CC BY
154
УДК 33
РЫНОК ГОТОВИТСЯ К АЛГОРИТМИЧЕСКОЙ ТОРГОВЛЕ
Тимофеев А.Г., к.э.н., доцент кафедры «Информатика», ФГБОУВО «РЭУ имени Г. В. Плеханова», e-mail: rea101@mail.ru Лебединская О.Г., к.э.н., доцент кафедры «Статистика», ФГБОУ ВО «РЭУ имени Г. В. Плеханова», e-mail: lebedinskaya19@gmail.com
Алгоритмическая торговля на бирже начала развиваться еще в 2008 году и достаточно быстро инвесторы осознали, что роботы-трейдеры часто принимают решения лучше и, определенно, быстрее, чем живые люди. Уже сейчас две трети инвесторов готовы прислушаться к советам компьютера при вложении средств, а в будущем искусственный интеллект может стать основным игроком на мировых финансовых рынках. В статье проводится исследование рынка алгоритмической торговли. На данный момент алгоритмическая торговля является наиболее перспективной финансовой инновацией и активно обсуждается не только биржевыми специалистами, но и регулирующими органами.
Ключевые слова: информационные технологии, алгоритмическая торговля, финансовый рынок, управление активами, программы-роботы.
THE MARKET IS PREPARING FOR ALGORITHMIC TRADE
Timofeev A., Ph.D., Associate Professor, Informatics chair, FSEIHE «Plekhanov Russian University of Economics», e-mail: rea101@mail.ru
Lebedinskaja O., Ph.D., Associate Professor, Statistics chair, FSEI HE «Plekhanov Russian University of Economics», e-mail: lebedins-
kaya19@gmail.com
Algorithmic trading on the exchange began to develop in 2008 and quickly enough investors realized that robot traders often make decisions better and, certainly, faster than livingpeople. Already, two-thirds of investors are ready to listen to computer advice when investing, and in the future artificial intelligence can become a major player in the worldfinancial markets. The article deals with the research of the market of algorithmic trade.At the moment, algorithmic trade is the most promising financial innovation and is not actively only by exchange specialists, but also by regulators.
Keywords: information technologies, algorithmic trade, financial market, asset management, robots.
Новые программы по торговле, основанные на последних достижениях в области искусственного интеллекта, превосходят по результатам как классическиеуправляющие, так и старые стратегии алгоритмической торговли.
Роботы-трейдеры часто принимают решения лучше и, определенно, быстрее, чем живые люди. Уже сейчас две трети инвесторов готовы прислушаться к советам компьютера при вложении средств, а в будущем искусственный интеллект может стать основным игроком на мировых финансовых рынках.
Популярность краткосрочных операций сменилась сверхкраткосрочными, операции с которымипроводятся в несколько секунд, а в отдельных случаях и менее секунды. Сверхкраткосрочные операции стали оказывать влияние на сам характер биржевой торговли. Новые технологии улучшили телекоммуникационное обеспечение, увеличилась скорость движения информации и ее объем, количество участников значительно приросло. А с ростом краткосрочной во-латильности появилась возможность получения прибыли с оборота краткосрочных сделок.
Многие управляющие входящие в совет директоров крупных компаний обеспокоены, что из-за технологического прогресса в скором времени устареет целый пласт, более 30% профессий, связанных с применением искусственного интеллекта. Целью искусственного интеллекта является научить компьютер посредством «машинного обучения» обработке массивов данных, обучаться, читать и автоматизировать процессы.
В основе используемых нейросетей лежит принцип машинного обучения,который применяется и в других областях работы с фондовыми рынками. Например, программное обеспечение уже сейчас помогает подбирать инвестиционные портфели и предугадывать поведения рынка. И возможности машинного обучения уже привлекают внимание банков, брокерских и инвестиционных компаний.
Именно электронные платформы и системы все больше занимают долю на рынке. Использованные в них алгоритмы позволяют увеличить скорость сделок и уменьшить издержки.
Эффективное объединение новейших инструментов для алгоритмиче-ской торговли с уникальными наработками в области финансового анализа позволяет иметь значительно большие успехи в оценке прогнозных значений колебания рынка.
С ростом популярности криптоактивов и цифровых активов интерес к алгоритмической торговле вырастит в 10-тки раз. На 2017 год в мире уже работало более двухсот фирм, связанных с машинным обучением для финансового рынка. Они оперируют активами в $300 млрд.
Говоря о цифровых активах, мы имеем ввиду умные, безопасные и динамические цифровые активы. Помимо того, что активы
можно программировать, исходя из заранее заданных параметров, они имеют динамические свойства, обеспечивающие реакцию цифрового товара на внешние факторы. В таком популярном направлении как токенизация уже появилось достаточно много проектов, создающих цифровые ценности, связанные с заведомо известными физическими активами.
Все чаще онлайн-пользователи завещают пароли, а общий объем цифрового наследства превышает 2,5 млрд.долл. У 25 процентов из них в собственности находятся фильмы, клипы и музыкальные треки и игры, купленных в онлайн-магазинах. Без включенных в завещание паролей уже были утрачены цифровые ценности на миллиарды фунтов, такие как фильмы, музыка и изображения, хранившиеся в облачных сервисах, включая Hotmail, Facebook, iCloud и Flickr.
Исследование, проводимое компанией облачных вычислений Rackspace, установило, что 53% из числа опрошенных «хранят имущество» в подобных им службах. Четверть сообщила, что хранит онлайн особые фотографии, каждый десятый — видео, и еще 10% — сентиментальные любовные письма. Вероятность создания онлайн-аукционов по продаже контента, а наиболее крупных предложений через биржевой вариант размещения возрастает.
Именно через биржевые инструменты мы наблюдаем эффективность перехода на экономику потребления высоких технологий - цифровую экономику.
В индустриях многих отраслей доля алгоритмической торговли увеличивается за счет спроса на различных площадках на скорость работы. Торговцы хотят покупать и продавать финансовые инструменты быстро, чтобы избежать возможности изменения цены в процессе исполнения транзакции. Именно из-за этого факта и появилось огромное количество систем и алгоритмов.
В основе торговой системы имеется совокупность правил, согласно которым принимается решение об открытии или закрытии позиций, которые должны быть четко сформулированы, чтобы их можно было записать в виде алгоритма. Любой тип торговой системы должна включать следующие параметры:
- точка входа в рынок,
- точка выхода,
- выход в случае неблагоприятного стечения обстоятельств.
Построение торговой системы включает следующие шаги:
1) выбор рынка (фондовый, срочный, валютный или товарный). Главный критерий, по которому следует выбирать рынок - ликвидность;
2) определение тренда. Предпочтительны инструменты, которые находятся в тренде дольше остальных. Это обеспечит больше возможностей заработать деньги;
3) определение точки входа в рынок;
4) выставление стоп-ордеров для ограничения рисков на каждую сделку;
5) определение точки выхода из рынка;
6) тестирование торговой системы.
Работоспособность любой торговой системы можно проверить, используя «бэктестинг» (тестирование стратегии на реальном рынке, в реальных условиях, но на исторических данных).
Далее разрабатывается модель торговой системы. В качестве входной информации будет выступать размер капитала, лимиты потерь в день (неделю, месяц и т.д.) и рыночная информация.
Соблюдение всех правил делает торговлю системной. Основная ошибка, из-за которой трейдеры теряют деньги - несоблюдение собственной торговой системы и психологической устойчивости.Одним из инструментов, позволяющих удержать эмоции во времятрейдинга является создание своего торгового робота.
«Собрать» свой алгоритмический робот или написать алгоритм-робота управления активом или финансовым процессом довольно сложно и долго, поскольку помимо навыков программирования, важно правильно выбрать и протестировать торговую стратегию, на основе которой будет функционировать бот. Пока роботам не доверяют высокорисковые активы в виде бондов и акций.
Алгоритмическая торговля является крайне сложной областью финансов где для создания собственной торговой системы требуется освоить большой объем информации и времени. Без опыта в программировании успеха на этом рынке будет крайне сложно, как минимум необходимы знания в языках программирования С/С+, лучше Я, или РЬйоп. Процесс создания торгового робота состоит из четырех основных этапов:
1. Определение стратегии торговли, определение и применение пре-имуществ и частоты торговли (имеются классы высокочастотной торговли).
2. Тестирование стратегии по полученным историческим данным о торгах, тестовый прогон бода или стратегии, проведение анализа результатов, выявление слабых мест и проведение оптимизации.
3. «Движок» соединяющийся с торговой площадкой должен автоматически подстраиваться под изменения на рынке во избежание дополнительных издержек.
4. Проведение риск-менеджмента -оптимизация распределения капи-тала для совершения операций, выбор алгоритма действий в случае неудач и стечении обстоятельств.
Наиболее популярные платформы для алгоритмической торговли представлены в таблице 1.
Таблица 1. Популярные платформы для алгоритмической торговли
Название Характеристика
TSLab - возможность создания сложных алгоритмических систем - визуальность и возможность редактирования - просмотр работы скрипта
Wealth-Lab - построение торговых систем со встроенным мастером стратегий - построение мульти-систем - разработка на любом языке .NET - проверка стратегии по всем инструментами
MetaStock/ TradeScrip - большая библиотека индикаторов и формул - большое количество модулей программы - высокая скорость работы
Quik - высокая скорость работы - встроенный язык программирования QPale
Последняя нобелевская премия по развитию теории контрактов лишь подтверждает интерес к «умным контрактам».
Традиционные банковские институты без технологической трансфор-мации, скорее всего, не выживут.
ВТБ уже определил ключевые моменты технологической трансформации банков в области инвестиционного бизнеса: использование технологии блокчейн для расчёта поставок ценных бумаг, «умные контракты», краудфандинг для увеличения долгового акционерного капитала, электронная и алгоритмическая торговля ценными бумагами.
В настоящее время наиболее популярными программами для инвестирования стали компании Betterment (в управлении
активами на $7 млрд), Wealthfront (с активами в $5,5 млрд.) и VanguardPersonalAdvisor ($4 млрд.). все они больше относятся к категории робо-эдвайзерыс базами данных, на основе которых по алгоритмам предлагают частным инвесторам сформировать инвестиционный портфель. Перед началом работы инвестор заполняет анкету, где анализируется его склонность к рискам,имеющиеся активы и конечные цели вложений: сохранение денег, увеличение финансовой подушки, накопление на крупную покупку. Алгоритм подбирает подходящие биржевые инвестиционные фонды.
Под «Алгоритмом потери» чаще понимают упущенную выгоду, а возможно и противопоставляя со злом или большими деньгами.
Сегодня трудно убедить клиента следовать классическим стратегиям управления активами, основываясь на фундаментальном анализе. Алгоритмические стратегии всё более популярны.
Алгоритмическая торговля состоит из доли «лонговых» позиций и набора краткосрочных паттернов. Алготрейдеры отмечают, что существует множество методов алгоритмической торговли, каждый из которых имеет свою область применения и ёмкость для капитала. То, что работает на 100 тысячах рублей, может совсем не работать на сотнях миллионов или миллиардах. То, что работает на волатиль-ности и хороших движениях, может не работать на «боковике».
Только постоянное отслеживание их, постоянное подстраивание собственных правил (алготорговля — это автоматизация выработанных торговых правил) под изменяющиеся условия рынка позволяют извлекать с него прибыль.
Применение в торговых системах нейронных сетей показывает улуч-шение качества работы торгового робота. Однако существенным недостат-ком подобных систем является длительное время оптимизации под конкретные рыночные условия. Тем не менее, применение алгоритмических технологий упростит процесс торговли и станет более доступным. С помощью данного инструмента без больших затрат на разработку, не зная языков программирования, математических моделей и формул, можно алгоритмизировать стратегию.
Машинное обучение анализирует архивные данные о движении акций, а в сложных алгоритмах учитывается и новостной фон компаний. Как правило, в проектах различаются именно алгоритмы, так как данные можно брать из открытых архивов. После чего выявляются определенные тенденции, которые и помогают предугадывать дальнейшее движений ак-ций, бондов и криптовалют.
С помощью логического языка программирования R каждый желаю-щий может в домашних условиях создать собственные алгоритм по прогнозированию цен на акции. Соответствующая инструкция доступна в открытом доступе, а большинство алгоритмов представлены именно в виде исследований и программного кода.
По новой терминологии связанных с цифровыми ценностями можно предположить, что не малую часть алгоритмической торговли примут на себя криптовалюты. В этом случае программные сущности (Автономные агенты, приложения и модули) могут принимать решения без необходимости участия и одобрения человека на основе распределенного реестра, состоящий из цепочки блоков финансовых транзакций называемых Блокчейном, где каждый последующий блок криптографически связан с предыдущим, а программное приложение, позволяющее производить транзакцию с заданного адреса просматривать его баланс, а ключом будет строка символов (битовая строка), используемая криптографическим алгоритмом при шифровании и дешифровании сообщений, постановке и проверке цифровой подписи и ее идентификации.
Новые умные контракты (SmartContract) могут стать механизмом, включающий цифровые активы и две или более стороны, которые вкладывают активы в контракт, с возможностью автомати-ческогораспределения между этими сторонами, согласно формуле, основанной на показателях, значения которых неизвестны на момент подписания контракта.
Из-за развития новых технологий и роста числа HFT-компаний использующих высокочастотный трейдинг (HFT -HighFrequencyTrading) число подобных сделок от общего объема торгов на срочном рынке FORTS Московской биржи сильно изменился. Более того, из-за появления АТС (Автоматизированной Торговой Системы) финансовые рынки все больше становятся зависимыми от деятельности гиперактивных торговых роботов.
В отношении к алгоритмической торговле предпринимаемые регуля-тивные меры бывают стимулирующие и сдерживающие. (Табл.2.) С одной стороны, высокая ликвидность делает рынки более здоровыми и прозрачными и здесь предпринимаются меры для стимулирования алгоритмической торговли и расширения использования торговых роботов.
Таблица 2. Меры регулирования алгоритмической торговли
Стимулирующие Сдерживающие
улучшение скорости подтвержения заявок защите торговой инфраструктуры
увеличение скорости потока информации лимитирование количества заявок
уменьшение времени откликак торговых систем
улучшение скорости связи биржевой и клиентской системы
использование новых технологий поддержки клиент-ской системы
поддержка внебиржевых плащадок работы алгоритмических трейдеров
демонстрация преимуществ торговли с применением роботов
улучшение скорости подтверждения заявок
Причиной стимулирующих мер является сама выгода самим биржам и брокерам заработать на комиссии по сделкам. Алгоритмические трейдеры совершают гораздо большее количество сделок, а рост числа применяемых роботов и оборота по ним, возможности совершать сотни и тысячи сделок внутри дня, надежности исполнения заявок, уменьшение величины комиссии могут значительно увеличить интерес к финансовому рынку и появлению новых участников рынка алгоритмической торговли.
Однако, биржи остаются регулирующим органом по выявлению отклонений и контроле практики массового применения торговых роботов и оборота заявок.
Алгоритмическая торговля и роботы продолжат вытеснение обычных трейдеров с биржевых площадок.
Современный рынок это все больше соревнование мозгов, умений, навыков, опыта и психологии. Важно не зацикливать, а шагать и развиваться дальше.
Литература:
1.Тимофеев А.Г., Лебединская О.Г. Бизнес-аналитика в условиях цифровой трансформации государственного и корпоративного
управления// Управление экономическими системами. 2017. № 9 http://uecs.m/index.php?option=com_flexicontent&view=items&id= 4532
2.Тимофеев А.Г., Лебединская О.Г. Datamining и bigdatа в бизнес-аналитике цифровой трансформации государственного и корпоративного управления// Управление экономическими системами. 2017. № 9 http://uecs.ru/index.php?option=com_ flexicontent&view=items&id=4533
3. Тимофеев А.Г., Лебединская О.Г. Трансформация роли системообразующих предприятий в экономике России / Приоритетные направления развития науки и образования. - 2016. № 1 (8). С. 396-398.
4. Тимофеев А.Г., Лебединская О.Г. Актуализация перехода от цифрового труда к цифровой фабрике // Управление экономическими системами. 2016. № 3.
5. Тимофеев А.Г., Лебединская О.Г. Торговые системы и динамические программы-роботы на биржевом рынке // Инициативы XXI века. 2012. № 4. С. 65-68.
6. Информационные системы рынка ценных бумаг / А.Г. тимофеев, В.П. Романов. М., 2010. 151 с. Тимофеев А.Г. Влияние рейтинговых и про-гнозных оценок на изменение геополитического положения государства // Научные труды Вольного экономического общества России. 2010. Т. 143. С. 145-150.
7. Тимофеев А.Г., Лебединская О.Г. ЭЛЕКТРОННЫЕ ПЛАТЕЖНЫЕ УСЛУГИ КАК САМОСТОЯТЕЛЬНАЯ ИНДУСТРИЯ В ИНФРАСТРУКТУРЕ СОВРЕМЕННОГО ГОРОДА. 2017 https:// elibrary.ru/item.asp?id=28779813
8. Информационные системы рынка ценных бумаг / А.Г. тимофеев, В.П. Романов. М., 2010. 151 с. https://elibrary.ru/item. asp?id=19968579
9. Тимофеев А.Г. Влияние рейтинговых и прогнозных оценок на изменение геополитического положения государства // Научные труды Вольного экономического общества России. 2010. Т. 143. С. 145-150.
10. Вейнберг Р.Р. Системы управления бизнес-правилами и их при-кладное применение в экономике / 17-я Российская научно-практическая конференция «Инжиниринг предприятий и управление знаниями» (ИП&УЗ - 2015), МЭСИ, 24-25 апреля 2014 года: Сборник научных трудов. - М., 2014. ISBN 978-5-776-4087-8-6.
11. Инвестиционная компания «Финам». Офи- циальный сайт. URL: http://www.finam.ru/
