Большинство количественных фондов - это новый источник глупых денег, которые можно использовать для получения прибыли в то время, когда количество неосведомленных и неквалифицированных розничных трейдеров сократилось. Операционные ограничения таких фондов делают их легкой мишенью.

Торговля - это игра с нулевой суммой. Хотя некоторые считают, что это не так, они делают это на свой страх и риск. Если трейдер не понимает, что прибыль должна исходить от убытков других участников рынка, то условия для неудачи уже созданы. Однако цель этой статьи не заключается в том, чтобы убедить любого, кто сопротивляется осознанию этого факта.

В 1980-х и 1990-х годах, когда торговля была очень популярна, профессиональные трейдеры и другие опытные участники рынка могли получать значительную прибыль за счет предложения немых денег. Неквалифицированные и неинформированные розничные трейдеры, использующие непроверенные методы, такие как графические модели, были основным источником прибыли для CTA, маркет-мейкеров, опытных профессиональных трейдеров и других хорошо информированных участников рынка. После краха доткомов и во время последовавшего за ним медвежьего рынка большинство неквалифицированных трейдеров ушли с рынка, а некоторые из них стали пассивными инвесторами. Поэтому неудивительно, почему доходность CTA и других квалифицированных участников рынка осталась низкой, поскольку: вокруг не хватает тупых денег. Я говорю это годами и недавно подтвердил Нил Бергер.

Учитывая вышеизложенное знакомство с рыночными реалиями, трейдерам стало намного труднее генерировать альфу, по крайней мере, за последние 10 лет. Кстати, пассивные инвесторы получили большую прибыль на фондовых рынках благодаря неустанным вмешательствам центральных банков, но эта вечеринка скоро закончится. Кроме того, эти пассивные инвесторы подвергаются высокому риску того, что в какой-то момент у центральных банков возникнет соблазн зафиксировать прибыль и профинансировать социальную политику местных органов власти, что, как я считаю, является основным намерением инвестирования в трендовые фондовые рынки. На самом деле, продажи центрального банка могут вызвать следующий медвежий рынок, а не геополитические события.

Плохая новость заключается в том, что в розничной торговле не так много тупых денег. Хорошая новость в том, что появилось много новых количественных фондов. Хотя люди, которые управляют этими фондами, умны и обладают математическими навыками и навыками программирования, у них нет опыта работы на рынке, хотя они думают, что да, потому что после прочтения нескольких книг по этой теме они считают, что торговля на рынках эквивалентна развертыванию алгоритма. Большинство обнаруживает, что это еще не так поздно и в дядюшке. У меня есть несколько историй, которыми я хочу поделиться, но не буду.

Ограничения количественных хедж-фондов

У количественных хедж-фондов есть некоторые ограничения, которыми могут воспользоваться опытные профессиональные трейдеры:

1. Алгоритмы высокопроизводительной торговли

Фонды ожидают притока денег, и поэтому их стратегии должны учитывать это. Это накладывает ограничения на тип стратегий, которые они могут использовать. Чтобы увеличить емкость, необходимо торговать большим количеством инструментов, и это обычно доступно на фондовых рынках сейчас, когда ликвидность на фьючерсных рынках намного ниже. Составляющие S&P 500 являются примером того, что составляет подходящую вселенную. Торговля большим количеством ценных бумаг снижает дисперсию доходности, но также и ожидаемую прибыль за счет применения слабой модели из-за компромисса отклонения и отклонения. Короче говоря, ограничения высокой емкости обычно приводят к слабым моделям и более низкой доходности при высоком уровне торговых трений.

Профессиональные трейдеры могут воспользоваться этим ограничением, сконцентрировавшись на торговле индексными ETF с относительно более быстрыми моделями. Ценовое действие в этих ETF влияет на нижнее ценовое действие из-за ребалансировки. Конечным результатом является то, что хедж-фонды торгуют отдельными акциями по худшим ценам.

Еще один более продвинутый способ получения прибыли от ограничения емкости - использование очень быстрых алгоритмов. HFT-трейдеры уже делают это, но трейдеры со средней и низкой частотой могут выиграть, если отставание будет небольшим.

2. Ограничение низкого бета-тестирования

Большинство количественных хедж-фондов требуют показателей с низкой корреляцией с рынком. Это означает, что бета-версия максимально приближена к 0. Однако это исключает большой класс высокодоходных моделей с поправкой на риск. Например, правило импульса скользящего среднего за 1–12 месяцев в SPY с самого начала имеет коэффициент Шарпа 0,90 по сравнению с 0,55 для покупки и удержания, но бета составляет 0,48, что намного выше желаемого порога.

Профессиональные трейдеры могут использовать аналогичные модели, которые, хотя и имеют более высокую бета-версию, тем не менее снижают потенциальную прибыль хедж-фондов, требующих более низкой бета-версии.

Вышеупомянутая модель была представлена ​​в качестве примера, но весьма вероятно, что на ее будущую эффективность также негативно повлияет удача «тупых денег» и поддержки со стороны центрального банка. Это называется «пешеходной» стратегией, и это только пример.

3. Полагаться на советы академических исследователей

Опора на академических исследователей - это, вероятно, худшее, что может сделать хедж-фонд. Существует огромная разница в настроении между академическими исследователями и профессиональными опытными трейдерами, использующими скин в игре.

Недавно я видел презентацию академического исследователя для хедж-фондов относительно использования машинного обучения. Для меня было очевидно, что, хотя исследователь - умный человек с продвинутыми математическими навыками, он использовал странную терминологию с целью создать шумиху и произвести впечатление.

Предвзятость интеллектуального анализа данных и p-hacking являются проблемой, но решения академических исследований неоднозначны и игнорируют тот факт, что чрезмерно подогнанные модели могут хорошо работать даже десятилетия и приносить значительные выгоды до того, как p-hacking станет очевидным в ретроспективе. В торговле гораздо важнее знать, когда рыночные условия меняются, чем оценка систематической ошибки интеллектуального анализа данных. На самом деле, переоборудованная модель может быть хорошим решением, пока рыночные условия остаются прежними. У меня есть примеры в моей статье Ограничения количественных утверждений об оценке торговой стратегии. Я получаю электронные письма от людей, которые рассказывают мне, как эта статья изменила их взгляд на разработку стратегии и рынки. И, разумеется, я не жду похвалы от академических исследователей, поскольку у них разные цели.

4. Многие количественные фонды обречены.

Почему я указываю это как ограничение? На мой взгляд, это потому, что любой, кто верит, что с помощью алгоритмов можно легко заработать, рано или поздно проиграет. Торговля - это гораздо больше, чем просто алгоритмы, и это знает каждый, у кого есть скин в игре. Есть множество факторов, которые могут повлиять на производительность. Держать все под радаром - тяжелая работа, требующая либо большой группы высокодисциплинированных сотрудников и разделения задач (Принципы Рэя Далио и Бриджуотер), либо сохранение небольшого размера операции - шоу одного человека, сосредоточенное на нескольких ликвидных рынках. Факторы, функции, машинное обучение, алгоритмы, бэктестинг, предвзятость интеллектуального анализа данных, модные платформы и т. Д., Возможно, составляют менее 50% работы. Остальные 50% связаны с исполнением, обслуживанием и устранением неожиданностей.

Резюме

Новые количественные фонды имеют несколько ограничений, которые профессиональные трейдеры могут использовать для получения прибыли. Требования к высокой емкости, низкие ограничения бета-тестирования, полагаться на академические советы и думать, что алгоритмическая торговля является панацеей - вот некоторые из них. Количественные хедж-фонды - это новые тупые деньги, несмотря на то, что люди, которые ими управляют, могут быть умными и высокообразованными. Игра с нулевой суммой безжалостна.

Примечание редакторам Data Science. Хотя мы разрешаем независимым авторам публиковать статьи в соответствии с нашими правилами и рекомендациями, мы не поддерживаем вклад каждого автора. Не стоит полагаться на работы автора без консультации с профессионалами. См. Подробности в наших Условиях для читателей.

Эта статья изначально была опубликована в Блоге Price Action Lab

Если у вас есть какие-либо вопросы или комментарии, мы будем рады связаться с нами в Twitter: @ mikeharrisNY

Заявление об ограничении ответственности

Об авторе: Майкл Харрис - трейдер и автор бестселлеров. Он также является разработчиком первого коммерческого программного обеспечения для определения моделей поведения цены без параметров 17 лет назад. Последние семь лет он работал над разработкой DLPAL, программного обеспечения, которое можно использовать для выявления краткосрочных аномалий в рыночных данных для использования с фиксированными моделями и моделями машинного обучения. Щелкните здесь, чтобы узнать больше.