Доходность алгоритмических стратегий зависит от вероятности развития ситуации на рынке

В них используется позитивная селекция, с которой мы постоянно сталкиваемся в жизни
Яков Шляпочник, основатель «Норд-капитал – количественные инвестиции»

Меня часто спрашивают, в чем заключается основной принцип работы алгоритмических торговых систем. В чем их преимущества и коренное отличие от других видов инвестиций и каким образом компьютеры «угадывают тренды»? На самом деле компьютеры ничего не угадывают, а всего лишь делают ставки на финансовом рынке, используя так называемую позитивную селекцию.

Что это такое? Позитивная селекция – это выбор множества неких объектов или исходов, в котором вероятность положительного состояния объекта или положительного исхода некоторого события выше, чем отрицательного. Еще раз хочу отметить, что здесь мы говорим только о вероятности события, то есть о том, что если мы будем повторять или ожидать что-то (действие, прогноз и т. д.) много раз, то положительных исходов будет больше, чем отрицательных.

Примеров положительной и отрицательной селекции в повседневной жизни много. При страховании здоровья и жизни компании ограничивают возраст застрахованного порогом 60-65 лет. Это и есть позитивная селекция, то есть во множестве людей до 60-65 лет статистическая вероятность серьезного страхового случая меньше, чем у всех людей без ограничения возраста.

Или возьмем выдачу микрокредитов под завышенные ставки. Люди, которые их берут, видимо, имеют серьезные финансовые затруднения, иначе бы они этого не делали. Соответственно, клиенты микрокредитования – пример группы с негативной селекцией, где вероятность невозврата кредита гораздо выше. Именно риск невозврата заложен в повышенную процентную ставку.

Позитивная селекция полезна при выборе случайно меняющихся величин или событий, имеющих некоторую вероятность. Если же нужно выбрать самое большое из 10 яблок, оценивать вероятность нет необходимости: множество яблок фиксировано и не меняется во времени.

Сами того не подозревая, мы ежедневно используем позитивную селекцию в принимаемых решениях или сделанном выборе. Например, рано утром ходим на рыбалку или выезжаем на дачу. Нет гарантий, что рыба в это время дня точно будет клевать или что рано утром в субботу не будет пробок, но вероятность этих событий остается высокой.

Каким образом позитивная селекция используется в алгоритмическом трейдинге? Торговые модели проходят тестирование на прошлых рыночных данных. Далее они исследуются на стабильность получения финансового результата и ряд других показателей, таких как прибыльность, коэффициент Шарпа и др. Отобранные таким образом модели представляют из себя положительную селекцию, то есть вероятность их прибыльной работы в будущем больше, чем вероятность получения убытков.

Типичная отобранная модель выглядит примерно так. На графике ниже ось X показывает время, ось Y – заработок в процентах, красная кривая – динамику торгуемого актива (в данном случае это фьючерс на курс австралийского доллара к доллару США), серая область – прирост по торговой стратегии в процентах.

Пример торговой системы на фьючерс на австралийский доллар

Видно, что модель в прошлом не всегда зарабатывала, но со временем доходность увеличивалась. Поэтому вероятность получения прибыли в будущем выше, чем убытка. Также интересно, что сам торгуемый актив (фьючерс на курс австралийского доллара) за это время падал и рос, но по итогам периода остался почти на месте. Видно, что результат торговой системы гораздо выше, чем просто покупка австралийского доллара, причем он совершено не коррелирует с движением актива.

Вместе с тем необходимо помнить, что алгоритмический трейдинг – это не денежная машина и не инструмент с фиксированным доходом, а всего лишь новый стандарт нестандартных инвестиций, позволяющий с бóльшей вероятностью получать на больших интервалах (порядка года) хорошую доходность. При этом важно понимать, что вложения в алгоритмически управляемые инвестиционные продукты несут значительные риски, связанные не только с рыночными колебаниями цен на приобретаемые активы, но и с возможными сбоями программ, каналов связи, серверов, а также неожиданных и резких скачков. Таких, например, как обвал курса фунта стерлингов более чем на 6% за две минуты 7 октября или моментальный взлет швейцарского франка на 28% после отмены в январе 2015 г. Национальным банком Швейцарии «потолка» по отношению к курсу евро.

Мнения экспертов банков, инвестиционных и финансовых компаний, представленные в этой рубрике, могут не совпадать с мнением редакции и не являются офертой или рекомендацией к покупке или продаже каких-либо активов

Пока никто не прокомментировал этот материал. Вы можете стать первым и начать дискуссию.
Комментировать