Бегущие по лезвию. Почему трейдеры больше не могут зарабатывать без роботов

В последние годы все больше и больше фондов и инвестиционных банков сокращают трейдеров и портфельных управляющих, заменяя их математиками, квантами и машинами. Знаменитый финансист Пол Тюдор Джонс после сокращения 15% персонала своего фонда сказал оставшимся сотрудникам: No man is better than a machine, and no machine is better than a man with a machine («Ни один человек не лучше машины, и ни одна машина не лучше человека с машиной»).

Есть все основания полагать, что такой подход к торговле будет только набирать популярность в будущем и в конечном счете практически полностью вытеснит человеческий фактор с рынка. Чтобы убедиться в этом, достаточно внимательнее посмотреть на то, чем стали современные финансовые рынки.

Торжество роботов

Котировки на рынке ценных бумаг, которые мы видим в терминалах, — это результат реальных сделок, совершенных реальными участниками рынка, которые конкурируют друг с другом за лучшую сделку, за лучшую идею.

Однако, несмотря на то что все участники рынка по-своему уникальны, их поведение характеризуется некими общими чертами. Таким образом, всех трейдеров и инвесторов можно разделить на группы, для которых характерна та или иная модель принятия решений. Вовремя распознав преобладание какой-либо группы на рынке и определив идею, мотивирующую эту группу на совершение конкретной сделки, можно получить выгоду либо от участия в той же операции, либо, напротив, от участия в противоположной сделке (contrarian trade). Попытки моделирования поведения участников рынка лежат в основе не только большинства инструментов технического анализа, но и многих алгоритмических стратегий.

При совершении сделки покупатель «толкает» цену на актив вверх, в то время как продавец — вниз. То есть каждый участник, совершая сделку, меняет общее состояние рынка и позиционирование его участников. Так, если перед участником стоит задача совершить сделку на большой объем, то, выставляя приказ «по рынку», он рискует сильно повлиять на стоимость актива, тем самым получив худшую из возможных цену исполнения.

Оптимизировать эти транзакционные издержки можно разными способами. Самый простой из них — поставить заявку «в стакан» на весь объем и подождать, пока найдется контрагент для ее исполнения. Но в этом случае возникает риск, что остальные участники торгов, увидев крупного покупателя или продавца на рынке, начнут «фронтранить» его в надежде, что он будет покупать выше или продавать ниже цены, указанной в его заявке.

Гораздо эффективнее разбить большой приказ на множество маленьких заявок и исполнять их по определенному алгоритму, чтобы купить или продать тот или иной объем незаметно для рынка. Именно эти способы исполнения больших заявок и получили название «алгоритмическая торговля» около 40 лет назад.

На сегодняшний день, по различных оценкам, общая доля оборота рынка ценных бумаг от алгоритмической торговли составляет 80-90%, что включает в себя также высокочастотные (HFT – High Frequency Trading) стратегии (45-55%), алгоритмические заявки (Program Trading) от крупных инвестиционных фондов (15-25%), характеризующиеся продолжительными периодами исполнения, и алгоритмические заявки от Quantitative и Systematic фондов (10-20%).

Сложные системы

В отличие от инвестиционных фондов, оперирующих портфелями ценных бумаг, Quantitative и Systematic фонды оперируют портфелями «системных стратегий».  В основе подобных стратегий лежит определенный набор правил, на базе которых генерируется сигнал на покупку или продажу. Этот сигнал при прохождении риск-фильтров превращается в заявку, после исполнения которой формируется позиция фонда. В целом для применения системных стратегий даже необязательно использование компьютеров, однако без полной автоматизации процессов сбора и анализа данных, контроля и исполнения заявок практически невозможно добиться стабильных торговых результатов.

Подобные автоматизированные торговые системы, как правило, оперируют сотнями, а иногда даже тысячами различных стратегий, работающих одновременно. Кроме того, чаще всего торговля ведется на нескольких классах активов и на нескольких биржах в разных странах мира. Для оптимизации транзакционных издержек (временных задержек при получении рыночных данных и отправки заявок на биржу) серверы, на которых работают коннекторы и торговые алгоритмы, ставятся как можно ближе к биржам, в идеале в дата-центрах бирж (колокация).

В итоге подобная автоматизированная торговая система — это распределенная по нескольким серверам система, на которых одновременно работают сотни различных стратегий, как правило, с едиными центрами риск-контроля и учета позиций.  Создание и поддержка подобных автоматизированных торговых систем — очень трудоемкое и затратное дело, в котором разработка торговых стратегий, — лишь часть общего процесса, но никак не его основа. Даже идеальная стратегия обречена на провал в случае сбоя всего лишь в одной подсистеме общей инфраструктуры торговой системы.

Для системных стратегий, несмотря на разносторонний талант их создателей, сложность математики и уникальность подходов, характерны общие черты, точно так же, как и для моделей поведения «живых» участников рынка.

Искусство поиска

Существует довольно распространенное мнение, что можно сделать одну-единственную стратегию, которая будет зарабатывать деньги ее создателю на любом рынке в течение долгого времени, но, к сожалению, это не так. Важно понимать, что в основе любой системной стратегии лежит if-then логика. То есть в результате исследований была найдена некая закономерность, и алгоритм выдает торговые сигналы в расчете на то, что через какое-то время цены на анализируемые активы пойдут вверх или вниз с большей вероятностью, чем в обратную сторону.

Впрочем, когда эту же закономерность обнаружит достаточное количество трейдеров, она неизбежно пропадет. После этого, скорее всего, появятся новые закономерности, которые тоже со временем исчезнут, и так по кругу. Более того, разные стратегии работают при разных условиях на рынке или, правильнее сказать, разных режимах рынка, основным показателем которых является реализованная волатильность активов в разные периоды времени.

Если же говорить о HFT-стратегиях, то здесь, в мире гонки за микро- и наносекунды, возможности с рынка, как правило, не уходят, но нужно постоянно вкладывать очень серьезные деньги в инфраструктуру и оптимизацию алгоритмов, чтобы первым обнаруживать появление каких-то закономерностей и успевать первым отправить заявки на биржу. Поэтому, к сожалению, в рамках небольшого числа торгуемых стратегий практически невозможно добиться устойчивых результатов.

Однако при постоянном поиске новых закономерностей, построении стратегий на их основе и встраивании в автоматизированную торговую систему эта проблема решаема. Самое сложное в управлении портфелем системных стратегий — это правильная их классификация по типам и риск-метрикам и в зависимости от режимов рынка и оцененных вероятностей успеха своевременное выставление оптимальных весов для каждой группы стратегий и для каждой отдельной стратегии.

На сегодняшний день на рынке появилось множество команд с большими деньгами, которые работают против сверхпопулярных системных стратегий, выявляя их слабые места. Ситуация, когда одни торговые роботы «ловят» других зазевавшихся роботов, является абсолютно реальной. Поэтому эффективность автоматизированных торговых систем, оперирующих системными стратегиями, в конечном счете будет определяться теми действиями, которые они предпринимают в случае, если рынок ведет себя неожиданно, выбиваясь из рамок стратегии.