Интервью с квантом: Секреты построения торговых стратегий ч.2

Продолжает освещать тематику современных направлений трейдинга на биржевых площадках. Количественный (квантовый) трейдинг стал привлекать миллионы трейдеров по всему миру. Портал Quandl взял интервью у управляющего американского хедж-фонда. Знакомим русскоязычных читателей сайта с ним. С первой частью интервью можно в новостной ленте ниже.

Это вторая часть нашего интервью с управляющим порфелем квантом в большом хедж-фонде. В первой части мы раскрыли теоретические фазы создания торговой стратегии. В этой части мы раскроем переход от исследований в реальную торговлю.

• Что означает переход в реальную торговлю?

Для начала приходится заботиться о таких нюансах как даты поставки, выходные. Когда вы работаете с данными на истории, вы можете уйти от всего этого. Но когда дело доходит до живых торгов, вам нельзя быть неаккуратным, вы должны быть точны.
Другой аспект настоящих торгов заключается в том, что скорость критична для вас. Я не могу обучать свою модель в реальном режиме времени (градиентный спуск такой медленный!), зато могу свести все к лиенйной аппроксимации изменений. Это приводит ко множеству матричных вычислений.
Обычно я создаю прототип, который все выполняет верно, но неэффективно. Потом я передаю его коллегам, которые создают версию на Python или даже C, с использованием библиотек, используемых ими годами. И уже эта версия начинает полноценно работать.
И, наконец, надеюсь, я начинаю зарабатывать деньги.

• Как долго этот процесс длится?

Обычно занимает месяцы, чтобы пройти путь от получения новой стратегии до ее запуска в настоящие торги. И это только для тех стратегий, которые работают. Причем даже успешные стратегии живут всего пару лет. Так что этот процесс повторяется снова и снова. Я пересматриваю свой подход к торговле каждые несколько лет.

• Вас не беспокоит, что модельно-ориентированные возможности, которые вы стараетесь поймать, в конечном счете исчезнут?

Разумеется. Исходя из моего опыта, в конце концов все неэффективности уйдут. И действительно, самая большая задача на этапе моделирования - это понять, жива ли еще модель или устарела. Все модели теряют деньги в некоторые дни или недели. И очень сложно распознать, когда убытки системные и модель продолжает работать, а когда потери сигнализируют о смерти модели.

• Где вы находите идеи для новых моделей или торговых стратегий?

Везде! Но к некоторым источникам я обращаюсь часто.
Первое - данные. Если у вас появляется новый источник данных, которые могут помочь в предсказании рынка - это простейший путь поиска новых альф. В данный момент куча интересных источников данных. Стартапы собирают новые наборы данных, аналитические фирмы с индикаторами - предсказателями, большие корпорации с “выхлопом данных”, которые мы анализируем, агрегаторы вроде Quandl, собирающие их все вместе. Я всегда в поиске интересных, необычных и прогностических данных.
Во-вторых, сами рынки. Банкиры всегда изобретают новые инструменты и они всегда несут в себе новые неэффективности. Если вы держите руку на пульсе рынка, довольно легко найти модельные возможности, кторые могли быть пропущены.
В-третьих, глобальные паттерны. История может не повториться, но она опредеенно циклична. Например, если вы хотите торговать кривую ставки США, то японский рынок для вас должен быть кладезем идей. Япония прошла через нулевые ставки задолго до США. Фактически, я построила несколько очень успешных моделей облигаций американского рынка, основанных на поведении японских десятилетием ранее.
В-четвертых, аналогии. Некоторые из лучших сделок проходят потому, что я перехожу от режима мышления А в режим Б. Различные классы активов имеют различные уровни сложности. Вы можете арбитражить эту разницу.
В-пятых, я продолжаю держать свои глаза открытыми. Мир довольно неэффективное место. Если вы любознательны и продолжаете спрашивать себя: “Почему? Почему нет?”, то всегда будете находить возможности.

• Вы используете множество инструментов: Mathematica, Matlab, Python, Excel, C. Это специально?

Абсолютно. Различные стадии требуют разных инструментов. Нужно быть идиотом, чтобы строить системы работающие в реально времени в Excel или проводить символьные манипуляции в Python. Не то чтобы этого нельзя было бы сделать, но лучше использовать средства, которые для этого подходят лучше всего.

• Как вы управляете потоком данных для всех этих стадий и инструментов?

В самом начале, когда я работаю над концептом модели, приближенные данные вполне подходят. Но как только модель становится все ближе и ближе к выходу в свет, появляется необходимость в более реалистичных данных. Существует целая инфраструктура дляг получения высококачественных данных и их хранения. Quandl помогает в этом, что весьма критично. Самая лучшая модель в мире будет ошибаться, если данные на входе неверны. Никакой опыт не поможет, если приходится работать с плохими данными.

Интервью взял Амал Масри