Algo Machine Learning Futures Handel bei JP Morgan

forex-generator

101.Algo Machine Learning Futures Handel bei JP MorganGrowth im handel mit festverzinslichen algorithmischen Futures bei JP Morgan beschleunigte sich 2020 stark, da sich Buy-Side-Händler auf der ganzen Welt an eine maschinell lernende Investmentbank wandten, die mit Algos ausgestattet war, um mit starker Marktvolatilität zu kämpfen. 

In einem Interview mit TRADE erklärt Peter Ward, globaler Leiter futures und elektronische Ausführungsoptionen bei JP Morgan, dass die Volatilität zwar zu dem jüngsten Wachstum beigetragen hat, die Einführung von Algo-Handelsterminkontrakten aber in den letzten Jahren mit Kunden deutlich zugenommen hat. 

Seit 2016 sind die Volumina von Futures, die über Algos bei JP Morgan gehandelt werden, im Vergleich zum Vorjahr um 40 % gestiegen. Tatsächlich machen Algos heute fast 20 % des gesamten Futures-Flusses der Bank aus, deutlich mehr als 2016 und 2017, wie aus datenvon TRADE hervorgeht.

Eine Periode intensiver Volatilität im Jahr 2020 aufgrund einer globalen Pandemie spielte eine Schlüsselrolle bei der kumulativen Übernahme von Buy-Side-Futures, da sich die Anleger an Performance und Liquidität auf dem Bildschirm gewöhnt haben.

“Wenn die Liquidität schwieriger zu liefern ist und die Volatilität größer ist, wird die Leistung in Frage gestellt”, erklärt Ward. “Kunden sind gezwungen, Problembereiche in Ausführungsbereichen zu betrachten, und dann beraten wir uns mit ihnen, um herauszufinden, wie diese Leistung implementiert werden kann. Vielleicht sollten sie erwägen, mit einem höheren Volumen bei der Eröffnung oder Schließung zu handeln, und vielleicht sitzen die ersten fünf Minuten auf dem Bargeld offen wegen des Lärms. All dies können wir ihnen anpassen.

“Ich denke, je mehr Herausforderungen Kunden bei der Implementierung sehen, desto mehr Möglichkeiten können wir ihnen bieten und ihnen helfen, und die Lösung ist ein zunehmend maßgeschneiderter Algorithmus.”

Custom Algorithmen sind besonders beliebt bei Händlern in 2020 und in den letzten Jahren geworden. Die Mengen an kundenspezifischen Algos bei JP Morgan haben sich in den letzten drei Jahren jeweils um das Dreifache verdreifachen, zusammen mit einem Anstieg der Zahl der kundenspezifischen Algos um 21 % im Jahr 2020 auf fast 50 Anpassungen, von nahezu Null im Jahr 2017 auf

Der Flaggschiff-Liquiditätssuchalgorithmus der Bank, bekannt als Aqua, ist die häufigste Grundlage für modifizierte Kundenparameter und Personalisierung. Ein klassisches Anpassungsbeispiel ist, wenn ein Kunde einem bestimmten Handelsmuster folgen, dann aber die Dringlichkeit oder Strategie basierend auf vordefinierten Triggern wechseln möchte.

JP Morgan hat seine Algo-Plattform vor etwa fünf Jahren umgebaut, um der Kaufseite mehr Auswahl über die Parameter zu bieten, die sie für Algorithmen auf ihre Seite stellen können, sowie weitere Anpassungen, die elektronische Bankhändler im Auftrag von Kunden konfigurieren können. Ward fügt hinzu, dass dies seinem Team einen “reicheren” Dialog mit den Kunden ermöglicht habe und die Nachfrage eindeutig da sei.

“Es gab immer einen Bedarf an maßgeschneiderten Algos, auch vor 10 Jahren gab es eine große Nachfrage”, sagt er. “Wir hatten damals einfach keine skalierbare Straße, um den Algo an das anzupassen, was der Kunde wirklich wollte. Der Grund dafür ist, wenn ein Kunde etwas anderes möchte, wir Entwickler brauchten, um zu codieren und es dann für die Bereitstellung auf der Client-Plattform freizugeben, was lange dauert.” 

Suchood Learning

Aqua Algorithmus war vor kurzem ein besonderes Interesse für JP Morgan. Es verwendet Technologie, die als Verstärkung des Lernens bekannt ist, um erweiterte Routing- und Order-Placement-Signale zu erstellen.

Mit der Stärkung des Lernens, eine Form des maschinellen Lernens, lernt der Algorithmus im Wesentlichen im Laufe der Zeit von sich selbst, indem er auf frühere Signale zurückblickt, die er erzeugt hat, und die Leistung bewertet. Die Signale werden diktieren, ob Algo durch den Markt geht oder passiv bleibt.

Die Verbesserung der Lerntechnologie wurde erstmals auf das kürzlich eingeführte Aqua-Modell angewendet, das sich auf die Navigation vierteljährlicher Fristen konzentriert, wenn Futures auslaufen. Dies kann ein Zeitraum von großen Mengen und volatile Zeit für Händler sein, weil jeder in der Regel in der gleichen Woche bis zum nächsten Ablaufdatum rollt. In den letzten Jahren hat sich diese Aktivität vom manuellen, sprachbasierten Handel zu einem eher berührungsarmen E-Commerce entwickelt.

“Früher wurde ein Großteil dieses Geschäfts über Sprachbüros abgewickelt, und einer der Gründe war, dass Handelssysteme nicht mit mehrbeinigen Produkten umgehen konnten”, sagt er. “Da diese Systeme entwickelt wurden, In den letzten Jahren haben wir festgestellt, dass sich ein Großteil dieser Aktivitäten auf elektronische Kanäle verlagert.

“Eine große Anzahl von Pässen auf Kalenderrollen, und die Herausforderung besteht darin, diese Erfahrung für Kunden zu optimieren, anstatt ein Handelsmodell aufzuzwingen, ohne ein bestimmtes Kundenziel zu betrachten.”

Als Reaktion auf Kundentrend und Nachfrage entwickelte JP Morgan ein Modell seiner Aqua-Strategie, bekannt als Roll Algo, das vor nicht allzu langer Zeit auf der letzten US-Finanzliste im Februar veröffentlicht wurde. Es war besonders beliebt bei Käufern auf der Kaufseite, nach Ward.

“Roll Algo konzentriert sich auf die Maximierung der Liquidität und Preisgestaltung summiert sich auf die Maximierung der Liquiditäts- und Preiskapazitäten mithilfe von Signalen, die ihm helfen zu verstehen, wann der Spread überschritten werden muss. Dies ist der wichtigste Bereich, an dem wir arbeiten und der das größte Kundeninteresse geweckt hat.

“Im Februar hat es sich wirklich gut entwickelt und in dieser Zeit gab es viel Kundenservice. Also hat algo auf dem Weg viel gelernt, so dass wir eine Verbesserung der Ergebnisse im nächsten Quartal erwarten können.” Der

Roll Algo ist nicht die einzige Neuerung der neuen Strategielinie von JP Morgan. Fortschrittliche Strategien wie Target to trade around cash or close futures, Multi Leg Strategies to trade multiple instruments at the same time in futures and U.S. government bonds, and algos options have also been developed by the bank.

Futures-Optionsvolumen stiegen im Jahr 2020, da handelswichtige Derivatebörsen wie CME, die den Optionshandel erleichtern, zum Schließen gezwungen waren. Infolgedessen hat sich die Liquidität auf kontaktarme und elektronische Kanäle verlagert, und JP Morgan-Kunden haben begonnen, mehr Fragen zu Handelsoptionen mit Algorithmen zu stellen.

“Futures-Volumenoptionen haben in der Branche in den letzten Jahren ein deutliches Wachstum verzeichnet, und 2020 war ein bahnbrechendes Jahr für die Liquidität auf dem Bildschirm”, fügt Ward hinzu.

“Damit haben wir gesagt, dass es immer noch Herausforderungen und Nuancen in ihrem Handel gibt und hier sehen wir Möglichkeiten, innovativ zu sein und unseren Kunden bei der Umsetzung zu helfen. Dies kann durch einfachere Peg- und Cross-Strategien und letztlich gezieltere Strategien mit Delta- oder Referenzvariabilität erfolgen.”

JP Morgan erwartet Adoption auf der Seite der Der Kauf von Algo-Futures wird in naher Zukunft weiter wachsen, getrieben von den anhaltenden Marktentwicklungen und Trends der letzten Jahre.

Klare regulatorische Anforderungen an die beste Ausführung und wachsenden Appetit der Kaufseite, die Herausforderungen bei Terminkontrakten und Optionsmarktstrukturen zu meistern, haben eine Schlüsselrolle bei der Entwicklung dieses Trends gespielt. Die beste Ausführung zwingt Anleger im Wesentlichen dazu, Benchmarks festzulegen, um die Leistung zu messen, und der Handel mit Algorithmen kann eine effektive Möglichkeit bieten, dies zu tun.

Neue Produkte sind auch in einen Markt eingetreten, in dem Liquidität in vielen Märkten geteilt wird, was eine Herausforderung im Handel mit diesen Produkten darstellt. Nette Derivate zum Beispiel sind jetzt sowohl in Singapur als auch in Indien lyeable, nachdem die Singapore Exchange (SGX) und Indiens National Stock Exchange einen zweijährigen Streit beendet haben, der SGX vorangebracht hat.

Andere Änderungen, wie z. B. verlängerte Arbeitszeiten in Terminmärkten, bedeuten auch, dass es jetzt mehr Stunden zum Handel gibt, was oft die gleiche Menge an Volumen ist. Fügen Sie Perioden mit reduzierter Liquidität und erhöhter Volatilität hinzu, Händler suchten nach und nach algorithmische Strategien und automatisierte Lösungen für eine konsistente Ausführung in flüchtigen Produkten sowie beispielsweise bei der Ausrichtung von Abrechnungszeiträumen. 

Es ist nicht nur JP Morgan, die auf Bemühungen im Algo-Futures-Handel verdoppelt. Im Januar führte die rivalisierende Investmentbank Citi eine Reihe von Ausführungsalgorithmen ein, darunter eine Flaggschiff-Ankunftsstrategie für die Terminmärkte an allen wichtigen Börsen in den USA, Europa und Asien-Pazifik.

Im Gegensatz zu JP Morgan kümmern sich elektronische Händler bei Citi um alle Algo-Anpassungen im Auftrag von Kunden. Der Leiter der elektronischen Futures-Ausführung von Emea bei Citi, Gordon Ball, sagte damals, kunden wollten nicht viele Parameter einführen, um den Auftrag zu erfüllen. Er fügte hinzu: “Die Komplexität des Betriebs eines intelligenten Algorithmus und der Anpassung der Anpassungsfähigkeit passt sich an uns an, so dass sich unsere Kunden auf ihre allgemeinen Investitions- und Handelsziele konzentrieren können.”

Andernorts hat ein Start-up, das von einem ehemaligen globalen Handelsleiter bei AQR Capital Management, Hitesh Mittal, gegründet wurde, einen eigenen Satz von Ausführungsalgorithmen auf den Markt gebracht. Anfang 2020, das darauf abzielt, die Kosten auf der Einkaufsseite durch personalisierte und effiziente Strategien zu senken. Im Dezember sicherte sich BestEx Research 5 Millionen US-Dollar an Fördermitteln, um die Einführung seiner Algos in den Terminmärkten vorzubereiten.

Inmitten des Wettrüstens in diesem Raum prognostiziert JP Morgan es Ward, dass das Tempo der Einführung fester Algo-Handels-Futures, insbesondere angepasster Algos, 2021 in rasantem Tempo anhalten wird. Es bleibt ein wichtiges Ziel bei JP Morgan, da verschiedene Kunden auf der Buy-Seite jetzt auch Algorithmen verwenden, um Futures-Kontrakte zu handeln.

In den letzten Jahren hat sich die Art der kundensuche, die eine algorithmische Ausführung suchen, von einer relativ kleinen Anzahl großer Hedgefonds-Kunden zu traditionelleren Managern, darunter Pensionsfonds, Vermögensverwalter und Versicherungen, verlagert.

“Vor fünf Jahren gab es Taschen, die daran interessiert waren, je nach Appetit eines bestimmten Unternehmers oder Unternehmens. Jetzt ist es viel häufiger geworden, getrieben durch eine breitere Elektronisierung auf den Märkten für festverzinsliche Wertpapiere sowie durch mehr Wertpapierfirmen, die explizitere Ausführungsraten anwenden”, schlussfolgert Ward.

Learning after algo futures machine jumping in JP Morgan erschien zuerst auf TRADE.