CC BY
80
2.2. ОПЫТ ОРГАНИЗАЦИИ ВЫСОКОЧАСТОТНЫХ ФИНАНСОВЫХ ПРИЛОЖЕНИЙ
Ерешко Антон Феликсович, младший научный сотрудник, Вычислительный центр им. А.А. Дородницына РАН ФИЦ ИУ РАН, г. Москва. E-mail: asprs@yandex.ru
Аннотация
Задача: описать опыт создания аппаратно-программного комплекса для проведения высокочастотной алгоритмической торговли финансовыми инструментами.
Модель: изложена общая схема автоматизированной торговли на финансовых рынках и аппаратно-программного комплекса для специального класса алгоритмической торговли - высокочастотной торговли.
Выводы: новые возможности информационно-коммуникационных технологий и программно-аппаратных систем эффективно решают задачи финансовой индустрии.
Рамки исследования: использование системы автоматической торговли в решении проблем хеджирования, маркет-мэйкинга, арбитража, высокочастотной торговли, управления клиентскими позициями.
Практическое значение: изложение подходов к решению типичных проблем, с которыми сталкиваются разработчики моделей и программ, такие как: подключение к торгам, актуальность биржевой информации, способы тестирования и нахождения оптимальных настроек.
Социальные последствия: расширение круга знаний профессиональных разработчиков программного обеспечения.
Оригинальность/ценность: подход развивается в общем потоке исследований по тематике финансовой инженерии.
Ключевые слова: финансовая индустрия, автоматический трейдинг, аппаратно-программный комплекс, высокочастотные приложения, модели, вычислительные модули, расчёты.
ON THE EXPERIENCE OF THE ORGANIZATION OF HIGH-FREQUENCY FINANCIAL APPLICATIONS
Ereshko Anton Felixovich, junior researcher, Dorodnicyn Computing Centre of the FRC of the Russian Academy of the Sciences, Moscow. E-mail: asprs@yandex.ru
Abstract
Background: The financial industry actively develops, and a research objective is to formulate new development approaches of the hardware and software for algorithmic trade.
Materials and methods: Research framework is to use the system of automatic trade in the solution of problems of hedging, a market-making, arbitration, high-frequency trade, management of client positions.
Results: The statement of approaches to the solution of typical problems which developers of models and codes, such as: connection to the auction, relevance of exchange information, ways of testing and finding of optimum settings.
Conclusion: New opportunities of information and communication technologies and hardware-software systems effectively solve problems of the high-frequency trade in the financial industry.
Index terms: financial industry, automatic trading, hardware and software, high-frequency applications, models, computing modules, calculations.
Введение
Вся деятельность участников финансового рынка в высокой степени автоматизирована. Современные информационные банковские и финансовые системы, обеспечивающие деятельность участников рынка, должны не только надежно обслуживать огромное количество транзакций, хранить и передавать по сетям большие объемы данных, но и обеспечивать банкам и финансовым организациям преимущества, достигаемые в конкурентной борьбе за счет использования самых последних инновационных технологий в различных областях: разработка программного обеспечения, вычислительные средства, системы хранения данных, средства защиты информации, телекоммуникации, искусственный
интеллект и многие другие инновационные технологии. В развитие и поддержку ^-инфраструктуры финансовые организации вкладывают значительные средства.
Автоматизированная торговля
Автоматизированная торговля на финансовых рынках (или электронная алгоритмическая торговля, алготрей-динг, торговля с чёрным ящиком, роботорговля) использует электронные возможности для генерирования заявок на биржу на основе формальных алгоритмов, включая параметры: времена выставления заявок, цены, количество и объём, без непосредственного участия инвестора. К специальному классу алгоритмической торговли относится высокочастотная торговля, когда интервалы времен информирования участников торгов
SB
Ерешко А. Ф.
и соответственно моменты между последовательно принимаемыми решениями столь малы, что недоступны для реакций человека. Алгоритмический трейдинг уверенно набирает обороты и, как подтверждает статистика, применяется практически на всех биржевых площадках. Согласно статистике в Интернете, более 70% сделок на фондовой бирже NYSE осуществляется автоматическими системами в режиме высокочастотной торговли. Высокая эффективность алгоритмического трейдинга привлекает внимание профессиональных трейдеров, и они предпринимают значительные усилия для достижения ещё большей эффективности. В то же время регуляторы выражают беспокойство по поводу стремительного разрастания алготрейдинга, поскольку в ходе этих операций уменьшается возможности регулирующих функций. Алгоритмическая и высокочастотная торговля стали предметом многочисленных разбирательств инициированных американскими регуляторами SEC (U.S. Securities and Exchange Commission) и CFTC (Commodity Futures Trading Commission), в связи с обвинением в их причастности к событиям 2010 г., когда ведущие фондовые индексы США испытали крупнейшее за всю свою историю внутридневное падение.
Системы автоматической торговли активно используются в решении проблем хеджирования, маркет-мэйкинга, арбитража, высокочастотной торговли, управления клиентскими позициями.
Значительное внимание на биржевых площадках уделяется спекулятивной составляющей при использовании автоматических систем для торговли на РТС ФОРТС, примером служат математические модели, используемые при работе методом классической оценки «спрос-предложение». Отметим типичные проблемы, с которыми сталкиваются разработчики моделей и программ, такие как: подключение к торгам, актуальность биржевой информации, способы тестирования и нахождения оптимальных настроек.
Описание Маркет-мейкинга как примера сфер приложения алготрейдинга
Основные понятия. Маркет-мейкер (далее ММ) -профессиональный участник рынка ценных бумаг, основной задачей которого является формирование, развитие и поддержание ликвидности посредством поддержания двусторонних котировок на покупку/продажу ценных бумаг. ММ-договор - двух- или трехсторонний договор между ММ и биржей и/или эмитентом ценных бумаг, описывающий обязанности сторон (в том числе требования к двусторонним котировкам). Двусторонняя котировка - объявленные ММ заявки на покупку (bid) и продажу (ask) ценной бумаги, соответствующие требованиям ММ-договора (в случае его наличия). Спрэд двусторонней котировки (далее спрэд) - значение в процентах, рассчитываемое в процентах, и определяемое как отношение разницы между лучшей ценой bid и лучшей ценой ask по отношению к лучшей цене ask. Объем котировки - это значение, рассчитываемое, как произведение цены на количество ценных бумаг, указанных в
заявке. Книга заявок - два списка заявок на покупку и продажу упорядоченные по убыванию и возрастанию цены соответственно.
Источники дохода ММ. Прежде всего, маркет-мейкинг нужно рассматривать как торговую стратегию, которая должна приносить прибыль. При этом нужно отличать два типа ММ - свободных ММ и ММ, работающих по договору. Свободный ММ - участник рынка, для которого выставление двусторонних котировок является частью торговой стратегии. Такой ММ не имеет официального статуса и не берет на себя никаких дополнительных обязательств, но и не получает никаких преференций. Единственный источник его дохода -доходность его собственной торговой стратегии. ММ, работающий по договору - участник рынка, для которого выставление двусторонних котировок является обязательством перед биржей и/или эмитентом. Такой ММ получает официальный статус ММ по данной ценной бумаге и ряд преференций, которые отражаются в договоре.
Типовые требования к двусторонним котировкам. Ограничение на спрэд, ограничение на объем, продолжительность поддержания котировок, ограничение на максимальный объем сделок по заявкам, в зависимости от конкретной ценной бумаги могут существовать и другие требования к двусторонним котировкам.
Математическая постановка задачи ММ. Общая постановка задачи ММ следующая - на основании книги заявок на покупку и продажу от участников рынка сформировать такую двустороннюю котировку, чтобы выполнялось заданное условие оптимальности. Как правило, в теоретических моделях используется книга, состоящая из limit orders - заявок с ограничением цены, гарантирующих цену исполнения, но не сам факт сделки. Наиболее распространенное условие - прибыльность торговой стратегии. Если речь идет о ММ, работающему по договору, функция оптимальности должна также включать в себя получаемые ММ компенсации и учитывать требования к двусторонней котировке (например, в случае невыполнения требований на ММ налагается штраф, который учитывается в функции оптимальности). Также могут возникать различные дополнительные ограничения. Например, в случае отсутствия монополии каждому ММ приходится также следить за тем, чтобы его спрэд и объем был на уровне конкурентов (можно назвать это условием неубыточности на конкурентном рынке). Также часто вводятся ограничения, связанные с открытыми позициями ММ (inventory). ММ это в первую очередь трейдер, и у него могут быть открытые позиции по бумагам, маркет-мейкингом которых он занимается, поэтому ММ вынужден корректировать свои котировки с учетом изменения стоимости своего портфеля. Кроме того, стратегии ММ можно разделить на непредсказательные (non-predictive) и предсказательные (predictive). Тип стратегии также оказывает влияние на математическую постановку. В случае непредсказательных стратегий ММ для решения сво-
их задач использует только книгу заявок. В случае предсказательных стратегий ММ также пытается предсказать будущие движения рынка. В идеале ММ должен преследовать только цели поддержания ликвидности, то есть быть нейтральным по отношению к ценовым движениям (market-neutral), но на практике ММ может преследовать какие-то свои цели или цели компаний-клиентов (часто ММ это крупнейшие брокеры), что в свою очередь может приводить к сильным движениям рынка.
Обзор работ по тематике. Основная масса работ по заданной тематике выполнена западными исследователями. В России интерес научного сообщества к данной тематике низок (вероятно, это связано с относительной молодостью российского фондового рынка в целом и института маркет-мейкинга в частности). Как правило, исследования ведутся в контексте автоматизации деятельности ММ. При этом чаще всего рассматривается случай ММ-монополиста. Первые работы, посвященные формализации деятельности ММ, существовали уже несколько десятилетий назад - например, [4]. Работа представляет собой общее теоретическое исследования ММ-процесса. Работы [5] и [6] больше приближены к реальности и содержат много полезных практических выводов. Работа [5] содержит общее описание и постановку задачи ММ. В работе рассматриваются непредсказательные стратегии на модельном рынке PXS (Penn Exchange Simulator) - этот рынок представляет собой реальные котировки с электронной биржи Island ECN, к которым добавляется часть случайных симуляционных котировок. Работу [5] отличает большая глубина и «фи-зичность» (степени похожести на реальный рынок) исследования. Кроме того, построенная в работе [5] модель биржи относится к классу так называемых «много-агентных» моделей, которые традиционно сильно перекликаются с тематикой маркет-мейкинга. Кроме того, стоит отметить целый пласт исследований, посвященных тематике моделирования микроструктуры финансовых рынков - при таком моделировании процессы, происходящие на бирже, являются следствием действий конкретных игроков, их стратегий, ожиданий, степени владения информацией, психологии и т.п. В публикациях имеются подробные обзоры разнообразных моделей рыночной микроструктуры.
Биржи и маркет-мейкинг. Разные биржи используют разные подходы к маркет-мейкингу. Например, на NYSE на каждой акции существует свой ММ-монополист, деятельность которого строго контролируется биржей. На NASDAQ в свою очередь ММ может быть несколько, и они конкурируют между собой. Контроль биржи при этом минимален. На российском фондовом рынке (биржа РТС) деятельность ММ осуществляется через двух- и трехсторонние договоры между ММ, биржей и, возможно, эмитентом. В случае трехстороннего договора в обязанности ММ помимо поддержания двусторонних котировок входит также и оказание услуг эмитенту по включению и поддержанию ценных бумаг в Котировальных списках. Для определенных котировальных
списков наличие договора с ММ является обязательным. РТС позиционирует институт ММ как средство для развития ликвидности рынка акций «второго эшелона», ликвидности компаний небольшой и средней капитализации. Однако на практике ММ пока работают в основном на «голубых фишках» - в сегменте фондового рынка представлено порядка 20 ММ, которые работают с бумагами около 35 эмитентов (в большинстве своем это нефтегазовые и другие сырьевые компании, а также крупнейшие государственные банки). Это говорит о том, что институт ММ в России пока развит слабо, однако имеет хорошие перспективы дальнейшего развития.
Описание программно-аппаратных комплексов для алготрейдинга
Алгоритмические подходы в задачах управления портфелем ценных бумаг или задачах поддержания ликвидности в электронных системах биржевых торгов, занимают одно из основных направлений автоматизации деятельности инвестиционных подразделений. Современная практика применения автоматических систем принятия решения является неотъемлеммой частью любого современного участника биржевых аукционов, позволяющая не только контролировать риски активных портфелей, но и извлекать момент-ную прибыль на основе прогнозирования тенденций в оценке стоимости торгуемых продуктов, а также краткосрочного неправильного ценообразования торгуемых инструментов.
Торговые и аналитические решения комплекса алгоритмической торговли составляют замкнутую экосистему, взаимоотношения внутри которой строго регламентируются наборами решаемых задач. Модули экосистемы зависят друг от друга, в рамках предоставляемой и используемой информации.
В первом приближении, аппаратно- программный комплекс алгоритмической торговли можно разбить на несколько составляющих модулей. Торговый, Аналитический, Инфраструктурный и Статистический.
Торговый модуль - это программная фронт-система, обеспечивающая получение рыночных данных, их обработку, нормализацию, расчет вспомогательных величин на основе предопределенных параметров, генерацию сигналов и реализацию сигналов в виде биржевых приказов, реализуемых по средством протокола биржевой площадки.
Аналитический модуль - это программная система, использующая рыночные данные для виртуализации биржевых торгов. Виртуальная торговля состоит из имитаций торговой активности для поиска оптимального решения математической модели с использованием критериев: максимальная прибыль, дисперсия доходов, количество заявок, транзакций, устойчивость
Инфраструктурный модуль - это набор аппаратных решений, задачами которых являются поддержание работоспособности торгового, аналитического и статистического модулей. Одними из важных критериев для построения инфраструктуры комплекса алгорит-
Ерешко А. Ф.
мической торговли является быстродействие и отказоустойчивость.
Статистический модуль - это набор программных средств, отвечающих за контроль, учет, агрегацию состояний и мониторинг торгового модуля
Описание схем вычислительных экспериментов
Как отмечается в работе [1], работы по созданию сверхбыстрых программных и программно-аппаратных решений для алгоритмического трейдинга, получения и обработки финансовых данных, ведутся независимо друг от друга большинством западных и российских банков, а также различными компаниями-поставщиками 1Т-решений. Данное направление постоянно развивается, двигая вперед не только финансовую индустрию, но и компьютерные технологии в целом.
Процедуры оптимизации стратегии весьма вычислительно ёмки и требуют большого быстродейставия, так что для решения таких задач целесообразно использовать суперкомпьютеры. Для исполнения стратегии на множестве всех допустимых комбинаций параметров и выявлении наилучшего сочетания параметров требуются новые технологии.
Появление технологии CUDA продвинуло эту задачу к разрешению - теперь трейдер, владеющий технологией программирования графических процессоров и вполне бюджетной вычислительной системой, использующей технологию CUDA, имеет возможность проверить избранную стратегию на больших массивах исторической информации, пользуясь методикой Монте-Карло [2] и соответствующими алгоритмами обработки полученных результатов. Вслед за этим возникает проблема сочетания различных программно-аппаратных средств в общем комплексе для решения задачи управления портфеля.
Одна из допускающих эффективное распараллеливание задач алгоритмической торговли, - это расчет технических индикаторов на длинных рядах данных в реальном времени. Стратегии, исполняющиеся на малых таймфреймах (вплоть до тиковых) и использующие в своей логике текущие значения индикаторов, требуют ресурсоемких вычислений. Приемлемой скорости можно достичь с помощью CUDA. Например, распараллеливание на CUDA расчета такой популярной характеристики временных рядов, как среднеквадратическое откло-
нение, позволяет достичь увеличения скорости вычисления в ~100 раз [1]. Заключение
Проблема построения программно-аппаратных систем эффективно решающих задачи финансовой индустрии продолжает быть актуальной, и постоянно видоизменяется с появлением новых возможностей информационно-коммуникационных технологий.
Список литературы:
1. Байтин А.В. Записка о IT в финансовой индустрии, МФТИ, 2014.
2. Gasanov I.I., Raguimov I.S. On Solution of Stochastic Control Problem by the Method of Optimization on Time Series. Hawaii International Conference on Statistics and Related Fields, 2003.
3. Ерешко А.Ф., Аникин А.М. Системный подход к организации автоматического трейдинга на финансовых рынках. Шестая Международная конференция «Управление развитием крупномасштабных систем». MLSD'2012. Доклады. ИПУ РАН, 1-3 октября 2012г. .
4. Jonathan Ahlstedt, Johan Villysson High Frequency Trading December 1, WP, 2012.
5. RossKA, MathiassonN, FitzgibbonW. Robotwars: How highfrequen-cytrading changed global markets. The Bureau of Investigative Journalism. 2012; Article written September 16, 2012. Acquired November
6. Irene Aldridge High-Frequency Trading A Practical Guide to Algorithmic Strategies and Trading Systems, John Wiley & Sons, Inc., Hoboken, New Jersey, 2010.
7. Marco Avellaneda , Algorithmic and High-frequency trading: an overview. New York University & Finance Concepts LLC , Quant Congress USA 2011
8. Greg N. Gregoriou The Handbook of high frequency trading, State University of New York (Plattsburgh) Academic Press of Elsevier. 2015.
ОТЗЫВ
научного руководителя на статью Ерешко Ант. Ф. «Опыт организации высокочастотных финансовых приложений»
Работа Ерешко Ант.Ф. посвящена решению проблем , с которыми сталкиваются разработчики моделей и программ автоматической торговли на финансовых рынках , таких как: структура комплекса программ, подключение к торгам, актуальность биржевой информации, способы тестирования и нахождения оптимальных настроек.
Основное внимание уделено проблемам высокочастотной торговли и различным приложениям, в частности, маркет-мэйкингу.
Автор имеет значительный опыт создания аппаратно-программного комплекса для проведения высокочастотной алгоритмической торговли финансовыми инструментами.
Работа представит интерес для теоретиков и прикладных разработчиков.
Рекомендую статью к публикации.
Заведующий отделом ВЦ РАН ФИЦ ИУ РАН,
Д-р физ.-мат. наук, профессор
Серебряков В.А.
