Почему стратегия работает на истории, но теряет деньги в реальности

Как сделать количественную торговлю эффективной? Не каждый аналитик может дать ответ на этот вопрос, но эффективная алгоритмическая торговля базируется на поиске структуры в зашумленных рыночных данных. Это поиск закономерностей или областей предсказуемости. Например, если рынок растет два дня подряд, то он обычно растет и на третий день. Если такое происходит довольно часто, значит, мы нашли закономерность, которую искали. Далее следует торговая стратегия. Если рынок растет два дня подряд, то покупайте на закрытии второго дня и продавайте на закрытии третьего. Однако не все так просто.

Вам интересен алготрейдинг или вы хотите автоматизировать рутину? «Финам» предоставляет все необходимые инструменты для создания мощных торговых роботов, инновационных финансовых приложений и интеграции с ведущими торговыми платформами. Доступ к MOEX, NYSE, NASDAQ через единый API. Скорость от 7 мс. Готовые SDK на GitHub. Песочница и быстрый старт без боли.

Поиск структуры

Легко поддаться влиянию случайности и увидеть закономерности, которые в итоге окажутся в лучшем случае бессмысленными. Книги по техническому анализу пестрят паттернами с громкими названиями, большинство из которых не выдержат даже поверхностной статистической проверки, не говоря уже о систематическом компьютерном обучении по распознаванию этих паттернов.

Проблема усугубляется тем, что при первом приближении рынки — это просто шум. Тем не менее они регулярно не проходят статистические тесты на случайность. Гистограмма дневной доходности большинства активов имеет почти колоколообразную форму. Именно это описывает теория случайных блужданий. Однако «хвост» распределения гораздо шире, то есть периодически на рынках происходят гораздо более значительные колебания, чем при нормальном распределении.

Если изучать динамику ежедневных колебаний, а не их совокупное значение на гистограмме, картина становится еще более интересной. Если бы рынки действительно представляли собой случайное блуждание, сегодняшние колебания были бы независимы от вчерашних. Но это не так, утверждают специалисты по эконометрике, разработавшие целую индустрию моделей (так называемые модели GARCH), которые предполагают, что за большими колебаниями (в абсолютном выражении) обычно следуют такие же большие колебания, то есть бывают периоды, когда рынки «помнят» вчерашние движения.

Интуитивное понимание рынка

Поиск структуры обычно начинается с изучения рынков. С информации из научных источников, от трейдеров или с использования собственных финансовых, математических и вычислительных навыков. Научным примером может служить так называемая факторная модель для акций. Ее цель — объяснить ежедневное движение акций различными факторами. Это могут быть макроэкономические показатели, индексы широкого рынка или другие технические факторы. Однако главным критерием проверки модели является то, что часть дневной доходности, не объясняемая факторами (остаток), снова должна вести себя как синусоида. Так возвращается упорядоченность.

Еще один пример модели, вдохновленной трейдерами: так называемая модель кэрри для валют. Когда процентные ставки в Австралии значительно выше, чем в Японии, возникает соблазн взять в долг иены по низкой ставке и инвестировать в австралийские активы. Эта модель требует довольно длительного периода владения и не защищена от периодических, но резких коррекций. Модель отличается от человека тем, что она не подвержена страху и жадности. Так разработчик модели тестирует стратегию на исторических данных, выявляет недостатки стратегии и использует весь свой математический и финансовый потенциал для создания портфелей валют и сигналов, которые защищают стратегию от крайностей, связанных с резкими коррекциями.

Опасности моделирования

После того, как торговая идея сформулирована, задача состоит в том, чтобы закодировать ее в стратегию, научив машину, когда входить в сделку, на какую сумму и когда выходить из нее. Машины быстро выполняют вычисления, но требуют точности при принятии решений. Чтобы просто научить компьютер «примерно» покупать портфель, когда он находится в нижней точке синусоиды, требуется много кода и параметров, контролирующих принятие решений. Избыточная параметризация — бич многих моделей. Чем больше кнопок и переключателей на приборной панели, тем сильнее искушение использовать их до тех пор, пока вы не потеряете четкое понимание того, что влияет на прибыль, а что нет.

Стремясь охватить все сделки в прошлом, мы иногда непреднамеренно усложняем систему и ухудшаем ее работу, выбирая параметры, которые лучше всего подходят для прошлых данных, но плохо работают в будущем. Это явление специалисты называют переобучением. Есть и другие подводные камни, на которые может наткнуться разработчик модели. Распространенные ошибки — использование слишком большого количества моделей одного типа или опережающий анализ данных. Погоня за феноменом, который не позволяет точно определить точки перегиба временного ряда, — ошибка, которую может совершить даже опытный специалист по моделированию.

📌 Одна эффективная модель не делает хедж-фонд успешным

✅ Подписывайтесь на телеграм-канал Финам Инвестиции и Торговые сигналы, а также на наш канал в MAX