Простые или сложные стратегии торговли — что лучше?

В сообществе квантовых трейдеров давно идет дискуссия о том, какие торговые стратегии лучше - простые или сложные? Считается, что розничные алготрейдеры используют только простые стратегии, а количественные хедж-фонды применяют сложные математические подходы. Однако в последнее время ситуация изменилась.

Розничные алготрейдеры могут проводить сложный анализ благодаря относительно дешевым облачным вычислениям, альтернативным поставщикам данных, предлагающим доступные и простые в использовании наборы данных, а также наличию исследовательских платформ с открытым исходным кодом. Раньше автоматизация торговли была преимуществом программистов и крупных фондов.

Quantstart рассказывает, стоит ли квантовым трейдерам тратить время на реализацию продвинутых стратегий или лучше придерживаться более простых идей.

Предпочтения инвесторов

Одна из ключевых проблем заключается в том, что у каждого инвестора есть свой набор предпочтений и цель, которой он пытается достичь с помощью систематической торговли.

Например, у одного инвестора может быть большой капитал, но ему требуется периодическое получение дохода от прибыли, полученной от торговли. Для такого инвестора важно сохранить капитал и, следовательно, минимизировать просадки.

Другой инвестор может располагать относительно небольшим капиталом и стремиться к его увеличению. В таком случае он не будет особенно беспокоиться о волатильности общей кривой P&L, если можно получить повышенную прибыль.

Некоторые квантовые трейдеры придают гораздо большее значение интеллектуальному стимулированию, связанному с разработкой систематической торговой стратегии. Для них получение положительного дохода может быть приятным «побочным эффектом» их хобби.

Разные предпочтения инвесторов помогают структурировать обсуждение простых и сложных стратегий систематической торговли для трейдеров, которые раздумывают, стоит ли им осваивать более продвинутые подходы.

Простые стратегии проще исследовать и внедрять на рынке. Для них требуется меньше сложных данных и инфраструктуры. Некоторые из них можно реализовывать вручную, даже если сами сигналы генерируются автоматически.

С другой стороны, продвинутые стратегии более интеллектуально привлекательны и, как правило, имеют более высокие коэффициенты Шарпа. То есть они обеспечивают более высокую ожидаемую доходность на единицу волатильности. Для инвестора, который стремится минимизировать просадки и волатильность прибылей и убытков, коэффициент Шарпа будет важным показателем.

Простые торговые стратегии

Вопрос о том, является ли торговая стратегия «простой», во многом зависит от уровня образования и технических возможностей инвестора. У тех, кто получил докторскую степень по стохастическому исчислению, может быть совсем другое представление о «простоте» по сравнению с теми, кто занимается количественным анализом самостоятельно.

В рамках этой статьи мы будем условно называть торговую стратегию «простой», если она применяется на развитых рынках, в отношении крупных, хорошо известных классов активов, с использованием простых инструментов и элементарных математических и статистических методов.

Примерами таких стратегий могут служить сигналы «индикаторов» технического анализа без явного формирования портфеля или компонента управления рисками, применяемые на высоколиквидных рынках, таких как акции США, биржевые инвестиционные фонды или валютный рынок.

Преимущества простых стратегий:

Данные - для всех систематических торговых стратегий нужны данные. Более простые стратегии обычно используют легкодоступные данные о ценах и объемах по популярным инструментам в развитых классах активов. Такие данные можно получить очень дешево или даже бесплатно. Обычно они небольшого размера, и их можно легко загрузить у многих поставщиков через простые в использовании API. Так, « Финам» предоставляет доступ к MOEX, NYSE, NASDAQ через единый API. Скорость от 7 мс. Готовые SDK на GitHub.

Исследование - существует множество сред для тестирования на исторических данных, в которых можно опробовать стратегии в стиле «индикаторов», от коммерческих продуктов, таких как TradeStation или MetaTrader5, до библиотек с открытым исходным кодом, таких как QSTrader, Backtrader и Zipline, а также Pandas. Более простые стратегии часто можно легко реализовать в одной из этих платформ. Благодаря платформе Ziplime от «Финама», любой трейдер может превратить свою торговую идею в полноценного робота. Он будет работать 24/7, точно следуя заданным правилам, без эмоций и усталости.

Транзакционные издержки - благодаря использованию простых инструментов на развитых ликвидных рынках относительно легко оценить транзакционные издержки. Это, в свою очередь, упрощает определение того, будет ли стратегия прибыльной за пределами выборки.

Инфраструктура - стратегии технического анализа, выполняемые с низкой частотой, могут быть автоматизированы с помощью относительно простой инфраструктуры. В зависимости от требуемого уровня надежности задание cron можно настроить таким образом, чтобы оно формировало список желаемых сделок, а исполнение осуществлялось вручную.

Пропускная способность - благодаря использованию простых инструментов на высоколиквидных рынках вероятность возникновения проблем с пропускной способностью ниже.

Вместе с тем, простые стратегии имеют и недостатки:

Альфа - стратегии технического анализа, основанные на «индикаторах». Они чрезвычайно популярны и широко распространены на финансовых рынках. До сих пор неясно, приносят ли простейшие стратегии какую-либо пользу, помимо базовых стратегий «купи и держи» или тактического распределения активов на основе импульса. То есть сами по себе стратегии могут не приносить «альфу», а скорее получать «бета-доходность» от самого рынка или других хорошо известных академических факторов риска.

Прибыльность - из-за широкого распространения таких подходов может быть сложно стабильно получать прибыль на исторических данных с учетом реальных транзакционных издержек. Вот почему так важно максимально точно оценивать транзакционные издержки при любых ретроспективных тестах.

Статистическое тестирование - хотя оно и не является проблемой для простых торговых стратегий, часто можно увидеть, что более простые стратегии практически не подвергаются тщательному статистическому анализу. Таким образом, многие стратегии, демонстрирующие высокую эффективность на ретроспективных данных, могут быть просто переобучены на исторических данных.

Дискрециональность - простые стратегии, реализуемые вручную, могут привести к тому, что в процесс будут вноситься элементы дискрециональности. Например, отсрочка входа в сделку из-за «напряженного» часа открытия биржи или использование «интуиции» для принятия решения о сделке. Это затрудняет оценку реальной эффективности стратегии.

Формирование портфеля - в простых стратегиях обычно не используются надежные методы формирования портфеля или управления рисками. Несмотря на то, что часто используются «стоп-лоссы», не так широко распространена практика применения таргетирования волатильности, равного взвешивания волатильности (также известного как «паритет риска») или диверсификации по рынкам в качестве потенциальных механизмов повышения доходности с поправкой на риск.

Интеллектуальное вознаграждение - в простых стратегиях редко используются сложные математические методы или продвинутый анализ. Если целью инвестора является интеллектуальное вознаграждение, то простая стратегия вряд ли поможет достичь этой цели.

В итоге, хотя более простые торговые стратегии гораздо легче внедрить, протестировать и использовать, их простота может достигаться за счет снижения статистической надежности и долгосрочной прибыльности.

Сложные торговые стратегии

К сложным относятся стратегии, основанные на статистическом тестировании гипотез, обширных знаниях в области классов активов, строгой методологии формирования портфеля, а также на более неликвидных, нишевых классах активов или инструментах, таких как развивающиеся рынки, сырьевые товары и деривативы.

Такие стратегии обычно используются институциональными количественными хедж-фондами, но в последнее время они становятся все более распространенными в сфере розничной квантовой торговли благодаря доступности данных и более совершенным инструментам моделирования.

Преимущества сложных стратегий:

Корреляция - сложные стратегии, как правило, менее коррелируют с общим рынком и любым существующим портфелем, состоящим из других торговых стратегий. Это приводит к повышению коэффициента Шарпа всего портфеля.

Прибыльность - при наличии глубоких знаний в предметной области можно довольно точно оценить транзакционные издержки. Это означает, что зачастую проще определить, будет ли стратегия прибыльной на исторических данных. Таким образом, многие идеи, не показавшие прибыльности на исторических данных, можно отсеять до начала реального тестирования.

Статистическое тестирование - сложные подходы часто сопровождаются тщательным статистическим анализом торговых стратегий. Это означает, что при использовании развернутых стратегий наблюдается меньшее снижение эффективности на тестовых данных по сравнению с более простыми стратегиями, которые могли быть переобучены на обучающей выборке.

Альфа - из-за использования нишевых инструментов на менее развитых рынках в таких стратегиях больше потенциала для «альфы». Эта «альфа» имеет тенденцию к более медленному снижению из-за замедленного распространения знаний о стратегии по всему рынку.

Формирование портфеля - формирование портфеля и управление рисками идут рука об руку со сложными стратегиями. Она помогает привести цели инвестора в соответствие с эффективностью стратегии.

Интеллектуальное вознаграждение - продвинутые стратегии требуют более сложного анализа, более глубоких математических знаний и более масштабной разработки программного обеспечения. Для некоторых инвесторов-любителей это более важная цель, чем получение прибыли. Поэтому их часто привлекают более сложные подходы к систематической торговле.

Недостатки сложных стратегий:

Математическая сложность - для работы с некоторыми из наиболее продвинутых подходов к систематической торговле часто требуется знание статистического анализа, анализа временных рядов, стохастического исчисления или машинного обучения. Хотя этим знаниям можно научиться самостоятельно, гораздо проще получить соответствующие знания в рамках бакалавриата, магистратуры и/или докторантуры.

Знание предметной области - даже при наличии нескольких высших образований необходимо обладать достаточными знаниями в предметной области какого-либо нишевого класса активов или типа инструментов, чтобы стабильно получать прибыль с помощью любых продвинутых методов систематической торговли. Такие знания часто приобретаются в ходе многолетней работы в банке или фонде.

Данные - как правило, стоимость данных зависит от частоты выборки, охвата, продолжительности истории, качества данных и специфики класса активов/инструмента. Более продвинутые стратегии ориентированы на нишевые рынки для получения альфы. Следовательно, данные могут быть очень дорогими. Такие затраты необходимо учитывать, чтобы стратегия приносила прибыль.

Исследование - если стратегия специально разработана для торговли более экзотическими инструментами, то требуется специализированная среда для тестирования на исторических данных. Обычно это означает разработку полностью уникального кода с нуля. Это требует значительных временных затрат. Кроме того, чтобы избежать ошибок, нужны обширные навыки в области разработки программного обеспечения.

Инфраструктура - даже если для исследования сложных стратегий была создана надежная система тестирования на исторических данных, для торговли по ней требуется не менее сложная инфраструктура. Скорее всего, она должна быть полностью автоматизирована. Это потребует сложного развертывания, тестирования и мониторинга. «Финам» предлагает создание и тестирование роботов на MQL5. Написание советников (EA). Наличие кастомных индикаторов для трейдеров. 6000+ бесплатных роботов и фриланс-платформа для заказа робота под ключ

Потенциал - некоторые сложные стратегические подходы работают только потому, что ограничены в потенциале. Крупные фонды не могут использовать эти стратегии, потому что затраты времени не оправдывают абсолютную прибыль, которую они могли бы получить. Это означает, что существует верхний предел суммы капитала, которую можно вложить в продвинутый подход.

Сложные торговые стратегии дают больше шансов на получение «альфы» и потенциально более высокую прибыльность, но для этого требуются более сложные математические расчеты, необходимые знания в предметной области и более сложная инфраструктура для автоматической торговли.

Резюме

В целом очевидно, что более простые торговые стратегии можно вывести на рынок гораздо быстрее. Для их использования требуется гораздо меньше базовых знаний, и их можно применять вручную, даже если сигналы генерируются автоматически. Однако они с большей вероятностью будут переобучены и менее прибыльны, чем более продвинутые подходы.

Сложные стратегии обеспечивают некоррелированную «альфа-прибыль», разумную доходность и интеллектуальную стимуляцию. Однако это достигается за счет более высоких затрат на данные, большего времени, затрачиваемого на разработку исследовательской и торговой инфраструктуры, а также необходимости более глубокого понимания предмета.

Объедините высокочастотные и классические стратегии в одном пуле активов. Используйте и скорость, и полный функционал биржи без необходимости держать несколько счетов. Прямой доступ на биржи менее чем за 50 микросекунд.