Нюансы алгоритмической торговли: эксклюзивное интервью с Бертом Моулером

Являясь старшим научным сотрудником и главным дизайнером программного обеспечения по интеллектуальному управлению инвестиционным портфелем в «Profluent Capital», Берт Моулер (Bert Mouler) создал бизнес-модель, полностью основанную на алгоритмической торговле.

Берт со своей командой задействует разнообразные стратегии, включая статистический арбитраж на рынке акций, направленную торговлю на мировых рынках, а также выступает в роли маркет-мейкера на рынке биткоина и других криптовалют. Берту одному из немногих удалось разработать полностью интегрированную систему управления инвестиционным портфелем, основанную на исскусственном интеллекте.

Берт в своем интервью Курту Молина (Kurt Molina) поделился информацией, касающейся вопросов алгоритмической торговли, включая проверку надежности системы, ее тестирование и многое другое. Полученная информация будет полезна как для опытных алгоритмических трейдеров, так и для тех, кто только интересуется алгоритмической торговлей.

Курт: С точки зрения надежности новостей, как система различает достоверную информацию и фейковые новости?

Берт: Это интересная тема. И тут стоит уточнить, что подразумевается под фейковыми новостями? Это новости, которые не соответствуют действительности или те, которые не влияют на рынок? Ведь могут быть слухи, которые не подтвердятся, но окажут влияние на рынок. И в таком случае я считаю, что это — не фейковая новость.

С точки зрения человека неторгующего на финансовых рынках это будет фейковой новостью, но поскольку нашей целью является получение прибыли, это — реальные новости.

Это служит сигналом, который имеет корреляцию с будущим направленным движением цены или с волатильностью, чем мы и торгуем. В этом отношении, алгоритмы машинного обучения, которые мы используем, способны различить «фейковые» новости.

Курт: Что вы применяете для подтверждения успешности торговой системы?

Берт: Само собой, частично это является конфиденциальной информацией, но я могу поделиться с вами некоторыми деталями. Мы делаем все необходимое от добавления рыночного шума к данным, до моделирования Монте-Карло и тестирования систем на различных данных.

Скажем, с точки зрения корреляции, если вы берете акции, то могли бы использовать для валидации другие акции из того же самого сектора, либо же использовать индекс S&P или какой-нибудь подобный актив. В целом, это даст вам больше данных, не так ли?Суть в том, что чем больше новой информации, тем больше данных, которые ваша система еще «не видела».

К сожалению, здесь возникает одна проблема, которая заключается в том, что люди думают, что эти корреляции сохранятся вечно. Скорее всего, хорошие результаты на одном временном периоде дадут хорошие результаты и на другом, даже если алгоритм сильно подогнан под историю. Но в последствии он не даст таких результатов.

Чтобы решить эту проблему (чрезмерной оптимизации в целом), мы стараемся минимизировать сложность используемых алгоритмов. Наши лучшие стратегии имеют лишь два параметра и тестовую выборку из тысячи сделок или даже из десяти тысяч сделок out-of-sample.

Out-of-sample выборка — данные которые не использовались при обучении модели или оптимизации параметров (примечание редактора).

Когда вы имеете два параметра и выборку из десяти тысяч сделок out-of-sample, вероятность оверфита, подгона под историю, снижается, и вы получаете очень высокую статистическую значимость. Не многие смогут повторить то, что мы делаем, то есть «непременно торговать тем, что статистически подтверждено». Исходя из моего опыта, люди хотят понять, что именно они торгуют, и полагают, что понимают, а это создает большие проблемы.

Фактически, мало того, что они не понимают этого, но на рынке случаются и неожиданные движения, которые могут произойти из-за действий правительства или появления новой технологии, что может нарушить взаимосвязи, о которых «все знают».

Скажем, все знают, что золото и серебро взаимосвязаны и двигаются парой. И вдруг серебро снижается на 80%, в то время как золото стоит на месте, что приведет спрэд между ними к историческим минимумам. Чем это может быть вызвано? Возможно, кто-то изобретет новую технологию добычи или очистки, либо на Земле будет обнаружено гигантское месторождение серебра. Это могло бы изменить соотношение цены серебра и золота, не так ли?

Материалы по теме

• Как осуществить ручное тестирование торговой стратегии
• Манипуляция статистикой и самообман в алготрейдинге
• Искусственный интеллект и машинное обучение в трейдинге. Интервью с Майклом Харрисом

Курт: То есть, вы думаете, проблема в том, что люди усиленно пытаются понять, что же действительно двигает рынки и быть правым, вместо того, чтобы лишь использовать подтверждения, которые они видят, и торговать на основе этого?

Берт: Именно так. На рынке нет необходимости «быть правым». Причина снижения цены заключается не в том, что Трамп или Пауэлл что-то сказали, а в том, что предложение превысило спрос. Думать по-другому является ошибкой, потому что вы не можете знать истинную причину.

Вы делаете серию очень серьезных предположений, когда задаетесь вопросом «почему цена движется именно так?». Вы допускаете, что у вас есть доступ к информации, которого у вас на самом деле нет, что в целом и ведет к потере денег. Мы делаем деньги, будучи ближе к реальности, чем другие трейдеры.

Тогда как трейдеры часто делают дополнительные предположения – например, американский фондовый рынок будет расти постоянно или биткоин и этериум будут объединены, потому что обе являются криптовалютами.

Прежде всего, все может измениться. Вы не знаете, что отношения между ценами активов, на которых вы торгуете, сохранятся в будущем. Есть миллионы объяснений тому, что вы видите, и нет никакой информации или методологии, позволяющей вам выбрать одну из этих причин и сказать, что она истинна. Я думаю, это в принципе невозможно. Чтобы знать, почему цена сделала то, что сделала, вы, фактически, должны знать, что было в голове каждого участника рынка, а это невозможно.

Курт: Скажем, какой-то трейдер создал торговый алгоритм, и он доволен полученными при тестировании результатами. Будет ли для него разумно, применять это на рынке без достаточной диверсификации?

Берт: На мой взгляд, ответ можно разделить на несколько частей.

Прежде всего, я хочу сказать, что, исходя из моего опыта, большинство людей ищут методы машинного обучения, когда вместо этого они должны искать методы валидации полученных результатов. Вы можете получить любые результаты при тестировании на исторических данных, какие хотите. С другой стороны, если вы знаете, что ваш коэффициент Шарпа равный 0.1 при тестировании в пределах оптимизационной выборки будет таким же, как и на выборке out-of-sample, то это хорошая новость. И это намного важнее, чем наличие действительно высокого коэффициента Шарпа (или любого другого объективного показателя) при тестировании на исторических данных.

Если вы сможете объединить сотню или тысячу различных систем с низким коэффициентом Шарпа, то получите инвестиционный портфель с очень высоким коэффициентом.

Коэффициента Шарпа — показатель качества алгоритма или инвестиционного портфеля (примечании редакции).

Вы должны помнить о неэффективности рынков. Есть множество людей, вроде меня, использующих продвинутые методы и технологии и огромные вычислительные мощности для изучения всего спектра решений для разработки возможных стратегий. Очевидно, что очень сложно разработать стратегии с более высоким коэффициентом Шарпа (подразумевая, что коэффициент Шарпа коррелирует с возможностью прогнозирования, а не только с частотой).

Однако, если вы действительно разработаете и должным образом подтвердите вашу стратегию с высоким коэффициентом Шарпа, то она наиболее вероятно будет хорошо работать в будущем, но столкнется с постепенным ухудшением доходности, которое всегда присутствует (поскольку эксплуатируется неэффективность рынков). Это, фактически, является причиной того, почему мы не используем непрерывные индикаторы (имеются ввиду индикаторы, которые плавно подстраиваются под рынок, такие как Moving Average). Мы выяснили, что ухудшение функциональности будет гораздо менее существенным при применении дискретных моделей.

Теперь вернемся к вашему вопросу относительно того, должны ли они использовать свою систему на рынке без каких-либо ограничений: в основном, все это сводится к риску. Многие люди ссылаются на то, рискованно это или не рискованно. Финансовые рынки, в том числе  Forex, фьючерсы и опционы, воспринимаются как рискованные, потому что там применяются кредитные рычаги.

Однако, риск не связан с конкретным рыночным инструментом, риск — это вопрос размера вашей ставки.

Если валютная пара перемещается вверх и вниз на десятки процентов, но риск на сделку равен одной миллионной процента от моего торгового портфеля, то это не принесет особых неприятностей. Но валютная пара колеблется на один процент вверх или вниз, а я за счет кредитного плеча открою сделку, тысячекратно превышающую мои активы, то это может стать огромной проблемой.

Также, вы не можете быть уверенным в корреляциях или взаимосвязях. Люди думают, что они будут сохраняться постоянно, но это так не работает. Мы недооцениваем серьезность и частоту изменений в динамике и структуре рынков.

Курт: Давайте представим трейдера, который использует единственную торговую систему на рынке, и происходит какое-то форс-мажорное событие, вроде Брексит. Какой совет вы бы дали новичку, который только начинает применять алгоритмы на рынке?

Берт: И вновь мы возвращается к принципам валидации торговой системы. На самом деле мы не используем в торговле то, что не работает почти на всех имеющихся у нас данных, если только действительно для этого не будет серьезного основания.

По-моему мнению, если бы трейдер подтвердил торговую систему на трехмесячных данных (хотя я бы вообще не торговал в этих условиях), то определенно стоило бы опасаться торговать по ней в течение кризисного периода или в моменты потенциально высокой волатильности.

Даже если не брать это в расчет, то параметры ликвидности, которые, вероятно, закладывались при тестировании на исторических данных, скорее всего, не сохранятся во время таких периодов.

К слову, мы торгуем во время любых кризисов — мы никогда не сворачиваем нашу торговлю. Например, при тестировании на исторических данных мы на фьючерсах не учитываем сделку исполненной, пока цена не пересечет один тик. На рынке FOREX это один минимальный спрэд плюс одно стандартное отклонение.

Если ваши предположения относительно исполнения имеют хороший запас прочности — например, в случае снижения ликвидности рынка на 80% система все еще работает неплохо — то я бы продолжил по ней торговать. Мы управляем системами, которые имеют три параметра, и все они работали в течение прошлых двадцати лет. Поэтому нет никаких причин их выключать.

Если ваш средний профит в каждой сделке, скажем, сто долларов при торговом счете в сто тысяч долларов, и вы торгуете, по крайней мере, раз в неделю, то можете спокойно отказаться от торговли. В периоды высокой волатильности можно много заработать, но также и много потерять, поэтому вам будет лучше пропустить сделки.

Если же вы торгуете раз в год, то очевидно, что вы не можете пропустить эту сделку. Это все сводится к тому, что что-нибудь может случиться, и вы должны оценить свой риск (затем удвоить свои ожидания относительно него). Вы должны рассмотреть риск и наихудший сценарий. Не рассчитывайте на стоп-ордер, потому что цена может пролететь далеко мимо него. Много непредвиденного может случиться. В принципе, задайте себе вопрос: поскольку вы не знаете, что произойдет, готовы ли вы рискнуть определенной суммой, и ради чего?

Курт: Какой совет вы бы дали трейдерам, которые активно интересуются алгоритмами и искусственным интеллектом?

Берт: Стоило бы поинтересоваться: вы уже торгуете с прибылью? Если вы еще не научились прибыльно торговать, то вам лучше инвестировать в кредитно-дефолтные свопы и правительственные облигации. Если же вы уже торгуете с прибылью, то для начала зайдите на образовательный портал Coursera и узнайте о машинном обучении, прочитайте как можно больше книг по этой теме.

Вы должны двигаться в обратном порядке: посмотреть, какие алгоритмы создают трейдеры и как используют машинное обучение, чтобы создать нечто подобное. Еще раз повторю: цель состоит в том, чтобы делать деньги, а не использовать машинное обучение для торговли.

Наши алгоритмы обычно весьма просты, и структура машинного обучения используется для того, чтобы сгенерировать и проверить как можно больше алгоритмов. Так мы подходим к этой проблеме, хотя, насколько я знаю, большинство людей делают ровно противоположное. Вы не должны спрашивать «где деньги?». Если ваша цель делать деньги, то идите туда, где деньги, задавая такие вопросы, как «кто делает деньги?» и «как мне это сделать?». Потому что в противном случае вы пытаетесь утверждать, что настолько хороши, что можете изобрести свой способ делать деньги.

Вы должны начать с того, чтобы научиться прибыльно торговать и понимать рынок, прежде чем экспериментировать с машинным обучением в торговле.