Использование торговых алгоритмов в адаптируемой интеллектуальной экосистеме
А.В. Новиков
Аннотация
C конца прошлого века стремительно развивалась отрасль рынка, связанная с автоматизированными торговыми системами (биржевыми роботами). Однако и теперь проблема разработки алгоритмов и реализация их в виде таких систем остается достаточно актуальной и представляет не столько теоретический, сколько практический и коммерциализуемый интерес. Кроме того, с развитием современных информационных технологий данная отрасль становится доступной широкому кругу розничных инвесторов-непрофессионалов, которые не хотят и не будут системно подходить к задаче построения прогноза для случайных процессов, коими, по сути, являются рыночные котировки. Для таких инвесторов - пользователей мобильных приложений - предлагается удобная адаптируемая интеллектуальная экосистема, построенная на основе искусственного интеллекта. Экосистема с учетом индивидуальных пожеланий клиентов предложит и будет реализовывать на бирже оптимальную относительно доходности и риска стратегию.
Ключевые слова: биржевые роботы, торговые стратегии, волатильность, ликвидность, высокочастотная торговля, позиционная торговля
Введение
Вместе с быстрым развитием электронной торговли в конце прошлого века, в силу ряда предпосылок, начала развиваться и торговля с использованием автоматизированных систем - биржевых роботов. Этот сегмент развивался очень высокими темпами и значительно повлиял не только на характер биржевой торговли, но и на структуру фондового рынка [1]. Влияние автотрейдинга на рынок имело и имеет как положительные, так и некоторые отрицательные стороны. При этом однозначно идентифицировать автоматизированные заявки и сделки можно только для наиболее активных или агрессивных систем - в области высокочастотной торговли. Поэтому достаточно высокие доли торговых роботов в биржевой статистике (более половины рыночных оборотов как на российском [2], так и на зарубежных [3] фондовых рынках) все равно оказываются заниженными [4].
Торговый робот - это специализированная компьютерная программа для совершения торговых операций на бирже с минимальным участием человека. Основной частью торгового робота является торговый алгоритм (или их набор), который формализованно реализует стратегию, использующую разнообразные методы анализа информации для получения прибыли на рынке. При этом практически круглосуточно и в режиме реального времени необходимо быстро анализировать большие и многомерные объемы рыночной информации, а также сотни вспомогательных параметров со сложными взаимозависимостями. Однако главной задачей при формировании эффективной стратегии является подбор адекватной модели для описания динамики цен на рынке, которая по своей внутренней природе представляет собой случайный процесс. В рамках выбранной модели подбираются оптимальные способы обработки информации, поиска закономерностей и выработки решений, что и определяет внутреннюю стратегию робота. Существуют разные классификации алгоритмов и стратегий, в основном, они зависят от способа анализа рыночной ситуации: от классических фундаментального и технического анализа до глубокого обучения и искусственных нейросетей.
Далее в статье мы кратко остановимся на недолгой истории автотрейдинга, рассмотрим некоторые виды алгоритмов, опишем основные плюсы и минусы торговых роботов, а также представим адаптируемую интеллектуальную экосистему, которая призвана минимизировать недостатки автоматизированной торговли и сделать ее доступной широкому кругу неспециалистов.
Определения
Чтобы избежать путаницы, здесь и далее будем использовать термин «автоматизированная торговля» (automated trading) для обозначения торговли на рынке с использованием специальной компьютерной программы, которая в этом случае называтся автоматизированной торговой системой (automated trading system), а также биржевым или торговым роботом (stock trading robot). Этот робот может анализировать любую доступную рыночную информацию, оценивать риски, а также может выставлять заявки (ордера) и совершать сделки, тем самым, полностью заменяя трейдера.
Те программы, которые ограничиваются анализом рыночной ситуации, а также выработкой формализованных сигналов и рекомендаций трейдеру, часто называют роботами-советниками, роботами-сигнализаторами или механическими торговыми системами. В этом случае решение о совершении торговых операций принимается самим трейдером.
Заметим, что на каждом этапе (получение, обработка и анализ различной информации, оценка рисков, построение прогноза цен, выработка стратегии, исполнение ордеров) робот использует определенные формализованные алгоритмы. При этом термин «алгоритмическая торговля» (algorithmic execution) относится только к последнему этапу торговли, а именно к алгоритмам, которые должны минимизировать потери при исполнении больших ордеров.
В зависимости от частоты сделок, принято выделять высокочастотную торговлю (high frequency trading, HFT) и низкочастотную, которую, в свою очередь, можно разделить на кратко-, средне- и долгосрочную.
Исторический обзор
Более высокая скорость получения информации всегда была преимуществом, в том числе и в борьбе за прибыли. Это стало еще более актуальным несколько веков назад с появлением бирж. Поэтому развитите биржевой торговли постоянно шло в ногу с научно-техническим прогрессом: именно биржи одними из первых начали использовать телеграф, телефон, компьютеры и интернет [5]. Все эти изобретения позволяли уменьшать время как получения рыночной информации, так и использования ее в торгах.
Предвестником зарождения автоматизированной торговли можно считать электронную систему передачи ордеров (Designated Order Turnaround, DOT), которая появилась на Нью-Йоркской фондовой бирже (New York Stock Exchange, NYSE) в 1976 году. С ее помощью служащий брокерской конторы вводил клиентские ордера и отправлял их специалистам на фондовую биржу [6]. Заметим, что в 1984 году на смену DOT пришла система SuperDOT, которая в 2009 году была заменена системой Super Display Book, а в 2012 году - платформой Universal Trading Platform.
История автоматизированной торговли едва насчитывает 30 лет, но уже включает в себя и бурный рост, и кризисные времена. Первые торговые роботы появились в 90-х годах ХХ века. Сначала это были роботы-советники и использовались они только крупными инвестиционными компаниями [4]. По мере развития информационных технологий, увеличения мощности компьютеров и скорости интернета, улучшения качества программного обеспечения, а также с появлением брокерских торговых терминалов, роботы эволюционировали в полностью автономные программы, которые становились доступны для все более широкого круга участников торгов [4].
Только в 1998 году Комиссия по ценным бумагам и биржам (The United States Securities and Exchange Commission, SEC) официально разрешила проведение автоматизированных электронных транзакций по обмену валюты на американских биржах [1]. С этого момента можно отсчитывать официальную историю автоматизированной торговли. Заметим, что в России первые торговые роботы появились на Московской межбанковской валютной бирже (ММВБ) только в 2005 году. Доля роботов в общем объеме торгов на рынке акций ежегодно росла на 5-10 процентных пунктов на протяжении первого десятилетия ХХI века [7]. Кроме того, в 2005-2009 годах автоматизированный трейдинг как инструмент активно распространился на рынки опционов, фьючерсов и деривативов. Однако до 2009 года этот инструмент использовался в основном крупнейшими инвестиционными банками (Bulge Bracket Investment Banks), глобальными инвестиционными фондами и некоторыми брокерскими компаниями, а поэтому был мало известен за пределами финансового сектора [1]. В июле 2009 года вышла статья [8], привлекшая внимание новых специалистов в индустрию торговых роботов, и вскоре последовал кризис и сокращение доли автоматизированной торговли на мировых рынках. И вызвано это было целым рядом причин (см., например, [1, 9]). Главная из них - рост конкуренции: на волне успеха в отрасль пришли новые программисты, трейдеры и различные инвестиционные специалисты. Это привело к перенасыщению, повысило стоимость обслуживания торговых роботов и вызвало сокращение прибылей. Далее, в автоматизированном трейдинге существует внутреннее противоречие: большая часть торговых стратегий получает прибыль на колебаниях рынка, но при этом сглаживают их, что уменьшает будущую прибыль. Наконец несколько сбоев торговых роботов, приведшие к катастрофическим последствиям (Flash Crash), могли плохо отразиться на уровне доверия инвесторов к рынку. Это, в том числе, часто провоцировало финансовых регуляторов и организаторов торгов к не всегда последовательному регулированию отрасли. Кроме того, развивались альтернативные (внебиржевые) торговые площадки, например, «темные пулы» (Dark Pools). В них инвесторы, прежде всего хедж-фонды (Hedge Fund), могут проводить сделки крупными партиями активов без колебаний цен, поскольку стакан заявок (книга ордеров) невидим [10].
Можно сказать, что, хотя отрасль автоматизированной торговли сейчас находится в некотором кризисе, торговые роботы до сих пор имеют значительное влияние на мировые рынки.
Классификация
Главной частью каждого торгового робота является биржевая (управляющая) стратегия или набор стратегий вместе с условиями переключения между ними. Общепринятой классификации биржевых стратегий не существует. Как не существует и универсальной модели, описывающей динамику котировок отдельного инструмента, его доходности и риска, не говоря уже про динамику всего финансового рынка в целом [11]. Поэтому выделяют набор моделей рынка, внутри которых выбор эффективной стратегии происходит проще. Например, можно выделить модель равновесного рынка, в которой цена актива имеет боковой (горизонтальный) тренд. Явно выраженные восходящий (“бычий”) или нисходящий (“медвежий”) тренды характерны для моделей растущего или стагнирующего рынка. Если цена актива колеблется с достаточно большой амплитудой, то может быть удобна модель волатильного рынка. Заметим, что внутренним параметром этих моделей является временной интервал, используемый для группировки и описания котировок (таймфрейм, time frame). Часто описанные модели реализуются одновременно на разных интервалах. Например, общий дневной нисходящий тренд может сосуществовать со значительными колебаниями цены на более коротких таймфреймах. В рамках такого подхода стоит задача определения текущей модели рынка для использования наиболее эффективной управляющей стратегии. И данная задача не разрешима в предположении случайной динамики цен на рынке, поскольку за время анализа истории и идентификации текущего состояния может произойти смена модели, что приведет к неоптимальности выбранной стратегии. Однако существуют стратегии, не зависящие от направления рынка (так называемые рыночно-нейтральные стратегии). Примером может служить парный трейдинг, который использует рыночную неэффективность в ценах двух сильнокоррелированных активах [11].
Далее мы остановимся на нескольких типах стратегий, позволяющих реализацию в виде программ для автоматизированной торговли, чтобы получить общее впечатление о них и лучше понять суть их работы.
Высокочастотная торговля
Начнем с высокочастотной торговли, стратегии в которой, в основном, используют рыночный дисбаланс (или рыночную неэффективность). Он может существовать доли секунды, и поэтому эффективность роботов прямо зависит от скорости передачи информации, ее анализа и обработки ордеров.
Стратегия маркетмейкинга (скальпинг, работа с ликвидностью, electronic market making, liquidity provision) призвана приносить доход на разнице в цене спроса и предложения, с помощью систематического выставления одновременных ордеров на продажу и покупку актива по близким ценам. При правильном анализе текущего стакана ордеров, результатом стратегии будет частый, но небольшой доход с малым уровнем риска [12]. Дополнительным бонусом для роботов, предоставляющих ликвидность, могут быть скидки на транзакционные комиссии и даже доплаты от бирж за большое количество проведенных сделок [9].
Стратегия поиска или обнаружения ликвидности (liquidity detection) использует информацию о наличии крупных ордеров в стакане для определения краткосрочного тренда и с помощью скорости и ордеров меньшего размера может принести прибыль [12].
Арбитражные стратегии (statistical arbitrage) основаны на выявлении высокой корреляции между некоторыми активами: это может быть базовый актив и производный финансовый инструмент (например, опцион), или два тесно связанных актива. Высокочастотный трейдер проводит сделку при обнаружении значимого отклонения долгосрочного коэффициента корреляции, расчитанного по большой выборке, от аналогичного коэффициента, рассчитанного по короткой истории [12]. В результате, с большой вероятностью, обнаруженный краткосрочный дисбаланс в ценах ликвидируется, а трейдер получает прибыль.
Позиционная торговля
В отличие от дневной тогрговли, когда операции совершаются в течение одной торговой сессии, сроки сделок при позиционной торговле ничем не ограничены. В этом случае у трейдеров и роботов есть больше времени на анализ рыночной ситуации, выработку и выбор стратегии, включая тестирование различных стратегий без совершения торговых операций.
Существенной частью стратегии является набор методов для прогноза поведения цен и рынка в целом с помощью анализа текущей рыночной ситауции, исторических данных, а также любой другой второстепенной информации, которая может оказать влияние на будущее. Перечислим некоторые способы такого анализа.
Фундаметальный анализ основывается на финансовой отчетности компаний, официальной статистике, макроэкономических данных и позволяет специалистам (из общих экономических, политических и прочих соображений) не только оценить текущее состояние конкретного актива или рынка в целом, но и сделать некоторые заключения относительно его потенциала и дальнейших перспектив.
Технический анализ объединяет методы прогноза будущего поведения какого-либо финансового инструмента или всего рынка, основанные на выявлении в динамике котировок корреляций, цикличностей, статистических закономерностей. Основные методы - это использование индикаторов и анализ паттернов (patterns) кривой. Последний имеет дело с набором шаблонов, описывающих поведение ценовых графиков (например, “голова-плечи”, “двойная вершина”, “тройное дно” и др.). Индикаторы делятся на трендовые (своевременно определяют возникающий тренд на рынке), осцилляторы (позволяют найти разворот от текущего локального тренда в рамках общего бокового движения) и индикаторы объема (отражают количество транзакций в заданную единицу времени) [12]. К техническому анализу можно также отнести методы прогноза ценовых рядов с помощью стохастических дифференциальной [13, 14, 15] и кинетической моделей [16].