Финансы
Как работает алготрейдинг, какие новшества привносит в обмен валют и реально ли обычному человеку это использовать (спойлер: да, реально).
Алгоритмический трейдинг меняет финансовую отрасль на наших глазах. С одной стороны, это явление существует с 70-х годов прошлого века. С другой стороны, только разработки последних лет продвинули алготрейдинг до уровня действительно автономного инструмента с зачатками искусственного интеллекта.
Исторически алготрейдинг был уделом отдельных представителей индустрии — для широких масс технологии алгоритмической торговли оставались недоступны. Серьёзный сдвиг происходит прямо сейчас: алготрейдинг выходит в новые ниши, обрастает новыми функциями и перекраивает ландшафт всего финансового рынка 2020-х годов.
Алгоритмический трейдинг (сокращённо — алготрейдинг) — это способ совершения финансовой сделки по определённому алгоритму. То есть по набору правил, заранее заложенных в компьютерную программу.
Изначально алгоритмы использовались в качестве ассистентов: роботы помогали обрабатывать большой объём рыночных данных и быстрее реагировать на новости. По мере развития бирж и технологий стал зарождаться алгоритмический трейдинг в том виде, в котором мы его видим сейчас: весь процесс торговли от сбора информации до заключения сделок происходит в полностью автоматическом режиме. Роль человека (алготрейдера) в этом процессе сводится фактически к выбору алгоритма и заданию точных параметров.
Развитие компьютерных технологий в конце прошлого века позволило автоматизировать процесс торгов на фондовых рынках. В 1970-х годах на Нью-Йоркской бирже появилась электронная система обработки приказов SuperDOT, а также первая электронная система биржевой торговли NASDAQ. С тех пор компьютеры и алгоритмы стали полноправными участниками финансового рынка наряду с человеком. Использование автоматизированных систем торговли не просто стало удобным, но и помогло трейдерам быть более эффективными.
Классические алгоритмы строятся на основе цены, времени и объёма. Они подробно описывают, когда покупать и продавать, могут включать анализ графиков, волатильности, ценового арбитража или ценовой тренд. На разработку торговых алгоритмов инвестиционные банки и крупные хедж-фонды ежегодно тратят миллионы долларов. Для создания привлекаются математики, физики, инженеры с учёными степенями — таких людей называют квантами.
Кванты описывают алгоритмы сделки, пользуясь теорией вероятностей. Они рассчитывают вероятность попадания будущей цены в тот или иной диапазон на основании анализа предыдущего ценового движения.
Важный момент: кванты только создают алгоритм, то есть программируют правила по желаемым параметрам цены акции, времени исполнения заявки и её объёма. А саму сделку осуществляет автоматизированная система, которую принято называть роботом. Алготрейдеры могут контролировать работу робота, а могут этого не делать.
Таким образом, алготрейдинг практически сводит к нулю влияние человеческих эмоций на торговый процесс. Между тем именно управление эмоциями, такими как страх и жадность, традиционно считается самой большой проблемой для всех трейдеров мира. У алготрейдеров такой проблемы нет.
Компьютерные алгоритмы часто создают для выполнения крупных заказов («ордеров») небольшими частями, разделяя их по времени и площадкам. Зачем? Чтобы ненароком не повлиять на рынок единовременно «свалившимся» объёмом.
Дело в том, что цена любого товара, в том числе акции или облигации, определяется балансом спроса и предложения. Если в какой-то момент появляется необходимость купить или продать большой объём, это может вызвать существенное изменение цены актива. Такие скачки увеличивают издержки участников рынка, а также могут привести к финансовым потерям рядовых инвесторов.
Основными пользователями таких алгоритмов стали институциональные инвесторы и корпоративные клиенты с очень большими деньгами: речь идёт о сотнях миллионов долларов на сделку. Издержки компаний при заключении таких сделок могут достигать нескольких процентов, в то время как алгоритмы способны уменьшить эту величину с миллионов долларов до нескольких тысяч.
Однако на создание таких алгоритмов необходимо потратить огромное количество времени и денег, а для правильного использования — развить соответствующие компетенции. Поэтому многие клиенты доверяют решениям, которые разрабатывают для них банки. Речь не только о самих алгоритмах, но и об удобном интерфейсе, аналитике, рекомендациях по использованию, а также инфраструктуре для проведения расчётов.
Если говорить о рынке ценных бумаг, то ответ: да. С каждым годом популярность алготрейдинга уверенно набирает обороты: беспристрастность, быстрота и точность роботов привлекают институциональных инвесторов, и те один за другим внедряют эту технологию в помощь людям. По оценкам JP Morgan, к 2017 году на «фундаментальных дискреционных трейдеров» приходилось лишь 10% объёма торгов акциями. Показателен пример хедж-фонда миллиардера Стивена Коэна. Когда он потерял деньги в большинстве своих традиционных торговых стратегий, Коэн сдался и перешёл на алготрейдинг. Теперь почти половина портфельных менеджеров фонда Коэна Point72 Asset Management с активами в 12 млрд долларов работают по стратегии «человек плюс машина».
90%
всех действий с акциями на бирже проводят роботы
В конце 2018 года управляющий фондом в Jupiter Asset Management Ги де Блоне заявил, что по крайней мере 80% фондового рынка контролируется роботами. И это не предел: участники рынка уверены, что алгоритмы будут стремиться к полному проникновению в сферу финансов.
Для улучшения взаимодействия людей и роботов в банке Citigroup создали лабораторию для перекрёстного обучения трейдеров и разработчиков, им начали преподавать устройство машинного обучения и искусственного интеллекта. Язык программирования Python, на котором создаются алгоритмы, стал востребован в ведущих банках, таких как JP Morgan и Goldman Sachs.
И если раньше карьеру в банках строили только финансисты, то теперь сопоставимых зарплат и быстрого продвижения по карьерной лестнице добиваются и ИТ-специалисты — кванты нового поколения.
На валютный рынок алгоритмический трейдинг приходит медленнее. Основная причина в том, что до 70% обменных операций на рынке Forex происходит за пределами классических бирж. Это обмены, которые совершают друг с другом крупные финансовые институты, главным образом банки. А значит, речь фактически идёт о договоренностях нескольких сторон — какие тут могут быть алгоритмы?
70%
обменных операций на рынке Forex происходит за пределами классических бирж
И всё же алготрейдинг начал проникать и сюда. Причина в том, что не всем нравится запредельная активность высокочастотных арбитражеров (по-английски их называют HFT — high-frequency traders), цель которых — не обменять валюту, а обыграть других участников рынка, говорит старший управляющий директор — начальник управления торговых операций с валютой и сырьевыми товарами Сбербанка Александр Зозуля.
Пока рядовые участники конверсионного рынка ездят на бюджетных малолитражках, арбитражёры рассекают на спорткарах. Кто-то ошибся курсом — они воспользовались. Как санитары леса, арбитражёры зарабатывают на неэффективности рынка.
Алгоритмы способны не только защитить клиентов от таких игроков, но и снизить издержки для конечных пользователей. Ведь заработки арбитражёров — это убыток больших банков и корпораций. Благодаря развитию алготрейдинга в больших банках бизнес арбитражёров начал существенно проседать, и они начали переходить к торговле криптовалютой.
Описанный тренд возник из-за повсеместной цифровизации трейдинга в крупных банках, а именно благодаря внедрению современных решений по работе с данными и развитию искусственного интеллекта. Лидеры рынка за счёт своего опыта и обширного круга клиентов могут предсказывать, найдётся ли покупатель на полученную заявку и по какой цене этот потенциальный покупатель может быть готов совершить сделку. В отдельных случаях такую оценку способен провести человек. Но намного проще и быстрее доверить подбор алгоритму, в памяти которого тысячи похожих сделок за последние годы.
Для того чтобы алгоритм принял обоснованное решение, в программу нужно предварительно занести огромный массив информации о предыдущих сделках и их результатах, а затем всё время пополнять сведения, чтобы те не устаревали. Подобные данные — коммерческая тайна и не подлежат разглашению. Но что, если всё обезличить и выводить только результат, без конкретных названий и истории вопроса?
Тогда полученный алгоритм можно будет не только приспособить для внутреннего использования в недрах управляющей компании или банка, а открыть доступ сторонним клиентам. Тем, кто не собирается проверять точность математических моделей, а просто хочет воспользоваться экспертизой крупного игрока при конверсионной сделке.
Когда к нам приходит корпоративный клиент, мы можем улучшить ему цену сделки, так как в базе уже есть определённые ожидания по цене. Например, мы прогнозируем, за сколько покупатели могут приобрести те 100 млн долларов или 500 млн долларов, которые принёс продавец. Именно это интересует клиентов: за счёт алгоритмического трейдинга они получают модельный курс, которому можно доверять.
А чем больше у тебя клиентов, тем лучше алгоритм, так как ему для анализа нужно много данных. Получается замкнутый круг: точнее модель — больше клиентов — ещё точнее модель.
Если вспомнить предыдущие кризисы, будь то Великая депрессия тридцатых, кризис 1998-го или любой другой, то все решения по ценным бумагам принимали люди. А люди подвержены плохому настроению и подчас склонны заражать друг друга пессимизмом.
В условиях, когда рушатся фондовые индексы, а акции обесцениваются на глазах, трудно сохранять рассудок и говорить себе: «Всё подешевело, а значит, настал отличный момент для покупки ценных бумаг». Несомненно, такие люди были и в тридцатых, и в девяностых, но никогда прежде подобные трейдеры не формировали большинства. Каждый раз это были единичные люди, сохранившие холодную голову в панике биржевого обвала.
2020 год мог пойти по схожему сценарию. По всей планете здравоохранение не справлялось с задачей вылечить всех больных, безработица подскочила в каждой стране, а тотальный режим самоизоляции привёл к череде разорений бизнеса и личным банкротствам. Компании перевели большую часть сотрудников на удалённый режим, что поставило под сомнение нормальное функционирование мировой финансовой системы. Весной акции стремительно дешевели.
Без вмешательства центробанков, которые начали активно поддерживать экономику, эти факторы должны были привести к затяжной рецессии. Вместо этого на биржах начался стремительный взлёт. Причина — гигантский впрыск ликвидности от мировых регуляторов. Как в такой ситуации поступили роботы? Правильно, но недостаточно эффективно.
Дело в том, что алгоритмы с искусственным интеллектом превосходно справляются с работой в обычное время — в тех ситуациях, которые наблюдались прежде, а потому стали базой для обучения. В 2020 году сложилась уникальная комбинация факторов, которой никогда не было раньше, и оказалось, что люди, которые руководствовались самым базовым подходом «покупай подешевевшие активы», смогли показать феноменальную доходность, превзошедшую результаты алгоритмических управляющих. Самым же эффективным механизмом оказался симбиоз «человек плюс машина».
Более сложные механизмы используют закрытые фонды и управляющие компании, которые из года в год показывают двузначную процентную доходность. «Ещё Рэй Далио в книге „Принципы“ писал, как он принимал правильные решения за счёт моделей, — комментирует Александр Зозуля. — А поверх хорошей работающей модели всегда можно построить алгоритм. Те фонды и управляющие активами, которые базировались на строгих математических моделях, просто алгоритмизировали свои же модели.
Отдельная группа — те, кто придумал собственные алгоритмические стратегии. У них маленькая ёмкость, зато доходность может достигать 30% при условной ёмкости в 100 млрд долларов. Если же довнести ещё условные 100 млрд долларов, то доходность упадёт до 20%. Дайте им триллионы, и они, может, даже потеряют деньги. По факту это фонды лимитированного объёма, абсолютно не масштабируемая история. Большинство из них работает по закрытой модели, получается каста для своих».
В отличие от них модельные фонды используют полностью прозрачную стратегию, в которой активно участвует искусственный интеллект. Именно прозрачность позволяет, с одной стороны, находить клиентов, ведь многие ценят, когда модель можно проверить самостоятельно, и в то же время добиваться масштабируемости. Алгоритм можно спрогнозировать.
Разным клиентам нужны разные продукты, у каждого свои потребности. Но независимо от размера компании или сложности той стратегии, которую мы для них создаём, все очень ценят прозрачность, предсказуемость и удобство. Так же, как не существует одного лекарства от всех болезней, нет одного алгоритма, который подойдёт в любой ситуации. Поэтому банки развивают свои платформы для алготрейдинга. Такие решения позволяют быстро создать специализированный алгоритм, который здесь и сейчас необходим клиенту.
Автор: Антон Погорельский / РБК