in 2019, de wereld maakte zich zorgen dat algoritmen ons nu beter kennen dan wij onszelf kennen. Geen enkel concept geeft dit beter weer dan surveillancekapitalisme, een term die is bedacht door de Amerikaanse schrijver Shoshana Zuboff om een ​​somber nieuw tijdperk te beschrijven waarin Facebook en Google populaire diensten leveren, terwijl hun algoritmen onze digitale sporen afspeuren.

Verrassend genoeg, Zuboffs bezorgdheid strekt zich niet uit tot de algoritmen op de financiële markten die veel van de mensen op de handelsvloeren hebben vervangen. Geautomatiseerde algoritmische handel begon rond het begin van de 21e eeuw, eerst in de VS maar binnenkort ook in Europa.

Een belangrijke drijfveer was hoogfrequente handel, die met verblindende snelheden loopt, tot miljardsten van een seconde. Het bood beleggers het vooruitzicht van een voorsprong op hun rivalen, terwijl het hielp om liquiditeit aan een markt te verschaffen door ervoor te zorgen dat er altijd iemand was die bereid was te kopen en verkopen tegen een bepaalde prijs. De hoogfrequente handel loopt nu achter op meer dan de helft van de volumes op zowel de aandelen- als de termijnmarkt. Op andere markten, zoals deviezen, algoritmen hebben een kleinere maar nog steeds significante aanwezigheid, zonder tekenen dat ze in de toekomst zullen afnemen.

De ondeugden van apparaten

Mensen programmeren nog steeds de algoritmen en ontwerpen hun handelsstrategieën, hoewel de opkomst van deep learning zelfs deze rol in gevaar brengt. Maar op het moment dat de algoritmen live gaan op markten, ze handelen uit eigen beweging zonder menselijke tussenkomst, op duizelingwekkende en vaak onverwachte manieren met elkaar dansen.

Op het eerste gezicht, ze hebben weinig gemeen met ons. Ze kunnen niet denken of voelen, en ondanks de hype rond machine learning, het is nog steeds controversieel en ingewikkeld om ze als intelligent te omschrijven. Net als menselijke handelaren, echter, ze nemen beslissingen, observeren hoe anderen beslissingen nemen, en hun gedrag daarop aanpassen.

Met snelheden die vele malen sneller zijn dan mensen waarschijnlijk ooit zullen opbrengen, deze algoritmen vormen gemakkelijk verwachtingen over elkaars verwachtingen bij het plaatsen van hun koop- en verkooporders.

Bijvoorbeeld, het ene algoritme kan proberen de verwachtingen van een ander over prijsbewegingen te manipuleren door een groot aantal orders te sturen om een ​​bepaald activum te kopen of te verkopen. Het eerste algoritme annuleert dan snel zijn bestellingen, hopelijk heeft hij zijn rivaal misleid om de verkeerde weddenschap te maken over welke kant de markt opgaat.

interessant, sociologen beschouwen dit soort wederzijdse anticipatie als een centraal kenmerk van wat het voor mensen betekent om sociaal te zijn. Ze beschouwen markten al lang als zeer sociale arena's. In de hoogtijdagen van de handelsvloeren, de sociale signalen van andere handelaren correct lezen - een grimas of grijns, angstige tonen, zelfs het geroezemoes van de handelsvloer - vaak het verschil tussen rijkdom en rampspoed.

Maar als machines sociaal kunnen zijn, hoe vergelijkbaar of verschillend is het met hoe mensen echt socialiseren? Er zijn duidelijke verschillen, natuurlijk. Terwijl de menselijke handelaren uit het verleden elkaar vaak goed kenden, en gingen vaak samen uit na het werk, algoritmen handelen anoniem. Wanneer ze orders sturen om activa te kopen of verkopen, geen andere handelaar weet of het van een mens of van een machine komt.

Inderdaad, dit is precies waarom ze zijn geprogrammeerd om verwachtingen over elkaar te vormen. Gezichtssignalen zijn niet langer beschikbaar, maar er zijn hele strategieën ontwikkeld die proberen uit te vinden of een aantal bestellingen door één en hetzelfde algoritme zijn geplaatst - en vervolgens proberen te voorspellen wat de volgende stappen zouden kunnen zijn.

Om dergelijke pogingen te ontwijken, algoritmen zijn vaak zo ontworpen dat ze door andere algoritmen niet als algoritmen worden herkend. Zoals de Schotse socioloog Donald MacKenzie het uitdrukte:ze kunnen zich bezighouden met verhullingsstrategieën en/of proberen een bepaalde presentatie van hun "zelf" in het openbaar te geven. Dit zijn weer eigenschappen die sociologen lange tijd in overweging hebben genomen bij de belangrijkste aspecten van het leven in de metropool.

Lawine!

Samen met collega's, Ik heb de afgelopen jaren in grote financiële centra doorgebracht met het interviewen van handelaren, programmeurs, regelgevers, wissel functionarissen en andere financiële professionals uit over deze handelsalgoritmen. Dit heeft geleid tot een aantal andere interessante overeenkomsten tussen menselijke en geautomatiseerde handelaren.

Programmeurs geven gemakkelijk toe dat zodra hun algoritmen met anderen gaan interageren, ze laten zich meeslepen en handelen onvoorspelbaar, alsof ze in een menigte zaten. Sociologen hebben sinds het einde van de 19e eeuw bestudeerd hoe mensen in vervoering worden gebracht door menigten en hun autonomie laten glijden in "sociale lawines, " maar we hebben tot nu toe grotendeels genegeerd dat financiële machines iets soortgelijks doen.

De "flash crash" van 6 mei 2010 illustreert het beste wat ik hier bedoel. In vier en een halve minuut, de waanzinnige interactie van volledig geautomatiseerde handelsalgoritmen bracht de Amerikaanse markten in een duikvlucht, genereerde ongeveer US $ 1 biljoen (£ 768 miljard) aan verliezen totdat de handel snel werd stopgezet.

De meeste van deze transacties werden later geannuleerd als "duidelijk onjuist". Geen enkele handelaar of programmeur was van plan geweest om deze enorme prijsverschuiving teweeg te brengen, maar decennia van sociologisch onderzoek leren ons dat dit soort gedrag in grote groepen wordt verwacht. We moeten begrijpen hoe onze financiële algoritmen samenwerken voordat onze eigen tools onze ondergang worden.

Natuurlijk, niet alle vormen van sociale interactie zijn bewonderenswaardig of heilzaam. Net als mensen, algoritmen werken met elkaar samen op manieren die variëren van zorgzaam en vreedzaam tot koel en gewelddadig:van het verschaffen van liquiditeit en het handhaven van marktstabiliteit tot het doen van manipulatieve orders en het aanwakkeren van wilde handelsactiviteiten.

Grip krijgen op deze interacties is niet alleen de sleutel tot het begrijpen van moderne handel en het voorkomen van toekomstige flash-crashes. Algoritmen praten tegenwoordig op steeds meer gebieden met elkaar. Begrijpen hoe ze zich als menigte gedragen, zal hopelijk licht werpen op gebieden waar ze net tot hun recht komen - denk aan zelfrijdende verkeerssystemen of geautomatiseerde oorlogsvoering, bijvoorbeeld. Het kan ons zelfs waarschuwen voor de lawines die op de loer liggen, te.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.