Wisten robots eerder dan wij dat er een financiële crisis aan zat te komen?

Illustratie door Jacob Livengood

Als je willekeurige personen op straat vraagt om te beschrijven hoe de aandelenmarkt eruitziet, beschrijven de meesten waarschijnlijk een zooitje zweterige types in witte overhemden, die in een beursgebouw woest staan te schreeuwen en te gebaren. De mensen met iets meer kennis van zaken zeggen misschien nog iets over rijke mensen die via de computer met hun geld spelen, of over kantoren vol overwerkte nerds met vierkante ogen van de tientallen schermen om zich heen.

De realiteit is tegenwoordig dat de gemiddelde handelaar geen ogen, handen of emoties heeft, maar uit nullen en enen bestaat. Goederenbeurzen over de hele wereld zijn gekaapt door robots, of, specifieker, algoritmes, die zo snel data kunnen scannen en aandelen kunnen verhandelen dat hun scheppers, met hersenen van vlees, ze nauwelijks meer kunnen bijhouden.

Ongeveer de helft van alle Amerikaanse beursoperaties werd in 2012 al uitgevoerd via het ‘hoge frequentie handelen’ (HFT) – ongeveer 1.6 miljard aandelen per dag, volgens schattingen in Bloomberg Businessweek. In vele opzichten doen de algoritmes hetzelfde als menselijke handelaren, wat betreft het kopen en verkopen van aandelen onder elkaar. Om het handelen zo snel mogelijk te laten verlopen zijn ze alleen uitgerust met de meest elementaire benodigdheden. In tegenstelling tot menselijke handelaren, wier handelen vaak sterk beïnvloed wordt door informatie uit de echte wereld (zoals een bedrijf dat zijn kwartaalcijfers bekend maakt) reageren de algoritmes alleen op daadwerkelijke bewegingen in de markt zelf. Sommige wetenschappers en analisten zeggen nu dat dit gedrag, waar verder geen toezicht op is, grote gevaren creëert.

In september publiceerden onderzoekers van de Universiteit van Miami een rapport over de effecten van het massale gebruik van de kortzichtige algoritmes. Ze keken naar de verhandelingen die in minder dan een seconde plaatsvonden, een tijdsbestek waarin alleen robots kunnen reageren. Ze deden een ontstellende ontdekking: tussen januari 2006 en februari 2011 hadden er meer dan 18.000 pieken en crashes in individuele goederenprijzen plaatsgevonden, die zichzelf vervolgens bijna direct weer hadden hersteld en tot vandaag nooit waren opgemerkt.

Ondanks dat de markt zich in milliseconden weer herstelt, zijn dit soort extreme schommelingen eigenlijk “enorme crashes”, volgens Neil Johnson, de hoofdauteur van het rapport.

“Het gaat hier niet om tien of twintig procent van een aandeel, maar om bijna honderd procent van de waarde, binnen een seconde,” aldus Johnson. “Ondanks dat de robots helemaal op zichzelf staan, creëren ze samen toch een soort groepsgedrag. Dat komt omdat een grote groep verschillende robots exact dezelfde mening heeft op exact hetzelfde moment. Daardoor krijg je van die extreme pieken en dalen die je in de mensenwereld nooit zal zien.”

Voordat Johnsons rapport (titel: Abrubt rise of new machine ecology beyond human response time) uitkwam, waren zelfs de bedrijven die de bots gebruikten zich niet bewust van de bijna onwaarneembare, ultrasnelle stijgingen en dalingen die hun beslissingen veroorzaakten. Hoewel ze veel sneller handelen dan mensen, delen de algoritmes ook een zwakte met ons: groepsgedrag. Dit beïnvloedt niet alleen individuele koersen, maar soms zelfs hele markten. Zwermen robots die dezelfde doelen hebben en tegen elkaar strijden in een markt van seconden, handelen soms op een manier die te vergelijken is met vallende dominostenen, wat uiteindelijk enorme gevolgen kan hebben in de menselijke wereld.

Vandaar ook het fenomeen ‘flash crashes’, die in ieder geval deels door HFT worden veroorzaakt. De bekendste vond plaats op 6 mei 2010, toen de Dow Jones in vijf minuten negen procent van zijn waarde verloor en zich twintig minuten later al weer grotendeels herstelde. Andere robotgerelateerde incidenten zijn bijvoorbeeld het ‘mysterieuze algoritme’, dat in oktober 2012 een week lang verantwoordelijk was voor 4 procent van alle quote traffic in de VS, of een kleine storing op 1 augustus 2012, die ertoe leidde dat Knight Capital binnen 45 minuten voor ruim vijf miljard euro aan aandelen kocht en verkocht op de New York Stock Exchange, waardoor het bedrijf zo’n 326 miljoen euro verloor (zo’n veertig procent van de waarde van het bedrijf).

Critici van HFT zeggen dat de algoritmen markten veel vluchtiger maken, winsten voor normale investeerders beperken en geen enkel sociaal nut hebben naast het rijker maken van een paar toch al heel rijke mensen. Nota bene Italië was het eerste land dat een belastingwetgeving invoerde met het doel HFT in te perken. Omdat ik benieuwd was naar hoe zulke trends de wereldeconomie gaan beïnvloeden, en of ik al moet beginnen met het graven van een ondergrondse bunker om me te beschermen tegen een naderende financiële apocalyps, sprak ik met professor Johnson.

VICE: Hoe bezorgd moeten we zijn om het feit dat er micropieken en –dalen worden veroorzaakt door software? 

Neil Johnson: Kijk, als het iedere keer dat ik naar de markt kijk goed lijkt te gaan omdat datgene wat niet goed gaat zo snel gebeurt dat ik het niet eens zie, gaat het dan daadwerkelijk goed? Nou, we besloten om deze ultrasnelle pieken en dalen eens bij te houden gedurende de beroemde crash van 2008 en we waren nogal verbaasd over wat we vonden: niet alleen vonden deze pieken en dalen steeds vaker plaats, maar ook begonnen ze al één tot anderhalf jaar voor de crash te escaleren. En toen zagen we ook dat de bedrijven waarvan de aandelen het meest onderhevig waren aan de escalerende pieken en dalen waarschijnlijk niet toevallig bedrijven waren als als Morgan Stanley, Goldman Sachs, Wells Fargo, J.P. Morgan, Bank of America en Lehman Brothers…

Is het zo dat deze algoritmes voorzagen dat deze bedrijven in de problemen zaten – net zoals dieren een aardbeving van tevoren aanvoelen – of is het mogelijk dat ze hebben bijgedragen aan de crisis? 

Wat we in de data zagen gebeuren was eigenlijk dat deze algoritmes, die uiteraard geschreven zijn door mensen maar onafhankelijk opereren, al een jaar van tevoren een zwakte in de financiële sector doorhadden. Ik zeg niet per se dat ze het direct veroorzaakt hebben, maar ze zagen in ieder geval wel de kloven ontstaan en vervolgens groter worden. Dus er begon ook steeds vaker groepsgedrag te ontstaan, in de aanloop naar de crisis.

Dat klinkt ingewikkeld – een beetje het kip-of-het-ei-verhaal dus. Maar je zegt dus wel dat die machine-‘ecologie’ bijdraagt aan de zogenaamde flash crashes, die af en toe plaatsvinden? 

We hebben de perioden rondom die flash crashes bestudeerd en steeds weer ontdekten we dat kort ervoor en kort erna heel veel ultrasnelle pieken en dalen te zien zijn. Dus ja, ik denk dat het allemaal deel uitmaakt van hetzelfde. Economen komen altijd met een goede reden aanzetten waarom een bepaalde flash crash kon gebeuren: er is een tendens om altijd één bepaald object aan te willen wijzen. Alleen wordt een ecologie natuurlijk niet omlaag getrokken door één enkel object, maar door interacties en collectief gedrag. Als ik de snelweg op ga met mijn auto en ik kom in een enorme file terecht, is het dan mijn schuld? Voor een heel klein deel wel, maar dat geldt ook voor alle andere auto’s.

Wat vind je van de HFT-belasting die Italië onlangs heeft ingevoerd? Gaat het een probleem worden als andere landen dat ook gaan invoeren? 

Ik denk dat het een slecht idee is. Het brengt allemaal vragen met zich mee, zoals wie er dan belasting moet gaan betalen. Entiteiten die een aandeel verhandelen van een bedrijf in het betreffende land, of de eigenaar van het algoritme die toevallig een kantoor in het betreffende land heeft, of eigenaren van algoritmen die hun aandeel aan iemand in het betreffende land verkopen? En wat gebeurt er als de handel ooit geheel verandert in een soort wolk, als alle informatie en eigendom in de cloud gaat zitten, waardoor niemand meer weet waar iets daadwerkelijk is?

U kijkt ook naar hoe uw werk kan worden toegepast in cyberoorlogen. Betekent dat dat u veronderstelt dat soortgelijke algoritmes ook op hele andere soorten data toegepast kunnen worden, en dat dat een groot probleem is? 

Ik denk dat er een goede mogelijkheid bestaat om algoritmes als wapen te gebruiken. Waarom zou je met één persoon of één programma een infrastructuur aanvallen als je het ook met een heel leger aan algoritmes kan doen? Als ik een infrastructuur was en ik werd aangevallen door een groep algoritmes die onderling niet echt met elkaar verbonden waren – dus eigenlijk net zoals bij rellen op straat – hoe zou ik me dan kunnen verdedigen? En als die aanval in een tijdsbestek van minder dan een seconde plaatsvindt, kan ik niet echt beslissingen maken. Daar zou ik zelf algoritmes voor nodig hebben.

Het klinkt alsof algoritmes in die omstandigheden, meer nog dan in markten, nog complexer en lastiger kunnen worden.

Absoluut. Er bestaat in de informatica zoiets als ‘genetische algoritmes’. Wanneer iets niet goed werkt is het heel makkelijk om een algoritme te combineren met een andere en zo een nieuw algoritme te produceren dat beter werkt dan die eerste twee apart. Je combineert twee delen en in de volgende generatie ontstaat er dan iets ‘beters’. Maar dan heb je dus wel het probleem dat als er iets fout gaat, je gaat vragen: “wie heeft dit algoritme bedacht?” En dan zegt iedereen: “Ik niet.” Niemand weet waar dit toe gaat leiden. Maar dat is dus wel wat er gebeurt in een ecologie, soorten smelten samen en vormen vervolgens nieuwe soorten.

Als u de baas van de aandelenmarkt was, wat voor soort regulering zou u dan invoeren? 

Ik zou mensen verzamelen die zich bezighouden met dit soort algoritmisch coderen en vervolgens zou ik een lab bouwen waarin de markt wordt nagebootst. Net zoals biologen in laboratoria miniversies van ecologieën bouwen, om de complexe werking van dingen te kunnen begrijpen. Ik zou niet proberen om het handelen door machines tegen te gaan met regelgeving, of via belastingen. Ik zou er gewoon in meegaan en proberen de ontwikkelingen een stap voor te blijven.