Cara Menghindari Flash Crash Lainnya
Hari ini menandai peringatan tiga tahun Kerusakan Flash 2010 , ketika pasar saham AS kehilangan 1.000 poin dalam hitungan menit sebelum memulihkan sebagian besar kerugian ini beberapa menit kemudian.
Kecelakaan itu terjadi ketika algoritme perdagangan frekuensi tinggi masuk ke dalam spiral penjualan berkecepatan tinggi yang kejam, menghapus nilai miliaran dolar sebelum ada yang tahu apa yang terjadi. Beberapa pengamat berpendapat bahwa sistem perdagangan yang didominasi oleh mesin daripada manusia bisa semakin rentan terhadap kecelakaan seperti itu di masa depan.
apakah umat manusia ditakdirkan?
Mungkin algoritme juga dapat membantu membuat sistem keuangan lebih aman.
Saya baru-baru ini menghadiri ceramah menarik yang menggambarkan pendekatan matematis yang mungkin membantu regulator keuangan menemukan tanda-tanda awal kesulitan dalam sistem keuangan yang menjadi semakin kompleks dan tidak dapat ditembus. Andrew Lo , seorang profesor di Sloan Business School dan direktur Laboratorium MIT untuk Rekayasa Keuangan, memulai pembicaraannya, yang disebut Pengukuran dan Pengelolaan Kompleksitas Sistem Keuangan, dengan menunjukkan dua grafik yang menggambarkan dengan rapi kompleksitas dan interdependensi sistem keuangan saat ini.
Yang pertama menunjukkan hubungan antara berbagai lembaga keuangan besar kira-kira 20 tahun yang lalu:
Yang kedua menunjukkan hubungan yang sama hanya 10 tahun kemudian:
Bola karet raksasa yang rumit ini menggambarkan betapa gentingnya sistem keuangan; Lo melanjutkan dengan mencatat bahwa lembaga keuangan ini tidak berkewajiban untuk mengungkapkan kegiatan mereka, dan akan keberatan melakukannya karena takut memberikan keunggulan kompetitif kepada saingan mereka.
Lo kemudian berbicara tentang sebuah ide yang dapat membantu memberikan regulator cara untuk memantau aktivitas tanpa mengharuskan perusahaan keuangan untuk meletakkan kartu mereka di atas meja. Solusinya adalah algoritme yang memungkinkan peserta mengenkripsi detail aktivitas keuangan mereka sedemikian rupa sehingga detailnya tetap rahasia tetapi fungsi komputasi dapat dilakukan pada data kolektif untuk mengungkapkan aktivitas yang berpotensi mengganggu dalam sistem secara keseluruhan.
audio terjemahan bahasa Spanyol ke bahasa Inggris
Pendekatannya sangat mirip dengan enkripsi homomorfik , teknik matematika yang sedang dieksplorasi sebagai cara untuk menyediakan akses ke data yang sangat sensitif yang disimpan dalam database komputasi awan (lihat A Cloud That Can't Leak ).
Detailnya bisa kamu baca di makalah ini , ditulis bersama dengan rekan-rekan dari Sekolah Komunikasi dan Ilmu Komputer EPFL di Swiss dan Grup AlphaSimplex , sebuah perusahaan perdagangan yang didirikan oleh Lo.
Setelah pembicaraan saya bertanya kepada Lo apakah ini mungkin benar-benar membantu mencegah krisis keuangan 2007. Inilah yang dia katakan:
Ada perbedaan besar antara memiliki banyak tanda peringatan dan memiliki sumber resmi pemerintah yang mirip dengan Layanan Cuaca Nasional yang memberi tahu Anda bahwa badai sedang terjadi. Ya, ada banyak tanda peringatan, tetapi hampir tidak mungkin bagi regulator untuk mengambil tindakan berdasarkan tanda peringatan. Bayangkan meminta orang-orang di New Jersey untuk mengungsi karena Anda punya firasat buruk tentang cuaca.
Saya juga bertanya apakah pendekatan ini akan membantu dengan perdagangan frekuensi tinggi dan perilaku yang muncul terkait (lihat Watch High-Frequency Trading Bots Go Berserk ).
Pendekatan kami sebenarnya bisa sangat berguna untuk perdagangan frekuensi tinggi dalam memungkinkan investor untuk mengukur seberapa ramai pasar pada titik waktu tertentu tanpa meminta pedagang individu untuk mengungkapkan posisi mereka.
Sepertinya solusi yang cukup cerdik untuk masalah yang sangat penting.
