Алгоритмическая торговля: "Великий перелом" в пользу машин


50 лет назад инвестирование было абсолютно «человеческим» занятием. По словам Рэя Далио, основателя Bridgewater Associates - крупнейшего в мире на сегодняшний день хедж-фонда, работавшего в свое время трейдером на Нью-Йоркской фондовой бирже, «всем приходилось приглашать друг друга на выпивку, дилеры угощали управляющих, и никто не знал что сколько стоит на самом деле». Технологии были примитивны. Руководитель инвестиционного банка Lazard Кеннет Джейкобс вспоминает, что использовал микрокалькулятор для анализа цифр, которые по крупицам собирались из отчетов компаний. Его старшие коллеги пользовались логарифмическими линейками. Даже в 80-е года прошлого века, как писал один инвестор, «читая по пути на работу The Wall Street Journal, смотря телевизор в зоне торгов и читая ленту биржевого телеграфа, ты получал неплохое преимущество в плане информированности».

С тех пор роль человека в биржевой торговле уменьшалась быстрыми темпами. На его место пришли компьютеры, алгоритмы и т.н. пассивные управляющие – те, кто предлагают инвестировать в индексный фонд - держатель той или иной корзины акций, позволяющих получать прибыль на уровне всего рынка либо его отраслевых секторов. Два месяца назад исследовательская компания Morningstar опубликовала свой очередной популярный барометр фондовых рынков, согласно которому стоимостной объем акций, по которым компания проводит замеры, и которые находятся в пассивном управлении, составил 4,3 триллиона долларов и впервые в истории превысил стоимость, находящуюся в управлении человека.

Прогресс финансовой роботизации не только меняет скорость работы фондовых рынков и их организацию. Он ставит фундаментальные вопросы о том, каковы сегодня и какими будут завтра роль рынков, их влияние на остальную экономику, а также о том, как осуществляется управление компаниями и каковы риски для финансовой стабильности, в том числе в глобальном масштабе.


Америка «роботизируется»

Во все времена инвесторы придумывали те или иные технологии добывания значимой рыночной информации быстрее, чем она окажется у конкурентов. Еще давным-давно инвесторы голландской Восточно-индийской компании отслеживали портовые буклеты о загрузке кораблей, огибающих Мыс Доброй Надежды, задолго до их прибытия в Нидерланды. Семья Ротшильдов своим состоянием обязана почтовому голубю, опередившему морской транспорт с доставкой новости о поражении Франции в сражении при Ватерлоо.

Однако уже в эпоху красных подтяжек и логарифмических линеек начали появляться некоторые из современных технологических достижений. Первыми в руки машин перешли самые простые (и громкие) операции. Начиная с 70-х годов прошлого века электронное исполнение сделок приходит на смену орущим друг на друга трейдерам в торговых зонах бирж, и всем становится проще собирать информацию о ценах и объемах. Это, в свою очередь, положительно сказалось на исполнении сделок, и прежде всего, из-за возросшей определенности с ценой.

В управлении портфельными инвестициями алгоритмы также начали использоваться еще десятилетия назад. В 1975 году Джек Богл основал Vanguard, который запустил первый в мире индексный фонд, и, таким образом, автоматизировал выбор простейшей из возможных структур инвестиционного портфеля. Ну а затем, в 80-е и 90-е годы прошлого века появились прародители Alfa-Quant – более «навороченные» автоматизированные продукты под названием «количественные хедж-фонды». От английского «quantitative» (количественный) их стали называть «квантовыми» фондами. Тогда же появились ЕТФы (exchange-traded funds). Часть ЕТФов отслеживают биржевые индексы, но некоторые работают по более сложным схемам, в которых очень долго мозги и руки людей казались незаменимыми – например, покупка так называемых недооцененных акций, которые выглядят дешевыми в сравнении с активами компании. За время своей работы многие квантовые фонды разработали алгоритмы, умеющие прочесывать данные рынков и находить бумаги с другими, казалось бы, только человеку видимыми потенциальными преимуществами, которые на трейдерском жаргоне иногда называют «факторами».

Идею «факторов» впервые выдвинули экономисты Юджин Фама и Кеннет Френч, а на практике ее впервые применил ученик г-на Фама Клифф Аснесс, который в 1998 году основал AQR Capital Management, на сегодяшний день один из крупнейших в мире хедж-фондов. Такие квантовые фонды, как AQR, занимаются программированием алгоритмов по выбору биржевых бумаг на основе факторов, которые, в свою очередь, были разработаны экономистами-теоретиками и получили подтверждение по результатам анализа данных. Примеры таких факторов - «моментум» (недавние скачки цен) или «доход» (выплаты высоких дивидендов). Первое время немногие управляющие активами обладали технологиями математических расчетов. Теперь они есть у всех.

Стратегии алгоритмического управления не стоят на месте. Некоторые квантовые фонды, например Bridgewater, используют алгоритмы только для анализа данных, тогда как подбором сделок занимаются люди. Однако многие, такие как Two Sigma и Renaissance Technologies делают автоматизацию максимальной, используя компьютерное обучение и искусственный интеллект для наделения самой машины способностью выбора - что покупать и что продавать.

Это делает реальной перспективу замещения человека компьютером на ключевом этапе инвестирования: при анализе информации и выстраивании инвест-стратегий. Если это произойдет, мы возможно, будем лучше понимать, во-первых, как работают рынки и, во-вторых, насколько компьютеры реально хороши.

Сегодня в исполнении биржевых заявок доминируют алгоритмические трейдеры. Все меньше сделок проводятся в шумной торговой зоне Нью-Йоркской фондовой биржи, и все больше – на тихих компьютерных серверах в Нью-Джерси. Deutsche Bank приводит данные, согласно которым 90 % сделок «фьючерс на акции» и 80 % сделок с обыкновенными акциями выполняются алгоритмами без какого либо участия человека. Аналогичная ситуация, согласно исследовательской компании Tabb Group, имеет место на со сделками «дериватив на акции».

Инвестировать в алгоритмическое доверительное управление капиталом.


Грааль где-то рядом

Каждый день на американском фондовом рынке меняют владельца примерно 7 млрд. акций общей стоимостью 320 млрд. долларов. Существенная часть этого объема – торговля с высокой интенсивностью сделок, когда активы быстро покупаются и продаются, чтобы успеть получить мимолетную прибыль. Трейдеры с высокой частотой сделок, выступающие в роли посредников, участвуют сегодня в половине ежедневных объемов торговли. Даже если исключить трейдеров, и оставить для оценки непосредственно инвесторов, то все равно большинство сделок в настоящее время приходится на тех из них, кто работает по алгоритмам.

Квантовые фонды впервые стали крупнейшим источником институциональных торговых операций на фондовом рынке США три года назад. В этом году они занимают пока 36% в объеме таких операций, хотя в 2010 году на них приходилось 18% (данные Tabb Group). По данным JPMorgan Chase, всего 10% институциональной биржевой торговли осуществляется «старым» способом -  менеджерами управляющих фондов.

Машины также все более активно занимаются покупкой в собственность. По оценке индекса Russell 3000, общая стоимость всех американских публичных акций составляет 31 трлн. долларов. Около 35% из нее управляются тремя типами алгоритмического управления – индексными фондами, ЕТФами и квантовыми фондами. В управлении человеком – это традиционные хедж-фонды и другие паевые инвестфонды – остается лишь 24%. (Остающаяся доля, около 40%, оценке не поддается из-за сложно структурированной собственности; также здесь, например, компании, владеющие крупными пакетами своих собственных акций.)

Из 18-19 трлн. долларов, находящихся в управлении и отраженных в отчетности активов, основная масса находятся в автоматизированном управлении. На индексные фонды приходится около половины этого пирога – 9 трлн. долларов. Исследовательская компания Bernstein приводит данные о том, что на других квантовых управляющих приходится еще 10-15%, примерно 2 трлн. долларов. Под управлением человека остаются 7-8 трлн. долларов или 35-40%.

Но лучше всего стремительное развитие алгоритмического инвестирования видно на примере хедж-фондов. Четыре (!) из пяти крупнейших в мире – Bridgewater, AQR, Two Sigma и Renaissance – были основаны специально для использования математических алгоритмов. Британский хедж-фонд Man Group, единственное исключение из этой пятерки, в 2014 году купил расположенную в Бостоне фирму Numeric, квантового управляющего активами. В результате, большая половина активов, находящихся в управлении Man Group, управляются алгоритмами. Десять лет назад четвертая часть всех активов под управлением хедж-фондов находилась в квантовых фондах; сегодня эта доля составляет уже 30%, если верить данным исследовательской группы HFR. Эта цифра явно занижена, поскольку традиционные фонды, вроде Point72, уже пользуются методиками, содержащими алгоритмические элементы.

К чему все это привело? В результате сегодняшний фондовый рынок стал чрезвычайно эффективным. Его растущие роботизированные сектора привели к резкому сокращению  комиссий за управление. Сегодня пассивные управляющие фонды берут годовые комиссии 0.03-0.09% от управляемых активов. Торгующие «головой и руками» управляющие зачастую берут в 20 раз больше. Хедж-фонды, использующие заемный капитал и деривативы для максимизации доходов, берут сверх этого в виде дополнительной премии 20% от прибыли.

В свою очередь, что означает снижение затрат на совершение торговой сделки для компаний? Очень просто: любая новая корпоративная информация мгновенно отражается на их стоимости. Как пишет Рэй Далио, «исполнение заявок улучшилось кардинально». Биржевые комиссии за сделки с акциями очень малы: 0,0001 доллара за акцию для покупателя и продавца (данные Chicago University). Брокерские комиссии – то же самое, причем их начинают и вовсе отменять. Месяц назад два лидирующих розничных брокера Charles Schwab и TD Ameritrade объявили об отмене торговых комиссий.

Но и это еще не все. Снижение торговых издержек увеличило ликвидность, которая определяет объем покупок или продаж акций конкретным трейдером, превысив который, трейдер изменит их цену. Возросшая ликвидность ведет к уменьшению спреда между ценой покупки и ценой продажи акции трейдером.

Конечно, есть и те, кто с этим не согласен. По утверждению критиков, ликвидность, создаваемая трейдерами с высокой частотой сделок, ненадежна в сравнении с банковской, ибо стоит начаться кризису, и первая исчезает. Недавно опубликованная аналитика хедж-фонда Citadel опровергает это утверждение. В ней демонстрируется, что за последние 10 лет размер спреда по небольшой сделке (например, 10 000 долларов) с акциями одной компании уменьшился радикально и остается постоянно малым. Даже по «дорогим» сделкам (до 10 млн. долларов) спреды в большинстве случаев за этот период либо уменьшились, либо, в худшем случае, остались на прежнем уровне.


Гроссмейстерский результат

Рыночное доминирование машин несомненно будет расширяться. Стратегия, использующая придуманные человеком факторы, сегодня является доступной каждому через ЕТФы. Некоторое из них запрограммированы на поиск бумаг с двумя и более факторами. Другие используют стратегию «паритета риска», автором которой  является все тот же Рэй Далио; она оценивает волатильность активов по различным классам. С каждым новым уровнем усложнения стратегий для применения  возможностей человека остается все меньше места. Как пишет сопредседатель Two Sigma Дэвид Сигел, «30 лет назад лучшими управляющими активами были те, у которого лучше развита интуиция». Теперь же преимущество у тех, кто, взяв на вооружение «научный подход», использует компьютеры, данные и искусственный интеллект.

Чтобы попробовать осмыслить предстоящие изменения рынков, возьмем пример из шахмат. В 1997 году суперкомпьютер IBM по имени Deep Blue впервые обыграл действующего чемпиона мира по шахматам Гарри Каспарова. Это был триумф компьютера над человеком – но только до некоторой степени. Deep Blue был запрограммирован шахматистами-людьми. Он играл в человеческом стиле, хотя и лучше и быстрее, чем любой человек.

Перенесемся в 2017 год, когда Google создал AlphaZero. В этот компьютер ввели только правила игры в шахматы, и затем он обучал сам себя. Так вот, после 4 часов тренировок он обыграл компьютер Stockfish – лучший шахматный компьютер в мире, играющий в тактике человека. Особенно интригующим было то, что по ходу игры AlphaZero делал ходы, в глазах человека казавшиеся грубыми ошибками. Так, в миттельшпиле он пожертвовал слона, чтобы получить стратегический перевес, который проявился значительно позже.

Квантовые фонды можно разделить на две группы: работающие в логике «человеческой» шахматной машины, когда компьютер используется для воспроизведения придуманных нами стратегий, и похожие на AlphaZero, которые доверяют машине самой создавать стратегии. Если немного упростить, то на протяжении 30 лет алготрейдинг начинался с гипотезы. Эту гипотезу инвесторы проверяли на исторических данных и затем делали вывод о ее практической применимости в дальнейшем. Теперь же, и это принципиально важно, порядок действий поменялся на обратный: сначала анализируются данные, и уже из этого рождаются гипотезы.

При этом роль человека далеко не исчерпана. Его задача – определить, какие именно данные следует загрузить в компьютер. Если быть более точным, сегодня речь идет о том, поиск каких данных должен быть заложен в алгоритм для компьютера. Возникает резонный вопрос: почему бы не сделать массив прорабатываемых данных заведомо максимальным – хуже ведь не будет? Простого и готового ответа здесь, скорее всего нет, его должна подсказать практика. Но если воспользоваться опытом работы с большими данными – из других отраслей деятельности – то вот что можно предположить: «перегруженный» массивом данных алгоритм с высокой вероятностью выберет один из простейших и давно известных продуктов, в нашем случае – вместо вожделенного грааля - одну из самых примитивных и давно открытых стратегий.

Уже упоминавшийся нами банкир Кеннет Джейкобс утверждает, что алгоритмическое инвестирование на основе искусственного интеллекта умеет находить факторы, которые человеку не видны (ну совсем как AlphaZero, который нашел совершенно «нечеловеческие» стратегии шахматной игры). Можно предположить, что, если это так, то инвесторам захочется понять, что такого нового в массивах данных обнаружил компьютер, из чего в результате получился некий новый фактор. То есть со временем новый алго-фактор станет в один ряд с уже известными, и новизна уйдет. Однако все это время преимущество извлекать дополнительную прибыль будет у того, кто первым этот фактор обнаружил.

Есть и более осторожные оценки. Руководитель подразделения машинного обучения фонда AQR Брайан Келли, одновременно преподающий в Yale University, сообщает, что их алгоритмы действительно находили факторы, которые получались только у компьютеров, и первое время эти факторы работали, как казалось, лучше «старых», однако время показало их несостоятельность. Поэтому он отдает предпочтение сочетанию компьютерного обучения и экономической теории.

Ну и, разумеется, есть те, кто в такое будущее, т.е. с искусственным интеллектом, не верит совершенно. Среди скептиков Рэй Далио, который, как ни странно, также использует пример с шахматными компьютерами. Важнейшая, на его взгляд, разница между шахматами и рынками состоит в том, что правила шахматной игры остаются неизменными, тогда как рынки меняются, и что важно, меняются потому, что люди получают информацию, и эта информация становится частью цен. «Если кто-то открывает то, что открыли вы, то это не просто обесценивается, это слишком обесценивается и приведет к убыткам.» «Нет гарантии, что стратегии, работавшие до этого, будут работать и дальше.» «Стратегия, выработанная путем компьютерного обучения без использования человеческой логики, обречена на крах, если только она не подпитывается глубоким пониманием.»

Следует также упомянуть и о доступных для анализа данных. Так ли они полезны, как кажется? Сегодня управляющие хедж-фондов принимают свои решения по сделкам на основе очень разношерстных данных – историях кредитных карт, спутниковых снимков складских площадей, полетных карт частных самолетов и т.д. и т.п. Но значит ли это, что такое огромное количество данных само по себе позволяет компьютерам «захватить» выполнение ключевой задачи – открытие новых инвестиционных факторов? Нет.

Проблема в том, что «огромными» искомые данные представляются только нам. По меркам же программ, использующим искусственный интеллект, эти данные, напротив, слишком малы. Некое общее правило здесь попытался сформулировать Брайан Келли: «количество данных, с которыми вам необходимо работать, определяется размерами того, что вы пытаетесь спрогнозировать». Для инвесторов на рынке акций это может быть месячная доходность, и для этого имеется информация за несколько десятилетий, что в переводе на язык обработки данных означает несколько сотен результатов. Это ничто в сравнении с сотнями гигабайт информации, которые используются для обучения алгоритмов по распознаванию лица или управлению автомобилем.

Нередко критика в адрес компьютерного инвестирования использует совершенно иной взгляд. Машины-инвесторы выставляются не источником обмана и ошибок, а в виде «страшилок». Одна из таких «страшилок» указывает на способность алгоритмов вызывать более частые и внезапные, чем обычно ценовые шоки на фондовых рынках. Особенно боятся т.н. «моментальных обвалов». В 2010 году S&P 500 упал на 5% в течение нескольких минут. В 2014 г., также за считанные минуты, больше чем на 5% подскочили облигации. В обоих случаях к закрытию торгов рынки восстановились, но  регуляторы обвинили именно «высокочастотных» трейдеров и их ненадежную ликвидность в том, что обвал и скачок были столь внезапными и резкими. Обвал цен в декабре прошлого года (на незначительных новостях) и то, как их лихорадило этим летом, усилили опасения относительно прихода неуправляемой волатильности – как следствия «великого перелома» в пользу машин.

Принято считать, что в 1987 году, когда в течение одного дня Черного Понедельника индекс Dow Jones упал на 22%, глубина падения была бы менее драматичной, если бы не т.н. программный трейдинг, который массово продавал акции на просадке рынка. Однако сегодня имеется более, чем достаточно доказательств того, что реальной причиной тогда был «эффект стада» - управляющие активами вцепились в одну и ту же стратегию. Сейчас же имеет место куда большее разнообразие, и разные инвестиционные фонды используют разные источники данных, временные ориентиры и стратегии. Майкл Мендельсон из AQR добавляет: «Алготрейдинг попытались сделать козлом отпущения. Когда рынки падают, инвесторам нужно объяснять убытки. И когда они не понимают, в чем причина, то обвиняют компьютеры. А ведь компьютеры, напротив, способны рынки успокаивать. Они же никогда не паникуют».

Как заработать с помощью торговых роботов?


Деньги не умеют спать

Еще одна причина для недовольства компьютерами в том, что традиционные управляющие активами становятся неконкурентоспособными. В их комментариях сквозит досада оттого, что сегодняшние биржевые площадки работают по принципу «победитель забирает все». Филипп Жабр, создавший в 2007 свой столь ожидаемый тогда одноименный фонд Jabre Capital, в декабре прошлого года закрывая сразу несколько своих подразделений, направил своим клиентам прощальное письмо, в котором употребил выражение, в переводе звучащее примерно так: «компьютерные модели незаметно вытеснили традиционных финансистов».

Но и это еще не все «страшилки». Есть еще одна, которая кажется весьма правдоподобной: а что будет, если квантовые фонды и впрямь способны на то, что обещают их самые горячие сторонники? Фондовые рынки – ключевое звено современных экономик. Они – связка между нуждающимися в деньгах компаниями и инвесторами. Они – показатель того, насколько успешны компании в принципе. Стиль работы этих рынков способен сильно влиять на финансовую стабильность и корпоративное управление. А значит, тот неоспоримый факт, что отпущенные человеком «в свободное плавание» алгоритмы начинают доминировать, может иметь далеко идущие последствия.

Перспектива заполучить от компьютера новые факторы для стратегий инвестирования будет привлекать все новых и новых управляющих активами. Возможные последствия будут и дальше вызывать опасения, и это нормально, ибо мы имеем дело с прыжком в неизвестность. Но ведь рынки-то будут становиться все точнее и эффективнее, а значит их отдача вырастет – как для инвесторов, так и для компаний. Как учит нас (порой безуспешно, и тем не менее) история, любое торговое преимущество поначалу обогатит немногих. Но рынок неумолим. Знание об источнике этого преимущества неминуемо распространится, и придет множество последователей. И тогда будут сделаны новые открытия. Не только о рынках, но и обо всем нашем грешном мире, зеркалом которого они являются.

При подготовке использованы материалы:
The Economist; The Wall Street Journal; JPMorgan Chase US Equity Strategy & Global Quant Research; EPFR; TABB Group; Russell 3000; Federal Reserve; Bloomberg; Morningstar; ETF.com; HFR; Preqin.

Комментарии