In 2019 maakte de wereld zich zorgen dat algoritmen ons nu beter kennen dan wij onszelf. Geen enkel concept vat dit beter samen dan het surveillancekapitalisme, een term die is bedacht door de Amerikaanse schrijfster Shoshana Zuboff om een ​​somber nieuw tijdperk te beschrijven waarin bedrijven als Facebook en Google populaire diensten aanbieden terwijl hun algoritmen onze digitale sporen doorzoeken.

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

Een belangrijke drijfveer was de hoogfrequente handel, die zich met verblindende snelheden afspeelt, tot op miljardsten van een seconde. Het bood investeerders het vooruitzicht op een voorsprong op hun rivalen, terwijl het tegelijkertijd hielp om de markt van liquiditeit te voorzien door ervoor te zorgen dat er altijd iemand was die bereid was tegen een bepaalde prijs te kopen en verkopen. Hoogfrequente handel is nu verantwoordelijk voor meer dan de helft van de volumes op zowel de aandelen- als de termijnmarkten. Op andere markten, zoals de valutamarkten, zijn algoritmen weliswaar kleiner maar nog steeds aanzienlijk aanwezig, en er zijn geen tekenen dat deze 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 zodra de algoritmen live gaan op de markten, handelen ze uit eigen beweging, zonder menselijke tussenkomst, en dansen ze met elkaar op duizelingwekkende en vaak onverwachte manieren.

Op het eerste gezicht hebben ze weinig met ons gemeen. Ze kunnen niet denken of voelen, en ondanks de hype rond machinaal leren is het nog steeds controversieel en ingewikkeld om ze als intelligent te omschrijven. Maar net als menselijke handelaren nemen ze beslissingen, observeren ze anderen die beslissingen nemen en passen ze hun gedrag daarop aan.

Ik heb je voor de gek gehouden. Wikimedia

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

Het ene algoritme kan bijvoorbeeld proberen de verwachtingen van een ander over prijsbewegingen te manipuleren door een groot aantal orders te sturen om een bepaald actief te kopen of verkopen. Het eerste algoritme zal dan snel zijn orders annuleren, nadat het hopelijk zijn rivaal heeft misleid tot het maken van de verkeerde weddenschap over de richting die de markt opgaat.

Interessant genoeg beschouwen sociologen dit soort wederzijdse anticipatie als een centraal kenmerk van wat het voor mensen betekent om sociaal te zijn. Ze hebben markten lange tijd gezien als zeer sociale arena's. In de hoogtijdagen van de handelsvloeren betekende het correct lezen van de sociale signalen van andere handelaren – een grimas of grijns, angstige tonen, zelfs het rumoer op de handelsvloer – vaak het verschil tussen rijkdom en rampspoed.

Hoe het ooit was. Everett-collectie

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

Dit is precies de reden waarom ze geprogrammeerd zijn om verwachtingen over elkaar te vormen. Er zijn geen gezichtssignalen meer beschikbaar, maar er zijn hele strategieën ontwikkeld die proberen te achterhalen of een aantal orders door één en hetzelfde algoritme zijn geplaatst – en vervolgens proberen te voorspellen wat de volgende zet ervan zou kunnen zijn.

Om dergelijke pogingen te omzeilen, worden algoritmen vaak zo ontworpen dat ze niet door andere algoritmen als algoritmen worden herkend. Zoals de Schotse socioloog Donald MacKenzie het heeft verwoord:ze kunnen zich bezighouden met huichelarijstrategieën en/of proberen een bepaalde presentatie van hun ‘zelf’ in het openbaar te geven. Dit zijn opnieuw kenmerken die sociologen al lang beschouwen als sleutelaspecten van het leven in de grootstedelijke stad.

Lavale!

Samen met collega's heb ik de afgelopen jaren in grote financiële centra handelaars, programmeurs, toezichthouders, beursfunctionarissen en andere financiële professionals geïnterviewd over deze handelsalgoritmen. Dit heeft een aantal andere interessante overeenkomsten tussen menselijke en geautomatiseerde handelaars aan het licht gebracht.

Programmeurs geven grif toe dat zodra hun algoritmen met anderen gaan communiceren, ze zich laten meeslepen en zich onvoorspelbaar gedragen, alsof ze in een bende zitten. Sociologen hebben sinds het einde van de 19e eeuw bestudeerd hoe mensen in vervoering raken door de menigte en hun autonomie laten afglijden 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 bracht de waanzinnige interactie van volledig geautomatiseerde handelsalgoritmen de Amerikaanse markten in een duikvlucht, waardoor ongeveer 1 biljoen dollar (768 miljard pond) aan verliezen ontstond totdat de handel snel werd opgeschort.

De meeste van deze betrokken transacties werden later geannuleerd omdat ze “duidelijk onjuist” waren. Zeker, geen enkele handelaar of programmeur was van plan deze enorme prijsverschuiving te bewerkstelligen, maar tientallen jaren van sociologisch onderzoek leren ons dat dit soort gedrag bij grote groepen wordt verwacht. We moeten begrijpen hoe onze financiële algoritmen samenwerken voordat onze eigen instrumenten onze ondergang worden.

Onstuitbaar momentum. Lysogor Romein

Natuurlijk zijn niet alle vormen van sociale interactie bewonderenswaardig of nuttig. Net als mensen interageren algoritmen met elkaar op manieren die variëren van zorgzaam en vreedzaam tot koel en gewelddadig:van het verschaffen van liquiditeit en het handhaven van marktstabiliteit tot het geven van manipulatieve orders en het teweegbrengen van wilde handelsactiviteiten.

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