Automated trading
Tijdlijn: van Bachelier tot AI-agents
Ruim een eeuw kwantitatieve en AI-trading in 14 mijlpalen. Filter op thema of open een mijlpaal voor de uitleg en de bronnen.
1900De geboorte van de financiële wiskunde
De Franse wiskundige Louis Bachelier verdedigt zijn proefschrift Théorie de la spéculation. Hij is de eerste die de Brownse beweging gebruikt om koersbewegingen en optieprijzen op de beurs van Parijs wiskundig te beschrijven, decennia voor er computers bestonden.
Bronnen
1952Moderne portefeuilletheorie
Econoom Harry Markowitz publiceert Portfolio Selection. Voor het eerst worden risico en rendement wiskundig gedefinieerd, via de samenhang tussen beleggingen, in plaats van op gevoel. In 1990 krijgt hij er de Nobelprijs economie voor.
Bronnen
1969Het eerste kwantitatieve hedgefonds
Wiskundige Edward O. Thorp, bekend van zijn kaarttelmethode voor blackjack, start Princeton Newport Partners. Met computers en statistische arbitrage op converteerbare obligaties en warrants toont hij aan dat een systematische, wiskundige aanpak in de markt kan werken.
Bronnen
1971–1973NASDAQ en de Black-Scholes-formule
In 1971 start NASDAQ als eerste elektronische aandelenmarkt. In 1973 publiceren Fischer Black, Myron Scholes en Robert Merton hun model voor de prijsbepaling van opties. Banken beginnen massaal fysici en wiskundigen aan te werven: de eerste “quants”.
Bronnen
1976Elektronische orders op de NYSE
De New York Stock Exchange introduceert het DOT-systeem (Designated Order Turnaround), in 1984 opgevolgd door SuperDOT. Brokers kunnen orders voortaan elektronisch doorsturen in plaats van via lopers op de beursvloer. Dat maakt “program trading” mogelijk: automatische regels die hele mandjes aandelen tegelijk kopen of verkopen.
Bronnen
1982–1987Volatiliteitsmodellen, pairs trading en Black Monday
Robert Engle introduceert in 1982 het ARCH-model om wisselende volatiliteit te voorspellen, en het team van Nunzio Tartaglia bij Morgan Stanley ontwikkelt geautomatiseerde “pairs trading”. Op 19 oktober 1987, Black Monday, versterken automatische “portfolio insurance”-strategieën de verkoopgolf: de Dow Jones verliest 22,6% op één dag. Het is de eerste grote schok waarin algoritmen een hoofdrol spelen.
Bronnen
- R. Engle, “Autoregressive Conditional Heteroscedasticity…”, Econometrica (1982) (opent in een nieuw tabblad) JSTOR
- Pairs trade (opent in een nieuw tabblad) Wikipedia
- Stock Market Crash of 1987 (opent in een nieuw tabblad) Federal Reserve History
- Black Monday (1987) (opent in een nieuw tabblad) Wikipedia
1988Renaissance Technologies en het Medallion Fund
Wiskundige en voormalig codekraker Jim Simons start het Medallion Fund bij Renaissance Technologies. In plaats van klassieke analisten werft hij astrofysici, cryptografen en spraakherkenningsspecialisten aan, die statistische patroonherkenning toepassen op de markt. Het fonds groeit uit tot een van de meest succesvolle beleggingsfondsen ooit.
Bronnen
1998–2005Elektronische handelsplatformen en de opkomst van HFT
In 1998 laat de Amerikaanse toezichthouder SEC met Regulation ATS elektronische handelsnetwerken toe die concurreren met de klassieke beurzen. In 2001 schakelen de Amerikaanse markten over van breuken naar decimale koersen in stappen van $0,01, waardoor de marges krimpen. Met Regulation NMS (2005) wordt elektronische uitvoering aan de beste prijs de norm. Het startschot voor high-frequency trading, waarin firma’s in microseconden concurreren.
Bronnen
2001Softwareagenten verslaan menselijke handelaars
Onderzoekers van IBM laten in gecontroleerde experimenten zien dat zelflerende softwareagenten in een veilingmarkt beter presteren dan menselijke handelaars. Het idee van de “handelende machine” krijgt een wetenschappelijke basis.
Bronnen
6 mei 2010De Flash Crash
Een grote, geautomatiseerde verkooporder in S&P 500-futures zet een kettingreactie in gang tussen high-frequency-algoritmen. Op ongeveer 36 minuten verdwijnt bijna 1.000 miljard dollar aan beurswaarde, die daarna grotendeels terugkomt. Toezichthouders voeren nadien strengere stroomonderbrekers en controles op algoritmen in.
Bronnen
2011–2015Backtesten in de cloud en open source
Platformen zoals Quantopian en QuantConnect geven programmeurs via de browser toegang tot historische marktdata en testomgevingen. Samen met open-source bibliotheken voor machine learning, zoals scikit-learn en Googles TensorFlow (2015), kunnen ook individuen voortaan eigen modellen bouwen.
Bronnen
- Quantopian (opent in een nieuw tabblad) Wikipedia
- scikit-learn (opent in een nieuw tabblad) scikit-learn.org
- TensorFlow (opent in een nieuw tabblad) tensorflow.org
2017–2020Transformers en alternatieve data
Google-onderzoekers introduceren in 2017 de Transformer-architectuur, die de verwerking van taal ingrijpend verandert. Fondsen gebruiken zulke modellen om “alternatieve data” te analyseren, van satellietbeelden van parkings en scheepvaartbewegingen tot resultaatbesprekingen en sociale media. JPMorgan zet in 2017 LOXM in, een zelflerend systeem om grote orders met zo weinig mogelijk marktimpact uit te voeren, en in 2019 verschijnt FinBERT, een taalmodel speciaal voor financiële teksten.
Bronnen
2023–2024Generatieve AI en financiële taalmodellen
Na de lancering van ChatGPT stelt Bloomberg BloombergGPT voor, een taalmodel met 50 miljard parameters dat getraind is op financiële data. Handelsplatformen integreren AI-assistenten, waardoor ook wie niet kan programmeren een strategie in gewone taal kan beschrijven en laten testen.
Bronnen
2025–2026Agentic AI
AI-trading evolueert van voorspellende modellen naar samenwerkende AI-agents: één agent analyseert publicaties en macro-economisch nieuws, een andere zoekt technische patronen, een derde bewaakt het risico van de portefeuille. Technieken die vroeger voorbehouden waren aan grote instellingen, komen zo steeds dichter bij individuele beleggers. Toezichthouders volgen de gevolgen voor de financiële stabiliteit van nabij.
Bronnen
- The Financial Stability Implications of Artificial Intelligence (2024) (opent in een nieuw tabblad) Financial Stability Board
De bronnen verwijzen naar externe websites. Vermeeren & Van Haute is niet verantwoordelijk voor hun inhoud. Deze tijdlijn bevat algemene informatie en is geen beleggingsadvies.