботливого и мирного до холодного и жестокого:от обеспечения ликвидности и поддержания стабильности рынка до выдачи манипулятивных ордеров и запуска дикой торговой активности.
Понимание этих взаимодействий является не только ключом к пониманию современной торговли и попыткам предотвратить будущие резкие сбои. Сегодня алгоритмы общаются друг с другом во все большем количестве областей. Понимание того, как они ведут себя в толпе, мы надеемся, прольет свет на те области, где они только начинают проявлять себя — например, системы беспилотного движения или автоматизированные военные действия. Это может даже предупредить нас о подстерегающих лавинах.