В чем потенциал системных трейдеров и как его развивать

Время на чтение: 8 минут

Системный трейдинг

Современный трейдинг — это наука о данных. Чтобы преуспеть в таком бизнесе, нужно уметь с этими данными работать. Классические интуитивные подходы уже не могут давать те преимущества, которые были у инвесторов, скажем, до 2000-го года.

Какие навыки среди профессиональных трейдеров ценятся сегодня и как их получить — в этой статье.

Содержание

Видео

Эволюция системного трейдинга и что в фокусе сегодня

«Дорожная карта» того, через какие академические области проходил системный трейдинг за последние лет 100 — на инфографике ниже.

Системный трейдинг
Самые востребованные области исследований системного трейдинга.

Разберем все 4 элемента подробней.

Технический анализ

Первые попытки систематизации начались около 100 лет назад. Технический анализ — стартовая модель, которая привела инвесторов первой половины 20-го века к системному трейдингу. Пока еще без использования компьютеров, которых тогда еще не было.

Подробнее — в статье Технический анализ — все «за» и «против».

Фундаментальный анализ и эконометрика

Этот тренд в области исследований начался около 50-х, 60-х годов 20-го века. Инвестиционные решения основывались на финансовом анализе и первых статистических моделях, а крутейшими ребятами на Уолл-Стрит были CFA (Chartered Financial Analyst) — дипломированные финансовые аналитики.

Подробнее — в статье Фундаментальный анализ рынка: базовые принципы ценообразования активов.

Микроструктура рынков и HFT — высокочастотный трейдинг

Если фундаментальный анализ и эконометрика исследовали в основном макроэкономику — глобальные экономические факторы и их влияние на ценообразование, то микроструктура исследовала «квантовый мир» финансовых рынков — все то, что происходило внутри цены. Это дало новый взгляд на поведение цены и причины ценовых колебаний. Аналогичным образом повлияла квантовая физика на мироустройство в начале 20-го века.

Высокочастотный трейдинг (HFT) начал формироваться именно после исследований в области микроструктуры рынков. Знания, полученные в этой области, смогли выявить новый технологический тренд в алгоритмической торговле. Финансовые аналитики уже перестали быть такими востребованными — новыми королями Уолл-Стрит становятся программисты и математики.

Машинное обучение и наука о данных

Торговый алгоритм — последовательность фиксированных действий (открытие ордера, закрытие, расчет стоп-лосса и т. д.), которые определяет трейдер или разработчик. В случае машинного обучения, алгоритм может выходить за рамки правил разработчика, анализируя дополнительные данные и повышая качество сигналов.

Вот некоторые факторы, которые делают машинное обучение таким популярным методом в области финансовых рынков:

  • изменение в микроструктуре рынков: полный переход на электронную торговлю и расширение классов финансовых активов, а также их географии;
  • революция в вычислительной мощности и количестве поступающих данных.

Акцент здесь ведется на статистические исследования и технологии, а главными кадрами являются дата-аналитики, программисты, математики и компьютерные инженеры. Лучшие хедж-фонды сегодня — фонды количественного инвестирования и алгоритмической торговли.

Ок, теперь посмотрим на объем тех самых данных, с которыми придется работать.

За 1 час поможем разобраться с факторами успеха и причинами неудач на финансовых рынках. Бесплатно

Объем данных и их структура

Количество данных, которые появляются ежедневно, растет по экспоненте. Вот как выглядит этот рост:

Большие данные и трейдинг
Рост данных, начиная с 1970 года. Источник — idc.com.

Расшифруем график.

Синяя часть — объем неструктурированных и необработанных данных. Те данные, в которых есть ценная информация, но до нее пока не добрались. Серая часть графика — обработанные и понятные данные, из которых уже получены какие-то закономерности.

Здесь приведены данные, которые относятся к разным сферам жизни — не только к финансовым рынкам. Но многие из них взаимосвязаны, и многие из них влияют на ценовые движения.

Какой тезис можно получить из графика выше:

80% данных, которые человечество сегодня получает (и которые продолжают пополняться ежедневно) — «сырые», и требуют структуризации. Умение обрабатывать хотя бы каплю этих данных уже даст некоторое преимущество в инвестициях и трейдинге.

Именно по этой причине мы придерживаемся научного подхода на финансовых рынках, так как именно наука о данных и методы их обработки дают финансовое преимущество. Об этом преимуществе — далее в статье.

В нашем Telegram-канале есть то, чего не публикуем на сайте 👇

Задачи, с которыми сталкиваются системные трейдеры, и как эти задачи решать

Обработка всех этих относительно больших данных — не самая простая задача, если начинать с нуля. И даже если трейдер знает все необходимые вводные, все равно остается часть задач, решение которых лучше разделять в команде. Пройдемся по всем задачам и их решениям по порядку.

Прибыльные стратегии все так же сложно выявлять

Найти прибыльную стратегию можно только через тестирование относительно больших данных. Чтобы получить работающую настройку какой-то одной стратегии, придется чуть-чуть погрязнуть в данных.

Если говорить о нашем кейсе, получается такая статистика:

Системный трейдинг
Воронка нашей команды по тестированию стратегий.

Получается, что:

  • 15,69% торговых логик оказались рабочими (8 из 51)
  • 0,16% настроек для разных финансовых инструментов прошли все тесты и заслужили работать с реальными деньгами (22 настройки из 13 354 протестированных)

Все эти данные проходили тесты за последний год-полтора. Из этой воронки видно, что прибыльные торговые стратегии — редкое удовольствие.

Ограниченные исторические данные

Небольшие исторические отрезки (3-5 лет) хороши для первоначальных тестов. Если же стремиться к статистически значимым результатам, тогда нужно использовать бОльшие исторические отрезки (10 и более лет).

Тест за больший временной интервал повышает качество полученных тестов и снижает вероятность переоптимизации торговой стратегии (оверфиттинг).

Правда, эта задача ведет к следующей сложности.

Ограниченные компьютерные мощности

В одиночку перелопатить большие объемы данных на домашнем компьютере — задача не из легких. Но есть решения:

  • Покупать доступ к удаленным вычислительным серверам (не всегда дешевое удовольствие)
  • Использовать распределительные мощности персональных компьютеров. Такие подходы используются и в науке (например, астрофизический проект SETI Home — обработка данных на персональных компьютерах с целью поиска внеземной жизни), такие же подходы используются и на финансовых рынках

Цикличные задачи системных трейдеров

Нам — частным системным трейдерам — остается только фокусироваться на улучшениях и оптимизациях торговых стратегий. Но сам процесс остается неизменным и визуально выглядит он так:

Системный трейдинг
Цикличные процессы системного трейдинга.

Все эти процессы проходить одному — утопия. Поэтому дальше поговорим о команде.

Какая команда понадобится для системного трейдинга

«Ни один человек в одиночку не может нести ответственность за прогресс. День, когда ученые могли без помощи и в одиночку добиваться значительных результатов, — в прошлом». 

Эрнест Лоуренс, американский физик и лауреат Нобелевской премии.

Лучшее решение для эффективного прохождения цикла системного трейдера (что на картинке выше) — работать в командах, где каждый человек способен отвечать за определенные процессы. Например, вот так:

Следующий шаг

Команда исследования занимается формированием торговых гипотез или поиском информации, которая могла бы помочь с этими гипотезами.

Следующий шаг

Команда тестировщиков и оптимизаторов проводят бэктесты и выявляют параметры для оптимизаций.

Следующий шаг

Команда исполнителей-трейдеров объединяют стратегию в портфель, распределяют риски и мониторят результативность стратегии после ее запуска.

5-10 человек — оптимальное значение для такой команды (если говорить в реалиях команд частных трейдеров, а не в реалиях крупнейших хедж-фондов).

Заключение

Ок, что в итоге имеем.

Системный трейдинг дает возможность развиваться в сторону науки — науки о данных. Такой подход на голову выше того, что используют большинство частных трейдеров.

Нет, вам не обязательно быть программистом, дата-аналитиком, математиком или финансовым экспертом — для начала достаточно просто заинтересоваться. И интересоваться нужно начинать уже сейчас, так как этот тренд набирает динамику. С каждым годом ручные интуитивные подходы в трейдинге будут только усложняться.

Изучайте наши курсы, читайте статьи, и приходите получать практику алгоритмической торговли — здесь вы обретете ту самую команду, навыки и знания.

Материалы

  1. Исследовательская работа Escaping The Sisyphean Trap: How Quants Can Achieve Their Full Potential. Marcos Lopez de Prado.
  2. Бесплатный курс Начинающий Forex трейдер.
  3. Курс Системный трейдинг.

Как создавать торговые стратегии на основе статистики и данных, способных работать 24/5

Не упустите возможность получить прибыльные торговые стратегии.

Поделиться статьей

С радостью ответим на ваши комментарии

Читайте также

Поп-ап

В поиске прибыльных торговых стратегий на финансовых рынках?

Тогда вам по одной из кнопок ниже

До 60% скидок на все курсы. Только для тех, кто прошел вступительный материал до конца

  1. Ваша выгода составит от 2 409 ₽ до 31 482 .
  2. Стоимость любого курса можно разделить на 4 части. Без переплат, комиссий или кредитных договоров.
  3. Если курсы вам не подойдут — вернем деньги без вопросов.

До 60% скидок на все курсы. Только для тех, кто прошел вступительный материал до конца

  1. Ваша выгода составит от 2 409 ₽ до 31 482 .
  2. Стоимость любого курса можно разделить на 4 части. Без переплат, комиссий или кредитных договоров.
  3. Если курсы вам не подойдут — вернем деньги без вопросов.