Алгоритмический трейдинг в контексте века машин  — и что может быть впереди

Внутри ИИ

Алгоритмический трейдинг в контексте информационного века — и что может быть впереди

Введение

Наивно можно задаться вопросом, как проблемы на рынке субстандартных кредитов в США повлияют на кого-либо за пределами США, но после финансового кризиса 2008 года экономическая активность снизилась в половине всех стран мира (Mrkaic, 2018). На местном уровне кризис жилищного строительства в Северной Ирландии усугубился, став одним из самых серьезных в мировой истории (Campbell, 2011) и испытав на тот момент самый сильный спад экономического роста в Великобритании (PwC, 2018). Даже в социальном плане остаются неизгладимые шрамы, такие как увеличение равенства доходов при снижении уровня рождаемости, что повлияет на будущие мировые трудовые ресурсы (Mrkaic, 2018).

Дело в том, что финансовый мир гораздо сильнее переплетен с нашей жизнью, чем многие думают, и в результате этого произошло фундаментальное преобразование финансовых фирм в гигантские машины обработки информации (Cortada, 2011) в попытке обратите внимание на повышенный относительный характер между данными и информацией.

Естественно, индустрия финансовых услуг по своей природе является одной из самых информационноемких, в связи с чем инновационное и новое использование технологий часто имеет жизненно важное значение для успеха (Джеймс, 1994). финансовые фирмы не имеют другого выбора, кроме как использовать надежные аналитические инструменты, которые можно автоматизировать (Davenport, Barth, and Bean, 2012).

Принимая во внимание технологизацию и социальную важность финансов, распространение алгоритмической торговли (АТ) как стратегии информационных технологий (ИТ) было выбрано в качестве подходящей темы для изучения в рамках этого эссе в попытке осветить ценность следующих концепций и различий. в понимании и формулировании ИТ-стратегий.

При этом будут эмпирически изучены различия между данными, информацией и знаниями, а также концептуализацией, изобретением, инновациями и распространением как этапами разработки и внедрения АТ. Более того, также предполагается вклад АТ в рабочие процессы и производительность, а также в расширение человеческих возможностей. Последует заключение, в котором будет рассмотрена ценность вышеупомянутых концепций и различий в формулировании ИТ-стратегии, включая взаимосвязь между ИТ и производительностью, потенциальный риск и вознаграждение, а также анализ того, как правовая база функционирует в этой связи.

Данные, информация и знания

АТ стала областью, в которой данные являются самой действенной информацией во всех аспектах; обработка сложных данных с невозможными для человека скоростями помогает фирмам использовать рыночные тенденции для создания альфа-канала за счет «информационного преимущества» (Fang and Zhang, 2016). Таким образом, AT — это вычислительный процесс анализа данных и автоматизации торговых действий, что устраняет ненужные семантические усилия (Qin, 2012).

Данные для этих алгоритмов имеют несколько производных от исторических цен на акции до использования методов машинного обучения в процессе непрерывности и преобразования данных, таких как объективная оценка акций с использованием подобных данных из открытых источников, включая, помимо прочего, интернет-трафик или патентные заявки, например.

Это лишь верхушка айсберга данных — например, анализ настроений, когда-то процесс человеческого, канцелярского труда, теперь может выполняться с помощью синтаксических процессов, демонстрируя дополнительные источники «информационного преимущества» (Qin, 2012).

Следовательно, данные или «большие данные» по определению — это не просто массивные, сложные и разнообразные данные, но, кроме того, это побочный продукт преобразования данных из того, что когда-то было продуктом канцелярского труда, в то, что сейчас является продукт вычислительных преобразований в огромных масштабах. Ограниченная только воображением, AT помогает финансовым учреждениям использовать возможности альфа-генерации данных, используя разнородные источники в поисках «информационного преимущества», посредством чего новомодные шаблоны в данных идентифицируются, позволяя данным говорить (Rickert, 2013).

Как выразился (Дхар, 1998), реальная ценность данных в финансах заключается в возможности наблюдать распределения, которые не наблюдаются непосредственно в данных, что, по сути, и является целью АТ — объединять различные данные, чтобы сказать что-то, что нужно. одни данные не могут (Cortada, 2011). Другими словами, эти алгоритмы наблюдают за распределениями в данных, которые после интерпретации становятся «информацией» для алгоритма, на основе которой синтаксически может быть определено инвестиционное решение.

Хотя при анализе данных произошла трансформация замены человеческого труда машинным процессом, этот синтаксический процесс по-прежнему требует семантического вмешательства в отношении выбора ввода данных (ISY3008, 2019). Имея такое разнообразие доступных данных, будь то структурированные (данные о ценах), полуструктурированные (машиночитаемые новости) или неструктурированные (документы в Интернете) (Qin, 2012), мы еще не достигли того момента, когда алгоритмы могут сделать этот выбор семантически. Таким образом, хотя алгоритмы работают синтаксически, они разработаны семантически, что создает одну из самых больших проблем для AT — семантическую информационную перегрузку (IO), препятствие для эффективности из-за количества актуальной и потенциально полезной доступной информации.

При отсутствии единого средства избежать ввода-вывода наиболее эффективное использование AT для выявления тенденций и получения информации синтаксически зависит исключительно от выбора соответствующих данных, а не от использования всех доступных данных (Bawden and Robinson, 2009). Именно в этом заключается семантический аспект АТ; с ведома трейдера, выбирающего и программирующего алгоритм, чтобы обеспечить надлежащее использование данных, на основе которых алгоритм синтаксически примет инвестиционное решение. Рисунок 1.0 ниже (Qin, 2012) с добавленными аннотациями красного цвета изображает синтаксическую природу AT, а также существующую семантическую работу, которая по-прежнему требуется.

Следовательно, знания можно рассматривать как основу интерпретации данных для ввода (ISY3008, 2019), при этом семантические человеческие знания могут значительно дополнять синтаксические вычислительные способности машин (Кириленко и Ло, 2013). В результате в настоящее время трейдеры-люди обладают преимуществом перед машинами благодаря своим качественным экспертным знаниям о целесообразности и ограничениях данных для использования в AT (Lim and Cheng, 2012). Цитируя: «Нет ничего, что могло бы заменить человеческое взаимодействие, суждения и опыт. Сомневаюсь, что существуют какие-либо торговые операции без человеческого контроля» (Rosen, 2019). Следовательно, долгосрочное сравнительное преимущество с точки зрения данных, информации и знаний, несомненно, знание.

Введение в концептуализацию, изобретение, инновации, распространение

До сих пор проявляется способность вычислительных устройств, таких как АТ, в преобразовании природы человеческой субъективности, раздвигая границы того, что можно читать, анализировать и о чем думать (Амур и Пиотух, 2016) посредством различий, проводимых между данными, информацией, и знания. То, как АТ в последнее время получило широкое распространение в качестве основного инструмента в сфере финансов, теперь будет изучено эмпирически.

Можно предположить, что технологии — это органы человеческого мозга, созданные руками человека; сила знания, объективированного (Маркс, 2005); укрепляя идею о том, что природа сама по себе не создает машин, а взаимодействие человека с природой становится продуктом человеческой деятельности.

Более того, технология как метод выполнения чего-либо требует трех элементов, как утверждают (Dahlman and Westphal, 1983, цитируется в Zander, 1991): информация о методе, средства его выполнение и понимание этого. Примечательно, что и информация, и средства по сути бесполезны, если не существует понимания технологии, «которое включает знание потенциала технологии (средств) и интерпретацию инструкций, касающихся использования технологии (информации)» (Цандер, 1991).

Для контекстуализации в этом эссе концептуализация приравнивается к информации о технологическом методе и средствам осуществления этого метода к стадии изобретения. (Holt, 1977, цит. по Zander, 1991) определяет инновацию как процесс использования знаний для создания и внедрения чего-то нового и полезного. В результате в этом эссе понимание технологии приравнивается к этапу инноваций, поскольку именно надлежащее знание и понимание того, как технология работает и взаимодействует с реальным миром, позволяет ей перейти от изобретения к инновациям.

Более того, только когда эти три элемента существуют, может происходить успешная диффузия; хотя концептуализация не может быть полностью реализована до тех пор, пока не произойдет распространение из-за ее иллюзорности и неуловимости (ISY3008, 2019).

Концептуализация

Концептуализация в широком смысле понимается как идея технологии (Rosenberg, 1976), и хотя компьютер остался прежним на концептуальном уровне от концептуализации до распространения, компьютер вытеснил информационные машины специального назначения, такие как калькулятор (ISY3008, 2019). В результате именно распространение компьютеров в конечном итоге позволило концептуализировать вычислительные финансы, идею интеграции компьютеров и финансов (ISY3008, 2019).

В 1952 году Гарри Марковиц, американский экономист, представил концепцию вычислительных финансов через Современную теорию портфеля, теорию, подчеркивающую снижение риска портфеля за счет диверсификации (Markowitz, 1952). Однако основным ограничением в реализации теории была нехватка вычислительной мощности в то время. С последующим развитием компьютера стало возможным расширить сбор, хранение и использование данных и информации в вычислительном отношении (Cortada, 2011). Следовательно, идея Марковица о вычислительных финансах могла быть полностью реализована; широко понимается как первое применение логики и теории автоматов в финансах. Следовательно, поскольку теперь теория Марковица обеспечила надлежащее понимание логического и математического контекста вычислительных финансов, можно было осуществить переход от концептуализации к проверяемому изобретению (ISY3008, 2019).

Важно отметить, что, хотя фактическая формулировка Теории Марковица была защищена авторским правом, его идея не была защищена авторским правом, и поэтому множество дальнейших применений и интерпретаций явилось результатом первоначальной концептуализации вычислительных финансов, таких как количественное инвестирование и алгоритмическое управление инвестициями, а не просто АТ.

Изобретение

Изобретение как этап распространения технологии можно описать как «установление технической осуществимости» (Warner, 2004).

В 1960-х годах с помощью Марковица управляющие хедж-фонда Эд Торп и Майкл Гудкин стали первыми, кто использовал компьютеры для арбитражной торговли; то есть одновременная покупка и продажа акций — в конечном итоге переход AT от концептуализации к изобретению. Впоследствии физики и математики начали переходить к изучению финансов, формируя новые группы финансовых инженеров, разрабатывающих стратегии АТ (Railto Trade, 2018), в дальнейшем определяя техническую осуществимостьАТ.

С изменением минимальной стоимости акций с 1/16 (0,0625 доллара США) до 1/100 (0,01 доллара США) доллара за акцию и усилением оцифровки в течение 1990-х годов структура фондового рынка быстро изменилась. После этого AT взорвалась и расширила рынок, чему также способствовала Комиссия по ценным бумагам и биржам США (SEC), разрешившая электронные биржи в 1998 году (Gupta, 2015).

Однако, в первую очередь из-за культуры конкуренции на Уолл-стрит, многие финансовые деятели преждевременно восприняли AT как инновацию, в результате чего ранние последователи (см. рис. 1.1 ниже) стали больше всего рискуют из-за их предполагаемого высокого относительного преимущества, связанного с AT, но не обращая внимания на прочную наблюдаемость AT, как объясняется в модели распространения инноваций. Соответственно, было бы справедливо предположить, что с недавним успешным распространением компьютеров (в то время) многие организации продемонстрировали предубеждение в пользу инноваций, предположение, что все инновации являются положительными и что все инновации должны быть принято (Rogers, 2010).

Важно отметить, что техническая осуществимость не обязательно указывает на техническую надежность до тех пор, пока не будет подтвержден случай столкновения с материальной реальностью (ISY3008, 2019). AT рассматривался как способ снизить торговые издержки и увеличить прибыль, и хотя быть первопроходцем в технологии дорого (Carr, 2004), банки были апатичны — и наоборот, как будет показано ниже, вам не нужно далеко ходить, чтобы посмотрите, насколько наивными были некоторые организации, когда признавали отсутствие наблюдаемости и материальной реальности , с которыми AT столкнулась в зачаточном состоянии.

Инновации

Инновации можно понимать как процесс внедрения в экономическую систему новых продуктов и технологий (ISY3008, 2019).

К 2001 году доля AT во всех сделках с акциями быстро увеличилась до 10 %, и, кроме того, объемы AT увеличились на 164 % в период с 2005 по 2009 год (Gupta, 2015), но это не обошлось без уникальных рисков; Позже AT была признана виновной в нескольких рыночных крахах, что позволяет предположить, что, хотя AT считалась инновацией, она не была готова к широкому коммерческому распространению.

В 2010 году Нью-Йоркская фондовая биржа (NYSE) пережила крупнейшее за последние десятилетия падение, получившее название "Внезапный крах". В течение более 30 минут все акции были недоступны, в результате чего было уничтожено почти 1 триллион долларов. в рыночной стоимости (см. рисунок 1.2 ниже). Причина? Прототип алгоритмического трейдера, чья экспериментальная модель вызвала гигантский ордер на продажу, повергший рынок в хаос (Treanor, J, 2015).

После последующих падений начали всплывать вопросы об уровне материальной реальности, переживаемой AT. Что касается цикла ажиотажа Gartner, компания AT вошла в «пропасть разочарования» (см. рис. 1.3 ниже), и первые пользователи начали осознавать некоторые потенциальные риски, связанные с AT (Gartner , 2019).

Нормативные усовершенствования и последующее распространение

Между тем, нормативные изменения, такие как интеграция «автоматических выключателей» для остановки торговли любыми акциями, которые растут или падают более чем на 10% в любой пятиминутный период (Wyatt and Bowley, 2010), а также разработка инструмента аудита рынка в режиме реального времени , «Консолидированный контрольный журнал» (CAT) (SEC, 2012 г.), помог развеять будущие опасения по поводу AT, продемонстрировав точку зрения государственной политики, которая настаивала на ценности AT как инновации, но с надлежащим регулированием (ISY3008, 2019).

Распространение можно определить как «распространение инновации как продукта» (ISY3008, 2019), и спустя почти 10 лет после «мгновенного краха» AT широко рассматривается как ведущее решение на рынке. бухгалтерский учет (см. рисунок 1.4 ниже).

Ссылаясь на модель Gartner (см. рис. 1.3), AT в настоящее время находится на последних стадиях «наклона просветления» (Gartner, 2019), в результате чего усиление регулирования и развитие технологий позволил AT доказать свою ценность. К таким примерам относятся Global Advisors Bitcoin Investment Fund и Silver8 Partners, достигшие доходности 770% и 330% соответственно в 2017 году благодаря своим полностью автоматизированным торговым стратегиям (Shah, 2019).

Вклад в рабочий процесс и производительность

С доказательствами того, что AT может повысить ценность бизнеса; внедрение было мотивировано снижением затрат за счет замены семантического труда машинами наряду с возможностью увеличения прибыли (ISY3008, 2019). Важно отметить, что наиболее успешными фирмами являются те, которые осознали, что прибавочная стоимость возникает не из рабочей силы, которая была заменена машинами, а из рабочей силы, затраченной на работу с машинами (Маркс, 2005). . Действительно, это так, поскольку AT используется не идиосинкразически для принятия инвестиционного решения, а наряду со знаниями трейдеров-людей.

Кроме того, AT не просто интерпретирует данные, чтобы вывести инвестиционное предложение для трейдеров; машины теперь также выполняют сделки. Этот все более синтаксический торговый процесс в результате AT постепенно способствует рабочим процессам и производительности за счет увеличения скорости выполнения, низкого уровня ошибок, конфиденциальности и эффективности (Mathisson, 2009).

Вклад в человеческий потенциал

Возможно, потребность в изобретениях и изменениях внутри организаций является фундаментальной для капитализма (ISY3008, 2019), не в последнюю очередь в финансовом мире, где инновационные технологии, такие как AT, используются фирмами для сохранения конкурентоспособности. Эта капиталистическая идеология инноваций позволила людям делать то, что мы когда-то не могли, тем самым значительно расширив человеческие возможности. С началом четвертой промышленной революции, кто знает, что будет дальше? (Шваб, 2017).

Хотя AT автоматизировал большую часть рабочего процесса для трейдеров, это еще не полностью синтаксический процесс (см. рис. 1.0). Однако с заменой человеческого канцелярского процесса, связанного с торговлей, синтаксическими средствами, люди получили возможность делать гораздо больше, чем было возможно ранее. Благодаря анализу невообразимых объемов данных за считанные секунды наши торговые решения стали гораздо более информированными и обоснованными, и без помощи оборудования это было бы невозможно осуществить.

Кроме того, с продолжающейся миниатюризацией АТ доступ к такому программному обеспечению больше не ограничивается институциональными инвесторами — сегодня любой может создавать стратегии АТ на любом устройстве с помощью такого программного обеспечения, как Gekko (Van Rossum, 2014).

Вывод

Историки индустриализации уже давно озабочены концептуализацией, но по мере того, как общество все больше привыкает к четвертой промышленной революции, «ураган созидательного разрушения» (Schumpeter, 1942) вызывает изменения в том, как мы работать, жить и общаться друг с другом. При таком распространенном социальном и экономическом воздействии, происходящем от распространения, а не от концептуализации, поэтому основное внимание любой такой модели должно уделяться распространению. Распространение происходит не только тогда, когда есть доказательство обращения с материальной реальностью, но, как упоминалось выше, оно может происходить только при наличии соответствующей информации, средств и понимания, которые устанавливаются этой структурой.

От технологизации передачи сигналов, прокладывающей путь к электронным рынкам, до распространения АТ для повышения эффективности и развития человеческих способностей — распространение, несомненно, проливает свет на возможность постепенного сокращения человеческого умственного труда в организациях за счет механизации, что повышает организационную производительность.

Критики этого мнения могут ссылаться на парадокс производительности (Brynjolfsson, 1993), на идею о том, что по мере увеличения инвестиций в ИТ производительность может снижаться. Наоборот, несмотря на то, что есть подтверждающие данные, например, о снижении производительности труда в розничных банковских услугах США, несмотря на рост инвестиций в ИТ в период с 1995 по 1999 год (MGI, 2002), в основе критики этого парадокса лежит неспособность эффективно распространить технологию.

Как предположил (Гейтс, 1999 г.), «…к сожалению, компьютеры помогут только бизнесу, который корректирует свои повседневные операции, чтобы использовать преимущества компьютера». Несмотря на это, организации до сих пор не оптимизируют компьютер до максимальной эффективности для поддержки операций. Действительно, «исследования корпоративных расходов на ИТ постоянно показывают, что большие расходы редко приводят к суперфинансовым результатам. На самом деле обычно бывает наоборот» (Carr, 2004).

Исследования показывают, что «повышение производительности достигается не только за счет ИТ, но и за счет сочетания ИТ с процессными, организационными и управленческими изменениями, включая принятие решений на основе данных и акцент на функциональной совместимости» (МГИ, 2015). Соответственно, предприятия должны не только использовать технологии, но и рассматривать их как интеграцию в свою бизнес-модель, а также понимать необходимость постоянных изобретений и изменений внутри организации в отношении ИТ.

Цитируя (Carr, 2004), «ИТ получат наибольшие экономические и социальные преимущества, став общей и стандартизированной инфраструктурой». Это можно рассматривать не только с точки зрения функциональной совместимости внутри организации, но и в рамках отдельных отраслей, где конкуренция, следующая за их примером, позволит постоянно внедрять инновации на отраслевом уровне, поскольку организации стремятся к конкурентным преимуществам.

На Рисунке 1.5 ниже показаны потенциальные преимущества стандартизированной инфраструктуры на отраслевом уровне в США, при этом секторы с высоким уровнем цифровых технологий демонстрируют самый высокий уровень производительности.

Как предполагает (Carr, 2004), «окно для получения преимуществ от инфраструктурных технологий открывается ненадолго», подчеркивая необходимость быстро реагировать на изменения в ИТ, чтобы получить вознаграждение до того, как конкуренты последуют их примеру; таким образом, медленная реакция на распространение ИТ внутри организаций может стать значительным бизнес-риском.

Парадокс Моравека вводит явление, состоящее в том, что легко обучить компьютер делать то, что людям трудно, но трудно научить его делать то, что нам легко, например движение (Moravec, 1988), и поэтому, когда мы приближаемся к телеологическому ограничения на механизацию семантического труда (ISY3008, 2019), на организации будет возложена повышенная ответственность за интеграцию более новых, более инновационных технологий, чем когда-либо прежде, таких как искусственный интеллект и робототехника, в результате чего оставшиеся семантические аспекты ИТ могут стать полностью излишними. Крайне важно, что невыполнение этого требования может означать упущение потенциального вознаграждения, поэтому предприятия должны использовать соответствующий риск, чтобы использовать постоянно меняющиеся возможности ИТ, чтобы получить полное вознаграждение.

В отличие от розничных банковских услуг, на сектор ценных бумаг приходилось почти пятая часть всего частного сектора США, рост производительности труда в несельскохозяйственном секторе увеличился в период с 1995 по 1999 год, что сделало его третьим по величине вкладчиком среди всех секторов экономики США (McKinsey & Co.). ., 2003).

В конечном счете, высокая производительность сектора была обусловлена ​​именно использованием ИТ, сильными финансовыми рынками и правилами, поддерживающими конкуренцию. AT, вызванный нормативными изменениями, такими как CAT и «автоматические выключатели», способствовал развитию конкуренции, снижению цен для инвесторов и увеличению общих объемов торговли, благодаря чему как потребители, так и организации выиграли от снижения цен и повышения производительности. Кроме того, подтверждается важность законодательных и нормативных изменений в расширении возможностей AT, иначе она, возможно, никогда не превзошла бы инновации. Таким образом, правовая база AT служила не только для личной выгоды организаций, но и для большего общественного блага.

В заключение отметим, что внедрение новых технологий в организации не всегда приносит ожидаемые выгоды, но часто это сводится к плохому внедрению распределенных ИТ. Поскольку 85 % банков назвали реализацию программы цифровой трансформации ключевым бизнес-приоритетом на 2018 год (EY, 2018), необходимость применения проверенной основы для распространения технологий в организации как никогда актуальна. Поэтому, поскольку AT доказала эффективность такой структуры, нет сомнений в том, что структура концептуализации, изобретений, инноваций и распространения будет иметь существенное значение для организаций при создании будущих успешных ИТ-стратегий.

Библиография

1. Амур Л. и Пиотух В. (2016). Введение. Алгоритмическая жизнь: вычислительные устройства в эпоху больших данных. Оксон: Рутледж. стр.9.

2. Боуден Д. и Робинсон Л. (2009) Темная сторона информации: перегрузки, тревога и другие парадоксы и патологии. J Inf Sci 35 (2): 180–191.

3. Бриньолфссон, Э. (1993). Парадокс производительности информационных технологий. Сообщения ACM, 36(12), стр. 66–77.

4. Кэмпбелл, Дж. (2011). Авария в Северной Ирландии одна из самых страшных в мире [онлайн]. Доступно: https://www.bbc.co.uk/news/uk-northern-ireland-15757932. [Последний доступ 30 октября 2019 г.]

5. Карр, Н.Г. (2004). Имеют ли значение ИТ?: информационные технологии и снижение конкурентного преимущества. Гарвардская деловая пресса.

6. Кортада, Дж.В. (2011) Информация и современная корпорация. Кембридж: MIT Press.

7. Давенпорт, Т.Х. Барт, П. и Бин, Р. (2012). Чем отличаются большие данные. MIT Sloan Management Review [онлайн]. Доступно по адресу: https://sloanreview.mit.edu/article/how-big-data-is- Different/. [Последний доступ 1 ноября 2019 г.]

8. Дхар, В. (1998). Интеллектуальный анализ данных в финансах: использование контрфактических данных для получения знаний из информационных систем организации. Информационные системы, 23(7), стр. 423–437.

9. ЭЙ. (2018). Глобальный банковский прогноз на 2018 г. Переход к стратегии, основанной на инновациях. Доступно: https://www.ey.com. [Последний доступ 4 ноября 2019 г.].

10. Фанг Б. и Чжан П. (2016). Большие данные в финансах. В Концепциях, теориях и приложениях больших данных (стр. 391–412). Спрингер, Чам.

11. Гартнер. (2019). Gartner Hype Cycle [онлайн]. Доступно: https://www.gartner.com/en/research/methodologies/gartner-hype-cycle. [Последний доступ 28 октября 2019 г.].

12. Гейтс, Б. (1999). Дорога впереди. Харлоу: Pearson Education Ltd.

13. Гланц, М. и Киссел, Р.Л. (2013). Моделирование рисков с несколькими активами: методы глобальной экономики в эпоху электронной и алгоритмической торговли. Академическая пресса. стр. 258.

14. Гупта, А. (2015). История алгоритмического трейдинга, HFT и трейдинга на основе новостей. Доступно: https://blog.quantinsti.com/history-algorithmic-trading-hft/. [Последний доступ 4 ноября 2019 г.].

15. ISY3008 (2019). Информационные системы в организациях. Модуль преподавался в Королевском университете Белфаста, 2019 г.

16. Джеймс, П.Н. (1994). SHEL ICLEE On II Innovations in Financial Services, Управление информационными системами,vol. 11, нет. 2, стр. 90–96.

17. Кириленко, А.А. и Ло, А.В. (2013). Закон Мура против закона Мерфи: алгоритмическая торговля и ее недостатки. Журнал экономических перспектив, 27(2), стр. 51–72.

18. Лим, Ю.П. и Ченг, С.Ф. (2012). Декабрь. Автономный советник по торговле сырьевыми товарами, основанный на знаниях. На Международных конференциях IEEE/WIC/ACM 2012 по веб-аналитике и интеллектуальным агентным технологиям (том 2, стр. 119–125). IEEE.

19. Марковиц, Х. (1952). Выбор портфолио. Финансовый журнал, 7(1), стр. 77–91.

20. Маркс, К. (2005). Грундрис: Основы критики политической экономии. Пингвин Великобритания.

21. Матисон, Д. (2009). На подъеме машин: акции США и переход к алгоритмической торговле. В: Розен, Дж. (2009). Справочник по электронной торговле. США: Capital Markets Media Inc., стр. 59–77.

22. Маккинси и Ко. (2003). Бизнес-измерение ИКТ: важнейший фактор управленческих инноваций. В: Датта, С., Ланвен, Бруно. и Пауа, Фиона. Глобальный отчет по информационным технологиям: готовность к сетевому миру. Нью-Йорк: Oxford University Press, Inc., стр. 66.

23. МГИ. (2002). Как ИТ способствует росту производительности. [онлайн]. Доступно: https://www.mckinsey.com. [Последний доступ 3 ноября 2019 г.].

24. МГИ. (2015). Интернет вещей: определение ценности за пределами шумихи. [онлайн]. Доступно: https://www.mckinsey.com. [Последний доступ 3 ноября 2019 г.].

25. МГИ. (2017). Загадка продуктивности: пристальный взгляд на США [онлайн]. Доступно: https://www.mckinsey.com. [Последний доступ 3 ноября 2019 г.].

26. Моравец Х. (1988). Разумные дети: будущее роботов и человеческого интеллекта. Издательство Гарвардского университета. стр. 15.

27. Мркаич, М. (2018). Наиболее неожиданные долгосрочные последствия финансового кризиса 2008 года [онлайн]. Доступно: https://www.weforum.org. [Последний доступ 30 октября 2019 г.].

28. ПвК. (2018). Рост Северной Ирландии замедляется по мере снижения уровня занятости и снижения потребительских расходов[онлайн]. Доступно: https://www.pwc.co.uk. [Последний доступ 31 октября 2019 г.].

29. Цинь, X. (2012). Октябрь. Использование больших данных: алгоритмическая торговля следующего поколения. В Международной конференции по искусственному интеллекту и вычислительному интеллекту (стр. 34–41). Шпрингер, Берлин, Гейдельберг.

30. Рейлто Трейд. (2018). Начало алгоритмической торговли [онлайн]. Доступно: https://medium.com. [Последний доступ 27 октября 2019 г.].

31. Рикерт, Т. (2013). Эмбиентная риторика: настройки риторического бытия. Университет Питтсбурга Pre. стр. 305.

32. Роджерс, Э. М. (2010). Распространение инноваций. Саймон и Шустер.

33. Руни Б. (2010). Торговая программа вызвала мгновенный сбой в мае. [онлайн]. Доступно: https://money.cnn.com. [Последний доступ 4 ноября 2019 г.].

34. Розен Дж. (2019), Flashier Trading, The Economist, 26 октября, стр. 16.

35. Розенберг, Н. (1976). Взгляд на технологии. Кембридж, Англия: Издательство Кембриджского университета, 1976. стр. 192–193.

36. Шумпетер, Дж. (1942). Творческое разрушение. Капитализм, социализм и демократия, 825, стр. 82–85.

37. СЕК. (2012) SEC утверждает новое правило, требующее сводного контрольного журнала для мониторинга и анализа торговой деятельности [пресс-релиз]. 11 июля. Доступно по адресу: https://www.sec.gov/news/press-release/2012-2012-134htm. [Последний доступ 28 октября 19].

38. Шах, Р. (2019). Глобальный рынок алгоритмической торговли к 2026 году превысит 21 685,53 миллиона долларов США. [онлайн]. Доступно: https://www.businesswire.com. [Последний доступ 28 октября 2019 г.].

39. Шваб, К. (2017). Четвертая промышленная революция. Валюта.

40. Треанор, Дж. (2015). Внезапный крах 2010 года: как это происходило. Хранитель. 22 апреля. Доступно по адресу: https://www.theguardian.com. [Последний доступ 4 ноября 2019 г.].

41. Ван Россум, М. (2014). Гекко.

42. Уорнер, Дж. (2004). Очеловечивание информационных технологий. Оксфорд: Scarecrow Press, Inc.

43. Вятт, Э. и Боули, Г. (2010). Новые правила ограничат торговлю на нестабильном рынке [онлайн]. Доступно: https://www.nytimes.com/2010/05/19/business/19crash.html?hp [последний доступ 28 октября 2019 г.].

44. Зандер, У. (1991). Использование технологического преимущества: добровольное и принудительное распространение технологий. Стокгольм: Институт международного бизнеса Стокгольмской школы экономики.