Привет!

Сегодня мы представим вам новый перевод интервью с одним из известных мировых трейдеров.

На этот раз героем беседы будет доктор Эрнест Чан.

Чан специализируется на алгоритмической торговле – трейдингом с помощью автоматических торговых систем, или, как он их называет, "моделей". В разное время он работал в таких компаниях, как IBM, Morgan Stanley, Credit Suisse.

Из интервью вы узнаете о его пути, о разработке торговых систем, поиске идей для новых стратегий и о диверсификации рисков при торговле советниками.

При этом Эрни весьма необычно вошёл в трейдинг. До этого он работал в исследовательском отделе компании IBM, разрабатывал алгоритмы распознавания компьютером человеческой речи, используя технологии машинного обучения и искусственного интеллекта. Затем он присоединился к группе проп-трейдеров. На данный момент он уже пятнадцать лет использует эти методы в области финансов и трейдинга.

Господин Чан работал со многими хедж-фондами и проп-фирмами. Сейчас он – один из управляющих компании QTS Capital Management.

Беседу с ним записал Аарон Фифилд.

Отключите звук на своих гаджетах, отложите их и насладитесь увлекательным чтением.

Итак, начнём...

АФ:  Буду очень рад разузнать пару ваших секретов, не терпится услышать, как вы смогли добиться такого успеха на рынках. Но давайте сначала обсудим, как вы попали в мир трейдинга! Я знаю, что вы закончили университет с докторской степенью по физике. Куда вы направились дальше?

ЭЧ: Ну, я устроился на работу в исследовательский отдел IBM! Занимался там темой, далекой от физики – машинным обучением и искусственным интеллектом. Проработал на исследовательской должности около трех лет, а потом переключился на финансы.

АФ: Над чем же вы работали в IBM?

ЭЧ: Ну, наша группа трудилась над тем, чтобы научить компьютеры понимать человеческую речь. Во всех очевидных сценариях: автоматический перевод с одного языка на другой, распознавание речи в реальном времени, естественное понимание языка на таком уровне, чтобы быть в состоянии ответить на человеческий запрос. Знаете, как сегодняшняя Сири, что ей скажете, то она и будет делать. Это как раз и было одним из направлений нашей работы. Другое направление – умение компьютера извлекать из человеческой речи релевантную информацию. Как раз то, над чем сейчас работает Google! Дело было в 1994 году, в те времена Google еще не существовал, а Apple еще не выпускали айфоны. Так что мы были у истоков этих технологий. Интересный момент: подход у нас был чисто статистический. Среди нас мало было тех, кто… Да что уж там, вообще не было никого, кто разбирался в лингвистике! Весь подход был основан на громаднейших статистических моделях, обрабатывающих данные.

АФ: Хорошо, могу представить, как много с тех времен изменилось! Расскажите, как же вы попали в трейдинг?

ЭЧ: Я решил перебраться в Нью-Йорк. Компания IBM всем хороша, да вот только исследовательские отделы у нее располагаются далеко от цивилизации. А я стремился к более городскому стилю жизни, так что я решил переехать на Манхэттен! А на Манхэттене все вакансии, подходящие для человека с моим опытом, так или иначе были связаны с финансами. Так что я решил присоединиться к группе в Morgan Stanley, которая занималась датамайнингом и искусственным интеллектом. Это была внутренняя консалтинговая группа, консультировавшая сразу многие подразделения. Одним из подразделений как раз был отдел трейдинга Morgan Stanley. У нас была возможность разрабатывать модели для трейдинга, быть полезными для трейдеров нашей фирмы. Вот так я и вошел в это дело! Как исследователь, работающий над поддержкой алгоритмов машинного обучения в области торговых стратегий.

АФ: Окей, получается, до этого момента трейдинг вас даже не интересовал? Вы просто взялись за ту работу, которая была доступна, верно?

ЭЧ: Верно, в то время в первую очередь меня интересовали технологии машинного обучения и искусственного интеллекта! И мне было не важно, в какой сфере они применялись. Мне был интересен сам подход, методика, а не область применения. Человеческая речь или финансовые данные – это для меня было не особенно важно!

АФ: Такое положение дел сохраняется и по сей день?

ЭЧ: Ну, я, конечно, по-прежнему интересуюсь технологиями машинного обучения и искусственного интеллекта. Но работая в области трейдинга уже… Сколько же там? Более пятнадцати, семнадцати лет?.. На первое место у меня, конечно, давно вышли финансовые рынки. Так что да, круг моих интересов значительно сузился до одной области, области финансов. Но, конечно, я все еще слежу за развитием технологий и за пределами этой области.

АФ: Каков был ваш следующий шаг после работы на Morgan Stanley?

ЭЧ: Ну, так вышло, что наша группа распалась вскоре после того, как я туда вступил. В первую очередь потому что наш основной спонсор ушел в Deutsche Bank, возглавил там отдел трейдинга на мировом рынке ценных бумаг, стал топ-менеджером. Хотя, он и в Morgan Stanley был топ-менеджером, заведовал трейдингом на американском рынке акций. Но в Deutsche Bank он получил должность главы отдела трейдинга на мировом рынке акций – это, конечно, ступенька повыше! Без основного спонсора у нас начали возникать трудности, и с поиском клиентов все было не так гладко. Некоторые из моих коллег решили покинуть фирму и перейти в Credit Suisse, открыть там собственный отдел проп-трейдинга. Меня пригласили вместе с ними, и я согласился. Так мы получили возможность продолжить работу над своими методами.

АФ: С какими сложностями в трейдинге вам довелось столкнуться в первые пять лет вашей карьеры?

ЭЧ: Ну, многим моделям алгоритмического трейдинга присуща такая проблема – они хорошо выглядят на бэктестах, но очень тяжело предсказать, насколько хорошо они будут работать на практике. Когда я только перешел в область трейдинга, очевидно, опыта у меня было мало, а вместе с ним – и интуиции в области финансовых рынков. Так что к ним я подходил скорее с теоретической, можно сказать – механической стороны вопроса. И так получалось, что практически каждая модель, которую я разрабатывал вместе со своей группой, не работала на реальном рынке! Идеальная работа на бэктестах – полный провал на реальных котировках. Это оказалось для меня неожиданным и серьезным испытанием.

АФ: То есть можно сказать, что даже обладая обширными знаниями в области машинного обучения, искусственного интеллекта и так далее, очень тяжело применить их в трейдинге, если ты при этом не разбираешься в механизме работы рынков. Тут все не черно-белое! И котировки – это не просто наборы данных, с которыми вы привыкли работать.

ЭЧ: Да, но была еще такая проблема – данные по рынкам были довольно скудными. Ну, по сравнению с другими наборами для машинного обучения. Например, чтобы с помощью машинного обучения научить компьютер понимать человеческую речь, требуется загрузить в него миллионы статей для обработки! Буквально миллионы. А в том, что касается трейдинга… В особенности если мы говорим не о высокочастотном трейдинге! Данных просто недостаточно, чтобы натренировать систему должным образом. Я обнаружил, что для настройки таких систем просто необходима человеческая интуиция. Так можно получить неплохие результаты даже при ограниченном объеме данных.

АФ: Эрни, как бы вы описали свой стиль трейдинга тем, кто с вами совершенно не знаком? Поделитесь с нами, на каком таймфрейме вы торгуете, какие рынки вы отслеживаете, расскажите немного о своем подходе.

ЭЧ: Ну, приоритет у нас стоит на внутридневном трейдинге. Но не на высокочастотном! Такой выбор обусловлен тем, что это позволяет нам добиться достаточно высокого значения коэффициента Шарпа, что само по себе свидетельствует о статистической значимости. То есть если коэффициент Шарпа высок, мы можем утверждать, что результат, который мы наблюдаем – это не чистая удача. Значит, наш подход верен.

А высокочастотным трейдингом мы не занимаемся потому, что это требует значительно больших инвестиций в инфраструктуру, что при нашем уровне активов не оправдано. Так что сосредоточены мы в первую очередь на внутридневном трейдинге, время удержания позиции у нас в среднем несколько часов.

Изначально мы работали только с рынком форекс, так как это самый ликвидный рынок.

АФ: Давайте представим, что новичок в этом деле создал свою первую торговую систему. Результатами ее тестирования он удовлетворен. Разумно ли ему будет начать торговать по ней?

ЭЧ: Да! Конечно. Если у вас есть только одна стратегия – можете смело начинать торговать по ней. Но никогда не стоит завышать риски на одной-единственной стратегии.

АФ: Здорово, хорошо сказано, Эрни! Как я понимаю, некоторые ваши стратегии созданы, чтобы ловить импульсы, другие же зарабатывают на возврате к среднему. Вам приходится самим выбирать, какой тип стратегии лучше всего подходит к текущему состоянию рынка, и включать-выключать их? Или это запрограммировано в алгоритмы?

ЭЧ: Нет, мы не нашли способа предсказать, что будет хорошо работать в следующем месяце, импульсные стратегии или возврат к среднему. Конечно, задним числом все очень просто. «О, боже, в этом месяце надо было нам торговать тренд, а не откаты!» Но как можно предсказать наверняка, что делать в следующем месяце? Разработать модель для этой задачи нам пока не удалось. Есть люди, которые утверждают, что справились с этим. Опять же, они, конечно, молодцы, но у нас не получилось! Так что, как я и сказал, мы просто работаем по нескольким моделям одновременно. Какая-то потеряет, какая-то заработает. Если все будет хорошо – прибыль окажется больше убытков.

Баланс тут, конечно, очень шаткий, и не всегда нам удается сделать все идеально. Случаются у нас и убыточные месяцы. Полностью избавиться от рисков нам не удалось! Будь у нас каждый месяц прибыльным – было бы здорово, конечно. Но такого уровня совершенства мы пока не достигли. Но результаты обнадеживающие – большинство месяцев у нас плюсовые. А те, которые минусовые, приносят убытков намного меньше… Ну, не намного, но все-таки меньше, чем плюсовые приносят прибылей. Практика показывает, что подход наш вполне жизнеспособен!

АФ: Ясно… А есть ли в вашем стиле трейдинга дискреционные составляющие?

ЭЧ: Да, в том, что касается капитализации стратегий. Причина тут в том, что… Некоторые из наших стратегий торгуют без перерыва с того самого момента, как их запустили. Хоть у них и случались просадки, они никогда не переставали работать. Нашему фонду уже четыре года, и эти стратегии – его костяк. Но другие стратегии, хоть и показывали хорошие результаты на запуске и могли проработать в плюс около года, начинали потом терять деньги месяц за месяцем. Так что нам пришлось убавить их долю капитала… Хотя, получается, нельзя сказать, что это полностью дискреционное решение, раз мы принимали его системно, основываясь на прибыли в процентах.

Но вот насчет того, что касается новой, только что созданной стратегии – тут никогда не знаешь, какой процент средств на нее можно назначить. Ведь, как по мне, нельзя просто сказать: так, в бэктестах у нее был коэффициент Шарпа 2, значит, капитала ей можно отвести вот столько! Это неразумно. Потому что сколько бэктестов не проводи, всегда есть опасность:

1. чрезмерной оптимизации, подгонки параметров,

2. перемены состояния на рынке,

3. того, что при торговле значительными объемами эта стратегия окажет влияние на рынок.

Так что, добавляя в портфолио новую стратегию, мы всегда начинаем с очень небольших рисков. И потом поэтапно наращиваем их до рабочего уровня. Вот этот процесс как раз дискреционный! Не думаю, что тут можно придумать какой-нибудь беспроигрышный алгоритм, ведь к какому алгоритму не придешь – основываться он будет на бэктестах. А бэктест по умолчанию утверждает, что эта стратегия – отличная! Бэктестам мы не верим на сто процентов, это одно из условий задачи. А раз мы не верим им на сто процентов – невозможно избежать использования дискреционной составляющей в процессе решения, как быстро наращивать процент капитала у новой стратегии. Когда работаешь с динамически изменяющимся пулом стратегий, некоторые из них умирают, другие рождаются. И в этом процессе применяется дискреционный элемент!

АФ: Окей, круто! У меня заготовлены вопросы насчет бэктестинга, но сейчас я хотел бы спросить вас о менее очевидных вещах – о различиях между дискреционным и системным трейдингом. Какое у них распределение прибылей? Спрашиваю, потому что слышал, как дискреционные трейдеры говорят, что линия доходности у них ломаная, и бывает, что девяносто процентов их профитов обуславливается всего лишь десятью процентами их сделок. Так случается и в системном трейдинге? Или линия доходности там более плавная?

ЭЧ: Я думаю, разница тут не между дискреционным и системным трейдингом, а между импульсными стратегиями и стратегиями возврата к среднему! Типичная характеристика стратегии возврата к среднему – профиты в сделках все примерно одного размера. И почти каждая сделка – прибыльная, за редким исключением. Но это исключение обычно приносит убыток раз в десять больше, чем стандартный профит. Это – свойство стратегии возврата к среднему, и не важно, торгуют по ней дискреционно или системно.

Противоположный подход – это, конечно, импульсные стратегии. В таких стратегиях большинство сделок приносят небольшие убытки. Но время от времени случается редкая сделка, которая приносит прибыль размером раз в десять больше средней убыточной сделки. Так что да, я бы сказал, что ситуация, которую вы описали, все-таки объясняется типом стратегии.

У дискреционного трейдинга есть свои плюсы и минусы, как и, конечно, у алгоритмического трейдинга. Хорош он тем, что в нем можно учесть контекст, многие переменные: макроэкономические данные, внезапные землетрясения, какое-нибудь политическое решение, принятое в отдаленном уголке мира. Все эти редко встречающиеся события просто невозможно учесть в модели. Но человеку это под силу! Расцветающий дефолт Греции? Не лучшее время для торговли европейскими облигациями! Или типа того. Это – совершенно разумное дискреционное решение, которое модель принять никак не может. Это – плюс дискреционного трейдинга. Возможность учесть в контексте редкие, но важные события.

Но минус его в том, что человеческий мозг может сосредотачиваться одновременно лишь на малом количестве задач. Исследования показали, что мультизадачность не работает. Если человек занимается мультизадачностью – он в итоге получает снижение производительности в каждой из задач. Так что дискреционный трейдер вряд ли сможет одновременно торговать по многим стратегиям. И, как результат – ломаная линия доходности. Ну, если только он не будет торговать по высокочастотной стратегии, основанной на возврате к среднему... Из-за недостатка диверсификации в дискреционном трейдинге очень непросто добиться высокого коэффициента Шарпа. В отличие от хорошо диверсифицированного, сбалансированного портфолио! Потому и линия доходности более ломаная... Это простое следствие недостатка диверсификации. Бросаю вызов дискреционному трейдеру попробовать торговать по семи внутридневным стратегиям одновременно. Не представляю, как такое возможно.

АФ: Да, хорошо сказано, Эрни, спасибо, что разъяснили. Вы упомянули, что тяжело учесть все макроэкономические новости и события. Пытаетесь ли вы при разработке систем учитывать хотя бы некоторые из них? Или вы всегда основываетесь на одной только цене?  

ЭЧ: До этого момента при разработке стратегий нам не удавалось учитывать новости. Но в последнее время все больше становится поставщиков данных по настроению на рынках. Так что, может, в скором будущем мы сможем учитывать этот аспект в разработке своих торговых систем. Хотя, данных для бэктестинга у нас нет... Да и случаются время от времени исключительные события, которые принять во внимание мы можем только по ходу торговли. В редких случаях мы вносим в модель корректировки или и вовсе отключаем ее, если мы уверены, что с надвигающейся ситуацией она не справится. Не торговать во время природных катаклизмов или крупных экономических событий – это вопрос риск-менеджмента. Да, получается, это еще один дискреционный элемент в нашей торговле, модель такого учесть не может!

АФ: Да, это разумно! Давайте поговорим о процессе генерирования идей. Вас, наверное, часто об этом спрашивают, но как вы ищете жизнеспособные идеи для разработки торговых стратегий?

ЭЧ: Ну, я настроил, можно сказать, своеобразный пылесос для идей! Я подписан на ряд аккаунтов в твиттере, которые на ежедневной основе публикуют заголовки и ссылки на новые статьи на тему финансов и трейдинга. Так что я всегда в курсе всего нового и интересного! Читаю их, когда появляется свободное время, иногда черпаю неплохие идеи. Также я, конечно, читаю и книги по трейдингу. От сравнительно элементарных до тех, которые почти целиком состоят из одних только уравнений, полный спектр! Потребляю их на постоянной основе.

Нужно сказать и о «живом» трейдинге. Часто случается, что в процессе торговли ты замечаешь какой-то феномен. В этом и состоит главное отличие между исследователем, который сидит у себя в кабинете и… Исследует - смотрит на бумаги, на данные, и трейдером, который действительно наблюдает рынок в реальном времени. Ведь когда на кону реальные деньги, бывает, мозг ухватывает такую информацию, на которую при бэктестинге он не обратил бы внимания. Так что я часто черпаю вдохновение в особенно необычных паттернах профитов и лоссов в течение дня. Это тоже можно использовать для разработки новых торговых моделей! Так что да, торговые идеи приходят из самых разных источников.

АФ: Очень интересно, рад, что вы рассказали об этом! А какие у вас мысли насчет научных исследований финансовых рынков? К примеру, я слышал, что к ним следует относиться с осторожностью, потому не факт, что их результаты будут работать на реальном рынке. Есть ли какие-то меры предосторожности, на которые следует обратить внимание тому, кто берется за чтение научных исследований?

ЭЧ: Да! Очевидно, нельзя просто так взять и предположить, что результаты исследований будут работать и на реальных рынках. На то есть много причин: в одних наблюдается подгонка результатов, в других не учтены операционные издержки, в третьих были использованы данные низкого качества. Так что большинство из того, что вы можете найти, на практике работать не будет, пока вы не исправите некоторые неэффективности. Но время от времени натыкаешься на идею, которая и правда работает! Выдерживает испытание бэктестингом. Вы переходите на реальный трейдинг – а она продолжает работать! Как раз одна такая стратегия есть в нашем арсенале. Так что это доказывает, что научные исследования вполне могут работать!

Хоть стратегии, которые являются результатом исследований, могут приносить прибыль, они, как правило, не ведут себя точно так, как описано в научной работе. Так что не важно, из какого источника мы черпаем идеи для создания торговых стратегий – нельзя просто вслепую копировать то, что мы прочли. Всегда нужно вносить значительные модификации! Что бы вы не прочли в публичном доступе – относитесь к этому, как к источнику вдохновения, а не как к готовому рецепту!

Время от времени я получаю такое письмо: «Эй, та стратегия, о которой вы написали пару лет назад, больше не работает! Как так?» На что я отвечаю: «Во-первых, я по ней все еще торгую, и она приносит прибыль. А во-вторых, почему она работает у меня, но не работает у вас? Потому что я внес в нее модификации, так что она немного отличается от описанной (смеется)!» Так что и всем я предлагаю делать то же. Нет, я даже настаиваю! Не копируйте никого. Ни меня, ни другого исследователя, никого! Потому что, очевидно, мало кто глуп настолько, чтобы раскрыть сто процентов своих секретов. Это касается и не только тех, кто занимается научными исследованиями… Я могу это утверждать, потому что знаком со многими из них. Люди не всегда занимаются этим из любви к науке, они могут иметь интерес в каком-то хедж-фонде или торговать на собственном депозите. И некоторые детали они могут просто недоговаривать. Как и я! Так что очень важно не копировать кого-то вслепую – модифицируйте стратегию на свой вкус, делайте поправки на свой опыт, на критерии, важные для вас!

АФ: Вы упомянули, что вы вносите в свои стратегии модификации. Можете дать примеры? Когда вы решаете, что пора это сделать? И как определить, стоит вносить модификации или лучше забросить стратегию, потому что она перестала работать?

ЭЧ: Ну, в некоторых ситуациях причина, из-за чего стратегия теряет деньги, вполне очевидна. К примеру, у вас в работе находится стратегия по торговле японскими облигациями, основанная на возврате к среднему. И вы замечаете, что она начинает терять деньги, когда вырастает волатильность. Значит, ширина канала слишком мала и уже не подходит к текущей высокой волатильности. Что тут можно сделать? Снизить период индикаторов – так стратегия станет более отзывчивой к текущей ситуации. Другой вариант – установить ограничители волатильности. Одну проблему можно решить разными способами. Но, конечно, после того, как вас посетила светлая идея улучшить стратегию, внести какие-то фичи, добавить модификации – нужно провести бэктесты! Одной веры в то, что ваша правка улучшит положение, недостаточно. Нужно проверить это на исторических данных. Бывает, что правка не улучшает доходность, но если она снижает риск – она все равно обоснована! Снижение риска – это уже здорово, часто при этом и стремиться к повышению доходности не обязательно.

АФ: Конечно, верно подмечено! Раз уж мы затронули тему бэктестинга, давайте уделим ей немного внимания. Какие ошибки тут подстерегают трейдеров?

ЭЧ: Ну, конечно, основная ошибка – подгонка результатов. Когда мы только начинали, это оказалось для нас большой проблемой. Мы все усложняли и усложняли модель… Пусть она и хорошо выглядела на бэктестах, предсказуемой силы у нее не было. Это в бэктестинге самая большая проблема! Ее решение – во-первых, нужно специально следить, чтобы ничего не усложнять. А во-вторых, надо оценивать, выглядит ли модель здраво. Главное, что она должна делать – ухватывать на рынке феномен, который где-то ранее был уже хорошо описан. Нужно быть уверенным, что модель реагирует именно на сигналы, не на шум.

АФ: Да, это, пожалуй, перекликается с тем, что мы обсуждали ранее. Что нужно понимать, как работает рынок, одного умения программировать недостаточно. Я хотел спросить, насколько можно доверять бэктестам в плане прогнозируемой доходности? До какой степени можно на них положиться?

ЭЧ: Ну, для нас бэктест – это в первую очередь опровержение нулевой гипотезы. Другими словами, мы хотим, чтобы бэктест по крайней мере не показал отрицательных результатов. Ведь если стратегия убыточная – понятное дело, что мы ее отбрасываем, какой смысл тратить на нее время и деньги! Но если стратегия демонстрирует хороший коэффициент Шарпа… Коэффициент Шарпа – сам по себе хороший тест! Чем он выше – тем большим статистическим преимуществом обладает стратегия. И тем больше у нас уверенности в бэктесте. Конечно, это не означает, что результаты и на реале будут хорошие. Но если у стратегии высокий коэффициент Шарпа, при торговле на реале очень быстро станет понятно, имела место чрезмерная оптимизация или нет. Потому если у нас есть стратегия, показывающая просто астрономическое значение коэффициента Шарпа, скажем, в 10, на деле это означает, что каждая неделя будет профитной, а то и каждый день! При коэффициенте Шарпа 10 это практически гарантировано. Так что в «живой» торговле менее чем за месяц станет понятно, правдив был бэктест или нет. Каждая неделя должна быть профитной, а по факту за месяц торговли у нас просадка в три недели (смеется)? Сразу понятно, что бэктест был не вполне реалистичен.

АФ: А каков ваш подход к операционным издержкам? Под ними я, конечно, подразумеваю проскальзывания, комиссии, рыночное влияние и так далее. Как вы учитываете это при бэктестинге?

ЭЧ: Ну, основная составляющая операционных издержек – bid/ask спред. Чтобы реалистично его смоделировать, требуется высокочастотные данные котировок. Об этом я подробно рассказал в одной из моих статей в блоге, там описывается разница в тестировании между краткосрочными и долгосрочными стратегиями. При тесте краткосрочных нужно использовать высокочастотные данные, потому что реальные значения спреда просто необходимы! Иначе нельзя будет точно определить цену исполнения ордеров.

Кроме того, стоит учитывать объемы наилучших доступных цен для исполнения. Многие стратегии, в особенности высокочастотные, отлично смотрятся на бумаге… Это особенно верно в отношении многих научных исследований. Но лиши их наилучших доступных цен – и они начинают совсем плохо выглядеть. Они, конечно, могут приносить прибыль, если вы торгуете по чуть-чуть, скажем, сотней акций. Но при попытке поторговать ордерами в тысячу, в десять тысяч акций стратегия просто развалится на части. Так что в некоторых случаях важна не только цена, но и объемы.

Есть и более сложные проблемы. Рыночное влияние, например! Как быстро восстановится ликвидность после того, как вы вошли по лучшим ценам? Или, например, если вы планируете входить отложенными ордерами большого размера, как это повлияет на поток ордеров? Конечно, это в первую очередь проблемы высокочастотного трейдинга, но и дискреционные трейдеры, удерживающие позиции по паре часов, тоже могут оказывать влияние на рынок, если они входят большими объемами. Так что не стоит списывать со счетов этот тип операционных издержек, ведь это может привести к упущенным возможностям. Эта проблема сейчас активно освещается теми, кто занимается исследованиями в области высокочастотного трейдинга, выдумано множество сложных уравнений, чтобы смоделировать этот процесс… Просто хотел рассказать о не столь очевидных операционных издержках! Правда, тоже не могу утверждать, что мы с ними разобрались, все это сейчас – область активных научных исследований.

АФ: Расскажите о каком-нибудь распространенном заблуждении насчет количественного трейдинга? Давайте дам пример! Люди считают, что количественный трейдинг – это дело для тех, кто в математике – гений. Как вы считаете, может ли с этим справиться любой человек, готовый серьезно потрудиться?

ЭЧ: Да, я считаю, что этим может заниматься каждый! По крайней мере, если человек не боится, что ему придется научиться пользоваться Excel. Я сотрудничал с трейдерами, которые смогли добиться успеха, вообще не умея программировать! Но они умели пользоваться Excel. Они, конечно, занимались не высокочастотным трейдингом, в позиции они входили один раз в день. Но это не значит, что это не количественный трейдинг! Он может быть и очень медленным, вплоть до удержания позиции целый квартал или даже год. Так что… Не нужно быть гением математики или программирования. Все, что нужно – уметь собирать данные и проводить бэктесты, и не важно, какими инструментами вы при этом пользуетесь, пусть даже Excel.

АФ: Хорошо, а с чего начать трейдерам, которые хотят заняться этим делом?

ЭЧ: Пусть попробуют провести бэктесты каких-нибудь самых простых стратегий. Может, услышанных от кого-то или прочитанных в журнале, блоге, книге. Таких немало! Я встречал много книг, где давались совершенно элементарные стратегии. К примеру, «покупайте индекс 1 мая, продавайте в конце октября». Куда уж проще? Тут главное – начать! Или, к примеру, стратегии, основанные на пересечении ценой скользящей средней. Это все очень легко протестировать в Excel.

Как приобретете некоторую уверенность в своих навыках тестирования, пожалуй, стоит начать изучать какой-нибудь язык программирования. Хоть я и сказал, что можно заниматься этим, зная только Excel, это, конечно, не означает, что это оптимальный вариант. Чтобы стать более продвинутым количественным трейдером, чтобы расширить репертуар своих стратегий, стоит изучить язык программирования. Я всегда рекомендую один из трех: Python, R, MathLab. Это – следующий шаг! Так вы сможете тестировать большее разнообразие стратегий.

АФ: Окей, отличный ответ, Эрни! Раз мы говорим о языках программирования… Вы упомянули Python, MathLab и R. А что вы думаете о таких языках, как, например, TradeStation EasyLanguage? Какие плюсы и минусы есть в работе с более опенсорсовыми языками? Хоть к ним и относятся Python и R, но за использование MathLab все-таки нужно платить… Так вот, каковы плюсы и минусы более проприетарных языков, если можно так выразиться?

ЭЧ: Ну, преимущество использования языка, который предоставляется торговой платформой, конечно, в том, что с его помощью очень легко создавать торговые системы. Можно использовать один и тот же код, и проводя бэктесты, и торгуя в реальном времени. Это очень удобно. Проблема в том, что если вы захотите сменить брокера или терминал, то вам придется писать код с нуля. Перейдете от TradeStation к Interactive Brokers – и толку от вашего EasyLanguage будет мало.

Другая проблема подобных языков – они сильно ограничены в возможностях. Простой пример: скажем, вы захотели построить нейросеть для генерации торговых сигналов. Попробуйте сделать это с помощью EasyLanguage! Это просто невозможно. Я так считаю, потому что если вы захотите построить свою нейросеть с нуля, то на это уйдут, наверное, месяцы. Да и этого времени, должно быть, будет мало, ведь придется иметь еще дело с багами, если только вы не эксперт в написании кода. Но тем, кто владеет Python, MathLab или R… Им не нужно делать это с нуля, у них есть уже готовые библиотеки кода, созданные именно с этой целью. Такова гибкость стандартных языков! Хотите использовать нейросети в торговле у TradeStation – придется ждать, пока TradeStation не разработает нужные библиотеки. Что, возможно, не случится никогда.

Источник

ЧИТАЙТЕ ТАКЖЕ:

Интервью с Рольфом Шлотманном: трейдером, путешествующем по миру

Интвервью с Джеймсом Хартом, известным на Западе аналитиком и трейдером

Трейдер на пляже

ВОПРОС К ВАМ:

Занимались ли вы собственной исследовательской деятельностью на рынке Форекс? Повышаете свой уровень знаний о трейдинге? Что вам в этом помогает?

Пишите в комментариях…