fxday

Джим Саймонс — трейдер, который выяснил рынки, часть 5

В последней части скрупулезного анализа текста книги о Джиме Саймонсе «Человек, решивший рынок», я предлагаю более подробно рассмотреть стратегии, предназначенные для фондового рынка.

Ученым, промелькнувшим через фонд Medallion, не повезло или не было хороших идей, как вычислить данные фондового рынка. Ряд аномалий, обнаруженных на фьючерсных рынках, не сработал для акций США. Прорыв пришел извне.
Еще в 1980-х годах Morgan Stanley изобрел и реализовал идею своего рода арбитража: 10% компаний, которые больше всего падали на предыдущей неделе, были куплены, а 10% компаний, которые больше всего росли за это время, были проданы на короткое время. Мы не знаем из книги, была ли эта стратегия передана напрямую в фонд Саймонса, но мы точно знаем о другом методе арбитража, который также возник оттуда.
В нее играют пары компаний с одинаковым профилем. Это известно как «парная торговля» и до сих пор используется фондами, инвестирующими с помощью алгоритмов. В Morgan Stanley она работала с Робертом Фреем, который после ухода основал свою компанию Kepler Financial, которую позже приобрел Джим Саймонс. Какой арбитраж позволил Medallion работать, хотя и на отдельном фондовом рынке?
Что ж, между компаниями со схожим профилем существует более-менее постоянный разброс между ставками. Если одна из компаний внезапно двинется в одном направлении, особенно если это не сопровождается новой информацией, то можно ожидать, что компания-близнец сделает аналогичный шаг в мгновение ока, что выровняет постоянную связь между их ценами, или первая отступит. Например, если цена Pepsi повышается, вы можете ожидать мгновенного роста цены на колу или корректировки к Pepsi.
Эти согласования иногда могут занимать всего несколько секунд, а этого достаточно для компьютера, подключенного к системе обмена, чтобы совершить прибыльную арбитражную сделку. Теоретически это безрисково, потому что арбитраж — это когда одна пара покупается, а другая продается для коротких позиций (короткие продажи), а позиции закрываются после корректировки спреда между ними.
Движение одного из них часто не связано с событиями или основаниями, но обычно носит технический характер. Например, крупный инвестор избавляется от большого пакета акций одной из компаний, что приводит к скачку цены и опустошению ликвидности на стороне покупки, что может сопровождаться ордерами на продажу или стоп-лоссами других инвесторов.
Я, наверное, не единственный, кого всегда удивляла относительно стабильная «техническая» разница между аналогичными компаниями. Я не могу найти этому разумного оправдания, но я признаю, что это работает именно так и что на фондовой бирже действуют огромные силы, которые охраняют этот спред, который в какой-то момент превращается в своего рода самореализующееся пророчество.
Следующим шагом в этой эволюции складского отдела было обнаружение факторов, которые имеют отношение к формированию движения компании и могут быть смоделированы статистически. У каждой компании есть фиксированный набор таких факторов, например зависимость от движения всего рынка или от процентных ставок, но есть и специфические факторы, такие как изменения цен на нефть для авиакомпаний. Это также стало статистически использоваться в парной торговле. Если одна из компаний в паре отреагировала на определенные факторы, а другая еще не отреагировала или отреагировала слишком остро, применялся арбитраж.
Все время Medallion занимал нейтральную позицию на рынке, методы направленного инвестирования не применялись только в отношении одной компании.
Это оказалось эффективным, но только теоретически. Несмотря на прекрасные идеи для получения преимущества, их практическая реализация превзошла возможности тогда еще доинтернет-технологий. Была нехватка ликвидности, короткие продажи не всегда были успешными, превышались лимиты кредитного плеча, которые приходилось настраивать вручную и т. Д. На бумаге все выглядело прибыльным, торговля была слабой.
Только приход в Medallion в 1995 году специалистов по компьютерной лингвистике из IBM в Medallion — Мерсера и Брауна — позволил исправить все ошибки и, наконец, извлечь выгоду из этих стратегий. Они объединили все, что до сих пор было разбросано по множеству отдельных кодов, в один гибкий алгоритм. В то же время новому алгоритму были приданы адаптивные свойства, то есть он мог учиться на данных и собственных ошибках, что было прыжком в гиперпространство в 90-х годах. Эта система выполняла цикл проверки правильности всех пунктов несколько раз в час и исправления любых обнаруженных недостатков.
Это позволило добавить новый тип стратегии в код, который они всегда считали второстепенным: когда акции компании быстро выходили из состояния волатильности, игра переходила от противодействия к спаду.
Затем были предприняты попытки найти прогностические взаимосвязи в квартальных финансовых отчетах компаний, но систематического преимущества в этом не было обнаружено. Однако они нашли ее в несколько других местах. Например, код включает:
— взаимосвязь между движениями компании и ожиданиями аналитиков по прибыли,
— поддержание ставок после публикации финансовой отчетности,
— влияние финансовых потоков или затрат на исследования в компаниях,
— взаимосвязь между последовательными выбросами и изменениями обменного курса,
— зависимость ставок от котировок компании в СМИ, независимо от того, положительные они, отрицательные или сплетни.
Их развитие начало приближать их к высокочастотной торговле, хотя они никогда не заявляли о себе в этом лагере. Ежедневные сделки варьировались от 150 000 до 300 000 единиц в день, хотя значительная часть была просто размещена небольшими частями, чтобы рынок не зашел слишком далеко.
Это позволило фонду получить 98,5% прибыли в 2000 году. Нанятые новые ученые обнаружили аналогичные зависимости, описанные выше, на фондовых биржах по всему миру, что позволило диверсифицировать сделки и снизить корреляцию с рыночными индексами. В 2003 году они достигли индекса Шарпа 6 (!), Что означает почти полное отсутствие риска.
Стратегии охватывают все более широкий спектр факторов, которые могут повлиять на цены акций и которые можно моделировать систематическим образом. В дополнение к стандартным финансовым показателям всех видов было добавлено все, что можно было измерить количественно, например следующие определенные фразы в социальных сетях.
В конце концов они вышли на уровень метаанализа. Это включало выявление математических соотношений не только между отдельными факторами и ценой, но и поиск статистически значимых взаимосвязей между самими факторами — которые, когда и в каких взаимных взаимодействиях становятся значимыми, как они влияют друг на друга и на компании. Это совпало с анализом нюансов во взаимоотношениях компаний между собой, которые они назвали «многомерными аномалиями».
Одно всегда было ясно — позиция в тысячах транзакций должна быть нейтральной на рынке, поскольку эти аномалии разыгрывались во многих компаниях одновременно на стороне покупки или короткой продажи.
Все это было перекрыто алгоритмом, который размещал ордера интеллектуальным и нелинейным способом, чтобы никто со стороны не мог догадаться, какая игра сейчас идет, а также не слишком сильно перемещать рыночные ордера. И если, например, стратегия показала, что между 9 и 10 часами утра инструмент статистически растет на 0,1%, то ордер не поступал индивидуально в 9 часов утра, а был разбит на множество мелких, непредсказуемых сверток за это время.
Поиск всех математических соотношений продолжается до сих пор. Однако, даже если бы они захотели объяснить кому-то, из чего они выжимают эту прибыль, описание этих стратегий превзойдет восприятие слушателя, не говоря уже о том, что некоторые из них сами не имели бы понятия, потому что они являются продуктом поиска самих машин и, следовательно, просто «черными ящиками». .
Добавим, что Саймонс изобрел необычное кредитное плечо для этих сделок. Что ж, банки продали ему барьерные опционы с кредитным плечом x7 и в то же время купили на свой счет акции, указанные фондами Саймонса в соответствии с сигналами, генерируемыми стратегиями. По словам юристов, это сэкономило на налогах, но налоговые органы не разделили это мнение, что в свою очередь привело Саймонса в комитет Сената и в итоге стоило немалых денег.
Следующим этапом эволюции стало создание в 2005 году новых фондов, открытых для средств внешних организаций в рамках RIEF и фьючерсных контрактов RIFF. Однако мы не раскрываем в книге большую часть их работы. С самого начала идея заключалась в том, что они должны были основываться на стратегиях, уже работающих в Medallion, но перенесенных в долгосрочную шкалу, и, следовательно, на математических зависимостях, найденных в недельных, ежемесячных и годовых данных. Что также может быть своего рода вдохновением для тех, кто хочет пойти по тому же пути.
На этом я завершаю анализ книги, интересной для энтузиастов торговли. На десерт добавлю обещанные стратегии в ближайшем будущем, ссылаясь на идеи, разработанные Саймонсом за последние 3 десятилетия.
-угол-