Et forskerhold fra Institut for Finansiel Matematik ved Nørrebro Universitet har kortlagt et genkendeligt mønster i handelsdata, der går forud for pludselige kursfald på aktiemarkedet. Opdagelsen kan ifølge forskerne bruges til at udvikle tidlige varslingssystemer.
Forskerne har analyseret 14 år af handelsdata fra den fiktive fondsbørs Amagerbørsen og fundet, at usædvanligt store udsving i handelsvolumen i en periode på 20-40 minutter ofte optræder, før kurserne styrtdykker. Mønsteret er fundet i 68 ud af 91 undersøgte tilfælde af pludselige kursfald siden 2012.
Data afslører skjult signal
Studiet, der er offentliggjort i tidsskriftet Nordisk Tidsskrift for Kvantitativ Økonomi, bygger på analyser af mere end 40 millioner enkelttransaktioner. Ifølge hovedforsker Camilla Ryberg, lektor ved Institut for Finansiel Matematik, viser data et konsistent mønster, som tidligere er blevet overset.
"Vi ser en tydelig stigning i antallet af mindre, hurtige handler, før de store fald indtræffer. Det ligner en form for kollektiv nervøsitet, der breder sig blandt investorer, længe før de traditionelle nøgletal reagerer," siger Camilla Ryberg.
Ifølge forskerholdet skyldes mønsteret formentlig, at algoritmisk handel reagerer på små prisbevægelser, som mennesker ikke selv lægger mærke til, men som forstærkes, når flere automatiserede systemer handler på samme signal.
Investorer kan få gavn af varsling
Forskerne har udviklet en prototype på et varslingsværktøj, der kan registrere mønsteret i realtid. Værktøjet er testet på historiske data fra kursfaldet i marts 2021, hvor Amagerbørsens hovedindeks faldt 6,4 procent på under to timer.
Kasper Elmelund, der arbejder som privatinvestor i Aarhus og har fulgt markedet i over 15 år, mener, at et sådant værktøj kunne have gjort en forskel for ham personligt.
"Jeg tabte omkring 180.000 kroner på den dag i marts 2021. Havde jeg fået en advarsel bare 20 minutter før, havde jeg kunnet reagere og begrænse tabet betydeligt," siger Kasper Elmelund.
Skepsis blandt andre forskere
Ikke alle i fagmiljøet er lige overbeviste om, at mønsteret kan bruges praktisk. Professor Erik Vestergaard fra Handelshøjskolen i Odense peger på, at finansielle markeder er notorisk svære at forudsige, og at tidligere forsøg på lignende varslingssystemer ofte har fejlet i praksis.
"Det er interessant forskning, men vi har set mange modeller, der fungerer fint på historiske data, men som falder til jorden, når de skal bruges i realtid på et marked, der konstant ændrer adfærd," siger Erik Vestergaard.
Camilla Ryberg erkender, at der er udfordringer forbundet med at omsætte forskningen til et brugbart produkt, men understreger, at formålet med studiet primært har været at forstå de bagvedliggende mekanismer bedre.
Forskerholdet arbejder nu videre med at forfine algoritmen og har indledt et samarbejde med to danske pensionsselskaber, der ønsker at teste værktøjet i en kontrolleret sammenhæng i løbet af det kommende år. Resultaterne af denne test forventes offentliggjort i begyndelsen af 2028.