Nel 2019, il mondo si è preoccupato che gli algoritmi ora ci conoscano meglio di quanto conosciamo noi stessi. Nessun concetto lo cattura meglio del capitalismo della sorveglianza, un termine coniato dalla scrittrice americana Shoshana Zuboff per descrivere una nuova era desolante in cui Facebook e Google forniscono servizi popolari mentre i loro algoritmi falciano le nostre tracce digitali.

Sorprendentemente, La preoccupazione di Zuboff non si estende agli algoritmi nei mercati finanziari che hanno sostituito molti degli umani nelle sale di negoziazione. Il trading algoritmico automatizzato è decollato all'inizio del 21° secolo, prima negli Stati Uniti ma presto anche in Europa.

Un fattore importante è stato il trading ad alta frequenza, che corre a velocità accecante, fino a miliardesimi di secondo. Ha offerto agli investitori la prospettiva di un vantaggio sui loro rivali, mentre aiutava a fornire liquidità a un mercato assicurandosi che ci fosse sempre qualcuno disposto a comprare e vendere a un determinato prezzo. Il trading ad alta frequenza è ora dietro più della metà dei volumi sia nel mercato azionario che in quello dei futures. In altri mercati, come il cambio, gli algoritmi hanno una presenza minore ma comunque significativa, senza alcun segno che svaniranno in futuro.

I vizi dei dispositivi

Gli umani programmano ancora gli algoritmi e progettano le loro strategie di trading, anche se l'ascesa del deep learning sta mettendo a rischio anche questo ruolo. Ma nel momento in cui gli algoritmi vengono attivati ​​sui mercati, agiscono di propria iniziativa senza intervento umano, ballando tra loro in modi vertiginosi e spesso inaspettati.

A prima vista, hanno poco in comune con noi. Non possono pensare o sentire, e nonostante il clamore intorno all'apprendimento automatico, è ancora controverso e complicato descriverli come intelligenti. Come commercianti umani, però, prendono decisioni, osservare gli altri che prendono decisioni, e adattare il loro comportamento in risposta.

A velocità molte volte superiori a quelle che gli umani probabilmente riusciranno mai a raccogliere, questi algoritmi formano facilmente aspettative sulle aspettative reciproche quando effettuano i loro ordini di acquisto e vendita.

Per esempio, un algoritmo potrebbe cercare di manipolare le aspettative di un altro sui movimenti dei prezzi inviando un gran numero di ordini per acquistare o vendere un determinato asset. Il primo algoritmo annullerà quindi rapidamente i suoi ordini, sperando di aver ingannato il suo rivale facendogli fare la scommessa sbagliata sulla direzione in cui si sta dirigendo il mercato.

interessante, i sociologi considerano questo tipo di anticipazione reciproca come una caratteristica centrale di ciò che significa per gli esseri umani essere sociali. Hanno visto a lungo i mercati come arene altamente sociali. Nel periodo di massimo splendore dei piani commerciali, leggere correttamente i segnali sociali di altri trader:una smorfia o un sorriso, toni ansiosi, persino il trambusto del trading floor, spesso indicava la differenza tra ricchezza e disastro.

Ma se le macchine possono essere sociali, quanto è simile o diverso dal modo in cui gli umani socializzano davvero? Ci sono differenze evidenti, Certo. Mentre i mercanti umani del passato spesso si conoscevano bene, e spesso uscivano insieme dopo il lavoro, gli algoritmi commerciano in modo anonimo. Quando inviano ordini di acquisto o vendita di asset, nessun altro trader sa se proviene da un uomo o da una macchina.

Infatti, proprio per questo sono programmati per formare aspettative reciproche. I segnali facciali non sono più disponibili, ma sono state sviluppate intere strategie che cercano di scoprire se un certo numero di ordini potrebbe essere stato piazzato da uno stesso algoritmo, e quindi provare a prevedere quali potrebbero essere le sue prossime mosse.

Per eludere tali tentativi, gli algoritmi sono spesso progettati in modo da non essere riconosciuti come algoritmi da altri algoritmi. Come ha affermato il sociologo scozzese Donald MacKenzie, possono impegnarsi in strategie di dissimulazione e/o cercare di dare una presentazione particolare del loro "sé" in pubblico. Questi sono ancora attributi che i sociologi hanno a lungo considerato aspetti chiave della vita metropolitana.

Valanga!

Insieme ai colleghi, Ho trascorso gli ultimi anni nei principali centri finanziari intervistando trader, programmatori, regolatori, funzionari di scambio e altri professionisti della finanza su questi algoritmi di trading. Ciò ha evidenziato alcune altre interessanti somiglianze tra trader umani e automatizzati.

I programmatori ammettono prontamente che una volta che i loro algoritmi iniziano a interagire con gli altri, si lasciano trasportare e agiscono in modo imprevedibile, come se fossero in una folla. I sociologi fin dalla fine del XIX secolo hanno studiato come le persone vengono incantate dalla folla e lasciano che la loro autonomia scivoli in "valanghe sociali, " ma finora abbiamo ampiamente ignorato il fatto che le macchine finanziarie facciano qualcosa di simile.

Il "flash crash" del 6 maggio 2010 illustra al meglio ciò che intendo qui. In quattro minuti e mezzo, la frenetica interazione di algoritmi di trading completamente automatizzati ha messo i mercati statunitensi in picchiata, generando circa 1 trilione di dollari USA (768 miliardi di sterline) di perdite fino a quando le negoziazioni non sono state rapidamente sospese.

La maggior parte di questi scambi coinvolti sono stati successivamente annullati come "chiaramente errati". Certamente nessun trader o programmatore aveva pianificato di creare questo massiccio spostamento dei prezzi, ma decenni di ricerche sociologiche ci dicono che questo tipo di comportamento è previsto in grandi gruppi. Dobbiamo capire come interagiscono di concerto i nostri algoritmi finanziari prima che i nostri strumenti diventino la nostra rovina.

Certo, non tutte le forme di interazione sociale sono ammirevoli o benefiche. Come gli umani, gli algoritmi interagiscono tra loro in modi che vanno dal premuroso e pacifico al freddo e violento:dal fornire liquidità e mantenere la stabilità del mercato all'effettuare ordini manipolativi e innescare attività di trading sfrenate.

Fare i conti con queste interazioni non è solo la chiave per comprendere il trading moderno e cercare di prevenire futuri flash crash. Gli algoritmi parlano tra loro in sempre più campi oggi. Capire come si comportano come le folle, si spera, farà luce nelle aree in cui stanno appena iniziando a farsi strada:pensa ai sistemi di traffico a guida autonoma o alla guerra automatizzata, ad esempio. Potrebbe anche avvisarci delle valanghe in agguato, pure.

Questo articolo è stato ripubblicato da The Conversation con una licenza Creative Commons. Leggi l'articolo originale.