Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65
Telegram: sibac
Прием заявок круглосуточно
График работы офиса: с 9.00 до 18.00 Нск (5.00 - 14.00 Мск)

Статья опубликована в рамках: LXXII Международной научно-практической конференции «Экономика и современный менеджмент: теория и практика» (Россия, г. Новосибирск, 05 апреля 2017 г.)

Наука: Экономика

Секция: Финансы и налоговая политика

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Искяндяров Р.Р. СЛОЖНОСТИ ВЫЯВЛЕНИЯ ПРАКТИК МАНИПУЛИРОВАНИЯ НА РЫНКЕ ЦЕННЫХ БУМАГ // Экономика и современный менеджмент: теория и практика: сб. ст. по матер. LXXII междунар. науч.-практ. конф. № 4(66). – Новосибирск: СибАК, 2017. – С. 98-106.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

СЛОЖНОСТИ ВЫЯВЛЕНИЯ ПРАКТИК МАНИПУЛИРОВАНИЯ НА РЫНКЕ ЦЕННЫХ БУМАГ

Искяндяров Руслан Рушанович

аспирант, кафедра Управления рисками, страхования и ценные бумаги Федерального государственного бюджетного образовательного учреждения высшего образования

«РЭУ им. Г.В. Плеханова»,

РФ, г. Москва

STOCK MARKET MANIPULATION: COMPLEXITY OF IDENTIFICATION

Ruslan Iskyandyarov

Post-graduate student of the Department of Risk management, insurance and securities Plekhanov Russian University of Economics,

Russia, Moscow

 

АННОТАЦИЯ

В статье рассматривается алгоритмы выявления практик манипулирования, таких как спуфинг и лейринг. Подобные практики применяются недобросовестными участниками, использующими высокочастотные торговые алгоритмы. Ведущими торговыми площадками и финансовыми регуляторами зарубежных стран практика лейринга, используемая для искусственного влияния на книгу заявок с целью совершения сделок по более выгодным ценам, все чаще признается манипулированием. В России признаки подобного поведения не нашли отражения в нормативных актах, касающихся запрета манипулирования рынком ценных бумаг, что открывает возможность для законного использования спуфинга/лейринга и подрывает доверие иностранных участников к российскому фондовому рынку.

Цель. Описать этапы применения алгоритма, который позволит выявить кейсы, обладающие признаками манипулирования, а также выделить сложности, которые возникают при выявлении манипулирования на рынке ценных бумаг.

Метод. Использованы методы сравнительного анализа, сопоставления,  систематизации собранной информации.

Результат. Описаны этапы применения алгоритма выявления практик манипулирования с использованием общедоступной информации. Выделены и описаны сложности, возникающие при выявлении практик манипулирования.

Выводы. Описанный алгоритм предлагается использовать в качестве дополнительного инструмента при проведении расследований в отношении манипулирования рынком ценных бумаг.

ABSTRACT

The article deals with description of algorithm which allow to identify practices of stock market manipulation, such as spoofing and layering. Such practices are applied by unfair participants using high-frequency trading algorithms. Leading trading platforms and financial regulators of foreign countries spoofing and layering are increasingly recognized as market manipulation. In Russia, the signs of spoofing/layering are not reflected in the law, which makes them legitimate, but undermines the confidence of foreign investors.     

Background. To describe an algorithm which allow to identify cases that has signs of manipulation and determine the difficulties of identifying manipulation practices.

Methods. In the article are used methods of grouping, comparison, analysis of information.

Result. The research work has considered an algorithm for detection of manipulation practices, using open sources of information. Also has described the difficulties of identifying manipulation practices.

Conclusion. The author proposes to use the algorithm as an additional tool in the investigation of manipulation practices.

 

Ключевые слова: высокочастотная торговля; манипулирование; спуфинг; лейринг.

Keywords: high-frequency trading; HFT; manipulation; spoofing; layering.

 

С началом XXI века биржевая форма торговли значительно преобразилась: с развитием компьютерных систем голосовая форма взаимодействия участников уступила место электронным каналам связи. Торговые залы современных биржевых площадок уже не наполнены криками брокеров, представляющих интересы продавцов и покупателей. Сегодня, при необходимости купить или продать акции (или другой финансовый инструмент), уже нет необходимости звонить брокеру и обговаривать детали сделки: достаточно открыть экран мобильного телефона, нажать кнопку и заключить сделку. В результате, взаимодействие между участниками рынка вышло на новый уровень: помимо того, что возросла скоростью совершения операций, значительно выросло и количество участников.

Возросшие скорости совершения операций привели к появлению новых форм торговли. Одной из таких форм стала высокочастотная торговля (от англ. High-frequency trading, HFT), которая дает возможность совершать специфические по характеристикам транзакции. Специфичность таких транзакций обусловлена систематическим опережением других участников биржевой торговли за счет скорости выполнения набора действий, который включает в себя анализ текущей рыночной информации, определение наиболее прибыльной торговой стратегии, подачу торговых поручений, совершение сделок и ведение системы риск-менеджмента. По различным оценкам [2, c.131-132], высокочастотная торговля на сегодняшний день занимает от 10% до 60% биржевого оборота, при этом в краткосрочные временные интервалы эти значения могут достигать 100%. Кроме того, HFT-роботы в случае технических сбоев способны негативным образом влиять на инфраструктуры биржевых площадок [3, c.2].

По мере развития компьютерных алгоритмов (HFT-роботов), применяющихся при реализации высокочастотной торговли, уменьшалось время, т.е. скорость совершения биржевых операций. Скорости достигли таких значений, что высокочастотную торговлю стали использовать особым способом. Обладая возможностью совершать мгновенные операции, участники, применяющие высокочастотную торговлю, стали посылать в торговую систему заявки, которые искажали реальное соотношения спроса и предложения, тем самым вводя в заблуждение других участников рынка. Такие практики поведения получили название спуфинг (от англ. spoofing) и лейринг (от англ. layering). Под спуфингом понимается практика, подразумевающая подачу или отмену нескольких заявок с целью создания искусственного движения цены в нужном направлении. При лейринге, в отличие от спуфинга, крупная заявка разбивается на серию более мелких, в результате затрудняется ее идентификация и анализ. Таким образом, лейринг можно определить как подачу в торговую систему однонаправленной серии заявок с минимальной разницей в цене для смещения разницы между лучшими ценами на покупку и продажу в нужном направлении и последующего исполнения собственной заявки противоположенной направленности с целью получения прибыли [1, c.59].

Финансовые регуляторы столкнулись с определенными сложностями [5, c.6]. Во-первых, высокочастотная торговля генерирует колоссальный объем рыночной информации, из-за чего сильно усложняется процесс анализа поведения HFT-роботов. Во-вторых, практики спуфинга и лейринга практически незаметные для рядовых участников рынка, на них способны реализоваться только другие HFT-роботы, поэтому возникают споры относительно того, стоит ли признавать такие практики манипулированием [4. c.2]. В-третьих, какие индикаторы следует использовать при анализе таких практик? Каким образом следует проводить анализ поведения участников, применяющих высокочастотную торговлю и недобросовестные HFT-практики?

Как было отражено выше, HFT-практики, такие как спуфинг и лейринг, являются основным способом осуществления манипулирования, основанным на особенностях подачи заявок в торговую систему. При этом суть реализации данных практик, несмотря на то, что их принято разделять, сводится к подаче в торговую систему таких заявок, которые способны исказить сложившиеся уровни спроса и предложения. Одновременно с подачей такой заявки, недобросовестный участник должен размещать противоположено направленные заявки для получения выгоды от ранее размещенной, в противном случае экономический смысл в данных практиках отсутствует.

Отдельно стоит отметить тот факт, что исследователи, изучающие поведение HFT-роботов, сталкиваются с одной проблемой, а именно отсутствием массивов неанонимной рыночной информации. Торговые площадки предоставляют сведения обо всех совершенных в течение торгового дня сделках и поданных участниками торгов заявок. Однако эти сведения не содержат ссылку на конкретных участников, информация предоставляется в обезличенном виде, поэтому невозможно полноценно исследовать поведение каждого из участников. Несмотря на эту особенность, существует возможность выявить кейсы, параметры которых могут указывать на потенциальное манипулирование. В качестве базы расчета необходимо использовать все транзакции, совершенные в течение одного торгового дня всеми участниками рынка по одному из финансовых инструментов. В качестве примера будем использовать все транзакции по обыкновенным акциям ПАО Аэрофлот, совершенные 14 мая 2015 года.

Первым этапом анализа на предмет выявления кейсов, обладающих признаками манипулирования (в части практик спуфинга и лейринга), будет определение пула заявок, имеющих признаки заявок с существенным отклонением цены, т.е. заявок, которые могут потенциально использоваться в недобросовестных HFT-практиках. В качестве заявок, достаточных для влияния и изменения сформировавшихся уровней цен, выберем заявки, объем которых отклоняется от средних значений более чем в 2.5 раза. Кроме этого, при реализации практик спуфинга/лейринга участник торгов через минимальные промежутки времени отменяет заявки, поэтому такой показатель, как время жизни заявки (т.е. разница между временем отмены заявки и временем ее подачи) будет принимать минимальные значения. В качестве тестового порога установим предельное время жизни заявки в размере 500 миллисекунд (0.5 секунды).  Таким образом, заявки, подпадающие по установленные условия, будут располагаться следующим образом:

 

Рисунок 1. Расположение отклоняющихся заявок по отношению к средним значениям объема всех заявок

 

Возвращаясь к этапам реализации практик спуфинга/лейринга отметим, что подача заявок с существенным объемом для создания ложного движения в книге заявок должна осуществляться по ценам, близким к лучшим ценам заявок на покупку (продажу). На основе ранее описанного этапа 1, построим график разброса отмененных заявок с существенным отклонением вокруг лучших цен заявок на покупку/продажу. Для наглядной иллюстрации заявок, потенциально используемых в практиках спуфинга/лейринга, которые также влияют на баланс спроса/предложения, приведем в пример заявки, объем которых отклоняется от средних значений на 250-251%, а также располагающихся вблизи разницы между лучшими ценами покупки и продажи – bid–ask спреда.

 

Рисунок 2. Расположение отклоняющихся заявок по отношению к лучшим ценам на момент их подачи

 

Как видно из рисунка 2, большинство заявок располагаются на достаточном удалении от лучших цен, что не позволяет сделать вывод о том, что они могут быть использованы при применении недобросовестных HFT-практик. Также выделяются заявки, имеющие одинаково равное удаление от лучших цен (прямые жирные линии, образующиеся вблизи 0,5%, 1% границ отклонение бид-аск уровней). В данном случае, в качестве характеристики «близость к лучшим ценам» мы установили пороговое значение в 0,5% от лучших цен (соответствующие пунктирные линии). Несмотря на это, некоторые из заявок все же расположены достаточно далеко от лучших цен. В связи с этим, для увеличения достоверности расчетов и снижения «шума», рассчитаем разницу между ценами заявок и лучшими ценами, сформировавшимися на момент подачи соответствующих заявок. Из 335 заявок (257 – покупка; 98 - продажа), соответствующих диапазону отклонений 250-251% от среднего объема, только 11 заявок удовлетворяют следующим условиям:

Таблица 1.

Условия изменения bid–ask спреда при подаче отклоняющихся заявок

Направление

Условие

Покупка (B)

Цена заявки – Цена лучшего Bid <= 0.02 (2 шага цены)

Продажа (S)

Цена заявки – Цена лучшего Ask >= – 0.02 (2 шага цены)

 

 

Ценовые уровни и параметры по заявкам выглядят следующим образом (для всех заявок из Таблицы 1 объем равен 10 000 бумаг, отклонение от скользящей средней в диапазоне 250-251%):

Таблица 2.

 Параметры ценовых уровней исследуемых заявок

 

На основе рассчитанных параметров, с учетом особенностей реализации недобросовестных HFT-практик, можно сделать вывод о том, что заявка № 2210235 обладает следующими характеристиками:

1. До момента подачи заявки № 2210235 лучшие цены покупки/продажи составляли 41,21/41,24 соответственно. В момент подачи заявки по цене 41,23 с объемом, существенно отклоняющимся от среднего объема, происходит снижение лучших цен продажи до 41,22 (фактически перед заявкой №2210235 появляется еще одна заявка, цена который меньше на 0,1). Таким образом, лучшие цены на покупку остаются неизменными, лучшие цены на продажу снижают на 0,2 и теперь составляют 41,22.

2. В течение периода жизни заявки, ранее поданная заявка на покупку (ее цена соответствует лучшей цене на покупку – 41,21) снимается, в результате чего лучшая цена на покупку также снижается до цены следующей лучшей заявки – 41,2.

3. Заявка № 2210235 снимается, в результате чего происходит возвращение лучших цен на продажу на уровень 41,24, а лучшей цены на покупку – 41,21.

Несмотря на то, что фактически заявка повлияла на изменение ценовых уровней, стоит отметить, что сделок на покупку по цене 41,2 в период жизни заявки, не произошло. Из-за этого достаточных оснований признавать действия участника, подавшего заявку № 2210235 как манипулятивные, нет. Несмотря на это, на данном примере достаточно прозрачно показано влияние заявок с существенным отклонение объема на изменение ценовых уровней, а также механизм их выявления. В результате, алгоритм позволяет исследовать рыночную информацию с позиции применения практик спуфинга и лейринга путем поиска в действиях участника признаков манипулирования и признаков применения высокочастотной торговли, выделенных автором. Несмотря на то, что описанный пример не выявил принадлежность совершенных транзакций к признакам манипулирования, тем не менее, наглядно продемонстрированы этапы проведения анализа.

Таким образом, основная сложность при исследования недобросовестных HFT-практик заключается в разработке такого алгоритма, который способен в максимально сжатые сроки проанализировать рыночную информации и выявить кейсы, которые обладают признаками манипулирования. Кроме этого, дополнительная сложность наблюдается в выборе достоверных пороговых значений критериев, которые способны минимизировать количестве недостоверных сигналов и повысить эффективность алгоритма в целом. Несмотря на указанные сложности, представленный алгоритм позволяет выявить поведение участников, применяющих практики спуфинга/лейринга, и может выступать в качестве дополнительного инструмента при проведении расследований в отношении манипулирования рынком ценных бумаг.

 

Список литературы:

  1. Искяндяров Р.Р. Практика layering: механизм реализации и законодательные барьеры // Финансовая аналитика. –2016. – №31.– С.57-64
  2. Aldridge, I., Krawciw, S. Real-Time Risk: What Investors Should Know About Fintech, High-Frequency Trading and Flash Crashes. – 2017. – P.83-154
  3.  Are high-frequency traders anticipating the order flow? Cross-venue evidence from the UK market [электронный ресурс] – Режим доступа. – URL: https://www.fca.org.uk/publication/occasional-papers/occasional-paper-16.pdf (дата обращения 15.02.2017)
  4. Financial Conduct Authority FINAL NOTICE [электронный ресурс] — Режим доступа. — URL: https://www.fca.org.uk/static/documents/final-notices/coscia.pdf (дата обращения 12.09.2016)
  5. Order instituting administrative and cease-and-desist proceedings, pursuant to sections 15(b) and 21c of the securities exchange act of 1934, making findings, and imposing remedial sanctions and a cease-and-desist order  [электронный ресурс] – Режим доступа. — URL: https://www.sec.gov/litigation/admin/2013/34-70694.pdf (дата обращения 01.03.2017)
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий

Форма обратной связи о взаимодействии с сайтом
CAPTCHA
Этот вопрос задается для того, чтобы выяснить, являетесь ли Вы человеком или представляете из себя автоматическую спам-рассылку.