Интервью РЦБ: Научный метод инвестирования

Положение Центрального банка Российской Федерации № 482-П, вступившее в силу в 2016 г., изменило российский рынок доверительного управления. Самым значимым нововведением стало снятие ограничений на использование иностранных срочных контрактов, приведшее к созданию новых финансовых продуктов и даже появлению в России принципиально нового способа управления активами — количественных инвестиций. О специфике нового направления, его истории и первых результатах в российском правовом поле мы беседовали с управляющим директором инвестиционной компании «Алго Капитал» Михаилом Хановым.

РЦБ Многим инвесторам и профессиональным участникам рынка знаком термин «количественные инвестиции». Однако есть много вопросов к тому, как именно работает этот способ управления активами.

М.Х. Чтобы понять, чем количественные инвестиции отличаются от вложения в ценные бумаги, алгоритмической торговли и прочего, мы должны совершить небольшой экскурс в историю.

Родоначальником направления (англ. quantitative investing) считается американский профессор математики Эдвард Торп. Изучая в 1960-х гг. движение котировок на бирже, он сделал вывод, что можно прогнозировать изменение цен активов с помощью теории вероятности. Это раздел математики, устанавливающий закономерности для случайных событий. Открытие Торпа не было уникальным в своем роде. Еще в 1900 г. французский ученый Луи Башелье опубликовал диссертацию «Теория спекуляций», в которой смоделировал стохастический процесс (Броуновское движение) для расчета цен опционов. Революционное замечание Башелье о том, что стоимость биржевых активов подчиняется закону нормального распределения (колокообразная кривая Гаусса), было по достоинству оценено только через 60 лет.

С появлением первых компьютеров стало возможным строить сложные системы расчетов. Будущая волатильность — изменение котировок — переменная величина, следовательно, ее можно описать с помощью формулы и вычислить. Многие алгоритмы Торп писал для своего первого фонда, основанного в конце 1969 г. В 1970 г. прибыль составила 3%, индекс S&P500, «лакмусовая бумажка» состояния рынка, упал на 5%. Фонд заработал 13,5% в 1971-м и 26% в 1972-м, бенчмарк поднялся на 4 и 14,3% соответственно. В 1970-х гг. инвесторам, привыкшим вкладывать деньги в ценные бумаги по рекомендациям финансовых советников, метод Торпа казался чем-то вроде предсказания будущего с помощью хрустального шара. Однако в течение двух десятилетий многие американские хедж-фонды, крупнейшие банки и другие финансовые компании использовали его.

РЦБ Как создается алгоритм? На основании чего принимается решение о покупке или продаже активов?

М.Х. Стратегия количественных инвестиций состоит не из одного алгоритма, а из нескольких тысяч и даже десятков тысяч алгоритмов, которые оперируют сотнями активов: фондовыми индексами, валютными парами, металлами, энергоносителями, сельхозпродукцией и др. В этом основное отличие от алгоритмической торговли, которой в России чаще всего называют одну или несколько запрограммированных стратегий.

Все в количественных инвестициях — написание алгоритма, его оптимизация, выбор биржевых активов — является следствием математического расчета. Стратегию создает не трейдер на основании опыта и интуиции, а группа ученых, специализирующихся на высшей математике. Чтобы сформировать список биржевых активов, которые будут использованы при разработке стратегии, необходимо рассчитать прежде всего их корреляцию между собой и средний ежедневный объем торгов. Выбираются инструменты с наименьшей корреляцией (котировки движутся независимо друг от друга) и достаточным оборотом. Так обеспечивается диверсификация рисков и высокая ликвидность.

Математики (в США их называют кванты) строят алгоритмы на основании формул, которые описывают движение цен биржевого инструмента. Цель — вы­явить паттерны и определить сигналы для удачного входа в рынок. Кванты тестируют и отлаживают работу своих алгоритмов на периоде, называемом in sample. Для этого используются исторические котировки, допустим, с 2000 по 2010 г. На основе получаемых результатов, «доходности», формулы алгоритма дополняют, оптимизируют по целевой функции (часто по коэффициенту Шарпа). Затем торгового робота тестируют на периоде out of sample, предположим, с 2011 по 2015 г. На этом этапе он должен показывать хорошие результаты. Алгоритмы с положительным матожиданием прибыли допускают к работе на реальной бирже с минимальной аллокацией. Они отслеживают текущие котировки, сравнивают их с историческими данными и на основе заложенных формул вычисляют вероятность дальнейшего роста или падения цены актива. В соответствии со своими расчетами они совершают сделку в short или long.

РЦБ Имеют ли количественные инвестиции общие черты с высокочастотной торговлей?

М.Х. Это два принципиально разных направления. Суть HFT — в скорости, пре­имущество количественных инвестиций — в аналитике, в более точном расчете. Для обоих направлений необходимы значительные серверные мощности, но в quantitative investing их ресурсы тратятся в основном на тестирование алгоритмов и обработку данных. В течение года, когда проводились отслеживание и анализ, через сервера проходит объем информации, эквивалентный десяткам миллиардов лет истории (принцип описан выше). Это небольшая цифра, если представить, что в каждом алгоритме содержится хотя бы 10 переменных (параметров, которые можно оптимизировать), а в каждой стратегии — несколько тысяч алгоритмов. Наиболее распространенные математические методы оптимизации — «Монте-Карло» и «Координатный спуск». Кванты постоянно анализируют результаты работы алгоритмов, удаляют теряющие доходность и добавляют новые, показавшие предварительные хорошие результаты.

Еще одно отличие от HFT — количество заключаемых сделок. Оно на порядок меньше, для quantitative investing это имеет хоть и важное, но совсем иное значение. Вероятность изменения цены актива, которую рассчитывает алгоритм, никогда не бывает 100%, поэтому часть сделок алгоритм совершает с убытком. Однако для формирования доходности достаточно, чтобы большинство сделок были удачными. Это пример действия закона больших чисел. Допустим, вероятность падения монетки орлом вверх составляет 50%. Это не значит, что, подбросив ее 10 раз, мы увидим 5 орлов. Однако чем больше попыток мы совершим, тем ближе будет результат к нашему прогнозу. Скажем, повторив опыт 10 000 раз, мы получим соотношение орлов и решек гораздо ближе к рассчитанной ранее вероятности 50% на 50%. Так же обстоит и в количественных инвестициях — алгоритм должен совершить достаточное количество сделок.

РЦБ Какие компании применяют количественные методы инвестирования?

М.Х. В первую очередь это ведущие хедж-фонды США и Европы. Например, крупнейший в мире хедж-фонд Bridgewater с активами в 160 млрд долл. построен на количественных инвестициях. Более того, его основатель Рей Дэлио внедряет технологию количественного метода анализа данных во все сферы жизни компании. Он планирует полностью автоматизировать процесс управления фондом. Алгоритм, уже запущенный в тестовом режиме, будет оценивать результаты работы сотрудников и их личные качества, а также принимать решение об увольнении или повышении. Клиенты Bridgewater — 350 институциональных инвесторов: центральные банки, государственные и частные пенсионные фонды, международные корпорации, благотворительные организации. В прошлом году Bridgewater заработал своим инвесторам 5 млрд долл., в то время как фонды Джорджа Сороса и Джона Полсона потерпели убытки.

Рекордсменом же по доходности считается американский хедж-фонд Medallion, основанный Renaissance Technologies в 1988 г. Он, напротив, не принимает деньги от сторонних инвесторов. Сумма активов под его управлением настолько быстро росла, что влияла на рынок, не позволяя стратегиям, применяемым Medallion, корректно работать. Поэтому в 1993 г. фонд ограничил сумму своих активов 10 млрд долл. и теперь работает исключительно для сотрудников Renaissance Technologies. За последние 28 лет Medallion заработал более 55 млрд долл., что на 10 млрд долл. больше фонда Джорджа Сороса. При этом прибыль получена за меньший срок и меньшими средствами под управлением. Средняя годовая доходность Medallion с момента основания превышает 40%.

По данным Bloomberg, 8 из 10 самых крупных мировых хедж-фондов управляют активами с помощью количественных методов анализа данных. Среди известных можно назвать Citadel, QIM, TwoSigma. Также quantitative investing используют все крупные банки США: JPMorgan, Citigroup, Goldman Sachs, Wells Fargo и др. Я бы сказал, что количественные инвестиции используют все, кто может себе это позволить.

РЦБ Насколько количественные инвестиции востребованы среди инвесторов США и Европы?

М.Х. Агентство Bloomberg подготовило статистику за 2016 г.: в фонды количественных инвестиций вложено 21 млрд долл., одновременно зафиксирован отток капитала — порядка 60 млрд долл. — из компаний, специализирующихся на других направлениях. Судя по опубликованному международным аналитическим агентством Hedge Fund Research (HFR) отчету, тенденция сохранится и в 2017 г. В I кв. в хедж-фонды инвестировано 47,2 млрд долл., большая часть этой суммы вложена в количественные инвестиции. Последний отчет S&P Indices Versus Active funds (SPIVA) (подготовлен S&P Dow Jones Indices, совместным предприятием S&P Global и CME Group Inc.) показывает, что средняя доходность большинства управляющих ниже даже фондовых индексов. Очевидно, это одна из причин, почему все больше инвесторов обращаются к количественным методам управления активами.

РЦБ Каковы результаты у российских компаний, применяющих количественные методы инвестирования?

М.Х. В России отрасль только развивается. На самом деле, пока результаты обнародовала только компания «Алго Капитал». Есть трек-рекорд за 6 лет со средней годовой доходностью чуть выше 40% долл. Результат подтвержден аудитом международной компании. Но, разумеется, это совсем «не те же» 40%, заработанные Medallion за 28 лет. Многие управляющие могут показать доходность 30—40% за год, но мало кто может повторить результат несколько лет подряд. Даже средняя годовая доходность в 40% за 6 лет — это не гарантия будущего успеха. Многое зависит от волатильности рынка. Стратегии количественного инвестирования зарабатывают на разнице цен (как на росте, так и на падении). Когда нарушается естественный ход торгов, например правительство проводит политику количественного смягчения и рынок «стоит», у алгоритмов нет возможности получить прибыль. 2016-й был особенно волатильным: VIX держался выше 15, повлияли Brexit, выборы президента США, отдельные заявления Трампа. Благодаря этому основная стратегия «Алго Капитал» заработала 87,33% в долл. В 2013 г. при VIX, равном 8, наши потери составили 20%. Когда индекс волатильности выше 20, наша доходность превышает 100%.

РЦБ Обычно высокая доходность невозможна без высоких рисков.

М.Х. Верно. Количественные инвестиции — это высокорисковый способ управления активами. Мы рекомендуем отводить ему не более 15% от всего инвестиционного портфеля. Горизонт инвестирования — 1 год и более. На коротких промежутках стратегии часто дают просадки, что считается нормой. Для примера: в 2016 г. доходность компании составила 87,33% — более чем успешный результат, однако 5 месяцев были убыточными. Инвестор должен понимать эту специфику. Не стоит вкладывать деньги, которые могут понадобиться в ближайшее время, чтобы не выходить во время просадки.

Конечно, существуют способы оптимизации рисков. Западные коллеги не раскрывают секреты своей работы, по­этому я могу рассказать только о собственном опыте. Мы используем ручной и автоматический риск-менеджмент. В течение всех торгов, днем и ночью, аналитики мониторят работу стратегии. Безусловно, основная нагрузка лежит на электронной системе безопасности с запрограммированными алертами. Автоматический риск-менеджмент — это программа стоимостью около 1,5 млн долл. По понятным причинам писать алгоритмы и разрабатывать систему контроля за ними должны разные люди. Чтобы роботы «не сошли с ума», она проверяет все выставляемые заявки по 15 параметрам: «совокупная открытая позиция», «максимальный размер ордера», «отклонение цены ордера от текущей рыночной цены», «максимальный размер гарантийного обеспечения», «лимит top loss» и др.

РЦБ Почему количественные инвестиции так мало представлены в России?

М.Х. Здесь две основные причины: необходимость больших капиталовложений и длительного периода окупаемости. Затраты на оборудование составляют минимум 5 млн долл. Это не только серверы. Для кластера такой мощности необходим спецпроект, где будет предусмотрено электроснабжение, охлаждение, скорость соединения с биржами и другие условия. Такие инвестиции начнут окупаться не раньше чем через 3 года. На запуск одного алгоритма нередко тратится 6—9 месяцев. И не все алгоритмы получаются успешными и «вступают в бой».

Следует не забывать и о людях, которые разрабатывают стратегии. С этим связана третья проблема — отсутствие в России необходимого образования: ни один вуз не готовит квант-аналитиков. Поэтому в 2014 г. «Алго Капитал» открыл спецкурс «Прикладная статистика» в МФТИ. Практические знания выпускник получает уже в компании. На это требуется несколько месяцев, а это очередные затраты.

РЦБ Как вступившее в силу в прошлом году Положение ЦБ РФ № 482-П повлияло на развитие индустрии доверительного управления?

М.Х. Эта инициатива положительно отра­зилась на развитии отрасли управления активами. Раньше возможности инвесторов были весьма ограничены: деньги, переданные по договору доверительного управления, не могли быть вложены в ряд срочных контрактов, в том числе в ликвидные иностранные инструменты. Как я уже говорил, для корректной работы стратегии количественного инвестирования нужен портфель, состоящий из некоррелированных ликвидных активов. Это возможно, только имея доступ к нескольким крупнейшим иностранным биржам.

Поэтому до вступления в силу Положения Банка России № 482-П компании могли использовать количественные методы инвестирования только для управления средствами на брокерских счетах. Сейчас мы работаем с частными и институциональными клиентами, а также предоставляем продукт банкам и инвестиционным компаниям под white label.

РЦБ Каким должен быть следующий этап развития отрасли?

М.Х. Российским компаниям придется догонять западный опыт. Пока мы используем пять тысяч алгоритмов и полсотни биржевых инструментов, в то время как лидеры американского рынка работают с десятками тысяч алгоритмов и несколькими тысячами инструментов. Развиваются технологии big data, искусственный интеллект (AI), алгоритмы становятся самообучаемыми. Примером могут служить генетические алгоритмы и Q-learning (вид обучения с подкреплением): система (в данном случае торговый алгоритм) интерпретирует сигналы, получаемые из окружающей среды (прибыль, убыток и пр.), и корректирует свое поведение, при этом учитывается весь накопленный опыт взаимодействия со средой. «Алго Капитал» использует генетические алгоритмы с 2015 г., в США это уже отдельное направление, конкурирующее с традиционными стратегиями quantitative investing.

Все новости
Предыдущая новость Следующая новость
Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, пользовательских данных (сведения о местоположении; тип и версия ОС; тип и версия Браузера; тип устройства и разрешение его экрана; источник откуда пришел на сайт пользователь; с какого сайта или по какой рекламе; язык ОС и Браузера; какие страницы открывает и на какие кнопки нажимает пользователь; ip-адрес) в целях функционирования сайта, проведения ретаргетинга и проведения статистических исследований и обзоров. Если вы не хотите, чтобы ваши данные обрабатывались, покиньте сайт.