Index
Sr  No  1  2  3  4  5  6  7  8  9  9.1  9.2  9.3  9.4  9.5  Topic Introduction to Algorithm Trading  High Frequency Trading  Algorithm Trading Vs High Frequency Trading  Algorithm Trading in Asia‐Pacific  Evolution of Electronic Trading in India Smart Order Routing, DMA and Colocation Current infrastructure in India  Current Trade Structure in US & India  HFT and its impact on Market Quality  Data Sample  HFT activity in US  Do HFTs flee in volatile markets?  Do HFTs contribute to Price Discovery Process?  What role HFT plays in providing market liquidity? 2  9  11  12  14  15  18  20  23  23  24  25  27  28  31  33  39  43  45  49  54  Page Number

9.6  Do HFT generate or dampen volatility? 10  Possible Manipulations Using HFT/Algorithmic Trading  11  12  13  14  15      Current Risk Management framework in India  Algo approval, registration and risk management framework  Concerns  Recommendations  Conclusion 

Annexure
Sr  Topic  No  1  Risk management criteria’s for approval of DMA facility at NSE  2  Procedure for granting permission to Trading Member for Algorithm  3 
4  Trading  Current Risk Management framework in India  Algorithmic and High Frequency Strategies  Execution strategies 

Page Number  55  57  58 
66 

5       

70 


 

Structural Issues Concerning Algorithm Trading in India 

Chapter 1 

Introduction to Algorithm Trading  
 

Definition of algorithm trading 
Algorithm trading refers to automated trading based on algorithm. The purpose of using  automatic trading is to analyze price and market conditions in order to trade at the  minimum cost based on the relevant algorithm method.   Algorithmic  Trading  can  be  defined  as  the  use  of  computer  programs  for  entering  trading  orders where the computer algorithm decides on aspects of the trade execution such as the  timing,  price,  or  quantity  of  the  order.  Algorithm  Trading  is  also  known  as  automated  trading,  algo  trading,  black‐box  trading  or  robo  trading.  Algorithms  dynamically  monitor  market  conditions  across  different  securities  and  trading  venues  to  make  the  trade  execution decision. Algorithmic trading (AT) is more complex than electronic trading and it  encompasses many form of computer‐aided trading including High Frequency Trading.  Algorithmic  Trading  is  widely  used  by  pension  funds,  mutual  funds,  and  other  buy  side  (investor  driven)  institutional  traders,  to  divide  large  trades  into  several  smaller  trades  in  order to manage market impact, and risk. In fact, algorithms were originally developed for  use  by  the  buy‐side  to  manage  orders  and  to  reduce  market  impact  by  optimising  trade  execution once the buy‐and sell decisions had been made elsewhere. Sell side traders, such  as market makers and some hedge funds, provide liquidity to the market by generating and  executing orders automatically with the help of algorithms.  

  Algorithm trading focuses on minimizing the market impact by splitting trades. Algorithm  trading was originally developed as an order placement system for the purpose of  minimizing trading cost, but it is now being used as an overall term to describe its strategy  and process.  


 

Structural Issues Concerning Algorithm Trading in India 

Types of Algorithm Trading  
Algorithm Trading is broadly categorised into High frequency trading, Basket Trading, Multi  Exchange trading and Situational Algorithm Trading category. Basket Trading (Program  trading) is generally used for stock basket trading. Multi‐exchange trading is trading a  product across different exchanges using computer algorithm. Multi exchange trading is  facilitated by Smart Order Routing algorithms.   Smart order routing is a technique of using the close correlation of major exchanges and  cross‐listing of a company—i.e., placing orders on an exchange where the most favourable  conditions are seen. In India, SEBI allowed use of Smart Order routing in August 2010 and  currently it is operational in both Capital Market as well as Currency Derivative Segment.   Flash Trading refers to practice in US to flash orders for few seconds to select members  before submitting it to order matching platform.  Situational algorithm trading category  hereafter referred as Algorithm Trading / Algorithmic Trading/AT interchangeably, refers to  any and all kind of computer aided trading which does not fall under first three categories.  Situational algorithm determines what to trade, when to trade and how to trade  

Algorithm Trading

High Frequency  Trading

Basket Trading  (Programm  Trading)

MultiExchange  Trading  (Trading using  SOR)

Flash Trading

Situational  Algorithmic  Trading  

    Strategies or algorithms used by the computer to automate (enter, modify or cancel) trade  orders are called algorithmic trading strategies and they are broadly classified as execution  strategies, profit seeking strategies (Alpha strategies) and arbitrage strategies.     Arbitrage strategies    The simultaneous purchase and sale of an asset in order to profit from a difference in  the price. It is a trade that profits by exploiting price differences of identical or similar  financial instruments, on different markets or in different forms. Arbitrage exists as a  result of market inefficiencies; it provides a mechanism to ensure prices do not deviate  substantially from fair value for long periods of time.  
   


 

Structural Issues Concerning Algorithm Trading in India 

 

Profit Seeking strategies (Alpha strategies)    Alpha is a common way of measuring the performance of a trading strategy in terms  of risk‐adjusted return in excess of a benchmark index or a "risk‐free" investment.  Statistically driven strategies are utilized to generate stock trading signals ‐ on both  long and short sides ‐ with the goal of achieving consistent above average returns  and a positive Alpha.  Alpha Stock Strategies may periodically calculate and publish Alphas relative to the  market (S&P500 index) or other appropriate benchmarks, such as an aggregate  long/short hedge fund index.    Execution strategies    Algorithm trading is widely used among institutional investors like pension funds and  investment companies because cost can be saved through bulk orders, reducing the  impact on the market and preventing the exposure of trading information. Algorithm  trading also helps reduce trading cost.    The most common types of execution algorithm are VWAP and TWAP. VWAP splits order  volume based on historical data. TWAP splits order over time. The market participation  strategy is manipulating trading volume so that specific orders do not account for a  significant part of total trading volume on the market. On the other hand, the inline  strategy is manipulating orders or prices so that they do not surpass a limit price.                         


 

Structural Issues Concerning Algorithm Trading in India 

Algorith hm Trading g Strategie es  
 

Arbitr rage strat tegies

Alpha S Strategies s
Directional  Trading  Strategies Mean  Revesion  es Strategie

Cost Redu C uction /  Exe ecution S Strategies
Benc chmark  algo orithms (VWAP,   Imple ementati on Sh hortfall,  Partic cipation  (% V Volume)  ,Targe et Close,  TW WAP,  InLin ne, etc) Liquidity  seeking  algorithms s (CrossFire, ,  Hunt,  c) Iceberg, etc

Delta a  Nuetr ral

Sta atistical  Arb bitrage

Event Ba ased  Arbitra age

Scalping  Strategies

Dark  Liquidity  g  Seeking Strategie es

  Details about t Trading str rategies are outlined in A Annexure‐4 & Details ab bout  Note:‐ (D Benchma ark algorithm ms and Liquidity seeking g algorithms are provided in Annexure‐5)                                     

 

Structural Is ssues Concer rning Algorith hm Trading in n India

Reasons for using algorithms in trading 
In a survey conducted by TRADE group, 22% participants said they prefer algo trading  because it provides them anonymity of trade avoiding leakage of information which possibly  may lead to front running. 20% said cost reduction in trade execution is the main purpose  why they use algo trading.  14% participants said, algo trading allows their trader to focus on  trading strategy than trading execution, so that trades productivity could be increased. 13%  prefer algo as it reduces market impact. 11% people like algo because of its speed of  computation and execution.  7% prefer algos because it is easy to use and 4% prefer it due  to customisation features offered by algos. 

                             


 

Structural Issues Concerning Algorithm Trading in India 

 

Types of Algorithms Used by the buy side firms 
 

  Source: Algorithm Trading Survey 2010 conducted by Trading screen    Over the years, algo usage has evolved from less sophisticated ‘participation’ strategies such  as VWAP and TWAP to more complex ‘price improvement’ approaches that seek to  minimise slippage from a target price. As a result in 2010, Implementation shortfall (IS) for  single stocks has risen in popularity, up from 39% in 2008 to 68%. VWAP saw the first  notable decline since 2008 in its use among buy side respondents down from 64% to 58%.  Use of TWAP also declined marginally from 23% in 2010 to 20% in 2009.    Dark liquidity seeking algorithms searches all the dark pools eliminating the need to split an  order in search of liquidity. Dark liquidity seeking algorithms are most widely used  algorithms by buy‐side firms in 2010, constituting 81% of respondents use, up from 51% a  year ago. Similarly, albeit from a low base, there has been a five‐fold increase in the use of  algorithms to take advantage of internal crossing opportunities, up from 5% in 2009 to 25%  in 2010. Percentage of respondents using volume participation strategy and basket  implementation shortfall stand at 62% and 20% respectively.                    


 

Structural Issues Concerning Algorithm Trading in India 

US Equity Share Volume by Market Participant 
  In US, HFT constitute 61% of total volume traded (28% of them were market makers and  29% of them were Independent HFTs). In non HFT category, Investment banks and  proprietary trading is 16%. Retail participation is limited to only 3% of volume traded.     
US Equity Share Volume by Market Participant2009
28% 29%

13% 4% 7% 3%

16%

Independ ent HFT

Retail

Investme nt Bank Prop

HFT Broker/ Market Makers

Hedge Funds

HFT Hedge Funds

Long Only

    HFTs (Market Makers/ Liquidity Providers/Sell Side firms)   Non HFTs (Investors/Buy Side firms)    Source – TABB Group                                      39% volume in US  61% volume in US 


 

Structural Issues Concerning Algorithm Trading in India 

Chapter 2 

High Frequency Trading 
  High‐frequency trading (HFT) is a subset of algorithmic trading where a large number of  orders (which are usually fairly small in size) are sent into the market at high speed, with  round‐trip execution times measured in microseconds. Programs running on high‐speed  computers analyse massive amounts of market data, using sophisticated algorithms to  exploit trading opportunities that may open up for milliseconds or seconds. Participants are  constantly taking advantage of very small price imbalances; by doing that at a high rate of  recurrence, they are able to generate sizeable profits.  Typically, a high frequency trader would not hold a position open for more than a few  seconds. Empirical evidence reveals that the average U.S. stock is held for 22 seconds.    TABB group, a financial services industry research firm, estimates that HFT now accounts for  56% of turnover in USA and 38 % turnover in Europe in the equity segment.     

   

 

What are Buy‐side firms and Sell‐side firms? 
Buy‐side firms refer to institutions concerned with buying, rather than selling, assets or  securities. Private equity funds, mutual funds, unit trusts, hedge funds, pension funds, and  proprietary trading desks are the most common types of buy side entities.  Buy side firms usually take speculative positions or make relative value trades. Buy side  firms participate in a smaller number of overall transactions, and aim to profit from market  movements. 


 

Structural Issues Concerning Algorithm Trading in India 

Sell‐side firms refers to institutions that take orders from buy side firms and then "work"  the orders by slicing then into small orders. Brokerage firms and Market making firms are  most common examples of sell‐side firms.   Sell side brokerages are registered members of a stock exchange, and sometimes they are  required to be market makers in a given security.  Sell side firms profit from Commission (brokerage), advisory fee charged to buy side firm  and the bid‐offer spread. 

Widely used high frequency trading strategies   

 

10 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 3 

Algorithm Trading Vs High Frequency Trading 
  Algorithmic Trading  AT is the use of computer programs for entering  trading  orders  with  the  computer  algorithm  deciding  on  aspects  of  the  order  such  as  the  timing, price, or quantity of the order  Algorithmic  Trading  is  computer  aided  but  not  necessarily High frequency or low latency trading  Accounts  for  70%  volume  traded  in  US  equity  in  2010. Non‐High frequency Algorithmic Trading is  only 14% in US.  AT firms holding period depends on strategy they  employ. They may hold positions for few minutes  or  for  few  years  or  they  might  never  sell  it.  Typically average holding period is long.  High Frequency Trading HFT  is  highly  quantitative,  employing  computerized  algorithms  to  analyze  incoming  market  data  and  implement  proprietary  trading  strategies  HFT is part of Algorithmic Trading   Accounts  for  56%  volume  traded  in  US  Equity  in  2010.  HFT  usually  implies  a  firm  holds  an  investment  position only for very brief periods of time ‐ even  just seconds ‐ and rapidly trades into and out of  those positions 

AT  firms  include  both  Day‐Traders  and  Position  HFT  firms  are  typically  Day‐Traders and  end  a  Traders  and  may  carry  overnight  position  trading  day  with  no  net  investment  position  in  depending on strategy they use  the securities they trade.  AT operations are usually found in Buy‐Side firms (such  as  Mutual  funds,  Insurance  companies,  Pension  funds,  FII,  Investment  Banks,  some  Hedge funds and some Proprietary trading firms )  Selecting  High  Profit  Making  and  properly  backtested  algorithms  is  more  important  than  speed. Speed does matter in AT too, but need for  speed is not an utmost priority.   Application of Algo Trading  Directional  Trading  :‐  Trend  Following,  Pair  Trading, Mean Reversion, Scalping  Arbitrage  :‐  Delta  Neutral  Strategies,  Statistical  Arbitrage  Transaction  cost  reduction(Trade  Execution)  :  VWAP,  TWAP,  Liquidity  seeking,  Implementation  shortfall              HFT  operations  are  usually  found  in  proprietary  firms  or  on  proprietary  trading  desks  in  larger,  diversified firms  HFT  strategies  are  usually  very  sensitive  to  the  processing speed of markets (also called Latency)  and of their own access to the market.  Application of HFT  Rebate Trading, Market Making,    Filter Trading, Momentum Trading,     Statistical Arbitrage and Technical Trading   

11 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 4 

Algorithm Trading in Asia‐Pacific 
  Algorithmic Trading in Asia‐Pacific    Among asia‐pacific countries, algorithmic activity is highest in HongKong(39%) followed by  Singapore(31%), Japan(26%), Australia(20%)  and India(15%). Algorithmic trading in  HongKong is slated to reach 61% in 2012 from current 39%. India was cautious in its use of  Algo Trading, but has lot of potential to grow. By the end of 2012, AT activity in India is  expected at 30% from current 12%.    

    Source: Celenet Research    “Asia is a very exciting market for electronic trading of cash equity and derivatives. While the  level of development of each market differs, the leading exchanges in Japan, Australia,  Singapore, Hong Kong, and India should set the tone, with faster matching engines,  enhanced market data, and colocation services. With a high proportion of its domestic buy  side beginning to use algorithmic trading, Hong Kong is best poised to grow in the region. It  is followed by Singapore, where the regulatory environment is very conducive to algo  trading. Similarly, Japan, and Australia are expected to have higher algo trading in coming  years. Finally, India has been a slow starter but is rapidly catching up with some of its  counterparts and is expected to have algo trading levels of around 30% by 2012 “  ‐‐‐‐‐‐‐ Anshuman Jaswal, Celent Senior Analyst    

12 
 

Structural Issues Concerning Algorithm Trading in India 

  On Market Environment Front    Singapore & HongKong Score Top in chart  India  Japan  Australia  Taiwan  China    On Regulatory Forces Front    HongKong  Australia  Singapore  Japan  Taiwan  India  China (Most Restricted market in world for trading)    On Technology Enablers Front     Singapore (Highest investment on technology front in Asia )  Australia  Japan  Hong Kong  India  Taiwan  China    On Algorithmic Trading Front    HongKong (48% of volume traded algorithmically)  Singapore  Australia  India & Japan    China     

   

13 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 5 

Evolution of Electronic Trading in India 
  Milestones in Indian Equity Markets

Domestic Buy‐Side started Algo Trading operations Smart Order Routing Introduced (Domestic Sell‐Side started Algo Trading operations) DMA Introduced Algorithmic Trading Begins Introduction of Derivatives in India Inception of NSE and Start of electronic Trading

1994'

2000‐01

2003‐04

2008'

2010'

2010‐11

2011'

    “In spite of the hiccups, the Indian market is set for some interesting times ahead. As the  issues between the exchanges are resolved and regulators become more adept at handling  the rapid advances in trading technology, the Indian exchanges and brokerages will compete  for dominance in the Asia‐Pacific region.” says Anshuman Jaswal, Celent Senior Analyst and  author of the report. "                               

14 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 6 

Smart Order Routing, DMA and Colocation 
 

Smart Order Routing 
  In Aug 2010 SEBI allowed use of SOR in India, BSE introduced SOR facility for trading  members on Sept 29, 2010 and NSE launched it on October 13, 2010. SOR facility is allowed  to be offered to all class of investors as directed by SEBI. Members desirous of providing  SOR facility shall make an application to the Exchange in specified format.     Members are required to test the software on associated exchange’s trading test  environment during a pre‐specified time. On satisfactory completion of testing on the  Exchange test environment, the member is required to give comprehensive demonstration  of their SOR facility to the Exchange. On fulfilment of the conditions as satisfactory and  meeting SEBI / Exchange minimum requirements, the Exchange would grant permission to  the member to commence SOR facility.    Requirements:    a. SOR can be used only to route orders to recognised stock exchanges  b. The broker server routing orders placed through Smart Order Routing system of the  Exchange shall be located in India.  c. The trading member shall determine the recognised stock exchange where to route  the order or part of the order based on factors like price, costs, speed, likelihood of  execution and settlement size and nature relevant to the execution of the order.  d. Identification of orders routed through Smart Order Routing: 13th digit of 15 digit  order code is used to identify SOR order at NSE.   

At BSE 14th Digit of 15 digit order is used to identify SOR order  14th digit  4 or 6  "4"‐ Only SOR                                    "6"‐ SOR through DMA    e. The software and systems proposed for SOR is required to be duly certified by  System Auditor before grant of permission.             

 

15 
 

Structural Issues Concerning Algorithm Trading in India 

Direct Market Access Facility 
  Direct Market Access (DMA) is a facility which allows brokers to offer clients direct access to  the exchange trading system through the broker’s infrastructure without manual  intervention by the broker.     Some of the advantages offered by DMA are direct control of clients over orders, faster  execution of client orders, reduced risk of errors associated with manual order entry,  greater transparency, increased liquidity, lower impact costs for large orders, better audit  trails and better use of hedging and arbitrage opportunities through the use of decision  support tools / algorithms for trading.    • SEBI allowed Trading Members to provide DMA facility in April 2008 for trading in  capital market segment. In June 2008, NSE launched its DMA facility for its members.  • Members can use their own software running on any suitable hardware/software  platform of their choice and hence customize the software to meet their specialised  needs such as provision of on‐line trade analysis, risk management tools, integration  of back‐office operations etc  • Boston‐based research and analysis firm Celent estimates that the DMA in the US  accounts for about 20% of equities share volume in 2010. In Europe, DMA flow for  equities is expected to grow from 8% of traded value to 15% in 2011, according to  the firm.   • Celnet estimates, in 2010 11% of traded volume in India was through DMA facility.   • The institutional investors, which currently account for 22‐25 % of the total turnover  in the Indian stock markets, are expected to increase their market share of the  turnover with the advent of DMA.  • The basic brokerage fees for institutional trades in India range from 10 to 40 basis  points, Market analysts expect this fee to drop to 10 to 20 basis points following the  adoption of DMA facility.  • Major players: MF Global, BNP Paribas, Morgan Stanley, UBS and Credit Suisse  • Broker providing AT as well as DMA services : Merrill Lynch, Goldman Sachs,  JPMorgan, Citigroup and Credit Suisse  Requirements  • The software and systems proposed for DMA shall be duly certified by the Exchange empanelled System Auditor before grant of permission. • Trading members providing ‘Direct Market Access’ facility are required to populate  the following values in the field provided (15–digits) in the order structure for every  order emanating from DMA terminals. 

 

16 
 

Structural Issues Concerning Algorithm Trading in India 

Member  seeking  an  permission  should  comply  with  risk  controls  checks  as  specified in annexure I   

Co‐location 
  Co‐location is the practice of locating broker or client trading software and hardware in  close proximity to the trading platform’s trading engine. The aim is to minimise propagation  and transmission latency. Exchanges and third party providers charge a fee for offering co‐ location.    Indian Exchanges have started providing co‐location facility to their member brokers,  whereby they can place their trading servers close to the exchange’s engine on a first‐come‐ first‐served basis. Co‐location saves crucial milliseconds from the time it takes to place an  order and its receipt at the other end. The broker with his server next to the exchange  engine gets a price feed that is updated every three‐four milliseconds, while a broker at a  remote place will get this feed updated every 30‐40 milliseconds.    In Futures Industry Association (FIA) conference in Mumbai, an official from the National  Stock Exchange (NSE) said 60% of the orders coming into the exchange were from co‐ located servers.                                           

17 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 7 

Curre ent infras structure e in India
  ivity  Connecti   Indian br rokers need FIX connectivity to attra act international order flow and many have  made sig gnificant inve estments in FIX network ks and order management systems ( (OMSes). The  widespre ead adoption n of the FIX p protocol ove er the last tw wo years, allowed many countries to o  allow DM MA facility.    both NSE and d BSE have F FIX connectiv vity.   In India b   Latency  Latency r refers to amount of time e taken to el lectronically y send or rec ceive informa ation. HFTs  rely on very low latency (i.e very y quick data t transmission n) for trading strategies. . Worldwide e  es are invest ting in new t technology t to reduce lat tency.  exchange   NYSE Tec chnologies U Universal Tra ading Platfo orm  3 milliseconds   Time Lag g for data fee ed  Time Lag g for order & & cancel  Acknowle edgment  Time Lag g for Round T Trip Executio on  at ( time from order confirmation to trade  onfirmation) )  execution to trade co 2 milliseconds  Nasdaq listed issue – 650 micros – seconds NYSE list ted issue – 9 950 microsec conds  BATS: 40 00 microseco onds  DirectEd dge: 300‐500 0 microsecon nds 

  Recently, , NYSE launc ched Etherne et‐based ma arket data d delivery solu ution that ha as 25  microsec conds latency at rates of f 1 million 20 00 byte messages per se econd per co ore.    Order sp peed (Round d Trip Execut tion Time) at major exch hanges   

KRX K 80, ,000  µS µ

HK KE 10,0 000  µS

SGX 000  10,0 µS S

BSE E 10,00 00  µS

LSE 0  6,000 µS

TSE 5,000  µS

NSE 5,000  µS

ASX 250 µS

NDAQ 143  µS

NYSE 25 µS

 

18 

Structural Is ssues Concer rning Algorith hm Trading in n India

Capacity    Capacity refers to the amount of data that can be simultaneously electronically sent or  received. It is a necessary prerequisite for many algorithmic traders that a trading system  can reliably sustain large volumes of data. For example, electronic market makers constantly  check market prices and adjust their quotes accordingly. Statistical arbitrageurs are  constantly looking for mis‐pricing opportunities. Both strategies require the ability to send  and receive large amounts of data simultaneously, like requesting current bids/offers,  sending their own bid/offer and then receiving confirmation that the trading engine has  received their order and any subsequent amendment or cancellation of that order.    With introduction of Algorithm Trading now many stock exchanges are struggling to keep  pace with ever increasing capacity demands. They are investing in new technologies to  increase capacity in order to facilitate Multilateral Trading Facility.  In response to changing environment, BSE increased capacity from 1000 orders per second  to 20,000 orders per second. NSE also is working towards increasing capacity.                                                     

19 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 8 

Current Trade Structure in US & India 
 

Average Trade size and Number of trades in US 
  Average shares per trade (Average Trade size) decreased by 83% from 1,477 shares in 1997  to 244 shares in 2009, while Average trades per Day (Number of Trades) increased by 26  times from 743 trades in 1997 to 19,943 trades in 2009. Average shares Per Day increased  from 1.09 mn (1477*743) in 1997 to 4.86 mn(19943*244) in 2009.      The figures show that there is been increase in number of trades executed and decrease in  order size. This can be attributed to introduction of algo trading which slice large order into  many small orders. The negative impact of this is that it may flood the system with large  number of orders increasing the load on exchanges trading system. Also it increases clearing  and settlement costs for traders.      US Equity Share volume and trades   40,000 1,600   35,000 1,400   30,000 1,200   25,000 1,000   20,000 800   15,000 600   10,000 400   5,000 200     0 0       Avg Shares Per Day (mm) Avg Trades Per Day Shares / Trade   Source: ‐ TABB Group              Avg. Shares / Trade

20 
 

Structural Issues Concerning Algorithm Trading in India 

Average Trade size and Number of trades in India 
  In 2010, NSE was the 4th largest exchange in the world in terms of number of trades  executed in equity segment followed by NYSE, NASDAQ and SSE. BSE was 7th largest  exchange overtaking many European and Asian exchanges.  

Number of Trades in Equity Segment (in Crore)
205 174 166 156 133 92 56

NYSE  NASDAQ  Shanghai  National  Shenzhen  Korea  Bombay SE Euronext  OMX SE Stock  SE Exchange (US) Exchange  India

  Source: ‐ wfe   
But the interesting point here is that in terms of least number of shares per trade, India is also the  first country in the world with just 120 shares traded per trade followed by followed by NASDAQ  (230), Korea Exchange (278) and NYSE (293).

Shares Per Trade in Equity Segment
1,559 1,218

293

230

120 Shanghai SE National  Shenzhen SE Stock  Exchange  India

278

NYSE  Euronext (US)

NASDAQ  OMX

Korea  Exchange

  Source: ‐ wfe     

21 
 

Structural Issues Concerning Algorithm Trading in India 

 

Average Order Cancellation Rate 
  Since introduction of AT, Order to Trade ratio has significantly gone up in many countries  including India.  At NYSE order to trade ratio is 30:1, which means only one order, out of 30  orders entered, gets executed and 29 others are either modified or cancelled. AT BSE order  to trade ratio is 19:1. 

 
The increase in the average order to trade ratio and average order cancellation rate may no  be the concern as long as exchanges have built sufficiently large capacity and have limited  order entry rate through algorithms.    

Commission, Clearing and Settlement charges and Transaction cost  
  It is been observed worldwide with introduction of AT and DMA facility there has been  considerable decrease in the commission charged as many institutions prefer to execute  trades directly using DMA facility. Also with advent of AT and HFT, there has been an  increase in the number of orders executed, which causes clients to negotiate commission in  percentage term with their brokers. For institution brokerage is 10‐40 bps, whereas for  retail investors it is in the range of 20‐50 bps.    Clearing and settlement charges are sky high in India especially for retail investors. These  charges are applicable only on sell transactions and varies from 10‐30 Rs for every  transaction from broker to broker. Irrespective of number of shares sold, you have to pay  clearing and settlement charges, which I believe are quit high for retail investors selling 10‐ 100 shares. 

 
Transaction cost for intraday transaction is reasonable but for Delivery transaction it is quite  high at around 0.14% of turnover for proprietary traders, and 0.5% for retail investors. 
 

                   

22 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 9 

HFT and its impact on Market Quality 
9.1 Data Sample 
Data sample chosen for studying impact of HFT in stocks listed on either NASDAQ or NYSE is  as follows  Sample : List of 120 stocks listed on either NASDAQ or NYSE  AA  ARCC  BZ  CNQR  CTSH  FFIC  GPS  KTII  MOD  PNY  AAPL  AXP  CB  COO  DCOM  FL  HON  LANC  MOS  PPD  ABD  AYI  CBEY  COST DELL FMER HPQ LECO  MRTN  PTP ADBE  AZZ  CBT  CPSI  DIS  FPO  IMGN  LPNT  MXWL  RIGL  AGN  BARE  CBZ  CPWR  DK  FRED  INTC  LSTR  NC  ROC  AINV  BAS  CCO  CR  DOW  FULT  IPAR  MAKO  NSR  ROCK  AMAT  BHI  CDR  CRI  EBAY  GAS  ISIL  MANT  NUS  ROG  AMED  BIIB  CELG  CRVL EBF GE ISRG MDCO  NXTM  RVI AMGN  BRCM  CETV  CSCO  ERIE  GENZ  JKHY  MELI  PBH  SF  AMZN  BRE  CHTT  CSE  ESRX  GILD  KMB  MFB  PFE  SFG  ANGO  BW  CKH  CSL  EWBC  GLW  KNOL  MIG  PG  SJW  APOG  BXS  CMCSA  CTRN FCN GOOG KR MMM  PNC  SWN                     Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010   Note: These statistics are an aggregate for 26 HFT firm’s trading activity in 120 stocks for  fiscal year ending on December 31, 2009.                        

23 
 

Structural Issues Concerning Algorithm Trading in India 

9.2 HFT activity in US 
HFTs are involved in 68.5% of all dollar‐volume traded in the sample. Their level of daily  involvement varies from 60.4% to 75.9%. They demand liquidity in 42.7% of all dollar  volume traded and supply it in 41.1%.   HFTs participate in 73.8% of all trades and participation varies at the day level from 65.1% to  81.9%. They demand liquidity in 43.6% of all trades and supply it in 48.7%.   Panel A ‐> Dollar‐Volume traded by HFTs as percentage of Total Dollar‐Volume traded in the  sample of 120 stocks  Panel B ‐> Quantity traded by HFTs as percentage of Total Quantity traded in the sample of  120 stocks  Table 1 

  Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010   Note: These statistics are an aggregate for 26 HFT firms trading activity in 120 stocks for  fiscal year ending on December 31, 2009.              

24 
 

Structural Issues Concerning Algorithm Trading in India 

9.3 Do HFTs flee in volatile markets? 
While HFT may be increasingly providing liquidity to the market in the place of more  traditional market making activities, some investors suggested that unlike registered market  makers on trading venues there is no obligation or incentive for high frequency traders to  continue to provide liquidity to the market in the event of adverse market conditions (high  volatility).    Research shows as indicated in Graph 1, HFTs activity appears to be almost flat across  volatility levels. Even on the most volatile days HFT overall activity does not seem to  increase or decrease substantially. However, when volatility is low HFTs activity is less than  average.     Graph 1  HFT activity more than average

HFT activity Less than average

  Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010   Where,   HFT % Change – Percent change in HFT activity  HFT% MA (9) ‐ 9 Day moving average of percent change in HFT activity  95% conf MA (9) – Upper and Lower price band of HFT% MA (9)    HFT provide about 10% more liquidity than usual on very low volatility days. The level of HFT  liquidity slowly declines as volatility picks up, at the highest volatility the HFT liquidity is  about 10% less than on an average day.                  

25 
 

Structural Issues Concerning Algorithm Trading in India 

Graph 2 

HFT activity more than average

HFT activity Less than average

Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010   On the least volatile days HFT take about 7% less liquidity than normal, and on the most  volatile days they take around 5% more liquidity than normal.     Graph 3 

 

HFT activity more than average

HFT activity Less than average

Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010       These results show that HFT activity does change with volatility, but not precipitously. In  particular on the most volatile days, HFT do not pull out of the market. On these days, there  does seem to be a 5‐10% transfer of HFT activity from supplying liquidity to demanding  liquidity. 

 

26 
 

Structural Issues Concerning Algorithm Trading in India 

9.4 Does HFT contribute to Price Discovery Process? 
Of the 118 stocks, 68 stocks show as having greater contribution to price discovery process  and 28 of those stocks HFT‐Non HFT contribution is statistically significant. In the 50 stocks,  where non HFT contribution is greater than that of HFT, the difference is statistically  significant for 7 firms.   On average HFT contribute 86%, [(0.195‐0.105)/0.105*100], more to price discovery than do  non‐HFT. Based on these results we can safely say that HFT contribute to price discovery  process.  Table 2: HFT ‐ non‐HFT Variance Decomposition   

  Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010   Where HFT % shows   Variance (Efficient Price, HFT trade price) 

27 
 

Structural Issues Concerning Algorithm Trading in India 

Non HFT% shows   Variance (Efficient Price, Non HFT trade price)   T Stat   t statistics for difference between HFT and Non HFT contribution to price discovery  Conclusion: ‐ HFT contribute more to price discovery than non HFT.   

9.5 What role HFT plays in providing market liquidity? 
This section analyzes HFT and the supply of liquidity.    

a) Do HFT orders provide inside quotes more often than Non HFT orders? 
Inside quote is either best buy quote or best sell quote    Table 3: Table reports number of minutes during which HFTs are at the best bid or offer.  (The time during which both HFTs and non‐HFTs are both at the best quotes is also included  in the value.)

  Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010  

28 
 

Structural Issues Concerning Algorithm Trading in India 

Panel A   all stocks at all times,   Panel B  the stocks that are offering lower spreads than average all time  Panel C  the stocks that are offering lower spreads than average all time  In each Panel the data are divided into three groups, with 40 firms each, based on firm size  Viz. Small, Medium and Large  Sample = 780 = 2(Providing either inside bid/offer every  minute)*60(minutes/hour)*6.5(trading hours) =Number of minutes that a HFT could  potentially be providing at least one inside quote    Panel A shows that HFT firms frequently (at around 65.3% (=509.3/780*100) of the time of  the day) provide the best bid or offer quotes. As the firm size increases HFTs are more  competitive in their quotes, matching or beating non‐HFTs quotes for a significant portion of  the day. Also there is no significant difference between liquidity provided by HFT firms in  High spread & Low spread stocks    Conclusion:‐ HFT firms provide best bid/ best offer more frequently than non‐HFT firms. 

b) Does HFT provide depth to the order book? 
In previous section, the analysis on liquidity has been by looking at the best inside bid and  asks. Another way of looking at HFT impact on liquidity is by looking at the depth of the  book supplied by HFT. Panel A and B shows increase in impact cost due to withdrawal of  either HFT orders or Non HFT orders.  Firms are divided based on their market capitalizations. Very Small includes firms under $  400 million, Small are those between $400 million and $1.5 billion, Medium are those  between $1.5 billion and $3 billion, and large are for firms valued at more than $3 billion.   Dollar   Dollar increase in impact cost  Basis   Percent increase in impact cost  Panel A shows the results of removing HFT from the book. As the trade size increases, the  price impact increases across firms of all sizes and for all ten trade size increases. The Small  category tends to be more impacted by the withdrawal of HFT liquidity than is the Very  Small category.     Table 4: 

 

29 
 

Structural Issues Concerning Algorithm Trading in India 

Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010     Panel B shows the results of removing non‐HFTs from the book.   Across all categories the removing of non‐HFTs has a much larger impact than does the  removal of HFTs. This means that although HFTs supply liquidity in 41% of all dollars traded,  they provide only a fraction of the depth compared to non‐HFTs.    Table 5: 

Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010    

 

Conclusion: Beyond supplying liquidity in 51.4% of all trades, HFTs frequently supply the  inside quotes throughout the day. While removing either type of trader would result in price  impact, but removing non‐HFTs has a larger impact                                       

30 
 

Structural Issues Concerning Algorithm Trading in India 

 

9.6 Does HFT generate or dampen volatility? 
Assumption: Prices would have achieved their actual levels even in the absence of high  frequency trades but would jump around more.  Of the 120 firms, 72 of them have a higher volatility when HFTr initiated trades are  removed. Further, A small majority of firms experience slightly higher volatility without HFTr  initiated trades. However of these 72 stocks, only one is statistically significant. This  indicates volatility would have increased in the absence of HFT.  Of the 48 stocks where the removal of HFTr initiated trades reduces volatility, suggestive of  HFTs causing volatility, none show a statistically significant difference in volatility.     Table 6: 

 

31 
 

Structural Issues Concerning Algorithm Trading in India 

Source: High Frequency Trading and Its Impact on Market Quality by Jonathan Brogaard,  Sept2010   Conclusion: The overall results show that when HFTr initiated trades are removed, volatility  increases and this difference is statistically significant. Admittedly the results are not strong  in one direction or another; they lean in favour of HFT reducing volatility.                                                 

32 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 10 

Possible Manipulations Using HFT/Algorithmic Trading   
1) Front Running 
  Front running is an illegal activity in which a trader takes a position in an equity in  advance of an action which he/she knows his/her brokerage will take that will move  the equity's price in a predictable fashion.  Apart from Flash Trades (discussed below), which some believe is part of Front  Running, there is no occurrence of front running using Algorithmic Trading.  Flash Trading Services show stock pricing information to some select member  around 500 milliseconds before routing it to public market. If such orders are of large  quantity, few members can take advantage of it by front running.  In 2008, SEBI allowed stock exchanges to offer DMA facility, which many believe  would help reduce instances of front running. DMA facility allows Institutions with  large orders to execute the trades directly on stock exchange without manual  intervention of Trading Member. This prevents leakage of information and curbs the  practise of front running.   There is no conclusive evidence that would define relationship between Front  running and use of Algo trading. And hence, use of Algorithmic Trading (without  using DMA) will not have any significant impact on Increase or decrease of number  of instances of front running. But the use of DMA will most certainly reduce number  of instances of front running. 

2) Unintended and Uncontrolled operations of algorithms 
Sometime algorithms operate in aberrant manner, due to several factors like  programming deficiencies, network problems, unexpected market scenarios and all  hosts of endogenous and exogenous factors.  Such aberrant operation sometimes  may create issues such as “Network Jam”, “Server Jam”, “Queing of orders”,  “server/network breakdown”, “submission and cancellation of orders which traders  have no intention to trade”, “Cancelation requests for orders that were never  entered” etc.   Though there are several system checks by exchanges in place, there is a possibility  of algo acting in aberrant manner. 

   

33 
 

Structural Issues Concerning Algorithm Trading in India 

                               

Case 1: NYSE imposed penalty of $150,000 on Credit Suisse Securities  (USA) LLC for failing to adequately supervise development, deployment  and operation of proprietary algorithm.         Beginning at approximately 3:40 p.m., a Credit Suisse proprietary  algorithm routed hundreds of thousands of cancel/replace requests to the  New York Stock Exchange for orders that had been previously generated  by the algorithm, but, due to an unforeseen programming issue, were  never sent by the algorithm.   The unusually large amount of  cancel/replace messages contributed to the over‐queuing of message  traffic in all of the securities, approximately 975 in total, traded at five  posts on the NYSE Trading Floor.  Messages, including new orders,  modifications of orders, and cancellation requests were frozen in queue  and could not be immediately processed.  These five posts could not be  closed on time, ultimately closing between 4:10 p.m. and 4:27 p.m. 

3) Order stuffing /Quote stuffing 
Quote‐stuffing is essentially a denial‐of‐service attack, aimed at trying to slow down  a market in an environment where milliseconds matter.  With quote‐stuffing, high‐frequency traders enter an enormous number of bids and  offers, significantly outside the current bid‐offer spread, just to introduce a vast  amount of noise into the quote feed. All that noise takes time (maybe just a few  extra nanoseconds) for rival HFT shops and Exchange’s‐Trading‐Systems to process,  giving the quote stuffer a crucial time advantage.  The SEC is looking into whether quote‐stuffing exists, and whether it’s a strategy that  anybody has actually used to make money. They are also investigating whether  Quote stuffing has any involvement in Flash Crash that happened on May 6, 2010.  In India, my guess is quote stuffing may not exists at this point in time, given very  low participation by HFTs but again we can not rule out chance of happening in the  future with more and more penetration by HFTs. Quote stuffing is worldwide  regarded as very serious act and should be punished seriously if attempted by any  market participants.   

4) Flash Trades 
  Flash orders shows stock pricing information for a brief period to a limited group of  member traders who can then decide whether to fill an order before it is routed out  to the public market.  Direct Edge, an electronic communications network backed by Goldman Sachs,  Citadel and Knight Trading, was the first to offer such an order type to its members  in 2006. NASDAQ and Bats (U.S. exchanges) created their own flash market in early 

34 
 

Structural Issues Concerning Algorithm Trading in India 

2009 in response to the Direct Edge market. Both voluntarily discontinued the  practice in August 2009.   Direct Edge became a U.S. exchange in July 2010 and used flash trading to great  success in siphoning market volume away from NYSE, Bats and Nasdaq and now it  claims third largest exchange in US. Currently SEC is considering banning Flash  Trading in US following complaint by Euronext operator of NYSE and Gletco One of  the top market makers in US.  Officially, so far, no stock exchange in India is offering this service but introduction of  Smart Order Routing may open the gates of opportunities for stock exchanges to  attract institutional traders by providing flash trading facility. Flash trading service  gives unfair advantage to select group of people / institutions at the expense retail  investors. This service is detrimental to the development of securities market and  SEBI should enact regulations to ban its operation in India.   

5) Internalisation / Cross‐Trades 
  Internalisation refers to ability of brokers to match customers away from public  markets.    In India, SEBI has banned internal crossing of orders and mandated that all orders  entered by clients must be submitted to central order matching system of the  exchanges. This prevents setting up of stealth stock exchanges, dark pools or private  trading venues, stealing liquidity away from the market.     In spite of having such strong regulations, I can not rule out the possibility of use of  algorithms to develop Internal Crossing systems, which I am sure many brokerage  firms would be etching to start in order to reduce transaction cost for their  proprietary trades. High cost of transaction in India could actually work as an  impetus for use of such systems.     I see no real danger in allowing internalisation of proprietary trading as it avoids  extra costs such as STT on intraday transactions for TM. However, internal matching  of client’s orders or matching orders across different Trading Member should never  be allowed as it raises several Clearing and Settlement issues and also there is real  risk of new unregulated trading venues such as dark pool being set up.           

35 
 

Structural Issues Concerning Algorithm Trading in India 

6) Layering 
  Layering is a technique of entering Limit Orders with large quantity at different price  level on any side of order book in order to create a false appearance of buy‐ or sell‐ side pressure.  Person, who wants to buy a stock, enters hidden buy order at best bid and enters  numerous sell limit order with large quantity at such a price levels that have low  probability of getting executed. This creates an impression that there are many  sellers in the script and hence it may go down inducing other people to sell their  stocks to buyer (manipulator)    In India, Layering may not be used that extensively mainly because absence of  “Deep‐Order‐Book”. Only 5 best bids and 5 best offers are provided in India for a  particular script as against all possible orders provided in US. This limits the ability of  Day‐Traders to take a call based on demand and supply of the stock.  Layering  requires as many limit orders to be visible to effectively implement it.    Having said this, I still suspect many cases of manipulation using layering in India in  Low Volume or illiquid scripts without the help of HFT. Permitting use of algorithmic  trading in Low Volume stocks may aggravate this problem. So if permitted, it should  be verified that Layering algos are not permitted to use.         Case 2: FINRA imposed $1 million penalty on Trillium Brokerage Services, LLC for  using an illicit high frequency trading strategy  Trillium, through nine proprietary traders, entered numerous layered, non‐bona fide  market moving orders to generate selling or buying interest in specific stocks. By  entering the non‐bona fide orders, often in substantial size relative to a stock's  overall legitimate pending order volume, Trillium traders created a false appearance  of buy‐ or sell‐side pressure.     This trading strategy induced other market participants to enter orders to execute  against limit orders previously entered by the Trillium traders. Once their orders  were filled, the Trillium traders would then immediately cancel orders that had only  been designed to create the false appearance of market activity. As a result of this  improper high frequency trading strategy, Trillium's traders obtained advantageous  prices that otherwise would not have been available to them on 46,000 occasions.  Other market participants were unaware that they were acting on the layered,  illegitimate orders entered by Trillium traders.     

36 
 

Structural Issues Concerning Algorithm Trading in India 

7) Dark pools 
Dark pools are venues where trading is done off of an exchange to obtain price  improvement and not move the price if a large block of stocks is being traded. The  executions done in dark pools are only hidden from the public and other brokers  before and during trading. Dark pools have been traditionally been used by  institutional traders, who use them to execute large stock transactions without  moving the market against themselves. But dark pools have evolved to give retail  investors and smaller orders a crack at price improvement and better liquidity.  Advantages of dark pools are lower trading cost, better trade price and more  liquidity as broker has multiple venues to operate in. The risk of Dark pools is that  when information is leaked out of a dark pool it can lead to front running by broker  and executing trade ahead of other Dark pool participants. Also few investors may  not be aware of price available for same stock elsewhere.   Currently, Dark Pools are not operating in India. But Block Deal platform which is  almost similar to Dark pool platform is operational in India and In fact authorised by  SEBI. Large Investors who want to buy/sell more than 5 lakh shares or more than 5  crore worth of shares can enter order in Block Deal platform. If those orders are  allowed to be entered as hidden and algo traders are also allowed to operate in that  space, then we can have virtual Dark Pool running on the same exchange. To prevent  this either orders should not be allowed to be entered as hidden in Block Deal  Segment or algo traders should not be permitted to operate in that space. 

8) Wash Trades 
  An illegal stock trading practice where an investor simultaneously buys and sells  shares in a company through two different brokers in order to increase turnover and  in turn capture the attention of general public enticing them to trade the stock.   The research conducted by ASX suggests that there is been an increase in the  number of trades being cancelled, majority of which were Wash Trades, from 0.16%  in Jan 2009 to 0.39% in Aug 2009. The reason behind this is many Algo Trading firms  employ different trading Strategies viz arbitrage strategies, market making  strategies, directional strategies simultaneously. This increase likelihood that bids  and offers entered from those algos will inadvertently execute against each other.    
9)

Liquidity Detection 
  Liquidity detection is an umbrella term for trading strategies that involve sending  small orders to look for where large undisclosed orders might be resting, on the  assumption that 

37 
 

Structural Issues Concerning Algorithm Trading in India 

When a small order is filled quickly there is likely to be a large order behind it. Some  of the common liquidity detection strategies are:  • Pinging: sending out large numbers of small orders with the intention of getting a  fill or to gain information about electronic limit order books;  • Sniper: an Algorithm that tries to detect ‘hidden’ liquidity by trading in round or  odd lots until it completes or reaches an investor’s limit price;  • Sniffing: Used to ‘sniff’ out algorithmic trading and the algorithms being used by  sending a small portion of an order waiting to see if someone comes and gets it.  Sniffers attempt to outsmart many buy‐side algorithmic techniques like iceberging.    A survey was conducted by TABB group to find whether liquidity detection is a form  of manipulation. 74% of market participants said that they did not regard liquidity  detection as a form of manipulation, because the trader does not have direct  knowledge of an order.     

10)

Exchanges helping their brokers by providing Special Data Feeds 
 

Special data feeds are type of data feeds which are either provided early to some  market participants compared to others or which contains special information which  is not available to other public. There is possibility of this malpractice and SEBI would  never know about this since data feeds provided by exchange are only for colocated  servers and not for public or even SEBI. Such kind of practices may cause systemic  breakdown of the financial system.   Example: ‐ If I know some institution is moving large block of XYZ share, and it is  selling till lowest price of 800 Rs. I can find this opportunity to short stock/ future in  order to cover later. 

  
                 

38 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 11 

Current Risk Management framework in India 
 

Price Bands in Equity and F&O Segment 
In India, there are price bands of 2%, 5%, 10% and 20% on individual security.  No price band is applicable on scrips on which derivative products are available. Rest all  securities are categorised in different categories based on their daily volume and impact  cost. 2%, 5%, 10% and 20% bands are applicable on those categories.   Once scrip hit a price band on either side, trading is halted for remaining day.  In F&O, there are no price bands but to prevent erroneous trade entry. Operational price  bands are defined as 10% for Index futures, 20% for stock futures and Delta based value for  Stock & index options. 

Index wise Circuit Filter/ Circuit Breakers 
Indexwise Circuit Filter is an automated trading halt mechanism, which stops trading on the  exchange for specified period of time.  There are 10%, 15% and 20% circuit breakers on two main indices Nifty & Sensex.    10% movement    15% movement  20% movement    9:15 am – 1.00 pm  1.00 pm – 2.30 pm  1 Hr market Halt  1/2 Hr market Halt  9:15 am – 1.00 pm 1.00 pm – 2.00 pm 2 Hr market Halt 1 Hr market Halt Trading Halted for rest of the day 2.30 pm – 3.30 pm  No Trading Halt  2.00 pm – 3.30 pm Trading Halted 

Margining System in Equity and F&O 
Indian markets are much better placed vis‐à‐vis the US markets, thanks to the practice of  collecting margins on a real‐time basis. If a member firm exhausts its margin with an  exchange, it is barred from taking fresh positions. If client or trading member or Clearing  member crosses specified limits, trading facility is suspended for all clients trading through  TM (in case TM violates limit)and all trading member clearing through CM (in case CM  violates limit).   Stocks are categorized in Group I, II & III on the basis of impact cost and stocks traded in last  6 months for the purpose of assigning different margins on different categories having  different risk.  In Equity, Initial Margin = VaR margin + Exposure margin is collected on upfront basis,  Typically VaR Margin is in the range of 7.5 ‐15% and Exposure margin ranges between 5‐

39 
 

Structural Issues Concerning Algorithm Trading in India 

10%. So typically, total initial Margin Varies from 12.5 – 25%. MTM margin is calculated by  marking each transaction in security to the closing price of the security at the end of trading.  And collected before start of next trading day  In F&O, Initial Margin and Exposure margin are collected upfront. Initial Margin = Total SPAN  Margin (VaR margin)+ Buy Premium + Assignment Margin.  And Exposure Margin 3% of the  notional value of a futures contract (for futures) & The higher of 5% or 1.5 standard  deviation of the notional value of gross open position  (for options). Total Initial Margin is  typically 15‐20% of Transaction Value. MTM margins are collected before start of next  trading day. 

Position Limits 
At the end of each day the Exchange disseminates the aggregate open interest across all  Exchanges in the futures and options on individual scrips along with the market wide  position limit for that scrip and tests whether the aggregate open interest for any scrip  exceeds 95% of the market wide position limit for that scrip. If yes, the Exchange takes note  of open positions of all client/ TMs as at the end of that day in that scrip, and from next day  onwards the client/ TMs should trade only to decrease their positions through offsetting  positions till the normal trading in the scrip is resumed.  In India, we have TM wise & client wise position limits, which prevent a single TM or a single  Investor from taking huge position in a single stock. For clients it is 1% of Total Free float  capitalisation (for cash) and 5% of MWPL (for F&O)   NSE Also monitor FII and MF positions for sectoral and company specific limits set by RBI &  SEBI.  There are stiff penalties for violation of any of the above mentioned limits and margining  requirements.   

Pre‐trade Control in F&O segment 
Quantity Freeze: ‐ Any order coming to the exchange for trade in NIFTY, S&P500,  BANKNIFTY, CNXIT or MINIFTY future/option with quantity more than 15,000 will be Freezed  until broker confirm it as a genuine order. For trade in future/option on individual stocks,  freeze quantity is as decided by exchange from time to time.     Price Freeze: ‐ Price freeze is operational only in the F&O segment. Operational price bands  are defined as 10% for Index futures, 20% for stock futures and Delta based value for Stock  & index options.      

40 
 

Structural Issues Concerning Algorithm Trading in India 

Pre‐trade Control in Equity segment 
Apart from price bands there are no pre‐trade controls in equity segment to check  erroneous trades.     In US erroneous trades that are executed way outside last traded price may be contested  and cancelled after complaining to the respective stock exchange. I have given two cases  where trades were cancelled.        Case 3 : NYSE Euronext cancelled all trades in the $74.8 billion SPDR S&P 500 ETF Trust    that occurred at almost 10 percent below the security’s opening price, according to an    email sent by the exchange.        The trades occurred on the NYSE’s Arca platform at 4:15 p.m. New York time on    18/10/2010 and priced the exchange‐traded fund that tracks the Standard & Poor’s 500    Index at $106.46 compared with its opening price of $117.74. The ETF plunged 9.6    percent over eight seconds as 7.2 million shares traded on NYSE Arca, according to data    compiled by Bloomberg. The S&P 500 rose 0.7 percent to close at 1,184.71 today. The    glitch occurred after the closing auction was delayed due to a software upgrade at the    exchange. Official closing price in each security is decided in an auction process    conducted after close of the market.         Case 4 : Nasdaq & NYSE cancelled all trades in 296 securities that were executed at    greater or less than 60% of their prices at 2:40 p.m. ET on May 6,2010               Personally I don’t think any trade should be cancelled even if it is the punching error.  However it is also true that, unintended erroneous trades should not be punished so heavily  that operators are afraid to enter orders. One way to counter this would be introducing  tighter pre‐trade control. I have explained introduction of 5% dynamic price bands as pre  trade control in recommendation section of this report.               

41 
 

Structural Issues Concerning Algorithm Trading in India 

Why is it important to implement such stringent operational dynamic price  bands? 
There were two cases in the history of Indian Securities Market that caused huge loss to the  broking firms and their clients due to punching errors by operators.                          Both of these cases could have been avoided, had there been 5% dynamic price band  operational. Having narrow dynamic price band of 5% ensures that a single trade cant make  any stock fall by more than 5%.                  Case 5: First case was of punching error in Tulip IT services on Jan 5, 2006. Tulip IT  Services saw two unusual trades happening on its listing day. One deal saw 4,04,800  shares sold at 25 paise  against the average price of Rs 185 at the Bombay Stock  Exchange, while the other saw 5,95,575 shares sold at Rs 100 each. Those deals caused  the seller a loss of Rs 12.69 crore in just 38 seconds. The first transaction led to a net  loss of Rs 7.40 crore while the second transaction cost Rs 5.06 crore.  Case 6: The second case is freak trade in Reliance on June 1, 2010. A ‘market’ order to  sell 1.6 lakh shares was entered in Reliance by a dealer at a broker‐member firm which  got matched with ‘limit’ purchase orders in the trading system. Within few seconds of  entering order, Reliance stock plunged to Rs 840.55 from pre‐trade price of Rs 1,010  causing script to fall by 19.56 %. Many analysts believe this trade might have cost  broking firm a more than Rs 1 crore. Apart from loss to the broker, such trades hurt  investor’s confidence which takes time to recoup. 

42 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 12 

Algo approval, registration and risk management framework 
 

Algorithm approval and registration 
Because SEBI has not issued a specific guidelines regarding algorithm trading, there is  divergence in operation of two major Indian exchanges. NSE requires all algorithms to be  approved and all entities using algorithms to be registered. Whereas BSE requires mere  registration to start Algo Trading. BSE does not require its member to disclose their  proprietary trading algorithms to it.  Though BSE is following an international practice of non‐intervention by the exchanges in  use of algorithms, it is quite a dangerous practice to start with in an market which is not yet  fully developed and any event similar to Flash  Crash in US may whisk away retail investors  from securities market permanently. American and European exchanges have developed  state of art technology to prevent any major breakdown of the system and in spite of these  measures breakdown happens. And AT is a tool if not properly implemented and monitored  can cause havoc. So it is better to be on cautious side than to repent later.  So I suggest that SEBI should issue guidelines to exchanges requiring them to approve  algorithms prior to giving them permission to operate. Approval will be on the basis of  implementation of risk control measures. 

Procedure for granting permission to Trading Member for Algorithm Trading  at NSE 
a) NSE, on May 17, 2011, issued a circular to smoothen the process and facilitate early  approval of decision support tools/ algorithms for trading through non‐neat front  end.  It categorised application for seeking approval in algo trading in three main  categories viz.  Approved Algorithms through CTCL, Non‐Approved Algorithms  through CTCL and DMA Algorithms. This categorisation helps NSE to scrutinize new  algos more for their pre‐trade and post‐trade risk controls than already approved  algos.  b) On fulfilment of conditions as satisfactory and meeting SEBI and Exchanges minimum  requirements, the exchange will identify the vendor’s/member’s algorithm as  “Approved algorithm”.  c) Total procedure takes around 30 days to get algo approved from day of application.  (For details refer to annexure II)  BSE does not require Algorithm approval to start algorithmic trading    

43 
 

Structural Issues Concerning Algorithm Trading in India 

Risk Management Framework at the time of algorithm approval 
Currently NSE has fairly strong checks to approve algorithms/ decision support tools; the  only thing we should be concerned about is its implementation, fairness in implementation  and transparency.  The algo approval process includes following checks at individual and client level:‐  Table‐7  S  No.     Requirement   Whether  complied  (Yes / No)   YES / NO                           YES / NO   YES / NO  YES / NO  YES / NO 

1  Does software perform following checks before routing orders to the  exchange for execution?                          2  3  4  5  Individual Order Level:    Quantity Limits check    Price Range checks    Trade price protection checks    Order value checks   Client Level:    Net position v/s available margins   RBI violation checks for FII restricted stocks    MWPL violation checks    Position limit checks    Trading limit checks    Exposure limit checks at individual client level and at overall level for all  clients  Does the system have Provision for generating and maintaining complete  Audit Trail.   Can the orders generated by Algorithmic trading products be identified as  ‘Algorithm orders’ while releasing to the Exchange   All orders generated by Algorithmic trading products are offered to the  market for matching directly and no cross trades are generated?   Does the system have sufficient security features including password  protection for the user ID, automatic expiry of passwords as the end of a  reasonable duration and reinitialisation of access on entering fresh  passwords? 

         

44 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 13 

Concerns 
1. Are retail investors are at disadvantage due to use of AT and HFT  mostly by institutional investors? 
Certainly not. First reason is typically investor’s investment horizon is long term, so  milliseconds advantage, which comes at exorbitant cost, may hardly matter to them.  Second even if they have millisecond of time advantage, they are not 100% sure  about future price movement. What they know is probability of future price  movement which any retail investor has an option to calculate on his own by using  freely available data services. Third HFT does not compete with long term investors,  they compete with other HFTS. As more and more HFT come in the market, they  have less spreads to enjoy; they will have very short lived arbitrage opportunities. So  they will compete more on speed. If now they execute orders in milliseconds, in  future they will develop technology that will execute trades in microseconds. Apart  from this HFTs reduces spread and improves liquidity bring prices in all market on  par and contribute to price discovery process. In absence of manipulative/ predatory  strategies by HFT, retail investor will not be at disadvantage. 

2. Is allowing use of DMA facility, COLO facility and SOR facility give an  unfair advantage to some of the market participants? 
In India, non intermediary DMA facility is not allowed, which means all the orders of  clients have to go through broker and will be tagged as that broker’s order. So there  is less scope of manipulation as order generally goes through broker’s risk  management system. Broker is not able to stop or modify the order manually but its  system can reject the bad orders upfront. This leaves only one way to misuse DMA,  i.e when broker itself relaxes his automated risk controls for his client.  Colocation is service offered by exchanges to their trading members to setup their  servers close in proximity of exchanges order matching system in order to reduce  network latency and access latency.   The service offers varied advantage including  low turnaround time, which is very crucial for HFT, alternate setup in case of  network or system breakdown. Colocation facility offers usually 1‐2 milliseconds  advantage to their TMs, which reduces trading latency. So as stated in 1st concern, 1‐ 2 millisecond advantage may not matter to long term investors and that too at  exorbitant cost. The problem with this service starts when exchanges collude with  brokers to increase their business by adopting unethical and unfair practices such as  providing special data feeds, giving priority in order submission to collocated users,  etc. 

45 
 

Structural Issues Concerning Algorithm Trading in India 

SOR facility is algorithm that automatically routs the order to the exchange which  offers best bid / best offer for investor. This service has been around for quite some  time now in US & Europe and it contributes significantly to price discovery process.  SOR is concern when it is used for Pinging / Sniffing out large order at some other  exchange or at some other segment (block deal segment) and then trade ahead of  institutional order. The other concern of SOR would be when exchanges put some  restriction on its use to prevent flow of its business to some other exchange. Overall  advantages overweigh disadvantages. 
 

3. Does Algorithm Trading improve Market Quality?  

 
As discussed in the topic “Impact of HFT on market quality”, HFT in Us has helped  reduce spreads and improve liquidity. Also HFT has increased depth of the order  books. However they might not have considerable impact on change in the volatility.   The effect of HFT on volatility was inconclusive but still was leaning in the favour of  HFT. Many researchers and exchanges have corroborated the point that there is no  significant correlation between participation of HFTs and volatility. And event such  as Flash crash could have occurred even in the absence of HFTs.     Since HFT is part of Algo Trading and presents more severe risk than non High  Frequency algo trading, we can safely extent conclusions of above study to AT as  well.   Here we should make a note of one point that significant number of HFTs in US are  market makers have employed rebate trading strategies due to favourable maker‐ taker structure. So assuming that liquidity will improve also in India because of  introduction of AT would be incorrect.  

 
4. Is HFT and AT in the long term interest of the market development? 
 

The answer depends upon fairness and ethics of the market participants including  exchanges. Few may twist and bend the rules to suit them. But this should not stop  us from moving ahead with time. Market developments should not be stopped just  because we fear some may misuse the system. So it is always advisable to start with  cautious approach by slightly regulating market with a long term view of relaxing the  regulations. SEBI can not and should not regulate each and everything. It is beyond  its scope. But at any point in time message should be loud and clear “Whatever you  do, We are watching you.”  There are quite a few advantages of AT, which includes increase in liquidity,  decrease in the spreads, better price discovery, more participation by Oversees 

46 
 

Structural Issues Concerning Algorithm Trading in India 

Institutions and it  can be used as risk management tool. To sum it up, I can say “AT  and HFT are in the long term interest of the market. Its advantages outweigh  disadvantages and I believe it is the need of the time and if we don’t change now  time will change us.” 

 
5. Is infrastructure in India adequate enough to handle AT and HFT?   
If publically available information is to be believed, we have adequate technological  infrastructure to allow AT operations but certainly it’s not one of the best. We fall  short on standards set by NYSE, NASDAQ and few other European exchanges.     For example, Latency (response time) at NYSE and NASDAQ are 25 microseconds and  143 microseconds respectively compared to 5,000 microseconds and 10,000  microseconds at BSE and NSE respectively. Since India is the 4th largest country in the  world in terms of number of trades, Indian servers have been always overburdened  and introduction of AT and HFT will make thing worse as it will put an additional load  on existing overburdened system.  
 

6. Do we have sufficiently robust real‐time risk management system?   
For non‐algorithmic trading and non‐HFT, we have sufficient strong risk management  system which includes pre‐trade order controls, price and quantity freeze, security  wise and marketwise circuit breakers, real time margin collection system, and  barring client/TM/CM from taking any position if their limits are exhausted.    In algorithmic trading this task may get little complicated owing to tremendous  speed of executions and DMA facility which may bypass TM’s risk management  framework. To be doubly sure, it is worthwhile to survey and audit exchanges Risk  Management systems from algo trading perspective. It is also required that  exchanges should provide their “Risk control checklist” to SEBI so that SEBI could  decide minimum “risk control checks” for all the exchanges before giving approval to  algorithms. 
 

7.  Are there any systemic risk arising from Algo Trading? 
 

There is possibility of systemic risks, if exchanges are hand in glove with their Trading  members. If exchanges provide special feeds to brokers who have colocated their  servers at exchanges, then it gives unfair advantage to some market participants.  

47 
 

Structural Issues Concerning Algorithm Trading in India 

Apart from this widespread use of any of the fraudulent practices such as Front  Running, Order stuffing /Quote stuffing, Flash Trades, Internalisation/ Cross Trades,  Layering, Dark pools and Wash Trades may cause systemic failure of financial system  in India.  

                                      48 
  Structural Issues Concerning Algorithm Trading in India 

Chapter 14 

Recommendations   
1. SEBI should develop order segregation platform / or upgrade an  “Integrated Market Surveillance System"(IMSS) to segregate AT order,  HFT order, COLO order, DMA order and SOR order individually or in  combination.   
Exchanges are saying that they have assigned unique digit code for each 15 digit  order and hence orders can easily be segregated. If so, SEBI should be in the position  to segregate orders with any combination of orders and entities/persons.  For example‐ On a particular day, SEBI should be in the position to identify “Number  of orders cancelled by a XYZ HFT firm, which were entered through DMA facility”  

 
If Flash Crash like event happens in India, How will we investigate the matter if we  don’t have data? How will we know which algo traders sold X number of shares and  at what time? How will possibly we know about ongoing manipulations or  malpractices if we can’t segregate trades based on their type of origin? How will we  be able to pinpoint a specific type of trading that caused havoc? And how will we be  able to develop guidelines if regulator itself is clueless about market conditions?    

2. Introduction and strengthening of three tier pre‐trade controls 
 
Pre‐trade controls are proactive in nature rather than reactive. Pre trade controls help avoid  entry of erroneous trade and violation of limits by different participants. Pre submission  order level filters and Pre submission account level filters are employed at broker’s end.  These measures help exchanges to reduce latency or roundtrip execution time as more and  more orders will be rejected at broker’s end only.     • Pre‐submission order level filters: Filters that assess an order as a discrete unit  rather than as part of an account. Filters are designed to prevent errors in price,  value and direct compliance such as short selling.  • Pre‐submission account level filters: Filters that assess an order in the context of  account level exposure. Such filters depend on a consolidate account position  irrespective or execution venue.  • Pre-execution Exchange level filters: Any order submitted to exchange should be  authenticated for quantity, price, clientwise and TMwise limits and any other  relevant criteria. It also checks for price bands and marketwide circuit filters.  

       

49 
 

Structural Issues Concerning Algorithm Trading in India 

 

3.  Introduction of 5% dynamic price bands on all securities (One of the  Pre‐submission order level filter)   
• • • Introducing price filters to prevent systems from entering erroneous trades.  Dynamic price band should be defined as 5% of the last traded price in all  scripts listed at NSE & BSE.   This price band will change with every new trade happening. If changing price  bands with every new trade is not feasible, we can implement it on 5 seconds  delayed basis. So price band will change every 5 seconds.  Just for example :‐ If a XYZ stock is currently trading at Rs 100, Any algo  trading system will not be able to enter buy order at more than Rs 105 and  sell order at less than 95. However buy order shall be allowed to enter below  95 and sell order shall be allowed to enter above 105. Placing a buy order  below current market price & placing a sell order above CMP will improve  liquidity as this would increase number of passive orders sitting in the order  book.   This rule should only be made applicable for “Limit Orders” and “Market  Orders” and should not be made applicable to “stop‐loss orders”. In stop Loss  order trader can place trigger price and limit price at any price he desires.  This pre submission order level check will be validated at broker’s (Trading  Member’s) end and the order will be rejected outright and will not be  submitted to exchange.  This rule should also be extended to all manually entered as well as non‐ algorithmic order.   This rule should also be made applicable on the first trading day of the IPO  listing.  This rule ensures that any single trade cant make any stock fall by more than  5% irrespective of quantity and price entered.   

• • •

4. Mechanism to flush out all the pending orders 
On May 6, 2010, Dow Jones Index tumbled more than 6% in just 4 minutes due to  relentless selling by HFTs in E‐Mini 500 contracts. In order to prevent a cascade of  further price declines, CME triggered “STOP LOGIC FUNCTINALITY” which halted  trading in E‐mini future contracts for 5 seconds.   “In that short period of time, sell‐side pressure in the E‐Mini was partly alleviated  and buy‐side interest increased. When trading resumed at 2:45:33 p.m., prices  stabilized and shortly thereafter, the E‐Mini began to recover.” Said SEC‐CFTC joint  report. 

50 
 

Structural Issues Concerning Algorithm Trading in India 

STOP LOGIC FUNCTINALITY is basically disaster management tool and every  exchange should have it in it arsenal. I expect NSE/BSE already have it and if not it is  the time to develop one. 

5. Introduction of Maker‐Taker Structure fee to improve liquidity 
  Maker‐Taker structure involves giving credit to buyer or seller for providing liquidity  to other market participants and charging fee for taking liquidity. Liquidity is  provided by entering passive limit order and liquidity is taken when you hit the bid or  take the offer by entering market order.   An example of a new trading strategy that has emerged overseas and attracted the  label ‘predatory’ is a Form of arbitrage designed to ensure that the HFT receives a  rebate for providing liquidity to a retail or institutional investor. This is also called  “Rebate Trading”.    In India, BSE has introduced Maker‐Taker structure in its F&O segment but did not  have any significant impact in its market share as it already had very little market  share.    Transaction charges/rebate for every 1 Lakh shares entered as Passive/Active orders  are as follows      Passive  Active Orders  Orders Futures ( Stock & Index)  Credit 1 Rs  Charge 1.5 Rs  Options (Stock & Index)  Credit 15 Rs Charge 20 Rs   Passive Orders: Passive orders are defined as the orders that already exist in the  order book at the time of matching (order taking place).  Active Orders: Active orders are defined as the orders that are matched against the  orders already existing in the order book at the time of matching (trade taking  place). 

6. Asking exchanges to prepare a report on “Structural issues and  systemic risks arising due to Algorithm Trading” 
  It is a worldwide practice to update the regulator about operational problems,  potential threats and latest happening on technology and development front. As  exchanges are in direct contact with market participants and also know minuscule  details about their order matching platform, they would be more equipped and in  better position to help SEBI achieve its goals of market development and investor  protection.   

51 
 

Structural Issues Concerning Algorithm Trading in India 

London stock Exchange, Australian Securities Exchange and many other stock  exchanges have prepared the report on above mentioned topic and are available to  the public.   

7. Audit and Survey of Exchanges risk management systems for  algorithmic trading by a special team and submit the report to the  higher management on the same    
  On paper, NSE and BSE have sound Risk management System(RMS) but we need to  ensure that a) system is faultless, b) Capable to monitor and control all trades c) is  not or least susceptible to attacks on their servers/ order matching platforms  d) is  not prone to frequent breakdown and e) They have alternate RMS in case of  breakdown.  It is essential to assess all the risk control parameters and present risk management  system before proposing any policy changes. Indian stock exchanges are not that  keen on providing extra information. If SEBI, being a regulator, doesn’t know about  their current RMS then possibly nobody would know about it until catastrophe  occurs. So I hope, SEBI would send a special team to investigate all issues from AT  perspective and given a chance, I would like to be a part of that team.     

8. Defining some of the practices such as  Front Running, Order stuffing  /Quote stuffing, Flash Trades, Internalisation/ Cross Trades, Layering,  Dark pools, Wash Trades and special data feeds as fraudulent and  unfair trading practices, banning its use and defining punitive action if  violated. 
 

9. Data Reporting requirement 
  NSE and BSE to prepare Monthly Report on Algo Trading in formats specified in  Table 8 and should provide it to SEBI as and when asked. They should prepare and  analyse AT firm wise report regularly, evaluate risks involved and brief SEBI in case  there is any concern. Since information in table 8 is company specific, we can not  publish it in our Monthly Bulletin and annual Reports. But this data is still needed to  assess company specific risks, to investigate scams and to develop policies.    For the information of Investors, exchanges need to provide data to SEBI in format  specified in Table 9 on monthly basis. This data will help SEBI ensure that the  required infrastructure for Algo Trading is in place and also it will provide Investors  an option to exit the market, if they feel there is heightened risk due to high amount  of Algo Trading Activity. 

52 
 

Structural Issues Concerning Algorithm Trading in India 

Table 8  Name of  the Firm  1     Average  Size(Qty)  of the  order      Type of firm  Date of  Number of  ( BuySide/  approving  algos  Sell side)  1st algo  approved  2     Total Turnover  (Monthly)  Through  Passive  Orders  11       Opted for  DMA  facility?  12    3 4 Orders  entered  5 Orders  Cancelled  6     Orders  Traded  7

  

Average  Value of the  Through  Order  Active  Orders  8  9  10      

Opted For Co‐ Location? 

13 

  Table 9     Capacity ( Orders per second)  Latency ( Roundtrip Execution time) Latency ( Data feeds/ Info dissemination time) Average Daily Orders  Order Flow ( through DMA facility)  Order flow ( through Algo Trading)  Algo Trading volume as Percentage of Total  Volume  Order Flow (through CoLocation facility  Number of orders diverted to other Stock  Exchanges through SOR  Number of Algos registered /approved  Number of Buy‐side Firms registered for AT  Number of Sell‐side Firms registered for AT   Max Number of Orders per second per Algo  Max Number of Orders per second per AT  firm  Average Order‐To‐Trade Ratio  Average Order Cancellation Rate                          

BSE 

NSE 

              

        

        

     

53 
 

Structural Issues Concerning Algorithm Trading in India 

Chapter 15 

Conclusion 
 

Algorithm Trading has been accepted internationally due to: reduced market impact;  increased trading efficiency; better alignment between strategy and execution and lower  cost. AT is also seen to drive down trading costs. It is estimated that the use of AT reduces  transaction costs by almost 75%. Another significant advantage is the anonymity of  algorithms which helps prevent information leakage. Further, algorithmic strategies satisfy  regulatory compliance. It also enhances the efficiency of the financial market for  arbitrageurs and eliminates front running.    While negatives of AT May Include undermined market stability due to frequent trading and  system overload issues, which need to be resolved on urgent basis.    HFT which is part of Algorithm Trading, as observed in the international markets, tends to a)  Increase Liquidity b) Reduce spreads c) Contribute to price discovery process and d) have no  impact on volatility.     The larger concern about high‐frequency trading (HFT) is that it could destabilize markets,  especially after the flash crash in the US on 6 May 2010. Many analysts believe that such a  situation can arise even in a world without HFT and we should not punish HFT for such one‐ off instance of heightened uncertainty. A flash crash situation arises when a large order is  placed into a thin order book inadvertently.     Few may twist and bend the rules to suit them. But this should not stop us from moving  ahead with time. Market developments should not be stopped just because we fear some  may misuse the system. So it is always advisable to start with cautious approach by slightly  regulating market with a long term view of relaxing the regulations. SEBI can not and should  not regulate each and everything. It is beyond its scope. But at any point in time message  should be loud and clear “Whatever you do, We are watching you.”                 

54 
 

Structural Issues Concerning Algorithm Trading in India 

Annexure I  Risk management criteria’s for approval of DMA facility at NSE  Whether complied (Yes / No)

S. No. 1 2 3

Requirement Access for order routing is permitted only through the use of client specific User ids The access is permitted only through the use of client specified password (private code) The system provides for automatic expiry of passwords at the end of a reasonable duration and reinitialisation of access on entering fresh passwords. All transaction logs are maintained with proper audit facilities alongwith unique numbering for orders/trades (a write-up in this regard shall be enclosed) Logic/priorities similar to those used by the Exchange is used to treat client orders. Provision for maintenance of all activities / alerts log with audit trail available Authorized user and client details are part of the order details received and authenticated at the DMA server of the trading member. The member’s Direct Market Access (DMA) server internally generates unique numbering for all client orders/ trades. Adequate provisions for maintaining back up systems and data storage capacity are available. An alternative means of communication is arranged for in case of link failure ( A write up shall be provided in this regard) The software provides for appropriate authority levels to ensure that the limits can be setup only by the persons authorized by the risk / compliance manager. The software provides for routing of orders through electronic / automated risk management systems of the broker to carry out appropriate validations of all risk parameters including Trading Limits, Position Limits and Exposure taken by client based on risk assessment, credit quality and available margins of the client. The software also provides for appropriate validations for Quantity Limits, Price Range Checks, Order Value, and Credit Checks before the orders are released to the Exchange. The software provides for Net position that can be outstanding so as to fully cover the risk emanating from the trades with the available margins of the specific client. The software provides for appropriate limits for securities which are subject to FII limits as specified by RBI. The software provides Direct Access Market (DMA) facility

4

5 6 7

8

9 10

11

12

13

14 15

55 
 

Structural Issues Concerning Algorithm Trading in India 

16

17

to clients only to execute his own trades and shall not use it for transactions on behalf of any other persons/ entity. All orders entered into the Direct Market Access (DMA) system are offered to the market for matching and no cross trades are generated. The software has the facility of providing the reports on margin requirements, payment and delivery obligations etc. to the clients through the system.

                                         

56 
 

Structural Issues Concerning Algorithm Trading in India 

Annexure II  Procedure for granting permission to Trading Member for Algorithm Trading  1. Procedure for making an application  Trading member desirous of seeking approval for trading using algorithms should make  an application in format as specified. NSE categorized algorithm applications for  approval in three categories, which are as follows  d) Approved Algorithms through CTCL  Trading Member, desirous of using algorithms which are already approved by NSE to  the vendors, can make an application in this category. Member need not give  demonstration of the Automated Risk management features as that part is already  done by the Vendor.    e) Non‐Approved Algorithms through CTCL  Trading Member, who intends to use algorithms which are not approved by NSE,  must make an application in this category.   Trading Member must give  demonstration of the Automated Risk management features. And subsequently,  member shall be required to inform NSE in case of any change to approved  algorithms.    f) DMA Algorithms – Trading Member/ Institutional Clients Algorithms  Irrespective of whether algorithm is approved or not, Trading Members or  Institutional clients who intend to use algorithm through Direct Market Access  facility, must make an application in this category.   2. Procedure for algorithm approval  On fulfillment of conditions as satisfactory and meeting SEBI and Exchanges minimum  requirements, the exchange may identify the vendor’s/member’s algorithm as  “Approved algorithm”.  3. Additional Category of Non‐NEAT users will be introduced    Exchange is planning to provide separate “Non‐NEAT user ids” to the members who are  using Non‐NEAT front end for trading. Such members will not be allowed to login/ trade  through NEAT but will use it only for risk control and trade validation.  This is very positive step taken by exchange to help members who are not using NEAT  for trading to manage risks.    4. Risk Managers for Algorithm Terminal  Each risk managers shall be allowed to manage multiple algorithms under single risk  management system. Hence it would be considered as single dealer for the compliance  purpose. 

57 
 

Structural Issues Concerning Algorithm Trading in India 

Sign up to vote on this title
UsefulNot useful